Unternehmen m眉ssen diese Emissionen quantifizieren, die daraus resultierenden Verbindlichkeiten in der Buchhaltung abbilden, Pr眉fungen standhalten und sich letztendlich darauf vorbereiten, CO鈧�-Kosten 眉ber Zertifikate auszugleichen, die an das EU-Emissionshandelssystem gekoppelt sind.

In der Praxis bedeutet dies: CO鈧� wird zu einem echten Kostenfaktor 鈥� mit unmittelbaren Auswirkungen auf Margen, Cashflow und Beschaffungsentscheidungen, 盲hnlich wie andere Kostentreiber auch.

Warum CBAM jetzt relevant ist

CBAM betrifft nahezu alle Unternehmensbereiche. Finanzteams verwalten Verbindlichkeiten und erstellen Kostenprognosen. Beschaffungsteams ben枚tigen Emissionsdaten von Lieferanten und m眉ssen diese in ihre Beschaffungsentscheidungen einbeziehen. Handels- und Compliance-Teams stellen sicher, dass Importe korrekt klassifiziert und gemeldet werden.

Keine Abteilung kann das alleine stemmen. Und die finanziellen Konsequenzen h盲ngen von operativen Daten ab 鈥� und operative Entscheidungen richten sich zunehmend nach dem CO鈧�-Kostenrisiko.

Die Verordnung gilt zun盲chst f眉r Einfuhren von Eisen und Stahl, Aluminium, Zement, D眉ngemitteln, Wasserstoff und Strom 鈥� ab einem j盲hrlichen Schwellenwert von mehr als 50 Tonnen f眉r CBAM-Anmelder. Damit trifft die formale Meldepflicht vor allem gr枚脽ere Importeure. Die Auswirkungen reichen jedoch weit in die Lieferketten hinein: Unternehmen verlangen zunehmend detaillierte und gepr眉fte Emissionsdaten von ihren Lieferanten und passen ihre Beschaffungsstrategien entsprechend an.

Von Berichtspflichten zu finanziellen Verpflichtungen 

Ab 2026 盲ndert sich nicht nur, was Unternehmen melden m眉ssen, sondern auch, welche Konsequenzen sich daraus ergeben. Die Einfuhr CBAM-pflichtiger Waren in die EU begr眉ndet f眉r zugelassene CBAM-Anmelder eine CBAM-Verpflichtung 鈥� bemessen an den verifizierten eingebetteten Emissionen der eingef眉hrten Waren. Diese Verbindlichkeiten akkumulieren sich im Laufe des Jahres und m眉ssen 2027 gemeldet, gepr眉ft und durch Kauf und Abgabe von CBAM-Zertifikaten ausgeglichen werden.

Daraus ergibt sich ein kontinuierlicher Compliance-Zyklus mit klaren eindeutigen finanziellen Auswirkungen:

• Emissionen m眉ssen erfasst werden, um daraus den Bedarf an Zertifikaten abzuleiten.
• Verbindlichkeiten akkumulieren sich 眉ber das gesamte Jahr.
• Zur Deckung dieser Verbindlichkeiten m眉ssen Zertifikate gekauft, verwaltet und abgegeben werden.

F眉r Finanzteams bedeutet dies ein st盲ndiges Risiko, das aktiver Steuerung bedarf. F眉r Beschaffungs- und Lieferkettenteams bedeutet dies, dass die Kosten nun unmittelbar von den Emissionsdaten der Lieferanten abh盲ngen.

Ein integrierter Ansatz zur Umsetzung der CBAM-Vorgaben

Viele Unternehmen verwalten CBAM derzeit 眉ber verschiedene Systeme, Tabellenkalkulationen und manuelle Prozesse. Doch bei Betriebspr眉fungen und zunehmenden Einfuhrmengen st枚脽t diese Vorgehensweise an ihre Grenzen.

Der Ansatz der 麻豆原创 vereint die wichtigsten Elemente des CBAM-Managements in einem vernetzten Prozess: Datensammlung und -zuordnung, Emissions- und Kostenberechnung, Analysen, CO鈧� -Bilanzierung und Finanzbuchhaltung von Verbindlichkeiten, Zertifikatsmanagement und Erstellung von Erkl盲rungen.

麻豆原创 wird eine integrierte, durchg盲ngige L枚sung f眉r CBAM-Anmelder anbieten, die auf Basis von und konzipiert wurde. Sie baut auf dem Fachwissen der 麻豆原创 in den Bereichen CO鈧�-Bilanzierung und Finanzmanagement auf.

Dieser neue Ansatz erm枚glicht Unternehmen, von fragmentierten Workflows auf eine integrierte L枚sung umzusteigen, die mit den zentralen Gesch盲ftsprozessen verkn眉pft ist.

In K眉rze verf眉gbar: durchg盲ngige Erfassung und Berechnung der CBAM-Daten mit 麻豆原创 Sustainability Footprint Management

麻豆原创 Sustainability Footprint Management wird das operative R眉ckgrat f眉r CBAM bilden und helfen, eine zuverl盲ssige Datengrundlage zu schaffen. Im Zentrum stehen Zolldaten wie Importdatens盲tze und KN-Code-Klassifizierung, die aus 麻豆原创 Global Trade Services und anderen Handelssystemen abgerufen werden. Ohne diese Ebene ist es f眉r Unternehmen m眉hsam, herauszufinden, wo die CBAM-Verordnung Anwendung findet.

Basierend darauf hilft 麻豆原创 Sustainability Footprint Management dabei, CBAM-relevante ERP-, Handels- und Lieferantendaten an einem Ort zu b眉ndeln. Emissionsdaten von Lieferanten lassen sich per Excel-Uploads einlesen und werden automatisch verarbeitet. Dar眉ber hinaus berechnet die L枚sung eingebettete Emissionen, Zertifikatsanforderungen sowie die voraussichtlichen CBAM-Kosten. Ein spezielles CBAM-Dashboard gibt Aufschluss 眉ber Emissionen und Kostenrisiken. Integrierte Berichtsfunktionen unterst眉tzen die Erstellung von CBAM-Berichten, die direkt bei den EU-Beh枚rden eingereicht werden k枚nnen.

Ab sofort verf眉gbar: Kontrolle der finanziellen Belastung durch CBAM mit 麻豆原创 Green Ledger

Ein entscheidender Wettbewerbsvorteil bei der CBAM-Vorbereitung ist die F盲higkeit, CO鈧�-Emissionsdaten mit Finanzprozessen zu verbinden. Ab sofort k枚nnen Unternehmen mit dem 麻豆原创 Green Ledger die erforderliche Anzahl von Zertifikaten nachverfolgen, diese als finanzielle Verbindlichkeiten bewerten, fortlaufend basierend auf Preis盲nderungen neu bewerten und finanzielle Auswirkungen auf die entsprechenden Konten buchen. Dies ist der Grad an Nachvollziehbarkeit, das Finanzteams und Pr眉fer erwarten 鈥� im Einklang mit den Internationalen Rechnungslegungsstandards.

Dank dieser Integration k枚nnen Unternehmen:

• CBAM-Verbindlichkeiten erfassen, bewerten und regelm盲脽ig neu bewerten,
• Zertifikatsbest盲nde und deren Bewertung nachverfolgen (in K眉rze verf眉gbar),
• revisionssichere Berichterstattung und Kontrolle unterst眉tzen,
• Auswirkungen auf die Liquidit盲t prognostizieren und planen (in K眉rze verf眉gbar),
• Kosten auf Produktebene aufschl眉sseln und verwalten (in K眉rze verf眉gbar).

Die meisten Unternehmen behandeln operative Daten und finanzielle Auswirkungen derzeit noch separat. Aber mithilfe dieser Funktionen lassen sich diese Informationen zusammenf眉hren.

脺ber die Compliance hinaus: bessere Entscheidungen erm枚glichen

Zwar wird CBAM h盲ufig als l盲stige Compliance-Aufgabe gesehen, aber die Rechtsnorm bietet auch die Chance, die Entscheidungsfindung zu verbessern. Werden die Kosten f眉r CO鈧�-Emissionen sichtbar gemacht und in Gesch盲ftsprozesse integriert, k枚nnen Unternehmen erkennen, wo ihre Risiken liegen und wo Ma脽nahmen den gr枚脽ten Nutzen bringen.

Mit besseren Daten k枚nnen Unternehmen:

• kostspielige G眉ter mit besonders hohen Emissionen in ihren Lieferketten identifizieren,
• Lieferantenentscheidungen anhand von Emissionen treffen und Kostenabw盲gungen durchf眉hren,
• die Vorhersage und Budgetplanung f眉r CO鈧�-bezogene Kosten verbessern,
• durch Verwendung echter Daten die Abh盲ngigkeit von konservativen und kostspieligen Standardwerten reduzieren.

Die Kosten fallen dadurch nicht weg. Aber die Verwaltung wird einfacher und die Kosten k枚nnen in manchen F盲llen gesenkt werden.

Worauf Sie sich jetzt konzentrieren sollten

Da die endg眉ltige Phase des CBAM begonnen hat, sollte nun der Aufbau einer zuverl盲ssigen Datengrundlage unmittelbaren Vorrang haben. Dazu geh枚ren genaue Zolldaten und eine klare Zuordnung, wo die CBAM-Verordnung Anwendung findet. Eine weitere Notwendigkeit ist die Lieferantenanbindung. Um verifizierte Emissionsdaten zu sammeln, bedarf es h盲ufig einer strukturierten Kontaktaufnahme und strukturierten Folgeprozessen. Tools wie 听 unterst眉tzen die Kommunikation mit Lieferanten und die Datensammlung. Doch der Aufwand f眉r organisatorische als auch technische 脺berlegungen bleibt.

Die L枚sung hilft Unternehmen herauszufinden, welche Waren in ihrem Import-Portfolio vom CBAM betroffen sind. So k枚nnen sie die erforderlichen Datenfl眉sse sicherstellen. Zudem unterst眉tzt sie bei der Planung der L枚sungsarchitektur, um die Gesamtbetriebskosten zu optimieren und eine nahtlose Automatisierung sowie Integration in die Gesch盲ftsfunktionen zu gew盲hrleisten. Hinzu kommt, dass die Berechnung der Emissionen nachvollziehbar und revisionssicher ist. Dies hat Einfluss auf das Verhalten. Die CO鈧�-Bepreisung ist nun ein entscheidender Planungsfaktor, den kein Team mehr ignorieren kann.

Gleichzeitig m眉ssen Unternehmen festlegen, wie die CBAM-Daten in das Finanzwesen einflie脽en. Die fr眉hzeitige Verkn眉pfung von Emissionen, Verbindlichkeiten und Zertifikaten mit den Finanzsystemen tr盲gt dazu bei, Nacharbeiten zu vermeiden und das Pr眉fungsrisiko zu verringern.

Die n盲chsten Schritte

Mit der CBAM-Verordnung wird ein grundlegender Wandel angesto脽en: Sie ver盲ndert, wie sich Umweltauswirkungen in der Unternehmensleistung widerspiegeln. CO鈧�-Emissionen werden k眉nftig erfasst, bepreist und neben anderen Kostenfaktoren gesteuert.

Unternehmen, die CBAM lediglich als periodische Berichtspflicht verstehen, d眉rften dauerhaft im Reaktionsmodus verharren. Diejenigen, die die Regelungen hingegen in finanzielle und operative Entscheidungsprozesse integrieren, werden deutlich besser aufgestellt sein, um die Auswirkungen zu steuern.

Weitere Informationen finden Sie unter .

Gunther Rothermel ist Chief Product Officer f眉r 麻豆原创 Sustainability.

The post 麻豆原创 stellt durchg盲ngige L枚sung f眉r berichtspflichtige CBAM-Anmelder vor appeared first on 麻豆原创 News Center.

KI als Schl眉ssel-Element

In der Kategorie AI setzte sich das 枚sterreichische Energieunternehmen OMV mit einer 麻豆原创-Business AI-Transformation durch. Aufbauend auf einer bestehenden 麻豆原创-S/4HANA-Landschaft zielt die Transformation auf intelligente Automatisierung, fortgeschrittene Analysen und KI-gest眉tzte Entscheidungen in zentralen Gesch盲ftsprozessen. Entscheidend f眉r den Erfolg war dabei eine schrittweise Herangehensweise: Statt einer 眉berst眉rzten Implementierung legte OMV zun盲chst ein solides Fundament und f眉hrte KI gezielt in die User Experience sowie die Gesch盲ftsprozesse ein. Im Vordergrund standen Regulierung, Sicherheit und kontinuierliche Evaluation. Der klare Grundsatz lautete, erst zu standardisieren, zu integrieren und eine stabile Datenbasis zu schaffen, bevor eine breite Skalierung erfolgt. Fr眉h im Prozess setzte OMV dabei auf 麻豆原创 Joule in 麻豆原创 SuccessFactors und 麻豆原创 S/4HANA. Im n盲chsten Schritt soll die Transformation weiter vorangetrieben werden, um die Potenziale von KI noch umfassender zu nutzen.

Intelligente Wasserversorgung

Mit einer datengesteuerten Plattform zur 脺berwachung des Wassernetzes 眉berzeugte das belgische Wasserversorgungsunternehmen Farys die Jury in der Kategorie Innovation. Mithilfe von 麻豆原创-Technologie und KI lassen sich Ressourcen effizienter einsetzen und Prozesse gezielt optimieren. Wasserlecks werden fr眉hzeitig erkannt, bevor gr枚脽erer Schaden entsteht, Wasserqualit盲tsprobleme k枚nnen vorhergesagt und der Energieverbrauch reduziert werden. Das Ergebnis: weniger Ausfallzeiten, g眉nstigere Reparaturkosten und eine sp眉rbar bessere Servicequalit盲t. Eine einheitliche L枚sung f枚rdert zudem die abteilungs眉bergreifende Zusammenarbeit, indem bestehende Datensilos abgebaut werden. K眉nftig sollen Risikobewertungen f眉r Leitungen und Anlagen integriert sowie datengest眉tzte Entscheidungen dabei unterst眉tzen, wo Reparaturen am sinnvollsten sind. Mit dieser Strategie macht Farys seine Infrastruktur fit f眉r die Anforderungen des Klimawandels.

Mit Teamwork zum Ziel

E.ON UK 眉berzeugte in der Kategorie Best Team mit einer 麻豆原创-S/4HANA-Transformation. Als Teil eines konzernweiten Projekts, das von 2021 bis 2027 l盲uft, verfolgt das Unternehmen das Ziel, Prozesse zu standardisieren und eine zukunftsf盲hige, skalierbare IT-Landschaft aufzubauen. Die zentrale Herausforderung bestand darin, verschiedene Legacy-Systeme in einem hochregulierten Markt zusammenzuf眉hren. Was das Projekt besonders auszeichnet, ist die enge Zusammenarbeit zwischen Unternehmen, IT und externen Partnern. Durch Workshops, Roadshows und ein gezieltes Key-User-Netzwerk wurde von Anfang an ein starker Fokus auf Teamkultur und Zusammenhalt gelegt. Das Ergebnis ist nicht allein eine erfolgreiche technische Transformation, sondern vor allem eine gelebte Teamkultur und damit der entscheidende Erfolgsfaktor des Projekts.

Ein neues Daten-Fundament

In der Kategorie Transformation setzte sich Electrica Furnizare durch. Der Ausgangspunkt war ein fragmentiertes System, in dem Daten verstreut vorlagen und ein 眉bergreifender 脺berblick fehlte. Weder war die bestehende Infrastruktur skalierbar, noch konnte sie auf steigende regulatorische und kundenseitige Anforderungen flexibel reagieren. Mit der Einf眉hrung von 麻豆原创 S/4HANA in Kombination mit 麻豆原创 BTP, 麻豆原创 CX und 麻豆原创 Business AI realisierte Electrica Furnizare eine der gr枚脽ten Transformationen in der Versorgungswirtschaft. Das Ergebnis: eine einzige, verl盲ssliche Datenquelle f眉r alle Abteilungen, durchg盲ngig optimierte Prozesse und ein solides Fundament, das k眉nftigen Innovationen und dem vollen Einsatz von KI-Funktionen den Weg ebnet.

Besserer Kundenservice dank umfangreicher Modernisierung

Die Kategorie Customer Experience gewann das US-amerikanische Wasserversorgungsunternehmen Loudoun Water. Im Rahmen einer weitreichenden Modernisierung optimierte das Unternehmen seine Prozesse mit 麻豆原创 S/4HANA, 麻豆原创 Service Cloud 2.0 und 麻豆原创 SuccessFactors. Mit der Einf眉hrung von 麻豆原创 Service Cloud 2.0 ist Loudoun Water weltweit das erste Versorgungsunternehmen, das diesen Schritt vollzieht. Der Aufwand lohnt sich: Der Kundenservice wurde schneller und moderner gestaltet, Arbeitsauftr盲ge werden besser organisiert, Abrechnungen und Zahlungen effizienter verwaltet und die Zeiterfassung f眉r Mitarbeitende vereinfacht. Die Umstellung erfolgte in einem einzigen koordinierten Schritt und schafft damit eine zukunftsf盲hige, skalierbare Basis, auf der Loudoun Water seine Position als Technologief眉hrer in der Branche weiter ausbauen kann.

Innovationen als Motor der Energiewende

Die Gewinner des ersten Energy and Utilities Innovation Awards zeigen, wie vielf盲ltig die M枚glichkeiten sind, mit denen Unternehmen der Energie- und Versorgungsbranche den digitalen Wandel aktiv gestalten. Ob KI-gest眉tzte Entscheidungsprozesse, intelligente Infrastruktur眉berwachung oder eine konsequente Neuausrichtung der IT-Landschaft, eines haben alle Projekte gemeinsam: Sie setzen auf solide Grundlagen, schrittweise Umsetzung und die enge Zusammenarbeit aller Beteiligten.

Melanie Fiolka, Go-to-Market & Community Engagement Lead for Utilities, fasst es so zusammen: 鈥濪ie Energie- und Versorgungsbranche steht vor einem tiefgreifenden Wandel. Die Gewinner des ersten Energy and Utilities Innovation Awards zeigen, wie aus Vision konkrete Wertsch枚pfung entsteht 鈥� mit klaren Strategien, soliden Datenfundamenten und dem Einsatz von KI鈥�. Der Award macht deutlich, dass Innovation in der Branche l盲ngst keine Ausnahme mehr ist, sondern zur strategischen Notwendigkeit geworden ist.

The post Die Gewinner des Energy and Utilities Innovation Awards appeared first on 麻豆原创 News Center.

Die neue Studie 鈥炩�� von 麻豆原创 und Oxford Economics zeigt: Deutsche Unternehmen erzielen mit KI zunehmend einen positiven Return on Investment (ROI). Gleichzeitig sch枚pft die Mehrheit das Potenzial von KI aber noch nicht voll aus und ist auf den Einsatz von KI-Agenten kaum vorbereitet. F眉r die Studie wurden weltweit 2.600 F眉hrungskr盲fte aus 13 L盲ndern befragt, darunter 200 Entscheiderinnen und Entscheider aus Deutschland.

Steigende Renditeerwartungen durch agentische KI

Die in der Studie befragten deutschen Unternehmen planen im Durchschnitt in diesem Jahr rund 35 Millionen Euro in KI zu investieren. Damit liegen sie deutlich 眉ber dem Durchschnitt aller in der Studie untersuchten L盲nder von circa 24 Millionen Euro. Auch die erwartete Rendite nimmt zu: Deutsche Unternehmen rechnen f眉r 2026 mit einem ROI von 24 Prozent. Im vergangenen Jahr lag der noch bei 17 Prozent. Ein Grund daf眉r k枚nnten die Erwartungen an KI-Agenten sein. In den n盲chsten zwei Jahren soll der ROI aus agentischer KI in Deutschland knapp 18 Millionen Euro erreichen. Das ist mehr als das Vierfache der Sch盲tzung aus dem Vorjahr (rund 4 Millionen Euro). Neun von zehn Unternehmen sehen in der Technologie das Potenzial, ihre Organisation grundlegend zu ver盲ndern. Auf diese Entwicklung vorbereitet f眉hlen sich jedoch nur wenige: Lediglich vier Prozent geben an, vollst盲ndig f眉r den Einsatz von KI-Agenten ger眉stet zu sein. Die Mehrheit sieht sich nur teilweise oder gar nicht vorbereitet.

