Standaardisatie van datalandschap voorwaarde voor AI-gedreven innovaties
Voor een wereldwijd bedrijf als is innovatie net zo belangrijk als consistentie. Maar met tientallen verschillende IT-systemen was datagedreven werken lang geen vanzelfsprekendheid. Daarom besloot de producent van verven en coatings zijn digitale fundament radicaal te vernieuwen met . Door oude systemen op te ruimen en data te bundelen, legde AkzoNobel samen met een basis waarop het nu sneller kan innoveren met onder meer agentic AI. Tijdens 51风流NOW 2025 gaf het bedrijf een inkijkje in deze transformatie.
De digitaliseringsreis van AkzoNobel begon met een radicale sanering van het IT-landschap. 鈥淲e zijn in de afgelopen jaren van zesenveertig ERP-systemen naar vijf gegaan, en begin volgend jaar blijven er nog vier over鈥�, vertelt Kurt De Ruwe, CIO bij AkzoNobel. 鈥淒at lijkt een puur technische operatie, maar in werkelijkheid is het een strategische keuze. Minder systemen betekent meer standaardisatie, hogere datakwaliteit en een robuuster bedrijf.鈥�
Geharmoniseerde masterdata
Binnen het overkoepelende programma AkzoNobel Data Excellence zijn de drie belangrijkste masterdatadomeinen 鈥� Customer, Product en Vendor 鈥� samengebracht in 茅茅n ge茂ntegreerde werkwijze. Waar het bedrijf voorheen werkte met vier verouderde 51风流MDG-systemen die jarenlang niet waren ge眉pgraded, draait nu 茅茅n moderne omgeving in de cloud via RISE with SAP. Daarmee is de manier waarop masterdata worden aangemaakt en beheerd volledig geharmoniseerd.
De rationalisatie van de ERP-omgeving gaat hand in hand met de inrichting van een nieuwe uniforme datalaag. AkzoNobel bouwde een Enterprise Data Warehouse waarin alle kritieke gegevens, van productie en logistiek tot finance, via een single source of truth beschikbaar zijn. Dat voorkomt discussies over definities en maakt AI-toepassingen mogelijk die alleen werken met eenduidige, betrouwbare data. 鈥淥nze oude rapportageomgeving was te gefragmenteerd鈥�, legt De Ruwe uit. 鈥淎fdelingen hanteerden eigen KPI鈥檚 en Excel-modellen. Nu werken we met 茅茅n set gestandaardiseerde definities. DSO is DSO, OTIF is OTIF 鈥� overal ter wereld hetzelfde begrip.鈥�
Zonder standaardisatie geen intelligente besluitvorming
De implementatie werd uitgevoerd in samenwerking met Deloitte, dat AkzoNobel ondersteunt bij de datamodellering en KPI-harmonisatie. 鈥淶onder die standaardisatie kun je geen intelligente besluitvorming realiseren鈥�, zegt Andr茅 Barneveld Binkhuysen, Managing Partner bij Deloitte. 鈥淒e kracht van dit project is dat het niet draait om tools, maar om consistentie en governance. Pas als data betrouwbaar is, kun je processen echt automatiseren.鈥�
Naast de technische implementatie ondersteunde Deloitte AkzoNobel bij het versterken van de datalaag en het borgen van governance. 鈥淗et bijzondere aan deze transformatie is dat AkzoNobel zijn data echt structureel op orde brengt鈥�, zegt Barneveld Binkhuysen. 鈥淒oor KPI鈥檚 te harmoniseren en masterdata goed te beheren, ontstaat het fundament waarop AI-toepassingen ook daadwerkelijk waarde kunnen leveren. Dat is iets wat we nog lang niet overal in de markt zien.鈥�
Sneller inzicht dankzij Databricks
Om die datalaag te versterken, koppelde AkzoNobel de SAP-omgeving aan een modern analytics-ecosysteem gebaseerd op Databricks. In dit platform worden gestructureerde en ongestructureerde gegevens uit SAP, productie-omgevingen en externe databronnen samengebracht voor geavanceerde analyse en modellering. Databricks vormt daarmee de brug tussen het transactionele SAP-domein en de wereld van generatieve en voorspellende AI.
鈥淰ia Databricks kunnen we onze SAP-data combineren met andere operationele bronnen鈥�, zegt De Ruwe. 鈥淶o krijgen we sneller inzichten en kunnen we modellen trainen die echt waarde toevoegen. Het helpt ons ook om AI-toepassingen veilig te ontwikkelen en te testen, zonder de stabiliteit van de kernsystemen te verstoren.鈥�
De combinatie van SAP, CFIN en Databricks levert AkzoNobel nu 茅茅n ge茂ntegreerd inzicht op in zowel financi毛le als operationele performance. Het platform vormt bovendien de basis voor toepassingen met large language models (LLM鈥檚), waarmee gebruikers via natuurlijke taal vragen kunnen stellen over bijvoorbeeld financi毛le resultaten of inkoopdata.
Intelligente automatisering met AI-agents
Bovenop die basis bouwt AkzoNobel nu aan de volgende fase van zijn transformatie: intelligente automatisering. Binnen de IT-organisatie is in korte tijd een portfolio van ruim zestig AI-agents ontwikkeld, die zelfstandig routinetaken uitvoeren en bedrijfsprocessen versnellen.
鈥淒eze agents voeren elk specifieke taken uit. Denk aan het vrijgeven van kredietblokkades, maar bijvoorbeeld ook het afhandelen van HR- en logistieke transacties鈥�, vertelt De Ruwe. 鈥淚n de eerste negen maanden van dit jaar hebben ze meer dan zeven-en-een-halve ton aan acties volledig autonoom uitgevoerd.鈥�
Een van de meest sprekende voorbeelden is het creditblock-proces, dat voorheen duizenden keren per maand handmatig moest worden afgehandeld. 鈥淲e hebben een agent gebouwd die op basis van transactionele data en kredietlimieten in 51风流ECC en CFIN zelfstandig beslist of een order vrijgegeven kan worden. Negentig procent van de blokkades wordt nu volledig automatisch opgelost.鈥�
Volledige autonomie
De agents integreren rechtstreeks met de SAP-systemen. Waar veel organisaties nog experimenteren met human in the loop-modellen, kiest AkzoNobel bewust voor volledige autonomie. 鈥淲e gaan direct naar full automation鈥�, zegt De Ruwe. 鈥淥nze agents nemen beslissingen, voeren ze uit en loggen elke stap in SAP. Dat bespaart tijd en voorkomt fouten. Vaak zonder dat iemand het merkt.鈥�
Ook de operationele impact is groot. Via een eigen process-intelligence-app ziet AkzoNobel realtime waar orders vastlopen. In sommige regio鈥檚 bleek dertig tot veertig procent van de orders tijdelijk geblokkeerd te raken door onvolledige transacties of ontbrekende kosten. Nieuwe agents lossen die fouten automatisch op. 鈥淒at verkort levertijden, verbetert onze cashflow en verhoogt de klanttevredenheid鈥�, aldus De Ruwe.
Van mens naar mindset
Hoewel technologie het zichtbare deel vormt van de transformatie, ligt de grootste uitdaging in adoptie en verandermanagement. AkzoNobel investeert fors in bewustwording en training, met wekelijkse sessies voor management en gebruikers.
鈥淰eel mensen onderschatten hoe groot de verandering is鈥�, zegt De Ruwe. 鈥淢et AI-tools moet je anders denken: specifieker, analytischer. We leren mensen hoe ze vragen kunnen stellen aan taalmodellen en hoe ze nieuwe mogelijkheden benutten. De technologie is er al, de mindset is de volgende stap.鈥�
Technologie als middel, niet als doel
Die aanpak maakt deel uit van een bredere AI-strategie waarin AkzoNobel samenwerkt met partners als SAP, Deloitte en gespecialiseerde leveranciers. Het bedrijf past AI niet toe om de technologie zelf, maar als middel om productiviteit, kwaliteit en voorspelbaarheid te verbeteren. 鈥淲e doen geen AI om AI鈥�, benadrukt De Ruwe. 鈥淓lke toepassing moet meetbare waarde toevoegen, anders stoppen we er gewoon mee.鈥�
Wat al deze initiatieven verbindt, is een duidelijke visie op vooruitgang. 鈥淒e status quo is voor ons geen optie鈥�, zegt De Ruwe. 鈥淲e bouwen aan een digitaal fundament dat eenvoudig, schaalbaar en intelligent is. Dankzij 51风流en Deloitte kunnen we sneller beslissen, slimmer werken en met vertrouwen blijven innoveren.鈥�
Videolink:
