AI im SAP-Mittelstand: Wie Unternehmen Generative AI nutzen können

Die Realität im Mittelstand: SAP läuft häufig noch On-Prem

Viele mittelständische Unternehmen betreiben ihre ERP-Landschaft weiterhin On-Premise – etwa mit SAP ECC oder lokal betriebenem S/4HANA. Diese Systeme sind über Jahre hinweg gewachsen, tief in bestehende Prozesse integriert und laufen stabil. Eine vollständige Transformation in eine Cloud-ERP-Umgebung bedeutet daher oft:

• umfangreiche Migrationsprojekte

• hohe Investitionskosten

• lange Projektlaufzeiten

• organisatorische Veränderungen

Gerade für mittelständische Unternehmen ist eine solche Transformation häufig kein kurzfristiges Projekt. Gleichzeitig entstehen viele neue AI-Funktionen im SAP-Ökosystem primär in cloudbasierten Lösungen. Dadurch entsteht eine Herausforderung: Unternehmen möchten AI nutzen – ohne ihre gesamte ERP-Landschaft sofort transformieren zu müssen. Die gute Nachricht: AI im SAP-Umfeld ist auch mit bestehenden On-Prem-Systemen möglich.

AI im SAP-Umfeld: Ein pragmatischer Einstieg für den Mittelstand

Der Einstieg in AI muss nicht zwingend mit einer vollständigen Cloud-Migration beginnen. Unternehmen können verschiedene Ansätze kombinieren, um AI bereits heute in ihre Prozesse zu integrieren.

Embedded AI in SAP-Cloudlösungen

Selbst wenn das zentrale ERP-System noch On-Premise läuft, können Unternehmen bereits AI-Funktionen in SAP-Cloudlösungen nutzen. Beispiele sind etwa:

• SAP SuccessFactors für HR-Prozesse

• SAP Sales Cloud und Service Cloud im Customer-Experience-Umfeld

Diese Lösungen bieten bereits integrierte AI-Funktionen – beispielsweise für:

• intelligente Empfehlungen

• automatisierte Analysen

• Unterstützung bei Entscheidungsprozessen

Damit können Unternehmen AI-gestützte Funktionen nutzen, ohne ihr gesamtes ERP-System zu transformieren.

AI direkt im S/4HANA-System und über die SAP Business Technology Platform

Auch in S/4HANA On-Premise existieren bereits Möglichkeiten für datengetriebene Analysen und erste AI-ähnliche Funktionen. Dazu gehören beispielsweise:

• Machine-Learning-Anwendungen direkt auf der HANA-Datenbank

• Embedded Analytics

• Situation Handling zur automatischen Erkennung kritischer Ereignisse

• intelligente Fiori Apps

Diese Funktionen ermöglichen bereits heute automatisierte Analysen und proaktive Entscheidungsunterstützung innerhalb des ERP-Systems.

Unternehmen, die zusätzlich die SAP Business Technology Platform (BTP) nutzen, können ihre AI-Fähigkeiten weiter ausbauen. Hier stehen verschiedene Services zur Verfügung, beispielsweise für:

• Dokumentenverarbeitung

• Machine Learning

• Prozessautomatisierung

• Generative-AI-Integration

Die BTP fungiert dabei häufig als Brücke zwischen bestehenden ERP-Systemen und neuen AI-Services.

Custom AI: Individuelle Use Cases identifizieren

Neben den integrierten Möglichkeiten setzen viele Unternehmen auf individuelle AI-Anwendungen, die speziell auf ihre Geschäftsprozesse zugeschnitten sind. Ein bewährter Ansatz ist beispielsweise ein AI Use Case Ideation Workshop. Dabei werden gemeinsam mit Fachbereichen und IT konkrete Fragestellungen analysiert, etwa:

• Wo entstehen besonders viele manuelle Aufgaben?

• Welche Entscheidungen basieren auf großen Datenmengen?

• Wo könnten Prognosen oder Automatisierungen echten Mehrwert schaffen?

Ziel ist es, AI-Use-Cases mit klar messbarem Business-Impact zu identifizieren, statt nur neue Technologien einzuführen. Je nach Systemlandschaft können diese Use Cases anschließend direkt in SAP, über Erweiterungen oder über individuelle AI-Services umgesetzt werden.

Jetzt mehr über AI Use Case Workshops erfahren

Generative AI in SAP-Prozessen: Wo der größte Mehrwert entsteht

Großes Potenzial bietet generative AI in Bereichen mit vielen Daten, Dokumenten und wiederkehrenden Aufgaben. Dazu gehören vor allem Supply Chain, Finance, Procurement und Sales.

AI in der Digital Supply Chain: Transparenz, Prognosen und Automatisierung

Die Lieferkette wird immer komplexer: Lieferanten, Lagerbestände, Transportwege und Kundenanforderungen erzeugen täglich große Datenmengen. Generative AI kann hier helfen, Prozesse intelligenter zu gestalten, Risiken frühzeitig zu erkennen und Entscheidungen zu verbessern. Dies geschieht unter anderem durch:

• Intelligente Bedarfsprognosen anhand der Analyse von historischen Verkaufsdaten, saisonaler Muster und externer Faktoren

• Automatisierte Lager- und Bestandsoptimierung durch die Überwachung der Lagerbestände in Echtzeit und die Erkennung von Engpässen

• Bewertung von Lieferantenstabilität und -zuverlässigkeit

• Dynamische Routenplanung

• Vorhersage von Lieferzeiten und Verzögerungen

• Unterstützung bei der Wahl kosteneffizienter Transportoptionen

Generative AI macht die Digital Supply Chain smarter, schneller und widerstandsfähiger. Damit wird die Lieferkette nicht nur digital, sondern intelligent und proaktiv steuerbar.

AI im Finance: Automatisierung und intelligente Analysen

Finanzabteilungen arbeiten täglich mit großen Datenmengen – von Rechnungen über Buchungen bis hin zu Reports. AI kann hier viele Prozesse deutlich effizienter machen. Typische Anwendungsfälle sind:

• Automatisierte Rechnungsverarbeitung

• Analyse eingehender Rechnungen, Datenextraktion und Erstellung von Buchungsvorschlägen

• Automatische Finanzanalysen, da Auffälligkeiten in Finanzdaten erkannt und Abweichungen automatisch erklärt werden können

• Forecasting und Planung

Durch die Analyse historischer Daten kann AI Prognosen für Umsatz, Kosten oder Cashflow erstellen. Das reduziert manuelle Arbeit und verbessert gleichzeitig die Entscheidungsgrundlage für Finanzteams.

AI im Procurement: Bessere Entscheidungen im Einkauf

Auch im Einkauf entstehen große Datenmengen zu Lieferanten, Preisen und Verträgen. AI unterstützt Einkaufsabteilungen beispielsweise bei:

• Analyse von Lieferantenrisiken

• Preisprognosen

• automatischen Bestellvorschlägen

• Vertragsanalyse

Unternehmen können dadurch schneller auf Marktveränderungen reagieren und Risiken frühzeitig erkennen.

AI im Sales: Intelligente Unterstützung im Vertrieb

Auch im Vertrieb entstehen neue Möglichkeiten durch generative AI. Beispiele sind:

• Kundenanalyse: Muster im Kaufverhalten und Cross- und Upselling-Potenziale identifizieren

• Automatische Angebotsentwürfe

• AI-gestützte Vertriebsunterstützung: auf Basis von Kundenanforderungen können Angebotsentwürfe erstellt werden

Vertriebsmitarbeitende erhalten automatisch relevante Informationen zu Kunden, Produkten oder Verkaufschancen. Das reduziert administrative Aufgaben und schafft mehr Zeit für die Kundenbetreuung.

Datenplattformen als Grundlage für erfolgreiche AI

Ein zentraler Erfolgsfaktor für AI-Projekte ist die Datenbasis. In vielen Unternehmen liegen Daten heute noch in unterschiedlichen Systemen und Silos. Ohne eine klare Datenstrategie besteht die Gefahr, dass einzelne isolierte AI-Use-Cases entstehen, die langfristig schwer skalierbar sind. Deshalb setzen viele Organisationen auf moderne Datenplattformen und Zielarchitekturen, die Daten aus verschiedenen Systemen zusammenführen, konsistente Datenmodelle bereitstellen und AI-Anwendungen skalierbar machen

Eine solide Datenarchitektur bildet damit das Fundament für nachhaltige AI-Strategien.

Clean Core: Vorbereitung auf zukünftige AI-Innovationen

Auch Unternehmen mit On-Premise-Systemen können sich bereits heute auf zukünftige AI-Innovationen vorbereiten. Ein wichtiger Ansatz ist dabei das Clean-Core-Prinzip. Ziel ist es, das ERP-System möglichst nah am Standard zu halten und Erweiterungen über moderne Plattformen oder Services umzusetzen. Das erleichtert später Systemupdates Cloud-Transformationen und die Nutzung neuer AI-Funktionen in zukünftigen SAP-Releases.

Clean Core wird damit zu einem wichtigen Baustein für eine zukunftssichere und Ai-getriebene ERP-Architektur.

AI auch außerhalb von SAP: Microsoft Copilot und M365

Neben SAP-basierten AI-Szenarien gewinnen auch AI-Funktionen in der Microsoft-Welt zunehmend an Bedeutung. Mit Microsoft 365 Copilot entstehen neue Möglichkeiten für:

• automatisierte Dokumentenerstellung

• intelligente Meeting-Zusammenfassungen

• Analyse von Unternehmensdaten

• Unterstützung in täglichen Arbeitsprozessen

In vielen Unternehmen entstehen dadurch kombinierte AI-Szenarien, bei denen SAP-Daten, Business-Prozesse und moderne Workplace-Tools miteinander verbunden werden.

Warum AI-Zusatzlösungen für den Mittelstand besonders interessant sind

Für viele mittelständische Unternehmen ist der Einstieg über spezialisierte Lösungen derzeit der praktischste Weg in Richtung AI. Dieser Ansatz ermöglicht es Unternehmen einzelne Prozesse gezielt zu optimieren, bestehende SAP-Systeme weiter zu nutzen und Künstliche Intelligenz schrittweise einzuführen. Gleichzeitig bleibt die Möglichkeit bestehen, die eigene Systemlandschaft langfristig weiterzuentwickeln – etwa im Rahmen einer späteren Cloud-Transformation. AI wird damit nicht zu einem großen Transformationsprojekt, sondern zu einer schrittweisen Weiterentwicklung bestehender Geschäftsprozesse.

Lernen Sie AI-Zusatzlösungen im SAP-Umfeld kennen

Sie möchten herausfinden, wie sich AI-Use-Cases in Ihrer bestehenden SAP-Landschaft umsetzen lassen?

Unsere Experten unterstützen Sie dabei, konkrete Potenziale zu identifizieren und passende Lösungen zu integrieren. Und das ohne teure und langwierige Systemtransformationen.

Mehr erfahren

Fazit: AI im SAP-Mittelstand muss kein Großprojekt sein

Viele mittelständische Unternehmen stehen heute an einem entscheidenden Punkt: Sie kommen aus stabilen On-Premise-Welten, erkennen die Chancen von Cloud und AI, doch der große, sofortige Sprung erscheint oft weder realistisch noch notwendig. Genau deshalb braucht es keine radikalen Umbrüche, sondern durchdachte, schrittweise Ansätze. Lösungen, die bestehende ERP-Landschaften respektieren, gleichzeitig aber den Weg in Richtung AI und moderne Architekturen ebnen. Der Schlüssel liegt darin, den Mittelstand dort abzuholen, wo er heute steht: mit einer klaren Strategie und einem realistischen Transformationspfad.

AI im SAP-Mittelstand muss kein Großprojekt sein. Im Gegenteil: Der größte Mehrwert entsteht oft durch fokussierte, pragmatische Use Cases, die schnell Wirkung zeigen und sich nahtlos in bestehende Systeme integrieren lassen. Wer erfolgreich sein will, setzt auf:

• konkrete Business-Probleme statt Technologie-Hype

• kleine, messbare Schritte mit klarem ROI

• hybride Szenarien statt „Alles-oder-nichts“-Transformationen

• solide Datenbasis als Fundament für AI

• und vor allem: die Einbindung der Menschen im Unternehmen

So entsteht kein disruptiver Bruch, sondern eine nachhaltige Entwicklung. Der Weg in die AI-gestützte SAP-Welt ist für den Mittelstand damit keine Frage des „Ob“, sondern des „Wie“ – und dieses „Wie“ beginnt nicht mit einem Großprojekt, sondern mit dem ersten sinnvollen Schritt.