Agentic AI im SAP-Umfeld: Was Unternehmen jetzt vorbereiten müssen

KI-Agenten kommen schneller als viele Unternehmen erwarten – doch sind Governance, Sicherheit und Organisation bereits darauf vorbereitet?

Einleitung

Agentic AI entwickelt sich derzeit von einem Zukunftskonzept zu einem konkreten Thema für Unternehmenssoftware.

Mit den aktuellen Entwicklungen rund um SAP Business AI und den neuesten Anwendungen der Künstlichen Intelligenz (KI), Joule und AI Agents wird deutlich, dass künstliche Intelligenz künftig nicht nur Informationen bereitstellen oder Empfehlungen aussprechen soll. Systeme werden zunehmend in die Lage versetzt, Aufgaben selbstständig auszuführen, Entscheidungen vorzubereiten und Geschäftsprozesse aktiv zu unterstützen.

Für viele Unternehmen klingt das zunächst nach einer technologischen Entwicklung.

Tatsächlich liegen die größten Herausforderungen jedoch an anderer Stelle.

Die Einführung von Agentic AI ist weniger eine Frage der Technologie als eine Frage von Governance, Verantwortlichkeiten und Vertrauen.

• Wer trägt die Verantwortung, wenn ein AI Agent eine Beschaffungsentscheidung vorbereitet?

• Wie lassen sich Entscheidungen nachvollziehen und auditieren?

• Welche Daten dürfen AI Agents nutzen?

• Welche Rolle spielen Datenschutz, Compliance und regulatorische Anforderungen?

• Und wie verändern sich Prozesse, Rollen und Verantwortlichkeiten, wenn Systeme zunehmend eigenständig handeln können?

Genau diese Fragen werden in den kommenden Jahren darüber entscheiden, welche Unternehmen Agentic AI erfolgreich einsetzen – und welche Projekte an organisatorischen oder regulatorischen Hürden scheitern.

In diesem Artikel betrachten wir Agentic AI aus der Perspektive von CIOs, IT-Verantwortlichen und Transformation Leads. Wir zeigen, welche Auswirkungen AI Agents auf Governance, Sicherheit, Compliance und Unternehmensorganisation haben und welche Voraussetzungen Unternehmen bereits heute schaffen sollten.

Was Agentic AI von klassischer Automatisierung unterscheidet

Unternehmen beschäftigen sich seit Jahren mit der Automatisierung von Geschäftsprozessen.

Workflow-Systeme, Robotic Process Automation (RPA), Process Mining und digitale Assistenten haben dazu beigetragen, Abläufe effizienter zu gestalten und manuelle Aufgaben zu reduzieren.

Auf den ersten Blick könnte Agentic AI wie die nächste Evolutionsstufe dieser Entwicklung wirken.

Tatsächlich geht der Ansatz jedoch deutlich weiter.

Während klassische Automatisierung darauf ausgelegt ist, vordefinierte Regeln auszuführen, verfolgt Agentic AI ein anderes Ziel:

Systeme sollen nicht nur Aufgaben bearbeiten, sondern eigenständig Situationen bewerten, Handlungsoptionen identifizieren und Maßnahmen vorbereiten oder ausführen können.

Von Regeln zu Zielen

Traditionelle Automatisierung basiert auf einem einfachen Prinzip:

Wenn Ereignis A eintritt, wird Aktion B ausgelöst.

Dieses Modell funktioniert hervorragend bei standardisierten Prozessen mit klar definierten Abläufen.

Beispiele sind:

• Rechnungsverarbeitung
• Genehmigungsworkflows
• Stammdatenpflege
• Bestandsaktualisierungen
• Standardberichte

Agentic AI arbeitet dagegen nicht ausschließlich regelbasiert.

AI Agents – häufig auch als KI-Agenten bezeichnet – erhalten ein Ziel oder einen Geschäftskontext und können eigenständig verschiedene Schritte kombinieren, um dieses Ziel zu erreichen.

Dadurch entsteht ein deutlich höheres Maß an Flexibilität.

Der Unterschied auf einen Blick

Ein praktisches Beispiel aus dem Einkauf

Nehmen wir einen drohenden Materialengpass.

In einer klassischen Automatisierungslösung wird eine Benachrichtigung ausgelöst, sobald ein definierter Grenzwert unterschritten wird.

Der weitere Prozess liegt beim Mitarbeiter.

Ein AI Agent könnte dagegen:

• alternative Lieferanten identifizieren
• historische Leistungsdaten auswerten
• Auswirkungen auf Produktion und Kundenaufträge analysieren
• verschiedene Szenarien simulieren
• einen konkreten Beschaffungsvorschlag vorbereiten

Der Mitarbeiter bleibt weiterhin verantwortlich.

Er muss jedoch deutlich weniger Zeit für Recherche, Analyse und Koordination aufwenden.

Ähnliche Szenarien entstehen zunehmend auch in anderen SAP-Prozessen.

Im Einkauf könnten AI Agents beispielsweise Beschaffungsentscheidungen in SAP Ariba vorbereiten. In der Supply Chain könnten sie Planungsabweichungen in SAP IBP analysieren. Im Lagerumfeld könnten sie Prioritäten in SAP EWM bewerten. Auch in HR-Prozessen innerhalb von SAP SuccessFactors werden künftig intelligente Assistenten und Agenten eine stärkere Rolle spielen.

