Architecting the Autonomous Enterprise — Die komplette SAP-Webinarreihe im Architektur-Dossier

Kern-Erkenntnisse (Key Takeaways)

• Wandel von deterministischer Prozessautomatisierung (RPA, statische Workflows) hin zu zielbasierter, agentischer Autonomie.
• Enterprise Architects müssen sich von starren Blueprints zur Orchestrierung dynamischer, zielorientierter KI-Systeme entwickeln.
• Geschäftskontext ist der entscheidende Faktor: Generische Sprachmodelle ohne tiefen SAP-Kontext scheitern in echten Enterprise-Workflows.
• Clean Core als Grundvoraussetzung: Agenten müssen über standardisierte, upgradesichere APIs interagieren, ohne ABAP-Modifikationen.

---

1. Vision & Leitbild des Autonomen Unternehmens

Die Auftaktsitzung definiert das „Autonome Unternehmen“ nicht als bloßen Hype oder einfachen Chatbot-Einsatz, sondern als fundamentale Evolution von starren ERP-Transaktionen hin zu zielorientierten, selbststeuernden Geschäftsprozessen. Während klassische Automatisierung feste Wenn-Dann-Regeln voraussetzt, agieren autonome Systeme zielbasiert, antizipieren Engpässe und treffen unter vorgegebenen Leitplanken eigenständige Entscheidungen.

2. Die neue Rolle des Enterprise Architects

• Vom Gatekeeper zum Enabler: Architekten definieren Leitplanken („Guardrails“), innerhalb derer autonome Agenten sicher agieren dürfen. • Kontext-Architektur: Daten dürfen nicht in Silos liegen. Architekten müssen semantische Datenmodelle und Geschäftskontext für KI-Modelle bereitstellen. • Clean Core als Basis: Ein modifikationsfreier Core (S/4HANA Clean Core) mit standardisierten OData/REST-APIs ist die unverzichtbare Basis für stabile KI-Interaktionen.

3. Architektonische Säulen

1. Intelligenzschicht: SAP Joule, Foundation Models, Generative AI Hub.
2. Semantische Schicht: SAP Knowledge Graph, Datasphere Semantics.
3. Prozess- & Governance-Schicht: SAP Signavio, LeanIX, AI Agent Hub.
4. Operations- & Integrationsschicht: SAP BTP Integration Suite & Extension Suite.

---

Praxis-Empfehlungen für SAP-Architekten

• Verzahnung im BTP Cockpit: Sicherstellen, dass die benötigten BTP-Services (Generative AI Hub, AI Core, HANA Cloud) mit dem Cloud ERP verbunden sind.
• Clean Core Governance: Konsequente Nutzung von standardisierten APIs und Ereignissen (Event-Driven Architecture) statt Modifikationen im ERP-Core.
• Monitoring & Auditierung: Etablierung des SAP AI Agent Hub zur lückenlosen Protokollierung aller Agenten-Interaktionen.

Kern-Erkenntnisse (Key Takeaways)

• Transformation des SAP-Portfolios von monolithischen ERP-Systemen zu einer modularen, KI-gestützten Suite.
• SAP BTP fungiert als technologisches Rückgrat für AI-Erweiterungen, Orchestrierung und Integration.
• Integration von LeanIX (Architekturtransparenz) und Signavio (Prozesstransformation) bildet den Zwillingsmotor für KI.
• Weg von isolierten Punktlösungen hin zu eingebetteter „Business AI“ in allen Kernprozessen (Procure-to-Pay, Order-to-Cash, etc.).

---

1. Portfolio-Evolution & Bausteine

Die Episode zeigt, wie SAPs strategische Akquisitionen und Plattform-Erweiterungen (LeanIX für Enterprise Architecture Management, SAP Signavio für Process Mining und WalkMe für Digital Adoption) zusammenwirken. Sie bilden gemeinsam das Fundament, um KI zielgerichtet in Geschäftsprozesse einzubetten.

2. LeanIX & Signavio als Datenlieferanten für KI

• LeanIX liefert die architektonische Landkarte: Welche Systeme, Schnittstellen und Datenobjekte existieren? • Signavio liefert die Prozesswirklichkeit: Wie laufen Prozesse tatsächlich ab, wo liegen Engpässe und Abweichungen? • KI-Agenten nutzen diese Metadaten als semantischen Kontext, um Prozesse dynamisch zu optimieren.

3. Die Rolle von SAP BTP

SAP BTP stellt die zentrale Integrations-, Daten- und KI-Plattform dar. Sie entkoppelt kundenindividuelle KI-Erweiterungen vom ERP-Kern und gewährleistet Upgradesicherheit im Sinne der Clean Core-Strategie.

---

Praxis-Empfehlungen für SAP-Architekten

• Architektur- und Prozessinventur: Verknüpfung von LeanIX-Faktenblättern mit Signavio-Prozessmodellen als Wissensbasis für KI.
• Erweiterungsstrategie: Etablierung von BTP als ausschließlicher Ort für Eigenentwicklungen und Agenten-Orchestrierung.
• Ganzheitliches Adoption-Management: WalkMe zur Nutzerführung bei KI-gestützten Änderungen einsetzen.

Kern-Erkenntnisse (Key Takeaways)

• „The future of AI is not determined by the intelligence of the model. It is determined by the quality of the business context surrounding it.“
• Der SAP Knowledge Graph verknüpft unstrukturierte Absichten (Intents) mit strukturierten ERP-Entitäten.
• „AI inherits the task. Humans provide the judgment.“ – Kontext als gemanagtes Unternehmensasset.
• Vermeidung von Halluzinationen durch Grounding an realen ERP-Stammdaten und Geschäftsobjekten.

---

1. Das „Intent to Action“-Paradigma

Der Übergang von rein informativen Chatbots zu handlungsfähigen Agenten erfordert ein tiefes Verständnis von Benutzerabsichten (Intents). Das System muss Absichten erkennen, in konkrete Geschäftsobjekte übersetzen und als valide API-Aufrufe im ERP ausführen.

2. SAP Knowledge Graph als semantisches Bindeglied

Der SAP Knowledge Graph überführt isolierte Tabellenbeziehungen in ein vernetztes Bedeutungsnetzwerk. Er verknüpft Kunden, Bestellungen, Lieferanten und Richtlinien so, dass Sprachmodelle den vollen betriebswirtschaftlichen Kontext erfassen können.

3. Grounding & Halluzinationsvermeidung

Durch die Bindung der Modellausgaben an den Knowledge Graph wird sichergestellt, dass generierte Aktionen auf realen Unternehmensdaten basieren und gültige ERP-Geschäftslogiken widerspiegeln.

---

Praxis-Empfehlungen für SAP-Architekten

• Kontext vor Modellwahl: Investition in saubere Stammdaten und semantische Beziehungen vor dem Feintuning von Modellen.
• Einführung von Intent-Katalogen: Definition der erlaubten Benutzerabsichten und deren Mapping auf BTP-Services.
• Human-in-the-Loop-Muster: Kritische Folgeaktionen stets mit einer expliziten menschlichen Bestätigung absichern.

Kern-Erkenntnisse (Key Takeaways)

• Schließen des „Enterprise Readiness Gap“: Prototypen sind in Minuten gebaut, produktionsreife Agenten erfordern Enterprise-Guardrails.
• SAP Joule Studio als KI-native Low-Code/Pro-Code-Entwicklungsumgebung für Agenten, Skills und Workflows.
• Intent-Driven Development kombiniert mit standardisierten API-Connectoren (OpenAPI, SAP Destination Service).
• Sicherheit, Identity Propagation und granulare Berechtigungen direkt im Runtime-Framework integriert.

---

1. Joule Studio als Agenten-Werkbank

Joule Studio bietet Entwicklern und Architekten eine einheitliche Umgebung, um spezifische Agenten-Fähigkeiten (Skills) zu modellieren, mit Systemprompts zu instruieren und an reale APIs anzubinden.

2. Tool-Calling & API-Integration

Agenten interagieren über standardisierte Tool-Schnittstellen mit Backend-Systemen. Joule Studio übernimmt die Authentifizierung über SAP BTP Destinations und leitet den Nutzerkontext (Principal Propagation) sicher weiter.

3. Guardrails & Test-Zyklen

Eingebaute Validierungsmechanismen stellen sicher, dass Antworten vor der Auslieferung auf Einhaltung definierter Richtlinien geprüft werden.

---

Praxis-Empfehlungen für SAP-Architekten

• Standard-Tools nutzen: Bestehende SAP-Standard-Connectoren bevorzugen, statt eigene Schnittstellen neu zu programmieren.
• Granulare Berechtigungen: Jedem Agenten-Skill nur exakt die API-Berechtigungen zuweisen, die zwingend erforderlich sind (Least Privilege).
• Prompt-Versionierung: System-Prompts und Skill-Definitionen wie regulären Quellcode im Versionskontrollsystem pflegen.

