Wie Audi seine IT am Wertstrom ausrichtet

Als automotiveIT 2021 mit Audi-CIO Frank Loydl zusammensaß, um seine drei Jahre zuvor initiierte Strategie Next:IT zu besprechen, war die Welt noch eine andere: Die Coronapandemie befand sich auf ihrem Höhepunkt und die Hoffnung auf Normalität war zu einem ständigen Begleiter geworden. Doch in den Folgejahren stellte sich erst heraus, wie sehr der damals geprägte Begriff „New Normal“ zutreffen sollte. Mit Logistikkrise, Halbleitermangel, Energiepreisschock, dem Krieg in der Ukraine, den Eskalationen im Nahen Osten und rund um Iran sowie dem Durchbruch generativer künstlicher Intellligenz haben die vergangenen fünf Jahre globale Zäsuren hervorgebracht, wie sie sonst für mehrere Jahrzehnte reichen würden.

Sonderheft Konzern-IT Audi

Dieser Beitrag ist Teil des automotiveIT-Sonderhefts „Konzern-IT Audi“. Für die Ausgabe haben wir zentrale Themen und Projekte der Audi-IT unter die Lupe genommen – vom Enterprise IT Target Operating Model und der strategischen Kompetenzentwicklung über Künstliche Intelligenz und Produktions-IT bis zum Software-Defined Vehicle.

Das vollständige Sonderheft können Sie hier als E-Paper lesen.

Auch der langjährige Audi-IT-Chef musste schließlich weiterdenken. Die internen Hausaufgaben seien weitgehend gemacht gewesen, das Zielbild stand, die Organisation war auf einem guten Weg. Gleichzeitig wurde generative KI mit ChatGPT erstmals für eine breite Öffentlichkeit greifbar und die Autoindustrie stand unter massivem Druck. Als der Vorstand Loydl im Sommer 2024 beauftragte, die IT-Aufstellung der kommenden Jahre zu Papier zu bringen, adressierte Loydl gezielt zwei Fragen: Wenn Digitalisierung und KI das Unternehmen grundlegend verändern, muss dann nicht auch die Art und Weise neu gedacht werden, wie IT gesteuert wird? Und wie gelingt Strategiearbeit, wenn der Ist-Zustand immer nur ein flüchtiger ist?

Der Application Layer schwindet

Loydls Antwort fällt deutlich aus. Mit Next:IT rückten die Trennung von Ablauf und Aufbau, ein übergreifendes Portfolio, Steuerkreise, agile Arbeitsweisen, PI Plannings und eine stärkere Verzahnung mit den Fachbereichen in den Fokus. Nun folgt der nächste Schritt. Er ist grundlegender als eine weitere Optimierung der Organisation: Die Audi-IT will ihre Steuerungslogik neu ordnen. Loydl und sein Team arbeiten daher an einem Target Operating Model (TOM), das nicht als starres Zielbild verstanden werden soll. Sein Kern ist die Abkehr von einer historisch gewachsenen Applikationslogik. „Mit der internen Brille hätten wir wahrscheinlich schrittweise unsere Applikationslandschaft und Strukturen verbessert“, sagt Loydl. Schaue man jedoch von außen auf die Entwicklung, werde sichtbar, „dass mit hoher Wahrscheinlichkeit ein Großteil des Application Layers sogar verschwinden wird“.

Das ist eine bemerkenswerte Verschiebung. Jahrzehntelang wurden Unternehmensprozesse in vielen Konzernen über Anwendungen organisiert. Für bestimmte Aufgaben gab es spezialisierte Systeme, fachliche Zuständigkeiten, Schnittstellen, Übergaben und historisch gewachsene Datenhaltungen. Auch bei Audi ist diese Welt komplex – mit mehr als 2.500 Applikationen, 42 Prozent davon aus dem Volkswagen-Konzern. Viele Daten liegen in Spezialsystemen, Medienbrüche verursachen redundante Ablagen, Konsistenz und Verfügbarkeit der Daten sind nur teilweise gegeben. Für Loydl liegt darin aber nicht nur ein technisches Problem. Die IT-Bebauung bilde historisch vielfach die Aufbauorganisation ab. Genau hier setzt das Target Operating Model an.