Dadurch wird deutlich, dass Agentic AI kein isoliertes Technologie-Thema ist, sondern zahlreiche Geschäftsbereiche entlang der gesamten SAP-Landschaft betrifft.

Warum dieser Unterschied so relevant ist

Genau hier liegt die eigentliche Bedeutung von Agentic AI.

Die Technologie verändert nicht nur die Art und Weise, wie Prozesse ausgeführt werden.

Sie verändert die Art und Weise, wie Entscheidungen vorbereitet werden.

Dadurch verschiebt sich der Fokus von reiner Automatisierung hin zu intelligenter Entscheidungsunterstützung.

Für Unternehmen entstehen dadurch neue Chancen.

Gleichzeitig entstehen jedoch auch neue Fragen rund um Verantwortung, Transparenz und Kontrolle.

Denn je stärker Systeme eigenständig handeln können, desto wichtiger wird die Frage, wer diese Handlungen steuert und überwacht.

Agentic AI verändert nicht nur Prozesse, sondern auch Verantwortlichkeiten. Erfahren Sie, wie Sie Governance, Sicherheit und Compliance für den Einsatz von AI Agents vorbereiten können.
Mit einem SAP-Experten sprechen

Warum Agentic AI neue Governance-Fragen schafft

Die aktuellen Entwicklungen rund um SAP Business AI, Joule und Agentic AI konzentrieren sich häufig auf technologische Möglichkeiten.

• Wie intelligent sind AI Agents?

• Welche Aufgaben können sie übernehmen?

• Wie stark lässt sich Automatisierung ausbauen?

Für Unternehmen sind jedoch häufig andere Fragen entscheidend.

Wer trägt die Verantwortung, wenn ein AI Agent eine Handlung vorbereitet oder ausführt?

Genau hier beginnt die Governance-Diskussion.

Je autonomer Systeme werden, desto wichtiger werden Verantwortlichkeiten

Bei klassischen Softwarelösungen sind Verantwortlichkeiten in der Regel klar definiert.

Ein Benutzer führt eine Aktion aus.

Das System dokumentiert diese Aktion.

Die Verantwortung liegt beim Anwender.

Mit Agentic AI entsteht eine neue Situation.

Ein AI Agent kann:

• Informationen sammeln
• Daten analysieren
• Optionen bewerten
• Empfehlungen erstellen
• Prozessschritte initiieren

Dadurch verschwimmen die Grenzen zwischen menschlicher Entscheidung und maschineller Unterstützung.

Unternehmen müssen daher frühzeitig definieren:

• Welche Entscheidungen dürfen AI Agents vorbereiten?
• Welche Entscheidungen dürfen sie eigenständig ausführen?
• Welche Entscheidungen erfordern immer eine menschliche Freigabe?

Human-in-the-Loop wird zum Schlüsselfaktor

Eine der wichtigsten Governance-Maßnahmen besteht darin, klare Kontrollmechanismen zu etablieren.

Hier kommt das Prinzip des Human-in-the-Loop ins Spiel.

Dabei bleibt ein Mensch an entscheidenden Stellen des Prozesses eingebunden und kann Empfehlungen überprüfen, bestätigen oder ablehnen.

Nicht jede Entscheidung benötigt dieselbe Form der Kontrolle.

Die Freigabe einer Reisekostenabrechnung stellt andere Anforderungen als eine Beschaffungsentscheidung mit hohem Einkaufsvolumen oder eine Änderung kritischer Produktionsparameter.

Deshalb sollten Unternehmen Governance-Regeln risikobasiert gestalten.

Transparenz und Nachvollziehbarkeit werden geschäftskritisch

Eine weitere Herausforderung betrifft die Nachvollziehbarkeit von Entscheidungen.

Wenn ein AI Agent eine Empfehlung ausspricht oder einen Prozessschritt auslöst, müssen Unternehmen verstehen können:

• welche Daten verwendet wurden
• welche Regeln berücksichtigt wurden
• welche Faktoren die Entscheidung beeinflusst haben
• warum bestimmte Handlungsoptionen priorisiert wurden

Diese Transparenz ist nicht nur für interne Governance relevant.

Sie wird zunehmend auch für regulatorische Anforderungen, Audits und Compliance-Prozesse erforderlich.

Governance darf kein nachträglicher Gedanke sein

Viele Unternehmen betrachten Governance erst dann, wenn die ersten AI-Anwendungsfälle produktiv gehen.

Genau das kann langfristig zu Problemen führen.

Erfolgreiche Organisationen entwickeln Governance-Strukturen parallel zu ihren AI-Initiativen.

Sie definieren Verantwortlichkeiten, Rollen, Kontrollmechanismen und Dokumentationsanforderungen bereits in frühen Projektphasen.

Dadurch lassen sich Risiken reduzieren, Vertrauen schaffen und zukünftige Skalierungsprobleme vermeiden.

Die wichtigste Governance-Frage

Die entscheidende Frage lautet nicht:

„Was kann ein AI Agent tun?"

Die entscheidende Frage lautet:

„Was darf ein AI Agent tun?"

Genau diese Unterscheidung wird in den kommenden Jahren darüber entscheiden, ob Agentic AI zu einem kontrollierbaren Wettbewerbsvorteil oder zu einem neuen Risikofaktor wird.

