Unkategorisiert-Archiv

Haben Sie den Durchblick?

AI ist aktuell überall präsent. Und genau deshalb braucht es einen klaren Blick darauf, wo sie wirklich hilft. Wir unterstützen Sie dabei, den optimalen Weg einzuschlagen!

Eine Plattform, drei Ebenen

SAP beschreibt die Business AI Platform als Fundament für ein stärker automatisiertes, KI-gestütztes Unternehmen. Dafür wird die Architektur in drei Ebenen gedacht. Diese Ebenen helfen, die Plattform nicht als einzelnes Werkzeug zu verstehen, sondern als Zusammenspiel aus Daten, Entwicklung und Kontrolle.
Für Unternehmen entstehen daraus sehr konkrete Fragen: Sind die eigenen Daten fachlich verständlich genug? Können eigene KI-Anwendungen sinnvoll entwickelt werden? Und gibt es klare Regeln dafür, was Agenten dürfen und was nicht?
Der Context Layer sorgt für den fachlichen Zusammenhang. Hier geht es um Daten aus SAP- und Nicht-SAP-Systemen, die SAP Business Data Cloud, Knowledge Graph und sogenannte Domain Models. Vereinfacht gesagt: Ein Knowledge Graph hilft dabei, Beziehungen zwischen Daten verständlich abzubilden. Domain Models beschreiben fachliche Zusammenhänge, etwa in Finance, Einkauf oder Supply Chain. Ohne diesen Kontext bleibt KI schnell an der Oberfläche. Ein Agent kann nur dann sinnvoll handeln, wenn er versteht, welche Daten relevant sind, wie sie zusammenhängen und welche fachliche Bedeutung sie haben.
Der Build Layer ist die Ebene, auf der konkrete KI-Anwendungen entstehen. Eine zentrale Rolle spielt dabei Joule Studio 2.0. Unternehmen sollen damit eigene Agenten und Automatisierungen entwickeln können. Mit Pro-Code-Ansätzen sind Entwicklungswege gemeint, bei denen erfahrene Entwicklerinnen und Entwickler stärker mit Code arbeiten können, statt ausschließlich vorgefertigte Bausteine zu nutzen. Das ist vor allem für komplexere, unternehmensspezifische Anforderungen wichtig.
Der Governance Layer sorgt für Kontrolle und Vertrauen. Gemeint sind Regeln, Rollen und Kontrollmechanismen: Wer darf einen Agenten nutzen? Welche Aktionen darf er ausführen? Wie werden Ergebnisse protokolliert? Der AI Agent Hub ist als zentrale Instanz für Verwaltung, Überwachung, Nachvollziehbarkeit und Protokollierung gedacht. Das ist besonders wichtig, sobald Agenten nicht nur Informationen zusammenfassen, sondern in Prozesse eingreifen.
Das Zielbild ist nachvollziehbar. Es zeigt aber auch: Der Mehrwert entsteht nicht durch einen einzelnen KI-Assistenten, sondern durch das Zusammenspiel aus Datenbasis, Entwicklungsumgebung, Integration und Governance.

Was bereits belastbar ist

SAP Generative AI Hub

Er ermöglicht den Zugriff auf verschiedene Sprachmodelle innerhalb der SAP-Umgebung und unterstützt Unternehmen dabei, KI-Anwendungen kontrollierter in bestehende SAP-Landschaften einzubinden. Das ist vor allem dann wichtig, wenn nicht jedes KI-Szenario losgelöst von Architektur, Berechtigungen und Compliance entstehen soll.

SAP Joule

Joule ist in vielen SAP-Lösungen verfügbar und kann in einzelnen Szenarien bereits sinnvoll unterstützen. Gleichzeitig ist der Reifegrad je nach Modul unterschiedlich. Häufig steht heute noch die Unterstützung bei einzelnen Aufgaben im Vordergrund – etwa durch Antworten, Vorschläge oder Zusammenfassungen. Die vollständige Automatisierung komplexer Geschäftsprozesse ist dagegen noch nicht der Normalfall.

SAP Business Data Cloud

Die SAP Business Data Cloud ist strategisch besonders wichtig, befindet sich in vielen Bestandslandschaften aber noch im Aufbau. Genau hier wird sich entscheiden, wie gut Unternehmen künftig KI-Agenten mit echtem Geschäftskontext versorgen können. Denn je besser Daten aus unterschiedlichen Quellen zusammengeführt, verstanden und gesteuert werden, desto eher können KI-Anwendungen über einfache Assistenzfunktionen hinausgehen.

Wo Unternehmen genauer hinsehen sollten

Bei aller Dynamik lohnt sich ein klarer Blick auf die Grenzen. Begriffe wie „Autonomous Enterprise“ beschreiben eher eine Richtung als einen flächendeckend verfügbaren Ist-Zustand. Damit ist ein Unternehmen gemeint, in dem KI-Agenten operative Abläufe weitgehend selbstständig ausführen – natürlich innerhalb definierter Regeln und mit menschlicher Kontrolle. Dieses Zielbild ist interessant, sollte aber nicht mit kurzfristiger Produktreife verwechselt werden.

Gerade deshalb hilft es, vor dem ersten Pilot einige Punkte sauber zu klären.

Datenqualität als Grundlage

Wenn Stammdaten inkonsistent sind, Fachlogiken nicht dokumentiert wurden oder Daten über viele Systeme verteilt liegen, kann auch ein KI-Agent nur begrenzt Mehrwert schaffen. Die eigentliche Vorbereitung beginnt daher oft mit Transparenz über Datenflüsse, Semantik, Berechtigungen und Prozesslogik.

