Agentic AI im SAP-Kosmos: Wie agentische KI die nächste Produktionsstufe der Digitalisierung zündet

von | Nov. 13, 2025 | Blog, SAP AI | 0 Kommentare

Agentic AI

Agentic AI (agentische KI) erweitert klassische KI-Assistenten zu zielgerichteten, selbsttätigen Software-Agenten. Sie planen, entscheiden und handeln über APIs und Workflows – mit Guardrails. Im SAP-Umfeld bedeutet das: Order-to-Cash, Procure-to-Pay, MRP, Finance Close & Field Service werden autonomer, schneller, robuster. CloudDNA liefert dafür Value-Case-Design, Architektur-Blueprints, sichere Orchestrierung auf SAP BTP und begleitet von Pilot bis Skalierung.

Was ist Agentic AI – in einem Satz?

Agentic AI sind KI-gesteuerte Software-Agenten, die ein Geschäftsziel verfolgen, Schritte planen, Werkzeuge/Services aufrufen, Ergebnisse bewerten und auf Basis von Feedback weitere Aktionen ausführen – unter Einhaltung von Policies, Rollen und Compliance.

Die vier Grundbausteine

  1. Ziel & Kontext: Zweck, Constraints, Datenräume (z. B. SAP S/4HANA, SAP BTP, Non‑SAP).
  2. Planung: Zerlegt Ziele in Schritte, wählt Strategien (Reasoning, Retrieval, Tool-Auswahl).
  3. Tool-Use: Aufruf von APIs/Workflows (z. B. BTP, Integration Suite, Process Automation).
  4. Feedback & Lernen: Bewertung, Re-Planning, Memory (z. B. Wissensspeicher, Protokolle).

Warum jetzt? Drei konvergierende Trends

  • Mächtige Foundation-Modelle (Reasoning, Tool-Use, lange Kontexte).
  • Durchgängige Plattformen wie SAP BTP für Integration, Daten & Automatisierung.
  • Reife Unternehmens-Governance (Identity, SoD, Audit) – essenziell für den sicheren Betrieb von Agenten.

Konkrete SAP-Use-Cases (Start mit Impact)

1) Procure‑to‑Pay (P2P)

  • Agentenaufgabe: Bedarf erkennen, Lieferanten vorschlagen, Angebote vergleichen, Bestellungen anlegen, Wareneingänge matchen, Abweichungen klären.
  • Nutzen: Weniger Maverick Buying, schnellere Durchlaufzeiten, geringere Preisvarianz.
  • KPIs: First‑Pass‑Match‑Rate, Cycle Time PR→PO, Price Variance.

2) Order‑to‑Cash (O2C)

  • Agentenaufgabe: Kreditprüfung, Lieferterminvorschläge, proaktive Engpass‑Kommunikation, Dispute‑Handling, DSO‑Optimierung.
  • Nutzen: Höhere Liefertreue, niedrigere DSO, weniger Rückfragen.
  • KPIs: On‑Time‑Delivery, DSO, Dispute‑Cycle‑Time.

3) Materialplanung & MRP

  • Agentenaufgabe: Prognosen auswerten, Planungsparameter anpassen, Ausnahmemeldungen priorisieren, Simulationen starten, Handlungsempfehlungen umsetzen.
  • Nutzen: Niedrigere Bestände, weniger Stock‑outs, höhere Planungstreue.
  • KPIs: Inventory Turns, Service Level, Forecast Accuracy.

4) Financial Close & Compliance

  • Agentenaufgabe: Abstimmungen automatisieren, Journal‑Vorschläge generieren, Anomalien markieren, PBC‑Listen befüllen, Audit‑Trails verdichten.
  • Nutzen: Schnellerer Close, weniger Fehler, bessere Prüfpfade.
  • KPIs: Days to Close, Post‑Close Adjustments, Audit Findings.

5) Field Service & Ersatzteile

  • Agentenaufgabe: Ticket‑Triaging, Teile‑Disposition, Remote‑Anleitung, Termin‑Optimierung, Feedback‑Loops in den Ersatzteilkatalog.
  • Nutzen: Höhere First‑Time‑Fix‑Rate, geringere Truck Rolls, bessere Kundenzufriedenheit.
  • KPIs: FTFR, MTTR, NPS.

Pro‑Tipp: Starten Sie nicht mit „schön, aber selten“. Fokussieren Sie auf hohe Frequenz × hohes Volumen × klare KPIs.

 Kostenlose Use-Case-Session sichern

Referenzarchitektur für agentische KI auf SAP BTP

Ziel: Von der Idee zu sicher operierenden Agenten – integrierbar, auditierbar, skalierbar.

1) Policy & Safety Layer

  • Rollen & Berechtigungen (Identity), Segregation of Duties (SoD), Rate Limits, Datenklassifizierung.
  • Prompt‑Firewalls, Content‑Filter, Allowed‑Actions‑Listen, Human‑in‑the‑Loop (HiTL).

2) Reasoning & Orchestrierung

  • Agenten‑Runtime (Planung/Re‑Planung), Workflow‑Orchestrierung (z. B. Process Automation), Event‑Handling.
  • Multi‑Agent‑Patterns: Planner, Solver, Critic, Governor.

