- August 2026
Die Ära des autonomen Unternehmens verlangt nach klügeren Investitionsentscheidungen
Laut einer Studie von BearingPoint1 befinden sich rund zwei Drittel der Unternehmen bei der Einführung von KI noch in der Test- oder Pilotphase. Diese Phase des Experimentierens ist notwendig, bringt jedoch erhebliche Risiken mit sich. BearingPoint beobachtet häufig, dass zu große Freiräume für einzelne Geschäftsbereiche zu einer Fragmentierung der KI-Landschaft führen: Verschiedene Abteilungen testen unterschiedliche Modelle, Anbieter, Governance-Ansätze und Datenarchitekturen.
Die nächste Produktivitätswelle in Unternehmen entsteht nicht durch weitere KI-Pilotprojekte. Sie wird davon abhängen, wie konsequent Arbeit, Entscheidungen, Daten und Anwendungen rund um gesteuerte KI neu gestaltet werden. 2026 zeigt sich der wahre Entwicklungsfortschritt von KI daran, ob eine Organisation wirkungsstarke Initiativen skalieren kann. SAP bietet eine große Chance, die KI-gestützte Transformation zu beschleunigen. Gründe dafür sind die integrierte KI, die einfache Einbindung von KI-Anwendungen externer Anbieter, die breite installierte Basis über verschiedene Regionen und Funktionen hinweg sowie der gesicherte und strukturierte Datenbestand. Das volle Potenzial von SAP lässt sich jedoch nur ausschöpfen, wenn die Neugestaltung des Betriebsmodells aus der Fachseite heraus mit SAP Business AI und Joule verbunden wird. Entscheidend ist, KI dort einzusetzen, wo sie den größten messbaren geschäftlichen Mehrwert schafft.
Enterprise Resource Planning entwickelt sich von einem System zur Erfassung von Geschäftsvorfällen zu einer intelligenten, autonomen Plattform, die Entscheidungen im Unternehmen anstößt und deren Umsetzung steuert. Die strategische Frage lautet nicht mehr, ob KI die Produktivität steigern kann. Entscheidend ist, welche Aufgaben KI eigenständig übernehmen sollte, wo Menschen weiterhin Verantwortung tragen müssen und welche Investitionen echten geschäftlichen Mehrwert schaffen, statt die technologische Komplexität zu erhöhen.
Für SAP-geprägte Unternehmen verändert dieser Wandel die ERP-Agenda grundlegend. SAP S/4HANA sollte nicht nur als Ziel einer technischen Migration verstanden werden. Es sollte zum klar strukturierten und verlässlich gesteuerten digitalen Kern werden, auf dem Prozessstandardisierung, ein gemeinsames Datenverständnis, integrierte Intelligenz und gezielte Erweiterungen skalieren können.
Führungskräfte sollten Investitionen in KI-gestützte ERP-Systeme daher anhand von fünf Dimensionen bewerten: Entscheidungsgovernance, Vertrauen in Daten, Neugestaltung von Prozessen und Rollen, skalierbare Architektur sowie messbarer ROI. Schwächen in nur einem dieser Bereiche begrenzen die Fähigkeit von KI, nachhaltige Produktivitätssteigerungen und einen klar bezifferbaren Ergebnisbeitrag zu erzielen.
Governance: Menschen legen die Leitlinien fest, KI übernimmt Routinen
Governance sollte nicht als Bremse für KI verstanden werden, sondern als Voraussetzung dafür, Autonomie im Unternehmensmaßstab sicher nutzbar zu machen. Wiederholbare, regelbasierte und nachvollziehbare Entscheidungen, die innerhalb abgestimmter Risikogrenzen liegen, eignen sich gut für die Ausführung durch KI. Ausnahmen, ethische Abwägungen, strategische Zielkonflikte sowie wesentliche geschäftliche oder Compliance-relevante Entscheidungen sollten dagegen vorerst unter menschlicher Kontrolle bleiben. Gartner schätzt, dass bis zu 25 Prozent der von KI erzeugten Antworten nachweislich falsch sind. Das zeigt, dass weiterhin eine Verlässlichkeitslücke besteht und menschliche Aufsicht unverzichtbar bleibt.2
Die Grenze zwischen KI-Autonomie und menschlicher Verantwortung muss klar gezogen sein. Für jede KI-gestützte Aufgabe braucht es eindeutige Entscheidungsrechte, klare Freigabelogiken, ein Verantwortungsmodell, eine nachvollziehbare Prüfhistorie und einen definierten Eskalationsweg. Ohne solche Leitplanken laufen Unternehmen Gefahr, manuelle Silos lediglich durch agentische Silos zu ersetzen.
In SAP-Systemen muss Governance mit Rollendesign, Berechtigungskonzepten, Funktionstrennung, Prozessverantwortung und Clean-Core-Prinzipien abgestimmt sein. KI-Autonomie sollte Unternehmenssteuerung stärken, nicht umgehen.
