In Folge 225 von MY DATA IS BETTER THAN YOURS (MDIBTY) spricht Jonas Rashedi mit Marvin P. (Head of AI & Digital Innovation, BASF) über Applied Gen AI. Konkret: Gen AI in der Chemie ist primär Automatisierung — Dokumente, Compliance, Berichterstattung. Spektakuläre Product-Use-Cases sind selten, repetitive Wertschöpfung ist Alltag. BASF-Konzernstrukturen verlangen andere AI-Governance als Startups: Auditierbarkeit, Versionierung, Ownership-Nachweise. Das bremst, aber macht produktiv.
3 Erkenntnisse aus dieser Folge
- 01
Gen AI in der Chemie ist primär Automatisierung — Dokumente, Compliance, Berichterstattung. Spektakuläre Product-Use-Cases sind selten, repetitive Wertschöpfung ist Alltag.
- 02
BASF-Konzernstrukturen verlangen andere AI-Governance als Startups: Auditierbarkeit, Versionierung, Ownership-Nachweise. Das bremst, aber macht produktiv.
- 03
Der wichtigste Skill für AI-Enablement in Großkonzernen ist nicht Tech, sondern Sprach-Übersetzung zwischen Fach, IT und Rechts-/Compliance-Bereich.
Worum es in dieser Folge geht
Marvin verantwortet AI & Digital Innovation bei BASF — dem größten Chemiekonzern der Welt. Wir sprechen über Gen AI in einem Umfeld, das strategisch langsam denken muss: Chemische Produktion, komplexe Regulierung, hohe Sicherheitsanforderungen.
Die Storyline
Was BASF mit Gen AI wirklich macht
Unsere produktiven Use Cases sind nicht spektakulär. Automatisierung von Compliance-Dokumenten, Vorprüfung von Sicherheitsdatenblättern, Wissensabfrage aus technischen Unterlagen. Aber es summiert sich — über Zigtausende Mitarbeitende.
Das ist die Realität: Die spektakulären Gen-AI-Cases (Moleküldesign, Wirkstoffforschung) sind in der Entwicklung. Produktiv läuft die unspektakuläre Automatisierung.
Warum Konzern-Governance so anders ist
Jede neue AI-Anwendung muss bei BASF durch vier Instanzen: Fach (brauchen wir das?), IT (wie integrieren wir das?), Compliance (regulatorisch sauber?), Rechtsabteilung (Haftung?). Das bremst — aber es sorgt dafür, dass produktive Systeme auch wirklich halten.
Der Übersetzer als Kern-Rolle
Marvin ist klar: Seine wichtigste Arbeit ist nicht, AI-Technik zu verstehen. Es ist, zwischen den vier Instanzen zu übersetzen. Wer das nicht kann, scheitert in Großkonzernen.
Was andere Industrien daraus lernen
- Gen AI in regulierten Branchen braucht andere Governance. Nicht schlechter — anders.
- Repetitive Automatisierung schlägt spektakuläre Product-Cases. Im Volumen.
- Die Übersetzer-Rolle ist unterbewertet. Sie sollte explizit besetzt werden.
Warum mich das besonders umtreibt
Marvin bringt eine Perspektive, die in Gen-AI-Diskussionen oft fehlt: die Sicht auf reale Konzern-Integration. Für CDOs in regulierten Industrien ist das eine wertvolle Referenz — wie man AI einführt, ohne die Organisation zu überfordern.
Jetzt reinhören
Jetzt reinhören
Diese Folgen könnten dich auch interessieren
Folge 323
Solo gegen alle: Wie 15 Jahre Datenhandwerk eine D2C-Brand allein tragen
Carlos Yniguez · 60Kollektiv
Folge 322
KI in NRW: Warum 90 % des Mittelstands noch nicht wirklich anfängt
Christian Temat · KI.NRW (Fraunhofer IAIS)
Folge 319
Warum Data Mesh ohne Data Citizens scheitert
Jonas Kell · Siemens Energy