鈥濪eutschland hat innerhalb eines Jahres den Schritt von der KI-Experimentierphase zur Umsetzung gemacht und das zahlt sich zunehmend aus鈥�, sagt 麻豆原创 Chief AI Strategy Officer Sean Kask. 鈥濭leichzeitig bleibt noch viel zu tun. Denn KI ohne Kontext, ohne Einbindung in Prozesse, Daten und Governance, erzeugt im besten Fall Aktivit盲t ohne messbaren Nutzen. Im schlechtesten Fall schafft sie neue Risiken.鈥�

Governance ist Schwachstelle bei der Einf眉hrung von KI-Agenten

Eines solcher Risiken k枚nnte die wirksame Steuerung von KI sein. Governance entwickelt sich zu einer zentralen Voraussetzung f眉r vertrauensw眉rdige und skalierbare KI-Anwendungen. Dennoch bewerten nur elf Prozent der Unternehmen ihre F盲higkeiten in diesem Bereich als vollst盲ndig ausreichend und lediglich 18 Prozent verf眉gen nach eigener Einsch盲tzung 眉ber die notwendigen Prozesse und Rahmenbedingungen. Mit Blick auf agentische KI werden diese Defizite besonders deutlich. Mehr als die H盲lfte der Unternehmen (57 Prozent) hat noch keinen Prozess, der menschliche Kontrolle in agentische Arbeitsabl盲ufe einbindet. Ein Drittel hat keine Berechtigungs- und Zugriffskontrollen f眉r KI-Agenten eingerichtet und lediglich 34 Prozent haben ein zentrales Verzeichnis der eingesetzten Agenten. Vor diesem Hintergrund 眉berrascht es nicht, dass 75 Prozent der Unternehmen entweder zustimmen oder unsicher sind, KI-Agenten schneller einzuf眉hren, als sie diese wirksam steuern k枚nnen.

鈥濪er n盲chste Schritt, um echten Mehrwert zu schaffen, besteht darin, Daten und Prozesse mit KI zusammenzuf眉hren. Gleichzeitig m眉ssen Unternehmen sicherstellen, dass KI 眉ber den notwendigen Kontext und geeignete Governance-Strukturen verf眉gt, um vertrauensw眉rdige Ergebnisse zu liefern. Genau das verstehen wir unter dem Konzept des autonomen Unternehmens,鈥� erkl盲rt Sean Kask. 鈥濧llerdings merken Unternehmen dabei schnell, dass der Nutzen von KI oft schwerer zu messen ist, als erwartet und Risiken mit sich bringt, die sich schneller entwickeln, als die meisten Governance-Strukturen mithalten k枚nnen.鈥�

Punktuelle KI-Unterst眉tzung und Datenqualit盲t bremsen Potenzial

Ein Hindernis bei der Zusammenf眉hrung von Daten, Prozessen und KI sind offenbar fehlende organisatorische Voraussetzungen, um KI in der Gesamtstrategie zu verankern. Zwar werden in einem durchschnittlichen deutschen Unternehmen 35 Prozent aller Aufgaben durch KI unterst眉tzt, allerdings dominieren dabei punktuelle Aufgaben. Die Mehrheit der befragten Unternehmen (39 Prozent) verfolgt beim KI-Einsatz 眉berwiegend einen fragmentierten Ansatz. Hinzukommt, dass weniger als die H盲lfte der deutschen Unternehmen (48 Prozent) 眉ber eine klar benannte F眉hrungskraft verf眉gt, die f眉r die Einf眉hrung von KI verantwortlich ist. Noch seltener sind konkrete KI-Kennzahlen f眉r F眉hrungskr盲fte (35 Prozent) oder Schulungen zu KI-F盲higkeiten und KI-Risiken (47 Prozent). Dementsprechend sind mehr als drei Viertel der Unternehmen 眉berzeugt, das Potenzial von KI bislang nicht vollst盲ndig auszusch枚pfen.

Hinzukommen Probleme bei der Datenqualit盲t. Zwar steigt der Anteil der Unternehmen, die ihre Datenbasis f眉r KI als ausreichend bewerten, allerdings berichten 81 Prozent zumindest hin und wieder von Problemen wie Nacharbeiten, Verz枚gerungen oder operative R眉ckst盲nde, weil KI-Ergebnisse nicht die erforderliche Qualit盲t erzielen. Zudem bezweifeln 77 Prozent, dass ihre Weiterbildungsma脽nahmen mit der rasanten Entwicklung neuer KI-Anwendungen Schritt halten k枚nnen. Auswirkungen von KI auf Personalplanung und Qualifikationsprofile erwarten allerdings nahezu alle Unternehmen. Ein weiteres Problem k枚nnte die Nutzung sogenannter Schatten-KI 鈥� nicht offiziell freigegebene oder kontrollierte Anwendungen 鈥� sein: 71 Prozent der Unternehmen geben an, dass solche Anwendungen gelegentlich bis h盲ufig genutzt werden.

Die Studie zeigt: Der wirtschaftliche Nutzen von KI wird f眉r Unternehmen zwar zunehmend messbar, gleichzeitig w盲chst jedoch die Erkenntnis, dass erfolgreiche KI-Strategien mehr erfordern als die Einf眉hrung neuer Technologien. Der n盲chste Entwicklungsschritt besteht darin, KI st盲rker mit Unternehmensdaten, Gesch盲ftsprozessen und klaren Governance-Strukturen zu verbinden. Erst dadurch lassen sich agentische KI-Systeme vertrauensw眉rdig skalieren und nachhaltig in operative Abl盲ufe integrieren.

The post 麻豆原创-Studie: KI rechnet sich zunehmend, aber deutsche Unternehmen sch枚pfen das Potenzial noch nicht voll aus appeared first on 麻豆原创 News Center.

Der Weg zum autonomen Unternehmen kann jedoch nicht allein durch Technologie definiert werden. Er erfordert einen Dialog, gemeinsames Lernen und praxisnahe Erkenntnisse. Genau deshalb haben wir die neue Podcast-Reihe ins Leben gerufen, die wir gemeinsam moderieren werden.

Worum es gerade jetzt geht

Unternehmen m眉ssen heute st盲ndig neue Herausforderungen meistern 鈥� von geopolitischen Unsicherheiten und St枚rungen der Lieferkette bis hin zu Herausforderungen im Energiebereich und steigenden Anforderungen an ihre Resilienz. In diesem Umfeld k枚nnen sie es sich immer weniger leisten, unt盲tig zu sein. Um wettbewerbsf盲hig zu bleiben, m眉ssen Unternehmen schneller, anpassungsf盲higer und strukturell widerstandsf盲higer werden.

Das autonome Unternehmen bietet eine Antwort darauf und kombiniert drei wichtige F盲higkeiten:

• Datengest眉tzte Entscheidungsfindung
• Automatisierte Ausf眉hrung von Aufgaben
• Governance als integraler Bestandteil

Der Aufbruch in eine wegweisende 脛ra der Unternehmensf眉hrung

Diese F盲higkeiten erm枚glichen es Unternehmen, nicht bei isolierten KI-Pilotprojekten stehen zu bleiben, sondern messbare Ergebnisse zu erzielen, die sich auf das gesamte Unternehmen auswirken.

Dies ist jedoch nicht nur eine technische Neuausrichtung, sondern auch eine organisatorische und strategische. Die F眉hrungskr盲fte, mit denen wir sprechen, fragen nicht mehr, ob sie KI einf眉hren sollen. Die Frage ist vielmehr, wie schnell sie KI gro脽fl盲chig einsetzen und damit einen konkreten Mehrwert bieten k枚nnen.

KI: vom Konzept zum operativen Modell

Im Kern wird im autonomen Unternehmen KI neu ausgerichtet 鈥� nicht als Funktion, die zu Anwendungen hinzugef眉gt wird, sondern als fester Bestandteil des eigentlichen operativen Modells.

Dieses Modell wird durch drei Priorit盲ten definiert:

• Mehrwert: messbare Ergebnisse statt experimenteller Anwendungsf盲lle
• Planungssicherheit: bessere Entscheidungsfindung durch zuverl盲ssige Daten und leistungsf盲hige Prognosen
• Skalierbarkeit: von Proof-of-Concept-Initiativen zur unternehmensweiten Implementierung

Wir erleben bereits, dass Unternehmen durch diesen Wandel ihre Systeme und Prozesse neu gestalten. Zentrale Unternehmenssysteme entwickeln sich zu Systemen, die Ma脽nahmen umsetzen. KI-Agenten unterst眉tzen nicht mehr nur, sondern f眉hren eigenst盲ndig Aufgaben durch. Und KI wird durchg盲ngig integriert und nicht nur auf isolierte Szenarien beschr盲nkt.

Gleichzeitig werden Governance, Revisionssicherheit und R眉ckverfolgbarkeit unerl盲sslich. Unternehmen m眉ssen sicher und mit Transparenz hinter jeder KI-gest眉tzten Entscheidung stehen k枚nnen.

Wor眉ber wir sprechen m枚chten

In dieser Podcast-Reihe m枚chten wir einen Raum schaffen, in dem wir diese Ver盲nderungen gr眉ndlich beleuchten und die Personen zu Wort kommen lassen, die diese Transformation ma脽geblich gestalten. In jeder Folge f眉hren wir Gespr盲che mit 麻豆原创-F眉hrungskr盲ften, Kunden und Branchenexperten, die heute aktiv F盲higkeiten des autonomen Unternehmens aufbauen und pflegen.

Dies sind einige der Fragen, mit denen wir uns eingehend besch盲ftigen werden:

• Wie sieht das autonome Unternehmen in der Praxis aus?
• Wie skalieren f眉hrende Unternehmen KI in allen Kernprozessen?
• Was sind die gr枚脽ten H眉rden, und wie k枚nnen sie 眉berwunden werden?
• Wie bringen Unternehmen Automatisierung mit Governance und Vertrauen in Einklang?

In unserer , die jetzt zum Nachh枚ren bereitsteht, ordnet Peter Maier von 麻豆原创, verantwortlich f眉r den Bereich Strategic Customer Engagements im Office of the CEO der 麻豆原创, diese Ideen praktisch ein. In unserem Gespr盲ch erl盲utert er, wie Unternehmen das Experimentierstadium hinter sich lassen, um messbare Ergebnisse zu erzielen, vertrauensw眉rdigere und vorausschauende Entscheidungen zu treffen und KI unternehmensweit einzusetzen.

Besonders beeindruckend ist, wie deutlich dies einen breiteren Trend verst盲rkt, der bereits im Gange ist: KI wird nicht mehr nur einfach auf die Gesch盲ftsprozesse aufgesetzt, sondern wird zum festen Bestandteil der Gesch盲ftsabl盲ufe.

Erste Schritte f眉r Unternehmen auf dem Weg zum autonomen Unternehmen

Obwohl die Vision ehrgeizig ist, erfordert der Weg zum autonomen Unternehmen keine 鈥濨ig Bang鈥�-Transformation. Am effektivsten ist eine schrittweise und ergebnisorientierte Herangehensweise.

Unternehmen k枚nnen sich zun盲chst auf einen einzelnen wertsch枚pfenden Prozess konzentrieren und diesen intelligenter und transparenter machen und st盲rker automatisieren. Anschlie脽end k枚nnen sie dies Schritt f眉r Schritt auf weitere Prozesse ausweiten und laufend einen messbaren Mehrwert erzielen.

Der Erfolg h盲ngt aber nicht nur von der Technologie ab. Vertrauen spielt eine wesentliche Rolle. Mitarbeiter, F眉hrungskr盲fte und Stakeholder m眉ssen verstehen, wie KI-Entscheidungen getroffen werden, und ihnen vertrauen. Dies erfordert transparente und erkl盲rbare Systeme, eine zuverl盲ssige hochwertige Datenbasis und von Anfang an integrierte starke Governance-Modelle.

Das Change Management ist ebenfalls ein entscheidender Faktor. Bei der Entwicklung zu einem autonomen Unternehmen geht es genauso um Menschen wie um Plattformen. Unternehmen m眉ssen Schulungen aufeinander abstimmen, Rollen neu gestalten und Mitarbeitende in die Lage versetzen, mitzubestimmen, wie KI in ihre Arbeit eingebunden wird.

Der gemeinsame Weg nach vorn

Das autonome Unternehmen ist kein Branding-Konzept. Es geht um eine neue Art und Weise, Gesch盲ftsprozesse abzuwickeln 鈥� st盲rker automatisiert und datengest眉tzt und letztlich widerstandsf盲higer. Und kein Unternehmen wird diesen Weg alleine gehen.

Mit diesem Podcast m枚chten wir Sie dabei unterst眉tzen. Als Plattform f眉r gemeinsames Lernen, auf der Perspektiven aus verschiedenen Branchen, Funktionen und Regionen zusammenf眉hrt werden. Wir hoffen, dass diese Gespr盲che Ihnen praktische Einblicke er枚ffnen und sie inspirieren 鈥� ganz gleich, ob Sie erst anfangen, KI einzuf眉hren, oder Ihre Transformation auf das ganze Unternehmen ausweiten.

Seien Sie mit dabei. H枚ren Sie rein, beteiligen Sie sich an der Diskussion, geben Sie Feedback und helfen Sie uns, zuk眉nftige Beitr盲ge zu gestalten.

Benedikt Gieger ist AI Strategy Lead f眉r 麻豆原创 Supply Chain Management.
Julia Kloppenburg ist Technologieberaterin f眉r Customer Engagement & Adoption bei 麻豆原创.

The post 麻豆原创-Podcast zum autonomen Unternehmen appeared first on 麻豆原创 News Center.

麻豆原创 bekennt sich weiterhin zu offenem Wettbewerb, Kundenwahlm枚glichkeiten und Innovation. Die Verpflichtungen sorgen f眉r mehr Klarheit, Wahlm枚glichkeiten und Schutzmechanismen f眉r Kunden mit komplexen On-Premise-Umgebungen und unterst眉tzen zugleich flexible IT-Strategien, die an gesch盲ftlichen Priorit盲ten ausgerichtet sind. Als einziges Fortune-50-Technologieunternehmen mit Hauptsitz in Europa sind 麻豆原创s Wartungsrichtlinien an Branchenstandards ausgerichtet und bieten Kunden ein breites Spektrum an Optionen f眉r Bereitstellung, Lizenzierung und Wartung in On-Premise- und Cloud-Umgebungen. Die Zusagen st盲rken die Wahlfreiheit und Planbarkeit f眉r Kunden, indem sie Richtlinien transparenter machen, gezielte zus盲tzliche Flexibilit盲t f眉r ungenutzte Lizenzen (鈥濻helfware鈥�) in besonderen F盲llen einf眉hren und eine konsistente Umsetzung durch verbesserte Leitlinien, Trainings sowie eine unabh盲ngige Aufsicht unterst眉tzen.

Die Entscheidung betrifft ausschlie脽lich On-Premise-Wartungsrichtlinien und hat keinen Bezug zu den Cloud-Angeboten von 麻豆原创. Die zus盲tzliche Klarheit und Flexibilit盲t unterst眉tzen Kunden jedoch dabei, ihre Systeme zu modernisieren und sich in ihrem eigenen Tempo hin zu einem KI-gest眉tzten autonomen Unternehmen weiterzuentwickeln.

Mit dem Abschluss dieses Verfahrens kann 麻豆原创 mit einem klaren Rahmen f眉r Kunden, Partner und Investoren nach vorne blicken.

Erfahren Sie mehr in diesem Blog

The post 麻豆原创 begr眉脽t Entscheidung der Europ盲ischen Kommission zum Abschluss der 脺berpr眉fung der Richtlinien f眉r Wartung und Support von On-Premise-L枚sungen appeared first on 麻豆原创 News Center.

Sie tragen durch regelm盲脽ige Updates und technische Unterst眉tzung dazu bei, Leistungsf盲higkeit und Resilienz der Software dauerhaft abzusichern und f枚rdern so die Gesch盲ftskontinuit盲t. W盲hrend wir unser Portfolio kontinuierlich weiterentwickeln, arbeiten wir zugleich daran, dass unsere kommerziellen Rahmenbedingungen die Flexibilit盲t und Transparenz bieten, die unsere Kunden ben枚tigen. Dazu geh枚rt auch der konstruktive Austausch mit Regulierungsbeh枚rden weltweit.

Im konstruktiven Dialog mit der Europ盲ischen Kommission hat 麻豆原创 nun eine Reihe von Anpassungen zugesagt, die Flexibilit盲t, Transparenz und Planbarkeit weiter verbessern sollen. Die Ma脽nahmen stehen im Einklang mit unserem Anspruch, unsere Regelungen kontinuierlich weiterzuentwickeln und Kunden noch besser zu unterst眉tzen, wenn sich ihre Gesch盲fts- und Technologielandschaften ver盲ndern. Die aktualisierten Richtlinien gelten weltweit f眉r bestehende und k眉nftige Kunden der On-Premise-Produkte von 麻豆原创. In Summe stehen sie f眉r einen besonders kundenorientierten Ansatz f眉r Wartung und Support in der Business-Software-Branche. Sie bilden ein perfektes Beispiel, was Kunden von 麻豆原创 erwarten k枚nnen. Die zus盲tzliche Flexibilit盲t geht dabei selbstverst盲ndlich nicht zulasten von Gesch盲ftskontinuit盲t, Zuverl盲ssigkeit und Skalierbarkeit.

Konkret umfassen die Zusagen folgende Anpassungen:

Mehr Wahlfreiheit bei Wartung und Support

麻豆原创 ist bewusst, dass Kunden, die 麻豆原创-On-Premise-Software betreiben, Wahlfreiheit und Flexibilit盲t w眉nschen, um ihre Wartungsvereinbarungen an die Arbeitsweise ihres Unternehmens anzupassen. Deshalb erweitert 麻豆原创 die M枚glichkeiten der Kunden zur Strukturierung von 麻豆原创-Systemlandschaften: 麻豆原创 stellt klare, schlanke Rahmenbedingungen auf, nach denen die Landschaft in separate Teile 鈥� sogenannte kommerzielle Installationen aufgeteilt werden kann. F眉r diese k枚nnen Kunden jeweils einen 麻豆原创-Support-Level w盲hlen, auf Support verzichten oder f眉r die jeweilige Installation andere Optionen au脽erhalb des 麻豆原创-Support nutzen. Unternehmen erhalten damit noch mehr Spielraum, ihre On-Premise-Supportvereinbarungen 眉ber verschiedene Teile ihrer 麻豆原创-Umgebung hinweg so zu gestalten, dass sie zu ihren operativen und kommerziellen Priorit盲ten passen. So k枚nnen sie ihre Wartungs- und Supportstrategie entsprechend ihrer strategischen Positionierung und ihrer k眉nftigen individuellen Gesch盲ftsentwicklung ausgestalten.

Mehr Flexibilit盲t bei ungenutzten Lizenzen

麻豆原创 bietet bereits bisher Programme, mit denen Kunden ungenutzte Lizenzen besser nutzen k枚nnen 鈥� etwa durch die Umwidmung von On-Premise-Lizenzen in Cloud Subscriptions, in andere On-Premise-Lizenzen oder durch deren K眉ndigung. Durch erg盲nzende Zusagen bietet 麻豆原创 nun noch mehr Flexibilit盲t f眉r Kunden, um Lizenzen in objektiv begr眉ndeten F盲llen zu k眉ndigen. Dazu z盲hlen erhebliche Personalreduzierungen, Softwareprodukte in kundenspezifischer Wartung, Insolvenz, Ver盲u脽erungen sowie F盲lle nicht erfolgreicher Implementierungen.

麻豆原创 erweitert au脽erdem den Zugang zu Single-Metric-Vertr盲gen, die eine alternative und h盲ufig einfachere M枚glichkeit bieten, die Lizenzgeb眉hren zu berechnen, auf deren Grundlage Wartungs- und Supportgeb眉hren beruhen. Die breitere 痴别谤蹿眉驳产补谤办别颈迟 dieser Vertr盲ge schafft f眉r Kunden eine noch transparentere und besser planbare Basis zur Steuerung laufender Kosten. Die Wartungs- und Supportgeb眉hren f眉r Single-Metric-Vertr盲ge skalieren mit der jeweiligen Single Metric und lassen sich dadurch besser an ver盲nderte Gesch盲ftsbedingungen anpassen.

Einfachere Vertragsbedingungen und Richtlinien

Klare Vertragsbedingungen und Richtlinien sind f眉r Kunden entscheidend, wenn sie langfristige Technologieentscheidungen treffen. Im Rahmen der Zusagen wird 麻豆原创 zentrale Vertragsbestimmungen und anwendbare Richtlinien weiter pr盲zisieren. Das schafft zus盲tzliche Planbarkeit und gibt Kunden mehr Sicherheit bei der Planung ihrer Supportverpflichtungen, w盲hrend sie ihre 麻豆原创-Landschaften weiterentwickeln.

Einfachere Bedingungen f眉r zur眉ckkehrende Kunden

Wenn Kunden zu 麻豆原创 Wartung und Support zur眉ckkehren, profitieren sie von Innovationen und Korrekturen, die in der Zwischenzeit bereitgestellt wurden. Die Zusagen f眉hren wesentliche Verbesserungen der Bedingungen f眉r Kunden ein, 麻豆原创-Wartung und Support nach einer Unterbrechung wieder aufnehmen.

麻豆原创 wird f眉r zur眉ckkehrende Kunden keine Verwaltungsgeb眉hren erheben und die Back-Maintenance Fee auf den niedrigeren Wert aus sechs Monaten oder 50 Prozent der Geb眉hren f眉r den Zeitraum ohne Wartung begrenzen. Dar眉ber hinaus wird eine definierte Gruppe veralteter Produkte keine Back Maintenance ausl枚sen. Diese Verbesserungen schaffen zus盲tzliche Sicherheit, dass die R眉ckkehr zu 麻豆原创-Wartung und -Support einfach und kosteneffizient m枚glich ist.

