Wenn IT-Leiter in Deutschland über KI sprechen, landet das Gespräch fast immer an derselben Stelle:
„Ja, aber wir haben gerade erst S/4HANA migriert. Wir können keinen weiteren Big Bang riskieren."
Das ist kein Einwand gegen KI. Das ist Erfahrung aus der Praxis — und sie ist berechtigt.
Laut DSAG Investitionsreport 2026 haben über 80 % der SAP-Anwenderunternehmen KI auf der Roadmap. Weniger als 20 % haben konkrete Implementierungen gestartet. Die Lücke zwischen Absicht und Umsetzung ist real — und sie hat einen klar identifizierbaren Grund.
Die gute Nachricht: Sie müssen nicht zwischen „alles auf einmal" und „erst in zwei Jahren" entscheiden. Es gibt einen dritten Weg: modulare KI-Integration, die den SAP-Kern nicht anfasst und trotzdem messbaren Geschäftswert liefert.
Das SAP-KI-Dilemma: Joule, BTP oder Custom AI?
Seit SAP Joule als AI-Copilot für das gesamte SAP-Portfolio angekündigt wurde, stehen IT-Verantwortliche vor einer Grundsatzentscheidung:
Option A: SAP Joule / Embedded AI
Integriert in S/4HANA, SuccessFactors, Ariba. Geringer Konfigurationsaufwand, nahtlose UX. Aber: begrenzte Anpassbarkeit, und bei US-Hosting entstehen DSGVO-Fragen für Produktionsdaten.
Option B: SAP Business Technology Platform (BTP)
Leistungsfähige Integrationsschicht. Kann externe KI-Modelle einbinden, eigene Modelle trainieren. Aber: hohe technische Komplexität, lange Lernkurve, erhebliche Lizenzkosten.
Option C: Custom AI außerhalb von SAP
Maximale Flexibilität und Anpassbarkeit. Keine SAP-Lizenzabhängigkeit. Aber: Integration in SAP-Datenstrukturen erfordert sorgfältige Architekturarbeit und stabile API-Anbindungen.
Unsere Empfehlung: Keine dieser Optionen ist universell richtig. Die Entscheidung hängt von Ihrem SAP-Reifegrad, Ihren Use Cases und Ihrer Datensouveränitäts-Strategie ab. Der erste Schritt ist immer derselbe: Use-Case-Priorisierung vor Technologieentscheidung.
Warum KI-Projekte in SAP-Umgebungen stagnieren
In 15 Jahren mit Unternehmen wie Würth, TÜV Rheinland, STRABAG und BLUM haben wir ein wiederkehrendes Muster beobachtet: Unternehmen warten auf den „richtigen Moment" — der nie kommt.
Erst die S/4HANA-Migration. Dann die Stabilisierungsphase. Dann das nächste Major Release. Dann der nächste Budget-Zyklus.
Das Problem ist kein technisches — es ist ein architektonisches Missverständnis: KI-Integration wird als separates Großprojekt behandelt, obwohl sie am wirkungsvollsten als schrittweise, modulare Erweiterung funktioniert. Während Ihr Unternehmen wartet, sammeln Ihre Wettbewerber Erfahrung.
Der Praxisansatz: KI in SAP — ohne den Kern anzufassen
Schritt 1: SAP-Daten-Inventur (Woche 1–2)
Bevor wir ein KI-Modell trainieren, analysieren wir die vorhandene Datenlandschaft:
- Welche SAP-Module sind aktiv? (FI/CO, SD, MM, PP, QM, PM)
- Wo liegen strukturierte, maschinenlesbare Daten mit ausreichender Qualität und Historie?
- Welche Daten verlassen aktuell Deutschland oder die EU — und wo sind Datenschutzrisiken?
Diese Analyse dauert 2 Wochen und verhindert 12 Monate Fehlinvestition. Sie ist die Grundlage jedes seriösen KI-Business-Case.
Schritt 2: Use-Case-Priorisierung nach ROI (Woche 2–3)
Für SAP-Umgebungen im Mittelstand sind diese drei Bereiche typischerweise die schnellsten Einstiege:
1. Predictive Analytics auf SAP-Stammdaten
Nachfrageprognose, Lagerhaltungsoptimierung, vorausschauende Wartungsplanung. Geringer Eingriff in SAP-Kernprozesse, hoher und messbarer Wertbeitrag.
2. Intelligente Dokumentenverarbeitung / NLP
Automatisierte Rechnungsverarbeitung (SAP FI/AP), Qualitätsberichte, Lieferantenkommunikation. Kein Eingriff in den SAP-Kern nötig — eine sauber implementierte Middleware genügt.