Wertstrom als neue Ordnung

Der zentrale Ordnungsbegriff ist nun der Wertstrom. Er soll sichtbar machen, wie im Unternehmen tatsächlich Wert entsteht – unabhängig davon, welche Organisationseinheit, welches System oder welches Budget historisch dafür zuständig war. „Der Wertstrom ist eigentlich das Einzige, was immer stimmt“, sagt Loydl pointiert. Der Satz ist mehr als eine methodische Setzung. Er beschreibt den Versuch, eine stabilere Logik für eine Zeit zu finden, in der Technologien und Marktbedingungen immer schneller wechseln. „Kein Zielbild der Welt würde sich schnell genug anpassen lassen, um mit der technologischen Entwicklung Schritt halten zu können“, bringt Michael Marr, Director Data/AI, EAM und Software Development, den Konflikt auf den Punkt. Deshalb wurde für die Audi-IT schnell klar, dass Wertströme das zentrale Ordnungsprinzip des neuen Modells sein müssen.

Bei null musste Audis IT-Team dabei nicht beginnen. Als Basis wurden die konzernweit definierten End-to-End-Prozesse herangezogen: In Summe sind das vier Core- und zehn Supporting-Prozesse. Daraus leitete die IT gemeinsam mit den Fachbereichen in sogenannten „Werkstätten“ Wertströme ab. Aus der Audi-IT begleitet Katharina Wicker diesen Prozess. Sie beschreibt die Herangehensweise bewusst pragmatisch: Man habe sich entlang der Prozesse mit den Geschäftsbereichen zusammengesetzt, Gruppen von weniger als 20 Personen gebildet und die jeweiligen End-to-End-Prozesse auf Trigger und Outcomes untersucht. Dort, wo sich ein wertorientierter Zusammenhang zeigte, entstand ein Indikator für einen Wertstrom. Unterstützt wurde die Arbeit jeweils von Enterprise-Architekten. Ziel war es zunächst, zu einer möglichst optimalen Beschreibung des Ist-Zustandes zu kommen. In den ersten Stunden dieser Workshops sei das für viele Fachbereiche noch irritierend gewesen, sagt Wicker. Doch schnell sei in diesen Runden der Gewinn für die fachlichen Teams deutlich geworden. „Wenn wir gemeinsam und übergreifend einen Wertstrom betrachten, dann überwiegt am Ende die Erkenntnis, dass das Ergebnis einer solchen Wertstromwerkstatt aus dem Silo heraus gar nicht möglich gewesen wäre.“

Ein Würfel gegen die Systemblindheit

Die Methode dahinter beschreibt Audi mit einem Bild: dem Würfel. Oder, wie Jessica Rak aus dem IT Enterprise Architecture Management präzisiert: „Finalize the Cube.“ Gemeint ist ein Ordnungsrahmen, der Prozesse, Applikationen und Daten gleichberechtigt zusammenführt. Zieht man an einem Datenobjekt, soll sichtbar werden, welche Applikationen damit arbeiten und welche Wertströme betroffen sind. Zieht man an einem Wertstrom, soll erkennbar werden, welche Systeme, Daten und Teams daran hängen. Der Cube ist damit weniger ein Tool als eine Art Denkmodell gegen die Blindheit gewachsener IT-Landschaften. Viele Organisationen wissen, welche Systeme sie betreiben. Schwieriger ist die Frage, welche Datenflüsse, fachlichen Bedeutungen, Prozessschritte und Verantwortlichkeiten tatsächlich damit verbunden sind.

Rak nennt die Architekturarbeit nach diesem Vorgehen deshalb ein „MRT der IT“. Der Begriff trifft den Anspruch gut. Architektur soll nicht mehr im Elfenbeinturm stattfinden und theoretische Zielbilder formulieren. Sie soll verstehen und sichtbar machen, wo Daten, Prozesse und Applikationen auseinanderlaufen. Erst wenn transparent wird, dass an einer Stelle eine Excel-Datei unterwegs ist, ein Prozess über fünf Abteilungen läuft oder sich Bereiche nicht auf die Definition eines Datenobjekts einigen können, lässt sich eine Transformationsentscheidung fundiert treffen. Architektur wird damit operativ. Sie beschreibt nicht nur den Ist-Zustand, sondern soll den Weg in den Soll-Zustand steuern.