Die Zusagen wurden in enger und konstruktiver Abstimmung mit der Europ盲ischen Kommission entwickelt ebenso wie im Austausch mit 麻豆原创-Kundenvertretern, darunter die Deutschsprachige 麻豆原创-Anwendergruppe (DSAG):

鈥濧us Sicht der DSAG-Mitgliedsunternehmen ist dies ein wichtiger Schritt in die richtige Richtung. Die bereitgestellte Flexibilit盲t wird mehr Kunden dabei helfen, die richtigen Entscheidungen f眉r ihre 麻豆原创-Systemarchitektur zu treffen. Auch mit der Cloud-Strategie von 麻豆原创 ist es wichtig, selbst entscheiden zu k枚nnen, wie mit Systemen weiter verfahren wird, die weiterhin einen positiven Beitrag f眉r das Unternehmen leisten und bei denen kein Bedarf besteht, sie abzuschalten鈥�, sagte Jens Hungershausen, Vorstandsvorsitzender der DSAG. 鈥濿ir sehen diese Entwicklung als Ergebnis unseres Engagements f眉r den kontinuierlichen Dialog und die Partnerschaft zwischen 麻豆原创 und der Kunden-Community bei solchen Verbesserungen. Die Zusagen werden konkrete Vorteile f眉r Kunden bringen und das Vertrauen st盲rken, w盲hrend Wahlfreiheit und Flexibilit盲t der Kunden im Mittelpunkt bleiben.鈥�

Unsere Teams stehen bereit

Um eine reibungslose Umsetzung f眉r Kunden zu unterst眉tzen, werden 麻豆原创 Account Executives und kundennah arbeitende Teams umfassend zu den beschriebenen 脛nderungen informiert. Sie sind darauf vorbereitet, Kunden die Details zu erl盲utern, Fragen zu beantworten und die Zusagen auf faire, transparente und planbare Weise anzuwenden. Unabh盲ngig davon, ob Kunden ihre Systemlandschaft neu strukturieren, Single-Metric-Vertr盲ge pr眉fen, ungenutzte Lizenzen beenden oder die verbesserten Bedingungen f眉r die R眉ckkehr zu 麻豆原创 Support verstehen m枚chten, die 麻豆原创-Teams begleiten sie durch die einzelnen Schritte. 麻豆原创 wird zudem eine Clearing-Struktur einrichten, falls Kunden die Anwendung dieser neuen Regeln 眉berpr眉fen lassen m枚chten.

Ausblick

麻豆原创 will Unternehmen mit Enterprise Software und Services unterst眉tzen, die sie ben枚tigen, um sich in ihrem eigenen Tempo zu einem KI-gest眉tzten autonomen Unternehmen weiterzuentwickeln. Wir setzen uns f眉r Wahlfreiheit unserer Kunden ein und arbeiten kontinuierlich daran, ein offenes, dynamisches 脰kosystem f眉r Partner und Kunden zu erhalten. Die Zusagen sind das Ergebnis eines konstruktiven und kooperativen Austauschs mit der Europ盲ischen Kommission. Sie sollen unserer globalen Kundenbasis konkrete und sp眉rbare Vorteile bringen. Wie oben beschrieben, beziehen sich die Zusagen auf unsere Wartungs- und Supportservices f眉r On-Premise-L枚sungen. Unsere Cloud-Angebote entwickeln sich durch kontinuierliche Innovationen in Bereichen wie 麻豆原创 S/4HANA Cloud, RISE with 麻豆原创 und unserem breiteren Cloud-Portfolio weiter und sind von diesen 脛nderungen nicht betroffen. Die zus盲tzliche Klarheit und Flexibilit盲t unterst眉tzen Kunden dabei, sich in ihrem eigenen Tempo zu einem KI-gest眉tzten autonomen Unternehmen weiterzuentwickeln.

Wir sind 眉berzeugt, dass diese Zusagen einen neuen Ma脽stab f眉r kundenorientierte Regelungen in der Unternehmens-Software-Branche setzen.

Vollst盲ndige Details zu den Zusagen, einschlie脽lich der Bedingungen f眉r Ihre Anwendung, finden Sie unter

Der vollst盲ndige Text der Zusagen, wie er von der Europ盲ischen Kommission angenommen wurde, ist au脽erdem auf der Wettbewerbswebsite der Kommission unter der Fallnummer AT.40823 verf眉gbar

Wir freuen uns darauf, den Gesch盲ftserfolg unserer Kunden auch k眉nftig zu unterst眉tzen.

Von Stefan Steinle, Executive Vice President und Head of Global Customer Support, 麻豆原创

The post 麻豆原创 entwickelt Wartungs- und Supportregelungen weiter und schafft zus盲tzliche Flexibilit盲t f眉r Kunden appeared first on 麻豆原创 News Center.

Wer ein Musterbeispiel daf眉r sucht, wie eine Migration in die Cloud viel mehr leisten kann als Vereinfachung und Standardisierung, der sollte einen genauen Blick auf Swarovski werfen. Der legend盲re Hersteller von handgeschliffenem Kristallglas, Schmuck und Uhren 鈥� urspr眉nglich aus dem 枚sterreichischen Wattens in Tirol 鈥� transformierte seine IT-Landschaft vom Kostenfaktor zum strategischen Werkzeug f眉r eine digitale Zukunft.

Gesteuert hat den Wandel Lea Sonderegger, in Personalunion CDO und CIO bei Swarovski, und das mit so gro脽em Erfolg, dass sie im Rahmen der Auszeichnung des CIO des Jahres des CIO Magazins im vergangenen Oktober mit dem Sonderpreis 鈥濩loud Excellence鈥� in der Kategorie Gro脽unternehmen geehrt wurde.

Preisw眉rdig fanden die Juroren unter anderem ihren Brownfield-Ansatz: Swarovski-Mitarbeiter nutzen die 麻豆原创 Cloud ERP Private-Plattform in der Cloud, bedienen sich dabei aber zun盲chst weiter der gewohnten Prozesse und Datenbanken. Deren komplette Neugestaltung parallel zur Migration w盲re zu riskant und kostenintensiv gewesen. Au脽erdem h盲tte das die Projektlaufzeit erheblich verl盲ngert, davon ist Lea Sonderegger 眉berzeugt.

25.000 Tests mit 600 Beteiligten

Zumal auch der Brownfield-Ansatz viel Zeit und noch mehr Ressourcen ben枚tigte. Die Vorbereitung dauerte zwei Jahre, in denen mehr als 600 Beteiligte rund 25.000 Tests durchf眉hrten. Zwei Generalproben mit strenger Governance stellten sicher, dass jede Funktion und jeder Datenpunkt bereit war f眉r die Migration.

F眉r das Go-Live am 20. April 2026 reservierten Lea Sonderegger und ihre Kolleginnen ein 66-st眉ndiges Konvertierungsfenster. In dieser Zeit pausierten s盲mtliche globalen IT-Prozesse bei Swarovski. In der anschlie脽enden sensiblen Hypercare-Phase stellte ein 24/7-Support sicher, dass etwaige Probleme sofort bearbeitet werden konnten. Der 脺bergang verlief 鈥� auch deshalb 鈥� reibungslos, s盲mtliche Prozesse funktionierten im Anschluss an das Konvertierungsfenster wieder ohne Probleme. 

Vereinfachung und Standardisierung sorgt f眉r konsistente Daten

Trotz des hohen Aufwands war diese Migration nur der erste Schritt. Denn der Wechsel zu 麻豆原创 Cloud ERP Private schuf zwar die technische Basis, f眉r zus盲tzliche Wertsch枚pfung sorgen aber die  Folgeinvestitionen. Diese konzentrieren sich auf  eine schrittweise Reduzierung der Komplexit盲t durch Konsolidierung von fragmentierten L枚sungen, auf die Neubewertung von benutzerspezifischem Code und auf die Harmonisierung von Daten 鈥� immer mit dem 眉bergeordneten Ziel, eine koh盲rentere und besser handhabbare ERP-Landschaft zu schaffen.

Um dies zu erreichen, werden Lea Sonderegger und ihr Team benutzerspezifische Anwendungen Step by Step durch 麻豆原创-Standardl枚sungen ersetzen und individuelle Entwicklungen nur dort beibehalten, wo sie klare Vorteile bieten. 鈥濪ie Kombination von Vereinfachung und R眉ckkehr zu Standardl枚sungen verbessert die Datenkonsistenz, sorgt f眉r stabile, zuverl盲ssige Prozesse und macht unsere ganze Organisation am Ende agiler鈥�, so Sonderegger.

Die Cloud-Technologie dient keinem Selbstzweck

Indem 麻豆原创 Cloud ERP Private zentrale Funktionen wie Finance, Supply Chain Management, Retail und E-Commerce integriert abbildet und gemeinsam nutzbar macht, sorgt die Plattform f眉r verl盲ssliche Prozesse und eine konsistente Datenqualit盲t, erm枚glicht zugleich Kundenerlebnisse auf ganz unterschiedlichen Frontend-L枚sungen auch diesseits des ERP-Systems.

麻豆原创 Cloud ERP Private verwaltet bei Swarovski ein vielf盲ltiges Produktsortiment 眉ber verschiedene Regionen und Preisklassen hinweg und integriert die von anderen 麻豆原创- und Nicht-麻豆原创-Systemen bereitgestellten Planungsergebnisse nahtlos.

鈥濪ie Cloud-Technologie erf眉llt bei alldem f眉r uns niemals einen Selbstzweck, sondern sie ist ein Hebel, um Effizienz, Resilienz und Innovationsf盲higkeit zu steigern鈥� 鈥� diese Feststellung ist Lea Sonderegger wichtig.  

Alle begreifen das IT-Projekt auch als Business-Transformation

Unterm Strich gelang es Lea Sonderegger und ihrem Team, das Projekt p眉nktlich im anvisierten Kostenrahmen umzusetzen, weil sein Umfang sehr klar definiert war und eine strenge Disziplin beim 脛nderungsmanagement jedes Aufbl盲hen verhinderte. Dar眉ber hinaus profitierte das Unternehmen nat眉rlich auch von der Erfahrung seines Implementierungspartners 麻豆原创 Consulting und dessen uneingeschr盲nktem Zugang zu 麻豆原创-Know-how.

Das Beispiel Swarovski belegt, dass auch eine notwendige, unvermeidliche Migration viel mehr leisten kann und sollte, als Risiken zu vermeiden und Instandhaltungskosten zu senken. Die Einf眉hrung von 麻豆原创 Cloud ERP Private war hier zwingend, weil 麻豆原创 ECC am Ende seines Lebenszyklus angekommen war. Und sie weist dem Luxuswaren-Hersteller den Weg in die Zukunft, weil alle Beteiligten den Prozess vom ersten Tag an nicht nur als IT-, sondern auch und vor allem als Business-Transformation verstanden, an der sich hunderte Experten aus unterschiedlichen Fachbereichen beteiligten 鈥� und die von Beginn an die volle Unterst眉tzung des Managements hatte.

Mit KI erstellte Nachfrageprognosen optimieren die Lagerbest盲nde

F眉r seine Umsetzung spielt auch K眉nstliche Intelligenz eine zentrale Rolle 鈥� mit 麻豆原创 Cloud ERP Private als operatives R眉ckgrat eines KI-脰kosystems, das zuverl盲ssige Echtzeitdaten und stabile, standardisierte Transaktionsprozesse liefert.

Wobei Swarovski K眉nstliche Intelligenz nicht als eigenst盲ndige Technologie nutzt, sondern als integrierte F盲higkeit, die Gesch盲ftsprozesse funktions眉bergreifend erg盲nzt. So setzt das Unternehmen KI bereits f眉r Nachfrageprognosen ein, auf deren Basis man Lagerbest盲nde 眉ber Regionen hinweg optimieren und so das Kundenerlebnis verbessern kann.

Und die Initiative AI Agent Factory erm枚glicht es, mithilfe von KI-Agenten Daten aus 麻豆原创 Cloud ERP Private mit solchen aus Nicht-麻豆原创-Systemen Szu verkn眉pfen 鈥� immer mit dem Ziel 鈥瀝epetitive Aufgaben zu automatisieren, die Entscheidungsfindung zu unterst眉tzen und die Produktivit盲t entlang der gesamten Wertsch枚pfungskette zu steigern鈥�, wie Lea Sonderegger betont.

The post Luxus auf Wolke sieben: Wie Swarovski ihr Business fit macht f眉r die Zukunft appeared first on 麻豆原创 News Center.

Beispielhaft f眉r diese Entwicklung steht die Audiomarke Victrola. Seit seiner Gr眉ndung im Jahr 1906 hat sich zu einem globalen Unternehmen weiterentwickelt, dessen Plattenspieler Kultstatus genie脽en und das f眉r seine modernen Audioprodukte bekannt ist. Erkl盲rtes Ziel von Victrola ist es, allen Menschen unvergessliche musikalische Erinnerungen zu erm枚glichen.

Als das Unternehmen seine Vertriebskan盲le ausweitete, stie脽 das bestehende ERP-System an seine Grenzen. Zwar lief das 麻豆原创-ECC-System (麻豆原创 ERP Central Component) weiterhin stabil und hatte dem Unternehmen im Lauf der Jahre gute Dienste geleistet, doch um seine ehrgeizigen Ziele zu erreichen, ben枚tigte Victrola eine bessere Skalierbarkeit und mehr Flexibilit盲t. Laut Adam Schneider, SVP of Digital Strategy bei Victrola, stand dabei nicht nur die Aufrechterhaltung des Betriebs im Vordergrund, sondern auch die Schaffung einer Grundlage, mit der Innovationen unterst眉tzt werden k枚nnen. 鈥濿ir brauchten etwas, das unsere Kreativit盲t bei Victrola befl眉gelt鈥�, erkl盲rt er. Und 麻豆原创 Cloud ERP war daf眉r bestens geeignet.

Das Credo von Victrola: Packen wir es an!

Mit dem Umstieg auf die Public Cloud hatte Victrola zum einen Zugriff auf die neuesten Technologien, zum anderen aber auch die M枚glichkeit, seine Prozesse anzupassen. Das Team nutzte das Transformationsprojekt deshalb, um einen Cloud-First-Ansatz umzusetzen und das System von Grund auf neu zu gestalten.

鈥濨ei unseren Besprechungen lautet unser Credo stets: Packen wir es an! Den Fistbump sieht man bei Victrola h盲ufig, wir m枚gen ihn einfach. Das hilft uns wirklich, uns voll und ganz auf den Wandel zu konzentrieren鈥�, f眉hrt Adam Schneider aus.

Das Projektteam legte seinen Schwerpunkt auf das Change Management und kommunizierte offen die Gr眉nde f眉r die Umstellung auf die Cloud und die Vorteile, die sich das Unternehmen davon erhofft. Die Begr眉ndung sei sehr wichtig gewesen, erkl盲rt Adam Schneider, und alle seien 鈥瀉uf die Neuerungen gespannt鈥� gewesen.

Entscheidend war auch, dass das Team die Gesch盲ftsf眉hrung in den Prozess mit einbezog und sich ihre Unterst眉tzung sicherte, da man sich in der F眉hrungsetage Sorgen um m枚gliche Betriebsunterbrechungen im umsatzst盲rksten Quartal von Victrola machte. Um diese Bedenken auszur盲umen, stellte das Team sicher, dass das Transformationsprojekt von den Fachabteilungen geleitet wird und rund 75 % der F眉hrungskr盲fte von Victrola daran mitwirkten.

Um Betriebsunterbrechungen zu vermeiden und Vertrauen in die Stabilit盲t des neuen Systems aufzubauen, wurde au脽erdem ein Partner hinzugezogen, der umfassende Kenntnisse im Bereich 麻豆原创 Cloud ERP in das Projekt einbrachte. Dieser Partner sollte auch m枚glichst gut zu der besonderen Unternehmenskultur von Victrola passen, die von Offenheit und Musikinteresse gepr盲gt ist, so Adam Schneider. Mit war der richtige Partner gefunden.

鈥濿ir wollten jemanden, der betriebswirtschaftliche Kenntnisse im Bereich Public Cloud mit einbringen kann鈥�, f眉hrt er aus. 鈥瀂eitlich konnten wir es uns nicht leisten, dass sich unser Partner erst im Projekt selbst mit den Einzelheiten vertraut macht. Das Know-how in Sachen Public Cloud hat deshalb eine entscheidende Rolle gespielt.鈥�

Dank eines sorgf盲ltig zusammengestellten Teams wurde der Umstieg von Victrola auf die Public Cloud von Stakeholdern im gesamten Unternehmen, 麻豆原创 und Reply optimal begleitet und unterst眉tzt.

Anpassung der Grundlage an die Anforderungen von Victrola

Die umfasste die Auftragsabwicklungs- und Finanzprozesse sowie die Abl盲ufe in Gro脽lagern. Durch eine strategische Planung der eigentlichen Implementierung sollte eine 脺berlastung des Teams im umsatzstarken vierten Quartal vermieden werden. Insgesamt nahm das Implementierungsprojekt etwa sechs Monate in Anspruch. Adam Schneider berichtet, dass sich die Fachbereiche nach und nach an das neue System gew枚hnten: Im ersten Monat wuchs das Vertrauen und vier Monate nach der Einf眉hrung war ein normaler Betrieb mit kontinuierlicher Optimierung m枚glich.

Aufgrund von 脛nderungen in der Organisationsstruktur, was das Datenmanagement betraf, und infolge des Greenfield-Charakters des Cloud-Systems entschied sich Victrola gegen eine Migration seiner historischen Daten. Dadurch konnte das Unternehmen technische Altlasten und Komplexit盲t in der neuen Umgebung vermeiden. Dar眉ber hinaus konnten veraltete Anpassungen durch Fit-to-Standard-Workshops weitgehend beseitigt werden.

鈥濿ir wollten ein System, das sich gemeinsam mit uns anpassen kann und das so einfach oder so komplex ist, wie wir es brauchen鈥�, erl盲utert Adam Schneider.

Mit dem neuen Cloud-System profitiert Victrola von gr枚脽erem Vertrauen in die Datengenauigkeit und einer flexiblen Berichterstellung. Die Finanzprozesse konnten deutlich verbessert werden: F眉r die Gewinn- und Verlustrechnung werden statt vier Stunden nur noch 10 bis 15 Minuten ben枚tigt. Durch schnellere Abschl眉sse und einfachere Margenanalysen kann Victrola agiler handeln, fundierte Entscheidungen treffen und bessere Ergebnisse erzielen.

鈥濿ir haben gr枚脽eres Vertrauen in unsere Daten, da wir die Umr眉stung unserer Landschaft und unserer Datengrundlage sorgf盲ltig geplant haben鈥�, zeigt sich Adam Schneider zufrieden. Durch die Umgestaltung des Datenmanagements und der Transaktionen ist es Victrola gelungen, den Zeitaufwand f眉r Aufgaben im Finanzwesen um 眉ber 250 Stunden zu verringern.

Pl盲ne f眉r die Zukunft

Mit dem Umstieg von Victrola auf die Public Cloud sind dem Wachstum und der Innovationskraft des Unternehmens keine Grenzen mehr gesetzt. 鈥濨ei der Planung unserer KI-Strategie bereitet mir unser System nun keine Sorgen mehr鈥�, erkl盲rt Adam Schneider. 鈥濿ir k枚nnen jetzt eine KI-Strategie auf ein hochmodernes System anwenden, das von 麻豆原创 umfassend unterst眉tzt wird.鈥�

Auf die Frage, was er Unternehmen raten w眉rde, die 眉ber eine Umstellung auf die Cloud nachdenken, antwortet Adam Schneider, dass es nie den perfekten Zeitpunkt gibt, um damit zu beginnen. Man sollte jedoch keine Angst vor einer Transformation haben, sondern sie als Chance begreifen.

鈥濵einer Meinung nach wird es nie einen perfekten Zeitpunkt geben, um eine solche Transformation in Angriff zu nehmen鈥�, res眉miert er. 鈥濿enn die ersten Schritte geschafft sind, f盲ngt man an, die damit verbundenen M枚glichkeiten wirklich zu nutzen und ein gutes Gef眉hl dabei zu haben. Dann kann man sagen: ,Es passiert, packen wir es an.鈥樷��

M枚chten Sie mehr dar眉ber erfahren, wie 麻豆原创 die Umstellung von 麻豆原创听ECC auf 麻豆原创听Cloud ERP unterst眉tzt?听.

Foto mit freundlicher Genehmigung von Victrola.

The post Victrola kurbelt durch die Umstellung auf die Public Cloud sein Wachstum an appeared first on 麻豆原创 News Center.