3. KI-gestützte SAP-Schnittstellen
API-basierte Anbindung externer KI-Modelle über SAP BTP oder bestehende OData-Schnittstellen. Maximale Flexibilität ohne SAP-Lizenzkonflikte.
Schritt 3: DSGVO-konformes Architektur-Design (Woche 3–4)
Hier liegt der entscheidende Unterschied zwischen europäischen und US-zentrierten KI-Anbietern:
Alle Trainingsdaten, KI-Modelle und Inferenz-Endpunkte werden in Deutschland oder der EU gehostet. Kein Export von SAP-Produktionsdaten in US-Clouds. Vollständige Prozessdokumentation für DSGVO-Compliance — rechtlich prüfbar, nicht nur behauptet.
Das ist keine Marketing-Aussage. Es ist unsere technische Grundvoraussetzung für jedes Projekt.
Schritt 4: Pilot in 8–12 Wochen
Wir liefern keine Strategie-Präsentationen. Wir liefern funktionierende Systeme — oder den klaren Nachweis, dass ein Use Case wirtschaftlich nicht sinnvoll ist.
Ein typischer SAP-KI-Pilot mit Logic Joe Next:
- Laufzeit: 8–12 Wochen
- Ergebnis: KI-Komponente in Produktionsbetrieb (oder eindeutige Entscheidungsgrundlage)
- Modell: Time & Material, 150 EUR/Stunde blended rate — kein Festpreis-Risiko
Konkrete SAP-KI-Use-Cases: Orientierungstabelle
| Use Case | SAP-Modul | KI-Technologie | Typischer ROI-Bereich |
|---|---|---|---|
| Predictive Maintenance | SAP PM + MES-Daten | ML auf Sensordaten + SAP-Historien | 15–30 % weniger Maschinenstillstand |
| Intelligente Rechnungsverarbeitung | SAP FI / AP | NLP + OCR + Klassifikation | 70 % Zeitersparnis |
| Bedarfsprognose | SAP MM / SD | Time Series ML | 20 % Lagerkosten-Reduktion |
| Qualitäts-Anomalieerkennung | SAP QM | Computer Vision + Prozessdaten | 40 % weniger Ausschuss |
| Lieferantenrisiko-Bewertung | SAP SRM / MM | NLP auf externe Daten + SAP-Stammdaten | Proaktive Risikominimierung |
Warum Standard-KI-Tools SAP nicht ersetzen können
Microsoft 365 Copilot, Salesforce Einstein und ähnliche Plattformtools leisten in ihrem Kontext gute Arbeit. Für echte SAP-KI-Integration sind sie jedoch nicht das richtige Werkzeug:
- Datenzugang: Copilot greift auf Microsoft-Daten zu — nicht auf Ihre SAP-Transaktionshistorien
- Anpassbarkeit: One-size-fits-all ist das Gegenteil von Enterprise-Individuallösung
- Datensouveränität: Microsoft-Cloud bedeutet US-Datenspeicherung — für sensitive SAP-Produktionsdaten in Deutschland kritisch
Unsere Einschätzung: Produktivitätstools und KI-Integration in Geschäftsprozesse sind zwei verschiedene Kategorien. Beides hat seinen Platz — verwechseln Sie sie nicht.
Die drei Fragen, die Sie heute beantworten können
Frage 1: Welche SAP-Daten akkumulieren wir seit Jahren ungenutzt?
ERP-Systeme speichern über Jahrzehnte strukturierte Daten: Transaktionshistorien, Qualitätsprotokolle, Wartungsaufzeichnungen. Das ist Ihr KI-Rohstoff — bereits vorhanden, noch ungenutzt.
Frage 2: Welcher Prozess kostet Ihre IT oder Fachbereiche am meisten Zeit durch manuelle Arbeit?
Der erste KI-Use-Case sollte kein technisches Abenteuer sein. Er sollte das größte Schmerzpunkt-Problem lösen — messbar und schnell.
Frage 3: Können wir DSGVO-Konformität von Tag 1 nachweisen?
Wenn diese Frage mit „wir wissen es nicht" beantwortet wird, ist das die erste Aufgabe — bevor ein KI-Projekt gestartet wird.
Nächster Schritt: KI-Readiness Assessment für SAP-Umgebungen
Unser Assessment zeigt Ihnen in 2 Wochen:
- Welche 3 Use Cases den besten ROI in Ihrer SAP-Landschaft liefern
- Wo Ihre SAP-Daten KI-tauglich sind — und wo nicht
- Wie eine DSGVO-konforme KI-Architektur für Ihre Umgebung konkret aussieht