GenAI im SAP-Umfeld strukturiert einführen

Entscheidend ist ein strukturierter, geschäftsgetriebener Ansatz, der Akzeptanz und Effekt maximiert, statt in isolierten Technologieexperimenten zu enden. Die folgenden Schritte verhelfen zum Erfolg.

Schritt 1 – Problem vor Technologie stellen: Der häufigste Fehler: Unternehmen begeistern sich für GenAI und suchen erst danach ein Einsatzfeld. Erfolgreiche Initiativen starten mit klar definierten Problemen oder Ineffizienzen. Bewährt haben sich interdisziplinäre Workshops, in denen Fachbereiche, Technologieexperten und Nutzer Prozesse analysieren. Weitere Hinweise liefern Prozessdaten aus SAP-Systemen, Service-Desk-Tickets und Feedback aus Fachbereichen.

Schritt 2 – GenAI-Potenzial prüfen: Kann GenAI hier tatsächlich einen Beitrag leisten – etwa durch Texterstellung, Zusammenfassung, Klassifikation oder die Analyse unstrukturierter Informationen oder Bilder? Eine erste Grobprüfung filtert Ideen nach erwartetem Nutzen, Aufwand, strategischem Fit und Datenverfügbarkeit. Unrealistische oder wenig relevante Vorhaben werden so frühzeitig aussortiert.

Schritt 3 – Use Case konkretisieren und priorisieren: Aus der Idee wird ein konkreter Use Case. Ein Use-
Case-Canvas hilft, zentrale Fragen zu klären: Welches Problem wird gelöst? Wer nutzt die Lösung? Wie sieht sie aus – etwa als Co-Pilot, Chatbot oder Dokumentenassistent? Welche Daten werden benötigt und wo liegen sie? Zudem wird geprüft, wie der Erfolg gemessen wird. Parallel erfolgt eine technische, organisatorische und ethische Machbarkeitsprüfung. Danach werden Nutzen, Aufwand und Risiko priorisiert.

Schritt 4 – Proof of Concept: Bevor größere Budgets gebunden werden, empfiehlt sich ein Proof of Concept. In wenigen Wochen wird mit minimalem Setup geprüft, ob GenAI das Kernproblem lösen kann. Im Fokus stehen Kernfunktionalität und Prompt Engineering. Ziel ist nicht nur ein technischer Test, sondern der Nachweis, dass IT-Landschaft, Prozesse und Organisation bereit sind. Ergebnis ist eine Demo mit belastbaren Erkenntnissen zu Akzeptanz, Grenzen und Datenanforderungen – als Grundlage für die Go/No-Go-Entscheidung.

Schritt 5 – Entwicklung der ersten produktiven Version: Erst jetzt beginnt die Entwicklung der ersten einsatzfähigen Version. Sie sollte agil erfolgen und vier Aspekte in den Fokus nehmen: Erstens: Integration in bestehende SAP- und Nicht-SAP-Systeme. Zweitens: robuste Architektur inklusive AI Operating System (Monitoring, Logging, Versionierung). Drittens: User Experience, die sich am Arbeitsalltag der Anwenderinnen und Anwender orientiert. Viertens: Sicherheit und Governance, etwa Schutz vor Prompt Injection, Datenschutz und klare Verantwortlichkeiten.

Schritt 6 – Testen mit Pilotgruppen und Rollout: Gefragt sind: Output-Validierung (Korrektheit, Stil, Bias), Robustheit gegenüber ungewöhnlichen Eingaben, Sicherheit (Datenschutz, Berechtigungen, Angriffsvektoren) sowie Performance und Kosten. Feedback-Schleifen mit Pilotgruppen – etwa in UAT-Workshops im SAP-Kontext – sind Pflicht. Auf Basis dieser Erfahrungen erfolgt ein schrittweiser Rollout, beginnend mit einer begrenzten Nutzergruppe. Erfolgsentscheidend sind professionelles Change-Management, klare Kommunikation, gezielte Schulungen und angepasste Prozesse.

Schritt 7 – kontinuierliche Optimierung: GenAI-Lösungen sind keine statischen Produkte, sondern lebende Systeme. Neue Modelle, veränderte Rahmenbedingungen und das Feedback der Fachbereiche erfordern kontinuierliche Weiterentwicklung: bessere Prompts, erweiterte Funktionen, nachjustierte Governance. Laufendes Monitoring von Qualität, Kosten und Nutzerzufriedenheit schafft die notwendige Grundlage.

Fazit

Wer GenAI im SAP-Ökosystem erfolgreich nutzen will, braucht einen klaren, iterativen Prozess. Unternehmen, die Fachbereiche, IT und Datenexpertinnen und -experten konsequent zusammenbringen und GenAI als nutzerzentrierten Lernprozess verstehen, erhöhen die Chancen auf messbaren geschäftlichen Mehrwert deutlich. So wird GenAI vom Hype-Thema zum handfesten Produktivwerkzeug.

Weiter zum Partnereintrag: