KI steht auf der Agenda fast jeder Chemiekonferenz. Doch zwischen Pilotprojekt und skalierbarem Einsatz klafft in vielen Unternehmen eine Lücke. Simon Tucker von Publicis Sapient ordnet im Interview im Rahmen der Handelsblatt Chemie Konferenz ein, wo die Branche steht und welche Weichen jetzt gestellt werden müssen.
Viele Chemieunternehmen investieren stark in KI. Warum bleiben die erhofften Effekte oft aus?
Der Einstieg erfolgt häufig zu schnell auf der Anwendungsebene. Unternehmen führen neue KI-Lösungen ein und erwarten kurzfristig messbare Effekte. Die Voraussetzungen dafür sind aber oft nicht gegeben. Es fehlt an sauber aufbereiteten Daten, an einer tragfähigen Systemlandschaft und an klaren Prioritäten.
Entscheidend ist, sehr genau zu verstehen, wo der tatsächliche Wert von KI im eigenen Geschäft liegt. In der Chemieindustrie betrifft das typischerweise Bereiche wie Forschung, Lieferketten oder B2B-Prozesse. Erst wenn dieser Fokus vorhanden ist, lassen sich Initiativen sinnvoll skalieren.
Welche Rolle spielen dabei Organisation und Mitarbeitende?
Bei Publicis Sapient sprechen wir bewusst von „People + Products“. Der Erfolg hängt weniger davon ab, welches Tool was kann. Wichtig ist, ob die Menschen im Unternehmen verstehen, wie sie KI-Produkte in ihrem Arbeitsalltag sinnvoll einsetzen.
Das wird oft unterschätzt. Ohne gezielte Schulung bleibt selbst das beste KI-Produkt wirkungslos. Training ist die eigentliche Grundlage, nicht die Technologie.
Sie haben auf der Handelsblatt Chemie Konferenz über Tech Debt gesprochen. Wo sehen Sie aktuell den größten Handlungsdruck?
Der Handlungsdruck zeigt sich vor allem dort, wo neue KI-Anwendungen auf gewachsene Systemlandschaften treffen. In vielen Unternehmen führt das eher zu zusätzlicher Komplexität als zu mehr Geschwindigkeit.
Was sich verändert hat: Die Möglichkeiten, diese gewachsenen Strukturen transparent zu machen und gezielt weiterzuentwickeln, sind heute deutlich besser. Modernisierung wird greifbarer und lässt sich systematischer steuern als noch vor wenigen Jahren.
Wie lässt sich diese Modernisierung angehen?
Ein erster Schritt besteht darin, die bestehende Systemlandschaft wirklich zu durchdringen. Tools wie Sapient Slingshot helfen dabei, Anwendungen zu analysieren, Abhängigkeiten sichtbar zu machen und daraus moderne, produktionsreife Systeme abzuleiten. Das reduziert Risiken und beschleunigt die Modernisierung erheblich.
Auf der anderen Seite geht es darum, die Basis für neue Anwendungen zu schaffen. Hier spielen auch KI-gestützte Ansätze eine Rolle, etwa wenn spezialisierte KI-Agenten zusammenarbeiten. Plattformen wie Bodhi orchestrieren solche Abläufe entlang realer Geschäftsprozesse und machen sie im Unternehmenskontext skalierbar. Technologie darf dabei aber nicht isoliert eingeführt werden, sondern muss immer aus einer konkreten Geschäftsanforderung heraus entstehen.
Was heißt das für die Chemieindustrie?
Die Branche ist geprägt von komplexen Prozessen und historisch gewachsenen IT-Strukturen. Der größte Hebel liegt deshalb meist nicht in einzelnen Anwendungen, sondern darin, Reibungsverluste entlang zentraler Abläufe zu beseitigen, ob in der Lieferkette, im Handel oder in B2B-Prozessen.
Wenn es gelingt, Daten aus diesen Bereichen konsistent zu nutzen und mit modernen Systemen zu verbinden, entstehen schnell spürbare Verbesserungen. Ohne diese Grundlage bleibt KI in vielen Fällen auf Pilotprojekte begrenzt.
Welche Entscheidungen sollten Führungskräfte jetzt priorisieren?
Zwei Themen stehen im Vordergrund. Zum einen die konsequente Weiterentwicklung der technologischen Basis. Modernisierung sollte nicht als einmaliges Projekt verstanden werden, sondern als fortlaufende Aufgabe.
Zum anderen geht es darum, den Wert der eigenen Daten wirklich zu verstehen. Ob Marketing-, Kunden-, Handels-, Prozess- oder Lieferkettendaten: In vielen Unternehmen bleibt dieses Potenzial ungenutzt, weil gewachsene IT-Strukturen den Zugang erschweren. Wer Tech Debt abbaut und seine Daten gezielt nutzt, hat einen klaren Vorteil. Gerade in einem volatilen Umfeld wird das zum Differenzierungsmerkmal.