SAP-Deadline 2027: Bei S/4HANA-Migration KI mitplanen

Warum Unternehmen KI aufschieben und damit einen Fehler begehen

In der Praxis zeigen sich immer dieselben Denkmuster: „Erst transformieren wir auf S/4HANA, dann kümmern wir uns um KI." Oder noch besser: „KI ist etwas für Tech-Konzerne, nicht für unsere Produktion." Auf den ersten Blick eine nachvollziehbare Haltung, die aber hohe Risiken für jeden Betrieb in sich trägt.

Die Stellen, an denen KI schon heute fehlt, zeigt die Realität. Betrachten wir einmal einen Vertrieb, der in jedem Land eigene Prozesse etabliert hat. Das stellt durchaus einen Bereich dar, in dem KI-gestützte Analysen belastbare Argumente für Harmonisierung liefern könnten. Stattdessen bewegen sich die Firmen in heterogenen Systemlandschaften, in denen niemand mehr den Überblick hat. Kombiniert mit Prozessen, die seit 20 Jahren kaum mehr richtig verstanden werden und der Dokumentations- sowie Migrationspflicht unterliegen.

Allein die versteckten Kosten dieser Aufschiebe-Mentalität sind erheblich. KI nachträglich zu integrieren, kostet ein Vielfaches dessen, was es ausmachen würde, sie von Anfang an mitzudenken, insbesondere wenn die Grundlagen fehlen.

Der Paradigmenwechsel: Wenn Systeme zu Assistenten werden

Die Integration von KI in SAP-Umgebungen bedeutet einen fundamentalen Wandel. Bisher arbeiteten Menschen mit Systemen. Künftig sollen diese Systeme den Menschen assistieren. Sie bereiten Entscheidungen vor, zeigen Optimierungen auf, übernehmen Routineaufgaben.

„Allein die versteckten Kosten dieser Aufschiebe-Mentalität sind erheblich. KI nachträglich zu integrieren, kostet ein Vielfaches dessen, was es ausmachen würde, sie von Anfang an mitzudenken, insbesondere wenn die Grundlagen fehlen.“

Andreas Krieg, SaphirACon GmbH

KI übernimmt heute bereits einen Großteil der repetitiven, datenintensiven Tätigkeiten. Die strategischen Entscheidungen, das Stakeholder-Management und die Bewertung von Risiken im spezifischen Unternehmenskontext bleiben jedoch menschliche Domäne.

Konkrete Anwendungsfälle: Wo KI heute schon Mehrwert liefert

Intelligente Roadmaps in der Planungsphase

KI-basierte Tools analysieren Muster aus Hunderten Transformationsprojekten und erstellen automatisiert Projekt-Roadmaps, basierend auf Unternehmensparametern (Größe, Branche, Komplexität der Systemlandschaft). Damit liefern sie ein Predictive-Risk-Assessment, das potenzielle Problemzonen identifiziert, bevor sie akut werden.

KI ersetzt hier keinesfalls den Berater, sondern lenkt die Aufmerksamkeit auf gewichtige Fragen, etwa:

• Ist die Organisation bereit für diesen Wandel?
• Welche politischen Faktoren könnten das Projekt gefährden?

Process Mining und Prozessharmonisierung

Szenario: Ein global agierender Konzern hat verschiedene Standorte akquiriert. Italien führt Vertriebsprozesse anders aus als Deutschland, die USA haben ebenso unterschiedliche Vorgehensweisen. Niemand hat mehr einen vollständigen Überblick.

Process Mining zeigt hier seine Stärke. KI-Systeme analysieren tatsächliche Prozessabläufe direkt aus den Transaktionsdaten der SAP-Systeme. Sie identifizieren automatisch alle Prozessvarianten, zeigen Abweichungen auf und schlagen Harmonisierungen vor.

Das folgende Beispiel aus der Praxis zeigt die Effektivität der Vorgehensweise: Ein mittelständischer Automobilzulieferer stellte fest, dass sein Bestellprozess in 27 verschiedenen Versionen existierte. Nach KI-gestützter Analyse ließen sich diese auf fünf sinnvolle Varianten reduzieren. Die Zeitersparnis nach der Analysephase: vier Monate.

Change Management mit personalisierten Lernpfaden

Eine der häufigsten Ursachen für scheiternde Transformationen ist fehlendes Change Management. Standard-Trainings passen nie für alle Mitarbeiter, denn der Produktionsleiter braucht andere Informationen als die Sachbearbeiterin im Vertrieb.