Datenqualität: KI braucht fachliche Bedeutung, keine Hoffnung auf brauchbare Daten
Niemand sollte produktive Arbeitszeit damit verbringen müssen, Daten zu suchen, abzugleichen, zu bereinigen oder manuell zu prüfen, bevor die eigentliche Arbeit beginnen kann. KI sollte fortlaufend bewerten, ob Daten vollständig, konsistent, plausibel, nachvollziehbar und für den jeweiligen Zweck geeignet sind, bevor sie in einem Geschäftsprozess verwendet werden.
Datenmanagement ist entscheidend, um den Unternehmenswert zu schützen. Schlechte Datenqualität macht KI lediglich zu einem schnelleren Weg, unzuverlässige Entscheidungen zu produzieren. Vertrauenswürdige Daten und starke Governance hingegen machen KI zu einem skalierbaren Motor für hochwertige Entscheidungen.
In SAP-Systemen bilden SAP Business Data Cloud, SAP Knowledge Graph und eine harmonisierte Governance für Stammdaten die Grundlage für kontextbewusste KI. Wo diese Basis noch nicht ausreichend tragfähig ist, sollte zunächst die Datenbereitschaft verbessert werden, bevor Unternehmen in fortgeschrittene Automatisierung investieren.
Organisatorischer Wandel: Arbeit an KI ausrichten, nicht KI an überholte Arbeitsstrukturen anpassen
KI sollte nicht als weiteres Tool für den Arbeitsplatz verstanden werden, das Beschäftigten einfach zur Verfügung gestellt wird. Wirklich erfolgreiche KI-Transformationen gestalten Arbeit neu, definieren Rollen anders und verlagern menschliche Kapazitäten von administrativen oder wenig wertschöpfenden Tätigkeiten hin zu Aufgaben mit höherem Nutzen. Dazu zählen Entscheidungen, der Umgang mit Ausnahmen, positive Kundeneffekte und kontinuierliche Verbesserung.
Jede wichtige Rolle sollte anhand einer zentralen Frage überprüft werden: Was sollte der KI-Kollege vorbereiten, entscheiden, überwachen oder ausführen, bevor ein Mensch einbezogen wird? Die Antwort darauf sollte die Neugestaltung von Aufgaben und Prozessen, den Aufbau neuer Fähigkeiten, Governance-Formate und Leistungskennzahlen prägen.
Für SAP-Transformationsprogramme bedeutet das: KI-Einführung muss eng mit Fit-to-Standard-Disziplin, Prozessharmonisierung, Change Management und rollenbasierter Befähigung verbunden werden. Joule und integrierte Assistenten können Arbeit nur dann spürbar beschleunigen, wenn Geschäftsprozesse und Betriebsmodell bereit sind, diese Veränderung aufzunehmen.
SAP-native KI als Standard, individuelle KI für geschäftsmodellbezogene Differenzierung am Markt
Bei Prozessen ohne differenzierenden Charakter sollten Standardisierung und eingebettete KI der Normalfall sein. Solche Prozesse rechtfertigen nur selten den zusätzlichen Aufwand für Integration, Governance, Wartung und Lebenszyklussteuerung, der mit einer individuell entwickelten KI-Lösung verbunden ist.
Individuelle KI ist dann gerechtfertigt, wenn der Anwendungsfall zentral für das Geschäftsmodell ist, Margen oder Serviceleistung beeinflusst, wettbewerbsdifferenzierende Daten nutzt oder eine Fähigkeit schafft, die Wettbewerber nicht ohne Weiteres nachbilden können.
In SAP-Begriffen heißt das: Der Einstieg sollte dort über SAP Business AI und integrierte Joule-Funktionen erfolgen, wo diese den jeweiligen Prozess ausreichend abdecken. Wenn ein Differenzierungsbedarf Erweiterungen rechtfertigt, sollten sie sauber auf SAP BTP oder über eine kontrollierte Side-by-Side-Architektur umgesetzt werden, mit klarer Verantwortung für Lifecycle, Sicherheit, Daten und ROI.
Die Entscheidung sollte nie abstrakt als „SAP-KI gegen individuelle KI“ betrachtet werden. Richtig ist eine Bewertung von Prozess zu Prozess: standardisieren, wo es möglich ist, erweitern, wo es Mehrwert schafft, und nur dort individuell entwickeln, wo sich die geschäftliche Leistung spürbar verbessert.
Wertschöpfung: Jeder KI-Anwendungsfall braucht einen belastbaren Business Case
KI-Anwendungsfälle und Initiativen sollten nicht finanziert werden, weil sie technisch beeindruckend wirken, sondern weil sie Produktivität, Umsatz, Working Capital, Qualität, Risikosteuerung, Compliance oder die Kapazität der Mitarbeitenden messbar verbessern.
