SAP S/4HANA mit integrierter KI: Was verändert sich im Arbeitsalltag?

Erfahren Sie, wie KI in SAP S/4HANA funktioniert – vom „Clean Core“ über Datenqualität bis hin zu integrierten Anwendungsfällen, Entscheidungen in Echtzeit und einer sicheren, transparenten Ausführung.

Wenn KI nicht direkt in Ihr ERP-System integriert ist: Verändert sie dann tatsächlich den Arbeitsalltag – oder unterstützt sie lediglich bei der Erstellung von Berichten?

Ein grosser Teil der strukturierten Unternehmensdaten befindet sich in SAP S/4HANA. Dazu gehören Finanzbuchungen, Bestandsbewegungen, Kundenaufträge, Produktionsrückmeldungen und Lieferantenrechnungen. Sind KI-Funktionen in die Geschäftsprozesse integriert, können auf Basis dieser Daten Prognosen und Empfehlungen entstehen. Das System erfasst dann nicht nur Geschäftsvorgänge, sondern kann Mitarbeitende auch bei Entscheidungen und Folgeaktivitäten unterstützen.

In diesem Artikel betrachten wir die Bedeutung des Clean Core für KI in SAP S/4HANA, vergleichen integrierte und Side-by-Side-KI-Architekturen, zeigen praxisnahe Anwendungsfälle in Finanzen, Supply Chain und Betrieb und gehen auf Fragen rund um Daten, Governance und Nachvollziehbarkeit ein.

Warum der Clean Core für KI in SAP S/4HANA wichtig ist

KI-Modelle arbeiten nicht isoliert. Sie benötigen strukturierte, konsistente und zugängliche Daten. In SAP S/4HANA liegen diese Daten in definierten Datenmodellen und Geschäftsprozessen. Werden diese Strukturen stark verändert, kann die Integration und Wartung von KI-Szenarien komplexer werden.

Ein Clean Core bedeutet, den SAP-Standard möglichst nah am Standard zu halten und kundenspezifische Entwicklungen gezielt über dafür vorgesehene Erweiterungsmechanismen umzusetzen. Dazu gehören beispielsweise In-App-Erweiterungen oder Side-by-Side-Erweiterungen auf der SAP Business Technology Platform (SAP BTP).

Dadurch bleibt der ERP-Kern stabiler und leichter aktualisierbar. Gleichzeitig können Erweiterungen umgesetzt werden, ohne die Standardprozesse unnötig zu verändern

Warum die Datenstruktur für KI entscheidend ist

Für KI-Szenarien sind konsistente Stamm- und Bewegungsdaten eine wichtige Voraussetzung. Dazu gehören beispielsweise Finanzbuchungen, Materialbelege, Kundenaufträge und Lieferantenrechnungen.

Werden Datenmodelle stark angepasst, Felder unterschiedlich definiert oder individuelle Logik tief im ERP-Kern verankert, kann dies die Integration neuer KI-Szenarien erschweren. Je stärker sich ein System vom Standard entfernt, desto mehr Aufwand kann bei Integration, Tests und zukünftigen Weiterentwicklungen entstehen.

Auch die Datenqualität spielt eine zentrale Rolle. Doppelte Geschäftspartner, inkonsistente Materialstammdaten oder unvollständige Kostenstellenzuordnungen können die Qualität von Prognosen und Empfehlungen beeinträchtigen. KI ersetzt keine funktionierende Datenbasis. Sie kann vorhandene Datenmuster analysieren – fehlerhafte oder unvollständige Daten werden dadurch jedoch nicht automatisch zu verlässlichen Informationen.

Die finanziellen Auswirkungen technischer Schulden

Ein hoher Grad an Individualisierung kann bei Upgrades und Weiterentwicklungen zusätzlichen Test- und Wartungsaufwand verursachen. Ein sauber strukturierter SAP-Kern kann dagegen dazu beitragen, Integrationen und Erweiterungen überschaubarer zu halten.

Für Unternehmen, die Investitionen in KI bewerten, bedeutet das: Der geschäftliche Nutzen von KI hängt nicht allein vom eingesetzten Modell ab. Ebenso wichtig sind die Qualität der zugrunde liegenden Daten, die Prozessgestaltung und die Architektur des SAP-Systems. Ist die technische Grundlage solide, kann KI stärker in bestehende Geschäftsprozesse integriert werden, anstatt als isoliertes Zusatzsystem betrieben zu werden.

Wie KI in SAP S/4HANA funktioniert: integriert oder Side-by-Side?

