Der Erfolg des bemisst sich nicht daran, wie intelligent die von ihm eingesetzte KI ist. Bezieht man auch die Kunden in diese Analyse mit ein, rücken ganz andere Aspekte in den Vordergrund: Es geht darum, ihre Abläufe zu vereinfachen, sie bei der Erreichung ihrer Geschäftsziele zu unterstützen und ihr Vertrauen zu stärken.

Diese kundenorientierte Perspektive und die Möglichkeiten von KI verändern den Blick von Unternehmen auf Arbeitsabläufe.

Einer unserer Kunden aus der Life-Sciences-Branche lässt diese Vision bereits Wirklichkeit werden. Im Vertrieb, Service und Support des Unternehmens gehen jeden Tag Zehntausende von E-Mails von Kunden ein. Jede einzelne Nachricht muss überprüft, kategorisiert, priorisiert und an das richtige Team weitergeleitet werden. Dabei müssen die Mitarbeitenden häufig durch einen Flickenteppich von Altsystemen, isolierten Anwendungen und manuellen Workflows navigieren. Angesichts stetig steigender Kundenerwartungen genügt es auf lange Sicht nicht, einfach mehr Personal einzustellen, um mit der Flut der Nachrichten Schritt zu halten. Indem intelligente Agenten Arbeitsabläufe in komplexen Geschäftsprozessen koordinieren, transformiert das Unternehmen die Bearbeitung von Kundenanfragen und sorgt zugleich für effizientere Abläufe und ein besseres Kundenerlebnis.

Es handelt sich hierbei nicht nur um die nächste Stufe der Prozessautomatisierung. Vielmehr kennzeichnet diese Transformation den ersten Schritt auf dem Weg zum autonomen Unternehmen: Die Abläufe des Unternehmens werden effizienter, ohne dass dies zulasten der Qualität, Governance oder Kontrolle geht.

Intelligente Agenten auf Basis von Agentic AI wirken aktiv an der Ausführung von Geschäftsprozessen mit, arbeiten zusammen und erzielen messbare Geschäftsergebnisse. Sie zeichnen sich nicht nur durch Intelligenz aus, sondern agieren innerhalb definierter Leitplanken eigenständig. Dabei liegt die Verantwortung für die von den Agenten getroffenen Entscheidungen, die von ihnen autorisierten Aktionen und die von ihnen erzielten Geschäftsergebnisse weiterhin beim Menschen.

Vor diesem Hintergrund entstehen völlig neue Betriebsmodelle, bei denen intelligente Agenten Routineaufgaben koordinieren, Entscheidungsprozesse beschleunigen und es dem Unternehmen ermöglichen, schneller zu agieren und resilienter zu werden. In einem volatilen Umfeld, das von steigenden Erwartungen der Kunden und einer immer schnelleren Marktentwicklung geprägt ist, zeigt das autonome Unternehmen nicht nur eine Technologiestrategie, sondern auch ein neues Betriebsmodell auf, das bessere Ergebnisse für Kunden und Unternehmen ermöglicht.

Servicebereitstellung im KI-Zeitalter

Der Einsatz von KI führt dazu, dass Softwareservices auf völlig neue Weise bereitgestellt und genutzt werden. Aus der Servicebereitstellung werden proaktive, KI-gestützte Abläufe, bei denen intelligente Agenten Routineaufgaben automatisieren, Probleme vorhersagen und durch Präventivmaßnahmen verhindern, die Behebung von Vorfällen beschleunigen und die Systemleistung kontinuierlich optimieren. Dadurch sind Serviceorganisationen in der Lage, ihre Prozesse effizient zu skalieren, das Kundenerlebnis zu verbessern und menschliches Fachwissen gezielt für wertschöpfende Innovationen und die Stärkung strategischer Kundenbeziehungen einzusetzen.

Die zunehmende Nutzung von Agentic AI führt dazu, dass KI-Kompetenzen zur entscheidenden Voraussetzung für mehr Produktivität und Effizienz bei den täglichen Arbeitsabläufen werden. Durch die effektive Zusammenarbeit mit intelligenten Agenten können Mitarbeitende Routineaufgaben optimieren und bessere Erkenntnisse gewinnen. Dadurch bleibt ihnen mehr Zeit für wertschöpfende Aktivitäten, während sie zugleich Kunden gezielt zu Innovationen beraten und bessere strategische Entscheidungen treffen können.

Agentic AI ersetzt dabei nicht menschliches Fachwissen, sondern unterstützt Teams, indem sie schnellere Entscheidungen ermöglicht, Routinetätigkeiten automatisiert und bessere Ergebnisse für Kunden erzielt. Wichtige Schwerpunktbereiche sind dabei:

• Effektive Interaktion mit Kunden: KI führt Informationen zum Kontext des Kunden zusammen, zeigt wichtige Erkenntnisse und Risiken auf und unterbreitet Empfehlungen für geeignete Maßnahmen, um Teams bei einer schnelleren Vorbereitung und effektiveren Interaktion zu unterstützen.
• Intelligente Prozesse für die Servicebereitstellung: KI automatisiert Routineaufgaben, koordiniert Workflows, sagt Probleme vorher und beschleunigt die Problemlösung, wodurch eine proaktive und effizientere Servicebereitstellung ermöglicht wird.
• Vernetzte Intelligenz: KI erfasst Fachwissen, schlägt relevante Informationen vor, deckt projektübergreifende Muster auf und optimiert kontinuierlich Prozesse und Best Practices für die Servicebereitstellung.

Mit diesen Fähigkeiten können wir unsere Kunden als Partner unterstützen, ihre Bedürfnisse antizipieren, ihre Herausforderungen bewältigen und intelligente, ergebnisorientierte Services bereitstellen.

Wie Kunden auf ihrem Weg zum autonomen Unternehmen KI einsetzen

Kunden profitieren von einer proaktiven, stärker personalisierten und ergebnisorientierten Servicebereitstellung. Technische Herausforderungen und Vorfälle werden nicht mehr ausschließlich aus technischer Perspektive beurteilt, sondern auf der Grundlage ihrer Auswirkungen auf die Geschäftsergebnisse, das Kundenerlebnis, die betriebliche Resilienz und die Unternehmensleistung.

Statt erst dann zu reagieren, wenn es bereits zu einem Vorfall gekommen ist, überwachen KI-Agenten Umgebungen fortlaufend, sagen potenzielle Probleme vorher, beheben häufig auftretende Probleme eigenständig und bieten schnelleren, intelligenteren Support. Dies schafft die Voraussetzungen für zuverlässigere Services, eine schnellere Problemlösung und ein nahtloses Kundenerlebnis. Unternehmen sind dadurch in der Lage, Maßnahmen zur Reaktion auf Probleme und deren Behebung nicht nur nach dem technischen Schweregrad eines Vorfalls zu priorisieren, sondern nach seinen Auswirkungen auf den Geschäftsbetrieb.

