Coverstory Beilage Manager Magazin: Agentische KI verändert die Ökonomie der SAP-Systeme

Kaum eine Kostenposition ist in Industrieunternehmen so groß und zugleich so wenig hinterfragt wie der Betrieb und die Weiterentwicklung der SAP-Systeme, auf denen die kritischen Geschäftsprozesse laufen. Jahrzehntelang galt: Modernisierung ist teuer, dauert lange und der Geschäftsnutzen lässt sich kaum nachweisen. Mit agentischer KI verschiebt sich das Kosten-Nutzen-Verhältnis grundlegend – und mit ihm die Frage, die ein Vorstand seiner IT stellen sollte.

So oder sehr ähnlich habe ich es in den vergangenen Jahren immer wieder gehört – von Vorständen, denen ihr SAP-Programm zum dritten Mal davonläuft, und besonders eindringlich von einer Finanzvorständin, an die der CIO berichtet und bei der deshalb jede Eskalation landet. Aus dieser Realität heraus ist dieser Beitrag entstanden. Und es gibt inzwischen einen Ausweg, der nicht in der nächsten Verschiebung besteht. Davon handelt der folgende Bericht.

Wie agentische KI Unternehmen erfolgreicher macht

Nach zwei Jahren des Experimentierens mit künstlicher Intelligenz (KI) hat sich in den Unternehmen herauskristallisiert, welche Form von KI tatsächlich Ergebnisse bringt. Es sind nicht die gängigen KI-Assistenten, die Fragen beantworten, Dokumente zusammenfassen und Entwürfe schreiben – nützlich für den Einzelnen, aber am Ablauf des Geschäftsprozesses ändern sie nichts. Es sind neuartige KI-Systeme, die eine Aufgabe übernehmen, statt eine Frage zu beantworten. Sie verstehen die Ausgangslage, planen die Schritte, führen sie in der Entwicklungsumgebung des Unternehmens aus, prüfen das Ergebnis und legen es fertig zur Freigabe vor – nachvollziehbar, wiederholbar und in Stunden statt Wochen. Entscheidend dabei: Ein solches System übernimmt die Aufgabe über alle Rollen hinweg – Fachkonzept, Entwicklung, Basis, Test –, die bisher zwischen mehreren Spezialisten hin- und hergereicht wurde. Weil es wie ein Beauftragter (englisch: Agent) handelt, der eine Aufgabe zu Ende bringt, statt wie ein Assistent, der eine Frage beantwortet, spricht man von „agentischen KI-Systemen“. Der Unterschied zum normalen Assistenten wie einem Chatbot ist der Unterschied zwischen einem Berater, der Empfehlungen schreibt, und einer eingespielten und erfahrenen Mannschaft, die die zugewiesenen Arbeiten vollständig erledigt, wobei eines klar ist: Der Mensch trifft die finalen Entscheidungen für die Produktivsetzung.

Warum das ein Unternehmen erfolgreicher macht, hat drei Gründe – dieselben drei, in denen sich Wettbewerber voneinander unterscheiden. Erstens die Geschwindigkeit, mit der ein Unternehmen auf den Markt reagiert: Ein neues Produkt, ein neuer Vertriebskanal, ein neues Preismodell – alles muss in den Geschäftssystemen abgebildet sein, bevor das Unternehmen danach handeln kann. Wer das zuerst schafft, erzielt die beste Marge; wer zuletzt kommt, konkurriert über den Preis. Zweitens die Kosten und das Risiko des laufenden Betriebs: Je mehr Kapazität der Betrieb bindet, desto weniger bleibt für Veränderung – und je weniger ein Unternehmen den Eigencode in seinen Systemen dokumentiert hat und versteht, desto größer ist das Risiko für Cyberattacken. Drittens das Wissen darüber, was das eigene Geschäft von anderen unterscheidet – die Prozesse, Regeln und Ausnahmen, mit denen sich ein Unternehmen über Jahrzehnte vom Wettbewerb abgesetzt hat. Agentische KI setzt an allen drei Punkten an, weil sie dort zum Einsatz kommt, wo sie den Unterschied bewirkt: in den Systemen, mit denen das Unternehmen sein Geschäft betreibt. Das gilt für die große Modernisierung ebenso wie für Unternehmen, die ihr System lassen wollen, wie es ist, und nur den laufenden Betrieb schneller, sicherer und günstiger machen wollen.

Was das in Zahlen bedeutet, haben zwei weltweit führende Industrieunternehmen belegt, die zu den Ersten gehören, die mit der Plattform von Nova Intelligence in ihren Kernsystemen arbeiten und bereit sind, ihre Ergebnisse mit der Öffentlichkeit zu teilen: Festo, der Automatisierungsspezialist aus Esslingen, und die KION Group in Frankfurt, einer der weltweit größten Anbieter von Gabelstaplern und Lagertechnik. Die Zeit von einer Fachanforderung bis zur produktiven Änderung im System sinkt von Monaten auf Wochen, der laufende Betrieb braucht einen Bruchteil der bisherigen Kapazität, und die Kosten der Transformation selbst sinken nach Einschätzung erfahrener Beratungshäuser um rund die Hälfte. Die Werte zu Zeit und Kapazität sind gemessen, nicht geschätzt; alle Zahlen werden in diesem Beitrag Schritt für Schritt hergeleitet. Für das Ergebnis, das am Ende einer solchen Modernisierung steht, gibt es inzwischen einen Namen: Cleanfield.

In den meisten deutschen Industrieunternehmen heißt das System, mit dem das Unternehmen sein Geschäft betreibt, SAP. Dort liegen die Prozesse, die Stammdaten, die Bestellungen, die Bilanz – und die Geschäftslogik, die das Unternehmen ausmacht. Dort werden auch die größten Budgets der nächsten Jahre gebunden, weil die alten Systeme auslaufen und die Modernisierung für jeden Vorstand ansteht, ob er will oder nicht. Deshalb ist SAP der Ort, an dem agentische KI am meisten bewirkt.

Eine Voraussetzung wird dabei in vielen Unternehmen unterschätzt: Agentische KI ist nur so gut wie die Grundlage, auf der sie arbeitet. Sie braucht die Daten und die Geschäftslogik des Unternehmens digital, vollständig und in verlässlicher Qualität – nicht in Köpfen, nicht in Excel-Listen, nicht in Code, den niemand mehr liest. Wo diese Grundlage fehlt, liefert auch die beste KI nur plausible Vermutungen. Deshalb beginnt jeder ernsthafte Einsatz mit derselben Aufgabe: das bestehende System vollständig zu verstehen und zu dokumentieren, damit die Agenten auf gesicherten Fakten arbeiten. Für Menschen ist das mühsam. Es ist der erste Schritt, den eine agentische Plattform selbst übernimmt – und der Grund, warum die Ergebnisse danach belastbar sind.