Der Business Case muss das vollständige Kostenmodell abbilden: Lizenzen, Implementierung, Integration, Datenaufbereitung, Token-Verbrauch, Monitoring, Change Management, Wartung sowie den Governance-Aufwand, der für einen verantwortungsvollen Betrieb der Lösung erforderlich ist. Auch die Nettoauswirkung auf die Klimaziele und den CO₂-Fußabdruck des Unternehmens sollte bewertet werden und positiv ausfallen, zumindest auf Ebene des gesamten KI-Projektportfolios.
Als praktische Regel sollte jeder KI-Anwendungsfall auf eine relevante Produktivitätsschwelle einzahlen, deren Wert nach der Einführung nachverfolgt wird. Anwendungsfälle, die keinen nachweisbaren Mehrwert liefern, sollten überarbeitet, verkleinert oder eingestellt werden.
Für SAP-Programme sollte der KI-Wert über ein Portfolio gesteuert werden: eingebettete SAP Business AI für skalierbare Basisproduktivität, Erweiterungen auf SAP BTP für wettbewerbsdifferenzierende Anwendungsfälle und klare Adoptionskennzahlen, die an Geschäftsprozesse gekoppelt sind, nicht nur an die technische Aktivierung. KI muss messbaren Mehrwert nachweisen. Ein guter Managementtest ist die einfache Frage: „Würden wir diesen Anwendungsfall nach dem Go-live weiter finanzieren?“
KI darf nicht zu einer weiteren Komplexitätsebene im Unternehmen werden.
Die nächste Welle der SAP-Transformation wird nicht von den Unternehmen gewonnen, die die meisten KI-Funktionen aktivieren. Erfolgreich werden diejenigen sein, die Clean-Core-Disziplin, die Neugestaltung von Geschäftsprozessen, Datensemantik, KI-Governance und wertorientierte Einführung in einem gemeinsamen Betriebsmodell verbinden.
Erfolgreiche Unternehmen werden überall dort auf SAP-Standard-KI und eingebettete SAP Business AI setzen, wo diese ausreichen. SAP BTP oder individuell entwickelte KI reservieren sie für echte Differenzierung im Markt. Jede KI-Entscheidung steuern sie dabei mit derselben Konsequenz wie Finanzen, Risiken und Unternehmensarchitektur.
Fünf Dimensionen für KI-Investitionsentscheidungen
| Dimension | Geschäftsregel | SAP-spezifische Ausprägung | Managementtest |
|---|---|---|---|
| Governance | KI führt Routineentscheidungen aus, Menschen steuern Ausnahmen. | Autonomie an Rollen, Berechtigungen, Freigaben, Funktionstrennung und Prüfbarkeit ausrichten. | Können wir erklären, wer verantwortlich ist, wenn die KI handelt? |
| Datenqualität | KI sollte keine unzuverlässigen Daten automatisieren. |
SAP Business Data Cloud, SAP Knowledge Graph und gesteuerte Stammdatenprozesse dort nutzen, wo sie relevant sind. |
Sind die Daten verlässlich genug für autonomes Handeln? |
| Organisation | Rollen rund um einen KI-Kollegen neu gestalten. | Joule und rollenbasierte Assistenten nur dort einbetten, wo Prozessverantwortung und Akzeptanz klar sind. | Welche menschliche Arbeit entfällt oder verändert sich? |
| Technologische Skalierung | Erst standardisieren, dann erweitern. | SAP S/4HANA sauber halten und SAP BTP für gesteuerte Erweiterungen und Integrationen nutzen. | Schützt die Lösung die Upgradefähigkeit? |
| Wertbeitrag | KI muss messbaren Nutzen nachweisen. |
Eingebettete SAP Business AI und individuelle SAP-BTP-Anwendungsfälle anhand von Prozess-KPIs und ROI verfolgen. |
Würden wir diesen Use-Case nach dem Go-liveweiter finanzieren? |
BearingPoints Einheit Enterprise SAP Transformation, kurz EST, verfolgt bei der Einführung von SAP-KI einen wertorientierten Ansatz über alle Fähigkeiten und Funktionsbereiche hinweg. Wir wissen, wo KI messbaren geschäftlichen Nutzen schaffen kann: durch höhere Produktivität, schnellere Entscheidungen, bessere Erlebnisse für Kunden und Mitarbeitende, effizientere Prozesse und geringere operative Risiken. KI sollte nicht zu einer weiteren Komplexitätsebene im Unternehmen werden. Sie sollte vielmehr der Hebel sein, durch den SAP-Landschaften einfacher zu betreiben, schneller anzupassen, sicherer zu steuern und wertvoller für das Geschäft werden.
Der künftige Wert von SAP S/4HANA hängt davon ab, wie gut Unternehmen eingebettete KI-Funktionen aktivieren, Joule-basierte Assistenten einsetzen, Geschäftskontext aus der SAP Business Data Cloud nutzen und gesteuerte, agentenbasierte Ausführungsmodelle über End-to-End-Geschäftsprozesse hinweg etablieren.
-
References
1BearingPoint, Organisationen im Wandel: Agentische KI als Treiber für Resilienz, Oktober 2025
2Gartner, Agentic automation — AI agents drive enterprise process automation, 9 January 2026