Einer unserer Kunden aus der Fertigungsindustrie setzt Joule Agents ein, die den Zustand des ERP-Systems kontinuierlich überwachen, Ursachen von Problemen identifizieren, Empfehlungen für Korrekturmaßnahmen unterbreiten und genehmigte Verfahren zur Problembehebung eigenständig durchführen. Die Lösung verringert den Aufwand jährlich um rund 3.000 Stunden, minimiert ungeplante Ausfallzeiten und ermöglicht ein standardisiertes, KI-gestütztes Reporting rund um die Uhr, das auf die Reporting-Anforderungen des Unternehmens abgestimmt ist. Kunden sind bereit, den Einsatz von KI auf das gesamte Unternehmen auszuweiten. Sie erwarten dabei jedoch Transparenz, Governance und Klarheit darüber, bei welchen Schritten KI autonom agiert und in welchen Fällen auf menschliches Urteilsvermögen nicht verzichtet werden kann. Die Begeisterung für die Möglichkeiten, die KI bietet, ist ungebrochen, doch möchten Kunden vor allem wissen, wie sie diese Möglichkeiten in ihrem Unternehmen ausschöpfen können. Drei wiederkehrende Themen sind:

• Messbarer ROI: Kunden erwarten, dass der Einsatz von KI über die reine Innovation hinaus messbare Auswirkungen hat. Im Rahmen der Success Plans legt die Â鶹ԭ´´ gemeinsam mit dem Kunden Erfolgskennzahlen fest, richtet die KI-Initiativen des Unternehmens an seinen geschäftlichen Prioritäten aus und sorgt für bessere Ergebnisse im Hinblick auf eine schnelle Ausführung von Prozessen, die Produktivität, das Benutzererlebnis und die betriebliche Resilienz.
• Durchgängige Anwendungsfälle: Isolierte Lösungen optimieren einzelne Aufgaben, doch Kunden suchen Lösungen, mit denen sich unternehmensweit Mehrwert schaffen lässt. Wenn mehrere KI-Agenten in funktionsübergreifenden Workflows beispielsweise in den Bereichen Fallbearbeitung und Procure-to-Pay zusammenarbeiten, hat dies weitaus größere Auswirkungen als der Einsatz isolierter Assistenten. Einer unserer US-amerikanischen Kunden setzt KI für die proaktive Ãœberwachung, KI-gestützte Ursachenanalyse, automatisierte Behebung von Ausnahmen und autonome Ausführung genehmigter Aktionen ein. Dadurch wird die Problemlösung beschleunigt, während zugleich der manuelle Aufwand minimiert wird. Das Unternehmen konnte die Effizienz seiner Abläufe um bis zu 80 % steigern und die Rate der fristgerechten Lieferantenzahlungen um 25 % verbessern. Dies hat nicht nur optimierte Geschäftsprozesse, sondern auch eine bessere Zusammenarbeit mit Lieferanten zur Folge.
• Governance ist unverzichtbar: KI-Governance liegt nicht mehr nur in der Verantwortung der IT-Abteilung. Sie ist vielmehr ein strategischer Erfolgsfaktor. Denn inzwischen nehmen Führungskräfte aus dem gesamten Unternehmen Einfluss auf den Einsatz von KI. Sie haben erkannt, dass Vertrauen die Grundlage für die unternehmensweite Akzeptanz ist. Führende Unternehmen investieren nicht nur in KI-Innovationen, sondern parallel dazu auch in KI-Governance, da für eine nachhaltige Ausweitung der KI-Nutzung beide Bereiche eine wichtige Voraussetzung sind.

Um den sich wandelnden Kundenanforderungen Rechnung zu tragen, stehen über den Global Delivery Hub personalisierte Success Plans zur Verfügung. Damit beinhaltet das Serviceerlebnis nicht mehr nur interaktive Ressourcen, sondern wird zu einer strategischen Partnerschaft, die Kunden dabei unterstützt, kontinuierlichen Mehrwert und Erfolg zu erzielen. Um Kunden mit hochgradig personalisierten, KI-gestützten Services zum Erfolg verhelfen zu können, ist ein völlig neuer Ansatz für die Servicebereitstellung erforderlich.

Diese Transformation fußt auf vier Säulen, die es dem Global Delivery Hub ermöglichen, menschliches Fachwissen mit intelligenten Automatisierungsfunktionen zu kombinieren und Kunden ein einheitliches, ergebnisorientiertes Erlebnis zu bieten.

Die vier Säulen des KI-gestützten Bereitstellungsmodells des Global Delivery Hub

Der zunehmende Einsatz von Agentic AI wird nicht durch Technologie allein getragen. Maßgeblich für diese Entwicklung ist auch, wie Unternehmen ihre Mitarbeitenden darauf vorbereiten, ihre Arbeitsweisen anpassen und die richtigen Grundlagen für verantwortungsbewusste Autonomie schaffen. Serviceorganisationen, die diesen Wandel erfolgreich für sich nutzen, kombinieren menschliches Fachwissen mit intelligenter Automatisierung und stellen agilere, resilientere und ergebnisorientiertere Services bereit.

Unser KI-gestütztes Bereitstellungsmodell fußt auf den vier grundlegenden Säulen Kunden, Zusammenarbeit, Kompetenzen und Kontrollen. Sie sind Voraussetzung dafür, dass Unternehmen das Potenzial von KI voll ausschöpfen und gleichzeitig Vertrauen, Verantwortung und die Ausrichtung an den Geschäftszielen sicherstellen können.

