{"id":165876,"date":"2026-09-01T10:00:00","date_gmt":"2026-09-01T08:00:00","guid":{"rendered":"https:\/\/e3mag.com\/?p=165876"},"modified":"2026-08-28T12:49:44","modified_gmt":"2026-08-28T10:49:44","slug":"entfesseltes-potenzial","status":"publish","type":"post","link":"https:\/\/e3mag.com\/de\/entfesseltes-potenzial\/","title":{"rendered":"Entfesseltes Potenzial"},"content":{"rendered":"\n

Viele Unternehmen stellen ihr ERP-Altsystem aktuell auf eine moderne, cloudbasierte Umgebung um und durchlaufen dabei eine tiefgreifende Transformation auf mehreren Ebenen. Mit Rise steht ihnen ein strukturierter Ansatz aus einem standardisierten Framework, einer integrierten Toolchain und Anleitungen durch Experten zur Verf\u00fcgung, der Projektabl\u00e4ufe im Sinne des Clean-Core-Prinzips vereinfacht und beschleunigt.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Gemeinsam gegen Pain Points<\/h2>\n\n\n\n

Konkret die Toolchain ist daf\u00fcr da, eine nahtlose Zusammenarbeit zwischen Fachabteilungen und IT zu erm\u00f6glichen. Sie setzt klare Priorit\u00e4ten und erleichtert Entscheidungen. Und sie soll helfen, \u00c4nderungen in der ERP-Landschaft ganzheitlich zu koordinieren. F\u00fcr jeden Bereich \u2013 Menschen, Prozesse, Anwendungen und Daten \u2013 und jede der sechs Projektphasen in Activate, von der Bestandsaufnahme bis zum laufenden Betrieb, wurden bestimmte KI-gest\u00fctzte Werkzeuge entwickelt.<\/p>

\"\"<\/a><\/div><\/div>\n\n\n\n

Dazu geh\u00f6ren WalkMe f\u00fcr das Enablement, Signavio f\u00fcr Prozessanalyse und -design, LeanIX zur Abbildung der IT-Landschaft und Cloud ALM, um Anwendungen zu verwalten und zu optimieren. Erg\u00e4nzt werden sie um Partner-Tools. Alle lassen sich nach Bedarf \u2013 da, wo die gr\u00f6\u00dften Pain Points in Unternehmen sind \u2013 flexibel einsetzen und miteinander verbinden. Eine wichtige Komponente bei der integrierten Toolchain ist SAP Cloud ALM als Klammer, die alles zusammenh\u00e4lt. Sie ist weniger als ein weiteres Spezialtool anzusehen, sondern eher als steuernde und strukturierende Einheit f\u00fcr Planung, Umsetzung und Betrieb.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Orchestrierung mit Cloud ALM<\/h2>\n\n\n\n

Um die Cloud ALM einzusetzen, m\u00fcssen Unternehmen die richtigen Voraussetzungen schaffen: die fachlichen und technischen Verantwortlichkeiten klar benennen, einen Owner pro Bereich (Implementierung, Betrieb, Monitoring) bestimmen, alle Projektrollen (PM, IT, Fachbereich, Partner) klar zuordnen und ihre Aufgaben kl\u00e4ren, Zugriffe und Berechtigungen sauber einrichten, Rollen schulen und damit verbunden Guides und Best Practices entwickeln sowie s\u00e4mtliche Prozesse \u201eend-to-end\u201c definieren. Au\u00dferdem sollte die Cloud ALM fr\u00fchzeitig im Projekt eingeplant, mit festen Meilensteinen f\u00fcr Aktivierung und Nutzung verbunden und auf die gesamte Timeline abgestimmt werden.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Weniger Aufwand dank KI<\/h2>\n\n\n\n

Eine gro\u00dfe Rolle in der Toolchain spielt k\u00fcnstliche Intelligenz. Die Technologie ist in allen Werkzeugen integriert und \u00fcbernimmt wiederkehrende Aufgaben wie Datenanalysen und Data Mapping, Testings und Mitarbeiterschulungen, indem sie diese automatisiert. In der Discovery-Phase erm\u00f6glicht die Funktion \u201eText-to-Process\u201c in Signavio beispielsweise, bestehende Prozessdokumentationen aus Texten oder Bildern automatisiert in Prozessmodelle zu \u00fcberf\u00fchren.<\/p>\n\n\n\n