Governance von Anfang an

Sobald Agenten in Geschäftsprozesse eingreifen, müssen Verantwortlichkeiten, Freigaben, Monitoring und Nachvollziehbarkeit klar geregelt sein. Wer darf was entscheiden? Wann braucht es eine menschliche Freigabe? Wie werden Ergebnisse geprüft? Diese Fragen gehören nicht ans Ende eines Projekts, sondern an den Anfang.

Kosten und Lizenzen im Blick

Modelle rund um AI Units und Cloud Credits können im produktiven Betrieb komplex werden. Vereinfacht gesagt handelt es sich dabei um Verbrauchs- oder Nutzungseinheiten, über die KI-Funktionen abgerechnet werden können. Was im Pilot überschaubar wirkt, kann bei breiter Nutzung schnell anders aussehen. Deshalb sollten Mengengerüste, Nutzungsszenarien und Budgetgrenzen früh geklärt werden.

Wie ein sinnvoller Pilot aussehen kann

In vielen Gesprächen zeigt sich: Die Ideen für KI-Anwendungen sind schnell gesammelt. Schwieriger ist die Auswahl des richtigen Einstiegs. Genau hier lohnt sich ein pragmatischer Blick.
Für viele Unternehmen ist ein kleiner, gut abgegrenzter Pilot der beste Weg. Statt SAP Business AI sofort als großes Transformationsprogramm zu starten, sollten zunächst ein bis zwei Use Cases ausgewählt werden, bei denen Datenlage, Prozessgrenzen und Nutzen gut bewertet werden können.
Geeignet sind zum Beispiel Dokumentenverarbeitung, Rechnungsklärung, Projekt-Setup oder standardisierte Support-Prozesse. Ein guter Pilot beantwortet nicht nur die Frage, ob die Technologie funktioniert. Er zeigt auch, ob der Fachbereich den Nutzen erkennt, ob die Datenbasis ausreicht und ob der Betrieb wirtschaftlich sinnvoll bleibt.
Ein Beispiel aus der Praxis kann eine Rechnungsklärung sein. Ein Agent unterstützt dabei, offene Informationen aus Bestellung, Wareneingang und Rechnung zusammenzuführen, Abweichungen vorzuschlagen und den nächsten Prüfschritt vorzubereiten. Die Entscheidung bleibt zunächst beim Menschen. Der Mehrwert liegt nicht darin, den Prozess sofort vollständig zu automatisieren. Er liegt darin, Suchaufwand zu reduzieren, Zusammenhänge schneller sichtbar zu machen und wiederkehrende Klärfälle besser vorzubereiten.
Damit ein solcher Pilot belastbar wird, braucht es klare Erfolgskriterien: Wie viel Zeit wird eingespart? Welche Fehler werden reduziert? Welche Entscheidungen bleiben beim Menschen? Wie hoch sind die laufenden Kosten? Und wie gut lässt sich der Prozess später skalieren?
Ebenso wichtig ist die Zusammenarbeit zwischen IT, Fachbereich und Compliance. Der Fachbereich kennt die Ausnahmen und fachlichen Regeln. Die IT kennt Architektur, Schnittstellen und Berechtigungen. Compliance und Datenschutz bewerten, welche Daten verwendet werden dürfen und welche Nachweise erforderlich sind. Wenn diese Perspektiven früh zusammenkommen, wird aus einem technischen Experiment eher ein tragfähiger Baustein für den Alltag.
So entsteht ein realistisches Bild davon, was heute bereits funktioniert und welche Voraussetzungen für eine spätere Ausweitung fehlen.

Die Rolle von scc: Realistisch einordnen, tragfähig umsetzen

Bei scc betrachten wir SAP Business AI nicht isoliert als Technologiefrage.

Entscheidend ist, wie KI in bestehende Systemlandschaften, Datenmodelle und Prozesse passt. Aus Projekterfahrung zeigt sich häufig: Unternehmen haben viele gute Ideen für KI-Anwendungen. Die Herausforderung liegt darin, die richtigen Anwendungsfälle auszuwählen und auf eine belastbare Grundlage zu stellen.

Gemeinsam mit unseren Kunden geht es deshalb oft zuerst um eine ehrliche Bestandsaufnahme: Welche BTP- und Datenarchitektur ist vorhanden? Welche Datenqualität liegt vor? Welche Prozesse eignen sich für einen Pilot? Welche Governance- und Lizenzfragen müssen vorab geklärt werden?
Unser Anspruch ist es, nicht nur Zielbilder zu entwickeln, sondern tragfähige Lösungen in bestehenden Umgebungen umzusetzen. Dazu gehört auch, technische Möglichkeiten verständlich einzuordnen und gemeinsam mit den Fachbereichen zu prüfen, wo KI wirklich entlastet. Denn KI wird dann wertvoll, wenn Technologie, Prozesse und Menschen sinnvoll zusammenspielen.

Was Unternehmen mitnehmen sollten

Die SAP Business AI Platform ist mehr als ein neues Etikett, aber noch nicht das fertige autonome Unternehmen. Sie ordnet bestehende und neue KI-Bausteine unter einem gemeinsamen Architekturverständnis und gibt Unternehmen damit eine klarere Richtung.

Der beste Einstieg liegt dort, wo die Basis bereits trägt: BTP, Generative AI Hub und klar abgegrenzte Joule- oder Agenten-Szenarien. Parallel sollten Unternehmen ihre Datenstrategie, Governance und Cloud-Roadmap bewusst weiterentwickeln.

Kurz gesagt: Nutzen, was heute belastbar ist. Pilotieren, was klar messbar ist. Beobachten, was noch Vision ist. So entsteht ein realistischer Weg in Richtung SAP Business AI – mit Neugier auf das, was möglich wird, und mit einem Fundament, das im Alltag trägt.