• Kunden: Eine Kombination aus intelligenten Agenten, Automatisierung und menschlichem Fachwissen hilft Serviceteams, die Bedürfnisse von Kunden besser zu verstehen, Herausforderungen vorherzusehen und Kunden durch proaktive, personalisierte Beratung zu unterstützen. Dadurch entsteht ein Partnerschaftsmodell, das engere Kundenbeziehungen ermöglicht, indem KI die Bereitstellungsservices kontinuierlich optimiert und Kunden schneller zum Erfolg verhilft.
• Zusammenarbeit: Damit Mehrwert mit KI geschaffen werden kann, ist eine engere, stärker vernetzte, agile und funktionsübergreifende Zusammenarbeit im gesamten Unternehmen erforderlich. Produkt-, Entwicklungs-, Bereitstellungs- und Kundenteams müssen als ein Team zusammenarbeiten und durch die kontinuierliche Abstimmung von Technologien, Abläufen und Kundenergebnissen Innovationen und die Wertschöpfung beschleunigen.
• Kompetenzen: Wenn Unternehmen das volle Potenzial von Agentic AI ausschöpfen möchten, müssen sie nicht nur eine technologische Transformation durchlaufen, sondern auch eine Transformation ihrer Belegschaft. Die Zukunft der Servicebereitstellung wird von Fachkräften gestaltet, die neben fundiertem operativem Wissen auch die Fähigkeit besitzen, effektiv mit intelligenten Agenten zusammenzuarbeiten. Zusätzlich zu umfassenden technischen Kenntnissen sind KI-Kompetenzen, Kenntnisse im Bereich Automatisierung und die Fähigkeit gefragt, datengestützte Erkenntnisse als Grundlage für schnellere und bessere Entscheidungen zu nutzen. Erfolgreich werden die Unternehmen sein, die es ihren Mitarbeitenden ermöglichen, sich anzupassen, zu lernen und Hand in Hand mit KI zu arbeiten. So entsteht eine Belegschaft, die nicht nur KI-fähig, sondern auch KI-gestützt ist.
• Kontrollen: Da KI Aufgaben zunehmend eigenständig ausführt, darf die Governance nicht mehr nur aus Kontrollen bestehen, sondern muss sich zu einer strategischen Funktion weiterentwickeln, die Vertrauen, Skalierbarkeit und verantwortungsvolle Entscheidungen ermöglicht. Unternehmen benötigen klare Grundsätze, die vorgeben, in welchen Bereichen KI-Agenten eigenständig handeln können, in welchen Bereichen eine Kontrolle durch den Menschen erforderlich ist und wie Entscheidungen überwacht und verbessert werden. Eine solide Governance bietet die Grundlage für die Ausweitung von Agentic AI unter Wahrung der Transparenz, Verantwortlichkeit und Ausrichtung an den Geschäftszielen.

Ohne diese grundlegenden Säulen laufen Unternehmen Gefahr, die Komplexität zu erhöhen, anstatt Mehrwert zu schaffen. Unternehmen, die einen kundenorientierten Ansatz verfolgen und in die richtigen Fähigkeiten, eine funktionsübergreifende Zusammenarbeit und geeignete Kontrollen investieren, sind besser positioniert, um den Einsatz von Agentic AI auszuweiten, ihre Abläufe resilienter zu gestalten, Innovationen zu beschleunigen und herausragende Ergebnisse für ihre Kunden zu erzielen.

Agentic AI wird die Abläufe von Unternehmen weiter verändern. Vor dem Hintergrund dieser Entwicklung bilden diese Fähigkeiten die Grundlage für die nächste Generation der Servicebereitstellung.

Wie Unternehmen zum Vorreiter für das nächste Zeitalter der Servicebereitstellung werden können

Unternehmen, die frühzeitig die Initiative ergreifen, werden besser in der Lage sein, autonome Funktionen zu ihrem Vorteil zu nutzen und dabei Governance, Vertrauen und die Ausrichtung an strategischen Geschäftsprioritäten sicherzustellen. Mit der Weiterentwicklung der Servicebereitstellung zu proaktiven, KI-gestützten Abläufen sehen Kunden Serviceanbieter zunehmend in der Rolle des strategischen Beraters und KI-Assistenten, der sie bei ihrer Transformation unterstützt.

Indem Unternehmen intelligente Agenten, automatisierte Workflows und menschliches Fachwissen miteinander verbinden, können sie Herausforderungen proaktiv angehen und bessere Geschäftsergebnisse erzielen. Für eine erfolgreiche Nutzung dieses neuen Kooperationsmodells sollten Kunden ihren Fokus auf wichtige Bereiche legen, die ihnen helfen, auf ihrem Weg zum autonomen Unternehmen schneller voranzukommen:

• Eine Kultur der kontinuierlichen Anpassung fördern: Die KI-Landschaft wird sich rasant weiterentwickeln. Kunden, die die Einführung von KI als kontinuierliche Transformation begreifen, sind besser gerüstet, um Innovationen voranzubringen, sich an neue Anforderungen anzupassen und eine resiliente Grundlage für das autonome Unternehmen zu schaffen.
• Auf KI-fähige Teams und Betriebsmodelle setzen: Da Aufgaben der Servicebereitstellung zunehmend von Menschen und intelligenten Agenten gemeinsam wahrgenommen werden, muss für Teams klar nachvollziehbar sein, welche Aufgaben automatisiert sind, bei welchen Schritten menschliches Urteilsvermögen gefragt ist und wie sie bei Ausnahmen eingreifen können. Die Vermittlung von KI-Kompetenzen sowie die Schulung in neuen Prozessen und Methoden der Zusammenarbeit sind eine entscheidende Voraussetzung dafür, dass Unternehmen größtmöglichen Nutzen aus Agentic AI ziehen können.
• Gemeinsame Ergebnisse, Governance-Strukturen und Arbeitsweisen frühzeitig abstimmen: Eine erfolgreiche KI-gestützte Servicebereitstellung erfordert eine klare Abstimmung zwischen Kunden, der Â鶹ԭ´´ und Partnern in Bezug auf Geschäftsziele, Erfolgskennzahlen, Entscheidungsbefugnisse und Verantwortlichkeiten. Die frühzeitige Festlegung gemeinsamer Kennzahlen, Governance-Modelle und Eskalationspfade trägt dazu bei, dass KI-gesteuerte Abläufe auch bei einer Weiterentwicklung der autonomen Funktionen transparent, vertrauenswürdig und auf messbaren geschäftlichen Nutzen ausgerichtet bleiben.

Die zunehmende Nutzung von Agentic AI bedeutet nicht nur, vorhandene Services zu automatisieren. Sie setzt auch die Entwicklung eines neuen Partnerschaftsmodells voraus, bei dem kontinuierliche Verbesserungen, gemeinsame Verantwortung und Geschäftsergebnisse im Mittelpunkt stehen. Kunden, die sich heute für diese Anforderungen rüsten, werden besser in der Lage sein, die Agilität, Resilienz und Innovationskraft eines autonomen Unternehmens zu ihrem Vorteil zu nutzen.

Sanjay Kulkarni ist Global Head of Delivery Hub and Customer Value Group bei Â鶹ԭ´´.
Julia Kloppenburg ist Technologieberaterin für Customer Engagement & Adoption bei der Â鶹ԭ´´ SE.
Benedikt Gieger ist Product Strategy and AI Lead in Digital Manufacturing bei der Â鶹ԭ´´ SE.

The post Die Zukunft der Servicebereitstellung im KI-gesteuerten Unternehmen appeared first on Â鶹ԭ´´ News Center.

Heute möchte ich über das Konzept Autonomous Enterprise sprechen. Was steckt dahinter, und welche Rolle spielt die ABAP-Plattform dabei?

Sonja Liénard: Unser CEO Christian Klein hat auf der Sapphire 2026 das Autonomous Enterprise vorgestellt, unsere Vision, wie wir große Unternehmen in der Agentic AI-Ära unterstützen wollen. Die große Veränderung, die wir sehen, ist, dass man heute mit Technologie anders als bisher arbeitet. Nicht mehr mit Oberflächen, die Interaktion ist nicht mehr tool- sondern outcome driven.

Die User Experience ändert sich dadurch erheblich: Man bedient keine Applikation mehr, in der man Formulare ausfüllt, sondern nutzt einen Chat, mit dem man sich unterhält und etwa fragt: „Bitte gib mir die Daten der letzten 30 Tage, wann wer im Urlaub war.“ Die Ergebnisse werden dynamisch generiert. Die Grundlage dafür ist das Autonomous Enterprise.

An der Natur der ABAP-Plattform und ihrer Daseinsberechtigung ändert das nichts. Sie bleibt das Fundament, auf dem die Geschäftsprozesse laufen – jetzt auch als Execution-Backbone für Agenten. Es ändert sich der Zugang oberhalb der Anwendungen durch die Agenten als weitere Abstraktionslevel.

Wenn Agenten echte Unternehmensaufgaben ausführen sollen – keine Demo-Szenarien, sondern tatsächliche Finanzbuchungen, HR-Prozesse oder Supply-Chain-Entscheidungen – dann müssen sie auf einer Plattform laufen, die korrekt, governed und skalierbar ist.

Sie sprachen von „outcome driven“. Können Sie das konkreter machen?

Sonja Liénard: Ein Beispiel: Statt Formulare für eine Bestellanforderung Feld für Feld auszufüllen, sage ich meinem Chat: „Ich brauche 30 Laptops für neue Mitarbeiter bis Ende Oktober.“ Die Agenten prüfen den Katalog, checken das Budget und erstellen die Anforderung, ohne dass ich den Prozess selbst steuern muss.

Als Nutzer bin ich nur noch am Ergebnis orientiert und nicht mehr am Weg dorthin. Die Agenten können autonom verschiedenste Wege finden, wenn ich ihnen das Problem als Prompt übergebe. Das ist ein grundlegender Wandel. Die auf den Menschen optimierte Umgebung, die formalisierte Eingaben erwartet, verliert in der agentischen Ära an Bedeutung.

Was bedeutet es, eine Plattform für Agenten zu gestalten?

Sonja Liénard: Das stellt uns vor Herausforderungen auf mehreren Ebenen.

Zunächst zur Verlässlichkeit: Daten und Ergebnisse müssen immer verlässlich, nachvollziehbar und reproduzierbar sein. Auch wenn die Agenten von jemand anderem aktiviert wurden und einen anderen Weg haben, um die Daten zu bekommen. Dafür brauchen wir Sicherheitsnetze und sehr gute Qualitätsprüfungen und Qualitätstools.

Dann zur Verantwortung und Steuerung: Es muss klare Zuständigkeiten für jeden Agenten geben. Was darf er, was nicht, was darf er sehen? Der Agent braucht Skills und Ablaufpläne, an denen er sich orientieren muss. Dazu gehört auch eine Dokumentation: welche Änderungen ein Agent gemacht hat, wer ihn dazu aufgefordert hat, und was der genaue Auftrag war. Wir brauchen klare Schnittstellen, damit Agenten nur so weit kommen, wie wir es ihnen mit der Architektur vorgeben – damit keine Daten unerlaubt abfließen, keine Sicherheitslücken entstehen und keine Systeme kompromittiert werden.

Und schließlich zur Skalierbarkeit: Die ABAP-Plattform muss auf einen großen Ansturm durch Agenten eingestellt sein, was Prozesse und Speicherkapazität angeht. Wir bereiten uns darauf vor, führen Security-Tests durch und überprüfen die Grenzen der Plattform-Skalierbarkeit.

Das übergeordnete Prinzip bleibt dabei immer dasselbe: Wir müssen klar definieren, wo der Mensch die letzte Entscheidungsgewalt hat. Die Unternehmen müssen sich auf uns und die Funktionen, die wir bereitstellen, auch in der agentischen AI-Ära verlassen können.

Im letzten Gespräch haben Sie den ABAP MCP Server (Model Context Protocol) als grundlegenden Baustein für agentisches Entwickeln beschrieben. Wie entwickelt sich die MCP-Story weiter?

Sonja Liénard: Den ABAP MCP Server haben wir im zweiten Quartal veröffentlicht. Er öffnet die ABAP Platform für die agentische Zeit, weil MCP-kompatible Agenten jetzt mit ABAP-Fähigkeiten zusammenarbeiten können. MCP sorgt für klare Schnittstellen, damit Agenten untereinander sowie mit externen Tools sprechen und Aufträge übergeben können.

Sie sprechen von Agenten, die Aufgaben in ABAP-Systemen ausführen. Was ist mit Agenten, die diese Systeme administrieren oder betreiben? Das klingt nach einer anderen und vielleicht sogar sensibleren Kategorie.

Sonja Liénard: Anfang 2025 haben wir die ersten AI-basierten Entwicklungs-Tools für Entwickler freigegeben. Wir wollten damit die Entwickler produktiver machen und beim Programmieren und der Qualitätsüberprüfung unterstützen. Jetzt sind wir weitergegangen, weil sich der Markt so schnell entwickelt und weil der nächste logische Schritt die Betriebsseite ist.

Nun geht es auch um die Rolle von Administratoren und Betrieb. Wir investieren auch dort in Agenten. Dafür müssen aber die Sicherheitsnetze, die Zuständigkeiten und Grenzen ganz klar definiert sein. Wir stellen sicher, dass sie nur unterstützend tätig sind und nicht eigenständig in das System eingreifen.

Wenn Agenten immer mehr operative Aufgaben übernehmen – wie stellt Â鶹ԭ´´ sicher, dass die Leitplanken stark genug sind?

Sonja Liénard: Bei der Entwicklung selbst muss man wissen, dass ABAP-Entwicklung anders ist als Non-ABAP-Entwicklung. Einmal aktivierte Änderungen sind im System wirksam und werden vorwärts korrigiert, nicht zurückgerollt – das macht robuste Leitplanken für Agenten besonders wichtig: eine isolierte Umgebung zum Testen, sehr gute Qualitätsüberprüfungen sowie klar definierte Skills und Playbooks, die dem Agenten den Ablauf vorgeben und reproduzierbare Ergebnisse sicherstellen. In all das investieren wir.

Was gilt für Kunden, die noch nicht auf dem neuesten Release sind?

Sonja Liénard: Man kann ABAP-AI-Fähigkeiten jetzt auch in niedrigeren Versionen verwenden. Wir unterstützen Unternehmen mit der Â鶹ԭ´´ Agent-led Toolchain dabei, auf neuere Releases zu migrieren. Dafür bauen wir gerade sieben Agenten-Familien, die verschiedene Prozessschritte einer Migration abdecken – unter anderem Systemanalyse, Tests und Custom Code Migration. Diese Agenten sind nicht nur für die Migration nützlich – sie können auch unabhängig davon für die Qualitätsprüfung von Kundencode eingesetzt werden.

Mit Blick auf den Rest des Jahres 2026 – was sind die wichtigsten Dinge, auf die Kunden und Partner achten sollten?

Sonja Liénard: Drei Schwerpunkte: Erstens das Migrationsthema – wir werden bis Ende des Jahres weitere praktische Tools ausliefern, die den gesamten Migrationsprozess unterstützen. Zweitens Souveräne Cloud-Lösungen, für die wir attraktive AI-Lösungen entwickeln – das ist für Unternehmen relevant, die besondere Anforderungen an Datensouveränität haben. Und drittens MCP-Tooling: klare, sichere Schnittstellen nach außen, damit die ABAP Platform offen für die agentische Welt wird – ohne Abstriche beim Schutz der Plattform.

Sie haben durchgängig betont, dass ABAP-Entwickler wichtig bleiben und KI sie nicht ersetzt. Aber das Bild, das Sie zeichnen, ist das einer Plattform, die sich zunehmend selbst betreibt. Wie sollten Entwickler über ihre Rolle nachdenken?

Sonja Liénard: Wie ändert sich die Entwicklerrolle? Das ist für alle Entwickler global wichtig, nicht nur für die ABAP Platform. Der Mensch bleibt dafür verantwortlich, was ins System hineinkommt, und was mit den Daten geschieht. Wir müssen klar festlegen, wo der Mensch final „ja“ sagt und dann auch die Verantwortung dafür trägt. Damit verändert sich die Rolle – weg vom Programmieren hin zu mehr Kontrolle, Software-Architektur und Prompting, damit der Agent exakt das macht, was er soll. Die Tätigkeit ändert sich, die Verantwortung aber bleibt die gleiche.

Und noch etwas möchte ich präzisieren: Die ABAP-Plattform wird zum unternehmenstauglichen Execution-Backbone für Agentic AI. Das Wort „Backbone“ ist bewusst gewählt – wir sind keine generische Agent Runtime. Was wir einbringen, kann eine General-Purpose-AI nicht bieten: tiefe, verifizierte Business-Logik; unternehmenstaugliche Governance und eine 40-jährige Erfolgsbilanz bei den kritischsten Geschäftsprozessen der Welt. Das ist die Rolle der ABAP Platform im Autonomous Enterprise.

Das Interview ist der dritte Teil einer Serie über ABAP und den Einsatz und das Zusammenspiel mit Künstlicher Intelligenz.

The post „Die ABAP-Plattform wird zum unternehmenstauglichen Execution-Backbone für Agentic AI“ appeared first on Â鶹ԭ´´ News Center.

In unserem ersten Gespräch haben Sie erklärt, was ABAP ist und wie die Zukunft aussieht und warum Agentic AI den Markt verändern wird. Lassen Sie uns dort anknüpfen und tiefer einsteigen. Wie interagiert ABAP mit anderen Entwicklungstechnologien in den heutigen Â鶹ԭ´´-Landschaften?

Sonja Liénard: ABAP gibt es schon seit über 40 Jahren und hat sich immer weiterentwickelt. Mit der Ära der Agentic AI erreichen wir nun die nächste Evolutionsstufe. Die moderne Variante der Sprache ist ABAP Cloud, von Beginn an entwickelt nach den Leitprinzipien Offenheit und umfassender Unterstützung der Geschäftslogik.

Wir haben stabile, klar definierte APIs, also Schnittstellen nach außen, und bieten mit Open Data Protocol-Services (OData), modernen Frontends und einer Integrationsschicht eine vollständige Umgebung an. Damit können moderne Web-Anwendungen entwickelt werden. Dazu kommen Â鶹ԭ´´ BTP-Erweiterungen (Â鶹ԭ´´ Business Technology Platform) und ein externes System wie die Â鶹ԭ´´ Integration Suite, die daran anknüpfen.

Aktuell nutzen wir Eclipse als Entwicklungsumgebung. Ab Q2 2026 wird die ABAP-Entwicklung auch in Visual Studio Code möglich sein, das ist ein Meilenstein. Die Community hat sehr laut danach gefragt und bei uns offene Türen eingerannt. Visual Studio Code ist auf dem Vormarsch und bei vielen Entwicklern aktuell die bevorzugte IDE (Integrated Development Environment). Viele AI-Erweiterungen auf dem Markt werden zuerst dafür optimiert.

Wir haben die Architektur umgebaut und verfolgen eine Open IDE-Strategie, bei der wir auch weitere IDEs für ABAP-Entwicklungen anbieten können. Durch die Öffnung verfügen wir nun über ein reichhaltiges Ökosystem von Drittanbietern, die wir für AI nutzen können, etwa GitHub Copilot oder Amazon Q.

Darüber hinaus haben wir einen ABAP MCP Server (Model Context Protocol) veröffentlicht, der es ABAP-Entwicklern ermöglicht, vom gesamten AI-Tooling und Ökosystem zu profitieren. Das ist ein großer und wichtiger Schritt und ein eindrucksvolles Beispiel für die Interoperabilität, die Sie angesprochen haben. Wir haben weiterhin die Stärke der ABAP-Geschäftslogik. Damit kombinieren wir die offene IDE-Strategie mit einer hohen Innovationsgeschwindigkeit.

Wichtiger Baustein: ABAP MCP Server

Sie haben den ABAP MCP Server erwähnt. Was ist das genau?

Sonja Liénard: MCP steht für Model Context Protocol und ist ein offener Standard, damit AI-Agenten strukturiert mit externen Tools und Systemen interagieren können. Es ist eine universelle Sprache, die die Agenten der Agentic AI verwenden, um Fragen zu stellen, Aktionen auszulösen oder Ergebnisse abzurufen.

Der ABAP MCP Server stellt über dieses Protokoll ABAP-Entwicklungsfähigkeiten bereit. Jeder Agent, der MCP unterstützt, kann so auf intelligente, agentengesteuerte Weise mit ABAP-Code und unseren ABAP-Systemen interagieren. Es ist ein neues Sprachrohr, über das wir der Außenwelt unsere ABAP-spezifischen Fähigkeiten verfügbar machen.

Der ABAP MCP Server ist ein wichtiger Baustein für alles, was mit Agentic AI zu tun hat und eine wichtige technische Basis für unseren neuen Custom Code Management Agenten für die Â鶹ԭ´´-S/4HANA-Transformation. Der ABAP MCP-Server für Eclipse steht ab Q2 2026 bereit.

„Mit allem versehen, wofür wir als Â鶹ԭ´´ stehen“

Welche Risiken birgt der AI-Einsatz in Â鶹ԭ´´ Enterprise-Systemen und wie begegnen Sie diesen?

Sonja Liénard: Der gesamte AI-Markt ist unglaublich dynamisch, schnelllebig und von unterschiedlichen Interessen geprägt. Wir müssen deswegen genau prüfen, welche Lösungen langlebig, robust und vertrauenswürdig genug sind, um darauf die Geschäftsprozesse dieser Welt laufen zu lassen. Wir wollen, dass unsere Lösungen nach wie vor sicher, compliant und mit allem versehen sind, wofür wir als Â鶹ԭ´´ stehen.

Wir müssen unseren Kernauftrag in den Mittelpunkt aller Entscheidungen stellen. Die ABAP Platform steht dafür, dass darauf Large Enterprise Business laufen kann. Darauf vertrauen unsere Kunden und Partner. AI-Lösungen auf dem Markt qualifizieren sich nicht dadurch, dass man damit schnelllebige Lösungen bauen kann, sondern vor allem dann, wenn sie unsere Kernfähigkeiten unterstützen. Deswegen hilft es, einen Schritt zurückzugehen, das Gesamtbild zu betrachten und nachhaltige Entscheidungen zu treffen, aber auch offen dafür zu bleiben, bereits getroffene Entscheidungen anzupassen, wenn sich der Markt zu stark verändert.

Ein zweiter Punkt ist die Code-Korrektheit. AI kann plausibel wirkenden Code generieren, der subtil fehlerhaft ist. Als Gegenmaßnahme setzen wir auf menschliche Überprüfung („Human in the Loop“) in Kombination mit Tests. Dafür verwenden wir auch Agenten, die die Qualität des generierten Codes überprüfen und validieren.

Ein weiteres Risiko ist der Verlust von Geschäftslogik bei der Transformation. Wir wollen unsere Kunden bei der Migration ihrer Alt-Lösungen in neue Lösungen unterstützen. Dafür entwickeln wir Custom Code Management Agenten. Der erste wird im Juni veröffentlicht. Dabei ist es entscheidend, dass die Geschäftslogik unserer Kunden und Partner bei der Transformation erhalten bleibt. Schließlich sind Sicherheit und Datenschutz zentrale Themen. AI-Modelle benötigen immer Kontext, um wirksam zu sein. Im Enterprise-Umfeld kann dieser Kontext sensible Geschäftsdaten beinhalten. Deshalb gehen wir sehr sorgfältig vor: Die ABAP AI Services operieren etwa nur in etablierten Â鶹ԭ´´ Compliance- und Vertrauensrahmen. Die Kunden behalten stets die Kontrolle darüber, was geteilt wird und was nicht.

Neuigkeiten von der Â鶹ԭ´´ Sapphire 2026

Sprechen wir über die kürzlich stattgefundene Â鶹ԭ´´ Sapphire in Orlando. Welche Neuigkeiten gab es aus Ihrem Bereich?

Sonja Liénard: Die Â鶹ԭ´´ Sapphire 2026 ist auch für ABAP AI eine sehr wichtige Konferenz. In Q2 2026 veröffentlichen wir das erste Release der Entwicklungsumgebung für Visual Studio Code, zunächst im ABAP Cloud Scope inklusive Fiori-App-Entwicklung und mit Integration von GitHub Copilot und Amazon Q als AI-Lösungen. Weiteres Ziel ist die Unterstützung von Classic ABAP-Entwicklung in Visual Studio Code, weitere ABAP-Objekttypen folgen im Laufe des Jahres. Ebenfalls ab Q2 2026 sind der ABAP MCP Server für Eclipse und Visual Studio Code allgemein verfügbar, um Drittanbieterlösungen, insbesondere AI-spezifische Drittanbieter-Tools, an das ABAP-System anschließen zu können.

Auch in Q2 2026 liefern wir den ersten Custom Code Migration Agenten aus. Die Rückmeldungen sind vielversprechend. So können wir die Code-Migration wesentlich automatisieren und beschleunigen. Die komplette Kommunikation zwischen alten Migrationstools und neuen Agenten wird dabei über einen Engagement Layer stattfinden. Unsere auf der Â鶹ԭ´´ Sapphire vorgestellte allgemeine Migrationsstrategie umfasst sieben verschiedene Agentenfamilien über alle Phasen eines Migrationsprojekts hinweg, von der Planung bis zur Ausführung.

AI-Tools leichter zugänglich für alle

AI-Tools waren für kleinere Kunden oder solche mit älteren Systemversionen bislang oft schwer zugänglich. Was ändert sich hier?

Sonja Liénard: Die Einstiegshürde wird deutlich niedriger. Wir wechseln von der User-per-Month-Abrechnung auf ein verbrauchsbasiertes Modell. Abgerechnet wird nach tatsächlicher Nutzung, auf Basis sogenannter „AI-Units“ mit individuellen Preisen. Dadurch wird es leichter, unsere AI-Lösungen zu verwenden. Kunden können besser planen, wie viel Geld sie für AI-Lösungen ausgeben möchten.

Zudem führen wir ab Q2 2026 einen Side-by-Side-Service ein, bei dem alle AI-Lösungen unabhängig vom jeweiligen Release verwendet werden können. Die Verfügbarkeit von ABAP AI wird dabei auf die Â鶹ԭ´´ S/4HANA Cloud Private Edition für alle Releases ab 2021 erweitert. Dadurch können wir einen Großteil unserer Kunden auch mit älteren Releases mit AI-Fähigkeiten unterstützen.

Agentic AI ist das neue Leitthema

Wie fügen sich ABAP und AI Agenten in Â鶹ԭ´´s längerfristiger Produktvision ein?

Sonja Liénard: Wir folgen natürlich der übergreifenden Â鶹ԭ´´-Strategie. Auf der Sapphire hat man gesehen, dass Agentic AI das neue Leitthema ist. In der Vergangenheit hatte man Infrastructure as a Service, Platform as a Service und Software as a Service. Jetzt kommen Agentic AI-Lösungen dazu.

Ich beschreibe unsere Vision gerne anhand von drei konzentrischen Kreisen: Im Zentrum steht die ABAP Cloud als moderne Clean-Core-Variante unserer Sprache für langfristige Stabilität. Der zweite Kreis ist die ABAP AI-Schicht: Entwickler-Tools für Code-Erklärung, Code-Generierung und Ghost Texting.

Den äußeren Kreis bilden AI Agenten, ein Netzwerk spezialisierter Agenten für komplexe und mehrstufige Aufgaben wie Transformation, Migration und Qualitätsvalidierung. Sie übernehmen aber auch Entwicklungsaufgaben und reduzieren dabei den Aufwand erheblich. So wird Zeit frei für Geschäftslogik- und Architekturentscheidungen, aber auch für die Überprüfung der Qualität. Die Kreise koexistieren und verstärken sich gegenseitig. Die Grundausrichtung der Plattform und der Kern der Lösungen bleiben stabil. Agenten und AI-Skills ergänzen das bestmöglich.

Auf welche Meilensteine sollten Kunden und Partner in den nächsten Monaten achten?

Sonja Liénard: Es sind vier zentrale Dinge. In Q2 2026 kommen die Entwicklungsumgebung für Visual Studio Code und der MCP Server. Damit ermöglichen wir die Entwicklung von AI Agenten in einem offenen IDE-Ökosystem. Auch in Q2 2026 folgen der erste Agent für die Custom Code-Migrations-Strategie sowie die Erweiterung von ABAP AI auf die Â鶹ԭ´´ S/4HANA Cloud Private Edition für Releases ab 2021. Für Q3 2026 ist ein zweiter Agent für die Clean-Core-Transformation geplant. Und im Laufe des Jahres 2026 werden wir die Multi-Agenten-Orchestrierung weiterentwickeln und das Portfolio um weitere Agenten ergänzen.

ABAP und Entwickler bleiben starkes Team

Gibt es noch etwas, was Sie den Lesern mitgeben möchten?

Sonja Liénard: Man sollte die Entwicklung als Chance sehen. Es geht um die Weiterentwicklung und um die Zusammenarbeit. ABAP und Entwickler bleiben ein starkes Team. Da ändert auch AI nichts dran. ABAP hat sich immer wieder erfolgreich neu erfunden. AI ist nur das nächste Kapitel, übernimmt Routinen und schafft Freiraum für das, was Wert stiftet: Geschäftsverständnis, Architekturentscheidungen, hohe Qualität sowie Sicherheits- und Compliance-Anforderungen.

Kunden und Entwickler können darauf vertrauen, dass AI von Â鶹ԭ´´ verlässlich in die Praxis umgesetzt wird: mit klarer Roadmap und hohen Qualitäts-, Sicherheits- und Compliance-Standards, die für Enterprise-Systeme entscheidend sind. Wir arbeiten eng mit der Community und unseren Kunden und Partnern zusammen. Das ist ein zentraler Erfolgsfaktor.

Das Interview ist der zweite Teil einer Serie über ABAP und den Einsatz und das Zusammenspiel mit Künstlicher Intelligenz.

The post „Mit Agentic AI erreicht ABAP die nächste Stufe der Evolution“ appeared first on Â鶹ԭ´´ News Center.

Was ist ABAP überhaupt? Wie würden Sie es denen erklären, die den Begriff schon einmal gehört haben, aber nicht genau wissen, worum es geht? Und warum ist ABAP so wichtig für Unternehmens-Software?

Sonja Liénard: ABAP hat bei Â鶹ԭ´´ eine sehr lange Historie. Es ist die erste und einzige proprietäre Programmiersprache der Â鶹ԭ´´. Sie wurde 2023 40 Jahre alt.

ABAP ist aber nicht vergleichbar mit anderen Programmiersprachen wie Java oder C++. ABAP ist speziell darauf spezialisiert, Large Enterprise Business-Software zu entwickeln und zu optimieren. Besonders ist der hohe Abstraktionsgrad. Für Entwickler ist es dadurch sehr leicht, mit ABAP Business-Software zu entwickeln oder zu erweitern. Die Komplexität reduziert sich, weil Sicherheitsmethoden, Autorisierungsprüfungen und Qualitätskontrollen bereits in die Sprache eingebaut sind. So können sich Entwickler ganz auf die Business-Logik konzentrieren, also darauf, welche Aufgabe das Programm am Ende erledigen soll.

ABAP wurde stetig weiterentwickelt. Die neueste Version ist ABAP Cloud mit einem eingeschränkten Sprachumfang, der es ermöglicht, Clean-Core-konform zu entwickeln. Das ist für unsere Cloud-Produkte sehr wichtig. Wer noch in einer Nicht-Cloud-Umgebung ist, kann damit den Code in on-premise oder auch in der Â鶹ԭ´´ S/4HANA Cloud Private Edition so vorbereiten, dass er auch in der Cloud betrieben werden kann.

ABAP ist zugleich eine Plattform. Ein Fun Fact ist, dass wir ABAP auch größtenteils dafür verwenden, die ABAP-Sprache, als auch die ABAP Platform zu entwickeln. Die ABAP Platform läuft unter allen Kern-Lösungen der Â鶹ԭ´´. Sie ist integraler Bestandteil der Â鶹ԭ´´-Software, egal ob in älteren Versionen wie ECC, in on-premise-Lösungen, in der S/4HANA Private Cloud oder in der S/4HANA Public Cloud.

ABAP bleibt hochgradig relevant

Bleibt ABAP für Â鶹ԭ´´-Kunden weiterhin von zentraler Bedeutung?

Sonja Liénard: Ja, sowohl was die Sprache angeht als auch die ABAP Platform. ABAP bleibt hochgradig relevant. Die Sprache von vor 40 Jahren ist nicht mehr die von heute. Sie wurde kontinuierlich weiterentwickelt und steckt in den Kern-ERP-Lösungen der Â鶹ԭ´´-Software und in Erweiterungen. Es gibt rund fünf Millionen registrierte und rund zwei Millionen aktive ABAP-Entwickler weltweit.

Mit ABAP Cloud und einem dedizierten ABAP-AI-Team ist ABAP eine moderne Entwicklungssprache für Business-Lösungen. Ich kenne keine andere, die diesen Umfang abdeckt. Sie wird global eingesetzt. Fast alle der 100 größten Firmen weltweit sind Â鶹ԭ´´ S/4HANA-Kunden und darunter läuft stets die ABAP Platform.

In Zukunft werden Agenten Code generieren

Wie wird Künstliche Intelligenz die Zukunft der ABAP Entwicklung prägen?

Sonja Liénard: Für mich als Head of ABAP Platform ist das eines der spannendsten Themen. Künstliche Intelligenz hat den Technologiemarkt komplett durchgerüttelt. Das wirkt sich auch auf das Â鶹ԭ´´-Portfolio für Entwickler aus und darauf, wie man unsere Lösungen anpassen und erweitern kann. Wir haben in KI-gestützte Effizienzwerkzeuge investiert, etwa einen Chat-Assistenten, der Code erklärt. Beim Ghost Texting werden während des Schreibens Code-Vorschläge generiert.

Mittelfristig werden Agenten Code generieren, auch in dem genannten Large Enterprise Software Business, und sogar ganze Lösungen bauen. In der Entwicklungsumgebung der Zukunft übernimmt die Maschine viele Aufgaben für uns.

Für Â鶹ԭ´´ ist sehr wichtig: Wie können wir KI einsetzen, um Legacy-Code in modernen Code zu übersetzen? Dabei geht es nicht nur um die reine Ãœbersetzung, sondern darum, die Business-Logik mitzunehmen. Es gibt noch sehr viele Kunden mit alten Lösungen, auch auf Basis von ECC. Wir müssen einen klaren Pfad aufzeigen und Tools anbieten, die einen schnellen und einfachen Weg in die Cloud ermöglichen.

Deswegen entwickeln wir einen Service, der unabhängig von der Systemversion verwendet werden kann. Hier werden alle ABAP AI-Fähigkeiten von Â鶹ԭ´´ enthalten sein – sowohl für die Steigerung der Entwicklereffizienz als auch zur Migration von kundenspezifischem Code (Custom Code). Idealerweise geschiert das agentenbasiert – als „Agentic AI“.

Die Magie von Agentic AI

Was ist Agentic AI?

Sonja Liénard: Bei Agentic AI arbeitet man mit sogenannten Agenten zusammen. Agenten sind spezialisiert, können miteinander kommunizieren, sich Ergebnisse aus Teilaufgaben übergeben und damit sehr komplexe Aufgaben lösen. Je nach Komplexität des Anwendungsfalls gibt es unterschiedliche Ansätze.

In den meisten Lösungen wird dabei ein sogenannter „Orchestrierer“ eingebunden. Ihm werden die im jeweiligen Kontext relevanten Agenten bekannt gemacht. Die Reihenfolge, in welcher der Orchestrierer die einzelnen Agenten aufruft, muss nicht statisch sein, sondern ihre eigentliche Stärke zeigt sich, wenn die Agenten in einem dynamischen Netzwerk flexibel kombiniert werden.

Es geht also nicht mehr nur um Effizienzsteigerung für Entwickler. Agenten können, wenn sie leistungsfähig genug sind, ganze Applikationen bauen und damit einen Teil der Entwickleraufgaben übernehmen. In unserem Fall kann Agentic AI beispielsweise die sehr komplexe Aufgabe der Code-Transformation unterstützen, signifikant beschleunigen und die Komplexität reduzieren.

Dafür können unterschiedliche Agenten relevant sein: etwa ein Agent, der darauf spezialisiert ist, kundenspezifischen Code zu erklären; ein weiterer, der Code-Änderungen vornimmt; und ein dritter, der den Aufwand eines Transformationsprojekts schätzt. In der Kombination dieser spezialisierten Agenten entfaltet sich dann die Magie von Agentic AI.

KI wird Entwicklerrollen mit Sicherheit deutlich verändern. Entwicklerinnen und Entwickler werden weiterhin die Vorgaben machen, sich aber künftig noch stärker auf die Business-Logik konzentrieren als auf das eigentliche Codieren. Sie arbeiten mit dem generierten Code und überprüfen ihn. Die Vordenkerrolle bleibt beim Menschen, der seinen Input mittels guter Promptings an die KI übergibt. Das gesamte KI-Feld ist äußerst dynamisch und entwickelt sich mit beeindruckender Geschwindigkeit. Bereits heute gibt es leistungsfähige Lösungen, so dass wir hier nicht von Zukunftsmusik sprechen, sondern von der Gegenwart.

Transformation von Legacy-Anwendungen

Welche Vorteile haben die Kunden von Agentic AI?

Sonja Liénard: Agentic AI wird bei der Transformation von Legacy-Anwendungen und kundenspezifischen Erweiterungen in Â鶹ԭ´´-Cloud-Lösungen, und damit neuesten ERP-Versionen, erheblichen Nutzen bieten. Im Februar 2026 haben wir unsere vorhandene Custom-Code-Management-App um KI Funktionen erweitert, die dem Entwickler helfen, zu verstehen, was der Code macht und welche Änderungen nötig sind, um ihn zukunftssicher zu machen. Und die KI gibt natürlich auch Empfehlungen wie der Code erweitert werden kann. In Zukunft werden wir dies durch Agenten ergänzen. Allerdings nimmt das Zeit in Anspruch, denn wir machen bei Qualität und Sicherheit keine Kompromisse.

Wir investieren zudem in die Developer Experience der ABAP Platform, damit ihre Nutzung so einfach wie möglich wird. Agentic AI wird hier dabei helfen, die in Jahrzehnten Entwicklung entstandene Komplexität zu reduzieren.

Weiter sehr wichtig: Qualität und Sicherheit

Muss man sich wegen der Sicherheit Sorgen machen?

Sonja Liénard: Nein, wir nehmen uns bewusst ausreichend Zeit, bevor wir unsere Lösungen freigeben, gerade weil uns Qualität und insbesondere Sicherheit sehr wichtig sind. Keine Sorge: Die KI wird nicht die Kontrolle übernehmen und ungefragt und unkontrolliert Lösungen generieren oder integrieren. Der Mensch bleibt der Vordenker und die letzte Instanz, der den Code nach unseren Standards prüft.

Wie ist der Stand – und wie geht es weiter?

Sonja Liénard: Die ABAP AI-Werkzeuge zur Steigerung der Entwicklereffizienz sind seit Februar 2025 verfügbar. Im ABAP-Kontext entwickeln wir Agentic AI derzeit. Agentic AI selbst muss sich also noch beweisen. Meine Prognose: Sie wird den Markt verändern.

Unser selbst trainiertes und spezialisiertes ABAP AI Modell wurde Anfang Januar 2026 auf dem GenAI Hub freigegeben. Dabei muss man beachten, dass es sich bei ABAP-1 um ein spezialisiertes Modell handelt, welches dazu konzipiert wurde, den Code von ABAP-Programmen zu erklären.

Anschließend werden wir alle ABAP-AI-Tools in einem unabhängigen Side-by-Side-Service bereitstellen. In einem zweiten Schritt überführen wir die darin enthaltenen Use Cases in Agenten.

Außerdem unterstützen wir für die ABAP-Cloud-Entwicklung zusätzliche Entwicklungsumgebungen (IDEs), insbesondere Visual Studio Code. Die dort verfügbaren KI-Tools werden wir ebenfalls für die Umsetzung von Agentic AI nutzen.

Das Interview ist der erste Teil einer Serie über ABAP und den Einsatz und das Zusammenspiel mit Künstlicher Intelligenz.

The post „Agentic AI wird den Markt verändern“ appeared first on Â鶹ԭ´´ News Center.