Unternehmen haben KI lange Zeit als isolierte Experimente behandelt. Mit dem Übergang zu AI Agents und autonomen Workflows wird dieses Vorgehen zunehmend unzureichend. Die eigentliche Herausforderung liegt in der Neugestaltung des Zusammenspiels von Daten, Geschäftsprozessen, Governance und Menschen, um KI von einer Sammlung von Tools zu einem festen Bestandteil des unternehmerischen Betriebsmodells zu machen.
Die Notwendigkeit einer unternehmensweiten Plattform
Thorsten Leiduck, SVP und globaler Leiter des SAP Business AI Platform Ecosystem, betont, dass KI grundlegend von einer soliden Datengrundlage abhängt. Unternehmen benötigen eine vernetzte, semantisch reiche Schicht, die ihr spezifisches Geschäft abbildet, bevor KI zuverlässig über Prozesse hinweg eingesetzt werden kann. In mission-critical Bereichen wie Supply Chain oder Financial Close reicht eine begrenzte Genauigkeit nicht aus.
Bewertung von Use Cases durch drei zentrale Linsen
Satinder Pal Singh, Associate VP North America für SAP BAIP und SAP AI Strategy bei Infosys, beschreibt AI Agents als digitale Mitarbeiter. Er empfiehlt, potenzielle Anwendungsfälle über die drei Dimensionen Impact, Feasibility und Scalability zu bewerten. Ein Pilot, der nicht skalierbar ist, bleibt ein reines Experiment.
Governance als zentrale Voraussetzung für Skalierung
Mit der zunehmenden Verantwortung der Agents gewinnt Governance an Bedeutung. Klare Richtlinien, Zugriffskontrollen, Monitoring und Oversight sind erforderlich, um Vertrauenswürdigkeit und Ausrichtung an Geschäftsanforderungen sicherzustellen. Das Fehlen von Governance beschleunigt die Adoption nicht, sondern erzeugt einen Risiko-Rückstau.
Die Architektur des SAP Business AI Platform
Das SAP Business AI Platform bildet die Grundlage des SAP Autonomous Enterprise Framework. Es gliedert sich in drei Kernpfeiler: Build (Entwicklung von Agents und Workflows), Contextualize & Reason (semantisch angereicherte Datenlage über SAP Data Cloud, Generative AI Hub und unternehmensspezifische Knowledge Graphs) sowie Governance (SAP Agent Hub als zentrale Instanz für den Lebenszyklus von Agents).
Quelle: MIT Tech AI
FAQ
Warum reicht es nicht aus, KI lediglich als Sammlung von Tools zu betrachten?
Weil der Übergang zu AI Agents und autonomen Workflows eine grundlegende Neugestaltung des Zusammenspiels von Daten, Prozessen, Governance und Organisation erfordert, um KI als festen Bestandteil des Operating Models zu verankern.
Welche drei Bewertungslinsen empfehlen die Experten für AI-Agent-Use-Cases?
Impact (Auswirkung auf relevante Geschäftskennzahlen), Feasibility (Machbarkeit auf Basis vorhandener Daten und Kompetenzen) sowie Scalability (Möglichkeit der unternehmensweiten Vervielfältigung).
Welche Rolle spielt Governance bei der Skalierung von AI Agents?
Governance mit klaren Policies, Zugriffskontrollen, Monitoring und Oversight stellt sicher, dass Agents vertrauenswürdig und geschäftskonform bleiben. Ihr Fehlen führt zu einem Risiko-Rückstau, der später disruptive Audits erzwingen kann.
Was zeichnet das SAP Business AI Platform aus?
Es verbindet eine semantisch reiche Datengrundlage, einen Generative AI Hub mit zahlreichen Modellen, unternehmensspezifische Knowledge Graphs und den SAP Agent Hub für durchgängige Governance über den gesamten Lebenszyklus von Agents.