KI in SAP S/4HANA kann über unterschiedliche Architekturen umgesetzt werden. Besonders relevant ist die Unterscheidung zwischen integrierten beziehungsweise Embedded-Szenarien und Side-by-Side-Szenarien, bei denen KI-Funktionen ausserhalb des S/4HANA-Kerns betrieben und über definierte Schnittstellen angebunden werden.

Die Wahl der Architektur beeinflusst unter anderem Integration, Governance, Erweiterbarkeit und Wartungsaufwand. 

Integrierte KI in SAP S/4HANA

Bei integrierten Szenarien werden KI- beziehungsweise Machine-Learning-Funktionen eng mit den SAP-Geschäftsprozessen verbunden. SAP unterstützt sowohl eingebettete Szenarien innerhalb der S/4HANA-Umgebung als auch weitere AI-Services, die über die SAP-Plattform angebunden werden.

Dieses Modell eignet sich insbesondere für standardisierte Anwendungsfälle, bei denen die benötigten Daten bereits im ERP-System vorhanden sind und die KI-Unterstützung direkt in einen bestehenden Geschäftsprozess eingebunden werden soll.

Beispiele können Prognosen im Finanzbereich, die intelligente Verarbeitung von Dokumenten oder die Unterstützung bei wiederkehrenden operativen Aufgaben sein. Welche Funktionen verfügbar sind, hängt von der eingesetzten SAP-Version, Edition und den aktivierten Services ab.

Side-by-Side-KI auf der SAP Business Technology Platform

Bei einer Side-by-Side-Architektur wird die KI-Funktion ausserhalb des S/4HANA-Kerns betrieben. SAP beschreibt dafür unter anderem Szenarien mit SAP BTP und SAP AI Core beziehungsweise weiteren Machine-Learning-Services. Geschäfts- und Stammdaten können dabei über definierte Schnittstellen bereitgestellt werden. Die Ergebnisse werden anschliessend wieder in einen Geschäftsprozess integriert oder in einer verbundenen Anwendung verwendet.

Dieser Ansatz bietet mehr Flexibilität für kundenspezifische Modelle, komplexe Optimierungen und Anwendungsfälle, die über den Standardumfang von SAP S/4HANA hinausgehen. Gleichzeitig entstehen zusätzliche Anforderungen an Architektur, Schnittstellen, Datenflüsse, Sicherheit und den Lebenszyklus der Modelle.

Welche Architektur ist die richtige?

Die Entscheidung ist nicht zwingend ein Entweder-oder. In vielen Szenarien kann eine Kombination sinnvoll sein. Integrierte Szenarien sind interessant, wenn die vorhandenen SAP-Funktionen die geschäftlichen Anforderungen abdecken und eine enge Einbindung in Standardprozesse gewünscht ist.

Side-by-Side-Szenarien eignen sich, wenn kundenspezifische Anforderungen, eigene Modelle oder zusätzliche Datenquellen berücksichtigt werden müssen. Die zentrale architektonische Leitlinie bleibt dabei: Der S/4HANA-Kern sollte stabil, wartbar und möglichst upgradefähig bleiben.

Für Führungskräfte lautet die entscheidende Frage daher nicht nur, ob KI eingesetzt werden soll. Entscheidend ist, welcher Anwendungsfall welchen geschäftlichen Nutzen bringt und welche Architektur dafür langfristig sinnvoll ist.

Möchten Sie sehen, wie KI zentrale Geschäftsprozesse unterstützen und automatisieren kann?

Mehr über Einsatzmöglichkeiten und Wirkung erfahren

Mehr lesen

Wo KI in SAP S/4HANA messbaren Mehrwert schaffen kann

KI kann in SAP S/4HANA besonders dort Mehrwert schaffen, wo sie direkt mit Geschäftsdaten und klar definierten Prozessen verbunden wird. Entscheidend ist dabei weniger die Anzahl möglicher KI-Anwendungsfälle als deren konkrete wirtschaftliche Relevanz.

Cashflow-Prognosen auf Basis des Zahlungsverhaltens

Die Liquiditätsplanung basiert häufig auf vertraglichen Zahlungsbedingungen und manuellen Anpassungen. KI-gestützte Analysen können historische Zahlungsmuster berücksichtigen und dadurch zusätzliche Informationen für die kurzfristige Liquiditätsplanung liefern. Anstatt ausschliesslich von vereinbarten Fälligkeiten auszugehen, kann die tatsächliche Zahlungshistorie einzelner Kunden berücksichtigt werden.

Für Finanz- und Treasury-Teams kann dies helfen, potenzielle Liquiditätsengpässe früher zu erkennen und die Planung fundierter zu gestalten.