KI-basierte Lernplattformen erstellen personalisierte Schulungspfade, basierend auf Rolle, Vorkenntnissen und tatsächlichem Nutzungsverhalten. Intelligente Assistenten helfen kontextbezogen im Live-System, sofern Mitarbeiter nicht weiterwissen. Zudem erkennt das System automatisch, wo Akzeptanzprobleme entstehen.

Root-Cause-Analysis in der Recovery-Phase

Falls Projekte während der Transformation im roten Bereich landen, beginnt ein Wettlauf gegen die Zeit. KI-gestützte Root-Cause-Analysis durchforstet Projektdaten, System-Logs und Dokumentationen schneller als jedes manuelle Vorgehen. Sie identifiziert Muster aus anderen Projekten und ermöglicht Simulationen verschiedener Lösungsansätze.

Intelligentes Stammdatenmanagement

Machine-Learning-basierte Duplikaterkennung geht weit über simple Namensvergleiche hinaus. Erkannt werden Varianten mit Schreibfehlern, verschiedenen Adressformaten oder leicht abweichenden Firmierungen. Ein Logistikunternehmen reduzierte seine Kundenstammdaten um 40 Prozent, nachdem ein KI-gestütztes System alle Duplikate identifiziert und bereinigt hatte.

Der Praxisfahrplan: So integrieren Sie KI in Ihre SAP-Transformation

Phase 1: Assessment – Die Bestandsaufnahme als Fundament

Der erste Schritt erfordert schonungslose Ehrlichkeit: Ein fundierter Reifegrad-Check klärt die technischen Voraussetzungen. Läuft SAP bereits in der Cloud oder steht die Migration noch bevor? Wie ist die Datenqualität? Sind Stammdaten gepflegt oder herrscht Wildwuchs?

Parallel dazu gilt es, Quick Wins zu identifizieren. Stammdatenmanagement und Process Mining bieten sich hier an, weil die Ergebnisse schnell sichtbar und messbar sind. Zudem lassen sich diese Bereiche relativ isoliert angehen, ohne dass gleich die gesamte Organisation involviert werden muss.

Die kritische Frage in dieser Phase lautet: Haben wir überhaupt die Basis für KI? On-Premises-Installationen schränken die Möglichkeiten massiv ein. Wer noch nicht in der Cloud ist, muss diese Migration zwingend berücksichtigen, damit KI funktionieren kann.

Darüber hinaus gilt es, die Bereitschaft für die Transformation innerhalb des Unternehmens zu analysieren.

Phase 2: Pilotierung – Klein anfangen, schnell lernen

Nach der Bestandsaufnahme folgt die Praxis. Die Pilotphase lebt von der Konzentration auf einen konkreten Anwendungsfall, den sogenannten Pilot. Er sollte drei Kriterien erfüllen: schnelle Umsetzbarkeit, messbare Ergebnisse und überschaubares Risiko.

Process Mining eignet sich hervorragend für einen Piloten. Das Projekt ist in wenigen Wochen aufgesetzt, die Ergebnisse lassen sich in KPIs wie Zeitersparnis, Kostenreduktion sowie identifizierten Ineffizienzen messbar darstellen.

Diese Kennzahlen dienen vor allem als Grundlage für die interne Kommunikation. Ein erfolgreicher Pilot mit harten Zahlen überzeugt Skeptiker besser als jede Präsentation.

Ebenso wichtig: die systematische Dokumentation der Learnings. Durch die gründliche Nachverfolgung aller Schritte lassen sich Prozesse optimieren und Wiederholungsfehler vermeiden. Es gilt zu beachten, dass jeder Pilot dem Lernen dient, nicht der sofortigen flächendeckenden Transformation. Mit etwas Geduld und in kleinen Schritten wird der Weg in eine funktionierende Transformation geebnet.

Phase 3: Skalierung – vom Piloten zur Fläche

Die Skalierung ist der anspruchsvollste Schritt. Die Kunst liegt darin, den richtigen Zeitpunkt zu erkennen und die Ausweitung systematisch zu planen. Als optimal bietet sich die Skalierung nach dem erfolgreichen Piloten an, wenn die Euphorie darüber noch im Raum liegt, denn der Übergang vom Piloten zur Fläche braucht seine Zeit, um die Organisation nicht zu überfordern.

Der Aufbau von Akzeptanz steht in dieser Phase an erster Stelle. Die Mitarbeiter, die mit der KI arbeiten werden, müssen verstehen, was auf sie zukommt. Transparente Kommunikation ist dabei entscheidend, um Widerstände zu vermeiden und den Beschäftigten die Sicherheit zu geben, dass KI sie keinesfalls ersetzen, sondern unterstützen wird.

