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
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.
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.
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
Damit können Unternehmen AI-gestützte Funktionen nutzen, ohne ihr gesamtes ERP-System zu transformieren.
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.
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
Großes Potenzial bietet generative AI in Bereichen mit vielen Daten, Dokumenten und wiederkehrenden Aufgaben. Dazu gehören vor allem Supply Chain, Finance, Procurement und Sales.
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.
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.
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.
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.
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.
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.
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.
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.
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.