Digitaler Agent arbeitet an einem Computer

Data Science & KI

Agentic AI: nächste Stufe der SAP-Transformation

VonDr. Ulrich Faisst·10 Minuten Lesezeit

9:21

Agentic AI führt SAP-Prozesse aus statt nur zu antworten. So kommen Mittelständler von Piloten zu ROI: Daten, Architektur, Governance, Ownership.

Wenn KI handelt, statt nur antwortet: Agentic AI als nächste Stufe der SAP-Transformation

Fast jedes Unternehmen nutzt heute generative KI – ChatGPT, Microsoft 365 Copilot oder erste Funktionen von SAP Joule. Die Produktivität in der Wissensarbeit steigt spürbar: Texte entstehen schneller, Informationen sind leichter auffindbar, Tickets lassen sich besser zusammenfassen. Trotzdem bleibt der erwartete Effekt auf Unternehmensebene oft aus. Viele Initiativen enden als Pilot, als Insellösung oder als „smarter Assistent“ neben den Kernprozessen.

Der nächste Entwicklungsschritt heißt Agentic AI – KI-Agenten, die nicht nur Inhalte generieren, sondern innerhalb definierter Leitplanken operativ handeln. Im SAP-Kontext ist das der entscheidende Wechsel: weg vom „KI erklärt mir etwas“ hin zu „KI führt den Prozess im ERP mit aus“. Genau das macht Agentic AI zur nächsten Stufe der SAP-Transformation – und zur Chance, KI aus dem Pilotstatus in die produktive Breite zu bringen.

Der Paradigmenwechsel: Vom Assistenten zum operativen Mitarbeiter

Der entscheidende Unterschied zwischen Generative AI und agentischen Systemen liegt in der Handlungsfähigkeit. Generative AI ist prompt-getrieben: Sie antwortet, formuliert, fasst zusammen. Agentic AI ist zielgetrieben. KI‑Agenten bekommen keine Anweisung für einen Einzelschritt, sondern ein geschäftliches Ziel – etwa die Sicherstellung der Lieferfähigkeit bei einem drohenden Maschinenausfall. Dieses Ziel verfolgen autonome KI-Systeme eigenständig, innerhalb klarer Leitplanken.

Damit verschieben sich die Grenzen zwischen klassischer Automatisierung und Autonomie. Klassische Automatisierung folgt festen Regeln; bei Prozessabweichungen scheitern sie meist schnell. Agenten können Kontext berücksichtigen, Optionen abwägen, Varianten abdecken und Ausnahmen sinnvoll vorbereiten. Sie analysieren die Situation und stoßen – kontrolliert – Folgeaktionen im ERP-System an. KI wird damit vom passiven Werkzeug zum aktiven „digitalen Kollegen“, der nicht mehr nur mitredet, sondern im System of Record handelt.

Der Sprung vom Copiloten zur Ausführung ist im SAP-Kontext der eigentliche Gamechanger: nicht „bessere Antworten“, sondern bessere Prozessausführung.

Agentic Networking: Warum Multi-Agent-Systeme die nächste Welle sind

In der Praxis wird es selten „den einen Agenten“ geben. In Multi-Agent-Systemen arbeiten mehrere spezialisierte Agenten als Team entlang eines End-to-End-Prozesses zusammen. Einer analysiert, einer disponiert, einer koordiniert Kommunikation, ein weiterer überwacht Compliance oder Kostenlimits. Entscheidend ist dabei die Orchestrierung – Agenten tauschen Kontext aus, übergeben Aufgaben und stimmen Entscheidungen ab, ohne dass der Prozess an Systemgrenzen stoppt.

Perspektivisch kann diese Zusammenarbeit auch unternehmensübergreifend funktionieren – etwa zwischen Hersteller, Zulieferer und Servicepartner. Dann agieren Agenten in getrennten, kontrollierten Datenräumen und koordinieren nur das, was geteilt werden darf: beispielsweise Verfügbarkeiten, Liefertermine, Statusinformationen oder Freigaben. So entsteht aus isolierter KI ein kooperatives Agentennetzwerk, das Wertschöpfungsketten schneller und resilienter macht.

Ein Szenario aus der Praxis: Field Service im Maschinenbau

Wie tiefgreifend Agentic AI die Arbeitswelt verändert, zeigt ein Blick in den Service-Alltag eines Maschinenbauers. Eine Maschine meldet eine Abweichung, ein Monitoring erkennt frühzeitig ein Muster, das auf einen drohenden Ausfall hindeutet. Im klassischen Setup beginnt jetzt ein manuelles Ping‑Pong: Ticket anlegen, Daten zusammensuchen, Historie prüfen, Ersatzteile klären, Techniker disponieren, Kunden informieren – verteilt über SAP, E‑Mail, Teams, Excel und Telefon.