Keine Daten ohne Kontext

Wie groß die Aufgabe ist, zeigt das Beispiel Produktionsvolumen. Es ist eines der ersten greifbaren Datenprodukte, das Audi im Kontext des neuen Modells aufgebaut hat. Auf den ersten Blick klingt der Begriff eindeutig. Doch genau darin lag die Schwierigkeit. Was bedeutet Volumen? Je nach Abteilungskontext und ohne weitere semantische Beschreibung kann damit zum Beispiel reales oder geplantes Produktions- oder Absatzvolumen gemeint sein. Jeder Bereich könne darunter etwas anderes verstehen, sagt Rak. Für KI und Automatisierung reiche es daher nicht, einfach Daten verfügbar zu machen. Entscheidend sei, dass Daten verstanden sind, eine Bedeutung haben und in einen Kontext eingeordnet werden können. Ohne Semantik sei KI „wie ein Praktikant ohne Einweisung“, bringt es die Datenspezialistin auf den Punkt. Der Praktikant habe zwar Zugriff auf Daten, verstehe aber den Zusammenhang nicht. Dann könne am Ende auch kein gutes Ergebnis herauskommen.

Für Loydl war das Produktionsvolumen ein Gamechanger. Audi habe zwar Terabytes an Daten, doch bei der konkreten Arbeit an einem Informationsobjekt sei schnell sichtbar geworden, wie unterschiedlich die fachlichen Definitionen sind und wie viele Medienbrüche bestehen. Der wesentliche Teil beim Aufbau des Datenprodukts sei deshalb gar nicht IT gewesen, sondern fachliche Klärung.

Genau daraus ergibt sich die Verbindung zur KI-Strategie. Audi will nicht zuerst Agenten bauen und danach die Daten sortieren. Vielmehr soll die Datenbasis so strukturiert werden, dass Agentic AI überhaupt skalierbar nutzbar wird. Entscheidend sind nicht immer mehr Daten, sondern vielmehr die Frage, welche Daten in welchem Kontext tatsächlich benötigt werden. Daten allein erzeugen keinen Mehrwert, sie müssen mit Prozessen, Anwendungen und einem konkreten Geschäftszweck verbunden werden. Datenprodukte sollen daher einen klaren Zweck, definierte Qualität, Ownership und Wiederverwendbarkeit besitzen. Sie liegen quer zu einzelnen Wertströmen, weil ihr Wert gerade darin besteht, mehrfach nutzbar zu sein. Jessica Rak spricht von „Data-as-a-Company-Asset“. Dafür entstehen neue Aufgaben, etwa für Data Stewards, Data Domain Manager und Datenarchitekten. Michael Marr beschreibt den kulturellen Wechsel als Bewegung vom Need-to-know- zum Need-to-share-Prinzip. Daten sollen nicht in kleinen Geschäftsbereichen verbleiben, sondern nach zweckgebundenen Use Cases und einer klaren Data Governance folgend als Unternehmensdaten geteilt werden.

Transformation ohne Big Bang

Wertstromlogik, Informationsobjekte, „Finalize the Cube“-Methode, Datensemantik – die Audi-IT steckt damit mitten in der wohl größten Transformation ihrer Aufstellung, Steuerung und letztlich auch Rolle. Doch der Umbau soll nicht als Big Bang erfolgen. Dafür ist die bestehende IT-Landschaft zu groß, zu komplex und zu eng mit dem laufenden Geschäft verbunden. Loydls Team setzt deshalb auf den Strangler-Fig-Ansatz, benannt nach der Würgefeige. Neue Funktionen, Datenprodukte und Zugriffslogiken entstehen parallel zu bestehenden Systemen, übernehmen schrittweise Aufgaben und lassen Legacy-Systeme langfristig austrocknen. Marr beschreibt den Ansatz als bewusste Trennung von Business-, Informations-, Applikations- und Technologieebene. Nicht jedes neue Vorhaben solle wieder als neues Silo entstehen. „Wenn ein Datenprodukt übergreifend im Wertstrom gedacht wird, kann es von verschiedenen Anwendungen, Viewern, MCP-Servern oder Agenten genutzt werden“, sagt er. Wie die Business-Seite am Ende mit dem Objekt interagiere, sei zweitrangig. Entscheidend sei die Wiederverwendbarkeit.