Bestandsplanung jenseits fester Min-/Max-Regeln

Klassische Nachschubmodelle arbeiten häufig mit Sicherheitsbeständen und definierten Bestellpunkten. Diese Parameter können jedoch bei stark schwankender Nachfrage oder veränderten Beschaffungsbedingungen an ihre Grenzen kommen.

KI-basierte Prognosen können historische Nachfrage, saisonale Muster und aktuelle Verbrauchsdaten analysieren. Dadurch lassen sich Bestandsstrategien stärker an den tatsächlichen Bedarf anpassen. Ziel ist ein ausgewogenes Verhältnis zwischen Lieferfähigkeit, Bestandskosten und gebundenem Kapital.

Margensteuerung durch datenbasierte Preisentscheidungen

Preisentscheidungen basieren häufig auf bestehenden Konditionen, historischen Daten und manuellen Anpassungen. KI kann Absatzmengen, Rabattmuster und Kundenverhalten analysieren und dadurch Hinweise auf mögliche Preis- oder Rabattentscheidungen liefern.

So lassen sich beispielsweise Produkte identifizieren, bei denen zusätzliche Rabatte die Marge reduzieren, ohne einen entsprechenden Mehrwert beim Absatz zu erzeugen.

Das Ziel ist nicht eine vollständig automatisierte Preisgestaltung, sondern eine datenbasierte Unterstützung von Preisentscheidungen innerhalb definierter Geschäftsregeln.

Frühzeitige Erkennung ungewöhnlicher Finanzbuchungen

Machine-Learning-Modelle können historische Buchungsmuster analysieren und Transaktionen identifizieren, die von erwarteten Mustern abweichen.
Solche Buchungen können für eine zusätzliche Prüfung markiert werden.

Dies kann interne Kontrollen unterstützen und dabei helfen, potenzielle Fehler oder Auffälligkeiten früher zu erkennen.

Instandhaltungsplanung auf Basis von Anlagendaten

In Produktionsumgebungen können historische Wartungsdaten, Betriebsstunden und Ausfallmuster für die vorausschauende Instandhaltungsplanung genutzt werden.
Auf dieser Grundlage können Unternehmen das Risiko eines möglichen Anlagenstillstands bewerten und Wartungsaktivitäten gezielter planen.

Das Ziel besteht darin, ungeplante Stillstände zu reduzieren und gleichzeitig unnötige Wartungsmassnahmen zu vermeiden.

Entscheidend: Der konkrete Nutzen hängt immer vom jeweiligen SAP-System, den verfügbaren Daten, der Prozessqualität und dem gewählten KI-Szenario ab.

Einige S/4HANA-Anwender nutzen KI-Tools, um direkt mit dem System zu interagieren.

Erfahren Sie mehr über Lösungen wie SAP Joule für Abfragen in natürlicher Sprache.

Lesen Sie mehr

Wie SAP S/4HANA unstrukturierte Dokumente in strukturierte ERP-Daten überführt

Ein erheblicher Teil der Geschäftsinformationen liegt zunächst nicht als strukturierter ERP-Datensatz vor. Dazu gehören beispielsweise Lieferantenrechnungen, Kundenbestellungen, Lieferscheine und Vertragsdokumente.

In vielen Unternehmen werden solche Informationen noch teilweise manuell erfasst. Das verursacht zusätzlichen Aufwand und kann zu Eingabefehlern führen.

KI-gestützte Dokumentenverarbeitung

SAP bietet Funktionen zur automatisierten Dokumentenverarbeitung und Informationsextraktion. Dabei können relevante Informationen aus Geschäftsdokumenten erkannt und für nachgelagerte Prozesse strukturiert bereitgestellt werden.

Dazu können beispielsweise gehören:

• Lieferanten- oder Kundenname

• Rechnungsnummer und Rechnungsdatum

• Positionen und Mengen

• Netto- und Steuerbeträge

• Zahlungsbedingungen

Die konkreten Funktionen und unterstützten Dokumenttypen hängen vom eingesetzten SAP-Service ab.

Abgleich mit ERP-Daten

Die extrahierten Informationen können anschliessend mit vorhandenen Geschäftsdaten abgeglichen werden.

In der Kreditorenbuchhaltung können Rechnungsinformationen beispielsweise mit Bestellungen, Wareneingängen und Stammdaten verglichen werden.

Entsprechen Mengen und Preise den definierten Kriterien, kann der Prozess automatisiert weitergeführt werden. Bei Abweichungen wird der Vorgang zur Prüfung an eine zuständige Person weitergeleitet.

