- September 2026
KI verändert die operative Entscheidungsgrundlage im Enterprise Performance Management grundlegend. Die Fortschritte im Bereich der agentenbasierten KI sind ein klares Signal dafür, dass das autonome Unternehmen kommen wird. Weniger klar ist jedoch, wie schnell diese Entwicklung voranschreiten, welche Form sie annehmen und wie sie sich auf Performance Management und Planung auswirken wird. Für CFOs und Verantwortliche im Performance Management entsteht daraus ein Dilemma: Sollen sie bereits heute in die Grundlagen für mehr Autonomie investieren oder abwarten, bis autonome KI-Lösungen ausgereifter sind und größere Klarheit hinsichtlich ihres operativen Einsatzes besteht?
Für Unternehmen, die von den Vorteilen der agentenbasierten Revolution im Performance Management profitieren möchten, ist diese Debatte jedoch beendet. Untätigkeit ist keine tragfähige Strategie. Die Vorbereitungen auf die KI-gestützte Transformation des Performance Managements müssen beschleunigt werden. Dabei gilt es, mithilfe von Lösungen wie SAP Business AI bereits heute Mehrwert zu schaffen und zugleich die Grundlage für eine größere Autonomie in der Zukunft zu legen.
KI-Reife lässt sich nicht einfach erwerben, sobald der Markt einen geeigneten Grad an Stabilität erreicht hat. Unternehmen entwickeln sie vielmehr durch praktische Erfahrungen: indem sie ihre Datenqualität verbessern, Prozesse vereinfachen, Governance-Strukturen etablieren, ihre Unternehmensarchitektur neu ausrichten, Kompetenzen aufbauen und gemeinsam mit ihren Mitarbeitenden ermitteln, wo KI den größten Mehrwert schafft.
Abwarten führt daher zu einem sich verstärkenden Wettbewerbsnachteil, da Wettbewerber über Jahre hinweg organisatorisches Wissen aufbauen und ihre Produktivität steigern können. Dieser Vorsprung lässt sich möglicherweise nicht mehr aufholen. Unternehmen, die ihre operativen Strukturen hingegen mit Blick auf die Integration von KI neu gestalten, können bereits heute ihre Kosteneffizienz verbessern und gleichzeitig die Zuverlässigkeit und Qualität ihrer Performance-Management-Prozesse sicherstellen.
In der Planung könnten KI-Agenten beispielsweise künftig mit einem digitalen Zwilling der wichtigsten Geschäftstreiber und Prozesse arbeiten. Durch die Verknüpfung unternehmensinterner Informationen mit externen Daten und Signalen könnten die Agenten auf Basis einer Informationsmenge, die ein menschliches Planungsteam realistischerweise nicht verarbeiten könnte, eine erste Planungshypothese entwickeln. Die Mitarbeitenden könnten sich anschließend darauf konzentrieren, die Auswirkungen zu verstehen, alternative Szenarien zu prüfen, Entscheidungen zu treffen und den Einsatz der KI zu überwachen.
Es ist nicht zu erwarten, dass Maschinen in naher Zukunft einfach einen Jahresplan vorgeben, dem alle folgen. KI kann eine erste Hypothese liefern. Menschen können diese kritisch hinterfragen, ihr Urteilsvermögen einbringen und schließlich eine verbindliche Entscheidung über das weitere Vorgehen treffen. In dieser Vision der nahen Zukunft wird es zwei klar voneinander abgegrenzte Gruppen geben: Unternehmen, die ihre Organisation auf KI-gestützte Prozesse vorbereiten, und Unternehmen, die Gefahr laufen, den Anschluss zu verlieren.
SAP bildet ein sofort einsatzbereites Rückgrat für autonomes Performance Management
Die meisten SAP-Kunden verfügen bereits über einen Großteil der Grundlagen, die agentenbasierte KI benötigt: große Mengen strukturierter Unternehmensdaten, die in zentrale Geschäftsprozesse eingebettet sind. Die Transformation zu SAP S/4HANA bietet die Chance, auf diesem Fundament aufzubauen, Prozesse weiter zu standardisieren und die zugrunde liegenden Daten zu optimieren.
Es mag verlockend sein, anzunehmen, dass KI von selbst lernen wird, mit der Komplexität einer Organisation umzugehen. Das ist jedoch der falsche Ausgangspunkt.
Stattdessen sollten Prozesse und Daten vereinfacht werden. Unternehmen, die SAP nutzen, sollten:
- Prozesse überall dort standardisieren, wo Differenzierung keinen geschäftlichen Mehrwert schafft.1
- Eine Public Cloud in Betracht ziehen, wenn sie einfachere Transaktionsprozesse und stärker standardisierte Daten ermöglicht.
- Eine Greenfield-Transformation verfolgen, anstatt die bestehende Systemlandschaft in einem neuen System nachzubilden.
