SAPs Autonomous Enterprise ist ein KI-natives Betriebsmodell, in dem regulierte KI-Agenten durchgängige Geschäftsprozesse über SAP- und Nicht-SAP-Systeme hinweg koordinieren, wobei Menschen by design in den Prozess eingebunden sind. Auf der SAPPHIRE 2026 angekündigt, markiert diese Ankündigung den Wandel von KI, die einfach in Anwendungen eingebettet ist, zu KI-Agenten, die anwendungsübergreifend agieren, unterstützt durch die SAP Business AI Platform.

Unternehmen müssen schneller agieren, klüger entscheiden und schlanker operieren, doch viele werden durch Integrationskomplexität, Datensilos und nicht verwaltete APIs aufgehalten. Eine vertrauenswürdige Datenbasis, einheitliche Semantik, verwaltete APIs und eine geschäftskontextbewusste KI sind die wesentlichen Bausteine für die Realisierung eines Autonomous Enterprise. Es ist kein fernes Ideal mehr. Stattdessen ist es eine aktive Reise.

Der strategische Wandel

Bislang wurde KI für Unternehmen mit einem KI-First-Ansatz in Anwendungen eingebettet. Predictive Scores, Empfehlungen oder Copilots sind auf einen einzelnen Prozess oder ein einzelnes System beschränkt, oft mit eingeschränkter Transparenz über Unternehmensbereiche hinweg. In der Regel arbeiteten SAP-Systeme in Silos und waren von Nicht-SAP-Anwendungslandschaften isoliert. Eine bis heute sehr verbreitete Praxis war es, Daten über mehrere Systeme hinweg zu duplizieren, dabei den Geschäftskontext zu verlieren und anschließend viel Zeit und Aufwand für den Wiederaufbau aufzuwenden. Solche Datenbestände lassen sich nicht skalieren, um KI-Engagement-Modelle und Echtzeittransparenz aufzubauen.

Basierend auf der KI-nativen North Star Architecture von SAP stellt das SAP-Konzept für ein Autonomous Enterprise ein anderes Modell vor: KI-native Anwendungen. Anstatt KI nur in jede einzelne Anwendung zu integrieren, führt SAP auch eine agentenbasierte Interaktionsebene ein, die anwendungs-, workflow- und datendomänenübergreifend arbeitet. Diese Agenten können Unternehmensabsichten analysieren, Prozesse durchlaufen und Aktionen mithilfe kontrollierter Unternehmensdaten ausführen. Fragen Sie Joule beispielsweise nach der prognostizierten Liquidität und Finanzierung für genehmigte Projekte – Joule versteht, was Sie erreichen möchten, und erstellt den richtigen Kontext. Hinter den Kulissen prognostiziert ein koordiniertes Team von Finanzagenten Szenarien, überwacht die Leistung, analysiert Risiken und Chancen und richtet den Betrieb an Governance und Compliance aus. So können Sie mit autonomen Systemen die richtigen Entscheidungen auf Basis aller relevanten Daten treffen. Nach der Implementierung konnten Kunden folgende Erfolge verzeichnen: 83 % kürzerer Rechnungszyklus, mehr als 99 % Abrechnungsgenauigkeit und 98 % weniger Zeit für den Abgleich von ICT-Buchungen.

Den Weg zur Autonomie erschließen

In vielen Branchen investieren Unternehmen stark in KI, jedoch mit begrenztem Erfolg. Diese Lücke ist auf eine Reihe bekannter, miteinander verbundener Herausforderungen zurückzuführen

• Integrationskomplexität bremst die Agilität und erhöht die Servicekosten
• Datensilos verhindern fundierte Entscheidungsfindung in Echtzeit
• Nicht verwaltete APIs schwächen Sicherheit, Compliance und Vertrauen
• Schlechte Datenqualität und ein Mangel an Geschäftskontext beeinträchtigen eine skalierbare KI-Automatisierung
• Schatten-IT schafft Risiken, statt Innovationen zu fördern

Diese Herausforderungen müssen ausnahmslos direkt angegangen werden. Es gibt keine vorgeschriebene Reihenfolge, in der sie angegangen werden müssen. Die Lösung einer davon vereinfacht das Beheben der anderen erheblich. Zusammen bilden sie grundlegende Voraussetzungen für einen glaubwürdigen Weg zum autonomen Unternehmen. Zum Beispiel:

• Datensilos zu reduzieren bedeutet nicht, alles in einer einzigen Dateneinheit zu konsolidieren. Es geht darum, unnötige Datenduplizierung zu eliminieren, die oft die Hauptursache für Verzögerungen bei der Bereitstellung einer konsistenten Echtzeitansicht des Unternehmens ist.
• Ein Mangel an geschäftlichem Kontext schränkt die Möglichkeiten der KI ein. Ohne diesen können KI-Agenten und Assistenten Zusammenhänge zwischen Unternehmensdaten und -aktivitäten nicht zuverlässig interpretieren oder durchgängige Prozesse über mehrere Systeme hinweg orchestrieren.
• Kulturelle und organisatorische Veränderungen sind gleichermaßen entscheidend. Funktionsübergreifende Zusammenarbeit ist unerlässlich, um verantwortungsvolle KI-Praktiken auf jeder Ebene des Unternehmens zu verankern.
• KI-Assistenten und -Agenten müssen innerhalb unternehmenstauglicher Leitlinien agieren. Sie sollten die Strenge herkömmlicher Sicherheits-, Governance- und Compliance-Kontrollen wahren und dabei Transparenz gewährleisten, um jeden Geschäftsprozess durchgängig autonom auszuführen – mit menschlichen Eingriffen nur bei Eskalationen.