Governance entscheidet darüber, ob Agentic AI skalierbar eingesetzt werden kann. Sprechen Sie mit unseren Experten über Rollen, Kontrollmechanismen und AI Governance in SAP-Umgebungen.
AI Governance besprechen

Sicherheit und Compliance: Die größten Risiken von Agentic AI

Agentic AI eröffnet Unternehmen neue Möglichkeiten zur Automatisierung und Entscheidungsunterstützung.

Gleichzeitig steigt jedoch auch die Komplexität der Sicherheits- und Compliance-Anforderungen.

Je mehr Handlungsspielraum AI Agents erhalten, desto wichtiger wird die Kontrolle darüber, auf welche Daten sie zugreifen dürfen, welche Entscheidungen sie beeinflussen können und wie ihre Aktivitäten überwacht werden.

Für viele Unternehmen wird deshalb nicht die Technologie selbst zur größten Herausforderung, sondern ihr sicherer und kontrollierter Einsatz.

Datenzugriff: Wer darf was sehen?

KI-Agenten benötigen Zugriff auf Informationen, um Geschäftsprozesse verstehen und unterstützen zu können.

Dabei stellt sich schnell eine zentrale Frage:

Auf welche Daten darf ein Agent überhaupt zugreifen?

In vielen Unternehmen befinden sich sensible Informationen in ERP-Systemen, Finanzanwendungen, HR-Lösungen oder Dokumentenmanagement-Plattformen.

Dazu gehören beispielsweise:

• Kundendaten
• Finanzinformationen
• Vertragsdaten
• Lieferanteninformationen
• personenbezogene Daten

Ohne klare Zugriffsregeln besteht das Risiko, dass AI Agents Informationen nutzen, die für ihre Aufgabe nicht erforderlich sind.

Das Prinzip der minimalen Berechtigung („Least Privilege“) wird daher auch im Zeitalter von Agentic AI zu einem zentralen Sicherheitskonzept.

Rollen und Berechtigungen gewinnen an Bedeutung

Viele Unternehmen verfügen bereits heute über etablierte Rollen- und Berechtigungskonzepte.

Mit Agentic AI müssen diese Modelle jedoch erweitert werden.

Unternehmen sollten definieren:

• welche Agenten auf welche Daten zugreifen dürfen
• welche Aktionen erlaubt sind
• welche Entscheidungen eine zusätzliche Freigabe erfordern
• welche Aktivitäten protokolliert werden müssen

Besonders in komplexen SAP-Landschaften wird die Governance von Rollen und Berechtigungen zu einem kritischen Erfolgsfaktor.

Datenschutz und DSGVO bleiben zentrale Anforderungen

Auch wenn AI Agents neue Möglichkeiten schaffen, ändern sich die regulatorischen Anforderungen nicht.

Unternehmen müssen weiterhin sicherstellen, dass personenbezogene Daten entsprechend der DSGVO verarbeitet werden.

Dazu gehören unter anderem:

• Transparenz über die Datenverarbeitung
• Nachvollziehbarkeit von Entscheidungen
• Datenminimierung
• Zugriffskontrollen
• Dokumentationspflichten

Gerade bei AI-gestützten Entscheidungen erwarten Aufsichtsbehörden und Stakeholder zunehmend Transparenz darüber, wie Ergebnisse zustande kommen.

Schatten-IT erhält eine neue Dimension

Neben technischen Risiken entsteht in vielen Unternehmen eine weitere Herausforderung.

Mitarbeiter nutzen zunehmend öffentlich verfügbare AI-Werkzeuge, um Informationen zu analysieren, Inhalte zu erstellen oder Entscheidungen vorzubereiten.

Ohne klare Richtlinien und Governance-Strukturen kann daraus eine neue Form von Schatten-IT entstehen, bei der sensible Unternehmensdaten außerhalb definierter Unternehmensprozesse verarbeitet werden.

Unternehmen sollten deshalb frühzeitig festlegen, welche AI-Lösungen genutzt werden dürfen und wie der Umgang mit Unternehmensdaten geregelt wird.

Der EU AI Act verändert die Rahmenbedingungen

Zusätzlich gewinnt der AI Act der Europäischen Union an Bedeutung.

Der regulatorische Fokus verschiebt sich zunehmend von der Technologie selbst hin zu ihrem konkreten Einsatz.

Unternehmen müssen künftig stärker bewerten:

• welche Risiken mit einer AI-Anwendung verbunden sind
• welche Kontrollmechanismen implementiert wurden
• wie Transparenz und Nachvollziehbarkeit sichergestellt werden
• welche Governance-Prozesse existieren

Für viele Organisationen wird dies zu einer neuen Managementaufgabe, die IT, Fachbereiche, Datenschutz, Compliance und Unternehmensführung gemeinsam betrifft.

Sicherheit beginnt nicht bei der AI

Ein häufiger Fehler besteht darin, Sicherheit ausschließlich als AI-Thema zu betrachten.

Tatsächlich beginnen viele Risiken deutlich früher.

Unzureichende Datenqualität, fehlende Governance-Strukturen, unklare Verantwortlichkeiten oder veraltete Berechtigungskonzepte können dazu führen, dass sich bestehende Schwachstellen durch Agentic AI lediglich schneller und in größerem Umfang auswirken.

Deshalb sollten Unternehmen Sicherheit, Compliance und Governance als integralen Bestandteil ihrer Agentic-AI-Strategie betrachten – und nicht als nachträgliche Kontrollinstanz.

Die eigentliche Herausforderung

Die größte Herausforderung besteht nicht darin, leistungsfähige AI Agents einzuführen.

Die eigentliche Herausforderung besteht darin, Vertrauen in deren Entscheidungen und Handlungen zu schaffen.

Denn nur wenn Unternehmen Transparenz, Sicherheit und Compliance gewährleisten können, wird Agentic AI langfristig akzeptiert und erfolgreich skaliert werden.

Agentic AI erfordert mehr als neue Technologien. Sie benötigt klare Sicherheits-, Compliance- und Governance-Konzepte.
Mit unseren SAP-Experten sprechen

Welche organisatorischen Veränderungen Unternehmen erwarten sollten

Die Einführung von Agentic AI wird häufig als technologische Entwicklung betrachtet.

In der Praxis werden die größten Veränderungen jedoch häufig auf organisatorischer Ebene stattfinden.

Denn sobald AI Agents Prozesse unterstützen, Entscheidungen vorbereiten oder Aufgaben eigenständig ausführen können, verändern sich auch Rollen, Verantwortlichkeiten und Arbeitsweisen.

Unternehmen sollten sich daher nicht nur auf Technologie und Infrastruktur konzentrieren.

Sie sollten sich ebenso früh mit den organisatorischen Auswirkungen auseinandersetzen.

Rollen verändern sich – sie verschwinden nicht

Eine der häufigsten Sorgen im Zusammenhang mit Agentic AI betrifft den möglichen Ersatz von Arbeitsplätzen.

In den meisten Unternehmensprozessen wird die Realität jedoch deutlich differenzierter aussehen.

AI Agents übernehmen vor allem:

• Rechercheaufgaben
• Datenauswertungen
• Routineentscheidungen
• Prozesskoordination
• administrative Tätigkeiten

Dadurch verschiebt sich der Fokus vieler Mitarbeiter.

Weniger Zeit wird für Informationsbeschaffung und operative Abstimmungen benötigt.

Mehr Zeit kann in Bewertung, Priorisierung und strategische Entscheidungen investiert werden.

Die zentrale Herausforderung besteht nicht darin, Menschen zu ersetzen.

Die Herausforderung besteht darin, Menschen und AI sinnvoll zusammenarbeiten zu lassen.

Wo entsteht der geschäftliche Nutzen?

Die Diskussion über Agentic AI konzentriert sich häufig auf Technologie und Risiken.

Ebenso wichtig ist jedoch die Frage nach dem konkreten Geschäftswert.

Unternehmen erwarten insbesondere:

• schnellere Entscheidungen

• weniger manuelle Abstimmungen

• höhere Produktivität

• geringere Prozesskosten

• bessere Reaktionsfähigkeit auf Marktveränderungen

Der größte Nutzen entsteht dabei häufig nicht durch die vollständige Automatisierung von Prozessen, sondern durch die Beschleunigung von Analyse-, Koordinations- und Entscheidungsprozessen.

Gerade in komplexen Unternehmensumgebungen kann dies erhebliche Auswirkungen auf Effizienz und Wettbewerbsfähigkeit haben.

Neue Verantwortlichkeiten entstehen

Mit Agentic AI entstehen Aufgaben, die es in vielen Unternehmen bisher nicht gab.

Dazu gehören beispielsweise:

• Definition von Governance-Richtlinien
• Überwachung von AI-Systemen
• Qualitätssicherung von AI-Ergebnissen
• Risikobewertung
• Modell- und Agentenmanagement

Viele Unternehmen werden deshalb neue Rollen etablieren oder bestehende Verantwortlichkeiten erweitern müssen.

Prozessverantwortung wird wichtiger

Je stärker AI Agents Prozesse beeinflussen, desto wichtiger wird die Frage nach klaren Verantwortlichkeiten.

Wer entscheidet darüber, welche Ziele ein Agent verfolgen darf?

Wer definiert Eskalationsregeln?

Wer bewertet die Qualität der Ergebnisse?

Wer trägt die Verantwortung bei Fehlentscheidungen?

Diese Fragen lassen sich nicht ausschließlich durch die IT beantworten.

Sie erfordern eine enge Zusammenarbeit zwischen Fachbereichen, Compliance, Datenschutz und Unternehmensführung.

AI-Kompetenz wird zum Erfolgsfaktor

Technologie allein reicht nicht aus.

Mitarbeiter und Führungskräfte müssen verstehen:

• wie AI Agents arbeiten
• welche Aufgaben sie übernehmen können
• wo ihre Grenzen liegen
• welche Risiken berücksichtigt werden müssen

Unternehmen, die frühzeitig in AI-Kompetenzen investieren, schaffen die Grundlage für eine schnellere und sicherere Einführung neuer Technologien.

Change Management wird zum entscheidenden Erfolgsfaktor

Viele AI-Initiativen scheitern nicht an der Technologie.

Sie scheitern an mangelnder Akzeptanz.

Mitarbeiter müssen verstehen:

• warum Agentic AI eingeführt wird
• welchen Nutzen sie bringt
• wie sich Arbeitsweisen verändern
• welche Unterstützung zur Verfügung steht

Deshalb sollte Change Management nicht erst nach der technischen Implementierung beginnen.

