SAP KI: Warum der Return on AI im ERP entschieden wird

Das Wichtigste in Kürze
- Worum es geht: SAP KI setzt direkt auf den Daten und Geschäftsprozessen des ERP auf. Ob sich künstliche Intelligenz im SAP-Umfeld rechnet, entscheidet sich deshalb dort.
- Die These: Die Kosten liegen selten in den Lizenzen. Sie liegen in Datenqualität, Datenmigration und Integration.
- Der Zeitdruck: Viele Unternehmen müssen vor dem angekündigten Wartungsende von SAP ECC 6.0 Ende 2027 auf SAP S/4HANA wechseln. Wer das als reines Technikprojekt behandelt, verschenkt die Chance auf eine gemeinsame Datenbasis.
- Für wen: CIO, CFO, COO und Verantwortliche für die digitale Transformation, die KI-Investitionen im Ergebnis sehen wollen.
- Der Nutzen: Sie erfahren, welche Fragen vor dem ersten KI-Use-Case geklärt sein sollten und welche Rollen dafür fehlen.
Was SAP KI heute bedeutet
Der Begriff SAP KI steht für mehrere Bausteine, die oft in einen Topf geworfen werden. SAP Business AI bezeichnet künstliche Intelligenz, die in Geschäftsprozesse und Anwendungen eingebettet ist, etwa in Finanzwesen, Einkauf, Vertrieb oder Personal. Joule ist der KI-Assistent im SAP-Umfeld. Er wird in natürlicher Sprache bedient und nutzt Daten aus unterstützten Anwendungen. Die SAP Business Technology Platform (BTP) schließlich ist die Plattform, auf der Unternehmen Erweiterungen, Integrationen, Services und eigene KI-Anwendungen bauen.
Für Entscheider:innen ist diese Unterscheidung wichtig, weil jeder Baustein andere Voraussetzungen mitbringt. Eingebettete KI-Funktionen brauchen ein ERP in einem passenden Release. Ein Assistent braucht saubere, berechtigte Daten. Eigene KI-Lösungen brauchen eine Architektur, die Daten aus mehreren Systemen zusammenführt.
Allen dreien gemeinsam ist: Die Intelligenz arbeitet nur so gut wie die Daten und Prozesse, auf die sie zugreift. Deshalb ist die Frage nach dem Return on AI bei SAP zuerst eine Frage nach dem ERP.
Typische Anwendungsfelder
In der Praxis zeigen sich Anwendungsfelder mit vielen wiederkehrenden Entscheidungen. Machine Learning und Predictive Analytics erstellen Prognosen, zum Beispiel für Bedarfe, Liquidität oder Zahlungsverhalten. Ein KI-Agent übernimmt Teilschritte, etwa die Vorprüfung von Rechnungen, und leitet Ausnahmen an Menschen weiter. Joule hilft bei Auswertungen und Berichten. Bei der Datenanalyse großer Datenmengen erkennt KI Muster und Abweichungen, die in der Tabellenansicht untergehen.
Alle diese Anwendungen greifen auf die Systemlandschaft zu, ob On-Premise, in der Cloud oder hybrid. Wie gut das gelingt, hängt von der IT-Architektur ab: Sind Daten konsistent, sind Schnittstellen dokumentiert, ist klar, wer was ändern darf?
Möglichkeiten und Grenzen
Die Möglichkeiten sind real, aber nicht grenzenlos. Ein KI-Agent kann nur Aufgaben übernehmen, deren Regeln beschrieben sind. Eine Prognose ist nur so belastbar wie die historischen Daten, aus denen sie lernt. Und kein Anbieter nimmt Ihnen die Entscheidung ab, welche Prozesse im Unternehmen sich überhaupt für den Einsatz von KI eignen. Das ist eine Aufgabe für Fachbereich und IT gemeinsam.
Warum sich der Return on AI im ERP entscheidet
Viele Projekte zu SAP KI starten mit der Frage, welches Tool lizenziert werden soll. Das ist die falsche Reihenfolge. Das Whitepaper Return on AI: Warum sich KI erst im Wertstrom rechnet von CTG Consulting hält fest, dass KI zwar die einzelne Aufgabe beschleunigt, die Zeit aber an den Übergängen zwischen Abteilungen verloren geht. Der erste Effekt komme oft aus einer Organisationsentscheidung, nicht aus einem Modell. Im ERP ist das besonders sichtbar, weil dort die Wertströme von der Kundenanfrage bis zum Geldeingang zusammenlaufen.