In einer agentischen Architektur läuft derselbe Ablauf durchgängig: Ein Agent legt automatisch einen Servicefall in SAP an, klassifiziert ihn und reichert ihn mit dem relevanten Kontext an. Der Diagnose‑Agent prüft Servicehistorie, technische Dokumentation und Anlagendaten, leitet wahrscheinliche Ursachen ab und schlägt Maßnahmen vor. Danach folgt der Schritt, der Agentic AI im SAP‑Kontext so relevant macht: der Dispo-Agent stößt eigenständig operative Prozesse an – kontrolliert über Leitplanken. Er identifiziert benötigte Ersatzteile, prüft Verfügbarkeit, disponiert sie, schätzt Kosten und Aufwände ab und erzeugt je nach Freigabestufe anschließend automatisch die Service‑Order.

Am Ende kombiniert der Koordinations‑Agent Lieferprognosen aus dem ERP mit Kalender‑ und Verfügbarkeitsdaten aus der Kollaborationsumgebung (z. B. Microsoft 365) und erstellt einen Einsatzplan samt vorformulierter Kundenkommunikation. Der Mensch bleibt zentral, aber in einer neuen Rolle: als Supervisor gibt er nur noch das finale „Go“. Das Prinzip dahinter heißt Management by Exception: Routine läuft automatisiert, komplexe Ausnahmen werden bewusst menschlich entschieden. Das ist keine Science‑Fiction, sondern Architektur plus Governance – und damit prädestiniert für SAP‑Landschaften, in denen Rollen, Berechtigungen und Compliance ohnehin klar geregelt sein müssen.

ROI: Warum so viele Piloten scheitern

Viele Mittelständler experimentieren bereits mit KI-Agenten. Trotzdem gelingt selten die Skalierung. Die Ursachen liegen meist nicht in der Technologie, sondern in drei Mustern:

Missing Why: Häufig startet KI toolgetrieben – ohne klare, strategische Zielsetzung. Soll KI Durchlaufzeiten senken, interne Effizienz erhöhen oder die First‑Time‑Fix‑Rate im Service verbessern? Ohne messbaren Wertbeitrag entstehen Proofs of Concept, aber keine KPI‑Verbesserung. Agentic AI zwingt zur Klarheit: Wenn ein Agent handeln soll, muss das Ziel messbar und überprüfbar sein.
Fehlende End‑to‑End‑Prozessintegration: KI als Add‑on optimiert einzelne Schritte, aber nicht die Wertschöpfungskette. ROI entsteht erst, wenn Agenten über Systemgrenzen hinweg arbeiten und Medienbrüche eliminieren – vom auslösenden Ereignis bis zur Ausführung im ERP.
Schatten‑KI: In vielen Organisationen existiert parallele Toolnutzung ohne Freigaben, Datenklassifikation oder Audit‑Logging. Das ist ein Skalierungs‑Killer – und gleichzeitig eine Chance: Ein zentrales Governance‑Modell kann Wildwuchs in kontrollierte Bahnen lenken, statt Innovationsenergie zu blockieren.

Die 4 Säulen der Umsetzung im SAP‑Kontext

Trotz der technologischen Faszination bleibt Agentic AI eine Frage der Disziplin. Der größte Blocker für ROI sind nicht die Modelle, sondern fehlende organisatorische und technologische Rahmenbedingungen:

Daten‑Fundament: Ohne saubere Stammdaten kein autonomes Handeln. Ohne einen „Clean Core“ – also harmonisierte Stammdaten und eine saubere Prozesssemantik – skaliert KI lediglich das vorhandene Chaos. Datenqualität wird damit vom IT-Thema zum kritischen Produktionsfaktor.
Architektur: SAP Joule und Microsoft 365 Copilot sinnvoll verbinden. SAP bildet die Transaktionswelt ab, Microsoft die Kollaboration. Wert entsteht, wenn beide Kontexte verbunden werden: Ereignisse, Dokumente, Kommunikation und ERP‑Objekte müssen in einem kontrollierten Handlungsraum zusammenlaufen – nicht durch zusätzliche Tools, sondern durch integrierte Prozesse.
Betriebsmodell (Operating Model): Wer überwacht die Agenten? Ein Pilotprojekt im Labor braucht wenig Regeln, doch im produktiven ERP-Kern sind Identity & Access Management sowie eine lückenlose Governance non-negotiable: Welche Entscheidungen darf der Agent selbst treffen? Wo ist Human-in-the-loop verpflichtend? Wie sehen Audit-Logs, Monitoring, Qualitätsmetriken und Drift-Checks aus? Welche KPIs steuern Qualität, Risiko und Wertbeitrag?
Ownership: Verantwortlichkeiten jenseits der IT-Abteilung. Der häufigste Skalierungsbruch ist fehlende Ownership. Agentic AI ist kein IT‑Feature, sondern ein Business‑Produkt: Es braucht einen Business Owner, der KPI, Budget und Risiko verantwortet – plus klare Rollen zwischen Fachbereich, IT/Data, Security/Legal und Betriebsrat/HR. Ohne Ownership bleiben Agenten „verwaiste Experimente“.