Es sollte von Anfang an Teil der Transformationsstrategie sein.

Die erfolgreichsten Unternehmen verfolgen einen ganzheitlichen Ansatz

Erfolgreiche Organisationen betrachten Agentic AI nicht als isoliertes Technologieprojekt.

Sie kombinieren:

• Technologie
• Governance
• Sicherheit
• Compliance
• Change Management
• Organisationsentwicklung

Erst das Zusammenspiel dieser Faktoren ermöglicht eine nachhaltige Einführung von Agentic AI.

Die eigentliche Transformation

Die Einführung von Agentic AI wird nicht nur die Art verändern, wie Unternehmen arbeiten.

Sie wird auch verändern, wie Entscheidungen vorbereitet, Verantwortlichkeiten definiert und Zusammenarbeit organisiert werden.

Genau deshalb ist Agentic AI nicht nur ein Technologieprojekt.

Es ist ein Organisationsprojekt.

Technologie allein macht noch keine erfolgreiche Transformation. Entscheidend sind Menschen, Prozesse und Governance.
Agentic-AI-Strategie besprechen

Warum Clean Core und SAP S/4HANA für Agentic AI wichtiger werden

Die Diskussion über Agentic AI konzentriert sich häufig auf Modelle, Agenten und neue Anwendungsfälle.

Dabei wird eine entscheidende Voraussetzung oft übersehen:

Je autonomer Systeme agieren sollen, desto wichtiger wird die Qualität der zugrunde liegenden Unternehmensarchitektur.

AI Agents können nur so effektiv arbeiten wie die Prozesse, Daten und Systeme, auf die sie zugreifen.

Deshalb rücken Themen wie SAP S/4HANA, Clean Core und moderne Integrationsarchitekturen zunehmend in den Mittelpunkt der Diskussion.

Gleichzeitig schaffen sie die Grundlage für den erfolgreichen Einsatz von SAP Business AI und zukünftigen AI-Agent-Szenarien.

Agentic AI benötigt eine konsistente Datenbasis

Ein AI Agent trifft keine Entscheidungen im luftleeren Raum.

Er bewertet Informationen, analysiert Zusammenhänge und leitet Handlungsempfehlungen aus den verfügbaren Daten ab.

Sind diese Daten:

• unvollständig,
• widersprüchlich,
• redundant oder
• veraltet,

werden auch die Ergebnisse entsprechend unzuverlässig sein.

Gerade deshalb gewinnen moderne ERP-Plattformen wie SAP S/4HANA an Bedeutung.

Sie schaffen eine zentrale Datenbasis und ermöglichen einen konsistenteren Geschäftskontext über verschiedene Prozesse hinweg.

Standardisierte Prozesse werden zum Wettbewerbsvorteil

Viele Unternehmen verfügen über historisch gewachsene SAP-Landschaften mit individuellen Anpassungen und Sonderprozessen.

Solange Entscheidungen überwiegend manuell getroffen werden, lassen sich viele dieser Komplexitäten durch Erfahrung und Expertenwissen kompensieren.

Bei Agentic AI wird dies deutlich schwieriger.

AI Agents benötigen nachvollziehbare Prozesse, eindeutige Datenstrukturen und klar definierte Abläufe.

Je stärker Unternehmen standardisieren, desto einfacher lassen sich AI-Anwendungen skalieren.

Warum Clean Core an Bedeutung gewinnt

Die zunehmende Verbreitung von Agentic AI verstärkt einen Trend, der bereits seit mehreren Jahren sichtbar ist:

Den Übergang zu einer Clean-Core-Strategie.

Ein sauberer ERP-Kern erleichtert es Unternehmen,

• Innovationen schneller einzuführen,
• neue SAP-Funktionen zu nutzen,
• Upgrades effizient umzusetzen,
• Integrationen zu vereinfachen und
• AI-Anwendungen sicher zu skalieren.

Je stärker Geschäftsprozesse auf Standards aufbauen, desto einfacher können AI Agents diese Prozesse verstehen und unterstützen.

SAP BTP wird zur Integrationsschicht

In den meisten Unternehmen befinden sich relevante Informationen nicht ausschließlich im ERP-System.

Daten und Prozesse verteilen sich auf zahlreiche SAP- und Non-SAP-Anwendungen.

Hier kommt die SAP Business Technology Platform (SAP BTP) ins Spiel.

Sie ermöglicht die Integration von Daten, Prozessen und Erweiterungen und bildet damit eine wichtige Grundlage für zukünftige Agentic-AI-Szenarien.

Ohne eine leistungsfähige Integrations- und Datenarchitektur wird es schwierig, AI Agents einen vollständigen und verlässlichen Geschäftskontext bereitzustellen.

Die eigentliche Herausforderung liegt nicht in den Agents selbst

Viele Unternehmen beschäftigen sich aktuell mit der Frage, welche AI Agents sie zukünftig einsetzen möchten.

Langfristig wird jedoch eine andere Frage wichtiger sein:

Ist die bestehende SAP-Landschaft überhaupt bereit, diese Agents sinnvoll zu unterstützen?

Denn Agentic AI verstärkt bestehende Stärken und Schwächen.

Unternehmen mit standardisierten Prozessen, hoher Datenqualität und moderner Architektur werden schneller von neuen Technologien profitieren.

