Deep Dive Teil 6: Architektur in Bildern – Schichtenmodell und Praxisablauf

Die folgenden Abbildungen fassen zusammen, wie die Rollen aus dieser Blogserie – vom Intent Architect über Governance und Supervisor bis zu Semantik, Admins und Entwicklern – in einem durchgängigen Bild zusammenspielen. Diagramm 1 zeigt das Schichtenmodell; Diagramm 2 verdichtet dasselbe Gedankengerüst in einen konkreten zeitlichen Prozess.

Diagramm 1: Das Schichtenmodell

Detaillierte Erklärung zu Diagramm 1: Das Schichtenmodell (Engagement, Governance & Execution Layer)

Dieses Strukturdiagramm zeigt die hierarchische Verteilung der Kompetenzen im Autonomous Enterprise. Es verdeutlicht, dass die Business AI Platform kein einzelnes Tool ist, sondern ein fein abgestimmtes Ökosystem, bei dem jede Rolle eine spezifische Ebene absichert:

• Die Interaktions-Schicht (Engagement Layer): Ganz oben steht der Business-User. Er kommuniziert über Joule via Freitext (Natural Language). Die Verbindung zwischen der menschlichen Absicht und der KI-Logik stellt der Intent Architect her. Er programmiert nicht mehr, wie die Daten fließen, sondern definiert im Joule Studio 2.0 das „Ziel-Muster“ (Intent), das die KI erreichen soll.

• Die Ausführungs- & Governance-Schicht: Dies ist das eigentliche Triebwerk der Autonomie. Hier agieren die KI-Agenten selbstständig. Sie sind jedoch von zwei menschlichen Instanzen umgeben:

  • Der AI Governance & Compliance Officer baut die rechtlichen und datenschutzkonformen Leitplanken (Guardrails) um sie herum.
  • Der AI Agent Supervisor überwacht das System als operativer Fluglotse über Dashboards und greift ein, wenn die KI eine Ausnahme (Exception) wirft.

• Die semantische Daten-Schicht: Unter den Agenten liegt das digitale Gedächtnis des Unternehmens – der SAP Knowledge Graph. Der Enterprise Semantic Engineer pflegt dieses Netz, damit die KI-Agenten die betriebswirtschaftlichen Zusammenhänge im Unternehmen fehlerfrei interpretieren können.

• Die Infrastruktur-Schicht: Der BTP- & Integration-Suite-Administrator stellt sicher, dass die Plattform (z. B. der SAP AI Core und das API-Management) performant, sicher und via Cloud SDK skalierbar läuft.

• Der transaktionale ERP-Kern (Clean Core): Ganz unten liegt das unbestechliche Fundament – SAP S/4HANA. Hier sorgen ABAP- und BTP-Entwickler mithilfe von KI-gestütztem Engineering dafür, dass saubere RAP-Objekte und CAP-Services als standardisierte Werkzeuge bereitstehen, die die KI-Agenten im Kern ansteuern dürfen.

Diagramm 2: Das Ablaufdiagramm

Detaillierte Erklärung zu Diagramm 2: Das Ablaufdiagramm (Das Praxisbeispiel im Fluss)

Dieses Ablaufdiagramm bricht die theoretische Architektur auf einen konkreten, zeitlichen Prozess in der Praxis herunter. Es zeigt chronologisch, wie eine Management-Entscheidung absolut rechtssicher und vollautomatisiert im System umgesetzt wird:

1. Die Vorbereitung (Design-Time): Die Geschäftsführung erlässt eine strategische Vorgabe (z. B. die Priorisierung von Halbleitern über europäische Lieferrouten). Bevor ein System aktiv wird, arbeiten die Tech-Rollen Hand in Hand:

   • Der Intent Architect definiert das strategische Ziel im Joule Studio.
   • Der Semantic Engineer verknüpft die relevanten Material- und Lieferanten-Knoten im Knowledge Graph.
   • Der Governance Officer setzt ein hartes Limit im System (z. B. maximale autonome Budgetfreigabe von 5.000 €).
   • Die Entwickler und Admins bereiten die APIs und Kernobjekte vor.

2. Die Live-Ausführung (Run-Time): Ein Anwender triggert den Prozess über einen Prompt. Der KI-Agent startet sein logisches Denken (Reasoning) und wählt autonom die passenden Werkzeuge. Nun teilt sich der Pfad basierend auf den hinterlegten Regeln:

   • Pfad A (Standardfall): Liegen die Kosten für die Routenänderung unter 5.000 €, bucht der Agent den Beleg vollautomatisch im S/4HANA-Kern um. Der Prozess läuft in Sekundenschnelle und ohne menschliches Zutun ab.
   • Pfad B (Ausnahmefall / Notbremse): Übersteigen die Kosten das Limit oder ändern sich unvorhergesehen die AGBs des Lieferanten, greifen die Legal Guardrails. Die Autonomie des Agenten wird sofort blockiert und der Prozess eingefroren.

3. Menschliche Entscheidung (Exception Handling): Der Fall wird als Alert an das Dashboard des AI Agent Supervisors geleitet. Dieser analysiert das Risiko unternehmerisch, übersteuert die Systemblockade manuell und gibt den Beleg mit seiner digitalen Signatur rechtssicher frei. Der Audit-Trail für Wirtschaftsprüfer bleibt lückenlos geschlossen.