Das ist besonders relevant f\u00fcr Unternehmen, die ihre Prozesse bislang in Word-Dokumenten oder Grafiken dokumentiert haben. Erg\u00e4nzend dazu schl\u00e4gt die KI eigenst\u00e4ndig Key Performance Indicators vor \u2013 etwa im kreditorischen Bereich, um Automatisierungsraten gezielt zu messen und Prozesse zu optimieren.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Kosten senken, Qualit\u00e4t erh\u00f6hen<\/h2>\n\n\n\n

In der Design- und Build-Phase lassen sich in Cloud ALM Testf\u00e4lle KI-gest\u00fctzt generieren und anpassen, direkt abgeleitet aus Prozessneuerungen oder -\u00e4nderungen. Zum Beispiel, wenn Bez\u00fcge verloren gegangen sind, sich ein Objekt verschoben hat oder in der Entwicklung umbenannt wurde. In Kombination mit Tricentis und dessen Change-Impact-Analyse kann der Testscope auf Basis von Konfigurations\u00e4nderungen automatisch reduziert werden. Das funktioniert auch risikobasiert, mit Fokus auf kritische Prozesse wie den Monatsabschluss.<\/p>\n\n\n\n

Da kleine \u00c4nderungen schnell tausende (manuelle) Testf\u00e4lle nach sich ziehen k\u00f6nnen, vor allem dann, wenn diese parallel im Alt- und Neusystem anfallen, ist Automatisierung hier sehr wertvoll, um Aufwand und Kosten zu senken und gleichzeitig die Qualit\u00e4t zu erh\u00f6hen.<\/p>\n\n\n\n

\u00dcber die reine Testautomatisierung hinaus unterst\u00fctzt die Toolchain auch das Testmanagement entlang des gesamten Projektlebenszyklus. SAP Cloud ALM sorgt dabei f\u00fcr eine durchg\u00e4ngige Nachverfolgbarkeit von Anforderungen, Testf\u00e4llen und Fehlern. Gemeinsam mit Tricentis lassen sich automatisierte Regressionstests etablieren, die insbesondere bei h\u00e4ufigen Cloud-Updates helfen, den Testaufwand deutlich zu reduzieren und gleichzeitig die Qualit\u00e4t zu sichern. Erg\u00e4nzt wird dies durch ein strukturiertes Testdatenmanagement, das die Bereitstellung realistischer und datenschutzkonformer Testdaten vereinfacht.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Support-Tickets reduzieren<\/h2>\n\n\n\n

Um Mitarbeiter automatisiert rollenbasiert und in Echtzeit zu schulen und zu unterst\u00fctzen, gibt es KI-basierte Apps, die mit Daten aus Signavio oder Cloud ALM Lernbedarfe erfassen, Lernprogramme vorschlagen, Inhalte erstellen und kontextbezogen Fragen beantworten. Durch die intelligente Unterst\u00fctzung direkt im Workflow steigt die Datenqualit\u00e4t, es fallen weniger Support-Tickets an, die Navigation wird schneller und die Interaktion personalisierter.<\/p>\n\n\n\n

Au\u00dferdem werden Mitarbeiterinnen und Mitarbeiter damit st\u00e4rker in die Transformation eingebunden und mit Ver\u00e4nderungen vertraut gemacht.<\/p>\n\n\n\n

Die Zukunft liegt in AI Agents, sprich KI-gest\u00fctzten Agenten, die weitgehend autonom arbeiten. Um sie sicher zu koordinieren, gilt es in Hinblick auf den EU AI Act jedoch einiges zu beachten. Denn die Verordnung schafft harmonisierte Vorschriften f\u00fcr KI-Systeme innerhalb der Europ\u00e4ischen Union \u2013 und damit klare Regeln f\u00fcr Anbieter, Entwickler und Anwender von KI.<\/p>\n\n\n\n

Obwohl sie seit 2025 in Kraft ist, f\u00fchlen sich nur wenige Unternehmen auf die Regulierung vorbereitet. Zwar arbeitet ein Gro\u00dfteil an einer AI Governance, doch implementierte Frameworks und eine dezidierte Governance f\u00fcr Agenten sind noch die Ausnahme.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Zeit, zu handeln<\/h2>\n\n\n\n

Seit August werden Hochrisiko-Systeme vollst\u00e4ndig reguliert, verbunden mit strengen Anforderungen an Qualit\u00e4ts- und Risikomanagement, und ab n\u00e4chstem Jahr entsprechende KI-Systeme, die in regulierte Produkte eingebettet sind. Sp\u00e4testens dann ben\u00f6tigen Unternehmen spezifische Governance-Mechanismen, die \u00fcber klassische Machine Learning Operations hinausgehen, und \u2013 dar\u00fcber hinaus \u2013 eine vollst\u00e4ndige Compliance inklusive GRC-, ML-Ops- und Data-Privacy-Tools.<\/p>\n\n\n\n

Wichtig zu verstehen bei dem Thema ist, was AI Agents k\u00f6nnen \u2013 was wiederum von ihrer Autonomiestufe abh\u00e4ngt. Agenten k\u00f6nnen einzelne Aufgaben \u00fcbernehmen oder Empfehlungen geben, Aktionen \u00fcberwacht ausf\u00fchren, bis auf Ausnahmef\u00e4lle eigenst\u00e4ndig oder voll autonom handeln.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Unterschiede zu klassischer KI<\/h2>\n\n\n\n

Hier zeigen sich auch entscheidende Unterschiede zu klassischer k\u00fcnstlicher Intelligenz: Agenten sind in der Lage, autonom und emergent zu handeln, k\u00f6nnen via APIs mit externen Systemen interagieren, sich dynamisch verhalten und Entscheidungen sehr schnell treffen. Ein praktisches Beispiel aus dem Order-to-Cash-Bereich verdeutlicht das: Zun\u00e4chst pr\u00fcft der Order Agent bei einer Bestellung, ob die Daten vollst\u00e4ndig sind und der Kunde zahlungsf\u00e4hig ist.<\/p>\n\n\n\n

Dann erstellt der Billing Agent die Rechnung. Der Payment Agent \u00fcberwacht die Zahlung; ist sie eingegangen, \u00fcbergibt er an Finance, wenn nicht, erinnert er den Kunden. Alle Agenten arbeiten autonom und in Form eines Multi-Agent-Systems.<\/p>\n\n\n\n

Bis Agenten einen Mehrwert bieten, m\u00fcssen allerdings noch einige H\u00fcrden genommen werden. Bisher arbeiten viele Agenten unstrukturiert, isoliert in einzelnen Apps, Teams und Projekten ohne klare Verantwortlichkeiten oder scheitern an Systemgrenzen.<\/p>\n\n\n\n

<\/div>\n\n\n\n

AI Readiness Assessment<\/h2>\n\n\n\n

Das f\u00fchrt dazu, dass Investitionen stark steigen, Projekte aufgegeben werden und nur wenige Mitarbeitende sie effektiv nutzen.<\/p>\n\n\n\n

Um dies zu verhindern, empfiehlt sich als erster Schritt ein AI Readiness Assessment, um zu analysieren, wo das Unternehmen steht, wie der Reifegrad der bestehenden KI-Landschaft ist, wo Risiken bestehen und wo es L\u00fccken in der Governance gibt. Im zweiten Schritt wird mit Hilfe von LeanIX, Signavio und Cloud ALM das Framework in die Toolchain implementiert \u2013 im laufenden Betrieb sollte es regelm\u00e4\u00dfig \u00fcberpr\u00fcft, optimiert und auf Regulatoriken hin aktualisiert werden. Als Schaltzentrale f\u00fcr AI Agents in der Toolchain kann der AI Agent Hub dienen.<\/p>\n\n\n\n

Mit seiner einheitlichen Oberfl\u00e4che bietet er einen \u00dcberblick und damit Transparenz dar\u00fcber, wie Agenten innerhalb von Prozessen agieren, wie sie performen, welcher Risikostufe sie angeh\u00f6ren und was ihr Einsatz kostet. Auch bei wenigen Agenten lohnt es sich schon, den Hub einzuf\u00fchren, damit sie bei steigender Anzahl kein Schattendasein f\u00fchren und zum (regulatorischen) Risiko werden.<\/p>\n\n\n\n

<\/p>\n\n\n\n

\n

Was kann die Toolchain \u2013 und was nicht?<\/h2>\n\n\n\n
\n
\n

Was die Toolchain leistet<\/strong><\/p>\n\n\n\n