Organisationen mit fragmentierten Datenlandschaften und komplexen Sonderentwicklungen werden dagegen zunächst ihre Grundlagen modernisieren müssen.

Architektur wird zum Erfolgsfaktor

Die Einführung von Agentic AI beginnt nicht mit einem Agent.

Sie beginnt mit Daten, Prozessen und Architektur.

Genau deshalb werden SAP S/4HANA, Clean Core und SAP BTP in den kommenden Jahren eine zentrale Rolle auf dem Weg zu skalierbaren und vertrauenswürdigen Agentic-AI-Szenarien spielen.

Agentic AI benötigt mehr als neue Technologien. Sie benötigt die richtige SAP-Architektur.
SAP-Architektur bewerten

Agentic-AI-Readiness: 10 Fragen für CIOs und Transformation Leads

Viele Unternehmen beschäftigen sich derzeit intensiv mit AI Agents, generativer AI und neuen Automatisierungsmöglichkeiten.

Die entscheidende Frage lautet jedoch nicht, welche Technologien verfügbar sind.

Die entscheidende Frage lautet:

Ist die Organisation bereit, diese Technologien kontrolliert und skalierbar einzusetzen?

Agentic AI erfordert mehr als moderne Software.

Sie setzt eine Kombination aus Datenqualität, Governance, Sicherheit, Architektur und organisatorischer Reife voraus.

Die folgenden zehn Fragen helfen dabei, den aktuellen Reifegrad der eigenen Organisation besser einzuschätzen.

1. Verfügen wir über eine klare AI-Strategie?

AI-Initiativen sollten nicht isoliert entstehen.

Unternehmen benötigen eine klare Vorstellung davon, welche Geschäftsziele durch Agentic AI unterstützt werden sollen.

2. Sind unsere Daten vertrauenswürdig?

AI Agents können nur auf Basis der Informationen arbeiten, die ihnen zur Verfügung stehen.

Fehlende Datenqualität wird sich unmittelbar auf die Qualität von Entscheidungen und Empfehlungen auswirken.

3. Existieren Governance-Strukturen für AI?

Wer definiert Regeln?

Wer genehmigt neue AI-Anwendungsfälle?

Wer trägt Verantwortung für Risiken?

Diese Fragen sollten vor dem produktiven Einsatz beantwortet werden.

4. Gibt es klare Rollen und Verantwortlichkeiten?

Agentic AI verändert Entscheidungsprozesse.

Deshalb müssen Verantwortlichkeiten zwischen Fachbereichen, IT, Compliance und Management eindeutig definiert sein.

5. Sind unsere Kernprozesse ausreichend standardisiert?

Je stärker Prozesse standardisiert sind, desto einfacher lassen sich AI Agents skalieren und kontrollieren.

6. Ist unsere SAP-Landschaft ausreichend integriert?

AI Agents benötigen Kontext.

Dieser entsteht nur dann, wenn Daten und Prozesse systemübergreifend zusammengeführt werden können.

7. Verfügen wir über moderne Sicherheits- und Berechtigungskonzepte?

AI Agents sollten ausschließlich auf Informationen zugreifen können, die für ihre Aufgaben erforderlich sind.

8. Können Entscheidungen nachvollzogen und auditiert werden?

Transparenz und Nachvollziehbarkeit werden zunehmend zu regulatorischen und geschäftlichen Anforderungen.

9. Ist unsere Architektur auf zukünftige Innovationen vorbereitet?

Moderne Plattformen wie SAP S/4HANA und die SAP Business Technology Platform (SAP BTP) erleichtern die Einführung neuer AI-Funktionen erheblich.

10. Sind unsere Mitarbeiter auf diese Veränderung vorbereitet?

Agentic AI ist nicht nur eine technologische Transformation.

Sie verändert Arbeitsweisen, Rollen und Entscheidungsprozesse.

So lässt sich das Ergebnis interpretieren

8–10 Mal Ja

Ihre Organisation verfügt bereits über viele Voraussetzungen, um Agentic AI kontrolliert und skalierbar einzuführen.

5–7 Mal Ja

Die Grundlagen sind teilweise vorhanden. Bevor umfangreiche Agentic-AI-Initiativen gestartet werden, sollten Governance, Datenqualität und Architektur gezielt weiterentwickelt werden.

0–4 Mal Ja

Der größte Hebel liegt derzeit wahrscheinlich nicht in zusätzlichen AI-Anwendungsfällen, sondern im Aufbau der notwendigen organisatorischen und technologischen Grundlagen.

Die wichtigste Erkenntnis

Viele Unternehmen betrachten Agentic AI als Technologieprojekt.

Tatsächlich handelt es sich um ein Transformationsprojekt.

Die Organisationen, die in den kommenden Jahren den größten Nutzen aus Agentic AI ziehen werden, sind nicht zwangsläufig diejenigen mit den meisten Agents.

Es werden die Unternehmen sein, die die besten Voraussetzungen geschaffen haben.

Wie bereit ist Ihre SAP-Landschaft für Agentic AI? Gemeinsam bewerten wir Architektur, Governance, Datenqualität und organisatorische Voraussetzungen.
AI Readiness Assessment anfragen

Eine Roadmap für die nächsten 24 Monate: Wie Unternehmen sich auf Agentic AI vorbereiten können

Die meisten Unternehmen stehen heute noch am Anfang ihrer Agentic-AI-Reise.