Genau dafür wurde Nova Intelligence gegründet – das Unternehmen hinter der Plattform, die bei Festo und KION im Einsatz ist: eine agentische KI-Plattform für Unternehmenssysteme, für SAP und andere, 2024 im Silicon Valley gegründet von Forschern, die KI-Systeme selbst entwickeln, und vom Miterfinder von SAP HANA, der gemeinsam mit SAP-Gründer Prof. Hasso Plattner das HANA-Projekt initiiert und als dessen Stellvertreter geleitet hat – die „New Architecture“, die zur Grundlage von SAP S/4HANA wurde. Was die Plattform leistet, zeigt sich am deutlichsten an einem konkreten Fall – an einem System, das bereits optimiert war und trotzdem noch einmal deutlich besser wurde.

Ein Programm, das schon einmal optimiert war

Bei KION lief ein geschäftskritischer Logistikprozess auf einer Anwendung, die erst kürzlich für S/4HANA entwickelt und bereits optimiert worden war – und trotzdem zu langsam für den operativen Einsatz. Der Code war bekannt, das Team hatte ihn selbst noch einmal zu beschleunigen versucht. Erst eine KI-Plattform, die nicht nur den Code, sondern alle dahinterliegenden Abläufe im System versteht, fand die entscheidenden Ansatzpunkte. Das Ergebnis: Das Programm läuft heute um 400 Prozent schneller.

Es blieb nicht bei diesem einen Fall. Über alle Aufgaben hinweg, die die SAP-Experten von KION seither gemessen haben, sparen sie im Schnitt 86 Prozent ihrer Arbeitszeit. Die Ursachenanalyse einer Störung, die früher rund vier Stunden in Anspruch nahm, dauert heute unter 20 Minuten. Die Nutzer bewerten die Plattform mit 9,7 von 10 Punkten; die Weiterempfehlungsquote liegt bei 100 Prozent.

„Nova Intelligence adressiert die zwei Anforderungen, die für uns am wichtigsten sind: wirklich Clean-Core-konforme Systeme zu betreiben und die Entwicklungsperformance zu erreichen, die unsere SAP-Landschaft verlangt“, sagt Carsten Engelbrecht, CIO der KION Group. „Die Ergebnisse waren herausragend.“

Solche Zahlen sind für einen CIO ein Erfolg. Für einen CEO oder CFO sind sie mehr als das: ein Hinweis darauf, dass die Kosten-Nutzen-Abwägung, mit der Vorstände seit zwanzig Jahren über ihre Kernsysteme entscheiden, nicht mehr stimmt.

Die Investitionsfrage, neu gestellt

Die bisherige Kosten-Nutzen-Abwägung lautete: Das SAP-System ist das Rückgrat des Geschäfts, und in seinen über Jahrzehnte gewachsenen Eigenentwicklungen steckt die Prozesslogik, die das Unternehmen tatsächlich vom Wettbewerb unterscheidet. Aber die Modernisierung dieses Systems – der Umstieg von SAP ERP, meist ECC genannt, auf die neue Produktlinie S/4HANA – hat den Unternehmen in den meisten Fällen keinen Wettbewerbsvorteil gebracht: dieselben Prozesse, dieselbe Logik, nur auf einer neuen technischen Plattform, für dreistellige Millionenbeträge. Also investierte man so wenig wie möglich, verschob die große Modernisierung, solange es ging, und behandelte sie als Kostenstelle. Nach einer Prognose von Gartner wird Ende 2027 noch knapp die Hälfte der ECC-Kunden weltweit nicht auf S/4HANA umgestiegen sein. Auch wer den Umstieg begonnen hat, betreibt oft noch einen Teil seiner Systeme auf ECC – nicht aus Nachlässigkeit, sondern weil der klassische Weg über Beratungshäuser zu teuer, zu komplex und zu riskant ist. Wer Hunderte Millionen für ein Programm ausgeben soll, das dem Geschäft am Ende dieselben Prozesse liefert wie vorher, zögert zu Recht.

Zugleich steht in jedem Vorstand eine zweite Frage auf der Tagesordnung: Wo investieren wir in KI, und wo zahlt sie sich aus? Die ehrliche Antwort lautet in den meisten Unternehmen: Wir wissen es noch nicht. Pilotprojekte gibt es viele, tragfähige Geschäftsmodelle wenige. Das Problem ist selten die Technologie. Es ist das Wissen, das der KI fehlt – das Wissen darüber, wie das Unternehmen tatsächlich arbeitet: welche Preisregel für welchen Kunden gilt, wie eine Sonderfertigung disponiert wird, warum ein Prozess in Werk B anders läuft als in Werk A.

Und genau dieses Wissen steckt an einem Ort: im gewachsenen Eigencode des SAP-Systems. Über Jahrzehnte haben Unternehmen dort abgebildet, was sie von ihren Wettbewerbern unterscheidet; die wesentliche Geschäftslogik liegt in aller Regel im SAP-System selbst.

Dieses Wissen ist allerdings meist undokumentiert, es verlässt mit jedem Mitarbeiter, der in den Ruhestand geht, das Unternehmen, und für jede KI bleibt es unerreichbar, solange es nur als Code existiert.

Damit fallen beide Fragen zusammen. Eine agentische KI-Plattform, die ein SAP-System modernisiert, muss dieses Wissen zuerst vollständig erfassen – jeden Prozess, jede Regel, jede Abhängigkeit – und in dokumentierter, maschinenlesbarer Form bewahren. Was dabei entsteht, ist der Kern dessen, was das Unternehmen für seine eigene KI braucht: ein unternehmensspezifisches Wissensmodell seiner Geschäftsprozesse, das ihm allein gehört, mit jeder Nutzung wächst und auf dem sich die KI-Anwendungen der nächsten Jahre aufbauen lassen.

Das ist die neue Abwägung. Die Modernisierung der Kernsysteme ist nicht länger die Kostenstelle, die man vor sich herschiebt. Sie ist der strategische Weg, auf dem ein Unternehmen die Grundlage seiner eigenen KI-Plattform aufbaut – und ihr Nutzen zeigt sich vom ersten Tag an in messbaren Ergebnissen.