Lizenzen sind der sichtbare Teil
Lizenz- und Nutzungskosten stehen im Angebot und lassen sich budgetieren. Deshalb prägen sie die Diskussion. Sie sagen aber wenig über die Nutzung im Alltag aus und noch weniger darüber, ob eine Funktion Wirkung entfaltet. Eine KI-Funktion, die verfügbar ist, aber nicht genutzt wird, weil im System die Voraussetzungen fehlen, bringt keine Rendite.
Daten und Integration sind der eigentliche Aufwand
Der größere Teil des Aufwands entsteht an anderer Stelle:
- Datenqualität: Stammdaten mit Dubletten, unvollständigen Feldern oder uneinheitlichen Bezeichnungen führen zu unbrauchbaren Prognosen und Vorschlägen.
- Datenmigration: Welche Altdaten werden übernommen, bereinigt oder archiviert? Jede Entscheidung hier prägt später, was die KI sehen kann.
- Integration: Zwischen ERP, CRM, Einkaufsplattformen und Fachanwendungen liegen Schnittstellen. An diesen Übergängen geht Zeit verloren, und genau dort setzt KI an.
- Berechtigungen und Governance: Ein Assistent darf nur Daten nutzen, die die Anwender:innen sehen dürfen. Das Berechtigungskonzept entscheidet, ob ein Einsatz überhaupt zulässig ist.
- Betrieb und Verantwortung: Wer pflegt Modelle, Regeln und Datenqualität, wenn das Projektteam weitergezogen ist?
Keiner dieser Punkte ist eine KI-Frage im engeren Sinn. Alle fünf entscheiden darüber, ob KI im ERP Rendite bringt. Eine Faustformel mit festen Prozentzahlen gibt es dafür nicht, und wer sie verspricht, sollte sie belegen können.
Besonders deutlich wird das bei Kunden- und Lieferantendaten. Liegen Kund:innen im ERP, im CRM und in einer Excel-Liste des Vertriebs mit leicht unterschiedlichen Namen vor, kann keine KI zuverlässig sagen, welche Kund:innen wie viel Umsatz bringen. Die Technologien sind vorhanden. Es fehlt die einheitliche Datenbasis.
S/4HANA Migration vor dem Wartungsende 2027
SAP hat angekündigt, die Standardwartung für ECC 6.0 Ende 2027 zu beenden. Für eine verlängerte Wartung gibt es nach SAPs Angaben eine kostenpflichtige Option bis 2030. Die Konditionen sollten Sie direkt bei SAP oder Ihrem Partner prüfen. Für viele Unternehmen heißt das: Der Umstieg auf SAP S/4HANA ist entschieden, offen ist nur noch das Wie.
Hier liegt die eigentliche Verbindung zur KI. Eine S/4HANA Migration, die nur das Bestehende technisch auf eine neue Plattform hebt, verschiebt die Datenprobleme ins neue System. Wird sie dagegen als Gelegenheit für eine gemeinsame Datenbasis verstanden, schafft sie die Grundlage für durchgängige Wertströme. Der Umstieg ist damit mehr als ein technisches Upgrade: Er ist ein Transformationsprojekt, das Prozesse, Daten und Zuständigkeiten berührt.
Drei Wege, drei Folgen für die Datenbasis
- Greenfield: Neuaufbau mit Übernahme ausgewählter Daten. Hoher Aufwand, aber die größte Chance, Prozesse und Daten zu bereinigen.
- Brownfield: Umstellung des bestehenden Systems. Schneller und weniger invasiv, übernimmt aber auch gewachsene Altlasten.
- Selektive Transformation: Eine Mischform, bei der einzelne Bereiche, Gesellschaften oder Datenbestände gezielt umgezogen werden.
Welcher Weg passt, hängt von Prozessvielfalt, Individualentwicklungen, Datenlage und Zeitplan ab. Aus KI-Sicht lautet die Prüffrage: Welcher Weg liefert uns bis zum Stichtag die Daten, die wir für den ersten Wertstrom brauchen?
Clean Core statt Wildwuchs
Je mehr Individualentwicklung im Kern des ERP steckt, desto aufwendiger werden Upgrades und desto schwerer lassen sich KI-Funktionen anbinden. Das Prinzip eines schlanken Kerns, bei dem Erweiterungen über Schnittstellen und die BTP statt im Standardcode entstehen, ist deshalb auch eine KI-Entscheidung. Das hat weitere Vorteile: Es schafft Flexibilität bei künftigen Releases und begrenzt die technischen Schulden, die sonst mit jedem Release wachsen.