Das ist kein Nachteil.

Tatsächlich befindet sich die Technologie in vielen Bereichen noch in einer frühen Phase, während Governance-Modelle, regulatorische Anforderungen und Best Practices weiterhin entstehen.

Deshalb sollte das Ziel nicht darin bestehen, möglichst schnell möglichst viele AI Agents einzuführen.

Erfolgreicher ist ein strukturierter Ansatz, der Technologie, Governance und Organisation gleichermaßen berücksichtigt.

Phase 1: Grundlagen schaffen (0–6 Monate)

In der ersten Phase sollten Unternehmen Transparenz über ihre Ausgangssituation gewinnen.

Zu den wichtigsten Aufgaben gehören:

• Bewertung der aktuellen AI- und Datenstrategie
• Analyse von Datenqualität und Data Governance
• Überprüfung bestehender Sicherheits- und Berechtigungskonzepte
• Identifikation potenzieller Agentic-AI-Anwendungsfälle
• Aufbau eines Governance-Rahmens
• Definition von Rollen und Verantwortlichkeiten

Der Fokus liegt zunächst nicht auf AI Agents selbst.

Der Fokus liegt auf den Voraussetzungen, die ihren sicheren Einsatz ermöglichen.

Phase 2: Architektur und Governance stärken (6–12 Monate)

Sobald Transparenz geschaffen wurde, sollten Unternehmen ihre technologische und organisatorische Grundlage gezielt weiterentwickeln.

Dazu gehören insbesondere:

• Verbesserung der Datenqualität
• Modernisierung der ERP-Landschaft
• Weiterentwicklung von Governance-Strukturen
• Standardisierung kritischer Geschäftsprozesse
• Ausbau von Integrationsplattformen
• Weiterentwicklung von Sicherheits- und Compliance-Konzepten

Gerade in dieser Phase gewinnen Themen wie SAP S/4HANA, SAP Business Technology Platform (SAP BTP) und eine nachhaltige Clean-Core-Strategie zunehmend an Bedeutung.

Phase 3: Kontrollierte Pilotprojekte starten (12–18 Monate)

Erst wenn Governance und Architektur ausreichend vorbereitet sind, sollten Unternehmen erste Agentic-AI-Szenarien produktiv testen.

Geeignete Anwendungsfelder sind häufig:

• Beschaffung
• Kundenservice
• Dokumentenverarbeitung
• Wissensmanagement
• Planung und Forecasting

Wichtig ist dabei ein realistischer Ansatz.

Nicht jeder Prozess eignet sich unmittelbar für autonome Entscheidungen.

Pilotprojekte sollten zunächst in kontrollierten Umgebungen stattfinden und klare Erfolgskriterien besitzen.

Phase 4: Skalierung und kontinuierliche Optimierung (18–24 Monate)

Nach erfolgreichen Pilotprojekten können Unternehmen den Einsatz von Agentic AI schrittweise ausweiten.

Dabei sollten sie kontinuierlich überprüfen:

• Datenqualität
• Governance-Prozesse
• Sicherheitsanforderungen
• Compliance-Vorgaben
• organisatorische Auswirkungen

Agentic AI ist keine einmalige Implementierung.

Sie entwickelt sich kontinuierlich weiter und erfordert eine laufende Anpassung von Prozessen, Richtlinien und Technologien.

Die größte Herausforderung der nächsten Jahre

Viele Unternehmen konzentrieren sich aktuell auf die Frage, welche AI Agents zukünftig verfügbar sein werden.

Die strategisch wichtigere Frage lautet jedoch:

Wie schaffen wir die Voraussetzungen, um Agentic AI sicher, transparent und skalierbar einzusetzen?

Genau hier wird sich in den kommenden Jahren der Unterschied zwischen erfolgreichen Pilotprojekten und nachhaltiger Transformation entscheiden.

Die Unternehmen mit dem größten Vorsprung

Die erfolgreichsten Unternehmen werden nicht diejenigen sein, die zuerst einen AI Agent produktiv einsetzen.

Es werden die Unternehmen sein, die frühzeitig in Datenqualität, Governance, Sicherheit und moderne Architektur investieren.

Langfristig werden nicht allein die schnellsten Unternehmen profitieren, sondern vor allem diejenigen, die frühzeitig die richtigen organisatorischen und technologischen Voraussetzungen schaffen.

Agentic AI belohnt die am besten vorbereiteten Unternehmen.

Von Governance bis SAP-Architektur: Wir unterstützen Unternehmen dabei, die Grundlagen für Agentic AI zu schaffen.
Strategiegespräch vereinbaren

Fazit

Agentic AI wird in den kommenden Jahren zahlreiche Geschäftsprozesse verändern.

AI Agents werden Informationen analysieren, Handlungsempfehlungen erstellen, Prozesse koordinieren und Unternehmen dabei unterstützen, Entscheidungen schneller und fundierter zu treffen.

Die eigentliche Herausforderung liegt jedoch nicht in der Technologie.

Sie liegt in der Fähigkeit von Unternehmen, diese Technologie kontrolliert, transparent und verantwortungsvoll einzusetzen.

Genau deshalb sollten Organisationen Agentic AI nicht ausschließlich als Innovationsprojekt betrachten.