Die Wirtschaftlichkeit im Einzelnen

Was heißt das in Zahlen? Nova Intelligence ist inzwischen bei einer wachsenden Zahl von Kunden im Einsatz. Zwei davon, Festo und KION, setzen die Plattform umfassend in ihren SAP-Teams ein, haben ihre Messwerte offengelegt und stehen mit ihrem Namen dafür. Bei Festo hat das Team diese Werte zuerst für den eigenen Vorstand erhoben, um den Return on Investment der Nova-Investition zu belegen.

Der erste Hebel: Produktivität. Festo arbeitet seit den 1970er-Jahren mit SAP und gehörte zu den ersten dreißig Unternehmen weltweit, die das System eingeführt haben. Seit Nova in den SAP-Teams im Einsatz ist, hat sich deren Produktivität über alle Aufgaben hinweg mehr als verfünffacht. Bei einzelnen Aufgaben liegt der Faktor weit darüber: Dokumentationen etwa, die früher drei Monate in Anspruch nahmen, entstehen heute in etwa einem Tag. Der CIO von Festo, Dr. Jörn Weigle, formuliert es so: „Wie wir die drei großen Fragen zu unserem SAP-Programm beantworten – wie lange dauert es, was kostet es, wie groß ist das Risiko –, hat sich deutlich verbessert, seit Nova Teil unserer Teams ist. Unser Team schätzt, dass es im Durchschnitt über alle Aufgaben mehr als fünf Mal produktiver ist. Ein Kapazitätsgewinn dieser Größenordnung verändert die Spielregeln für unsere Organisation grundlegend.“ Was ein solcher Kapazitätsgewinn wert ist, hängt davon ab, wofür ein Unternehmen ihn einsetzt.

Der zweite Hebel: Kosten. Die Kostenwirkung ergibt sich aus der Produktivität – in einer bestimmten Reihenfolge. Der am schnellsten wirksame Hebel sind externe Berater: Jede Aufgabe, die das eigene Team fünf Mal schneller erledigt, muss nicht mehr eingekauft werden. Danach kommt die interne Kapazität, dann die Software selbst, und schließlich das Risiko – Störungen, Ausfälle und Sicherheitsvorfälle, die seltener werden, sobald ein Unternehmen seinen Eigencode vollständig kennt und dokumentiert hat. Für einen CFO ist dabei ein Punkt wichtig: Eine pauschale Prozentzahl für die Kostensenkung wird hier bewusst nicht genannt, weil sie von der Ausgangslage abhängt – vom Umfang des Eigencodes, vom Anteil externer Berater, von der Zahl der Störungen. Was es gibt, sind die gemessenen Produktivitätswerte von Festo und KION, aus denen sich die Kostenwirkung für das eigene Unternehmen berechnen lässt.

Der dritte Hebel: Kapazität. Hier wird die Berechnung für den Vorstand interessant. In einer typischen SAP-Organisation mit hundert Fachleuten sind achtzig für den laufenden Betrieb zuständig – Wartung, Störungen, Anpassungen, Tickets. Zwanzig arbeiten an neuen Prozessen und Anforderungen aus dem Geschäft. Wird die Produktivität verfünffacht, wie bei Festo gemessen, erledigen sechzehn Fachleute dieselbe Betriebslast, für die bisher achtzig nötig waren (16 × 5 = 80). Vierundsechzig werden frei und kommen zu den zwanzig hinzu: Vierundachtzig statt zwanzig arbeiten an Neuem – mehr als das Vierfache, ohne eine einzige Neueinstellung und ohne einen einzigen zusätzlichen Berater. Deshalb spricht Weigle von veränderten Spielregeln: Arbeit, die früher außerhalb jeder Planung lag, wird möglich.

Ein Hebel eigener Art: Fachbereich und IT an einem Tisch. Bei Festo zählt „Business-IT-Alignment“ ausdrücklich zu den sechs Einsatzfeldern der Plattform – neben Modernisierung, Dokumentation, Produktionssupport, Sicherheit und Prozessdesign. Der größere Effekt liegt nicht darin, dass Einzelne schneller arbeiten, sondern darin, dass Übergaben wegfallen. Monatelange Durchlaufzeiten waren nie monatelange Arbeit: In einem klassischen SAP-Vorhaben wandert jede Anforderung durch eine Kette – Fachbereich, Funktionsberater, Entwickler, Basis, Test –, und weil kaum eine Anforderung beim ersten Mal richtig ist, mehrfach. Ein großer Teil dieser Kette lag in den vergangenen zwanzig Jahren oft offshore, in einem anderen Land und einer anderen Zeitzone; die Menschen, die eine Lösung brauchten, und die, die sie bauten, saßen oft nicht zusammen. Jede Runde kostete Wochen. Mit einer agentischen Plattform entsteht ein Ergebnis innerhalb von Stunden, und Fachbereich und IT sehen es gemeinsam an, ändern es gemeinsam, vor Ort, in derselben Sitzung – so oft, bis es passt. Das ist der Grund, warum ein oder wenige Entwickler heute leisten, wofür früher Hunderte nötig waren. Die größte Einsparung liegt zwischen den Rollen, nicht in ihnen. Diese viel engere Abstimmung verkürzt zugleich die Durchlaufzeit einer Änderung bis in die Produktion. Um wie viel, zeigt der nächste Abschnitt.

Der vierte Hebel: Time-to-Market. Die Produktivität eines Teams ist eine interne Größe. Wie schnell eine Anforderung aus dem Geschäft im System ankommt, ist dagegen die Time-to-Market des Unternehmens. Nach den bei KION gemessenen Werten setzt sich diese Durchlaufzeit aus zwei Phasen zusammen: verstehen, was existiert und was sich ändern muss – das ist typischerweise der größere Teil der Zeit –, und dann bauen und testen. In der ersten Phase sank der Aufwand für die Analyse der betroffenen Systemobjekte von über drei Stunden auf rund zehn Minuten, in der zweiten der Entwicklungsaufwand um 80 Prozent. Für das Unternehmen bedeutet das: Eine Änderung, die früher fünf Monate brauchte, erreicht in rund zwei Wochen die Produktion – rund zehn Mal schneller, mit demselben Team.