3) Tool & API Layer

  • SAP‑APIs (S/4HANA, SuccessFactors, Ariba, EWM u. a.), Integration Suite für Non‑SAP.
  • Aktionen als sichere, parametrisierte Funktionen mit Eingabe‑/Ausgabe‑Schemas.

4) Daten & Wissen

  • Transaktionsdaten (S/4HANA), analytische Schicht (z. B. Datasphere), Vektorspeicher für semantische Suche, Protokolle.
  • Retrieval‑Pipelines mit Governance (PII‑Redaction, Data Minimization).

5) Observability & Compliance

  • Telemetrie, KPIs, Action Logs, Replay, Policy‑Verstöße, Drift‑Monitoring.
  • Anschluss an Audit & ITSM.

Security‑by‑Design Checkliste

  • Least‑Privilege‑Zugänge, SoD, Mandantenfähigkeit, Change‑Freeze‑Modus.
  • Red‑Teaming, Adversarial‑Tests, Rollback‑Strategien, Escalation Paths.
  • Klare RACI zwischen Business, IT, Security, Data Office.

Reifegradmodell (von Assist zu Agent)

  1. Assistiv – Vorschläge, keine Aktionen; Mensch entscheidet.
  2. Semi‑agentisch – Agent schlägt Aktionen vor, HiTL bestätigt.
  3. Agentisch – Agent führt definierte Aktionen autonom aus, Governance & Monitoring greifen.
  4. Multi‑Agent‑Ökosystem – Mehrere spezialisierte Agenten koordinieren End‑to‑End‑Prozesse.

ROI – wie Sie Wert sichtbar machen

  • Value Tree: Kosten ↓ (FTE‑Zeit, Fehler, Nacharbeit), Umsatz ↑ (Servicelevel, Conversion), Risiko ↓ (Compliance, Fraud).
  • Baseline & A/B: Vorher/Nachher messen, HiTL‑Akzeptanzquote, Automatisierungsgrad.
  • Leading→Lagging KPIs: z. B. Ausnahme‑Backlog ↓ → DSO ↓; Stornoquote ↓ → Marge ↑.

Der CloudDNA‑Fahrplan: In 8 Wochen zum produktiven Pilot

  1. Use‑Case Discovery (1‑2 Wochen): Prozesslandkarte, Pain‑Points, KPI‑Ziele, Machbarkeit.
  2. Value & Risk Framing: Business Case, Compliance‑Anforderungen, Risiko‑Appetit.
  3. Blueprint & Guardrails: Architektur‑Entwurf (BTP‑Services, APIs, Datenpfade), Security Controls.
  4. Data & Tools Enablement: API‑Katalog, Funktions‑Schemas, Retrieval‑Pipelines, Synthetic Data wo nötig.
  5. Pilot Build: Agent(en) mit HiTL, Observability, Telemetrie, Action Logs.
  6. Red‑Team & Hardening: Adversarial Tests, Rate‑Limits, Fail‑Safes, Rollback.
  7. Go‑Live (begrenzter Scope): Hypercare, KPI‑Tracking, Training.
  8. Scale‑Out: Weitere Prozesse, Multi‑Agent‑Orchestrierung, kontinuierliche Optimierung.

Warum CloudDNA?

  • Tiefe SAP‑Erfahrung kombiniert mit moderner AI/ML‑Engineering‑Expertise.
  • Sichere, compliance‑feste Umsetzung – von Identity/SoD bis Audit‑Trails.
  • Messbarer Wert: Wir designen KPIs mit, nicht nur Modelle.

Bereit für Agentic-AI im SAP?

Wir begleiten Sie von der Idee bis zum produktiven Einsatz.

Starten Sie jetzt mit einem unverbindlichen Pilotprojekt.

Jetzt Durchstarten

Häufige Einwände – kurz beantwortet

Ist das nicht einfach „RPA mit ChatGPT“?
Nein. RPA wiederholt deterministische Klickfolgen. Agentic AI plant selbst, wählt Tools kontextsensitiv, lernt aus Feedback und respektiert Policies.

Wie bleibt das sicher?
Durch Guardrails (Allowed Actions, SoD, HiTL), Telemetrie, Red‑Teaming und klaren Scope. Agenten handeln nur innerhalb definierter Rechte und Datenräume.

Brauche ich dafür neue Systeme?
Meist nicht. Agenten nutzen bestehende SAP‑APIs/Workflows und umschiffen Legacy via Integration. Wichtig sind saubere Schnittstellen und ein Policy‑Layer.

Wie schnell sehe ich Nutzen?
In 8–12 Wochen sind erste Piloten mit messbaren KPIs realistisch – bei gut geschnittenem Use Case und vorhandenen APIs.

Was kostet das?
Die Kosten hängen an Scope, Tooling, Sicherheitsanforderungen. Wir starten pragmatisch mit einem Pilot und skalieren entlang des Value Trees.

Umsetzung: Next Steps mit CloudDNA

  • Value‑Workshop (½ Tag): Prozesse priorisieren, KPIs festlegen.
  • Architecture & Guardrails (1 Woche): Blaupause, Sicherheitskonzept, Betriebsmodell.
  • Pilot (6–8 Wochen): Von Datenerhebung bis Go‑Live mit HiTL.