SAP verfügt hier über einen strukturellen Vorteil: Die Systeme des Unternehmens bilden bereits das Herzstück vieler Organisationen, mit tief verankerten Prozessen und großen Mengen an Geschäftsdaten. Indem dieses Ökosystem vereinfacht, bereinigt und für agentenbasierte Systeme leichter verständlich gestaltet wird, entwickelt sich die SAP-Transformation zu einem Katalysator für den Einsatz von KI. Sie schafft ein Umfeld, in dem KI konkrete Mehrwerte im Performance Management und darüber hinaus erzielen kann.
Darüber hinaus kann SAP Business AI Unternehmen dabei unterstützen, ihre Vorbereitungen auf den Einsatz agentenbasierter KI zu beschleunigen. Joule Assistants und Joule Agents2 ermöglichen es Unternehmen zudem, agentenbasierte Funktionen schrittweise in ihre Kernprozesse zu integrieren, darunter auch Performance Management und Planung.
Autonomie muss auf vernetzten Daten, Transparenz und Vertrauen aufbauen
Agentenbasierte Performance-Management-Systeme benötigen Zugang zu drei übergeordneten Kategorien von Informationen:
- Unternehmensdaten: Transaktions- und Prozessinformationen, die in Systemen wie SAP und Salesforce gespeichert sind.
- Externe Daten: Das wesentlich breitere Spektrum an Markt-, Maschinen- und sonstigen Big Data.
- Kontextdaten: Geschäftsspezifische Informationen, beispielsweise KPIs, Compliance-Vorgaben und Governance-Leitplanken, die KI-Systemen dabei helfen, Unternehmensdaten zu interpretieren und Entscheidungen im Einklang mit der Unternehmensstrategie zu treffen.
Unternehmen arbeiten bereits seit Jahren mit den ersten beiden Kategorien. Kontextdaten stellen hingegen eine neuere Herausforderung dar. Heutige Reporting-Umgebungen basieren stark auf deterministischen semantischen Ebenen, bei denen vordefinierte Definitionen und Strukturen bestimmen, wie die zugrunde liegenden Daten interpretiert und dargestellt werden. In einer KI-gestützten Umgebung könnte der Kontext dynamisch erzeugt werden. Dabei können Technologien wie Large Language Models und Wissensgraphen zum Einsatz kommen, um Unternehmensdaten mit externen Informationen zu verknüpfen.
Um dieses Potenzial auszuschöpfen, sollte die Performance-Management-Architektur über das ERP-System hinausgehen und SAP-Prozessdaten mit den externen Informationen und Kontextdaten verknüpfen, die agentenbasierte KI benötigt. In der Praxis kann dies bedeuten, die SAP-Datenumgebung mit Plattformen wie Snowflake, Databricks oder Dremio zu kombinieren, während Joule Agents über die gesamte Informationslandschaft hinweg arbeiten. Mit der Business Data Cloud und ihrem offenen Datenökosystem fördert SAP zunehmend eine solche vernetzte Umgebung.3 Die geplante Übernahme von Dremio soll diese Entwicklung weiter vorantreiben.4
Transparenz hinsichtlich der Herkunft der Informationen sowie der Kontroll- und Governance-Mechanismen, die KI-gestützten Entscheidungen zugrunde liegen, ist von entscheidender Bedeutung. Ebenso wichtig ist Transparenz über die Transformation selbst: Wo wird KI eingesetzt? Welche Aufgaben soll sie übernehmen? An welchen Stellen ist eine menschliche Freigabe erforderlich? Und wer trägt die Verantwortung, wenn etwas schiefläuft? Wirksame Autonomie setzt menschliche Verantwortung voraus.
Da ein Großteil dieser Daten bereits in den führenden SAP-Systemen und der damit verbundenen Infrastruktur gespeichert ist, bleibt der Weg von der KI-gestützten Entscheidung bis zur ursprünglichen Datenquelle nachvollziehbar. Dadurch lassen sich die Entscheidungen leichter verstehen und ihnen kann größeres Vertrauen entgegengebracht werden.
Es ist unwahrscheinlich, dass KI diese grundlegenden Strukturen innerhalb der nächsten fünf bis zehn Jahre überflüssig machen wird. Der pragmatische Ansatz besteht daher darin, sicherzustellen, dass Investitionen in S/4HANA und SAP Business AI das Unternehmen auf die kommenden Entwicklungen vorbereiten.
Das bedeutet, den Kern zu standardisieren, die drei für eine agentenbasierte Architektur erforderlichen Datenkategorien zu verknüpfen, also Unternehmensdaten, externe Daten und Kontextdaten, und Transparenz sowie Kontrolle in den Mittelpunkt der Transformation zu stellen. Darüber hinaus gilt es, klare und messbare Produktivitätsziele festzulegen. Entscheidend ist, jetzt zu handeln und die Chance zu nutzen, Dynamik und Wettbewerbsvorteile aufzubauen, während autonome KI-Funktionen im Performance Management weiter an Reife gewinnen. Wer stattdessen abwartet, riskiert, den Anschluss zu verlieren.