Der fünfte Hebel: die Transformationskosten. Der größte Einzelposten, über den ein Vorstand bei einer SAP-Modernisierung entscheidet, ist das Programmbudget – dreistellige Millionenbeträge, kalkuliert von Strategieberatungen und Systemintegratoren auf Basis von Aufwandsschätzungen aus der Zeit manueller Arbeit: Wochen für die Analyse des Bestands, Monate für die Neuentwicklung, Testzyklen, Nachbesserungen. Genau diese Positionen verändern sich, wenn eine agentische Plattform die Arbeit übernimmt. Beratungshäuser und Systemintegratoren, die die Plattform in Kundenprojekten kennengelernt haben, gehen nach ihrer Einschätzung von einer Reduktion der Transformationskosten in der Größenordnung von 50 Prozent aus – abhängig von der Ausgangslage des jeweiligen Unternehmens, in einzelnen Fällen auch darüber – und planen SAP-Programme inzwischen mit der Plattform. Und erste Unternehmen, die die Nova-Plattform kennen, machen ihren Einsatz zur Bedingung in ihren Ausschreibungen an die Beratungshäuser. Wie groß die Einsparung im Einzelfall ausfällt, hängt von der Ausgangslage ab, vom Umfang des Eigencodes und davon, wie viele Schritte des Plans tatsächlich mit der Plattform ausgeführt werden; die Erfahrungswerte steigen mit jedem Projekt. Für den CFO folgt daraus eine einfache Frage an jeden, der ihm ein Programmbudget vorlegt: In welchen Schritten rechnet dieser Plan bereits mit der Kostenreduktion durch eine agentische Plattform – und in welchen noch mit der Aufwandslogik von vor zwei Jahren?

Der sechste Hebel: Qualität – und damit das Risiko. Jede Änderung entsteht auf einem vollständig dokumentierten System, folgt den Entwicklungsrichtlinien des Unternehmens und ist getestet, bevor ein Mitarbeiter sie zu sehen bekommt. Sie ist in aller Regel schon beim ersten Mal richtig. Das zahlt sich zweifach aus. Im Tagesgeschäft: Nacharbeit, Fehlerbehebung im Produktivsystem und wiederholte Analysen werden deutlich seltener – in gewachsenen SAP-Landschaften machen genau diese Tätigkeiten einen erheblichen Teil der Wartung aus. Und beim Risiko: Ein Fehler, der das Produktivsystem nie erreicht, ist eine Störung, die nie eintritt – und tritt doch eine auf, ist die Ursache in Minuten statt in Stunden gefunden. Qualität ist der unauffällige Hebel: In keinem Business Case steht sie als eigene Position, und doch stärkt sie alle anderen.

Der Return on Investment. Die Analysten von PAC haben untersucht, welchen Return on Investment eine SAP-Modernisierung mit Nova erreichen kann, und kommen je nach Größe und Komplexität der SAP-Landschaft auf 220 bis 1.400 Prozent – je umfangreicher und älter der Eigencode, desto höher der Wert. Diese Zahlen erfassen nur die Modernisierung selbst. Im laufenden Betrieb danach kommt eine weitere Ersparnis hinzu, die darin noch nicht enthalten ist: Die Total Cost of Ownership sinken nachhaltig, weil der Eigencode auf die differenzierende Geschäftslogik reduziert ist und Clean-Core-konform nur noch die Schnittstellen nutzt, die SAP künftig unterstützt. Jedes Upgrade, jeder Test, jede Störung und jede neue Anforderung kostet dadurch dauerhaft weniger. Der Nutzen der Anfangsinvestition wächst so über die Jahre.

Tägliche Einsparungen im laufenden Betrieb

Diese Ergebnisse sind an kein Transformationsprogramm gebunden. Die Plattform begleitet den gesamten Lebenszyklus eines Unternehmenssystems, in jeder Phase: beim Verstehen des Bestands, beim Entwurf der künftigen Prozesse, bei der Umsetzung, beim Testen, bei der Inbetriebnahme und im laufenden Betrieb. Die Transformation ist ein Kapitel, nicht das Produkt.

Auch Unternehmen, die bewusst nichts verändern wollen – weil funktionierende Prozesse nicht angefasst werden sollen –, profitieren: bessere Qualität bei allem Neuen, das ohnehin entwickelt wird, schnellere Tests, schnellere Bearbeitung von Störungen und Tickets, die jeden Tag anfallen. Wie weit das gehen kann, zeigt der amerikanische Werkzeugmaschinenhersteller Haas Automation: Dort bestimmt der Lauf der Materialbedarfsplanung (MRP), was am nächsten Morgen produziert und beschafft wird. Als er in der Nacht abbrach und bis vier Uhr früh neu durchlaufen musste, war der zuständige Experte nicht erreichbar. Nova rekonstruierte den gesamten Ablauf, fand den Fehler und gab genau vor, wie er zu beheben war. CTO Craig Leonard setzte das selbst um, startete den Lauf, und um zwei Uhr morgens war er abgeschlossen, lange bevor die Frühschicht begann. Rund 80 Prozent der Kundenstörungen werden bei Haas inzwischen direkt von der Plattform diagnostiziert und gelöst. „Ich weiß nicht, wie ich ohne Nova überlebt habe“, sagt Justin Zimmerman, SAP Manager bei Haas Automation. „Ich hatte zwei Karrieren: eine vor Nova und eine nach Nova.“

Die Faustregel: Solange Menschen an einem SAP-System arbeiten, lässt sich diese Arbeit günstiger oder schneller erledigen – oder beides.

Vier Kennzahlen, die ein Vorstand von seiner IT verlangen sollte

Die Hebel sind damit hergeleitet. Was bleibt, ist die Frage, wie ein Vorstand erkennt, ob sein eigenes Unternehmen davon profitiert. Nicht an Präsentationen, sondern an vier Größen, die jede IT-Abteilung messen kann – hier noch einmal zusammengefasst als die vier Fragen, die ein Vorstand seiner IT stellen sollte, in dieser Reihenfolge.

Risiko. Welcher Anteil des unternehmensspezifischen Codes ist undokumentiert, ungepatcht, fehleranfällig oder liegt außerhalb der modernen Zielarchitektur? Risiko in SAP-Landschaften heißt nicht nur Sicherheitslücken, die häufig im alten Eigencode stecken, sondern auch Programmfehler, Performance-Probleme und Störungen, die den Betrieb anhalten – bis hin zum Prozess, der nachts stehen bleibt und morgens die Produktion aufhält. Ein System, das niemand mehr vollständig versteht, ist ein Risiko – unabhängig davon, ob es stabil läuft. Ein System, das das Team wieder vollständig versteht, kehrt das um: Vorfälle entstehen seltener, weil Änderungen sauber aufsetzen, und werden schneller gelöst, wenn sie auftreten. Diese Größe gehört nicht in eine Return-on-Investment-Berechnung; sie ist deren Voraussetzung.

Kapazität. Welcher Anteil der SAP-Organisation hält den Betrieb aufrecht, welcher arbeitet an Veränderung? Ausgangslage meist achtzig zu zwanzig, Zielbild sechzehn zu vierundachtzig – die Berechnung dazu steht oben.

Time-to-Market. Wie lange dauert es von einer Fachanforderung bis zur produktiven Änderung im System? Das ist nicht die Produktivität eines Teams, sondern die Time-to-Market des gesamten Unternehmens.

Differenzierende Geschäftslogik. Welcher Anteil der Geschäftslogik, die das Unternehmen tatsächlich vom Wettbewerb unterscheidet, ist dokumentiert und auch mit der aktuellen SAP-Technologie neu gebaut – statt nur im alten Code und in den Köpfen derer, die ihn geschrieben haben?

Die Kostensenkung folgt aus allen vieren. Wer diese vier Zahlen von seiner IT verlangt, hat eine Grundlage für die Entscheidung, die keine Anbieterpräsentation liefern kann.

Zwei Wege nach S/4HANA – und ein dritter, den erst Nova möglich macht

Die größte Wirkung entfaltet all das bei einem Vorhaben, das vielen Unternehmen noch bevorsteht: dem Umstieg auf S/4HANA. Welchen Weg ein Unternehmen dafür wählt, ist keine technische Frage – davon hängt ab, ob die Kosten-Nutzen-Abwägung aufgeht. Und bei genau dieser Wahl wiederholt sich in großen Unternehmen seit Jahren dasselbe Muster.

Unternehmen kennen zwei Wege. Greenfield: Ein leeres System, die Prozesse so weit wie möglich im SAP-Standard, die alten Eigenentwicklungen bleiben zurück. Brownfield: Der Bestand wird mitgenommen und technisch auf die neue Plattform gehoben, samt allem, was sich über Jahrzehnte angesammelt hat.

Der typische Verlauf: Ein Unternehmen entscheidet sich für Greenfield, weil es die Chance auf einen Neuanfang nutzen will. Nach drei, vier, fünf Jahren stellt es fest, dass 100 Prozent Standard nicht erreichbar sind – weil die Fertigung Besonderheiten hat, weil die Branche Anforderungen stellt, die kein Standardprozess abbildet, weil die differenzierende Geschäftslogik schlicht zu umfangreich ist, um sie manuell nachzubauen. Programme, in die Hunderte Millionen geflossen sind, geraten ins Stocken; manche scheitern und werden eingestellt, andere müssen kurzfristig auf einen anderen Weg umgestellt werden. Das ist kein Einzelfall: Mehrere große Unternehmen in Deutschland wie in den USA stecken seit fünf Jahren und länger in Greenfield-Programmen, die noch nicht produktiv sind – einige haben ihre Programme bereits gestoppt.

Dann kommt der Druck: Ende 2027 endet die reguläre Wartung der alten ECC-Systeme, danach verlangt SAP Zusatzgebühren, und 2030 läuft auch die verlängerte Wartung aus. Unter diesem Druck schwenken viele Unternehmen auf Brownfield um. Die technische Konvertierung bringt sie zuverlässig über die Deadline – aber sie ist nicht die einfachere Lösung, sondern die komplexere: Die alten Strukturen bleiben, die Wartung wird nach der Konvertierung nicht günstiger, sondern teurer, das Unternehmen hat ein neues System, dessen Eigencode weiter auf der alten Datenlogik aufsetzt – und die eigentliche Modernisierung liegt weiterhin vor ihm.

Das gilt, solange Brownfield das bleibt, was der Begriff bisher bezeichnete: eine technische Konvertierung. Mit einer agentischen Plattform wird aus demselben Ausgangspunkt etwas anderes – das bestehende System wird nicht kopiert, sondern verstanden, bereinigt und in die Zielarchitektur gebracht. Das Ergebnis eines Greenfield, mit dem Bestand als Ausgangspunkt. Die durch Nova entwickelte neue Modernisierungsmethode hat sich unter dem Namen Cleanfield etabliert. Weitere Informationen zu der Methode stellt Nova unter www.cleanfield.ai zur Verfügung. Die Frage lautet damit nicht mehr Greenfield oder Brownfield, sondern nur noch: Wie viel vom Bestand wird übernommen, wie viel neu entworfen? Die Plattform arbeitet an jedem Punkt dieser Skala – und ein Unternehmen kann sie für seine Bereiche unterschiedlich beantworten.

Für einen CFO gibt es ein Argument, das diese Entscheidung auf den Punkt bringt: Brownfield bedeutet zwei Programme. Das erste ist die technische Konvertierung. Das zweite folgt in aller Regel danach – weil SAP in seinen Cloud-Modellen Erweiterungen nach dem neuen Architekturmodell verlangt – in der Public Cloud zwingend, in der Private Cloud als Maßstab, an dem jeder Eigencode gemessen wird – und weil der überwiegende Teil des gewachsenen Eigencodes diese Vorgaben nicht erfüllt. Wer Brownfield wählt, zahlt also erst die Konvertierung und dann, unter Zeitdruck und mit gestiegener Komplexität, die eigentliche Modernisierung.

Mit Nova wird aus zwei Programmen eines, weil die Modernisierung kein eigenes Vorhaben mehr sein muss: Die Plattform analysiert die gesamte Codebasis, ordnet jede Funktion dem S/4HANA-Standard zu, wo dieser sie abdeckt, und reduziert den Eigencode auf das, was das Geschäft tatsächlich unterscheidet. Für den Weg dorthin gibt es drei Möglichkeiten, und das Unternehmen wählt – auch je Bereich verschieden:

Brownfield – erst konvertieren, dann bereinigen. Das System wird technisch nach S/4HANA gehoben; danach bereinigt und modernisiert das Team mit Nova den mitgenommenen Eigencode im neuen System. Der etablierte Weg, mit Nova planbar geworden.