Wenn diese grundlegenden Elemente vorhanden sind, können autonome Unternehmen mit dem Vertrauen, der Genauigkeit und der Resilienz agieren, die das moderne Geschäftsumfeld erfordert.

Fundament für den Aufbau eines Autonomous Enterprise

SAPs Vision für das Autonomous Enterprise beruht darauf, was Software mit dem tut, was sie weiß. Das Betriebsmodell ist einfach: KI-Assistenten und -Agenten arbeiten innerhalb vertrauenswürdiger, kontrollierter Grenzen—wo Branchenwissen in den Systemen kodiert ist, die Unternehmen betreiben, Daten operative Bedeutung tragen und Governance von Tag eins an in den KI-Lebenszyklus integriert ist, um End-to-End-Prozesse in großem Maßstab auszuführen.

Diese Vision basiert auf drei Schlüsselprinzipien:

• Umfassendes Prozess- und Branchenwissen. SAP-Anwendungen bündeln 50 Jahre Geschäftsprozess-Know-how und tiefe Unternehmensintegrationen, die kein anderer erreichen kann. Darauf aufbauende Agents verstehen die Abfolge, Regeln und Auswirkungen jedes Geschäftsprozesses und Differenzierungsmerkmals in der Branche. Ein Agent, der eine Beschaffungsausnahme bearbeitet, versteht beispielsweise die Lieferanten-Durchlaufzeiten, Genehmigungshierarchien und die nachgelagerten Konsequenzen von Verzögerungen.
• Semantisch angereicherte Geschäftsdaten. Das Metadatenmodell von SAP trägt Bedeutung, nicht nur Werte. Wenn ein Agent einen Bestandsdatensatz liest, versteht er den Kontext des Bestands, seine Position in der Lieferkette und die damit verbundenen Verpflichtungen. Um den Umfang des integrierten Metadatenmodells von SAP zu veranschaulichen: Der SAP S/4HANA Knowledge Graph allein basiert auf 452.000 ABAP-Tabellen, 80.000 CDS-Ansichten und 7,3 Millionen Feldern.
• Vertrauenswürdige Unternehmens-Governance. Von Agenten durchgeführte Aktionen sind gesteuert, überprüfbar und reversibel. Unternehmen, die SAP-Agenten einsetzen, geben die Kontrolle nicht ab. Das Compliance-Framework gewährleistet Sicherheitskontrollen, bietet einen Audit-Trail und pflegt klar definierte Eskalationspfade.

Die technische Grundlage, die diese Vision zum Leben erweckt, ist die SAP Business AI Platform (BAIP). Eine einheitliche Plattform, die SAPs integrierte Suite an Daten- und KI-Funktionen zusammenführt, SAPs tiefgreifenden Prozesskontext kombiniert, SAP- und Nicht-SAP-Daten vereinheitlicht und speziell entwickelte Modelle mit Enterprise-Governance verbindet, um vertrauenswürdige, geschäftskontextbewusste KI-Lösungen in großem Maßstab zu entwickeln, bereitzustellen und zu steuern. Die Business AI Platform besteht aus drei Säulen:

• Entwickeln Sie, um Ideen für unternehmerische Wirkung umzusetzen. Dies beginnt mit Joule Studio, als flexibler Entwicklungsumgebung für die Erstellung agentischer Lösungen und die Unterstützung von Pro-Code-, Low-Code- und No-Code-Ansätzen – damit Benutzer eine Ausgangsarchitektur aus einer Problembeschreibung in einfacher Sprache generieren können. Agenten werden über die Joule Studio Runtime ohne individuelle Infrastruktur bereitgestellt, während SAP Integration Suite über 250+ vorkonfigurierte Konnektoren eine nahtlose Konnektivität zu SAP- und Nicht-SAP-Systemen bietet.
• Contextualize & Reason ist der Bereich, in dem SAP Business Data Cloud (BDC) KI-Agenten im gesamten Unternehmen stärkt, indem es als Business Data Fabric und KI-Wissenskern dient. Einzigartig für BDC: Es vereint SAP- und Drittanbieterdaten, bewahrt die Geschäftssemantik und bietet vollständig verwaltete Datenprodukte und intelligente Inhalte für alle Geschäftsbereiche und Branchen, wodurch die Integrationskomplexität erheblich reduziert und die Wertschöpfung beschleunigt wird. Mit dem in SAP Knowledge Graph kodierten jahrzehntelangen Prozesswissen von SAP stattet BDC KI-Agenten mit dem tiefen Kontextverständnis aus, das für präzise, nachvollziehbare Ergebnisse bei der systemübergreifenden Ausführung von Geschäftsprozessen erforderlich ist. Ergänzend zu BDC bietet der Hub für generative KI einheitlichen API-Zugriff auf SAP-eigene Modelle und Drittanbieter-LLMs mit integriertem Lifecycle-, Governance- und Kostenmanagement.
• Steuern Sie als Command-Center für unternehmensweite Daten- & KI-Governance. Je mehr Agenten eingesetzt werden, desto größer wird das Risiko, den Überblick darüber zu verlieren, was sie tun. SAP AI Agent Hub ist eine zentrale Konsole, über die Sie alle KI-Agenten entdecken, überwachen und verwalten können, unabhängig davon, welcher Anbieter oder welches Tool sie erstellt hat. Es beantwortet drei Fragen: Welche Agenten haben wir? Erfüllen sie alle Vorgaben? Schaffen sie Mehrwert?

