{"id":167448,"date":"2026-10-28T14:06:50","date_gmt":"2026-10-28T13:06:50","guid":{"rendered":"https:\/\/e3mag.com\/?p=167448"},"modified":"2026-10-28T14:06:52","modified_gmt":"2026-10-28T13:06:52","slug":"kuenstliche-intelligenz-ohne-cloud-zwang-sap-und-ki-seite-an-seite","status":"publish","type":"post","link":"https:\/\/e3mag.com\/de\/kuenstliche-intelligenz-ohne-cloud-zwang-sap-und-ki-seite-an-seite\/","title":{"rendered":"K\u00fcnstliche Intelligenz ohne Cloud-Zwang: SAP und KI \u2013 Seite an Seite"},"content":{"rendered":"\n

Bereits seit zwei, drei Jahren treibt SAP die Integration von k\u00fcnstlicher Intelligenz in seine L\u00f6sungen mit Nachdruck voran, konzentriert sich dabei aber auf aktuelle S\/4-Hana-Releases und die SAP-Cloud. Neukunden kann der Walldorfer Software-Konzern damit durchaus \u00fcberzeugen \u2013 zumindest enthalten inzwischen laut SAP-Chef Christian Klein zwei Drittel der neuen Vertr\u00e4ge auch KI-Komponenten. F\u00fcr viele Bestandskunden ist ein Umstieg auf S\/4 Hana und Cloud jedoch keine Option, denn sie besitzen komplexe, teilweise \u00fcber Jahrzehnte gewachsene, lokale Umgebungen mit SAP ECC. Deren Migration w\u00e4re \u00e4u\u00dferst aufwendig und kostenintensiv und w\u00fcrde voraussichtlich einige Jahre dauern. Das sorgf\u00e4ltige Customizing der Vergangenheit ginge weitgehend verloren.<\/p>\n\n\n\n

Hinzu kommt, dass mehr und mehr Unternehmen inzwischen auf Datensouver\u00e4nit\u00e4t achten und insbesondere der Auslagerung von gesch\u00e4ftskritischen Daten und Systemen in die Clouds von Hyperscalern skeptisch gegen\u00fcberstehen. Sie bef\u00fcrchten einen Kontrollverlust und Abh\u00e4ngigkeiten, die sich bei Bedarf schlecht aufl\u00f6sen lassen, sodass etwa bei pl\u00f6tzlichen Kostensteigerungen, gr\u00f6\u00dferen funktionalen \u00c4nderungen oder Einschr\u00e4nkungen beim Zugang zu den Diensten ein einfacher Wechsel zu anderen Anbietern kaum m\u00f6glich ist. Einer Studie von Red Hat zufolge haben beispielsweise nur 57 Prozent der deutschen Unternehmen eine definierte Exit-Strategie f\u00fcr ihren prim\u00e4ren KI-Anbieter, und selbst von diesen Unternehmen gehen 37 Prozent von moderaten bis erheblichen Auswirkungen auf ihre Gesch\u00e4ftskontinuit\u00e4t aus, sollten sie einen Anbieterwechsel tats\u00e4chlich umsetzen m\u00fcssen.<\/p>

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

Trennung von SAP und KI<\/h2>\n\n\n\n

Unabh\u00e4ngig davon existieren je nach Branche auch unterschiedlich strenge regulatorische Vorgaben hinsichtlich der Datenhaltung, durch die vielen Unternehmen unter anderem aus der Finanzindustrie und dem Gesundheitswesen der Weg in die Cloud mehr oder weniger verschlossen bleibt. Beim KI-Einsatz in der SAP-Welt sind sie damit au\u00dfen vor und k\u00f6nnen den Datenschatz aus ihren SAP-Systemen nicht nutzen, um neue Erkenntnisse zu gewinnen und Prozesse sowie Entscheidungen zu verbessern \u2013 jedenfalls nicht mit den von SAP bereitgestellten KI-Komponenten wie SAP Joule.<\/p>\n\n\n\n

<\/div>\n\n\n\n
\"\"\n\t\t\t\n\t\t\t\t\n\t\t\t<\/svg>\n\t\t<\/button>
Das Side-by-Side-Modell im \u00dcberblick. (Quelle: Red Hat)<\/em><\/figcaption><\/figure>\n\n\n\n

Zwar gibt es die M\u00f6glichkeit, die on-premises laufenden Bestandssysteme mit Add-ons von Drittanbietern um KI zu erweitern. Allerdings sind viele dieser Add-ons ebenfalls Cloud-basiert und gehen mit Abh\u00e4ngigkeiten und nicht selten erheblichen Kosten einher. Ein charmanter Ansatz, KI dennoch in das klassische SAP einzubinden, ist hingegen das Side-by-Side-Modell. Hier bleiben die KI-Systeme von den SAP-Kernsystemen getrennt und werden in einer separaten, eng angebundenen Architektur betrieben. Die bestehende SAP-Landschaft bleibt unver\u00e4ndert und muss nicht transformiert oder migriert werden. Sie fungiert weiterhin als das zentrale System f\u00fcr die gesch\u00e4ftlichen Daten, auf die KI-Systeme \u00fcber standardisierte Schnittstellen wie OData oder REST zugreifen k\u00f6nnen. Die Ergebnisse der KI-Analysen lassen sich dann \u00fcber die APIs auch wieder zur\u00fcckspielen \u2013 typischerweise im JSON-Format \u2013 und in den SAP-Anwendungen oder anderen, selbst erstellten Tools anzeigen. Diese Tools k\u00f6nnen mit dem Fiori genannten Designsystem von SAP im gleichen Look and Feel wie die SAP-Anwendungen gestaltet werden, sodass die Benutzererfahrung einheitlich ist und sich Anwender schnell zurechtfinden.<\/p>\n\n\n\n

<\/div>\n\n\n\n
\"\"\n\t\t\t\n\t\t\t\t\n\t\t\t<\/svg>\n\t\t<\/button>
Komponenten KI-Architektur.<\/figcaption><\/figure>\n\n\n\n

Der Ansatz, die KI au\u00dferhalb der SAP-Systeme zu betreiben, bietet dabei gleich mehrere Vorteile. Zum einen k\u00f6nnen Unternehmen die KI-Systeme unabh\u00e4ngig von den Kernsystemen entwickeln, was eine schnelle Realisierung und Bereitstellung erlaubt und die kontinuierliche Pflege erleichtert. Der SAP-Core bleibt unangetastet, sodass es sp\u00e4ter keine Kompatibilit\u00e4tsprobleme bei Updates und Upgrades gibt. Zum anderen sind Unternehmen nicht auf bestimmte KI-Modelle festgelegt, sondern k\u00f6nnen frei w\u00e4hlen. Somit steht neben zahlreichen Large Language Models (LLMs) auch eine gro\u00dfe Bandbreite an Small Language Models (SLMs) bereit. Diese verf\u00fcgen nicht \u00fcber das breite Allgemeinwissen von LLMs mit Milliarden von Parametern, daf\u00fcr aber \u00fcber detailliertes Spezialwissen in einzelnen Bereichen, das in vielen Anwendungsf\u00e4llen zu besseren Ergebnissen f\u00fchrt. Dar\u00fcber hinaus ist der Ressourcenbedarf der kleinen Modelle deutlich geringer, sodass weniger leistungsstarke Hardware ben\u00f6tigt wird und sowohl die Anschaffungs- als auch die Betriebskosten der Systeme niedriger ausfallen.<\/p>\n\n\n\n

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

Freie Modellauswahl<\/h2>\n\n\n\n

Die Freiheit, KI-Modelle flexibel ausw\u00e4hlen zu k\u00f6nnen, erlaubt es, bei Bedarf zu wechseln \u2013 etwa, wenn bessere Modelle oder Modellversionen auf den Markt kommen oder sich die Anforderungen des Unternehmens \u00e4ndern. Zudem ist der gezielte Griff zu Open-Source-Modellen m\u00f6glich, die Vorteile hinsichtlich der Nachvollziehbarkeit und Erkl\u00e4rbarkeit von Entscheidungen bieten. Anders als viele propriet\u00e4re Modelle agieren sie nicht als Blackbox, bei der v\u00f6llig unklar bleibt, wie sie zu ihren Ergebnissen kommen. Ihre Transparenz ist vor allem in stark regulierten Branchen wichtig, aber auch \u00fcberall dort, wo es darum geht, deterministische Ergebnisse zu erzielen. Schlie\u00dflich muss die KI beispielsweise in Bereichen der funktionalen Sicherheit oder bei medizinischen Diagnosen, Kreditentscheidungen sowie bei der Bewertung von Bewerbern bei gleichem Input immer denselben Output liefern und darf sich nicht unvorhersehbar verhalten.<\/p>\n\n\n\n

Neben dem von SAP selbst bereitgestellten SAP-RPT-1 sind bew\u00e4hrte Modellfamilien f\u00fcr die Auswertung von gesch\u00e4ftlichen Daten aus SAP-Systemen unter anderem IBM Granite, LLaMA und Mistral.<\/p>\n\n\n\n

Im Unterschied zu den in der Cloud laufenden Modellen der KI-Platzhirsche und Hyperscaler lassen sich diese innerhalb der eigenen Infrastruktur bereitgestellten Modelle flexibel um unternehmensspezifisches Know-how erweitern, ohne dass sensible Daten au\u00dfer Haus gelangen. Die Modelle verf\u00fcgen also nicht nur \u00fcber das vorab vom Anbieter beziehungsweise der Community antrainierte Wissen, sondern auch interne Expertise, die sich aus Datenbanken, Fileshares und eben SAP-Systemen speist. Die dort gespeicherten Informationen k\u00f6nnen \u00fcber ein Finetuning direkt ins Modell integriert oder \u00fcber Retrieval Augmented Generation (RAG) angebunden werden.<\/p>\n\n\n\n

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

Wissensbasis f\u00fcr KI-Modelle<\/h2>\n\n\n\n

Ein Finetuning verbessert neben dem Wissen auch das kontextuelle Verst\u00e4ndnis des Modelles und seine generativen F\u00e4higkeiten hinsichtlich fachspezifischer Terminologie, ist allerdings vergleichsweise aufwendig. Unternehmen ben\u00f6tigen leistungsstarke IT-Systeme, in der Regel teure GPU-Cluster, weshalb es h\u00e4ufig in der Cloud stattfindet. In diesem Fall m\u00fcssen Daten anonymisiert oder synthetische Daten f\u00fcr das Training generiert werden. Anschlie\u00dfend wird das Modell on-premises betrieben und verarbeitet die echten Unternehmensdaten ausschlie\u00dflich innerhalb der eigenen Infrastruktur. Soll neues Wissen in das Modell einflie\u00dfen, ist ein neuerliches Training erforderlich \u2013 der Aufwand ist also gro\u00df. Das von IBM und Red Hat ins Leben gerufene Open-Source-Projekt InstructLab unterst\u00fctzt daher bei Finetunings und Re-Trainings, indem es Modellanpassungen durch ein spezielles Verfahren mit weniger Daten erm\u00f6glicht, hochwertige synthetische Daten bereitstellt und Rechenressourcen einspart. Es senkt die Einstiegsh\u00fcrden f\u00fcr Modellanpassungen deutlich \u2013 insbesondere f\u00fcr Unternehmen, denen es an KI-Experten und Data Scientists fehlt.<\/p>\n\n\n\n

Bei RAG hingegen greift das Modell auf eine Vektordatenbank mit den Unternehmensinformationen zu. Auf diese Weise l\u00e4sst sich die Wissensbasis leichter aktualisieren und die Ergebnisse der KI k\u00f6nnen gut um Quellenangaben erg\u00e4nzt werden, sodass Mitarbeiter in der Lage sind, die Ergebnisse zu verifizieren. Das kontextuelle Verst\u00e4ndnis und die generativen F\u00e4higkeiten bleiben unver\u00e4ndert \u2013 f\u00fcr viele Anwendungsf\u00e4lle, bei denen es nur um Datenanalysen geht, ist das aber v\u00f6llig ausreichend. Beide Ans\u00e4tze lassen sich bei Bedarf auch kombinieren, um einem Modell etwa fachspezifische Begriffe beizubringen und es mit stets aktuellen Daten zu versorgen.<\/p>\n\n\n\n

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

Effizientes Inferencing<\/h2>\n\n\n\n

Der anschlie\u00dfende Betrieb der KI-Modelle innerhalb der eigenen Infrastruktur bietet \u00fcber die Kontrolle der Unternehmensdaten hinaus den gro\u00dfen Vorteil, dass die KI in der N\u00e4he der Daten l\u00e4uft, diese also nicht erst aufwendig zur KI gebracht werden m\u00fcssen. Umfangreiche Daten\u00fcbertragungen in die Cloud sind somit nicht notwendig, sodass Unternehmen hohe Netzwerkkosten vermeiden. Sie ben\u00f6tigen allerdings lokale Infrastrukturen f\u00fcr das sogenannte Inferencing \u2013 das Treffen von Entscheidungen und die Generierungen von Antworten auf Basis von Daten und Anfragen. Die Anforderungen sind geringer als beim Training und Finetuning, bei wachsenden Nutzerzahlen oder der Umsetzung weiterer KI-Projekte kann auch das Inferencing schnell ressourcenintensiv werden. Ein effizienter Inferenzserver, der GPUs und deren Speicher optimal auslastet, hilft, Hardware-Kosten zu senken und KI-Anwendungen zu beschleunigen, sodass Anwender nicht lange auf Antworten warten m\u00fcssen.<\/p>\n\n\n\n

Die Herausforderung beim Side-by-Side-Modell liegt f\u00fcr Unternehmen letztlich vor allem darin, die Modelle f\u00fcr verschiedene Anwendungsf\u00e4lle konsistent zu hosten, anzupassen, bereitzustellen und zu \u00fcberwachen. Schlie\u00dflich sollen die Abl\u00e4ufe und Rahmenbedingungen m\u00f6glichst einheitlich bleiben \u2013 nicht nur aus Gr\u00fcnden der Effizienz und um das Entstehen von KI-Silos zu vermeiden. Auch Sicherheits- und Datenschutzanforderungen lassen sich auf diese Weise leichter einhalten, unter anderem durch zentrale Guardrails. Diese Schutzmechanismen pr\u00fcfen s\u00e4mtliche Ein- und Ausgaben und verhindern, dass die KI manipuliert wird oder fehlerhafte beziehungsweise unerw\u00fcnschte Ergebnisse liefert. Damit helfen sie auch, ethische Standards einzuhalten und das Vertrauen in die Systeme zu st\u00e4rken.<\/p>\n\n\n\n

Ein konsistentes Monitoring stellt dar\u00fcber hinaus eine gleichbleibend hohe Modellperformance sicher. Es erkennt Verzerrungen, die zu unfairen oder diskriminierenden Ergebnissen f\u00fchren, ebenso wie Modell-Drifts \u2013 also eine nachlassende Qualit\u00e4t der Antworten, weil etwa die urspr\u00fcnglich f\u00fcr das Training des Modells verwendeten Daten nicht mehr zeitgem\u00e4\u00df sind oder neu hinzukommende Daten das Modell beeinflussen. Solche Drifts erfolgen meist unmerklich im Laufe der Zeit und lassen sich ohne Monitoring-Tools nur schwer entdecken.<\/p>\n\n\n\n

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

Basis: Integrierte Plattform<\/h2>\n\n\n\n

Idealerweise setzen Unternehmen f\u00fcr den Aufbau einer KI-Architektur neben den SAP-Systemen auf eine integrierte Plattform, die SAP nahtlos anbindet und alles mitbringt, was f\u00fcr die konsistente Verwaltung verschiedenster KI-Modelle \u00fcber ihren gesamten Lebenszyklus hinweg ben\u00f6tigt wird. Red Hat stellt mit Red Hat AI Enterprise eine solche Plattform bereit. Sie basiert auf Red Hat OpenShift, das als Hybrid-Cloud-Anwendungsplattform die Anpassung und den Betrieb von Modellen und Anwendungen in hybriden Umgebungen unterst\u00fctzt, sodass Unternehmen sie nicht nur f\u00fcr die KI-Integration in SAP im Rahmen des Side-by-Side-Modells einsetzen k\u00f6nnen, sondern f\u00fcr s\u00e4mtliche KI-Workloads \u2013 unabh\u00e4ngig davon, ob diese im eigenen Rechenzentrum, am Edge oder in der Cloud laufen oder ob es sich um physische, virtualisierte oder containerisierte Umgebungen handelt. Red Hat AI Enterprise unterst\u00fctzt ein breites \u00d6kosystem von Open-Source-KI-Modellen und Hardware-Beschleunigern, sodass Unternehmen flexibel bleiben. Der integrierte Inferenz-Server basiert auf der quelloffenen Inference Engine vLLM, die nahtlos skaliert und eine effiziente GPU-Nutzung sowie stabile, niedrige Latenzen mit einem offenen, portierbaren Deployment vereint. Hinzu kommen Tools, die die Verwaltung von Modellen und Anwendungen automatisieren und GenAIOps- sowie MLOps-Ans\u00e4tze f\u00f6rdern. Dahinter verbergen sich Praktiken, die \u2013 \u00e4hnlich wie DevOps bei anderen Anwendungen \u2013 eine schnelle inkrementelle und iterative Weiterentwicklung erm\u00f6glichen und die Zusammenarbeit zwischen Data Scientists, AI Engineers, Entwicklern und den verschiedenen IT-Betriebsteams verbessern.<\/p>\n\n\n\n

<\/div>\n\n\n\n
\"\"\n\t\t\t\n\t\t\t\t\n\t\t\t<\/svg>\n\t\t<\/button>
Die Komponenten einer integrierten KI-Plattform.<\/em><\/figcaption><\/figure>\n\n\n\n

Das Side-by-Side-Modell erlaubt es Unternehmen, ihre SAP-Systeme um fortschrittliche KI-Funktionen zu erweitern. Beispielsweise k\u00f6nnen Finanzdaten f\u00fcr KI-basierte Abgleiche mit Rechnungen genutzt werden, um Anomalien zu erkennen und Betrugsversuche zu verhindern. KI kann Lagerbest\u00e4nde in Abh\u00e4ngigkeit von Wetter und aktuellen Ereignissen optimieren und bei Bedarf etwa Bestellungen ausl\u00f6sen. Sie kann Jobbeschreibungen aus SAP nutzen, um eingehende Bewerbungen vorzusortieren. Oder sie \u00fcbernimmt die Auswertung von Kamerabildern in der Fertigung, um Produktionsm\u00e4ngel aufzusp\u00fcren, und tr\u00e4gt die Ergebnisse anschlie\u00dfend in die SAP-Systeme ein. Die Einsatzm\u00f6glichkeiten sind \u00e4u\u00dferst vielf\u00e4ltig und der Fantasie im Grunde kaum Grenzen gesetzt.<\/p>\n\n\n\n

Nat\u00fcrlich brauchen Unternehmen einiges an Know-how, um KI selbst anzupassen und zu betreiben. Der Aufbau lohnt allerdings, weil er Unabh\u00e4ngigkeit garantiert: Es ist jederzeit m\u00f6glich, Modelle anzupassen oder zu wechseln \u2013 gerade in der schnelllebigen KI-Welt kann diese F\u00e4higkeit \u00e4u\u00dferst wertvoll sein. Zudem hilft KI-Expertise in der Zukunft bei der Umsetzung weiterer Anwendungsf\u00e4lle und kann langfristig auch Geld sparen. Schlie\u00dflich entstehen in der Cloud oft \u00fcberraschend hohe Kosten, gerade wenn Nutzerzahlen wachsen oder neue KI-Anwendungen hinzukommen. Der Weg zur\u00fcck ins eigene Rechenzentrum ist dann aber oft verbaut, weil die entsprechenden Infrastrukturen und das notwendige Wissen mittlerweile fehlen.<\/p>\n\n\n\n

Beim Aufbau der Expertise und der Durchf\u00fchrung der initialen KI-Projekte ist der Wert von erfahrenen Partnern allerdings nicht zu untersch\u00e4tzen. Sie tragen Wissen ins Unternehmen und verhindern, dass der Fokus verloren geht und Endlosprojekte entstehen, die es nie in den Produktivbetrieb schaffen. Letztlich bietet das Side-by-Side-Modell damit eine pragmatische L\u00f6sung nicht nur f\u00fcr aktuelle, sondern auch f\u00fcr k\u00fcnftige Herausforderungen von Unternehmen mit klassischen SAP-Umgebungen.<\/p>\n\n\n\n

Zum Partnereintrag:<\/p>\n\n\n\n

\"\"<\/a><\/figure>\n\n\n\n

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

\"\"<\/a><\/figure>\n\n\n\n

<\/p>\n","protected":false},"excerpt":{"rendered":"

SAP-Daten bieten gro\u00dfes Potenzial f\u00fcr KI, doch viele Innovationen sind an S\/4 und die SAP-Cloud gebunden. Das Side-by-Side-Modell erm\u00f6glicht Unternehmen, KI separat und dennoch eng an ihre SAP-Systeme angebunden zu betreiben.<\/p>\n","protected":false},"author":5841,"featured_media":167449,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"pmpro_default_level":"","footnotes":""},"categories":[45431,5],"tags":[44798,45299,44609,626,45465,30574,45469,45467,44844,45468,236,3371,25047,45464,45466],"coauthors":[44481],"class_list":["post-167448","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-manager-magazin-2026","category-it-management","tag-datensouveraenitaet","tag-ki-infrastruktur","tag-ki-integration","tag-kuenstliche-intelligenz","tag-large-language-models-llm","tag-on-premises","tag-open-source-ki","tag-red-hat-ai-enterprise","tag-red-hat-openshift","tag-retrieval-augmented-generation-rag","tag-sap","tag-sap-ecc","tag-sap-s-4hana","tag-side-by-side-modell","tag-small-language-models-slm","pmpro-has-access"],"acf":[],"featured_image_urls_v2":{"full":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat.jpg",1000,450,false],"thumbnail":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat-150x150.jpg",150,150,true],"medium":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat-400x180.jpg",400,180,true],"medium_large":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat-768x346.jpg",768,346,true],"large":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat.jpg",1000,450,false],"image-100":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat-100x45.jpg",100,45,true],"image-480":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat-480x216.jpg",480,216,true],"image-640":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat-640x288.jpg",640,288,true],"image-720":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat-720x324.jpg",720,324,true],"image-960":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat-960x432.jpg",960,432,true],"image-1168":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat.jpg",1000,450,false],"image-1440":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat.jpg",1000,450,false],"image-1920":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat.jpg",1000,450,false],"1536x1536":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat.jpg",1000,450,false],"2048x2048":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat.jpg",1000,450,false],"trp-custom-language-flag":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat-18x8.jpg",18,8,true],"bricks_large_16x9":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat.jpg",1000,450,false],"bricks_large":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat.jpg",1000,450,false],"bricks_large_square":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat.jpg",1000,450,false],"bricks_medium":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat-600x270.jpg",600,270,true],"bricks_medium_square":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat-600x450.jpg",600,450,true],"profile_24":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat-24x24.jpg",24,24,true],"profile_48":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat-48x48.jpg",48,48,true],"profile_96":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat-96x96.jpg",96,96,true],"profile_150":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat-150x150.jpg",150,150,true],"profile_300":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/10\/2611_mm_erpck_red_hat-300x300.jpg",300,300,true]},"post_excerpt_stackable_v2":"

SAP-Daten bieten gro\u00dfes Potenzial f\u00fcr KI, doch viele Innovationen sind an S\/4 und die SAP-Cloud gebunden. Das Side-by-Side-Modell erm\u00f6glicht Unternehmen, KI separat und dennoch eng an ihre SAP-Systeme angebunden zu betreiben.<\/p>\n","category_list_v2":"Manager Magazin 2026<\/a>, IT-Management<\/a>","author_info_v2":{"name":"Matthias Czwikla, Red Hat","url":"https:\/\/e3mag.com\/de\/author\/matthias-czwikla\/"},"comments_num_v2":"0 comments","_links":{"self":[{"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/posts\/167448","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/users\/5841"}],"replies":[{"embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/comments?post=167448"}],"version-history":[{"count":3,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/posts\/167448\/revisions"}],"predecessor-version":[{"id":167463,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/posts\/167448\/revisions\/167463"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/media\/167449"}],"wp:attachment":[{"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/media?parent=167448"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/categories?post=167448"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/tags?post=167448"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/coauthors?post=167448"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}