Cleanfield – erst bereinigen, dann konvertieren. Die Arbeit beginnt im bestehenden ECC-System, in dessen Entwicklungsumgebung: Nicht mehr benötigter Eigencode wird mit Nova entfernt, die differenzierende Logik wird vorab S/4HANA-tauglich neu gebaut. Die technische Konvertierung bleibt ein eigener Schritt danach, bringt aber ein bereits bereinigtes System hinüber – nicht eines samt Altlast. Der neue Weg, den erst Nova möglich macht.

Greenfield – neu aufbauen, Wissen behalten. Die Prozesse werden neu entworfen, und Nova baut nur das Delta an Eigencode, das das Geschäft tatsächlich unterscheidet. Weil die Plattform die Geschäftslogik des alten Systems versteht – nicht nur den Code –, kann sie diese Logik auch dann übertragen, wenn die Prozesse im neuen System anders gestaltet sind: Was das Unternehmen unterscheidet, geht nicht verloren, auch wenn es künftig anders abläuft. Der etablierte Weg, mit Nova ohne Verlust der differenzierenden Geschäftslogik des Unternehmens.

In allen drei Fällen wird aus zwei getrennten Programmen mit zwei Budgets ein zusammenhängender, planbarer Weg – schneller, risikoärmer, und mit einem System, das am Ende moderner und sicherer ist. Brownfield und Greenfield bleiben die bekannten Wege, werden mit Nova aber agentisch unterstützt und führen damit näher an das Cleanfield-Ergebnis heran. Am schnellsten erreicht es der neue Weg, bei dem zuerst bereinigt und dann konvertiert wird. Weigle hat das in Kreuzlingen, wo er Nova vor gut einem Jahr zum ersten Mal sah, aus seiner Sicht so formuliert: „Hätte ich Nova Intelligence früher zur Verfügung gehabt, hätte ich S/4HANA-Migrationen anders gemacht.“

Der Ehrlichkeit halber: Gegenüber einer minimalen Brownfield-Migration, bei der das System unverändert und gerade lauffähig auf die neue Plattform gehoben wird, ist dieser Weg im Projekt nicht günstiger. Er ersetzt aber zwei Programme durch eines, weil die Modernisierung nicht als zweites Vorhaben nachkommt. Und er zeigt seinen Vorteil im Lebenszyklus: In den Jahren danach betreibt das Unternehmen ein System, das es versteht, statt eines, das es geerbt hat.

Und wo ein Unternehmen bereits konvertiert hat oder aus guten Gründen Brownfield wählt, gilt dasselbe: Die Plattform übernimmt die Bereinigung, die Dokumentation und die Modernisierung der Schnittstellen – und liefert vom ersten Tag an die Produktivitäts- und Qualitätsgewinne, die dieser Beitrag beschreibt. Der Weg zum vollständig verstandenen, modernen System steht von jedem Ausgangspunkt aus offen.

Fünf Erfolgsfaktoren für den Nova-Einsatz

Die Technologie ist der kleinere Teil der Entscheidung. Der größere ist die Frage, wie sich ein Unternehmen organisiert, damit die Kosten-Nutzen-Abwägung aufgeht. Aus den Erfahrungen der ersten Anwender lassen sich fünf Erfolgsfaktoren ablesen.

Fachbereich und IT arbeiten auf einer Plattform. Der klassische Bruch in SAP-Projekten verläuft zwischen dem Fachbereich, der beschreibt, was er braucht, und der IT, die es umsetzt. Eine Plattform, die den bestehenden Prozess in verständlicher Form dokumentiert, gibt beiden dieselbe Sprache: Der Prozessverantwortliche sieht, was das System heute tut, der Fachbereich gestaltet den Zielzustand, die Entwickler setzen um.

Die Kapazität wird bewusst verschoben. Der Gewinn aus fünffacher Produktivität entsteht nicht von selbst. Ein Unternehmen muss entscheiden, was es mit der frei werdenden Kapazität tut – den Backlog abarbeiten, die Transformation beschleunigen, Berater abbauen, neue Anforderungen aus dem Geschäft aufnehmen, Innovationen vorantreiben. Wer das nicht entscheidet, hat am Ende ein produktiveres Team, aber keine veränderte Kostenstruktur.

Die Architektenrolle wird aufgewertet. Nach dem CIO ist der Unternehmensarchitekt die wichtigste Rolle in der SAP-Organisation – die Person, die entscheidet, was Standard wird und was differenzierender Eigencode bleibt. Mit einer Plattform, die diese Entscheidung für jede Funktion vorbereitet und begründet, verschiebt sich die Arbeit des Architekten vom Suchen zum Entscheiden.

Governance wird in den Prozess integriert. KION hat seine eigenen Entwicklungsrichtlinien in die Plattform eingebracht; ein Qualitätstor vor jeder Freigabe in die Produktion ist geplant. Festo hat seine Code-Richtlinien hochgeladen, und die Plattform wendet sie beim Erzeugen von Code an. Das ist der unspektakuläre Teil, der für den Vorstand entscheidend ist: Die Plattform arbeitet im Entwicklungssystem des Kunden bis zum getesteten, transportfertigen Ergebnis – die Freigabe in die Produktion bleibt beim Kunden.

Der Nutzennachweis (Proof of Value). Der Einstieg beginnt nicht mit einem begrenzten Funktionscheck, wie er in einem Proof of Concept üblich ist, sondern mit einem umfangreichen Proof of Value: Der Kunde nutzt alle Funktionen der Plattform auf seinem Entwicklungssystem. Innerhalb des ersten Monats zeigt sich die Produktivitätssteigerung, und auf dieser Grundlage entscheidet das Unternehmen über den weiteren Einsatz.