BAIP hilft Unternehmen auf einzigartige Weise dabei, SAP-Daten als Gravitationszentrum zu bewahren und gleichzeitig Nicht-SAP-Daten auf kontrollierte, kontextreiche Weise zu integrieren. Das macht es besonders wichtig für Unternehmen, die KI, Analysen und autonome Prozesse skalieren möchten, ohne ihren gesamten Daten-Stack neu aufbauen zu müssen.

Die Autonomous-Enterprise-Strategie von SAP führt keinen neuen Daten-Stack ein. Es aktiviert vorhandene Komponenten in einem umfassenderen Ausführungskontext.

Eine pragmatische Roadmap zur Autonomie

Um ein Autonomous Enterprise aufzubauen, brauchen Sie keine disruptive Umstrukturierung. Governance, vertrauenswürdige Daten und Automatisierung sind die Schlüsselbereiche, auf die sich Unternehmen konzentrieren müssen, um Dynamik und eine kohärente Roadmap aufzubauen, die sich mit den Geschäftsprioritäten weiterentwickelt. Zu den praktischen Einstiegspunkten gehören:

• Governance einrichten. Richten Sie einen Daten-Governance -Prozess mit klaren Verantwortlichkeiten, Standards und rollenbasiertem Zugriff ein. Zentralisieren Sie APIs in einem Katalog mit grundlegenden Sicherheits- und Traffic-Richtlinien.
• Bauen Sie eine verlässliche Datenbasis auf. Beseitigen Sie Silos und bauen Sie eine einheitliche semantische Ebene in BDC auf. Konsolidieren Sie Data Access Patterns, um den API-Wildwuchs zu reduzieren. Ermöglichen Sie domänenübergreifende Analysen ohne neue Integrationen. Standardisieren Sie Geschäftsdefinitionen über Geschäftsbereiche hinweg.
• Beobachten und Informationen aufbauen. Aktivieren Sie API-Analysen und überwachen Sie Dashboards. Implementieren Sie Datenherkunft und Warnmeldungen in BDC. Versorgen Sie KI-Modelle mit verwalteten, einheitlichen Daten. Nutzen Sie Erkenntnisse, um hochwertige Automatisierung zu priorisieren.
• Automatisieren Sie, um Autonomie zu erreichen. Orchestrieren Sie ereignisgesteuerte, autonome Workflows auf Basis vertrauenswürdiger Daten. Operationalisieren Sie KI-Entscheidungen mit Joule und SAP AI Core durch kontinuierliche Verbesserung mithilfe von Feedbackschleifen. Lassen Sie Prozesse sich mithilfe von Echtzeitsignalen selbst optimieren.

Fazit—Einfachheit ist die Strategie

Das Autonomous Enterprise wird nicht in einem einzigen Release aufgebaut werden. Es wird schrittweise auf den Datengrundlagen aufgebaut, die Anwender bereits heute schaffen.

In einer sich schnell entwickelnden KI-Landschaft, in der zukünftige Innovationen schwer vorherzusagen sind, birgt der Aufbau eines eigenentwickelten Autonomous Enterprise von Grund auf das Risiko, ein starres Fundament zu schaffen, das sich nur schwer ändern, erweitern oder neu ausrichten lässt, wenn die Technologie ausreift. Eigenentwickelte Architekturen sind oft tief mit den Annahmen, Tools und KI-Paradigmen verknüpft, die zum Zeitpunkt ihrer Erstellung verfügbar waren – was es kostspielig und störend macht, neue Funktionen später zu integrieren. Stattdessen wird empfohlen, auf eine vorgefertigte, branchenerprobte Geschäftsprozessgrundlage zu setzen, die SAP kontinuierlich weiterentwickelt, um neue KI-Fortschritte zu integrieren. Dieser Ansatz bewahrt die architektonische Flexibilität, reduziert technische Altlasten und stellt sicher, dass das Unternehmen zukünftige Innovationen leicht übernehmen kann, während sich KI weiterentwickelt.