Migration und KI gemeinsam planen
Viele Unternehmen behandeln Migration und KI-Szenarien als getrennte Projekte mit getrennten Budgets. Das führt dazu, dass Datenmodelle zweimal angefasst werden. Sinnvoller ist es, schon in der Migrationsplanung festzulegen, welche ein bis zwei Wertströme als Erste von KI profitieren sollen, und die Datenbereinigung genau dort zu priorisieren. So lässt sich auch die Entwicklung der KI-Funktionen von Beginn an mitdenken.
Vom Use Case zum Wertstrom: Was das für SAP heißt
Das Whitepaper beschreibt vier Schritte: wählen, messen, neu gestalten, einsammeln. Übertragen auf ein ERP-Umfeld ergibt sich ein klarer Ablauf.
Wählen. Statt zehn Use Cases parallel zu starten, steht ein Wertstrom mit Ergebnishebel und Owner im Mittelpunkt. Das Whitepaper bewertet Kandidaten nach fünf gewichteten Kriterien: Ergebnishebel, Reibung durch Übergaben, Datenlage, Ownership und Machbarkeit, also ein erster messbarer Effekt in vier bis sechs Wochen. Kein Owner, kein Wertstrom. In SAP-Landschaften bieten sich häufig Abläufe wie Rechnungsprüfung, Angebotserstellung oder Bedarfsplanung an, weil sie über mehrere Abteilungen laufen.
Messen. Vor dem Bau wird die Baseline erhoben, getrennt nach Arbeits- und Wartezeit. Das Whitepaper rechnet das an einem ausdrücklich illustrativen Beispiel aus dem Maschinenbau vor (Anfrage bis Angebot): Von 8 Tagen Durchlaufzeit je Angebot waren nur rund 6 Stunden echte Arbeit. Der Rest war Warten an Übergängen. Wer das nicht misst, automatisiert den falschen Schritt. Als Datenquelle genügen oft Zeitstempel je Belegstatus aus ERP und CRM, laut Whitepaper auch bei älteren Systemen wie SAP ECC.
Neu gestalten. Die Reihenfolge lautet vereinfachen, automatisieren, orchestrieren, und je Prozessschritt zählt die Lösung mit dem besten Business Case, die nicht immer KI ist. Im illustrativen Beispiel geht das Angebot am selben Tag raus statt nach 8 Tagen, und die Bearbeitung je Angebot sinkt von rund 6 auf 2 Stunden. Die erste Wirkung kam aus einer höheren Freigabegrenze, also aus einer Entscheidung des Owners. Den vollen Effekt bringt erst beides zusammen.
Einsammeln. Der Business Case rechnet in Trefferquote, Marge und Cash, nicht in eingesparten Stunden. Frei werdende Kapazität zählt erst, wenn sie konkret umgewidmet wird. Für die Entscheidungsfindung im Management heißt das: Statt eines Versprechens auf mehr Effizienz steht eine Zahl, die sich im Ergebnis wiederfindet.
Der Zusammenhang zum ERP liegt auf der Hand: Alle vier Schritte brauchen belastbare Prozessdaten. Wo die Daten aus fünf Systemen unterschiedlich gepflegt sind, scheitert schon die Baseline. Im Reifegradmodell des Whitepapers beginnt der Return beim Sprung von Stufe 2 auf Stufe 3, also dort, wo KI nicht mehr nur eine Abteilung beschleunigt, sondern einen ganzen Prozess verändert. Für den Schritt danach nennt es eine gemeinsame, gepflegte Datenbasis. Außerdem verweist es darauf, dass der Wert im Kerngeschäft liegt, die bessere Rendite aber oft im Backoffice.
Return on AI im ERP
Vom Use Case zum Wertstrom
- 01WählenEin Wertstrom mit Ergebnishebel und Owner statt zehn Use Cases.
- 02MessenBaseline vor dem Bau, getrennt nach Arbeits- und Wartezeit.
- 03Neu gestaltenVereinfachen, automatisieren, orchestrieren.
- 04EinsammelnTrefferquote, Marge und Cash statt eingesparter Stunden.
Reifegradmodell des Whitepapers
5 Prüffragen vor dem ersten KI-Use-Case in SAP
- Gibt es einen Owner für den Wertstrom? Eine Person, die Ende-zu-Ende verantwortet und Entscheidungen treffen darf.
- Wie gut sind die Stammdaten wirklich? Eine Stichprobe über Kunden-, Lieferanten- und Materialstamm zeigt oft schneller als ein Workshop, wo Bereinigung nötig ist.
- Welche Schnittstellen liegen im Weg? Welche Systeme außerhalb von SAP liefern oder erhalten Daten in diesem Ablauf?
- Passen Release und Betriebsmodell? Nicht jede KI-Funktion steht in jedem Release und Betriebsmodell zur Verfügung. Das ist vor der Planung zu klären.
- Wer betreibt das Ergebnis? Pflege von Datenqualität, Berechtigungen und Regeln braucht eine dauerhafte Zuständigkeit.
Welche Rollen fehlen
Technik allein löst keines dieser Probleme. Entscheidend ist, wer die Prozesse versteht und wer die Daten verantwortet. In der Praxis fehlen für SAP KI vor allem drei Profile:
- SAP-Architekt:innen mit Prozesswissen, die Migration, Clean Core und Integration gemeinsam denken. Ein Profil dafür ist der Enterprise-Architekt.
- Datenverantwortliche, die Qualität, Zuständigkeiten und Berechtigungen im ERP steuern und laut Whitepaper dafür sorgen, dass die gemeinsame Datenbasis stimmt. Verwandt ist die Rolle der Business-Intelligence- und Data-Analytics-Expert:innen.
- Fachliche Prozess-Owner (im Whitepaper Value Stream Owner), die einen Wertstrom über Abteilungsgrenzen hinweg verantworten.
Ob eine Rolle fest, per Freelance oder als Interim besetzt wird, hängt von der Dauer des Bedarfs ab. Für die Migrationsphase bietet sich oft externe Unterstützung an, für Datenverantwortung und Prozess-Ownership eher eine feste Stelle. Wie der Markt für diese Profile aussieht, beschreibt der Beitrag zum Thema ERP-Expert:innen finden und einstellen. Konkrete Profile finden Sie auch bei den SAP-ERP-Expert:innen. Als IT-Personalberatung unterstützt Paltron bei der Suche, die Prozessverantwortung bleibt im Unternehmen.
Häufige Fragen
Kann SAP durch KI ersetzt werden?
Nein. KI ersetzt kein ERP, sondern setzt darauf auf. Das ERP liefert die Transaktionen, Stammdaten und Prozesslogik, auf die KI zugreift. Ohne ein sauberes ERP fehlt ihr die belastbare Datenbasis.
Muss ich für KI-Funktionen auf die neue ERP-Generation umsteigen?
Ein Teil der KI-Funktionen ist an aktuelle Releases und Cloud-Angebote gebunden. Ob ein bestimmter Anwendungsfall mit Ihrem Bestandssystem möglich ist, hängt vom Einzelfall ab und sollte vor der Planung mit SAP oder einem Partner geklärt werden. Unabhängig davon steht für Unternehmen mit SAP ECC das Wartungsende an.
Wie lassen sich Migration und KI zeitlich verzahnen?
Sinnvoll ist ein gestuftes Vorgehen: Zuerst werden Datenbereinigung und ein schlanker Kern geplant, weil sie für beides gebraucht werden. Parallel wird ein Wertstrom ausgewählt, an dem sich der Nutzen von KI früh zeigen lässt. Welche Funktionen wann nutzbar sind, hängt vom Release und vom Betriebsmodell ab und sollte mit SAP oder einem Partner abgestimmt werden.
Wann endet die Wartung von SAP ECC?
SAP hat das Ende der Standardwartung für ECC 6.0 für Ende 2027 angekündigt. Eine verlängerte Wartung ist laut SAP gegen Aufpreis möglich. Aktuelle Konditionen erfragen Sie bei SAP.
Was kostet der Einstieg?
Eine pauschale Antwort gibt es nicht. Lizenz- und Nutzungskosten sind nur ein Teil. Der Aufwand für Datenbereinigung, Datenmigration, Integration, Berechtigungen und Betrieb fällt je nach Ausgangslage sehr unterschiedlich aus.
Welche Daten braucht der erste Anwendungsfall?
Das hängt vom gewählten Wertstrom ab. Bei einer Rechnungsprüfung sind es Lieferantenstamm, Bestellungen und Wareneingänge, bei einer Bedarfsprognose Bewegungsdaten und Absatzhistorie. Entscheidend ist, dass die Daten für genau diesen Ablauf vollständig und einheitlich sind.
Sie planen den Einstieg in SAP KI und wissen noch nicht, wer ihn tragen soll? Wir besprechen mit Ihnen Ihre Ausgangslage. Das Whitepaper Return on AI liefert den methodischen Rahmen dazu.
IT‑Headhunter
Fehlende SAP‑Rollen besetzen
Fehlen SAP‑Architekt:innen, Datenverantwortliche oder Prozess‑Owner? Wir klären mit Ihnen, ob Festanstellung, Freelance oder Interim passt.
Key Takeaways
Hat Ihnen dieser Artikel gefallen? Abonnieren Sie unseren Newsletter und erhalten Sie monatlich neue Insights zu Employer Branding und Talent Management.

.png)