Kern-Erkenntnisse (Key Takeaways)

• Strukturierte 3-Stufen-Methodik: Base AI → Premium AI → Custom AI.
• Use-Case-Scoring nach Business Value, Machbarkeit und Datenreife.
• SAP Joule als universelle Oberfläche („Single Point of Entry“) für Endanwender.
• Vermeidung isolierter Pilot-Friedhöfe durch einheitliches Architektur-Pattern.

---

1. Das 3-Stufen-Reifegradmodell

SAP unterscheidet zwischen eingebetteter Basisfunktionalität (Base AI), erweiterten Szenarien (Premium AI) und vollständig kundenindividuellen Agenten (Custom AI). Dieses Modell hilft Unternehmen, schrittweise vorzugehen.

2. Bewertung von Anwendungsfällen

Nicht jeder technisch mögliche Use Case schafft geschäftlichen Mehrwert. Ein strukturierter Scoring-Ansatz priorisiert Initiativen nach messbarem Nutzen, Datenverfügbarkeit und Risikoprofil.

3. Skalierung & Industrialisierung

Erfolgreiche Prototypen müssen über standardisierte BTP-Deployment-Pipelines in den Regelbetrieb überführt werden, inklusive SLA-Definitionen und Support-Prozessen.

---

Praxis-Empfehlungen für SAP-Architekten

• Klare Priorisierung: Mit Standard-Use-Cases (Base AI) starten, um schnelle Mehrwerte ohne hohe Entwicklungskosten zu erzielen.
• Business-Sponsoring: KI-Initiativen nur mit direktem Engagement der betroffenen Fachbereichsleiter starten.
• Architektur-Reviews: Etablierung fester Prüfpunkte vor dem Übergang von Pilotprojekten in den Produktivbetrieb.

Kern-Erkenntnisse (Key Takeaways)

• Gefahr von „AI Shadow IT“: Unkontrollierter Wildwuchs von Copiloten, Agents und API-Keys.
• SAP AI Agent Hub als zentrales Kontroll- und Observability-Zentrum für Agenten.
• Verknüpfung von Agenten mit Enterprise Architecture (Geschäftsfähigkeiten, Applikationen, Datenobjekte).
• Vollständiger Lifecycle: Discovery → Governance → Observation → Optimization.

---

1. Die Herausforderung der Skalierung

Wenn dutzende Agenten im Unternehmen aktiv sind, droht Kontrollverlust bezüglich Kosten, Latenzen, Berechtigungen und Modellaktualisierungen. Klassisches IT-Service-Management reicht für autonome Agenten nicht aus.

2. Observability & Monitoring

Lückenloses Tracking von Token-Verbräuchen, Antwortzeiten, Fehlerraten und Benutzerfeedback über ein zentrales Dashboard ist Voraussetzung für den stabilen Betrieb.

3. Regressionstests & Golden Datasets

Da Cloud-Modelle sich im Hintergrund verändern können, sind automatisierte Testläufe gegen kuratierte Referenz-Datensätze (Golden Datasets) Pflicht.

---

Praxis-Empfehlungen für SAP-Architekten

• Zentrales Register: Alle im Unternehmen genutzten Agenten im SAP AI Agent Hub oder LeanIX registrieren.
• Automatisiertes Drift-Monitoring: Wöchentliche Testläufe zur Überprüfung von Antwortkonsistenz und Schema-Konformität etablieren.
• Kostenkontrolle: Budgetgrenzen und Token-Limits pro Fachbereich und Agent konfigurieren.

Kern-Erkenntnisse (Key Takeaways)

• Generische Foundational Models (GPT-4, Claude, Gemini) vs. SAP Domain-Specific Models.
• SAP Foundation Models sind auf ERP-Metadaten, ABAP, Tabellenstrukturen und Tabellenbeziehungen trainiert.
• Multi-Model-Strategie: Das richtige Modell für die richtige Aufgabe (Kosten-, Latenz- und Präzisions-Optimierung).
• SAP Generative AI Hub bietet modellagnostische Abstraktion und zentrales Token-Management.

---

1. Das Modell-Spektrum im Enterprise

Unternehmen müssen zwischen großen Allzweck-Sprachmodellen (LLMs) und spezialisierten, domänenspezifischen Modellen abwägen. Letztere bieten bei SAP-spezifischen Aufgaben oft höhere Präzision bei geringeren Kosten.

2. SAP Domain Models

SAPs eigene Modelle sind speziell auf Geschäftssemantik, CDS Views, ABAP-Syntax und ERP-Datenstrukturen trainiert und erzielen in diesen Domänen überlegene Ergebnisse.

