Der Hype um Künstliche Intelligenz (KI) im ERP-System klingt simpel – die Realität in der SAP-Welt ist es nicht. Insbesondere KI ist kein Plug-and-Play-Projekt. Unternehmen müssen ihre Hausaufgaben machen, bevor sie mit dieser Technologie Erfolge erzielen.
Künstliche Intelligenz im SAP ERP: Die Softwarebranche zeichnet gerade ein anmutiges Bild: Nimm Künstliche Intelligenz, verbinde sie mit dem ERP-System und schaue zu, wie sich Prozesse von Geisterhand optimieren. Die Realität, die wir als Entwickler und Berater täglich erleben, sieht anders aus.
Die jüngste Panik an den Börsen, getrieben durch das Narrativ „KI frisst Software“, verdeutlicht die Nervosität im Markt. Während Investoren fürchten, dass kompakte KI-Agenten komplexe Standardsoftware ersetzen könnten, zeigt der Blick in die deutschen Maschinenräume das Gegenteil: Künstliche Intelligenz im SAP-Kontext ist kein Plug-and-Play-Ansatz, sondern vielmehr ein tiefgreifendes Infrastrukturprojekt.
SAP selbst hat, so fair sollten wir sein, mit eingescannten Belegen von Kundenbestellungen, die sich fast auf Knopfdruck in Verkaufsaufträge umwandeln lassen oder auch bei der Vorhersage von Lieferterminen oft dafür gesorgt, dass sich intelligente Applikationen mit teilweise geringem Aufwand in Prozesse einbinden lassen. Das schürt Erwartungen
Das „ChatGPT-Missverständnis“
Die Erwartungshaltung, die Tools wie ChatGPT, Gemini oder Claude weiter befeuern, ist allerdings die größte Gefahr für den Erfolg von Initiativen rund um Künstliche Intelligenz. In der Welt der Konsumenten reicht ein guter Prompt, um vom KI-Tool ein halbwegs akzeptables Ergebnis zu erhalten. In einer SAP-Landschaft sieht es völlig anders aus. Künstliche Intelligenz interagiert hier nicht mit statischen Texten, sondern mit hochkomplexen, integrierten Geschäftsprozessen sowie mit strukturierten Daten in zig Datenbanktabellen.
Die Annahme, dass sich KI-Initiativen ohne tiefgreifende Vorbereitung kurzfristig realisieren lassen, verkennt die essenzielle Bedeutung der Datenbasis sowie der kontrollierten Verfügbarkeit aller Informationen. Eine hohe Datenqualität ist zwingend erforderlich, um präzise Machine-Learning-Modelle zu trainieren, denn hier gilt konsequent das Prinzip „Garbage In, Garbage Out“. Darüber hinaus benötigen intelligente Agenten für den produktiven Einsatz einen gesicherten Zugriff auf Datenbestände über autorisierte Schnittstellen.
Ohne eine stringente Data Governance und die systematische Bereinigung von Daten-Altlasten riskieren Unternehmen, dass ihre KI-Projekte kostspielige Prototypen ohne messbaren Wert bleiben.
SAP-Joule zwischen Anspruch und Wirklichkeit
SAP positioniert das hauseigene Werkzeug Joule als zentralen Copiloten für das Unternehmen. Doch die Kritik seitens der Unternehmen wächst. Laut aktuellen Berichten empfinden viele Kunden Joule derzeit als unausgereift. Besonders schwer wiegt der Vorwurf, dass die SAP-eigene KI-Lösung in der Praxis schnell an ihre Grenzen stoße und die aufgerufenen Lizenzgebühren in keinem Verhältnis zum gelieferten Mehrwert stünden.
Diese Skepsis spiegelt sich in der aktuellen Investitionsumfrage der SAP-Anwendergruppe DSAG wider: Während über 40 Prozent der Unternehmen bereits KI-Szenarien umgesetzt haben, setzen lediglich drei Prozent dabei auf die Lösungen aus Walldorf. 77 Prozent greifen lieber zu Drittanbietern.
Der Grund für diese Diskrepanz: die Tools von Drittanbietern ermöglichen oft einen schnellen Zugang zu Künstlicher Intelligenz. SAP-basierte Szenarien hingegen – so die Kritik der Anwender – werden allzu leicht durch komplexe Lizenzmodelle und heterogene Systemlandschaften ausgebremst.
Prozesse, Governance und Sicherheit
Ein weiterer kritischer Punkt ist die Integration dieser Technologie in die End-to-End-Prozesse. Künstliche Intelligenz in einem ERP-System bedeutet nicht, dass ein Mitarbeiter eine Mail zusammenfassen lässt. Vielmehr bereiten diese Werkzeuge beispielsweise im Order-to-Cash-Prozess eigenständig Entscheidungen über Kreditlimits oder Lieferprioritäten vor. So viel Wirkmacht rührt an den Kern der IT-Sicherheit und Compliance.
Unternehmen fragen sich nun, wie sie sicherstellen, dass Künstliche Intelligenz alle bestehenden Berechtigungskonzepte einhält. Oder wie sie verhindern, dass sensible Informationen in öffentliche LLMs (Large Language Models) abfließen. Wer sein ERP-System um Künstliche Intelligenz erweitern will, der muss daher neben sauberen Daten weitere Hausaufgaben in Sachen Governance und IT-Sicherheit machen. Das erfordert Zeit, Expertise und eine klare Strategie.
SAP verschärft die Situation durch ihre strategische Entscheidung, bahnbrechende Innovationen wie Künstliche Intelligenz exklusiv für Kunden in der Cloud, am besten in der Public Cloud, anzubieten. Für die Mehrheit der deutschen Kunden, die ihre Systeme nach wie vor On-Premises betreiben, ist das kaum akzeptabel. Sie stehen vor der Herausforderung, dass ihre oft hochgradig individualisierten Systeme mit den neuen Services nicht kompatibel sind.
Vorbereitung ist alles
Künstliche Intelligenz hat das Potenzial, die Arbeit mit ERP-Systemen zu revolutionieren. Sie ist allerdings kein magisches Allheilmittel. Für Unternehmen muss sich der Fokus verlagern von der bloßen Tool-Auswahl („Nehmen wie lieber Joule oder GPT-4?“) und hin zur prozessualen und datentechnischen Vorbereitung.
🎓 Webinar-Tipp: SAP-Transformation als Grundlage für KI Künstliche Intelligenz im SAP-ERP entfaltet ihr Potenzial nur auf einer modernen und konsistenten Systembasis. Die Migration auf S/4HANA ist dabei ein zentraler Baustein. ➡️ SAP S/4HANA®-Migration erfolgreich bewältigen Das Webinar zeigt, welche Migrationsstrategien sich in der Praxis bewährt haben und wie Unternehmen ihre Transformation strukturiert angehen – als Grundlage für Innovationen wie KI.
Greenfield, Brownfield oder Template – ganz ohne blaue Flecken
In Summe ist Künstliche Intelligenz ein Marathon. Wer heute in saubere Datenstrukturen, moderne Integrationsarchitekturen und eine robuste Governance investiert, der legt das Fundament für diese Reise. Wer hingegen nur auf den nächsten glänzenden Chatbot wartet, der wird schnell feststellen, dass die Pilotprojekte nur eines produzieren: hohe Kosten und enttäuschte Erwartungen.
An die Adresse der Hype-verliebten Analysten sei gesagt: So schnell frisst Künstliche Intelligenz die Unternehmenssoftware nicht. jf
Der Autor
Markus Fischer ist Senior Consultant für den Bereich Entwicklung beim SAP-Partner Gambit Consulting.