Alle sind in die agentengesteuerte Toolchain eingebettet und tragen dazu bei, den Aufwand f眉r ERP-Migrationen zu verringern. 麻豆原创听Cloud听ALM dient zudem als zentrale Plattform f眉r die operative 脺berwachung von KI-Agenten im neuen 麻豆原创听AI Agent Hub. Damit k枚nnen Kunden Agentensitzungen nachverfolgen, die Zielerreichung 眉berwachen und den gesamten Lebenszyklus von KI-Agenten in ihrer Unternehmenslandschaft steuern. F眉r Kunden er枚ffnen sich dadurch neue M枚glichkeiten, ihre 麻豆原创-Landschaft zu transformieren. 麻豆原创听Cloud听ALM bildet daf眉r die Grundlage.

KI-gesteuerte Transformation im Mittelpunkt

Diese Ank眉ndigungen r眉cken die KI-gesteuerte Transformation in den Mittelpunkt, und sie sind besonders relevant, weil die Standardwartung f眉r den 麻豆原创 Solution Manager am 31. Dezember 2027* endet. Viele Kunden wechseln bereits jetzt zu 麻豆原创 Cloud ALM, um wettbewerbsf盲hig und zukunftsf盲hig zu bleiben. Die 麻豆原创 empfiehlt, den 脺bergang zu 麻豆原创 Cloud ALM vor diesem Datum abzuschlie脽en.

Wir sind stolz darauf, dass der 麻豆原创 Solution Manager 眉ber zwei Jahrzehnte lang Tausende von Kunden hervorragend unterst眉tzt hat. Als zentraler Bestandteil der Supportangebote der 麻豆原创 hat die L枚sung alle notwendigen Funktionen f眉r Governance, 脺berwachung und Lebenszyklusmanagement bereitgestellt, die zur Unterst眉tzung gesch盲ftskritischer Landschaften erforderlich sind.

Nach 25 Jahren hat sich das Gesch盲ftsumfeld, f眉r das die L枚sung entwickelt wurde, grundlegend gewandelt. Unternehmen erneuern sich heute kontinuierlich, skalieren weltweit, setzen KI ein, stellen ein sauberes Kernsystem sicher und erzielen Gesch盲ftsergebnisse mit nie dagewesener Geschwindigkeit. Auch haben sich die Erwartungen des Marktes ge盲ndert. Technologie-Stacks laufen auf einer cloudf盲higen Architektur und das Umsatzpotenzial von Unternehmen hat exponentiell zugenommen. Diese Gegebenheiten erfordern einen grundlegend anderen Ansatz und Funktionsumfang f眉r das Application Lifecycle Management. 麻豆原创 Cloud ALM wurde genau vor diesem Hintergrund entwickelt. Als native Cloudl枚sung, die mit 麻豆原创 Enterprise Support oder einem beliebigen Cloud-Abonnement der 麻豆原创 ausgeliefert wird, schlie脽t sie die L眉cken, mit denen moderne Unternehmen in einer zunehmend dynamischen digitalen Landschaft konfrontiert sind.

Alle f眉r den 脺bergang von 麻豆原创 Solution Manager zu 麻豆原创 Cloud ALM erforderlichen Informationen stehen auf der Seite zur Verf眉gung. Dort finden Sie die wichtigsten Tools f眉r einen nahtlosen 脺bergang und Empfehlungen, die auf Ihrer aktuellen Landschaft, Ihren Projektpl盲nen und Ihren betrieblichen Anforderungen basieren. Dar眉ber hinaus bietet die Seite gezielte .

Was nun beim 脺bergang von 麻豆原创 Solution Manager zu 麻豆原创 Cloud ALM zu tun ist

• Fordern Sie Ihren 麻豆原创-Cloud-ALM-Tenant in  an.
• Nehmen Sie an der teil 鈭� einer 90-min眉tigen Einf眉hrung f眉r einen schnellen Einstieg in 麻豆原创 Cloud ALM. 
• F眉hren Sie das f眉r 麻豆原创 Cloud ALM aus, um ein genaues Bild Ihrer aktuellen 麻豆原创-Solution-Manager-Umgebung und Empfehlungen f眉r Ihre Umstellung zu erhalten. 
• Vertiefen Sie Ihr Wissen 眉ber das , und nehmen Sie an unseren teil. 
• Abonnieren Sie den monatlichen , um 眉ber Innovationen, Tipps und Anwendungsf盲lle auf dem Laufenden zu bleiben. 

Das Ende der Standardwartung f眉r 麻豆原创 Solution Manager ist an sich ein Aufruf zum Handeln, aber nicht das prim盲re Gesch盲ftsanliegen. Der eigentliche Grund f眉r einen Wechsel liegt im Mehrwert, den 麻豆原创 Cloud ALM mit sich bringt: schnellere Implementierungen, KI-gest眉tzter und zunehmend autonomer Betrieb, laufende Innovationen im Funktionsumfang, geringere Gesamtbetriebskosten 鈥� und eine Plattform, die von Grund auf f眉r moderne Cloud-Umgebungen konzipiert wurde. W盲hrend jeder digitale Kontaktpunkt um Sie herum modernisiert und auf Mehrwert optimiert wird, sollte Ihre ALM-Landschaft da nicht zur眉ckstehen.

Stefan Steinle ist Executive Vice President und Leiter des Bereichs Global Customer Support bei 麻豆原创.

*Details zu den Wartungsoptionen finden Sie in den 麻豆原创-Hinweisen 52505 und 3255311.

The post Den Umstieg von 麻豆原创 Solution Manager auf 麻豆原创 Cloud ALM planen appeared first on 麻豆原创 News Center.

Weniger M枚glichkeiten f眉r den Berufseinstieg 

Die Lage auf dem Arbeitsmarkt hat sich f眉r Bewerber mit weniger als f眉nf Jahren Berufserfahrung deutlich verschlechtert. Studien der 麻豆原创 zeigen, dass die Zahl der Stellenangebote in den zehn h盲ufigsten Einstiegspositionen im Jahr听2025 im Vergleich zu 2024 um 35听Prozent zur眉ckgegangen ist.*

Diesen R眉ckgang gegen眉ber dem Vorjahr begr眉nden HR-F眉hrungskr盲fte unter anderem mit Budgetbeschr盲nkungen, Einstellungsstopps und Unsicherheit hinsichtlich der Rentabilit盲t der Investition in Nachwuchskr盲fte, da KI zunehmend manuelle Routineaufgaben 眉bernimmt.  

Flut an Bewerbungen 

KI hat auch den Personalbeschaffungsprozess ver盲ndert: Angesichts der begrenzten Anzahl an Stellenangeboten nutzt mehr als die H盲lfte der jungen Bewerber KI bei der Jobsuche 鈥� ein Prozess, der sich im Durchschnitt 眉ber acht Monate hinzieht, wobei Bewerber oft mehr als 300 Bewerbungen einreichen.*

Auch das Personalwesen steht bei der Kandidatenauswahl unter Druck: Seit 2021 hat sich die Anzahl der Bewerber pro Einstiegsrolle verdoppelt. Zudem reicht eine hohe Anzahl von Bewerbern KI-generierte Lebensl盲ufe und Bewerbungen ein, sodass es zunehmend schwerer wird, verl盲ssliche Informationen zu den F盲higkeiten, der Eignung und dem Potenzial der Kandidaten herauszufiltern.听

Diese Situation ist sowohl f眉r die HR-Teams als auch f眉r die Bewerber belastend. Dazu kommt, dass der gesamte Prozess fehleranf盲llig und auf Dauer nicht tragf盲hig ist. Und f眉r Unternehmen, die nicht schnell genug handeln, kann dies weitreichende Folgen nach sich ziehen.  

Personalleiter 盲u脽ern Bedenken 

Spielt man das aktuelle Szenario bis zu seiner logischen Konsequenz durch, dann stellt sich die folgende Frage: Was passiert, wenn sich der Pool an Nachwuchskr盲ften irgendwann ersch枚pft? Personalverantwortliche sind sich dieses Risikos schon jetzt nur allzu bewusst. 鈥濿enn wir nicht mehr in junge Talente investieren, schaffen wir letztendlich unsere Pipeline an Nachwuchskr盲ften ab鈥�, so eine F眉hrungskraft, die f眉r weltweite Early-Talent-Programme bei einem Hightech-Unternehmen verantwortlich ist.*

Und ein Senior HR Director eines Hightech-Unternehmens kommentierte: 鈥濿enn wir uns weiter in diese Richtung bewegen und jungen Talenten keine M枚glichkeiten f眉r den Berufseinstieg bieten, wird es in Zukunft zu einem massiven Fachkr盲ftemangel kommen.鈥� 

Umfassende Einschnitte bei der Einstellung von Nachwuchskr盲ften f眉hren zu Qualifikationsl眉cken 鈥� und das wird sich sp盲ter r盲chen, denn Unternehmen wird es dadurch schwerfallen, intern Kompetenzen aufzubauen, Wissen zu erhalten und zuk眉nftige F眉hrungskr盲fte zu f枚rdern.  

Personalverantwortliche warnen insbesondere davor, dass die KI-Erfahrung junger Talente untersch盲tzt wird. Wenn Unternehmen die Kompetenz dieser Gruppe auf diesem Gebiet nicht begreifen, vers盲umen sie m枚glicherweise eine wichtige Chance, um KI-Innovationen zu erschlie脽en und die KI-Nutzung intern auszuweiten.  

Herausforderung angehen

Personalverantwortliche k枚nnen heute zielgerichteter und strategischer handeln und ihre Strategien f眉r die F枚rderung junger Talente von Grund auf neu gestalten. Mit dem richtigen Ansatz k枚nnen sich Unternehmen so Wettbewerbsvorteile sichern.

Dabei sollten sie in drei Schritten vorgehen: 

Schritt 1: Einstiegsrollen neu definieren 

Traditionell wurden Nachwuchskr盲fte haupts盲chlich mit sich wiederholenden Routineaufgaben betraut. In Kombination mit einem frustrierend langsamen Tempo beim beruflichen Vorankommen f眉hrt dies jedoch zu einer sinkenden Arbeitsmoral und nachlassendem Engagement.  

Deshalb ist eine bessere Strategie angebracht, denn die Art und Weise, wie Menschen arbeiten, wandelt sich rasant. Es ist nicht mehr zeitgem盲脽, Nachwuchskr盲ften l盲stige Routineaufgaben aufzutragen. Berufseinsteiger m眉ssen vielmehr die Chance haben, sich schnell weiterzuentwickeln und wichtige Aufgaben zu 眉bernehmen, die zur L枚sung gesch盲ftlicher Herausforderungen beitragen.  

Das Personalwesen hat die M枚glichkeit, Einstiegspositionen neu zu gestalten und Unterst眉tzung, Hilfestellung und Tools zu bieten, damit neue Mitarbeitende sinnvollere Arbeiten leisten k枚nnen. Dazu geh枚rt zum Beispiel, dass sie die passende Anleitung f眉r die Mitarbeit an wichtigeren Projekten erhalten, sich um Kunden k眉mmern und sogar von Anfang bis Ende f眉r bestimmte Prozesse verantwortlich sind. 

Dieser Ansatz erm枚glicht es jungen Talenten nicht nur, schneller einen positiveren Beitrag zum Unternehmen zu leisten, sondern f枚rdert in Kombination mit klaren Zielen, regelm盲脽igem Feedback und gelegentlichem Coaching auch die Motivation und die Einsatzbereitschaft. 

Schritt 2: Technologie als Grundlage f眉r Strategien 

Die Einstellung und F枚rderung von Nachwuchskr盲ften ist komplexer geworden 鈥� von der Auswertung KI-generierter Bewerbungen bis hin zur Neugestaltung von Rollen und der Erf眉llung von Zielen in einem sich schnell 盲ndernden Gesch盲ftskontext. Da sich die Arbeitsabl盲ufe von Berufseinsteigern ver盲ndern, ben枚tigen F眉hrungskr盲fte Tools, um die neuen Kompetenzen zu identifizieren, die f眉r langfristigen Erfolg notwendig sind, und um den Mehrwert ihrer Programme f眉r junge Talente aufzeigen zu k枚nnen.  

Und genau hier kommt Technologie ins Spiel. W盲hrend des Einstellungsprozesses kann Technologie Arbeitgeber dabei unterst眉tzen, in der Masse an KI-generierten Bewerbungen die Aspekte zu identifizieren, die wirklich wichtig sind, um bestimmte Kandidaten in die engere Auswahl nehmen und fundiertere Entscheidungen bei der Personaleinstellung treffen zu k枚nnen. Technologie kann auch helfen, mit anderen vielversprechenden Kandidaten, die sich beworben haben, in Kontakt zu bleiben 鈥� f眉r den Fall, dass sich wieder Gelegenheiten ergeben.  

Und wenn Nachwuchskr盲fte ihre Stelle angetreten haben, kann moderne Technologie dabei helfen, ihre Teilnahme an F枚rderprogrammen und ihre Fortschritte bei der Zielerreichung nachzuverfolgen. Sie bietet zudem individuelle Lernangebote und hilft dabei, die Rentabilit盲t der Investitionen in junge Talente aufzuzeigen.听In einem haben wir forschungsbasierte Empfehlungen zum Einsatz von Technologie bei der Auswahl und F枚rderung junger Talente zusammengestellt.听

Schritt 3: Business Case f眉r Nachwuchskr盲fte neu ausrichten 

Die Art und Weise, wie Nachwuchstalente arbeiten, durchl盲uft einen Wandel 鈥� genau wie die Technologien, die sie daf眉r nutzen. HR-F眉hrungskr盲fte sind sich deshalb einig, dass der bisherige Business Case f眉r die Investition in Berufseinsteiger 眉berdacht werden muss. Viele Unternehmen konzentrieren sich darauf, kritische Qualifikationsl眉cken zu schlie脽en und umfassende KI-Transformationsprojekte umzusetzen. Obwohl es Berufseinsteigern an Erfahrung fehlt, zeigen sie eine hohe Lernbereitschaft und wollen verstehen, wie sie effektiv mit KI arbeiten k枚nnen. 

Untersuchungen haben auch gezeigt, dass junge Talente durch die Nutzung von modernen Tools und Technologien viel schneller als zuvor in der Lage sind, Beitr盲ge zu wichtigen und wertsch枚pfenden Aufgaben zu leisten.   

Ein zeitgem盲脽er Business Case f眉r Nachwuchstalente zeichnet sich dadurch aus, dass der Fokus auf einer schnelleren Einbindung in sinnstiftende Arbeit, der Verringerung kritischer Kompetenzl眉cken und der Nutzung der KI-Kompetenzen von Berufseinsteigern liegt.  

Individuelle Strategie f眉r junge Talente entwickeln

Personalverantwortliche k枚nnen nicht unt盲tig dabei zusehen, wie das Potenzial einer KI-affinen Generation ungenutzt bleibt 鈥� sie m眉ssen jetzt die Weichen f眉r den Aufbau einer zukunftsf盲higen Belegschaft stellen. 

Weitere Informationen zu diesem Thema finden Sie in unserem Bericht 鈥炩��.听In unserer 惫别谤枚蹿蹿别苍迟濒颈肠丑别苍 wir im Laufe des Jahres die zweite Phase zwei dieser Studie.听

Dr. Autumn D. Krauss ist Chief Scientist bei 麻豆原创 SuccessFactors.

The post Zeit f眉r ein Umdenken bei der Einstellung und F枚rderung von Nachwuchskr盲ften appeared first on 麻豆原创 News Center.

Gerade im KI-Zeitalter kann es eine Herausforderung sein, mit dem rasanten Innovationstempo Schritt zu halten. F眉r viele Unternehmen besteht die gr枚脽te H眉rde darin, herauszufinden, wo und wie sie beginnen sollen, welche Technologien zu priorisieren sind, welche Investitionen erforderlich sind und ob die Technologien einen echten Mehrwert bieten. Das 麻豆原创 Discovery Center hilft dabei, diese Fragen zu beantworten.

Das ist eine Plattform, auf der potenzielle und bestehende 麻豆原创-Kunden die KI-L枚sungen von 麻豆原创听Business听AI erkunden k枚nnen. Hier finden sie vorgefertigte Anwendungen, Inhalte, Anwendungsf盲lle, Services, Referenzarchitekturen und Best Practices 鈥� und das alles kostenlos.

Das Self-Service-Portal bietet die M枚glichkeit, L枚sungen nicht nur zu erkunden, sondern auch ein Gef眉hl daf眉r zu bekommen, wie 麻豆原创-Software im eigenen Unternehmen eingesetzt werden k枚nnte. Tools zur Kosten- und ROI-Sch盲tzung fordern die Nutzer auf, organisationsspezifische Informationen einzugeben 鈥� etwa Anpassungen, Hyperscaler und Anzahl der Nutzer 鈥� und bieten konkrete, personalisierte Anwendungsf盲lle, die im Unternehmen vorgestellt werden k枚nnen. Auf Grundlage der aktuellen Plattformstrategie und Architekturlandschaft eines Unternehmens zeigen Reifegrad-Bewertungen den Nutzern konkret auf, welche Schritte sie als N盲chstes gehen sollten, um sich in Richtung eines autonomen Unternehmens weiterzuentwickeln.

Die Plattform umfasst au脽erdem sogenannte Missions 鈥� schrittweise Anleitungen zur Umsetzung von 麻豆原创-L枚sungen. Diese zeigen unter anderem, welche L枚sungen und Dienste ben枚tigt werden, wie die Architektur aussehen kann und wie andere Kunden bereits Mehrwert erzielen. F眉r KI stehen fast 400 Funktionen und Agenten zur Verf眉gung, die Kunden im 麻豆原创-Business-AI-Katalog erkunden k枚nnen.

Auf der 麻豆原创 Sapphire Orlando berichteten zwei Kunden, die das 麻豆原创 Discovery Center nutzen, welchen Mehrwert ihnen der Self-Service bietet und wie er sie bei der Entwicklung ihres Konzepts f眉r die digitale Transformation unterst眉tzt.

Agilent

ist ein weltweit f眉hrendes Unternehmen in den Bereichen Life Sciences, Diagnostik und angewandte Chemie. Das Unternehmen versorgt Labore mit analytischen Instrumenten, Software, Verbrauchsmaterialien und Dienstleistungen. Um manuelle Analysen und das zu sp盲te Erkennen von 脛nderungen bei Z枚llen und Compliance-Anforderungen zu vermeiden, wandte sich Agilent an das 麻豆原创听Discovery Center. 鈥濫ines unserer Grundprinzipien lautet: L枚sen Sie nicht das Problem, das bereits gel枚st wurde鈥�, 别谤办濒盲谤迟别 Manthan Peshne, Chief Enterprise Architect bei Agilent Technologies. Dank des 麻豆原创听Discovery Center konnte Agilent diesem Prinzip treu bleiben.

鈥濿ir haben uns im 麻豆原创 Discovery Center umgesehen und haben dabei einige gute Bausteine gefunden 鈥� im Wesentlichen in Form von Missions鈥�, berichtete Peshne. 鈥濿ir haben uns auch modulare Services angesehen, die wir zusammenstellen konnten. Es handelt sich nicht um eine fertige Komplettl枚sung, aber wir haben einen Anwendungsfall aus einer v枚llig anderen Branche gefunden, den wir nutzen konnten.鈥� Anhand einer Mission aus dem Bereich der 脰l- und Gasindustrie konnte das Team von Agilent herausfinden, wie ein KI-Agent unstrukturierte regulatorische Signale interpretiert, den zollrechtlichen Kontext herausfiltert, dessen Relevanz einsch盲tzt und diese bruchst眉ckhaften Informationen in konkret verwertbare Warnmeldungen umwandelt. Agilent fand nicht nur eine L枚sung f眉r sein Problem 鈥� dank der Mission im 麻豆原创 Discovery Center lie脽 sich das gesamte Projekt, vom Design Thinking bis zur Entwicklung, deutlich schneller starten und umsetzen.

鈥濵it dieser L枚sung haben wir nicht nur ein konkretes Problem gel枚st, sondern gleichzeitig eine Plattform geschaffen, die sich im ganzen Unternehmen einsetzen l盲sst. Das Ganze ist sozusagen ein Baukasten, den wir jetzt auch f眉r andere Szenarios nutzen k枚nnen 鈥� 眉berall dort, wo wir externe Eingaben oder Signale erfassen und in den Kontext der Agilent-Daten setzen m眉ssen鈥�, f眉gte Peshne hinzu.

Sutherland

听ist ein KI-gest眉tztes Unternehmen f眉r digitale Transformation, das Gesch盲ftsprozesse in gro脽em Ma脽stab konzipiert, ausf眉hrt und automatisiert 鈥� mit dem Ziel, seinen Kunden zu echten, messbaren Gesch盲ftsergebnissen zu verhelfen. Ein wesentlicher Teil davon umfasst die Entwicklung und produktive Bereitstellung von Agentic-AI-L枚sungen auf Basis f眉hrender Foundation-Modelle.