Es handelt sich ebenso um ein Governance-, Sicherheits- und Transformationsprojekt.

Unternehmen müssen neue Verantwortlichkeiten definieren, Kontrollmechanismen etablieren, Datenqualität sicherstellen und ihre bestehende Architektur auf zukünftige Anforderungen vorbereiten.

Dabei wird sich eine Entwicklung besonders deutlich zeigen:

Je autonomer Systeme werden, desto wichtiger werden Transparenz, Nachvollziehbarkeit und Vertrauen.

Die entscheidende Frage lautet daher nicht:

„Wann werden AI Agents Teil unserer Geschäftsprozesse?"

Für viele Unternehmen hat diese Entwicklung bereits begonnen.

Die entscheidende Frage lautet:

„Sind wir organisatorisch, technologisch und regulatorisch darauf vorbereitet?"

Die Unternehmen, die diese Frage frühzeitig beantworten, werden Agentic AI nicht nur sicherer einsetzen können.

Sie werden auch deutlich schneller von den entstehenden Chancen profitieren.

Denn die Zukunft gehört nicht den Unternehmen mit den meisten AI Agents.

Sie gehört den Unternehmen, die gelernt haben, sie verantwortungsvoll zu steuern.

Bereiten Sie Ihre SAP-Landschaft auf Agentic AI vor – mit der richtigen Strategie, Governance und Architektur.
Mit einem Experten sprechen

Häufig gestellte Fragen zu Agentic AI im SAP-Umfeld

Was ist Agentic AI?

Agentic AI beschreibt AI-Systeme, die nicht nur Informationen bereitstellen oder Empfehlungen aussprechen, sondern eigenständig Aufgaben koordinieren, Entscheidungen vorbereiten und bestimmte Aktionen ausführen können. Im Unternehmenskontext kommen solche Fähigkeiten zunehmend in Form von AI Agents zum Einsatz.

Was ist der Unterschied zwischen Agentic AI und generativer AI?

Generative AI erzeugt Inhalte wie Texte, Bilder oder Zusammenfassungen. Agentic AI geht einen Schritt weiter. Sie kann Ziele verfolgen, Informationen aus verschiedenen Quellen zusammenführen und mehrere Schritte selbstständig koordinieren, um eine Aufgabe zu erfüllen.

Was ist der Unterschied zwischen Agentic AI und klassischer Automatisierung?

Klassische Automatisierung folgt vordefinierten Regeln und Workflows. Agentic AI arbeitet stärker kontext- und zielorientiert. AI Agents können Situationen analysieren, Optionen bewerten und Handlungen dynamisch anpassen.

Welche Rolle spielen AI Agents bzw. KI-Agenten im SAP-Umfeld?

AI Agents sollen Unternehmen dabei unterstützen, Prozesse effizienter zu gestalten, Entscheidungen vorzubereiten und Routineaufgaben zu automatisieren. Mögliche Einsatzbereiche reichen von Beschaffung und Kundenservice bis hin zu Planung, Finanzwesen und Supply Chain Management.

Benötigt man SAP S/4HANA für Agentic AI?

Technisch betrachtet nicht für jedes Szenario. Moderne ERP-Plattformen wie SAP S/4HANA bieten jedoch eine deutlich bessere Grundlage für Agentic AI, da sie konsistente Daten, standardisierte Prozesse und einen integrierten Geschäftskontext bereitstellen.

Warum ist Governance bei Agentic AI so wichtig?

Je mehr Handlungsspielraum AI Agents bzw. KI-Agenten erhalten, desto wichtiger werden klare Regeln für Verantwortlichkeiten, Freigaben, Transparenz und Kontrolle. Governance schafft die Grundlage für einen sicheren und vertrauenswürdigen Einsatz von Agentic AI.

Welche Auswirkungen hat der EU AI Act auf Unternehmen?

Der EU AI Act führt neue Anforderungen für bestimmte AI-Anwendungen ein. Unternehmen müssen je nach Einsatzbereich stärker auf Risikobewertung, Transparenz, Dokumentation und Kontrollmechanismen achten. Governance und Compliance gewinnen dadurch weiter an Bedeutung.

Welche Risiken sollten Unternehmen bei Agentic AI berücksichtigen?

Zu den wichtigsten Risiken gehören unzureichende Datenqualität, fehlende Governance-Strukturen, unklare Verantwortlichkeiten, Sicherheitslücken, Datenschutzverstöße sowie mangelnde Nachvollziehbarkeit von Entscheidungen.

Wie können Unternehmen ihre Agentic-AI-Readiness bewerten?

Wichtige Faktoren sind Datenqualität, Governance, Sicherheitskonzepte, Prozessstandardisierung, Integrationsfähigkeit und organisatorische Reife. Unternehmen sollten insbesondere prüfen, ob ihre bestehende Architektur die kontrollierte Nutzung von AI Agents unterstützt.

Was ist der wichtigste erste Schritt auf dem Weg zu Agentic AI?

Viele Unternehmen konzentrieren sich zunächst auf konkrete Use Cases. Langfristig erfolgreicher ist es, zuerst Governance, Datenqualität, Rollenmodelle und Architektur zu bewerten. Diese Faktoren bilden die Grundlage für eine sichere und skalierbare Einführung von Agentic AI.