Was diese fünf Erfolgsfaktoren verbindet: Sie setzen voraus, dass das Team die Plattform annimmt. Dazu Weigle: „Es gab keine Vorbehalte seitens der beteiligten Entwickler, ganz im Gegenteil: Das Team ist von der Plattform überzeugt, weil sie Ressourcen für andere, dringendere Aufgaben freisetzt.“ Und an anderer Stelle: „Mein SAP-Team nutzt Nova als Hauptwerkzeug. Es ist eines der ersten Dinge, die sie morgens öffnen, und eines der letzten, die sie abends schließen.“ Bei KION beschreibt es Saber Lamine, SAP Solution Architect, so: „Es fühlt sich an, als hätten wir ein ganzes zusätzliches Team fähiger Kollegen eingestellt.“

Warum ein generischer KI-Assistent nicht ausreicht

Die naheliegende Frage aus dem Vorstand lautet: Warum braucht es dafür einen Spezialanbieter, wenn generische KI-Assistenten überall verfügbar sind? Die Antwort hat zwei Ebenen. SAP ist ein proprietäres Ökosystem mit eigener Programmiersprache, eigenen Datenmodellen und jahrzehntealten Eigenentwicklungen – ein Sprachmodell von der Stange versteht diese Tiefe nicht. Und selbst wenn es sie verstünde: Kein verantwortungsvolles Unternehmen schließt ein ungesichertes KI-Modell direkt an das System an, das die Gehälter auszahlt, Produktion und Logistik steuert, den Monatsabschluss erstellt und die Grundlage der Finanzberichterstattung bildet. Es braucht die Plattform dahinter – Berechtigungen, Kontrolle, Nachvollziehbarkeit, und die Garantie, dass das Wissen des Unternehmens beim Unternehmen bleibt und nicht zum Training fremder Modelle dient.

Die Größenordnung der Aufgabe lässt sich an SAP selbst ablesen: Selbst der Hersteller brauchte für den Umbau seines eigenen, vollständig bekannten Standardcodes auf die HANA-Architektur mehr als ein Jahrzehnt – nicht aus Nachlässigkeit, sondern weil die Aufgabe so groß ist. Bei den Kunden kommen 30 bis 40 Prozent und mehr an Eigencode hinzu, den niemand außer ihnen kennt. Dass diese Aufgabe manuell nicht zu leisten ist, wusste die Branche lange. Dass sie mit agentischer KI zu leisten ist, zeigen die Kunden seit gut einem Jahr.

Bemerkenswert ist die Nähe zu SAP: Der Konzern ist über seinen Investmentarm SAP.iO an Nova beteiligt, und die Lösung ist im SAP Store gelistet – dem Marktplatz, auf dem SAP nur Partnerlösungen führt, die das Unternehmen geprüft und für seine Kunden freigegeben hat, und auf den auch der eigene SAP-Vertrieb zurückgreift, wenn er Kunden ergänzende Lösungen empfiehlt. Die Logik ist einfach: Nova bewirkt genau das, was auch SAP will – Kunden, die schneller und mit weniger Ressourcen auf einer modernen S/4HANA-Basis ankommen. Nova ergänzt dabei SAPs eigene KI-Initiative Joule. Sie richtet sich an die Endanwender und steht vor allem in SAPs Cloud-Umgebungen zur Verfügung; für ECC öffnet SAP sie inzwischen Kunden, die den Weg in die Cloud eingeschlagen haben. Nova konzentriert sich vollständig auf die Teams, die das System bauen, verändern und betreiben, und arbeitet auch direkt auf ECC, das ein Großteil der SAP-Kunden bis heute einsetzt, im Mittelstand ebenso wie in global tätigen Unternehmen. Dabei lassen sich mehrere ECC-Systeme zugleich anschließen und mit einem neuen S/4HANA-System verbinden.

Drei Architekturen, zwei Welten, ein Team

Nova Intelligence wurde 2024 im Silicon Valley gegründet und bis Mai 2026 mit 40 Millionen Dollar finanziert. Was das Unternehmen von anderen KI-Anbietern unterscheidet, ist die Kombination aus zwei Wissenswelten, die sonst selten zusammenkommen – und die Erfahrung, Plattformen nicht nur zu nutzen, sondern zu bauen.

Mitgründerin und CEO Emma Qian kommt von Google DeepMind und Meta AI, wo sie KI-Systeme selbst entwickelt hat. Mitgründer und CTO Sam Yang hatte zuvor eine Finanzanwendung mit über zwei Millionen Nutzern erfolgreich aufgebaut, bevor er Nova mitgründete.

Mitgründer und Chief Scientist Prof. Dr. Alexander Zeier arbeitet seit 1992 mit SAP-Systemen – als R/3 neu auf den Markt kam – und hat in dieser Zeit zwei Architekturen mitgebaut, die verändert haben, wie Unternehmen funktionieren. Die erste war APO, SAPs Lösung für Supply Chain Management: Ab 1998 führte er sie, zunächst in seiner Doktorarbeit, dann als Produktmanager, über sieben Jahre hinweg mit zur Weltmarktführerschaft. Die zweite war HANA. Im April 2006 startete er das HANA-Projekt und leitete es bis 2012 als Stellvertreter von Hasso Plattner – die „New Architecture“, die alle Unternehmensdaten in den Hauptspeicher holte und erstmals Transaktionen und Analysen in einer Datenbank vereinte. Acht erteilte Patente weisen ihn als Miterfinder der HANA-Plattform gemeinsam mit Hasso Plattner aus; das gemeinsam verfasste Buch wurde zum Referenzwerk der Technologie. HANA ist heute die Grundlage von S/4HANA und damit jedes Systems, um das es in diesem Artikel geht. Danach war er über elf Jahre bei Accenture für S/4HANA-Transformationen verantwortlich, davon mehr als sieben Jahre als Global CTO der mit 85.000 Beratern weltweit größten SAP-Praxis – Hunderte Transformationen, kein einziges gescheitertes Projekt. Nova ist die dritte dieser Architekturen – und die mit dem größten Hebel: APO machte das Planungsmodell gemeinsam nutzbar, HANA die Daten, Nova das Wissen des Unternehmens – und macht daraus Ergebnisse.

Zum Führungsteam gehört außerdem Chief Customer Officer Justin Kershaw: zehn Jahre bei Cargill, dem größten Unternehmen in Privatbesitz der USA mit rund 165 Milliarden Dollar Umsatz, ab 2014 verantwortlich für das globale SAP-Programm, ab 2015 als CIO. In dieser Zeit hat er eines der größten SAP-Systeme der Welt modernisiert – und kennt die Entscheidung, um die es hier geht, aus der Perspektive dessen, der sie treffen musste.

Wie Innovationsführer Nova heute schon nutzen

Die Unternehmen in diesem Beitrag haben eines gemeinsam: Sie gehören zu den Innovationsführern, die modernste Technologie früher nutzen als andere. Das zahlt sich aus. Wer agentische KI heute in seiner SAP-Landschaft einsetzt, ist flexibler, hat die leistungsfähigeren Systeme und kann schneller auf Veränderungen reagieren. Bei Festo hat sich die Produktivität der SAP-Teams über alle Aufgaben hinweg mehr als verfünffacht. Bei KION sparen die SAP-Experten über alle gemessenen Aufgaben hinweg im Schnitt 86 Prozent ihrer Arbeitszeit, und eine geschäftskritische Anwendung, die bereits optimiert war, läuft heute um 400 Prozent schneller. Bei Haas Automation werden rund 80 Prozent der Kundenstörungen inzwischen direkt von der Plattform diagnostiziert und gelöst.

