Mercedes-Benz geeft werknemers de regie over AI-workflows
Mercedes-Benz rolt low-code platform n8n wereldwijd uit zodat werknemers zelf AI-workflows kunnen bouwen. Een blauwdruk voor AI van pilot naar productie.
Mercedes-Benz kondigde deze week aan dat het n8n wereldwijd uitrolt als platform voor AI-workflows. Alle 164.000 medewerkers krijgen toegang tot een omgeving waarin zij zelf automatiseringen kunnen bouwen die in productie draaien. Het is een van de grootste AI-uitrollen in de Europese industrie.
Wat Mercedes-Benz doet
n8n is een Duits low-code platform voor het orchestreren van workflows tussen systemen. Mercedes-Benz host het zelf en gebruikt het om AI-modellen, bedrijfssystemen en menselijke handelingen aan elkaar te knopen in R&D, productie, sales, financial services, HR en IT. De keuze voor self-hosted en cloud-agnostic is bewust: de automaker behoudt zo controle over data en kan binnen Europese kaders blijven werken.
De aanleiding voor de uitrol was een interne hackathon. Meer dan 1.500 medewerkers uit alle business units werkten aan AI- en automatiseringsideeën. De beste ideeën gaan vervolgens door naar productie. n8n is de infrastructuur die zo'n hackathon-idee daadwerkelijk operationeel laat landen.
De drie lagen Takers, Makers, Builders
Mercedes-Benz onderscheidt drie niveaus van AI-betrokkenheid in de organisatie. Takers gebruiken AI in hun dagelijks werk via tools als Microsoft 365 Copilot. Makers ontwerpen workflows in n8n, zonder dat ze code hoeven te schrijven. Builders zijn de software-ontwikkelaars die complexere oplossingen bouwen.
De Makers-laag is waar het schaalt. Daar zit de analist, de operations-lead, de domeinexpert die het bedrijfsproces door en door kent maar geen developer is. Door hen toegang te geven tot een visueel canvas waarop zij workflows ontwerpen, en die vervolgens in productie te laten draaien, breidt de groep mensen die aan AI-adoptie kan bijdragen zich enorm uit. Een centraal IT-team dat één voor één integraties oplevert, zou nooit het tempo van een organisatie van 164.000 mensen kunnen volgen.
Deze gedachte zie je ook bij kleinere organisaties die met automatiseringstools experimenteren. De mensen die het werk kennen krijgen direct toegang tot de bouwtools. Het verschil met Mercedes-Benz zit in schaal en governance. Ook Unilever koos eerder voor een vergelijkbare aanpak in zijn operationele processen.
Wat dit voor jouw organisatie betekent
Drie observaties.
Bij een Mercedes-Benz is dit een aankondiging op concernniveau, maar de logica is universeel. AI levert pas resultaat op als het in dagelijkse processen landt. Pas als use cases op één gemeenschappelijke laag samenkomen, ontstaat schaalbaarheid. Honderd losse pilots leveren dat zelden op. We schreven eerder over waarom die stap van experiment naar rendement zo lastig is.
De hackathon is een onderschat instrument. 1.500 ideeën in een paar weken ophalen levert een gestructureerde backlog op van use cases waar échte werknemers échte tijdwinst van verwachten. Dat is een ander vertrekpunt dan een AI-roadmap die op directieniveau wordt bedacht. Op kleinere schaal werkt dat anders. Tien tot twintig medewerkers die het komende kwartaal aan AI-implementatie willen werken, leveren een vergelijkbare backlog op.
De keuze voor een self-hosted, Europees platform is een statement. Wie nu AI inzet, neemt impliciet stelling in over datasoevereiniteit. Voor mediabedrijven die hun content beschermd willen houden, voor zorginstellingen die met patiëntdata werken, voor advocatenkantoren die vertrouwelijke documenten verwerken: de architectuur waarvoor je kiest bepaalt of je over vijf jaar nog regie hebt over je eigen data. Dat thema werkten we eerder uit in een stuk over Europese digitale eenheid.
Het organisatorisch model rond AI bepaalt het succes, meer dan de platformkeuze zelf. Mercedes-Benz toont met de Takers-Makers-Builders-structuur hoe dat eruit kan zien op enorme schaal. Voor jouw organisatie ligt de schaal anders, maar de drie lagen zijn herkenbaar: wie gebruikt AI dagelijks, wie bouwt eigen workflows, wie maakt geavanceerde oplossingen?
Wekelijkse inzichten in je mail.
Dilemma's, doorbraken en blinde vlekken uit onze AI-praktijk.
Waarom wij n8n gebruiken bij klanten
Bij Dubbel.ai bouwen we AI-workflows en agents voor klanten op n8n. De reden is dezelfde als bij Mercedes-Benz: we willen niet vastzitten aan één leverancier. Afhankelijk van de taak, het proces en wat de klant vraagt, kiezen we welk taalmodel en welke tech-partij we inschakelen. Als een betere optie beschikbaar komt, kunnen we wisselen. Dat is hoe je regie houdt in een markt die nog dagelijks beweegt.
Loopt jullie organisatie tegen die overgang van AI-experiment naar AI-werkproces aan? Plan een kennismaking, we denken graag mee.