Das 麻豆原创 Discovery Center hat Sutherland den Ansto脽 f眉r viele Projekte gegeben. 鈥濧nstatt ein Minimalprodukt zu starten, um zu sehen, was das Problem ist und wo wir anfangen sollten, haben wir eine fertige L枚sung, auf der wir aufbauen k枚nnen鈥�, sagte Amar Busireddy, 麻豆原创 Enterprise Architect bei Sutherland Services. 鈥濪as verschafft uns je nach Szenario einen Vorsprung von etwa 20 bis 30 Prozent.鈥�

Eine Ausgangsbasis zu haben, st盲rke das Vertrauen, sagte Busireddy, und erm枚gliche es den Beratern von Sutherland, L枚sungen schneller zu entwickeln, was f眉r die Kunden eine schnellere Wertsch枚pfung bedeute. Besonders die Missions im 麻豆原创 Discovery Center h盲tten dabei geholfen: 鈥濿ir nutzen Missions, um die Weiterbildung unserer Berater anzukurbeln und um unsere Kunden bei der Implementierung zu unterst眉tzen鈥�, 别谤办濒盲谤迟别 Busireddy. Rund um Joule gibt es zahlreiche Missions 鈥� unter anderem zur Integration der KI-L枚sung mit 麻豆原创 SuccessFactors, 麻豆原创 Ariba und 麻豆原创 S/4HANA.

鈥濬眉r viele Probleme gibt es viele Referenzarchitekturen, die f眉r uns m枚glicherweise nicht ausreichen oder unsere Anforderungen nicht zu hundert Prozent erf眉llen, aber sie zeigen uns auf, was wir einsetzen sollten und was nicht. Auf dieser Basis k枚nnen wir Budget und Zeitrahmen planen鈥�, betonte er.

麻豆原创 Discovery Center: Die Ausgangsbasis

Die Erfahrungen von Agilent und Sutherland zeigen, dass das 麻豆原创 Discovery Center mehr ist als eine reine Wissensplattform 鈥� es ist ein Katalysator f眉r konkrete Ma脽nahmen. Mit praxisnahen Anleitungen, wiederverwendbaren Missions, Referenzarchitekturen und Planungstools zur Bewertung von Eignung, Kosten und Nutzen erm枚glicht die Plattform Unternehmen schnellere Innovationen, ohne bei null anfangen zu m眉ssen. Somit ist das 麻豆原创 Discovery Center der richtige Ausgangspunkt f眉r Unternehmen, die KI f眉r bessere Gesch盲ftsergebnisse nutzen m枚chten.

The post 麻豆原创 Discovery Center unterst眉tzt Kunden auf ihrem Weg zur KI appeared first on 麻豆原创 News Center.

Viele Unternehmen haben das Potenzial von K眉nstlicher Intelligenz erkannt 鈥� doch der entscheidende Schritt liegt darin, aus Interesse echten gesch盲ftlichen Mehrwert zu schaffen. Welche Anwendungsf盲lle bringen den gr枚脽ten Nutzen? Wie lassen sich KI-Funktionen nahtlos in Ihre 麻豆原创-Landschaft integrieren und aktivieren? Und wie gelingt es, KI sicher, verantwortungsvoll und skalierbar im gesamten Unternehmen einzusetzen?

Viert盲gige Lernreise vom Kennenlernen zur Adoption

Kunden und Partner erleben ein globales, virtuelles Event und profitieren vom Wissen unserer Expertinnen und Experten aus Business, Technologie und Architektur 鈥� von den ersten KI-Schritten bis zur erfolgreichen Skalierung.

Tag 1: Verstehen

Teilnehmende erhalten eine fundierte Einf眉hrung in zentrale Konzepte wie Joule, AI Literacy und agentenbasierte KI. Erg盲nzt wird das Programm durch Einblicke von fr眉hen 麻豆原创 Business AI Anwendern, die zeigen, wie der 脺bergang von ersten Experimenten zu messbaren Gesch盲ftsergebnissen gelingen kann. So k枚nnen Unternehmen den Zeitaufwand f眉r KI-Experimente deutlich reduzieren und das Risiko fehlerhafter Implementierungen verringern.

Tag 2: Identifizieren und aktivieren

Anhand von Live-Demonstrationen und praxisnahen Beispielen wird gezeigt, wie 麻豆原创 AI in Bereichen wie Finance, Supply Chain, Customer Experience und Consulting eingesetzt wird. Teilnehmende identifizieren relevante Use Cases und aktivieren KI-Funktionalit盲ten gezielt in ihrer 麻豆原创-Landschaft. Die gesch盲ftlichen Auswirkungen sind eine schnellere Identifikation von High-Value-Anwendungsf盲llen und eine reduzierte Aktivierungszeit f眉r embedded AI.

Tag 3: Bauen und experimentieren

Der Fokus liegt auf der Entwicklung und Erweiterung von KI-L枚sungen. Themen wie Joule Studio, Generative AI Hub, Document AI, AI Agents und MCP Server stehen im Mittelpunkt. Interaktive Formate wie 麻豆原创 CodeJam erm枚glichen es, eigene KI-L枚sungen zu entwickeln und direkt auszuprobieren. Unternehmen k枚nnen den Aufwand f眉r individuelle KI-Entwicklung reduzieren und die Time-to-Value f眉r neue L枚sungen verk眉rzen.

Tag 4: Vertrauen und skalieren

Es geht um den nachhaltigen Einsatz von KI im Unternehmen. Behandelt werden unter anderem die Joule-Architektur, Multi-Agenten-Systeme sowie Aspekte rund um Governance, Sicherheit und Betriebsmodelle 鈥� entscheidend f眉r eine erfolgreiche Skalierung von KI. Unternehmen profitieren von einer verbesserten Governance-Struktur und einer schnelleren unternehmensweiten KI-Adoption.

Ausf眉hrliche Informationen finden Sie .

F眉r alle, die KI erfolgreich umsetzen m枚chten

Das Programm richtet sich an Business-Verantwortliche, Entwickler, Berater, Enterprise Architects und Partner, die die Einf眉hrung von KI aktiv gestalten und vorantreiben. Es verbindet strategische Vision mit technischer Umsetzung und schafft eine Plattform f眉r bereichs眉bergreifenden Austausch.

Jetzt registrieren und das volle Potenzial von KI erschlie脽en

Die Teilnahme ist kostenfrei und die Anmeldung ist ab sofort m枚glich. Melden Sie sich noch heute an, sichern Sie sich Ihren Platz und w盲hlen Sie direkt die Sessions aus, die Sie interessieren.

The post 麻豆原创 AI Adoption and Learning Week: Der n盲chste Schritt zur KI-getriebenen Transformation appeared first on 麻豆原创 News Center.

Ausschlaggebend f眉r den erfolgreichen Einsatz von KI im Unternehmen ist nicht das Modell, sondern der Kontext: die F盲higkeit von KI, die Gesch盲ftsabl盲ufe zu verstehen. 

Wenn heute 眉ber KI gesprochen wird, geht es meist um Agenten, Modelle und Benchmarks. Welches Modell erzielt die besten Ergebnisse? Welches System f眉hrt die meisten Aufgaben aus? Welche Oberfl盲che ist am intuitivsten? Diese Faktoren sind zwar wichtig, l枚sen aber nicht die zentralen Herausforderungen von Unternehmen. 

Unternehmen f眉hren komplexe Arbeitsabl盲ufe aus, die sich 眉ber verschiedene Teams, Richtlinien, Genehmigungen, Berechtigungen und Daten erstrecken. Sie nutzen f眉r ihre Planung, Beschaffung, Produktion, Personaleinstellungen, Zahlungen und Dienstleistungen Systeme, die f眉r die Gesch盲ftsaktivit盲ten von zentraler Bedeutung sind. KI schafft nur dann dauerhaften Mehrwert auf breiter Basis, wenn sie innerhalb dieses Gef眉ges agiert. 

Modelle generieren Antworten. Ein Agent kann eine Aufgabe durchf眉hren. Aber das gen眉gt nicht, um die Gesch盲ftsprozesse eines Unternehmens zu steuern. Daf眉r muss man verstehen, wie Aufgaben ausgef眉hrt werden, wer berechtigt ist, Ma脽nahmen zu ergreifen, welche Regeln gelten und wie Entscheidungen 眉ber verschiedene Bereiche hinweg ineinandergreifen. Ohne diesen Kontext kann KI den Erwartungen nicht gerecht werden. 

Das ist nur ein Grund, warum ich davon 眉berzeugt bin, dass durch den Einsatz von KI Software mit umfassendem Gesch盲ftskontext um so wichtiger wird. Es erm枚glicht Unternehmen, die Arbeitsabl盲ufe ganz neu zu definieren. Wenn KI-Agenten durchg盲ngige Prozesse verstehen, k枚nnen sie bereichs眉bergreifend arbeiten, Workflows selbst盲ndig ausf眉hren und Ma脽nahmen in Echtzeit koordinieren. Anstatt nur einzelne Schritte zu automatisieren, kann KI Prozesse durchg盲ngig bewerkstelligen. Mitarbeitende werden damit von sich wiederholenden Abstimmungsaufgaben entlastet und k枚nnen sich auf wichtige Entscheidungen, Aufsichtst盲tigkeiten und Strategien konzentrieren. 

Wir bezeichnen das als das听autonome Unternehmen, ein grundlegender Wechsel von klassischen Unternehmenssystemen zu Systemen, die Schl眉sse ziehen, Entscheidungen treffen und handeln k枚nnen.听Eine Vision, bei der die 麻豆原创 eine Vorreiterrolle einnimmt.鈥�

Seit mehr als f眉nf Jahrzehnten bilden wir die Kernprozesse der weltweit f眉hrenden Unternehmen ab. In unseren Systemen werden nicht nur Daten gespeichert. Es wird auch festgeschrieben, wie Unternehmen arbeiten: ihre Prozesse, Regeln und Entscheidungen. Unsere ERP-Systeme sind das institutionelle Ged盲chtnis und das Gehirn vieler Unternehmen in s盲mtlichen Branchen auf der ganzen Welt.鈥疷nsere neue 麻豆原创鈥�Business AI Platform vereint diese Unternehmensdaten, Prozesse und Governance in einem einheitlichen Kontext f眉r KI. 

Auf dieser Basis ist Joule die Interaktionsebene, die Menschen mit KI verbindet und ihnen erm枚glicht, auf ganz neue Weise mit Software zu arbeiten.听Joule-Assistenten arbeiten mit Nutzern zusammen, w盲hrend Joule-Agenten Gesch盲ftsabl盲ufe durchg盲ngig ausf眉hren. So wird Intelligenz direkt in die Prozesse eingebettet und nicht nur zus盲tzlich aufgelegt.鈥疻ir nennen dies die听.听

鈥�Zeige mir, wie sich meine Finanzprognose f眉r das Jahr auf Grundlage der neuesten Daten zur Vertriebspipeline und Lieferkette 盲ndern k枚nnte.鈥� Auf den ersten Blick sieht dies wie ein einfacher Prompt f眉r ein gro脽es Sprachmodell aus. Aber ohne Verbindung zu Unternehmenssystemen ist die Antwort reine Spekulation. 

Ausgehend vom vollst盲ndigen unternehmensbezogenen Kontext ermittelt das System zun盲chst den richtigen Gesch盲ftsprozess aus Hunderten gesch盲ftskritischer Prozesse und versteht die spezifische Konfiguration, wie dieser Prozess im Unternehmen ausgef眉hrt wird. Anschlie脽end w盲hlt es aus Millionen von Datenfeldern, die in der gesamten ERP-Landschaft gespeichert sind, genau die richtigen Daten aus. Schlie脽lich werden bei jedem Schritt die Identit盲t, Berechtigung und der Zugriff gepr眉ft und sichergestellt, dass das Ergebnis korrekt, regelkonform und verl盲sslich ist. Auf diese Weise erhalten Unternehmen nicht nur allgemeine Antworten, die auf Wahrscheinlichkeiten beruhen, sondern treffen Entscheidungen, auf die sie sich verlassen k枚nnen. 

Um diesen Zustand zu erreichen, reicht es nicht aus, einfach einen Chatbot hinzuzuf眉gen oder KI nachtr盲glich in bestehende Systeme einzubinden. Viele Unternehmen arbeiten immer noch mit fragmentierten Landschaften, Daten, die 眉ber viele Systeme verteilt sind, und Prozessen, die durch jahrelange schrittweise Ver盲nderungen gepr盲gt sind. In diesem Umfeld sorgt KI nicht f眉r schnellere Fortschritte, sondern kann sogar Ineffizienz und Risiken erh枚hen. Unternehmen m眉ssen das Zusammenspiel aus Prozessen, Daten und Infrastruktur neu gestalten und die Verantwortung zwischen Menschen und KI klar definieren. Dies ist nicht nur ein technischer Umstieg. Es ist eine Aufgabe des Change Managements.鈥�&苍产蝉辫;

Neue Technologie schafft nur dann Mehrwert, wenn sie von wirklichen Ver盲nderungen begleitet wird. KI ist kein Ersatz f眉r eine Transformation. Sie erh枚ht den Nutzen einer erfolgreichen Transformation. Ihre Vorteile kommen nur dann voll zur Geltung, wenn alle Elemente des Systems 鈥� der Agent, der Prozess und der Mensch 鈥� nahtlos zusammenarbeiten. Anwender m眉ssen verstehen, wie sie mit KI-Agenten arbeiten k枚nnen, und Prozesse m眉ssen bewusst so gestaltet werden, dass Intelligenz dort integriert wird, wo Entscheidungen getroffen und Aufgaben durchgef眉hrt werden. 

Deshalb ist das Change Management von grundlegender Bedeutung. Es beinhaltet die Weiterbildung der Belegschaft, die Umgestaltung von Prozessen f眉r ihre direkte Verkn眉pfung mit Daten und KI und die Modernisierung der zugrunde liegenden System-Landschaft.鈥�&苍产蝉辫;

Aus diesem Grund f眉hren wir neue KI-gest眉tzten Angebote via RISE with 麻豆原创 und 麻豆原创鈥�GROW ein und passen unser Servicemodell an: um Unternehmen dabei zu unterst眉tzen, sich zu modernisieren, Ver盲nderungen zu meistern und in ihrem eigenen Tempo nachhaltigen Mehrwert durch KI zu schaffen.鈥�&苍产蝉辫;

Damit beginnt eine neue 脛ra der Unternehmenssoftware, in der Intelligenz nicht von den Abl盲ufen getrennt, sondern in sie eingebettet ist. Hier werden nicht die Unternehmen mit den fortschrittlichsten Modellen tonangebend sein, sondern diejenigen, die KI mit ihren eigentlichen Gesch盲ftsprozessen verkn眉pfen 鈥� mit Kontext und klarer Governance.鈥�&苍产蝉辫;

Dies ist der Anbeginn des autonomen Unternehmens und die 麻豆原创 ist bestens aufgestellt, um den Weg dorthin zu ebnen.鈥�&苍产蝉辫;

Christian Klein ist Vorstandsvorsitzender der 麻豆原创 鈥疭E.听

The post Die neue 脛ra der Unternehmens-KI听 appeared first on 麻豆原创 News Center.

Click the button below to load the content from YouTube.

Always allow YouTube

, unsere neue User Experience, gewinnt an Dynamik und treibt Verbesserungen f眉r unsere Kunden ma脽geblich voran. Kunden , verbessern , und .

麻豆原创 Business AI f眉r die IT und Entwickler

Code-Editor von Joule Studio und Joule-Studio-CLI

Aufbauend auf den transformativen Funktionen von Joule Studio Low-Code erweitert die 麻豆原创 die Joule-Studio-Familie um zwei leistungsstarke neue Angebote, die genau dort ansetzen, wo Entwickler arbeiten: der Code-Editor von Joule Studio, eine Erweiterung von Visual Studio Code IDE und die Joule-Studio-CLI, eine vielseitige Befehlszeilenschnittstelle. Zusammen bieten diese Tools eine einheitliche, KI-gest眉tzte Entwicklungserfahrung, die das gesamte Spektrum der Entwicklungspersonae und Pr盲ferenzen von Joule abdeckt.

• Der Code-Editor von Joule Studio bringt die Intelligenz von Joule direkt in Visual Studio Code, die weltweit beliebteste Entwicklungsumgebung, und unterst眉tzt Pro-Code-Entwickler mit KI-gef眉hrtem Ger眉st, kontextbezogener Code-Generierung, intelligenten Empfehlungen und nahtloser Integration mit Joule, ohne dass sie die bevorzugte IDE verlassen m眉ssen.听
• Die Joule-Studio-CLI erweitert diese Leistung auf das Terminal und erm枚glicht es Entwicklungs- und DevOps-Teams, die Projekterstellung zu automatisieren, Konfigurationen zu verwalten, Implementierungen durchzuf眉hren und CI/CD-Workflows 眉ber skriptf盲hige Befehlszeilenbefehle zu koordinieren听鈥� ideal f眉r Headless-Umgebungen, Automatisierungspipelines und Teams, die Geschwindigkeit und Pr盲zision in der Befehlszeile sch盲tzen.

Ausf眉hrliche Informationen finden Sie .

Joule mit 麻豆原创 Datasphere

Allgemeine 痴别谤蹿眉驳产补谤办别颈迟

Datenexperten, die in 麻豆原创 Datasphere arbeiten, k枚nnen nun informations-, navigations- und transaktionsbezogene Aufgaben durch eine nat眉rliche Konversation mit Joule erledigen. Unabh盲ngig davon, ob sie sich erkundigen, wie bestimmte Funktionen verwendet werden, ob sie Details zu einer 麻豆原创-Datasphere-Instanz abrufen oder Systemeinstellungen wie Spracheinstellungen 盲ndern m枚chten, erhalten Benutzer sofortige Antworten mit direkten Verweisen auf die Produktdokumentation. Joule kann Aufgaben sogar direkt aus der Konversation heraus ausf眉hren, ohne dass eine Interaktion mit der Standardoberfl盲che erforderlich ist. Diese direkte Ausf眉hrung verringert die Abh盲ngigkeit vom internen IT-Support und erm枚glicht eine schnellere, intuitivere Navigation auf der gesamten Plattform.

Ausf眉hrliche Informationen finden Sie .

麻豆原创 Document AI, Erweiterungen

Konfidenz auf Belegebene
Kunden legen nun Konfidenzbereiche f眉r Felder in der Funktion f眉r Schemas fest. Wenn Kunden Feldeinstellungen bearbeiten, k枚nnen sie ihre eigenen Schwellenwerte f眉r niedrige, mittlere und hohe Konfidenz definieren. Diese benutzerdefinierten Einstellungen spiegeln sich in den Extraktionsergebnissen wider, die f眉r die relevanten Felder auf dem Belegdetailbild angezeigt werden. Siehe und .

Erweitertes Transportmanagement
Kunden k枚nnen nun die Funktion f眉r Transporte verwenden, um Kan盲le und Workflows zu exportieren und zu importieren. Siehe .

Neue Schemas: Gesch盲ftspartner und Lieferschein f眉r WM
Die Servicepl盲ne Embedded Edition und Premium Edition unterst眉tzen nun auch die Standardbelegart  鈥濭esch盲ftspartnerbeleg鈥�. Eine Liste der unterst眉tzten Belegarten finden Sie unter . Erste Schritte mit 麻豆原创 Document AI, und .

Erweiterungen f眉r den Generative AI Hub in AI Foundation

Metadaten
Kunden k枚nnen nun Metadaten f眉r Dokumente, Sammlungen und Chunks verwalten, die mit dem Vektor-API erstellt wurden, um ein erweitertes Filtern und Organisieren ihrer Inhalte zu erm枚glichen. Weitere Informationen finden Sie unter .

Abruf-API
Kunden k枚nnen Suchergebnisse 眉ber mehrere Daten-Repositorys hinweg zusammenf眉hren und ordnen, indem sie die Nachbearbeitungsfunktionen der Abruf-API verwenden. Weitere Informationen finden Sie unter .

Prompt-Optimierungen
Benutzerdefinierte Metriken werden bei Prompt-Optimierungen unterst眉tzt, sodass Kunden Prompts basierend auf ihren spezifischen Bewertungskriterien definieren und optimieren k枚nnen. In Optimierungsaufgaben k枚nnen nur LLM-as-a-Judge-Metriken mit numerischen oder booleschen Ausgabearten verwendet werden. Weitere Informationen finden Sie unter und . Kunden k枚nnen separate Test- und Trainingsdatensets f眉r die Prompt-Optimierung bereitstellen. Weitere Informationen finden Sie unter .

Prompt-Registry
Die Prompt-Registry erm枚glicht es Kunden nun, Orchestrierungskonfigurationen deklarativ anzulegen und zu verwalten, sodass sie komplexe KI-Workflows zusammen mit ihren Prompts f眉r eine bessere Governance und Reproduzierbarkeit versionieren und verfolgen k枚nnen. Weitere Informationen finden Sie unter .

Geheime Schl眉ssel
Kunden k枚nnen nun generische geheime Schl眉ssel eingeben, indem sie ein Formular anstelle von JSON verwenden. Bei aktiviertem Dokument-Grounding wird das Formular im Dialogfeld Generischen geheimen Schl眉ssel hinzuf眉gen angezeigt. 脺ber ein Dropdown-Men眉 k枚nnen sie den Typ des Dokumente-Repositorys ausw盲hlen. Je nach Auswahl passen sich die 眉brigen Felder dynamisch an, sodass sie die Daten vervollst盲ndigen k枚nnen. Einige Felder sind bereits vorausgef眉llt. Wenn sie lieber direkt mit JSON arbeiten, k枚nnen sie per Klick auf das Symbol 顒� zur Codesicht wechseln. Weitere Informationen finden Sie unter .

Neu verf眉gbare Modelle
Es werden neue Modelle unterst眉tzt, einschlie脽lich OpenAI GPT 5.2, Gemini 3.0 Pro, Perplexity Deep Research und Anthropic Claude Opus 4.6.Weitere Informationen zu neuen und veralteten Modellen . .

麻豆原创 Joule for Developers, ABAP-KI-Funktionen, Erweiterungen

Mit den neuen ABAP-KI-Funktionen k枚nnen Entwickler mit einer Zeit- und Arbeitsersparnis von 20 Prozent beim Schreiben von ABAP-/JAVA-Code rechnen, von 25 Prozent beim Testen von ABAP-/JAVA-Code und mit einer um 4,4 Prozent schnelleren Wertsch枚pfung.

Ab diesem Quartal k枚nnen Entwickler nun auf einfache Weise ABAP-Unit-Tests f眉r Folgendes generieren:

• 脰ffentliche, gesch眉tzte und private Methoden globaler ABAP-Klassen
• 脰ffentliche Methoden lokaler Klassen innerhalb globaler Class-Pools

Siehe .

Dar眉ber hinaus k枚nnen Entwickler 眉ber den Dokumentations-Chat mit der Dokumentation im 麻豆原创 Help Portal interagieren und kontextbezogene Antworten und Links zu relevanter Dokumentation erhalten. Diese Funktion steigert die Produktivit盲t, indem sie einen schnellen Zugriff auf die zugeh枚rige Dokumentation direkt in der Entwicklungsumgebung bietet. Siehe .

Schlie脽lich k枚nnen Entwickler nun KI-gest眉tzte Erl盲uterungen zu ihren ATC-Befunden und ihrem Code in der App 鈥濫igenentwicklungen analysieren/Migration der Eigenentwicklungen鈥� erhalten. Siehe und .

Ausf眉hrliche Informationen finden Sie .

Jonathan von R眉den ist Chief AI Officer der 麻豆原创 SE.

* Haftungsausschluss: Dieser Artikel beschreibt die zu erwartenden Vorteile f眉r Unternehmen. S盲mtliche Berechnungen sind Sch盲tzwerte, denen Fallstudien von 麻豆原创-Kunden, 麻豆原创-Benchmarks und andere Untersuchungen zugrunde liegen. Die tats盲chlichen Vorteile k枚nnen variieren und durch zus盲tzliche Faktoren beeinflusst werden, die in diesem Artikel nicht ber眉cksichtigt werden. Die Informationen werden ohne jegliche Gew盲hr, weder ausdr眉cklich noch stillschweigend, bereitgestellt. 麻豆原创 眉bernimmt keinerlei Verantwortung f眉r Sch盲den im Zusammenhang mit der Nutzung dieses Artikels. Auf der Seite sind unter 鈥濺echtliche Hinweise鈥� Nutzungsbedingungen, Haftungsausschl眉sse, Pflichtangaben und Einschr盲nkungen f眉r dieses Material zu finden.

The post Highlights des Q1 2026 Release: 麻豆原创 Business AI f眉r die IT und Entwickler appeared first on 麻豆原创 News Center.

Wie unterst眉tzt 麻豆原创 Unternehmen dabei, ihre Gesch盲ftsprozesse intelligent, resilient und nachhaltig zu gestalten?听

Florian Kunzke: Viele Unternehmen nutzen heute zwar Cloud-L枚sungen, KI-Tools und unz盲hlige Dashboards, aber ihnen fehlt der Gesamt眉berblick. Urs盲chlich daf眉r ist selten die Technologie 鈥� sondern fehlende Integration. Digitale Transformation ben枚tigt End-to-End-Prozesse statt isolierter Optimierungen. 麻豆原创 stellt deshalb eine integrierte Suite bereit, die zentrale Unternehmensbereiche wie Finanzen, Einkauf und Personal auf einer gemeinsamen Datenbasis zusammenf眉hrt. Darauf aufbauend l盲sst sich K眉nstliche Intelligenz gezielt einsetzen, um Prozesse resilienter 听zu gestalten und zu automatisieren.

Wie erm枚glicht 麻豆原创 den Einsatz von KI entlang der gesamten Wertsch枚pfungskette?听

麻豆原创 macht das Potenzial generativer und agentischer KI in zentralen Prozessen nutzbar. Joule wird vom KI-Copiloten zum kontext-bewussten, adaptiven User Interface 眉ber alle 麻豆原创 Systeme hinweg 鈥� egal, ob lokal auf dem Desktop, als Web-Client oder auf dem Mobiltelefon. Joule setzt dabei auf den besten Sprachmodelle von Partnern wie Anthropic, Google oder Mistral auf, stattet sie mit einem Verst盲ndnis f眉r Gesch盲ftsobjekte wie Kostenstellen, Lieferanten oder Rechnungen aus, und navigiert sie zuverl盲ssig durch komplexe Prozesslogik. Auf diese Weise kann Joule Analysen erstellen, Workflows ansto脽en oder Transaktionen erledigen. 脺ber 42.000 Cloud-Kunden setzen diese Funktionen bereits produktiv ein.

Welche Rolle spielen heute Data Spaces und Business Technology Plattformen f眉r ein erfolgreiches Datenmanagement? 

Eine konsistente Systemlandschaft und ein moderner Data Stack sind entscheidend, um KI verl盲sslich zu skalieren. Die 麻豆原创 Business AI Platform fungiert als R眉ckgrat der Unternehmensprozesse. Sie verbindet Anwendungen, macht Daten aus 麻豆原创-Systemen und anderen Quellen f眉r KI-Anwendungsf盲lle nutzbar, hilft komplexe agentische Systeme zu navigieren und schafft ein Fundament f眉r Innovationen. Spezifische Data Spaces erm枚glichen zus盲tzlich Kooperationen zwischen Unternehmen, ohne dass Datenhoheit verloren geht . 麻豆原创 unterst眉tzt hier beispielsweise听Catena-X 鈥� ein offenes Daten枚kosystem f眉r die Automobilindustrie, das den sicheren und standardisierten Austausch von Daten entlang der Lieferkette erm枚glicht.

Warum setzt 麻豆原创 konsequent auf Partnernetzwerke 鈥� und wie profitieren Kundinnen und Kunden davon? 

麻豆原创 setzt bewusst auf ein starkes 脰kosystem statt auf Alleing盲nge. Die Partnerschaften mit f眉hrenden KI-Labs und Startups erh枚hen die Innovationsgeschwindigkeit. 麻豆原创 hat vor kurzem angek眉ndigt das Frontier-KI-Startup Prior Labs听眉bernehmen zu wollen, das uns nicht nur Zugang zu bahnbrechenden KI-Modellen f眉r strukturierte Daten verschaffen, sondern auch mit weltweit f眉hrenden KI-Forschern verst盲rken w眉rde. An anderer Stelle liefert etwa das Startup Vercel Technologie, um moderne, KI-native User Interfaces auf unserer Plattform zu bauen, w盲hrend die Zusammenarbeit mit n8n听 mehr Flexibilit盲t in der agentischen Automatisierung schafft. 麻豆原创 konzentriert sich auf das, was wir am besten k枚nnen, n盲mlich unternehmenskritische Prozesse intelligent steuern 鈥� und verbindet dies mit den besten verf眉gbaren KI-Technologien ohne Kompromisse bei Sicherheit und Compliance zu machen.

Wie unterst眉tzt 麻豆原创 Unternehmen dabei, ihre Nachhaltigkeitsziele zu erreichen und regulatorische Anforderungen zu erf眉llen?听

Viele Nachhaltigkeitsziele bleiben abstrakt, weil operative Daten fehlen. 麻豆原创s Sustainability-Angebote erm枚glichen es, CO鈧�-Emissionen entlang der gesamten Wertsch枚pfungskette zu erfassen 鈥� in Echtzeit. Ziel ist dabei, Nachhaltigkeit nicht als Reporting-Thema, sondern als fester Bestandteil des t盲glichen Handelns zu etablieren. So wird CO鈧� zur betriebswirtschaftlichen Kennzahl, unterst眉tzt durch KI-basierte Analysen und transparente Datenintegration.

Wie lassen sich technologische Innovationen in echten Gesch盲ftsnutzen 眉bersetzen?听

Das gr枚脽te Hindernis f眉r erfolgreiche KI-Projekte liegt nicht in der Technologie, sondern in der F眉hrung. Viele Unternehmen haben leistungsf盲hige Modelle, aber keinen klaren Plan, wie diese ihre Strategie konkret voranbringen k枚nnen. Erfolgreiche Teams beginnen nicht mit der Frage 鈥濿as kann KI?鈥�, sondern mit 鈥濿ie st盲rkt KI unsere Strategie?鈥� 麻豆原创 begleitet diesen 脺bersetzungsprozess mit Praxisbeispielen, Use-Case-Bibliotheken, direkter Integration in bestehende Prozesse und mit so genannten 鈥淔orward Deployed Engineers鈥�, die die Implementierung beim Kunden vor Ort unterst眉tzen.

Vor allem welche Technologien und Trends werden aus Ihrer Sicht die Digitale Transformation in den kommenden f眉nf Jahren vorantreiben?

Meiner Einsch盲tzung nach stehen hier drei Entwicklungen im Vordergrund.

Erstens: Generative UI 鈥� Benutzeroberfl盲chen werden k眉nftig dynamisch generiert und auf die jeweilige Rolle, den Kontext und die Aufgabe abgestimmt. 麻豆原创s Joule entwickelt sich dabei vom Chatbot zu einem intelligenten Interface, das Interaktionen individuell gestaltet.

Zweitens: Systems of Context 鈥� K眉nstliche Intelligenz wird erst dann wirksam, wenn sie im Kontext realer Unternehmensdaten agiert. Das ERP der Zukunft bildet diesen Kontext-Layer, stattet KI mit einem semantischen Verst盲ndnis daf眉r aus   und verbindet sie mit gesch盲ftlicher Realit盲t.

Drittens: Governance als Wettbewerbsvorteil 鈥� Unternehmen mit fr眉h etablierter und transparenter KI-Governance werden langfristig schneller skalieren. Vertrauen wird zur neuen W盲hrung: Wer nachvollziehbare KI-Entscheidungen trifft, gewinnt Akzeptanz bei Mitarbeitenden, Kunden und Partnern.

Welches Verst盲ndnis f眉r, welcher Blick auf diesen Wandel brauchen F眉hrungskr盲fte, um ihn erfolgreich zu gestalten?

Die n盲chste Phase der digitalen Transformation wird nicht durch einzelne Technologien entschieden, sondern durch ihre smarte Einbettung in Prozesse, Datenkontexte und Governance-Strukturen. F眉r Unternehmen bedeutet das, KI als strategischen Hebel zu begreifen 鈥� nicht als Werkzeug. 麻豆原创 setzt dabei auf integrierte Plattformen, offene 脰kosysteme und neue Konzepte wie Generative UI und Systems of Context. F眉hrungskr盲fte, die technologische Innovation mit klarem Gesch盲ftsziel verbinden, gestalten den Wandel nicht nur mit 鈥� sie treiben ihn an.

Gek眉rzte Fassung eines Interviews, das Florian Kunzke anl盲sslich der gegeben hatte.

The post Interview: Die Zukunft der Digitalen Transformation 鈥� Wie der Wandel gelingt appeared first on 麻豆原创 News Center.

KI funktioniert, wenn das Fundament stimmt鈥�&苍产蝉辫;

Der鈥疎nergy & Utilities Sektor鈥痠nvestiert鈥痬assiv in KI.鈥疐眉hrungskr盲fte weltweit setzen auf k眉nstliche Intelligenz, um Effizienz zu steigern, neue Gesch盲ftsmodelle zu erschlie脽en und sich f眉r die Energiewende zu r眉sten.鈥疎in erfolgreiches Proof鈥痮f鈥疌oncept ist鈥�痮ft der erste Meilenstein,鈥�痬arkiert鈥痑ber鈥痭ur den Anfang. Die eigentliche Herausforderung liegt darin, Pilotprojekte auf das gesamte Unternehmen zu skalieren.鈥�&苍产蝉辫;

Dabei werden die Faktoren鈥痁eit und Aufwand einer vollst盲ndigen Implementierung h盲ufig untersch盲tzt. Rund sechs Monate sind n枚tig, um ein belastbares Datenfundament aufzubauen. Weitere zw枚lf Monate vergehen, bis sich erste Ergebnisse in鈥疐orm eines鈥痬essbaren鈥疪eturn on Investment niederschlagen. Eine gro脽fl盲chige Skalierung kann dar眉ber hinaus weitere drei Jahre in Anspruch nehmen. Die Gr眉nde daf眉r sind vielf盲ltig:鈥�&苍产蝉辫;

• 脺berh枚hte Erwartungen.鈥疺iele Menschen nutzen KI im Alltag f眉r einfache Aufgaben und erwarten鈥nlich鈥痳eibungslose鈥疎ffekte鈥痑uch鈥痠n komplexen Unternehmensumgebungen.鈥�&苍产蝉辫;

• Legacy-Infrastruktur.鈥疕istorisch gewachsene Systemlandschaften鈥痩assen sich nicht von heute auf morgen transformieren.鈥�&苍产蝉辫;

• Regulatorische Komplexit盲t.鈥疘n regulierten Branchen wie der Strom-, Gas- und Wasserversorgung sind Compliance-Anforderungen besonders hoch. Sie m眉ssen bei jeder Architekturentscheidung von Anfang an mitgedacht werden.鈥�&苍产蝉辫;

• Fehlendes KI-spezifisches Talent.鈥疓efragt sind Menschen, die sowohl das Business als auch KI wirklich verstehen. Diese鈥疊r眉cke鈥痾wischen IT und Fachbereich鈥痺ird鈥痥眉nftig immer wichtiger werden.鈥�&苍产蝉辫;

• Organisatorisches Change Management.鈥疶echnologie allein reicht nicht鈥痑us. Die organisatorische鈥疶ransformation ist鈥痷nd bleibt鈥痙er entscheidende Erfolgsfaktor.鈥�&苍产蝉辫;

Vom KI-Hype zum echten Mehrwert鈥�&苍产蝉辫;

Eine neue Applikation zu bauen, ist nur der erste Schritt. Auf dem Weg zur Skalierung m眉ssen Lifecycle Management, Identity & Access Management, Security, Compliance und Governance konsequent mitgedacht werden. Hinzu kommen Release Management, Testing und kontinuierliche Verbesserungsprozesse.鈥�&苍产蝉辫;鈥淲er heute in das richtige Fundament investiert, wird morgen von KI im vollen Umfang profitieren.鈥�, sagt Andre Bechtold, President und Leiter des Bereichs 麻豆原创 Industries & Experiences. 

F眉r Unternehmen bedeutet das konkret,鈥痜ragmentierte Datensilos鈥痾u鈥糱erwinden und eine integrierte Datenstrategie鈥痾u鈥痚ntwickeln. Legacy-Systeme m眉ssen in eine moderne Daten- und KI-Plattform eingebunden werden, auf der KI-Modelle tats盲chlich Mehrwert schaffen.鈥疶orsten Welte,鈥疕ead鈥痮f鈥疎nergy & Natural Resources Industries,鈥�痜asst es so zusammen:鈥�濳I ver盲ndert die Energiebranche grundlegend. Das Business muss verstehen, was technologisch m枚glich ist. Und die IT muss verstehen, was das Business braucht.鈥溾���&苍产蝉辫;

Die kann hierf眉r den entscheidenden Grundstein liefern. KI ist bereits nativ in Form von鈥疛oule鈥痠n die Suite eingebettet. F眉r die Energiebranche er枚ffnen sich dadurch konkrete Einsatzfelder: Im Bereich Asset Management & Predictive Maintenance sind Versorgungsunternehmen in der Lage, Anlagen und Netze proaktiv zu managen, bevor St枚rungen entstehen. Der Utilities Customer Self-Service Agent wiederum鈥痚rm枚glicht einen 24/7-Self-Service f眉r Kunden und kann die Servicekosten dabei um bis zu 90 Prozent senken.鈥�&苍产蝉辫;

Dezentrale Energie braucht intelligente Vernetzung鈥�&苍产蝉辫;

Das Thema鈥�痓leibt von zentraler Bedeutung. Fr眉her鈥痜loss Energie鈥痭ur in eine Richtung:鈥�痸om鈥疜raftwerk鈥痾u den Verbrauchern. K眉nftig wird es bidirektional.鈥疺erbraucher, die selbst Energie erzeugen, speisen aktiv ins Netz ein.鈥�&苍产蝉辫;

DER beschreibt genau dieses Prinzip:鈥痙ie Stromerzeugung durch Millionen dezentraler Ressourcen wie Solaranlagen, EV-Lader, W盲rmepumpen und Batteriespeicher bei Verbrauchern und sogenannten鈥疨rosumern. Diese Assets erzeugen riesige Datenmengen. Ihre Orchestrierung stellt eine der zentralen Herausforderungen der Energiewende dar.鈥��&苍产蝉辫;

Die 麻豆原创-L枚sung f眉r Distributed Energy Resources bietet hierf眉r eine Plattform als Single Source of Truth: Technische Assets, kommerzielle Vertr盲ge und Kundendaten werden in einem koh盲renten Datenmodell zusammengef眉hrt. Das schafft die Grundlage f眉r neue Gesch盲ftsmodelle wie Smart Tariffs, dynamische Preisgestaltung, Energy Sharing und Demand Response. 麻豆原创 setzt dabei konsequent auf ein wachsendes Partnernetzwerk rund um die eigene Datenplattform.鈥疢arkus Bechmann, Global VP and Co-Head Industry Business Unit Utilities, beschreibt es so: 鈥濪ynamische Preisgestaltung und Smart Tariffs sind keine fernen Konzepte mehr. Sie sind die Gesch盲ftsmodelle von morgen. Mit 麻豆原创 haben Energieversorger heute schon die technologische Grundlage, um diese Chancen zu nutzen.“鈥�&苍产蝉辫;

Experience Centers: KI erleben, nicht nur diskutieren鈥�&苍产蝉辫;

Um KI greifbar zu machen, stellt 麻豆原创 eine Reihe von鈥疎xperience Center bereit, in denen sich KI in realen Szenarien鈥痡enseits klassischer Demo-Umgebungen鈥痚rleben l盲sst.鈥疎in zentrales Beispiel ist der 麻豆原创 Energy Park in Walldorf. Anhand echter Infrastruktur auf dem Campus zeigt 麻豆原创, wie das Unternehmen die Energiewende selbst umsetzt.鈥疍azu鈥痝eh枚ren鈥疎-Mobility,鈥疘ntelligent Asset Management鈥痮der鈥疎nergy Communities.鈥�&苍产蝉辫;

Ein neues Kapitel f眉r die Energiebranche鈥�&苍产蝉辫;

Die 麻豆原创鈥痜or鈥疎nergy & Utilities Conference in Toulouse hat einmal mehr gezeigt, dass鈥疜I in der Energiebranche l盲ngst kein Zukunftsthema mehr鈥痠st. Doch der Weg vom Pilotprojekt zur unternehmensweiten Transformation erfordert mehr als technologischen Enthusiasmus.鈥疷m die Herausforderungen der Energiewende zu bew盲ltigen, braucht es neben technologischer Innovation vor allem ein solides Fundament aus Daten, Prozessen und Organisation.鈥�&苍产蝉辫;

The post KI als Gamechanger鈥痜眉r die鈥疎nergiebranche鈥� appeared first on 麻豆原创 News Center.

Click the button below to load the content from YouTube.

Always allow YouTube

Der Ausschreibungsanalyse-Agent

Allgemeine 痴别谤蹿眉驳产补谤办别颈迟

Verkaufsteams k枚nnen ihren Prozess zur Angebotsabgabe mit dem Ausschreibungsanalyse-Agenten optimieren. Dieser Agent automatisiert die Pr眉fung komplexer Ausschreibungsdokumente. Der Agent extrahiert wichtige Produktanforderungen, kennzeichnet potenzielle Risiken und Richtlinienl眉cken und schl盲gt optimierte, auf Kundenanforderungen zugeschnittene Konfigurationen vor. Durch die Reduzierung des Aufwands f眉r die Bearbeitung eingehender Ausschreibungen um f眉nf Prozent und die Verbesserung der Erfolgsquoten k枚nnen Unternehmen ein messbares Umsatzwachstum erzielen, w盲hrend sie gleichzeitig die Verkaufszyklen beschleunigen und wertvolle Cross-Selling- und Up-Selling-Chancen erschlie脽en.

