Wenn ich mit Unternehmen über KI im SAP-Kontext spreche, kommen oft sehr schnell die großen Zukunftsbilder auf den Tisch. Dann geht es um autonome Agenten, um Systeme, die scheinbar alles verstehen, und um Prozesse, die sich irgendwann von allein steuern. Ich kann gut nachvollziehen, warum das so ist. Genau so wird KI seit Monaten diskutiert. In den Projekten selbst beginnt die eigentliche Arbeit aber meistens viel unspektakulärer.
Die entscheidende Frage ist aus meiner Sicht nicht mehr, ob KI grundsätzlich etwas kann. Davon gehe ich heute in vielen Fällen erst einmal aus. Entscheidend ist, an welcher Stelle sie im Alltag tatsächlich hilft. Im SAP-Umfeld sind das sehr oft keine futuristischen Szenarien, sondern Prozesse, die Zeit fressen, Medienbrüche erzeugen und Mitarbeitende an Aufgaben binden, die man längst besser lösen könnte.
Wo der Einstieg meistens wirklich liegt
Ein gutes Beispiel ist das, was viele Unternehmen vor Jahren als papierloses Büro verstanden haben. In der Praxis wurde Papier häufig einfach durch PDF-Dateien ersetzt. Bestellungen, Retouren, Berichte oder Formulare kommen digital an, landen dann aber trotzdem wieder bei Menschen, die Inhalte prüfen, abtippen, übertragen und in SAP-Systeme überführen. Das ist kein Spezialfall. Genau solche Abläufe sehe ich in der Praxis immer wieder.
Gerade dort lässt sich mit KI heute sehr konkret ansetzen. Moderne Lösungen erfassen Dokumente nicht nur optisch, sondern ordnen Inhalte semantisch ein. Sie erkennen also nicht bloß Zeichen, sondern verstehen, welche Information zu welchem Feld gehört – zum Beispiel eine Bestellnummer, eine E-Mail-Adresse oder eine Telefonnummer. Der Grundablauf ist überschaubar: Ein Postfach wird ausgelesen, Dokumente werden extrahiert, Inhalte strukturiert verarbeitet und in einen SAP-Prozess überführt.
Viele Unternehmen vermuten an dieser Stelle sofort ein großes Programm mit entsprechendem Budget und langer Laufzeit. Ehrlich gesagt ist der sinnvollere Weg oft deutlich kürzer. Erste saubere Anwendungsfälle lassen sich häufig in wenigen Tagen bis etwa zwei Wochen aufsetzen. Genau deshalb halte ich diesen Einstieg für so stark: nah am operativen Problem, mit überschaubarem Aufwand und ohne Big-Bang-Logik.
Spannend wird es dann, wenn etwas nicht sauber läuft
Richtig interessant wird es bei Ausnahmen vom Regelfall. Solange ein Dokument vollständig, korrekt und eindeutig ist, kann man vieles auch klassisch automatisieren. Der eigentliche Mehrwert zeigt sich dort, wo etwas schiefgeht oder eben nicht ganz sauber zusammenpasst.
Das kann ein Zahlendreher in einer Bestellung sein. Es kann eine nicht eindeutige Angabe sein. Oder ein Produkt, das in der angefragten Variante nicht verfügbar ist. Genau an dieser Stelle reicht reine Erkennung nicht mehr aus. Dann braucht es Kontext. Soll automatisch eine Rückmeldung an den Kunden gehen? Soll intern eskaliert werden? Oder lässt sich direkt eine sinnvolle Alternative vorschlagen?
Genau darin liegt für mich ein großer praktischer Hebel. Wenn ein System nicht nur erkennt, dass etwas fehlt oder nicht passt, sondern im Kontext des Vorgangs eine vernünftige Folgeaktion vorbereitet, verändert sich der ganze Prozess. Aus einem digitalen Briefkasten wird ein Workflow, der mitdenkt. Und genau solche Situationen machen in der Praxis den Unterschied zwischen einer netten Demo und einer Lösung, die tatsächlich entlastet.
Viele Unternehmen wollen menschliche Kontrolle erhalten
In der öffentlichen Debatte klingt es oft so, als müsse das Ziel möglichst schnelle Vollautomatisierung sein. So erlebe ich Unternehmen im SAP-Umfeld aber nur selten. Gerade in Deutschland ist der Wunsch nach menschlicher Kontrolle nach wie vor stark. Ich halte das nicht für rückständig, sondern in vielen Fällen für vernünftig.
Was die meisten Unternehmen heute suchen, ist eine spürbare Entlastung bei wiederkehrenden Aufgaben, ohne die Verantwortung komplett an ein System abzugeben. Wie groß diese Entlastung ausfällt, hängt stark vom jeweiligen Prozess ab. Häufig bleibt ein Mensch bewusst eingebunden, prüft Ergebnisse, gibt Vorgänge frei oder greift bei Ausnahmen ein. Das ist derzeit oft das realistische Modell.
Darin steckt auch eine wichtige Verschiebung. KI ersetzt in solchen Prozessen nicht einfach Menschen. Sie nimmt ihnen vor allem die Arbeit ab, die niemand vermisst: das manuelle Übertragen, das Nachschlagen, das Zusammensuchen, das wiederholte Prüfen immer gleicher Muster. Der Mensch bleibt im Prozess, aber seine Rolle verändert sich. Weniger Routine. Mehr Einordnung. Mehr Entscheidung.