Zudem muss das Management nun klare Entscheidungen treffen, angefangen von einzugliedernden Anwendungen bis hin zur Gewährleistung des bestehenden Datenschutzes.

Für einen gelungenen Übergang sollten Unternehmen in wellenartigen Schritten vorgehen. Von einer Abteilung zu einer Region bis zum kompletten Rollout im Unternehmen, sofern alle Schritte vorab erfolgreich vorgenommen oder nachjustiert wurden.

Phase 4: Kontinuierliche Optimierung – Der Marathon beginnt

Nach der Ausrollung folgt der kontinuierliche Optimierungsprozess. KI-Modelle sind nie fertig. Sie müssen regelmäßig mit neuen Daten trainiert, an veränderte Bedingungen angepasst und auf ihre Performance hin überwacht werden.

Ein KI-System, das heute noch optimal funktioniert, kann in sechs Monaten suboptimal sein. Da sich Geschäftsprozesse ändern, neue Produkte hinzukommen oder sich Marktbedingungen verschieben, ist kontinuierliches Monitoring kein Nice-to-have, sondern eine absolute Pflicht.

Parallel dazu lohnt sich die Identifikation neuer Anwendungsfälle für weitere Optimierungen, die in der initialen Transformation scheinbar eine untergeordnete Rolle spielten. Diese Phase erfordert Disziplin, damit die Erfolge einer Transformation nicht durch den technischen Fortschritt überholt werden.

Wohin entwickelt sich KI in SAP in der Zukunft?

SAP selbst investiert massiv in KI-Integration. Die Business Technology Platform wird zum zentralen Hub für KI-Anwendungen. In den nächsten zwei bis drei Jahren werden Anwendungsfälle wie intelligente Dokumentenverarbeitung, prädiktive Wartung in der Produktion und automatisierte Finanzprozesse zum Standard.

Langfristig verschiebt sich damit die Rolle von SAP-Beratern und -Anwendern grundlegend. Routinekonfigurationen und Standardanalysen werden zunehmend automatisiert. Was bleibt, sind die strategische Beratung, die Einordnung von KI-Vorschlägen in den Unternehmenskontext sowie das Management komplexer Stakeholder-Konstellationen.

Die gute Nachricht: Trotz aller KI-Begeisterung steht der Mensch weiterhin im Zentrum. Technologie verändert sich, aber die Fähigkeit, komplexe Situationen zu bewerten, Vertrauen aufzubauen und schwierige Entscheidungen zu treffen, bleibt eine Frage humaner Einschätzungskraft.

Jetzt handeln – oder hinterherlaufen

Eine SAP-Transformation ohne KI-Strategie ist wie ein Auto ohne Dach. Technisch möglich, aber das Wesentliche fehlt. Anstatt in Panik zu verfallen und alles schnell hinter sich zu bringen, reicht es aus, die Weichen zu stellen.

Die 2027-Deadline markiert nicht das Ende der Transformation, sondern den Startpunkt für die nächste Phase. Unternehmen, die heute bereits KI mitdenken, werden in wenigen Jahren über einen entscheidenden Wettbewerbsvorteil verfügen. Firmen, die hingegen weiterhin warten, müssen mit höheren Kosten und Risiken in der Zukunft rechnen.

Die entscheidenden Fragen, die sich jedes Unternehmen stellen sollte, sind demzufolge:

• Haben wir eine Cloud-Strategie, die KI ermöglicht?
• Wo könnten Quick Wins erste Erfolge zeigen?
• Wer in unserer Organisation treibt das Thema strategisch voran?

Sind diese Fragen beantwortet, kann man sich erfolgreich durch die Transformation navigieren. Aufschieben hingegen bedeutet, bald der Konkurrenz mit hohen Verlusten hinterherzulaufen.

Über den Autor:
Andreas Krieg ist Gründer und Geschäftsführer der SaphirACon GmbH und begleitet seit über 20 Jahren Unternehmen durch komplexe SAP-Transformationen. Nach Stationen als interner SAP-Berater bei LAPP und in Führungsrollen bei MHP sowie Porsche gründete er 2023 seine eigene Beratung. Seine Expertise liegt in der Verknüpfung von Business-Anforderungen und IT-Umsetzung, insbesondere in den Bereichen Produktion, Logistik und Vertrieb. Als neutraler Navigator orchestriert er SAP-Projekte von der strategischen Planung bis zur erfolgreichen Implementierung. Sein Credo: Technologie verändert sich, aber der Mensch bleibt im Zentrum.

Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder.