Pragmatische Ansätze bei der KI-Integration
IT & Data
Im Fokus vieler Projekte steht bei der KI-Integration nicht mehr die vollständige Ablösung bestehender Systeme, sondern die schrittweise Erweiterung vorhandener Plattformen mit entsprechenden Funktionen. Dabei geht es weniger um spektakuläre Zukunftsvisionen als um konkrete Unterstützung im operativen Alltag: natürliche Sprachabfragen, automatisierte Prozessschritte oder schnellere Informationsbeschaffung innerhalb bestehender Geschäftsprozesse. Ein zentraler Trend ist die Integration generativer KI direkt in bestehende ERP-Oberflächen. Mitarbeitende sollen Informationen künftig per Sprache oder Texteingabe abrufen können, ohne sich durch komplexe Menüs oder Transaktionen bewegen zu müssen. Dabei entstehen zunehmend KI-gestützte Assistenzfunktionen, die bestehende Geschäftsprozesse ergänzen, statt sie vollständig zu ersetzen.
Intelligente Koexistenz
Gerade in hybriden IT-Landschaften gilt dies als pragmatischer Ansatz. Viele Unternehmen betreiben ihre Kernsysteme weiterhin lokal im eigenen Rechenzentrum, nutzen aber parallel bereits Cloud-Dienste für Integration, Dokumentenverarbeitung oder Kollaboration. Die Einführung von KI erfolgt daher oft als zusätzliche Ebene über bestehenden Prozessen und Anwendungen. Hinzu kommt: Standardisierte KI-Funktionen sind häufig primär für reine Cloud-Umgebungen ausgelegt. Unternehmen mit komplexen On-Premises-Landschaften suchen deshalb nach Möglichkeiten, moderne KI-Services auch ohne vollständige Cloud-Migration einzusetzen.
Fokus auf Business-Prozesse
Besonders relevant sind KI-Anwendungen dort, wo viele Daten, wiederkehrende Abläufe und hohe Prozesskomplexität zusammenkommen. Typische Einsatzbereiche finden sich im ERP, in der Fertigung sowie im Transport- und Logistikmanagement. Im ERP-Umfeld ermöglichen KI-Funktionen beispielsweise das Auffinden von Geschäftspartnern über natürliche Sprache, die Analyse offener oder blockierter Aufträge oder die Unterstützung bei Änderungen in Liefer- und Materialprozessen. In der Produktion stehen dagegen Prozessaufträge, Ressourceninformationen oder Statusabfragen im Vordergrund. Im Transportmanagement wiederum gewinnen automatisierte Abfragen zu Lieferungen, Frachtkosten oder Dokumenten zunehmend an Bedeutung.
Sicherheit und Governance
Mit der Einführung von KI in geschäftskritischen Anwendungen steigen auch die Anforderungen an Sicherheit und Governance. Unternehmen müssen sicherstellen, dass bestehende Rollen- und Berechtigungskonzepte weiterhin greifen und sensible Daten geschützt bleiben. Besonders bei hybriden Architekturen entsteht zusätzlicher Integrationsaufwand. In vielen Projekten zeigt sich deshalb, dass technische Aspekte allein nicht ausreichen. Ebenso wichtig sind klare Governance-Strukturen, definierte Verantwortlichkeiten und ein realistisches Erwartungsmanagement. KI wird primär als Produktivitätswerkzeug verstanden – nicht als autonomes System, das geschäftskritische Entscheidungen vollständig übernimmt. Ein weiterer Erfolgsfaktor liegt in der Modularisierung der KI-Funktionen. Unternehmen setzen zunehmend auf kleinere, wiederverwendbare Komponenten statt auf monolithische KI-Lösungen. Dadurch lassen sich neue Funktionen schneller erweitern und einfacher an unterschiedliche Geschäftsbereiche anpassen.
KI als Brücke zur Cloud
Interessant ist auch die strategische Rolle solcher KI-Projekte im Kontext langfristiger Cloud-Migrationen. Viele Unternehmen betrachten KI-Integrationen als Zwischenschritt auf dem Weg zu stärker cloudbasierten ERP-Architekturen. Die Einführung moderner Benutzeroberflächen, neuer Prozessmodelle und cloudnaher Services erleichtert später den Übergang in hybride oder vollständig cloudbasierte ERP-Umgebungen. Gleichzeitig zeigt sich, dass Unternehmen zunehmend auf sogenannte «Agentic AI»-Ansätze setzen. Dabei übernehmen KI-Systeme nicht nur einzelne Abfragen, sondern führen definierte Aufgabenketten selbstständig aus – etwa im Bereich Logistik, Planung oder Dokumentenverarbeitung. Noch stehen viele dieser Szenarien am Anfang, doch die Entwicklung weist klar in Richtung stärker automatisierter ERP-Prozesse.