Fresenius, ein im DAX notierter Gesundheitskonzern, treibt eine mehrjährige Unternehmenstransformation voran, um Prozesse zu standardisieren, die Komplexität von Altsystemen in seiner IT-Landschaft zu reduzieren und auf SAP S/4HANA umzusteigen. Nova Intelligence unterstützt Teile dieser Transformation durch seine KI-Plattform.

Wie sich die beiden etablierten Wege, Brownfield und Greenfield, auf neue Art verbinden lassen, zeigt ein konkreter Fall: ZEISS. Das Unternehmen ist der alleinige Lieferant der Optik für die EUV-Lithografiemaschinen von ASML, ohne die kein moderner KI-Chip gefertigt werden kann. Wer die Grundlage für die KI-Industrie liefert, hat gute Gründe, die Grundlage für die eigene KI-Plattform nicht dem Zufall zu überlassen. ZEISS setzt Nova über das gesamte SAP-Programm ein und nutzt dabei die ganze Bandbreite der Plattform. In Bereichen, deren Prozesse sich nur wenig verändern, wird das bestehende System zum Ausgangspunkt und mit Nova modernisiert. Dort, wo das Geschäft grundlegend neu gestaltet wird, nimmt dieselbe Plattform das neue Prozessdesign auf und baut nur den Teil des Eigencodes, der ein Unternehmen wie ZEISS tatsächlich unterscheidet. Das ist die Antwort auf die Frage, wie viel vom Bestand und wie viel vom Neuen: je Bereich anders, mit einer Plattform.

„Nach einer umfangreichen Pilotphase haben wir uns für den mehrjährigen Einsatz der agentischen KI-Plattform von Nova entschieden, weil sie unsere SAP-Modernisierung nach S/4HANA schneller und kosteneffizienter macht und zugleich unseren laufenden Betrieb sicherer und zuverlässiger“, sagt Carsten Trapp, CIO der ZEISS Gruppe. „Zuverlässiger, weil wir Störungen im Betrieb schneller beheben. Sicherer, weil Nova Sicherheitslücken im gesamten SAP-System findet und wir sie umgehend schließen können, bevor sie zum Risiko werden. Das ist für uns besonders wichtig, denn in der Halbleiter- und der Medizintechnik gelten für ZEISS sehr hohe Sicherheitsanforderungen. In der Modernisierung kombinieren wir Greenfield und Brownfield auf neuartige Weise: Je nach Bereich modernisieren wir den Bestand oder gestalten die Prozesse neu, mit derselben Plattform. Dieser Ansatz etabliert sich am Markt unter dem Namen Cleanfield, und wir setzen ihn als eines der ersten Unternehmen umfassend ein. Entscheidend ist für uns, dass Nova nicht bei der Dokumentation stehen bleibt: Die Plattform macht die bestehenden Prozesse für Fachbereich und IT verständlich, erzeugt den Code, testet ihn und legt ihn unseren Mitarbeitern zur abschließenden Prüfung vor. Die Entscheidung über den Einsatz treffen wir. Deshalb setzen wir Nova heute breiter ein als geplant. Darüber hinaus bauen wir mit Nova unseren KI-Wissenskern auf: das dokumentierte Wissen über die Geschäftslogik, die uns unterscheidet. Das ist eine Investition in die Zukunft von ZEISS.“

Hinter diesem Vorgehen steht ein Punkt, der in vielen Vorstandsdiskussionen zu kurz kommt: Nicht die Technik entscheidet über den Wettbewerb, sondern das Prozessdesign – wie ein Unternehmen seine Abläufe gestaltet, wie schnell es sie verändern kann, und ob das System dabei Werkzeug oder Hindernis ist. Eine Plattform, die neue Prozessentwürfe direkt aufnimmt und ins System bringt, gibt dem Vorstand die Gestaltung der Prozesse selbst in die Hand.

Weigle von Festo hat es auf den Punkt gebracht: Hätte er Nova früher gehabt, hätte er seine S/4HANA-Migrationen von Anfang an anders aufgesetzt. Wer heute beginnt, kann genau das tun.

Was Nova von anderen Lösungen unterscheidet, lässt sich am Ende in einem Satz sagen: Die Plattform versteht den gewachsenen Eigencode eines Unternehmens und die Prozesslogik von SAP zugleich – und erst beides zusammen erlaubt es, den Eigencode auf die Geschäftslogik zu reduzieren, die das Unternehmen tatsächlich unterscheidet, und sie in der modernen Zielarchitektur neu zu bauen. Das gilt über den gesamten Lebenszyklus, vom Verstehen bis zum laufenden Betrieb.

Für Vorstände läuft das Thema damit auf eine Entscheidung hinaus, die mit Technik wenig zu tun hat. Betrieb und Weiterentwicklung der Kernsysteme sind einer der größten Kostenblöcke, die ein Unternehmen selbst beeinflussen kann – und der einzige, bei dem eine Investition zugleich Kosten senkt, das Geschäft beschleunigt und die Grundlage für die eigene KI schafft. Wer noch nicht modernisieren will, gewinnt mit derselben Plattform im laufenden Betrieb: bei jedem Ticket, jeder Störung, jedem Test. Und die vier Kennzahlen, an denen sich der Erfolg dieser Investition messen lässt, kann jede IT-Abteilung morgen liefern.

Damit sind wir wieder bei dem Vorstand aus der schlaflosen Nacht. Die Investition, um die es geht, verantwortet er – nicht seine IT, nicht seine Berater. Was sich für ihn geändert hat, ist die Antwort, die er auf diese Investition bekommen kann: mehr Ergebnis für dasselbe Geld, weniger Risiko, und ein Unternehmen, das seine Systeme schneller an den Markt anpasst als der Wettbewerb. Im nächsten Lenkungsausschuss kann er die vier Kennzahlen verlangen. Zum ersten Mal seit drei Jahren wird die Antwort dann nicht die nächste Verschiebung sein – sondern eine Entscheidung, die er selbst trifft.