Transformation in vier Schritten

Anlagen in der Chemieindustrie sind komplex. Unerwartete Ausfallzeiten sind teuer und können zum Sicherheitsrisiko werden. Deshalb ist es wichtig, in etwa die verbleibende Nutzungsdauer zu kennen und zu wissen, wie wahrscheinlich es ist, dass Geräte oder ganze Anlagen ausfallen. 

Generative KI, eingebettet in die cloud-basierte Lösung SAP Asset Performance Management, ermittelt deren Leistung und Zuverlässigkeit und prognostiziert ihre Lebensdauer. 

Vorteil: Eine frühzeitige Wartung reduziert Ausfallzeiten und damit auch das wirtschaftliche Risiko. Auch in anderen Branchen und Anwendungen trägt generative KI dazu bei, Prozesse effizienter zu machen und damit Kosten und Ressourcen zu sparen. Klar ist: Generative KI ist häufig der Grund, weswegen Unternehmen sich für Cloud-Standards entscheiden. 

Erfolgreiche Gen AI mit Cloud

Die Voraussetzung dafür ist eine durchdachte Transformation, die Prozessstandards wie etwa die S/4 Cloud berücksichtigt. In dieser Public-SaaS-Lösung ist der Standard vorgefertigt, während in der
Private-Lösung von S/4 Cloud die Option besteht, Prozesse anzupassen. Beide Cloud-Lösungen ermöglichen erst, die aktuellen Innovationen durch generative KI zu nutzen. Die Herausforderung ist, den Blick auf den eigenen Wettbewerbsvorteil im Auge zu behalten. Das ermöglicht unser Ansatz einer wertorientierten Transformation:

1. Mit MPSA strategisch vorgehen 

Mit Standards starten, Freiheiten zulassen: SAP verfolgt mit den Cloud-Lösungen das Ziel, eine anpassungsfähige, innovative Architektur bereitzustellen. Die „SAP Best Practices“ für die Industrien sind jedoch oft „nur“ der kleinste gemeinsame Nenner über die jeweilige Industrie hinweg. Unternehmen kommen mit den angebotenen Lösungen allein nicht immer aus. Die Grundidee der Multi Pillar Strategic Architecture (MPSA) ist, herauszufinden, wo Unternehmen auf S/4-basierte Standards setzen sollten, wann sie etwa die Business Technology Platform (SAP BTP) für individuelle Erweiterungen (und damit verbundene Wettbewerbsvorteile am Markt) nutzen und in welchen Bereichen sie Alternativen zu SAP nutzen sollten.

Für einige Branchen gibt es zudem Capgemini-eigene Erweiterungen – etwa „Referenzarchitekturen“ für Branchen wie die diskrete Fertigung, Life Science, Energie und Automobil oder Erweiterungen wie die AutoCloud.

2. Tools für stimmiges Zielbild 

Transparenz über Prozesse bekommen und priorisieren: Während die MPSA das Zielbild eines Unternehmens darstellt, hilft die Integrated Toolchain, in die Prozesse hineinzuschauen. 

SAP Signavio etwa ist dafür da, herauszufinden, welche Prozesse sich gut automatisieren lassen. Hier gezielt zu testen, spart Zeit und Ressourcen. SAP Cloud ALM nimmt Anforderungen auf, priorisiert oder depriorisiert sie. Ein Tool der Capgemini-Tochter Syniti bereinigt Daten mithilfe von KI und sorgt für gute Datenqualität. Ziel des Werkzeugkastens ist, ein stimmiges Zielbild vorzubereiten.

3. Generative KI integrieren 

Produktivitätsschub durch angepasste Strategien: In einer weltweiten Umfrage von Capgemini erwartet jede zweite befragte Führungskraft, dass sich Strategien und Geschäftsmodelle durch generative KI verändern werden, wobei fast jeder Dritte (28 Prozent) von einem Produktivitätsschub ausgeht. 

Ein Beispiel dafür ist SAP Joule for Consultants, ein in SAP integrierter KI-Assistent, der Berater während der Transformation darin unterstützt, gezielt Antworten aus dem SAP-Kosmos eines Unternehmens zu bekommen. Hier kann es um Geschäftszahlen gehen oder auch darum, Programmiercodes automatisch generiert zu bekommen. Beratungsprojekte beschleunigen sich durch das unternehmensspezifische ChatGPT durchschnittlich um 14 Prozent, Berater sparen eineinhalb Stunden pro Tag ein und der Aufwand für das Programmieren sinkt um 40 Prozent. 

4. Datenqualität als Voraussetzung

Die Qualität der Daten ist eine wichtige Basis: Eine wichtige Voraussetzung dafür, dass KI-Agenten zuverlässig arbeiten, ist, dass sie sich auf die Daten verlassen können, die sie sich aus den Systemen ziehen. Für die erforderliche Datenqualität sorgt unter anderem die Capgemini-Tochter Sy-niti. Deren Ansatz „Data First“ bedeutet, dass erst mit einem Umbau der Architektur und dem Einsatz von Tools begonnen wird, wenn die Datenqualität stimmt. Syniti setzt selbst generative KI ein, um Dopplungen und Fehler in Datensätzen eigenständig zu erkennen und zu beheben.

Der generativen KI eilt der Ruf eines Allheilmittels voraus, Unternehmen innovativer, agiler und effizienter zu machen. Es erfordert jedoch auch Transformationsbedarf, um cloudbasierte Standards nutzen und das Potenzial letztlich ausschöpfen zu können.