Ausf眉hrliche Informationen finden Sie .

麻豆原创 Commodity Management, KI-gest眉tztes Waren-Work-Center

Allgemeine 痴别谤蹿眉驳产补谤办别颈迟

Warenh盲ndler k枚nnen mithilfe des Waren-Work-Centers in 麻豆原创 Commodity Management die Art und Weise, wie sie komplexe Gesch盲fte erfassen und verwalten, transformieren. Zusammen mit Joule wandelt die Funktion m眉ndliche oder schriftliche Verhandlungen in detaillierte Gesch盲ftsentw眉rfe um und f眉llt automatisch die zahlreichen Felder aus, die gew枚hnlich eine umfangreiche manuelle Eingabe erfordern. Auf diese Weise k枚nnen sich H盲ndler auf bessere Gesch盲ftsergebnisse konzentrieren, dabei die Genauigkeit von Daten verbessern und die betriebliche Effizienz ihrer Handelsaktivit盲ten steigern.

Ausf眉hrliche Informationen finden Sie .

麻豆原创 Intelligent Clinical Supply Management, KI-gest眉tzte pr盲diktive Probandendynamik

Allgemeine 痴别谤蹿眉驳产补谤办别颈迟

Koordinatoren f眉r klinische Studien, die ihre F盲higkeiten in der Beschaffungsplanung verbessern m枚chten, finden in 麻豆原创 Intelligent Clinical Supply Management einen leistungsstarken Verb眉ndeten. Die Funktion f眉r pr盲diktive Probandendynamik analysiert historische Daten und Echtzeitdaten, um Trends und Abbruchraten von angemeldeten Patienten zu prognostizieren. Dadurch werden automatisch Erkenntnisse generiert, die andernfalls einer umfassenden manuellen Analyse bed眉rfen. Auf diese Weise k枚nnen Supply-Chain-Teams ihren Fokus auf strategische Entscheidungen verlagern und gleichzeitig die Kosten f眉r die Verschwendung von klinischen Best盲nden um bis zu zwei Prozent senken und die Genauigkeit der Bedarfsprognosen in ihren Studien verbessern.

Ausf眉hrliche Informationen finden Sie .

Joule mit 麻豆原创 Intelligent Clinical Supply Management

Allgemeine 痴别谤蹿眉驳产补谤办别颈迟

Fachkr盲fte f眉r klinische Versorgung, die mehrere Aufgaben und komplexe Systeme unter einen Hut bringen m眉ssen, ben枚tigen schnellen Zugriff auf Informationen, ohne ihren Arbeitsablauf zu unterbrechen. Zusammen mit Joule bietet 麻豆原创 Intelligent Clinical Supply Management eine intuitive, dialogorientierte Benutzeroberfl盲che, die nat眉rlichsprachliche Anfragen versteht, sodass Benutzer kritische Daten abrufen und m眉helos zu relevanten Anwendungen navigieren k枚nnen. Diese optimierte Benutzererfahrung f眉hrt dazu, dass der Zeitaufwand f眉r die Suche nach Informationen um 83 Prozent reduziert wird, sodass sich die Teams auf wertsch枚pfende Aktivit盲ten konzentrieren und die Produktivit盲t insgesamt deutlich steigern k枚nnen.

Ausf眉hrliche Informationen finden Sie .

麻豆原创 Self-Billing Cockpit, KI-gest眉tzte Belegverarbeitung

Allgemeine 痴别谤蹿眉驳产补谤办别颈迟

Mitarbeitende in der Abrechnung, die Workflows f眉r Gutschriftsverfahren verwalten, sind mit Rechnungen in den verschiedensten Formaten konfrontiert 鈥� Excel-, PDF-, CSV- oder Textdateien 鈥�, die h盲ufig unstrukturiert und in unterschiedlichen Sprachen verfasst sind. 麻豆原创 Self-Billing Cockpit bew盲ltigt diese Herausforderung, indem es die intelligente Belegverarbeitung nutzt, um Rechnungsdaten aus praktisch jedem Format zu analysieren und zu extrahieren und sie in strukturierte Payloads zu konvertieren, die f眉r die automatisierte Fakturierung bereit sind. Das Ergebnis ist ein deutlich geringerer Zeitaufwand f眉r die Verarbeitung von Rechnungspositionen, weniger kundenspezifische Schnittstellen, die von Integrationsspezialisten erstellt und gepflegt werden m眉ssen, und eine h枚here Genauigkeit von Extraktionen durch minimale manuelle Eingriffe.

Ausf眉hrliche Informationen finden Sie .

Jonathan von R眉den ist Chief AI Officer der 麻豆原创 SE.

* Haftungsausschluss: Dieser Artikel beschreibt die zu erwartenden Vorteile f眉r Unternehmen. S盲mtliche Berechnungen sind Sch盲tzwerte, denen Fallstudien von 麻豆原创-Kunden, 麻豆原创-Benchmarks und andere Untersuchungen zugrunde liegen. Die tats盲chlichen Vorteile k枚nnen variieren und durch zus盲tzliche Faktoren beeinflusst werden, die in diesem Artikel nicht ber眉cksichtigt werden. Die Informationen werden ohne jegliche Gew盲hr, weder ausdr眉cklich noch stillschweigend, bereitgestellt. 麻豆原创 眉bernimmt keinerlei Verantwortung f眉r Sch盲den im Zusammenhang mit der Nutzung dieses Artikels. Auf der Seite sind unter 鈥濺echtliche Hinweise鈥� Nutzungsbedingungen, Haftungsausschl眉sse, Pflichtangaben und Einschr盲nkungen f眉r dieses Material zu finden.

The post Highlights des Q1 2026 Release: 麻豆原创 Business AI f眉r Branchen appeared first on 麻豆原创 News Center.

Click the button below to load the content from YouTube.

Always allow YouTube

, unsere neue User Experience, gewinnt an Dynamik und treibt Verbesserungen f眉r unsere Kunden ma脽geblich voran. Kunden , verbessern , und .

麻豆原创 Business AI f眉r die Beschaffung

麻豆原创 Fieldglass Services Procurement, Erstellung KI-gest眉tzter Leistungsverzeichnisergebnisse
Allgemeine 痴别谤蹿眉驳产补谤办别颈迟

Beschaffungsfachleute k枚nnen die Entwicklung ihrer Leistungsverzeichnisse mithilfe der Funktion 鈥濫rgebnisse鈥� in 麻豆原创 Fieldglass Services Procurement beschleunigen. Die Funktion analysiert den definierten Projektumfang und generiert automatisch pr盲zise, relevante Ergebnisse, die eine enge Abstimmung zwischen K盲ufererwartungen und Lieferantenzusagen sicherstellen. Durch die Einf眉hrung dieser Funktion k枚nnen Unternehmen den Zeitaufwand um 70 Prozent reduzieren, den die manuelle Erstellung von Leistungsverzeichnisergebnissen erfordert, und das Risiko schlechter Ergebnisse um 50 Prozent verringern, w盲hrend gleichzeitig eine st盲rkere Zusammenarbeit w盲hrend des Verhandlungsprozesses gef枚rdert wird.

Ausf眉hrliche Informationen finden Sie .

麻豆原创 Business AI f眉r die Customer Experience

Katalogoptimierungsagent
Allgemeine 痴别谤蹿眉驳产补谤办别颈迟

E-Commerce-Produktmanager, die mit der Pflege gro脽er 麻豆原创-Commerce-Cloud-Kataloge betraut sind, erhalten einen st盲ndig aktiven Agenten, der Produktbeschreibungen, Attribute und 脺bersetzungen kontinuierlich mit den Qualit盲tsstandards des Unternehmens abgleicht. Dieser Agent identifiziert L眉cken im Merchandising und gibt umsetzbare Empfehlungen, um die Genauigkeit von Katalogen zu verbessern, die Konsistenz 眉ber alle Sprachen hinweg sicherzustellen und die Auffindbarkeit von Produkten zu verbessern. Die gesch盲ftlichen Auswirkungen sind eine 70-prozentige Verk眉rzung der Zeit f眉r die 脺bersetzung von Katalogdaten, 65 % weniger Zeitaufwand f眉r das Hinzuf眉gen von Beschreibungen f眉r einzelne Anlagen und eine Reduzierung der Kosten f眉r die Datenqualit盲t um f眉nf Prozent. All das tr盲gt zu h枚heren Konversionsraten und einem agileren Merchandising-Betrieb bei.

Ausf眉hrliche Informationen finden Sie .

麻豆原创 Revenue Growth Management, KI-gest眉tzte Trade-Promotion-Erstellung
Allgemeine 痴别谤蹿眉驳产补谤办别颈迟

Key Account Manager in der Konsumg眉terbranche profitieren von einer optimierten, 眉bersichtlichen Oberfl盲che zur Erstellung von Werbeaktionen, bei der durch die einfache Benennung einer Aktion wichtige Felder automatisch ausgef眉llt werden. Basierend auf Stammdaten, fr眉heren Aktionen und spezifischen, erlernten Pr盲ferenzen f眉r jeden H盲ndler, schl盲gt das System Termine, Arten, Laufzeiten und H盲ndlereinkaufszeitr盲ume vor und verfeinert seine Empfehlungen kontinuierlich im Laufe der Zeit auf der Grundlage von Benutzer盲nderungen. Die Auswirkungen sind eine um 75 Prozent k眉rzere Einrichtungszeit f眉r Aktionen, 30 Prozent weniger Dateneingabefehler und Nacharbeiten sowie zunehmend personalisierte Vorschl盲ge, die sich wiederholende manuelle Arbeiten 眉ber Aktionszyklen hinweg vermeiden.

Ausf眉hrliche Informationen finden Sie .

Jonathan von R眉den ist Chief AI Officer der 麻豆原创 SE.

* Haftungsausschluss: Dieser Artikel beschreibt die zu erwartenden Vorteile f眉r Unternehmen. S盲mtliche Berechnungen sind Sch盲tzwerte, denen Fallstudien von 麻豆原创-Kunden, 麻豆原创-Benchmarks und andere Untersuchungen zugrunde liegen. Die tats盲chlichen Vorteile k枚nnen variieren und durch zus盲tzliche Faktoren beeinflusst werden, die in diesem Artikel nicht ber眉cksichtigt werden. Die Informationen werden ohne jegliche Gew盲hr, weder ausdr眉cklich noch stillschweigend, bereitgestellt. 麻豆原创 眉bernimmt keinerlei Verantwortung f眉r Sch盲den im Zusammenhang mit der Nutzung dieses Artikels. Auf der Seite sind unter 鈥濺echtliche Hinweise鈥� Nutzungsbedingungen, Haftungsausschl眉sse, Pflichtangaben und Einschr盲nkungen f眉r dieses Material zu finden.

The post Highlights des Q1 2026 Release: 麻豆原创 Business AI f眉r die Beschaffung und f眉r die Customer Experience appeared first on 麻豆原创 News Center.

In unserem ersten Gespr盲ch haben Sie erkl盲rt, was ABAP ist und wie die Zukunft aussieht und warum Agentic AI den Markt ver盲ndern wird. Lassen Sie uns dort ankn眉pfen und tiefer einsteigen. Wie interagiert ABAP mit anderen Entwicklungstechnologien in den heutigen 麻豆原创-Landschaften?

Sonja Li茅nard: ABAP gibt es schon seit 眉ber 40 Jahren und hat sich immer weiterentwickelt. Mit der 脛ra der Agentic AI erreichen wir nun die n盲chste Evolutionsstufe. Die moderne Variante der Sprache ist ABAP Cloud, von Beginn an entwickelt nach den Leitprinzipien Offenheit und umfassender Unterst眉tzung der Gesch盲ftslogik.

Wir haben stabile, klar definierte APIs, also Schnittstellen nach au脽en, und bieten mit Open Data Protocol-Services (OData), modernen Frontends und einer Integrationsschicht eine vollst盲ndige Umgebung an. Damit k枚nnen moderne Web-Anwendungen entwickelt werden. Dazu kommen 麻豆原创 BTP-Erweiterungen (麻豆原创 Business Technology Platform) und ein externes System wie die 麻豆原创 Integration Suite, die daran ankn眉pfen.

Aktuell nutzen wir Eclipse als Entwicklungsumgebung. Ab Q2 2026 wird die ABAP-Entwicklung auch in Visual Studio Code m枚glich sein, das ist ein Meilenstein. Die Community hat sehr laut danach gefragt und bei uns offene T眉ren 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 daf眉r optimiert.

Wir haben die Architektur umgebaut und verfolgen eine Open IDE-Strategie, bei der wir auch weitere IDEs f眉r ABAP-Entwicklungen anbieten k枚nnen. Durch die 脰ffnung verf眉gen wir nun 眉ber ein reichhaltiges 脰kosystem von Drittanbietern, die wir f眉r AI nutzen k枚nnen, etwa GitHub Copilot oder Amazon Q.

Dar眉ber hinaus haben wir einen ABAP MCP Server (Model Context Protocol) ver枚ffentlicht, der es ABAP-Entwicklern erm枚glicht, vom gesamten AI-Tooling und 脰kosystem zu profitieren. Das ist ein gro脽er und wichtiger Schritt und ein eindrucksvolles Beispiel f眉r die Interoperabilit盲t, die Sie angesprochen haben. Wir haben weiterhin die St盲rke der ABAP-Gesch盲ftslogik. Damit kombinieren wir die offene IDE-Strategie mit einer hohen Innovationsgeschwindigkeit.

Wichtiger Baustein: ABAP MCP Server

Sie haben den ABAP MCP Server erw盲hnt. Was ist das genau?

Sonja Li茅nard: MCP steht f眉r Model Context Protocol und ist ein offener Standard, damit AI-Agenten strukturiert mit externen Tools und Systemen interagieren k枚nnen. Es ist eine universelle Sprache, die die Agenten der Agentic AI verwenden, um Fragen zu stellen, Aktionen auszul枚sen oder Ergebnisse abzurufen.

Der ABAP MCP Server stellt 眉ber dieses Protokoll ABAP-Entwicklungsf盲higkeiten bereit. Jeder Agent, der MCP unterst眉tzt, kann so auf intelligente, agentengesteuerte Weise mit ABAP-Code und unseren ABAP-Systemen interagieren. Es ist ein neues Sprachrohr, 眉ber das wir der Au脽enwelt unsere ABAP-spezifischen F盲higkeiten verf眉gbar machen.

Der ABAP MCP Server ist ein wichtiger Baustein f眉r alles, was mit Agentic AI zu tun hat und eine wichtige technische Basis f眉r unseren neuen Custom Code Management Agenten f眉r die 麻豆原创-S/4HANA-Transformation. Der ABAP MCP-Server f眉r Eclipse steht ab Q2 2026 bereit.

鈥濵it allem versehen, wof眉r wir als 麻豆原创 stehen鈥�

Welche Risiken birgt der AI-Einsatz in 麻豆原创 Enterprise-Systemen und wie begegnen Sie diesen?

Sonja Li茅nard: Der gesamte AI-Markt ist unglaublich dynamisch, schnelllebig und von unterschiedlichen Interessen gepr盲gt. Wir m眉ssen deswegen genau pr眉fen, welche L枚sungen langlebig, robust und vertrauensw眉rdig genug sind, um darauf die Gesch盲ftsprozesse dieser Welt laufen zu lassen. Wir wollen, dass unsere L枚sungen nach wie vor sicher, compliant und mit allem versehen sind, wof眉r wir als 麻豆原创 stehen.

Wir m眉ssen unseren Kernauftrag in den Mittelpunkt aller Entscheidungen stellen. Die ABAP Platform steht daf眉r, dass darauf Large Enterprise Business laufen kann. Darauf vertrauen unsere Kunden und Partner. AI-L枚sungen auf dem Markt qualifizieren sich nicht dadurch, dass man damit schnelllebige L枚sungen bauen kann, sondern vor allem dann, wenn sie unsere Kernf盲higkeiten unterst眉tzen. Deswegen hilft es, einen Schritt zur眉ckzugehen, das Gesamtbild zu betrachten und nachhaltige Entscheidungen zu treffen, aber auch offen daf眉r zu bleiben, bereits getroffene Entscheidungen anzupassen, wenn sich der Markt zu stark ver盲ndert.

Ein zweiter Punkt ist die Code-Korrektheit. AI kann plausibel wirkenden Code generieren, der subtil fehlerhaft ist. Als Gegenma脽nahme setzen wir auf menschliche 脺berpr眉fung (鈥濰uman in the Loop鈥�) in Kombination mit Tests. Daf眉r verwenden wir auch Agenten, die die Qualit盲t des generierten Codes 眉berpr眉fen und validieren.

Ein weiteres Risiko ist der Verlust von Gesch盲ftslogik bei der Transformation. Wir wollen unsere Kunden bei der Migration ihrer Alt-L枚sungen in neue L枚sungen unterst眉tzen. Daf眉r entwickeln wir Custom Code Management Agenten. Der erste wird im Juni ver枚ffentlicht. Dabei ist es entscheidend, dass die Gesch盲ftslogik unserer Kunden und Partner bei der Transformation erhalten bleibt. Schlie脽lich sind Sicherheit und Datenschutz zentrale Themen. AI-Modelle ben枚tigen immer Kontext, um wirksam zu sein. Im Enterprise-Umfeld kann dieser Kontext sensible Gesch盲ftsdaten beinhalten. Deshalb gehen wir sehr sorgf盲ltig vor: Die ABAP AI Services operieren etwa nur in etablierten 麻豆原创 Compliance- und Vertrauensrahmen. Die Kunden behalten stets die Kontrolle dar眉ber, was geteilt wird und was nicht.

Neuigkeiten von der 麻豆原创 Sapphire 2026

Sprechen wir 眉ber die k眉rzlich stattgefundene 麻豆原创 Sapphire in Orlando. Welche Neuigkeiten gab es aus Ihrem Bereich?

Sonja Li茅nard: Die 麻豆原创 Sapphire 2026 ist auch f眉r ABAP AI eine sehr wichtige Konferenz. In Q2 2026 惫别谤枚蹿蹿别苍迟濒颈肠丑别苍 wir das erste Release der Entwicklungsumgebung f眉r Visual Studio Code, zun盲chst im ABAP Cloud Scope inklusive Fiori-App-Entwicklung und mit Integration von GitHub Copilot und Amazon Q als AI-L枚sungen. Weiteres Ziel ist die Unterst眉tzung 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 f眉r Eclipse und Visual Studio Code allgemein verf眉gbar, um Drittanbieterl枚sungen, insbesondere AI-spezifische Drittanbieter-Tools, an das ABAP-System anschlie脽en zu k枚nnen.

Auch in Q2 2026 liefern wir den ersten Custom Code Migration Agenten aus. Die R眉ckmeldungen sind vielversprechend. So k枚nnen wir die Code-Migration wesentlich automatisieren und beschleunigen. Die komplette Kommunikation zwischen alten Migrationstools und neuen Agenten wird dabei 眉ber einen Engagement Layer stattfinden. Unsere auf der 麻豆原创 Sapphire vorgestellte allgemeine Migrationsstrategie umfasst sieben verschiedene Agentenfamilien 眉ber alle Phasen eines Migrationsprojekts hinweg, von der Planung bis zur Ausf眉hrung.

AI-Tools leichter zug盲nglich f眉r alle

AI-Tools waren f眉r kleinere Kunden oder solche mit 盲lteren Systemversionen bislang oft schwer zug盲nglich. Was 盲ndert sich hier?

Sonja Li茅nard: Die Einstiegsh眉rde wird deutlich niedriger. Wir wechseln von der User-per-Month-Abrechnung auf ein verbrauchsbasiertes Modell. Abgerechnet wird nach tats盲chlicher Nutzung, auf Basis sogenannter 鈥濧I-Units鈥� mit individuellen Preisen. Dadurch wird es leichter, unsere AI-L枚sungen zu verwenden. Kunden k枚nnen besser planen, wie viel Geld sie f眉r AI-L枚sungen ausgeben m枚chten.

Zudem f眉hren wir ab Q2 2026 einen Side-by-Side-Service ein, bei dem alle AI-L枚sungen unabh盲ngig vom jeweiligen Release verwendet werden k枚nnen. Die 痴别谤蹿眉驳产补谤办别颈迟 von ABAP AI wird dabei auf die 麻豆原创 S/4HANA Cloud Private Edition f眉r alle Releases ab 2021 erweitert. Dadurch k枚nnen wir einen Gro脽teil unserer Kunden auch mit 盲lteren Releases mit AI-F盲higkeiten unterst眉tzen.

Agentic AI ist das neue Leitthema

Wie f眉gen sich ABAP und AI Agenten in 麻豆原创s l盲ngerfristiger Produktvision ein?

Sonja Li茅nard: Wir folgen nat眉rlich der 眉bergreifenden 麻豆原创-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-L枚sungen dazu.