3. Der Generative AI Hub als Entkoppler

Architekten binden Anwendungen nicht fest an ein bestimmtes Modell, sondern an den Generative AI Hub. Dies ermöglicht den flexiblen Austausch von Modellen ohne Codeänderungen.

---

Praxis-Empfehlungen für SAP-Architekten

• Aufgabenbezogene Modellwahl: Kleinere, spezialisierte Modelle für Routing und Klassifikation nutzen; große Modelle nur für komplexe Synthesen.
• Vendor Lock-in vermeiden: Ausschließlich den Generative AI Hub als Schnittstelle verwenden.
• Regelmäßiges Benchmarking: Performance und Kosten alternativer Modelle kontinuierlich vergleichen.

Kern-Erkenntnisse (Key Takeaways)

• Die „AI North Star Architecture“ als ganzheitlicher Zielzustand für Unternehmen.
• Der „AI Golden Path“: Standardisierte Entwurfsmuster und Blueprints zur Beschleunigung von Projekten.
• Überwindung von Integrationshürden zwischen Cloud ERP, BTP und Non-SAP-Umgebungen.
• Klare Rollenverteilung zwischen Datenebene, Orchestrierungsebene und User Experience.

---

1. Die North Star Referenzarchitektur

Das Architekturmodell beschreibt die harmonische Koexistenz von SAP Cloud ERP, BTP-Erweiterungen und externen Cloud-Diensten. Es definiert standardisierte Kommunikationspfade und Schnittstellenmuster.

2. Der Golden Path für Entwicklungsteams

Vorgefertigte Architekturvorlagen und Starter-Kits beschleunigen die Umsetzung und stellen sicher, dass Clean Core-Vorgaben und Sicherheitsstandards von Tag 1 an eingehalten werden.

3. Hybrid- und Multi-Cloud-Szenarien

Wie KI-Dienste nahtlos über Hyperscaler-Grenzen (AWS, Azure, GCP) hinweg integriert werden, ohne die zentrale Governance zu verlieren.

---

Praxis-Empfehlungen für SAP-Architekten

• Blueprints als Standard deklarieren: Projektteams verpflichten, genehmigte Golden Path-Muster zu verwenden.
• Architektur-Board etablieren: Regelmäßige Begutachtung von Abweichungen durch das zentrale Enterprise Architecture Board.
• BTP als Drehscheibe: Datenaustausch mit Drittsystemen konsequent über die SAP Integration Suite abwickeln.

Kern-Erkenntnisse (Key Takeaways)

• „No AI without Data, no autonomous enterprise without Business Semantics.“
• SAP Datasphere als Kern der Business Data Fabric.
• Bedeutung von semantischer Integrität beim Übertragen von ERP-Daten in Lakehouses oder Vektordatenbanken.
• Zero-Data-Duplication: Föderierte Datenarchitekturen statt monolithischer Data Dumps.

---

1. Die Business Data Fabric

Autonome Systeme benötigen verlässliche Daten. Die Business Data Fabric verbindet ERP-Daten mit externen Quellen, ohne die Geschäftssemantik (Hierarchien, Währungen, Einheiten) zu zerstören.

2. Föderation statt Replikation

Statt Millionen von Datensätzen in zentrale Data Lakes zu kopieren, ermöglicht SAP Datasphere den föderierten Zugriff in Echtzeit unter Beibehaltung der Sicherheitskontexte.

3. Semantische Datenaufbereitung für RAG

Klassisches RAG scheitert oft an tabellarischen Geschäftsdaten. Die Aufbereitung über semantische Schichten sichert korrekte Antworten bei Datenabfragen.

---

Praxis-Empfehlungen für SAP-Architekten

• Semantik wahren: Datenzugriff für KI stets über semantische Schichten (z. B. Datasphere Analytic Models) strukturieren.
• Berechtigungskonzepte vererben: Sicherstellen, dass Quellberechtigungen bis zur KI-Abfrage durchgereicht werden.
• Datenhygiene priorisieren: Stammdatenqualität als kritischen Erfolgsfaktor für KI-Projekte definieren.

Kern-Erkenntnisse (Key Takeaways)

• Zwei Blickwinkel auf Autonomie: Horizontale Domänen (Finance, HR, SCM) vs. vertikale Industrie-Use-Cases.
• Branchenspezifische Agenten für Fertigungsindustrie, Retail, Energieversorgung und Automotive.
• Eine einheitliche Plattform (BTP + Joule) skaliert über sämtliche Unternehmensdomänen.
• End-to-End-Prozessperspektive überwindet Abteilungssilos.

