SAP baut das Datenfundament für KI-Agenten aus

Mit den Ankündigungen an der SAP TechEd 2026 in Berlin will SAP die Fragmentierung von Geschäftsdaten reduzieren. KI-Agenten tun sich nämlich schwer mit Daten, die über verschiedene Systeme, Datenbanken oder Cloud-Stacks verteilt sind. Richten soll es die SAP Business Data Cloud (BDC). Sie soll zur zentralen Grundlage einer Unternehmensarchitektur werden, in der KI-Agenten auf vertrauenswürdige Daten zugreifen und deren betriebswirtschaftliche Bedeutung verstehen können.

Im Zentrum stehen dabei drei Entwicklungen: die semantische Verknüpfung von Unternehmensdaten, der Ausbau offener Datenplattformen und neue KI-Modelle für strukturierte Informationen.

Daten brauchen einen Geschäftskontext

Ein KI-System kann Daten technisch verarbeiten, ohne ihre betriebswirtschaftliche Bedeutung vollständig zu verstehen. Beispielsweise kann eine Zahl den Umsatz eines Unternehmens beschreiben, aber auch einen Nettobetrag, eine offene Forderung oder eine Planungsgrösse darstellen. Ohne den Geschäftskontext ergeben solche Daten wenig Sinn und sind für komplexe Entscheidungen unbrauchbar.

SAP erweitert deshalb die Business Data Cloud um einen Ontology Manager. Dieser soll beschreiben, wie Daten, Geschäftsobjekte und Prozesse miteinander verbunden sind. Ergänzend liefert der SAP Knowledge Graph Beziehungen zwischen geschäftlichen Informationen. Dadurch könnten KI-Agenten beispielsweise erkennen, welche Kundenbestellungen von einem Lieferengpass betroffen sind, welche Produktionsaufträge davon abhängen und welche finanziellen Auswirkungen sich daraus ergeben.

Eine solche semantische Ebene ist entscheidend, wenn KI-Systeme nicht bloss Informationen suchen, sondern begründete Handlungsvorschläge erstellen oder Prozessschritte ausführen sollen. Die Krux dabei ist, dass das zugrunde liegende Datenmodell zuverlässig gepflegt werden muss. Sind Stammdaten unvollständig oder Geschäftsbegriffe uneinheitlich definiert, kann auch ein leistungsfähiger KI-Agent zu falschen Schlussfolgerungen gelangen. Das Thema Datenpflege bleibt als Dauerbrenner erhalten.

Databricks und Dremio erweitern die Plattform

Ein weiterer Schwerpunkt ist die Öffnung der Datenarchitektur. SAP baut seine Zusammenarbeit mit Databricks aus und integriert zusätzliche Funktionen für Data Engineering, KI und Datenmanagement in die Business Data Cloud. Dazu gehören Technologien wie Lakeflow, Agent Bricks und Lakebase. Zudem soll eine engere Verbindung zwischen Joule und Databricks Genie die Abfrage und Auswertung von Unternehmensdaten vereinfachen.

Parallel erweitert SAP seine Lakehouse-Architektur mit Dremio. Unterstützt werden sollen unter anderem Apache Iceberg und Apache Polaris. Eine föderierte Abfrage-Engine soll den Zugriff auf verteilte Daten ermöglichen, ohne dass diese zwingend verschoben oder kopiert werden müssen.

Das ist insbesondere für Unternehmen relevant, die Datenbestände auf verschiedenen Plattformen betreiben. Anstatt sämtliche Informationen in ein zentrales System zu übertragen, sollen Anwendungen und KI-Agenten möglichst direkt auf vorhandene Datenquellen zugreifen können.

Vollständig beseitigt wird die Komplexität dadurch allerdings nicht. Föderierte Architekturen stellen hohe Anforderungen an Berechtigungen, Metadaten, Datenqualität und die Leistung verteilter Abfragen.

Mit SAP Reltio kommt zudem eine Lösung für das Stammdatenmanagement hinzu. Sie soll Kunden-, Lieferanten- und Produktinformationen aus unterschiedlichen Systemen vereinheitlichen und als wiederverwendbare Datenprodukte bereitstellen.

KI soll auch Zahlen verstehen

Neben generativer KI investiert SAP in spezialisierte Modelle für strukturierte Unternehmensdaten. Mit SAP-RPT-2.0 kündigt der Konzern eine Weiterentwicklung seines Relational Pre-trained Transformer an. Das Modell soll nicht nur Klassifikationen und Regressionsanalysen unterstützen, sondern künftig auch Anomalien und Ausreisser erkennen sowie Zusammenhänge über mehrere Tabellen hinweg analysieren können.

Solche Fähigkeiten sind für betriebliche Anwendungen potenziell besonders interessant. Anders als bei einem klassischen Sprachmodell stehen nicht Texte, sondern strukturierte Informationen im Vordergrund.

Denkbare Einsatzfelder reichen von der Erkennung ungewöhnlicher Buchungsvorgänge über die Analyse von Lieferketten bis zur Identifikation von Qualitätsproblemen in der Produktion.

Mit SAP-RPT-TS stellt SAP ausserdem ein Modell für Zeitreihenprognosen vor. Damit sollen beispielsweise Bedarfsentwicklungen in der Lieferkettenplanung vorhergesagt werden können, ohne dass Unternehmen dafür jedes Mal ein eigenes Machine-Learning-Modell entwickeln müssen.

Ein Ausflug ins Weltall

Für besondere Aufmerksamkeit sorgt ein Projekt mit Hewlett Packard Enterprise (HPE). SAP plant, sein Modell SAP-RPT auf dem HPE Spaceborne Computer-2 an Bord der Internationalen Raumstation ISS einzusetzen. Dort soll die KI unter anderem Sensordaten auswerten, technische Unregelmässigkeiten erkennen und mögliche Störungen prognostizieren. Auch fehlende Messwerte könnten anhand historischer Daten rekonstruiert werden. Die Besonderheit liegt in der Verarbeitung direkt vor Ort. Die Daten müssen für die Analyse nicht erst zur Erde übertragen werden.

Der geplante Einsatz ist vor allem ein technologischer Demonstrator für KI am Netzwerkrand, also Edge AI. Für Unternehmen könnte das Konzept etwa in Industrieanlagen, Logistikzentren oder anderen Umgebungen interessant sein, in denen Daten lokal verarbeitet werden sollen. Ein Nachweis für den flächendeckenden produktiven Nutzen der Technologie ist das ISS-Projekt allerdings noch nicht.

Offenheit wird zur strategischen Frage

Mit dem Ausbau der Business Data Cloud reagiert SAP auf eine grundlegende Veränderung im Markt. Unternehmen wollen KI-Anwendungen über Systemgrenzen hinweg einsetzen und ihre Datenarchitekturen nicht vollständig von einem einzelnen Hersteller abhängig machen. Die Unterstützung offener Formate und externer Technologiepartner ist deshalb mehr als eine technische Ergänzung. Sie ist eine Voraussetzung dafür, dass SAP seine KI-Strategie auch in heterogenen Unternehmenslandschaften umsetzen kann.

Gleichzeitig bleibt eine gewisse Spannung bestehen. Zwar öffnet SAP den Datenzugriff und integriert Technologien verschiedener Anbieter. Die Orchestrierung der Geschäftsprozesse und der KI-Agenten soll jedoch weiterhin wesentlich über die eigenen Plattformen erfolgen. Für mich stellt sich die Frage, wie viel Offenheit die Architektur tatsächlich bietet und welche neuen Abhängigkeiten entstehen.