KI muss dort funktionieren, wo Menschen tatsächlich arbeiten
Sobald die ersten Anwendungsfälle stehen, kommt schnell die nächste Frage: Wie bringt man KI so in den Arbeitsalltag, dass nicht an anderer Stelle neue Reibung entsteht? Genau da wird es für viele Unternehmen spannend, weil Mitarbeitende eben nicht in einem einzigen System arbeiten. Sie bewegen sich zwischen SAP, Outlook, Teams und verschiedenen Fachanwendungen.
Deshalb halte ich wenig von der Vorstellung, man müsse sich dogmatisch auf einen Assistenten festlegen. Entscheidend ist der jeweilige Kontext. Im SAP-Umfeld kann Joule Vorteile haben, weil Prozess- und Datenkontext direkt vorhanden sind. Im Microsoft-Umfeld kann Copilot stark sein, wenn es um E-Mails, Dokumente oder Termine geht. Für den Arbeitsalltag ist nicht die Glaubensfrage wichtig, welches System „das richtige“ ist. Gerade bei KI im SAP-Umfeld kommt es darauf an, Unterstützung dort bereitzustellen, wo Mitarbeitende tatsächlich arbeiten, ohne dass sie ständig das Werkzeug wechseln müssen.
Genau deshalb spielen Interoperabilität und Orchestrierung eine so große Rolle. Wenn Assistenten, Agenten und Plattformen sauber zusammenspielen, entsteht nicht nur mehr Komfort. Dann wird KI Teil eines sinnvollen Arbeitsablaufs.
Der Unterschied liegt selten in der Technik
Aus meiner Sicht liegen die Grenzen heute oft weniger in der Technologie als in den Erwartungen, im Standardisierungsgrad und in der organisatorischen Reife. Vieles ist machbar, wenn man es sauber aufsetzt. Die eigentliche Herausforderung beginnt häufig nach dem ersten erfolgreichen Use Case: Wie lässt sich aus einem funktionierenden Piloten eine belastbare Struktur für weitere Anwendungen entwickeln? Damit KI im SAP-Umfeld über einzelne Piloten hinaus Wirkung entfalten kann, braucht es klare Verantwortlichkeiten, Governance und eine tragfähige Architektur. Ein funktionierender Pilot allein ist noch keine skalierbare KI-Nutzung.
Dazu passt auch ein Blick in den 2026 Global AI Report von NTT DATA. Für die Studie wurden mehr als 2.500 C-Level-Executives und Senior Decision-Maker aus 35 Ländern befragt. Interessant für unseren Kontext hier ist der wirtschaftliche Befund: 62,8 Prozent der AI Leaders erzielten ein Umsatzwachstum von mehr als 10 Prozent. Bei den übrigen Unternehmen traf das nur auf 25,3 Prozent zu. Gleichzeitig treten diese Vorreiter fast 2,5-mal häufiger mit starkem Wachstum und 3,6-mal häufiger mit Margen von mindestens 15 Prozent auf.
Entscheidend daran ist weniger die Zahl an sich als das Muster dahinter. Erfolgreicher sind nicht einfach die Unternehmen, die früh irgendein KI-Projekt gestartet haben. Erfolgreicher sind diejenigen, die aus ersten Piloten belastbare Muster machen, klare Governance aufbauen und ihre Workflows end-to-end neu denken.
Was das in der Praxis heißen kann
Ein gutes Beispiel dafür ist zeb. Gemeinsam mit NTT DATA Business Solutions wurde dort ein agentenbasiertes System aufgebaut, das Projektteams einen sprachbasierten Zugriff auf Projektinformationen, Mitarbeiterzuweisungen und Finanzdaten ermöglicht. Die Agenten greifen auf relevante S/4HANA-Datenquellen zu und unterstützen unter anderem bei Budgetprognosen sowie bei der frühzeitigen Erkennung möglicher Projektabweichungen.
Das Entscheidende daran ist für mich nicht, dass dort „auch KI“ im Einsatz ist. Entscheidend ist, dass Informationen schneller verfügbar werden, Routinetätigkeiten zurückgehen und Entscheidungen fundierter vorbereitet werden können. In einer weiteren Ausbaustufe wird auch die Ressourcenplanung ergänzt, indem zusätzliche Agenten passende verfügbare Mitarbeitende vorschlagen. Die Implementierung dauerte nur wenige Wochen. Damit zeigt das Beispiel ziemlich konkret, wie aus einem klar umrissenen Anwendungsfall Schritt für Schritt ein breiter unterstützter Arbeitsprozess entstehen kann.
KI-im SAP-Umfeld: Womit Unternehmen am besten anfangen
Ich rate Unternehmen deshalb weder zum großen Zukunftspathos noch zum Abwarten. Beides hilft operativ nicht weiter. Sinnvoller ist es, mit einem konkreten Prozessproblem zu beginnen, Erfahrungen im laufenden Betrieb zu sammeln und erfolgreiche Ansätze anschließend konsequent weiterzuentwickeln.
Der Wert von KI im SAP-Umfeld zeigt sich nicht daran, wie futuristisch eine Lösung aussieht. Sondern daran, ob Prozesse besser laufen, Informationen schneller verfügbar sind und Menschen weniger Zeit mit Routinetätigkeiten verbringen. Genau dort würde ich heute anfangen.