Strategie: Warum KI‑Souveränität die Freiheit sichert

Ein souveränes Unternehmen erkennt man im KI-Zeitalter nicht nur am Standort seines Rechenzentrums, sondern an der Kontrolle über Datenflüsse, Modellzugriffe und Entscheidungsgrenzen. Souveränität bedeutet, die Hoheit über die eigene Datenbasis und die Leitplanken der Agenten jederzeit selbst definieren und technisch durchsetzen zu können – inklusive Protokollierung, Rechtekonzept und Exit‑Strategie. Wer diese Kontrolle abgibt, macht sich strukturell abhängig und verliert langfristig strategische Steuerungsfähigkeit.

Das neue Rollenbild: Mensch & Maschine

Agentic AI automatisiert nicht „Menschen weg“, sondern verschiebt Rollen. Mitarbeitende werden vom Ausführer zum Orchestrator bzw. Supervisor. Der Standardfall läuft durch, Ausnahmen werden vom Menschen entschieden. Das senkt Durchlaufzeiten – und erhöht gleichzeitig die Anforderungen an Transparenz, Nachvollziehbarkeit und Verantwortlichkeit.

Wichtig: Verantwortung lässt sich nicht automatisieren. Agenten können Aufgaben übernehmen, aber nicht Accountability. Genau deshalb bleibt Human-in-the-loop in kritischen Prozessschritten ein Qualitäts- und Compliance-Anker.

Strategischer Fokus: Agentic AI ist Führungsaufgabe, nicht IT-Projekt

Agentic AI lässt sich nicht an die IT-Abteilung delegieren. Es handelt sich um eine strategische Fähigkeit, die tief in die Organisationsstruktur eingreift: Prozesse, Rollenbilder und Entscheidungspfade verändern sich, und damit auch Verantwortlichkeiten. Genau deshalb ist Agentic AI per Definition eine Führungsaufgabe. Change Management und Enablement müssen früh beginnen, damit Vertrauen und Akzeptanz entstehen.

Gleichzeitig verändert sich Führung selbst: KI‑Agenten müssen wie Mitarbeitende gesteuert werden – mit klaren Zielen, messbaren KPIs und festen Leitplanken statt operativem Transaktions‑Mikromanagement. Wer KI nur als „schlaues Add-on“ behandelt, erzeugt Insellösungen ohne Wirkung. Wer Agentic AI als Bestandteil der Wertschöpfung versteht und Ownership in den Fachbereichen verankert, schafft die Grundlage für eine Organisation, die Prozesse proaktiv und skalierbar steuert.

Mit dem Prozess starten, nicht mit dem Tool

Agentic AI ist die nächste Stufe der SAP‑Transformation, weil sie den Schritt von Assistenz zu operativer Prozessausführung ermöglicht. Der Weg aus dem Pilotstatus lässt sich pragmatisch in drei Schritten strukturieren:

Einen wertschöpfungsnahen End‑to‑End‑Prozess wählen mit hohem Volumen und klarem KPI‑Hebel (z. B. Service, P2P, O2C, Stammdaten).
Leitplanken für Autonomie definieren: Human‑in‑the‑loop‑Stufen, Decision Rights, Kostenlimits, Logging/Audit sowie Identity & Access über Systemgrenzen.
Betrieb statt Demo aufbauen: Business Owner benennen, KPIs und Monitoring etablieren, Feedback‑Loops einziehen und die Lösung wie ein Produkt weiterentwickeln.

Nicht das Tool entscheidet, sondern Prozessdesign plus Governance. Wer das sauber aufsetzt, schafft die Grundlage, um Agentic AI kontrolliert zu skalieren – und aus KI‑Investitionen nachhaltige Wertschöpfung zu machen.