Ausnahmebehandlung statt manueller Dateneingabe

Die wichtigste Veränderung für Mitarbeitende liegt damit nicht zwingend darin, dass sämtliche Entscheidungen automatisiert werden.

Vielmehr verschiebt sich der Schwerpunkt der Arbeit: Statt Daten wiederholt manuell zu erfassen, prüfen Mitarbeitende vermehrt Ausnahmen und Fälle, bei denen eine zusätzliche Entscheidung erforderlich ist. Bei SAP Document AI können beispielsweise Extraktionsergebnisse mit Konfidenzwerten versehen werden. Dadurch können Benutzer erkennen, bei welchen Informationen eine zusätzliche Prüfung sinnvoll ist.

Über Rechnungen hinaus: Bestellungen und Verträge

Ähnliche Verfahren lassen sich auf weitere dokumentengestützte Geschäftsprozesse anwenden.

Bei Vertragsdokumenten können beispielsweise relevante Informationen wie

• Vertragswert

• Gültigkeitsdaten

• Zahlungsbedingungen

• vereinbarte Verpflichtungen oder Sanktionen

strukturiert erfasst und für nachgelagerte Prozesse verfügbar gemacht werden.

Genauigkeit, Nachvollziehbarkeit und Compliance

Bei der Einführung KI-gestützter Dokumentenprozesse sind Nachvollziehbarkeit, Berechtigungen und Kontrollmechanismen entscheidend.

Die konkrete Datenverarbeitung, Speicherung und Nutzung hängt vom eingesetzten SAP-Service und dessen Konfiguration ab. SAP beschreibt für seine AI-Services entsprechende technische und vertragliche Schutzmechanismen für Kundendaten.

FAQ: Wichtige Fragen zu KI in SAP S/4HANA

 Bei der Einführung von KI verschiebt sich die Diskussion häufig von der Frage „Was ist technisch möglich?“ hin zu konkreten Fragen nach Nutzen, Voraussetzungen, Daten und Risiken.

Welche Voraussetzungen braucht KI in SAP S/4HANA?

Eine belastbare Datenbasis, klar definierte Geschäftsprozesse und eine geeignete Systemarchitektur sind wichtige Voraussetzungen. Auch der Zustand des SAP-Kerns spielt eine Rolle. Ein möglichst standardnahes S/4HANA-System kann die Einführung und Weiterentwicklung von Erweiterungen vereinfachen.

Soll KI direkt in SAP S/4HANA oder auf SAP BTP laufen?

Das hängt vom Anwendungsfall ab.

Wenn vorhandene SAP-Funktionen den Bedarf abdecken, kann eine integrierte Lösung sinnvoll sein. Für individuelle Modelle, komplexere Szenarien oder zusätzliche Datenquellen kann eine Side-by-Side-Architektur auf SAP BTP geeigneter sein. SAP unterstützt beide Ansätze.

Werden Unternehmensdaten für das Training externer KI-Modelle verwendet?

Hier sollte nicht pauschal zwischen „SAP-KI“ und „externer KI“ unterschieden werden. Entscheidend ist der konkrete SAP-Service, die zugrunde liegende Architektur, die Vertragsbedingungen und die Konfiguration. SAP erklärt, dass Kundendaten nicht an Drittanbieter-LLM-Anbieter zum Training ihrer Modelle weitergegeben werden. Gleichzeitig gibt es servicespezifische Regelungen für die Nutzung von Daten innerhalb von SAP-Diensten.

Unternehmen sollten deshalb für jeden konkreten KI-Anwendungsfall prüfen, welche Daten verarbeitet werden, wo sie verarbeitet werden, wie lange sie gespeichert werden und welchen Nutzungsbedingungen der jeweilige Service unterliegt.

Können KI-Ergebnisse nachvollzogen und kontrolliert werden?

KI sollte in geschäftskritischen Prozessen nicht als unkontrollierte Blackbox eingesetzt werden.

Berechtigungen, Genehmigungsprozesse, Prüfungen und Governance müssen weiterhin Teil des Prozessdesigns sein. Welche Erklärungs- oder Konfidenzfunktionen verfügbar sind, hängt vom jeweiligen SAP-KI-Szenario ab.

Welche regulatorischen Anforderungen müssen Schweizer Unternehmen berücksichtigen?

Die regulatorischen Anforderungen hängen vom konkreten Anwendungsfall, den verarbeiteten Daten und den betroffenen Rechtsordnungen ab.

Für Schweizer Unternehmen sind insbesondere Datenschutz, interne Governance, Informationssicherheit und branchenspezifische Anforderungen zu berücksichtigen. Wenn ein Unternehmen zudem in der EU tätig ist oder dort bestimmte KI-Systeme einsetzt, können zusätzlich Anforderungen des EU AI Act relevant sein.

Eine rechtliche Beurteilung sollte immer für den konkreten Anwendungsfall erfolgen.

Klassisches ERP vs. KI-gestütztes SAP S/4HANA

Um die betrieblichen Auswirkungen von KI zu verstehen, ist es hilfreich zu betrachten, wie sich S/4HANA von klassischen ERP-Systemen unterscheidet. Die folgende Tabelle fasst die wichtigsten Bereiche zusammen, in denen KI die Ausführung von Geschäftsprozessen verändert:

Warum die Umsetzung entscheidend ist: Der LeverX-Ansatz für SAP und KI

Technologie allein erzeugt noch keinen geschäftlichen Nutzen. Architektur, Datenqualität, Prozessdesign und die Auswahl geeigneter Anwendungsfälle entscheiden darüber, ob KI im Unternehmensumfeld tatsächlich Mehrwert schafft.

LeverX ist seit 2003 auf SAP-Lösungen spezialisiert und positioniert sich heute als globaler Systemintegrator und SAP Gold Partner. Das aktuelle Unternehmensprofil weist mehr als 900 Kunden in über 45 Ländern, mehr als 1'500 realisierte Projekte und mehr als 500 zertifizierte SAP-Experten aus.

Für Unternehmen, die KI in SAP S/4HANA evaluieren, kann ein strukturierter Ansatz beispielsweise folgende Schritte umfassen:

Unser Ansatz ist strukturiert:

• Systembereitschaft bewerten – einschliesslich SAP-Version, Architektur und Datenqualität.
• Geschäftlich relevante Anwendungsfälle identifizieren – mit klar definierten operativen oder finanziellen Zielgrössen.
• Geeignete Architektur bestimmen – integriertes Szenario oder Side-by-Side-Erweiterung.
• Governance und Verantwortlichkeiten definieren – einschliesslich Datenzugriff, Sicherheit und Überwachung.
• Lösung implementieren und Wirkung messen – statt KI lediglich als technologische Innovation einzuführen.

Das Ziel ist eine kontrollierte Einführung, bei der KI mit bestehenden Geschäftsprozessen, Governance-Anforderungen und Unternehmenszielen in Einklang steht.

Wenn Sie KI in SAP S/4HANA evaluieren, kann eine strukturierte Analyse helfen, technische Voraussetzungen, geeignete Anwendungsfälle und die passende Architektur zu bestimmen. Sprechen Sie mit LeverX über Ihre SAP- und KI-Roadmap.

Praktische Checkliste: Ist Ihr SAP S/4HANA bereit für KI?

Bevor Sie KI in S/4HANA bereitstellen, sollten Sie die folgenden Punkte überprüfen, um Zuverlässigkeit, Compliance und geschäftlichen Nutzen zu maximieren. Diese Checkliste basiert auf bewährten Praktiken aus SAP- und KI-Implementierungen.

• Ist Ihr SAP-S/4HANA-System auf einem geeigneten Release-Stand?

• Wie hoch ist der Anteil kundenspezifischer Entwicklungen im ERP-Kern?

• Sind Stamm- und Bewegungsdaten konsistent und ausreichend vollständig?

• Welche Geschäftsprozesse bieten das grösste Potenzial für Automatisierung oder Entscheidungsunterstützung?

• Welche KI-Funktionen werden bereits von SAP für Ihre Edition und Ihren Release angeboten?

• Wann ist eine integrierte Lösung sinnvoll und wann eine Side-by-Side-Architektur?

• Welche Daten werden verarbeitet und wo?

• Welche Berechtigungs-, Sicherheits- und Governance-Anforderungen gelten?

• Wie werden KI-Ergebnisse geprüft und überwacht?

• Wie lässt sich der geschäftliche Nutzen des jeweiligen Anwendungsfalls messen?

Eine solche Bewertung schafft eine belastbare Grundlage für die nächsten Schritte – von der Auswahl geeigneter Use Cases bis zur Umsetzung einer SAP-KI-Roadmap.

Sie möchten prüfen, ob Ihr SAP-S/4HANA-System für KI bereit ist? Kontaktieren Sie LeverX für ein Gespräch über Ihre konkrete Ausgangssituation.

Nutzen Sie diese Checkliste, um Ihre Bereitschaft zu überprüfen. Wenn Sie Unterstützung bei der Umsetzung dieser Schritte in Ihrer Umgebung benötigen, bietet LeverX Ihnen maßgeschneiderte Bewertungen und Unterstützung unter Nutzung unserer kombinierten SAP- und KI-Expertise.