„Das Denken in Wertströmen macht uns schneller und flexibler“

Im Interview erläutern Audis Finanzvorstand Jürgen Rittersberger und CIO Frank Loydl, wie das Unternehmen seine IT entlang von Wertströmen neu organisiert, welche Rolle Daten dabei spielen und wo Audi beim Aufbau einer „Agentic Enterprise“ steht.

Yannick Tiedemann

Loydl beschreibt die neue Logik über das Outcome Engineering. Wenn heute ein neues IT-Thema aufkomme, beginne die Audi-IT nicht mehr mit der Frage nach Architektur, Technologie oder Systemen. Die erste Frage laute: Welches Ergebnis wollen wir eigentlich erzielen? Von dort aus arbeite man rückwärts. Früher habe man Legacy-Systeme über klassische Architekturansätze schrittweise ablösen wollen: Daten dokumentieren, in eine neue Schicht überführen, ein neues Frontend aufsetzen und anschließend das Altsystem abschalten. Angesichts der aktuellen wirtschaftlichen Rahmenbedingungen sei ein solcher Ansatz weder finanziell noch personell dauerhaft skalierbar. Deshalb orientiert sich Audi stärker am Business Value: Themen mit dem größten geschäftlichen Nutzen erhalten Priorität in der neuen Architektur. Wenn der neue Kern irgendwann vollständig etabliert sei, verliere das alte System automatisch an Bedeutung und könne auslaufen, erklärt Loydl.

Monate für ein Datenprodukt

So klar Audis neue IT-Vision klingt, so anspruchsvoll bleibt dennoch ihre Umsetzung. Beim Datenprodukt Produktionsvolumen sei man anfangs von wenigen Wochen ausgegangen, berichtet Loydl. Am Ende habe es sechs Monate gedauert, das Thema vollständig zu durchdringen. Der Engpass sei dabei weniger die IT gewesen. „Die eigentliche Herausforderung liegt im Wissen über Abläufe und Zusammenhänge im Unternehmen“, sagt Loydl. Bis Ende dieses Jahres will der CIO mit seinem Team ein besseres Gefühl dafür bekommen, mit welchem Tempo die Umsetzung skalieren kann.

Noch ist also längst nicht hinter jedem Punkt ein grünes Häkchen. Die neue Transparenz muss erst beweisen, dass aus ihr tatsächliche Steuerungsfähigkeit entsteht. Applikationen müssen nicht nur kartiert, sondern perspektivisch auch abgeschaltet werden. Datenprodukte müssen nicht nur entwickelt, sondern wiederverwendet werden. Budgets müssen nicht nur diskutiert, sondern konsequent entlang von Wertbeiträgen priorisiert werden.

Ging es 2018 noch darum, die Audi-IT selbst schneller, schlanker und transparenter zu machen, steht heute nicht weniger auf der Agenda, als das ganze Unternehmen über seine IT anders lesbar und steuerbar zu machen. Der nächste Paradigmenwechsel liegt nicht mehr allein in agilen Methoden, neuen Portfolios oder Softwarekompetenz. Er liegt in der Frage, ob Audi die eigene Komplexität so weit durchdringen kann, dass Daten, Prozesse und Applikationen nicht länger nebeneinander optimiert werden, sondern gemeinsam. Oder, um im Bild der Audi-IT zu bleiben: Erst wenn das MRT scharf genug ist, lässt sich entscheiden, wo wirklich operiert werden muss.