Wer derzeit Fachveranstaltungen besucht, Branchenmedien verfolgt oder mit Technologieanbietern spricht, gewinnt schnell den Eindruck, dass künstliche Intelligenz die zentrale Herausforderung der kommenden Jahre darstellt. Nahezu wöchentlich erscheinen neue Modelle, Plattformen erweitern ihre Funktionen und Unternehmen prüfen erste Anwendungsfälle oder starten Pilotprojekte.
Die Dynamik ist beeindruckend. Gleichzeitig entsteht dadurch der Eindruck, dass der Erfolg von AI auch im ERP-Umfeld und insbesondere in SAP Systemen, in erster Linie von der Wahl der richtigen Technologie abhängt. Die eigentliche Herausforderung liegt jedoch an einer anderen Stelle. In Gesprächen mit Unternehmen in der Schweiz beobachten wir regelmässig, dass die Diskussion bei der Technologie beginnt:
-
Welche Plattform soll eingesetzt werden?
-
Welche Funktionen stehen zur Verfügung?
-
Welche Prozesse können automatisiert werden?
-
Welche Produktivitätsgewinne sind realistisch?
Deutlich seltener wird die Frage gestellt, auf welcher Grundlage die KI-Systeme überhaupt arbeiten sollen. Denn künstliche Intelligenz ist immer nur so gut, wie die Informationen, auf die sie zugreifen kann. Fehlende Datenqualität, widersprüchliche Definitionen von Kennzahlen oder unklare Verantwortlichkeiten führen dazu, dass auch die leistungsfähigsten Modelle keine verlässlichen Ergebnisse liefern können.
Viele Organisationen verfügen heute über grosse Datenbestände. Gleichzeitig kämpfen sie mit historisch gewachsenen Systemlandschaften, isolierten Datenquellen und unterschiedlichen Interpretationen derselben Geschäftsinformationen. Was in einem Bereich als Kunde definiert wird, kann in einem anderen System bereits eine andere Bedeutung haben. Kennzahlen werden an mehreren Stellen unterschiedlich berechnet und die Herkunft von Informationen ist oft nur schwer nachvollziehbar.
Gerade in SAP-Landschaften wird diese Herausforderung besonders deutlich. Daten liegen häufig verteilt über SAP S/4HANA, SAP BW, SAP Datasphere, SAP Analytics Cloud und weitere Non-SAP-Systeme vor. Ohne ein gemeinsames Verständnis von Geschäftsobjekten und Kennzahlen entstehen
Inkonsistenzen, die den Mehrwert von AI-Anwendungen erheblich einschränken können.
Künstliche Intelligenz macht fehlerhafte Daten sichtbarer denn je
Die oben genannten Herausforderungen sind nicht neu. Durch den Einsatz von AI werden sie jedoch sichtbarer denn je. Während klassische Berichte oder Dashboards fehlerhafte Daten häufig nur punktuell hervorheben, verarbeitet künstliche Intelligenz Informationen in grossem Umfang und in hoher Geschwindigkeit. Ungenaue oder widersprüchliche Daten werden dadurch nicht korrigiert, sondern vervielfacht. Die Folge sind Antworten und Empfehlungen, die zwar plausibel erscheinen, aber auf einer unzureichenden Datengrundlage beruhen.
Mit SAP Business AI und Lösungen wie Joule werden diese Zusammenhänge noch deutlicher. Die Qualität der Ergebnisse hängt unmittelbar von der Qualität der zugrunde liegenden Daten und deren Kontext ab. Vertrauenswürdige Daten sind deshalb keine technische Nebensache, sondern die Voraussetzung für erfolgreiche AI-Initiativen.
Deshalb greift die aktuelle Diskussion rund um den Einsatz von AI in ERP-Systemen wie SAP aus unserer Sicht teilweise zu kurz. Die Zukunft entscheidet sich nicht daran, wer als Erstes die neueste Technologie einführt. Entscheidend wird sein, welche Unternehmen ihre Daten, Prozesse und Verantwortlichkeiten so organisieren, dass daraus vertrauenswürdige, korrekte Resultate entstehen.
Datenqualität: Vom operativen Thema zur strategischen Voraussetzung
Ebenso gewinnen Data Governance, Stammdatenmanagement und ein gemeinsames Verständnis von Geschäftsobjekten in den ERP-Umgebungen von Unternehmen an Bedeutung. Diese Themen wirken auf den ersten Blick weniger spektakulär als generative KI oder intelligente Assistenten. Langfristig betrachtet haben sie jedoch einen wesentlich grösseren Einfluss auf Ihren Unternehmenserfolg.
Im SAP Umfeld gewinnen deshalb Themen wie SAP Master Data Governance, SAP Datasphere und die SAP Business Data Cloud zunehmend an Bedeutung. Sie schaffen die Grundlage für konsistente Daten, transparente Prozesse und eine vertrauenswürdige Nutzung von KI über System- und Organisationsgrenzen hinweg.
Unternehmen, die heute in eine belastbare Datenbasis investieren, schaffen die Voraussetzungen für nachhaltige Innovation. Sie ermöglichen nicht nur den erfolgreichen Einsatz von AI, sondern verbessern gleichzeitig Transparenz, Entscheidungsfähigkeit und Effizienz in ihren Geschäftsprozessen.
Die zentrale Frage lautet daher nicht: «Welche AI-Lösung sollen wir einsetzen?», die wichtigere Frage lautet: «Sind unsere Daten bereit für AI?»
Fazit
KI ist zweifellos ein fester Bestandteil der Unternehmensrealität von Morgen. Der nachhaltige Erfolg entsteht jedoch nicht durch neue Algorithmen allein, sondern durch eine solide Grundlage aus qualitativ hochwertigen Daten, klaren Verantwortlichkeiten und einer konsequenten Governance.
Genau dort beginnt die eigentliche KI-Transformation.
Möchten auch Sie wissen, wie AI ready Ihre SAP Datenlandschaft ist?
Unsere Expertinnen und Experten unterstützen Schweizer Unternehmen dabei, Datenplattformen, Governance-Strukturen und Analytics-Landschaften fit für den erfolgreichen Einsatz von AI zu machen, von SAP S/4HANA über SAP Datasphere bis hin zur SAP Business Data Cloud und SAP Analytics Cloud.
Vereinbaren Sie einen kostenlosen, unverbindlichen Ersttermin und erfahren Sie mehr.
Beratung erwünscht?
Die erfahrenen Expert*innen von Aveniq beraten Sie gerne und unverbindlich rund um ihr Fachthema und wie dieses die Wettbewerbsfähigkeit Ihres Unternehmens positiv beeinflussen kann. Jetzt Termin vereinbaren.