Fazit: lieber sanft als radikal
Die Erfahrungen aus aktuellen Projekten zeigen insgesamt ein pragmatisches Bild: Unternehmen suchen keine vollständige Revolution ihrer ERP-Landschaft, sondern konkrete Verbesserungen mit messbarem Nutzen. Entscheidend sind klar definierte Use Cases, eine saubere Integration in bestehende Prozesse und realistische Erwartungen an die Fähigkeiten der KI. Gerade in grossen Industrie- und Produktionsumgebungen dürfte dieser schrittweise Ansatz künftig an Bedeutung gewinnen. Denn der Druck, KI produktiv einzusetzen, steigt – gleichzeitig bleiben bestehende ERP-Systeme oft noch über Jahre das digitale Rückgrat der Unternehmen.
Im Hintergrund einer KI-Integration müssen unterschiedliche Systeme, Datenquellen, Geschäftsprozesse und User berücksichtigt werden. Ansonsten bleibt KI ein Stückwerk.
SIKAPraxisbeispiel SIKA: KI-Einstieg in einer hybriden SAP-Landschaft
Wie Unternehmen KI schrittweise in bestehende ERP-Landschaften integrieren können, zeigte Satish Mirchandani, Lead SAP Development bei, an den SAP Connect Days 2026. Der international tätige Spezialchemiekonzern betreibt eine hybride SAP-Umgebung mit lokalen S/4HANA-Systemen sowie verschiedenen Cloud-Diensten und Plattformen. Ziel war es, moderne KI-Funktionen einzuführen, ohne auf eine vollständige Cloud-Migration warten zu müssen.
Im Gespräch erklärte Satish Mirchandani, Lead-SAP Development bei Sika, dass bei Sika weniger die Technologie als vielmehr die klare geschäftliche Zielsetzung gefehlt habe, um KI-Lösungen wie Joule sinnvoll einzusetzen. Zwar gebe es viel Hype rund um KI, entscheidend sei jedoch der konkrete Mehrwert für das Business. Dafür brauche es, so Mirchandani, eine enge Zusammenarbeit zwischen Fachbereichen und IT sowie eine tragfähige technologische Basis mit integrierten ERP-, Daten- und Schnittstellensystemen: «Der eigentliche Knackpunkt bei KI ist nicht die Technologie, sondern der konkrete Business-Nutzen und die enge Abstimmung zwischen Fachbereichen und IT.»
Zudem betonte Mirchandani die hohe Komplexität eines globalen Unternehmens wie Sika. Prozesse und Anforderungen würden sich je nach Region stark unterscheiden. Deshalb verfolge das Unternehmen einen pragmatischen Ansatz mit globalen Vorlagen dort, wo Prozesse ähnlich seien, und regionalen Templates, wo lokale Unterschiede dies erforderten. Joule sei aus seiner Sicht weit mehr als nur eine neue Benutzeroberfläche: «Joule ist nicht einfach ein neues UI, sondern der Einstieg in eine tiefgreifende Transformation von Prozessen und Systemlandschaften.» Der Chatbot bilde lediglich den Einstiegspunkt für die Anwender. Im Hintergrund müssten zahlreiche Systeme integriert und Prozesse orchestriert werden. Die Umwandlung einfacher Benutzereingaben in komplexe Backend-Abfragen mache deutlich, dass KI-Agenten eine tiefgreifende Transformation der IT- und Prozesslandschaft auslösen könnten.
Dafür wurde der KI-Assistent SAP Joule in die bestehende Arbeitsumgebung integriert. Zum Einsatz kommen sogenannte «Joule Skills», welche spezifische Geschäftsprozesse unterstützen – etwa in ERP, Digital Manufacturing oder Transportation Management. Mitarbeitende können dadurch Informationen per natürlicher Sprache abrufen oder einfache Prozessschritte direkt ausführen. Laut Mirchandani liegt der Fokus bewusst auf klar definierten Use Cases, realistischer Governance und einer schrittweisen Einführung mit konkretem Mehrwert für die Fachbereiche.