---

1. Horizontale vs. Vertikale Autonomie

Während Querschnittsfunktionen (wie Rechnungsprüfung oder Urlaubsanträge) domänenübergreifend ähnlich sind, erfordern Branchenprozesse (wie Chargenrückverfolgung oder Energieeinkauf) hochgradig spezialisierte Logiken.

2. Praxisbeispiele aus Kernindustrien

Die Session beleuchtet konkrete Szenarien: Autonome Dispositionsanpassung bei Lieferengpässen in der Fertigung oder vorausschauende Wartung im Transportwesen.

3. Plattformsynergien nutzen

Auch hochspezifische Industrie-Agenten greifen auf dieselben BTP-Basiskomponenten (Knowledge Graph, AI Core, Identity Services) zurück.

---

Praxis-Empfehlungen für SAP-Architekten

• Kombinierter Ansatz: Schnelle Erfolge in horizontalen Prozessen erzielen, parallel differenzierende Branchen-Agenten planen.
• Domänenexperten einbinden: Fachkräfte aus der Fachabteilung als Co-Designer für agentische Workflows gewinnen.
• Wiederverwendbarkeit fördern: Branchenkomponenten modular als BTP-Packages für andere Standorte bereitstellen.

Kern-Erkenntnisse (Key Takeaways)

• Einhaltung von regulatorischen Vorgaben (EU AI Act, ISO 42001, Datenschutzgesetze).
• Das Mosaic-Governance-Modell für Agenten: Delegation von Autorität, Audit Trails und Haftung.
• Sicherheits-Guardrails: Input-Validierung, Output-Filtering, Prompt Injection Defense.
• IAM für Agenten: Digitale Identitäten für autonome Agenten mit dem Prinzip der minimalen Rechte (Least Privilege).

---

1. Regulatorische Rahmenbedingungen

Der EU AI Act und globale Compliance-Vorgaben fordern strikte Transparenz, Risikobewertungen und lückenlose Nachvollziehbarkeit bei automatisierter Entscheidungsfindung.

2. Sicherheitsarchitektur & Bedrohungsabwehr

Schutz vor Prompt Injections, Datenabfluss und unbefugten Funktionsaufrufen durch mehrstufige Inspektionsfilter im BTP Generative AI Hub.

3. Revisionssichere Prüfpfade

Jede Entscheidung und jeder API-Aufruf eines autonomen Agenten muss revisionssicher und nachvollziehbar protokolliert werden (Audit Logging).

---

Praxis-Empfehlungen für SAP-Architekten

• Zero Trust für Agenten: Niemals generische Admin-Accounts verwenden; Identität des Benutzers stets per Principal Propagation durchreichen.
• Compliance-Checkliste etablieren: Jeden neuen Agenten vor dem Go-Live gegen EU AI Act-Kriterien auditieren.
• Unveränderliche Logs: Audit-Logs in revisionssicheren Speichern archivieren, getrennt von den operativen Logs.

Kern-Erkenntnisse (Key Takeaways)

• Die 3 zentralen Imperative für Enterprise Architects im KI-Zeitalter.
• Imperativ 1: Architekturdaten agentenfähig machen (LeanIX und Signavio als maschinenlesbarer Kontext).
• Imperativ 2: Auf Geschäftsergebnisse fokussieren (Messbarer Nutzen statt Technologiefaszination).
• Imperativ 3: Leitplanken aktiv gestalten (Führung bei Governance und Risikomanagement).
• Transformation vom klassischen IT-Planer zum strategischen Gestalter des autonomen Unternehmens.

---

1. Der Paradigmenwechsel in der Architektur

Enterprise Architects zeichnen keine statischen 5-Jahres-Pläne mehr. Sie gestalten dynamische Systeme, die sich innerhalb definierter Regeln selbstständig optimieren.

2. Architektur als lebender Kontext

LeanIX-Architekturdaten und Signavio-Prozessmodelle dienen nicht mehr nur der menschlichen Dokumentation, sondern werden als semantischer Kontext direkt von Agenten abgefragt.

3. Die neue Verantwortung

Architekten sind die zentralen Koordinatoren zwischen Geschäftsführung, IT-Sicherheit, Compliance und Entwicklerteams.

---

Praxis-Empfehlungen für SAP-Architekten

• Architektur-Metadaten pflegen: LeanIX und Signavio als maschinenlesbare Wissensbasis kontinuierlich aktuell halten.
• Agile Guardrails: Starre Freigabeprozesse durch automatisierte Architektur-Prüfungen in CI/CD-Pipelines ersetzen.
• Kontinuierliche Weiterbildung: Architekten gezielt in probabilistischer Systemarchitektur, Ontologien und LLMOps schulen.