Ich beschreibe unsere Vision gerne anhand von drei konzentrischen Kreisen: Im Zentrum steht die ABAP Cloud als moderne Clean-Core-Variante unserer Sprache f眉r langfristige Stabilit盲t. Der zweite Kreis ist die ABAP AI-Schicht: Entwickler-Tools f眉r Code-Erkl盲rung, Code-Generierung und Ghost Texting.

Den 盲u脽eren Kreis bilden AI Agenten, ein Netzwerk spezialisierter Agenten f眉r komplexe und mehrstufige Aufgaben wie Transformation, Migration und Qualit盲tsvalidierung. Sie 眉bernehmen aber auch Entwicklungsaufgaben und reduzieren dabei den Aufwand erheblich. So wird Zeit frei f眉r Gesch盲ftslogik- und Architekturentscheidungen, aber auch f眉r die 脺berpr眉fung der Qualit盲t. Die Kreise koexistieren und verst盲rken sich gegenseitig. Die Grundausrichtung der Plattform und der Kern der L枚sungen bleiben stabil. Agenten und AI-Skills erg盲nzen das bestm枚glich.

Auf welche Meilensteine sollten Kunden und Partner in den n盲chsten Monaten achten?

Sonja Li茅nard: Es sind vier zentrale Dinge. In Q2 2026 kommen die Entwicklungsumgebung f眉r Visual Studio Code und der MCP Server. Damit erm枚glichen wir die Entwicklung von AI Agenten in einem offenen IDE-脰kosystem. Auch in Q2 2026 folgen der erste Agent f眉r die Custom Code-Migrations-Strategie sowie die Erweiterung von ABAP AI auf die 麻豆原创 S/4HANA Cloud Private Edition f眉r Releases ab 2021. F眉r Q3 2026 ist ein zweiter Agent f眉r die Clean-Core-Transformation geplant. Und im Laufe des Jahres 2026 werden wir die Multi-Agenten-Orchestrierung weiterentwickeln und das Portfolio um weitere Agenten erg盲nzen.

ABAP und Entwickler bleiben starkes Team

Gibt es noch etwas, was Sie den Lesern mitgeben m枚chten?

Sonja Li茅nard: Man sollte die Entwicklung als Chance sehen. Es geht um die Weiterentwicklung und um die Zusammenarbeit. ABAP und Entwickler bleiben ein starkes Team. Da 盲ndert auch AI nichts dran. ABAP hat sich immer wieder erfolgreich neu erfunden. AI ist nur das n盲chste Kapitel, 眉bernimmt Routinen und schafft Freiraum f眉r das, was Wert stiftet: Gesch盲ftsverst盲ndnis, Architekturentscheidungen, hohe Qualit盲t sowie Sicherheits- und Compliance-Anforderungen.

Kunden und Entwickler k枚nnen darauf vertrauen, dass AI von 麻豆原创 verl盲sslich in die Praxis umgesetzt wird: mit klarer Roadmap und hohen Qualit盲ts-, Sicherheits- und Compliance-Standards, die f眉r 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 眉ber ABAP und den Einsatz und das Zusammenspiel mit K眉nstlicher Intelligenz.

The post 鈥濵it Agentic AI erreicht ABAP die n盲chste Stufe der Evolution鈥� appeared first on 麻豆原创 News Center.

Es vergeht keine Woche, ohne dass noch intelligentere Sprachmodelle, Co-Piloten oder leistungsst盲rkere Agenten angek眉ndigt werden, die die Arbeit in Unternehmen automatisieren sollen. Dass k眉nstliche Intelligenz (KI) immer effektiver wird, l盲sst sich nicht von der Hand weisen. Aber ein Gro脽teil der KI-Angebote bietet Unternehmen in der Praxis bisweilen nur wenig Mehrwert, weil sie nicht die Unternehmensrealit盲t abbilden und au脽er Acht lassen, dass diese sich nicht einfach per Prompt steuern lassen.

Ein internationales Fertigungsunternehmen, das entscheiden will, wie sein Bestand im Falle von St枚rungen in der Lieferkette umgeleitet werden soll, ben枚tigt mehr als nur eine simple, KI-generierte Antwort. Es muss in der Lage sein, alternative Lieferanten zu suchen, die Bestandsverf眉gbarkeit zu kontrollieren, Kundenzusagen einzusehen und finanzielle Kompromisse abzuw盲gen. Und um angesichts volatiler M盲rkte Liquidit盲tsrisiken prognostizieren zu k枚nnen, brauchen Finanzvorst盲nde Kontext, den ein einfacher Chatbot nicht bieten kann. All diese T盲tigkeiten umfassen miteinander verflochtene, operative Entscheidungen, in die Abh盲ngigkeiten, Pr盲ferenzen, Genehmigungen, finanzielle Auswirkungen und Kompromisse einflie脽en und die sich unmittelbar auf den gesamten Gesch盲ftsbetrieb auswirken.

In unz盲hligen Gespr盲chen, die ich im letzten Jahr mit F眉hrungskr盲ften gef眉hrt habe, verlagerte sich die Diskussion stets von KI-F盲higkeiten hin zur Umsetzbarkeit im Arbeitsalltag. KI-Modelle entwickeln sich zwar rasant weiter, doch die eigentliche Frage ist, ob KI den Unternehmenskontext versteht, in dem sie eingesetzt wird.

Beim Diskurs um KI wird zu oft davon ausgegangen, dass bessere Modelle automatisch zu besseren Gesch盲ftsergebnissen f眉hren. Dem ist nicht der Fall. Unternehmen stellen vermehrt fest, dass intelligente Funktionen ohne operativen Kontext 鈥� also die Prozesse, Daten, Regeln und Richtlinien, die zur Steuerung und zum Schutz von Unternehmen dienen 鈥� zwar Prozesse ansto脽en k枚nnen, dabei aber nur wenig Fortschritt erm枚glichen. Im Gegenteil, in einigen F盲llen kann dies sogar zu st盲rkerer Fragmentierung und mehr Risiken f眉hren.

Eine KI-generierte Empfehlung kann 眉berzeugend wirken, dabei jedoch m枚glicherweise wichtige Abh盲ngigkeiten in anderen Teilen des Systems au脽er Acht lassen. Und ein KI-Agent kann einen Arbeitsablauf effizient automatisieren, gleichzeitig aber die Planungsannahmen in einem anderen Arbeitsschritt durcheinanderbringen. Unternehmen mangelt es nicht an KI-Output, sondern vielmehr an KI-Systemen, die in der Lage sind, Auswirkungen auf den Betrieb zu verstehen.

Genau hier liegt aktuell die eigentliche Herausforderung f眉r Unternehmens-KI. Und um dieses Problem zu l枚sen, ist die reine Steuerung von Prozessen nicht ausreichend. Es wird Kontext ben枚tigt.

Unternehmenssoftware bildet seit Jahrzehnten das R眉ckgrat der Weltwirtschaft. Finanzsysteme, Lieferketten, Beschaffungsnetzwerke, Personalplanungsplattformen, Fertigungsabl盲ufe und Auftragsabwicklungsprozesse laufen 眉ber vernetzte Systeme, in denen nicht nur Informationen, sondern auch die Logik hinter Unternehmensabl盲ufen erfasst werden. Diese Systeme umfassen Prozesswissen und -daten, Governance-Strukturen, Berechtigungen, Richtlinien und wirtschaftliche Beziehungen, die 眉ber viele Jahre hinweg gesammelt wurden und in jede Entscheidung eines Unternehmens einflie脽en. Sie sind das Gehirn eines jeden Unternehmens.

Im KI-Zeitalter ist dieser Gesch盲ftskontext besonders wertvoll. Ohne diese Daten bleiben KI-Outputs wohlgemeinte Vermutungen statt gut fundierter Beurteilungen.

Wenn KI aber direkt in operative Prozesse eingebettet wird, kann sie 眉ber alle Aspekte des Unternehmens hinweg logische Schl眉sse ziehen. Das ver盲ndert die Rolle von Software in Unternehmen, denn Unternehmenssysteme sind so zunehmend direkt an der eigentlichen Ausf眉hrung beteiligt.

KI kann Risiken fr眉her erkennen, Antworten funktions眉bergreifend koordinieren, in Echtzeit Handlungsempfehlungen geben und die Ausf眉hrung von Routinet盲tigkeiten innerhalb festgelegter Rahmenbedingungen automatisieren. Dies geschieht nicht in Form isolierter Agenten, die getrennt voneinander arbeiten, sondern 眉ber intelligente Funktionen, die mit der wirtschaftlichen und operativen Struktur des Unternehmens selbst verkn眉pft sind. 

Autonomie im Unternehmen bedeutet dabei nicht, dass Menschen von der Entscheidungsfindung ausgeschlossen sind. Autonomie bedeutet vielmehr, die Fragmentierung und den administrativen Aufwand zu reduzieren, die Unternehmen daran hindern, schnell, einheitlich und umfassend zu arbeiten. Es sind nach wie vor Menschen, die Priorit盲ten festlegen, wichtige Entscheidungen treffen und Verantwortung tragen. KI kann jedoch dazu beitragen, die operativen Abl盲ufe im Zusammenhang mit diesen Entscheidungen zu koordinieren und auszuf眉hren.

Betrachten wir als Beispiel den Ausfall eines Lieferanten, der Auswirkungen auf eine kritische Fertigungskomponente hat. Die meisten modernen KI-Systeme k枚nnen das Problem zusammenfassend beschreiben oder auf Grundlage erlernter Muster die wahrscheinliche Verz枚gerung vorhersagen. KI, die in Prozesse eingebettet ist, liefert jedoch nicht nur Einblicke, sondern kann koordinieren und Ma脽nahmen einleiten. Sie kann betroffene Produktionspl盲ne identifizieren, globale Bestandspositionen analysieren, alternative Beschaffungsoptionen bewerten, die finanzielle Belastung absch盲tzen, auf Lieferrisiken f眉r Kunden hinweisen und gleichzeitig Ma脽nahmen f眉r Beschaffung, Logistik, Finanzwesen und Kundenvorg盲nge vorschlagen.

So automatisiert KI nicht nur Arbeitsabl盲ufe, sondern bietet v枚llig neue M枚glichkeiten bei der Interaktion zwischen Mensch und Unternehmenssystemen. Aber nicht nur das.

Je handlungsorientierter die KI wird, desto entscheidender werden die Systeme, die sie mit dem operativen Tagesgesch盲ft und Vorg盲ngen in der Praxis verbinden. Systeme, die Berechtigungen, Richtlinien, Abh盲ngigkeiten, Prozesse, finanzielle Auswirkungen und organisatorische Verantwortlichkeiten auf Unternehmensebene nachvollziehen k枚nnen, werden wichtiger denn je.

Diese Entwicklung wirkt sich auch darauf aus, wie F眉hrungskr盲fte mit dem Thema Transformation umgehen sollten.

Denn bislang experimentieren die meisten Unternehmen mit KI-Assistenten, f眉hren Pilotprojekte ein und automatisieren isolierte Aufgaben. Nur wenige von ihnen konnten ihre Produktivit盲t tats盲chlich steigern, und noch weniger ihre Abl盲ufe grundlegend neu ausrichten.

Die Unternehmen, die sich in der n盲chsten Phase als Vorreiter etablieren k枚nnen, werden einen anderen Ansatz f眉r k眉nstliche Intelligenz verfolgen. Sie werden intelligente Funktionen direkt mit den operativen Systemen verbinden, in denen Entscheidungen echte gesch盲ftliche Konsequenzen nach sich ziehen. Sie werden erkennen, dass vertrauensw眉rdige, produktive KI auf dem Kontext, der Datenqualit盲t und Prozessintegrit盲t sowie einem umfangreichen Prozesswissen beruht.

Vor allem aber werden diese Unternehmen verstehen, dass die erfolgreiche Nutzung von KI nicht nur ein technologischer Wandel, sondern eine Herausforderung in Bezug auf das Change-Management ist. Echter Mehrwert l盲sst sich nur erzielen, wenn KI-Agenten, Prozesse und Menschen Hand in Hand zusammenarbeiten.

Die Zukunft geh枚rt den Unternehmen, die dieses Gleichgewicht finden: Menschen legen Priorit盲ten fest und tragen Verantwortung, w盲hrend intelligente Systeme mit Pr盲zision Prozesse koordinieren und Ma脽nahmen ausf眉hren. Das erm枚glicht es Unternehmen, in einer zunehmend komplexen Welt widerstandsf盲higer, produktiver und intelligenter zu arbeiten.

Christian Klein ist Vorstandsvorsitzender der 麻豆原创 SE.

The post Der KI-Wettlauf wechselt die Richtung appeared first on 麻豆原创 News Center.

Click the button below to load the content from YouTube.

Always allow YouTube

Joule mit 麻豆原创-Signavio-L枚sungen

Allgemeine 痴别谤蹿眉驳产补谤办别颈迟

Prozessanalysten und Optimierungsspezialisten, die mit komplexen organisatorischen Workflows arbeiten, ben枚tigen raschen Zugriff auf Diagramme, Dokumentation und Leistungskennzahlen. 麻豆原创-Signavio-L枚sungen sind mit Joule integrierbar, um die Suche nach Schl眉sselw枚rtern in nat眉rlicher Sprache 眉ber Prozessdiagramme, Dictionary-Elemente und Hilferessourcen hinweg zu erm枚glichen. Gleichzeitig f眉hren Best-Practice-Empfehlungen f眉r KPIs die Benutzer zu den relevantesten Erfolgskennzahlen. Dieser intuitive Ansatz erm枚glicht eine um 50 Prozent schnellere Informationssuche und Navigation und stellt sicher, dass Teams datengest眉tzte Entscheidungen mit qualitativ h枚herwertigen Suchergebnissen und einer verbesserten allgemeinen Benutzerfreundlichkeit treffen.

Ausf眉hrliche Informationen finden Sie .

麻豆原创-Signavio-L枚sungen, KI-gest眉tzte Erkenntnisse zur Simulation von Gesch盲ftsprozessmodellen und Notationen

Allgemeine 痴别谤蹿眉驳产补谤办别颈迟

Prozessanalysten, die 麻豆原创 Signavio nutzen, k枚nnen nun direkt in ihren Prozessdiagrammen auf eingebettete Simulationen von Gesch盲ftsprozessmodellen und Notationen zugreifen, wodurch fragmentierte Tools und manuelle Interpretationen 眉berfl眉ssig werden. Wichtige Kennzahlen wie Kosten, Zykluszeiten und Ressourcenauslastung werden automatisch in klare, umsetzbare Zusammenfassungen umgewandelt, die Engp盲sse und Verbesserungsm枚glichkeiten aufzeigen. Dieser optimierte Ansatz verk眉rzt die Zeit, die f眉r den Zugriff auf Einblicke in die Prozessmodellierung erforderlich ist um 50 Prozent, sodass Teams Szenarios m眉helos vergleichen und die Ergebnisse zuversichtlicher und klarer an Stakeholder kommunizieren k枚nnen.

Ausf眉hrliche Informationen finden Sie .

麻豆原创-LeanIX-L枚sungen, KI-gest眉tzte Hilfestellung f眉r Architektur

Allgemeine 痴别谤蹿眉驳产补谤办别颈迟

Unternehmensarchitekten, die Initiativen zur Transformation beschleunigen m枚chten, k枚nnen mithilfe von 麻豆原创 LeanIX aussagekr盲ftige Erkenntnisse direkt aus ihrem Architekturbestand gewinnen. Die Funktion analysiert Unternehmensarchitekturdaten, um Chancen zu identifizieren. Sie f眉hrt Benutzer durch die Workflows und Aufgaben, die erforderlich sind, um Empfehlungen effizient umzusetzen. Unternehmen profitieren von einer um 95 Prozent schnelleren Erkenntnisgewinnung, einer um 80 Prozent schnelleren Transformation und einem um f眉nf Prozent geringeren Wertverlust infolge von verz枚gerten Ma脽nahmen. Insgesamt tr盲gt diese Funktion zu einer produktiveren Architektur und flexibleren Entscheidungen bei.

Ausf眉hrliche Informationen finden Sie .

Jonathan von R眉den ist Chief AI Officer der 麻豆原创 SE.

* Haftungsausschluss: Dieser Artikel beschreibt die zu erwartenden Vorteile f眉r Unternehmen. S盲mtliche Berechnungen sind Sch盲tzwerte, denen Fallstudien von 麻豆原创-Kunden, 麻豆原创-Benchmarks und andere Untersuchungen zugrunde liegen. Die tats盲chlichen Vorteile k枚nnen variieren und durch zus盲tzliche Faktoren beeinflusst werden, die in diesem Artikel nicht ber眉cksichtigt werden. Die Informationen werden ohne jegliche Gew盲hr, weder ausdr眉cklich noch stillschweigend, bereitgestellt. 麻豆原创 眉bernimmt keinerlei Verantwortung f眉r Sch盲den im Zusammenhang mit der Nutzung dieses Artikels. Auf der Seite sind unter 鈥濺echtliche Hinweise鈥� Nutzungsbedingungen, Haftungsausschl眉sse, Pflichtangaben und Einschr盲nkungen f眉r dieses Material zu finden.

The post Highlights des Q1 2026 Release: 麻豆原创 Business AI f眉r das Business Transformation Management appeared first on 麻豆原创 News Center.

Die Mitarbeitenden von , einem globalen Modeh盲ndler mit zehntausenden Besch盲ftigten, mussten durch mehrere Systeme navigieren, um Daten aus Vertrieb und Beschaffung zusammenzust眉ckeln. Manchmal dauerte die Beantwortung einer einzigen Frage bis zu zehn Minuten.

Heute fragen sie einfach Joule. Was einmal zehn Minuten in Anspruch nahm, ist nun in etwa drei Sekunden erledigt. So konnte die betriebliche Effizienz um 70 Prozent gesteigert und die manuelle Fehlerquote um 50 Prozent verringert werden.

Mithilfe der Funktionen in entwickelte LC Waikiki in Kooperation mit 麻豆原创 und ein individuelles KI-gest眉tztes Benutzererlebnis, das Benutzeranfragen dynamisch interpretiert, rollenbasierten Kontext anwendet, die erforderlichen Abfragen durchf眉hrt und Daten system眉bergreifend vernetzt, um an zentraler Stelle eine umfassende Sicht darzustellen. Anschlie脽end erfolgt eine direkte Verkn眉pfung mit der entsprechenden Transaktion.

Bei 麻豆原创 inspirieren Geschichten wie diese unsere Vision f眉r das Unternehmen, in dem KI die Arbeitsweise von Menschen und Prozessen revolutioniert 鈥� der Mensch gibt die Richtung vor, die KI setzt alles um. Diese Vision bezeichnen wir als 鈥瀌as autonome Unternehmen鈥�.

Im autonomen Unternehmen basieren Entscheidungen auf Informationen in Echtzeit. Workflows sind durchg盲ngig automatisiert, und KI verbessert proaktiv jede Funktion und erm枚glicht es den Mitarbeitenden, Bestleistungen zu erbringen.

Zudem bietet das autonome Unternehmen vertrauensw眉rdige KI mit vollst盲ndiger Kontrolle 鈥� f眉r noch mehr Leistung. Dies in die Realit盲t umzusetzen, ist f眉r Unternehmen erfolgsentscheidend, denn mittlerweile liegt KI allen Arbeitsabl盲ufen zugrunde. Sie ist zunehmend an Entscheidungen mit finanziellen, betrieblichen und regulatorischen Auswirkungen beteiligt.

Joule:  eine zentrale Leitstelle f眉r das gesamte Unternehmen

Im autonomen Unternehmen bildet Joule Work, vorgestellt auf der 麻豆原创 Sapphire, den n盲chsten Schritt auf dem Weg der Interaktion mit durchg盲ngigen Gesch盲ftsprozessen und deren Ausf眉hrung. Joule Work ist ein dynamischer Arbeitsbereich, der sich an Absichten anpasst, daf眉r sorgt, dass Mitarbeitende Ergebnisse im Fokus behalten, und die Umsetzung an die KI delegiert.

Mit Joule Work entf盲llt die manuelle Koordination von Arbeitsabl盲ufen 眉ber mehrere Anwendungen und Schnittstellen hinweg. Stattdessen k枚nnen Sie Joule die gew眉nschten Ergebnisse mitteilen. Joule-Assistenten mit Rollen- und Prozesskontext koordinieren Teams aus Joule-Agenten, um die richtigen Einblicke sichtbar zu machen und Routineaufgaben abteilungs- und system眉bergreifend zu automatisieren. An die Stelle statischer, nicht vernetzter Systeme treten Arbeitsbereiche, die Informationen und Men眉s aus verschiedenen Systemen in Echtzeit zusammenf眉hren 鈥� abgestimmt auf Ihre individuellen Anforderungen.

Die Desktop-App Joule Work, die lokal ausgef眉hrt wird und mit lokalen Dateien und Anwendungen interagieren kann, sowie ein Web-Client sind 眉ber das Programm 麻豆原创 Early Adopter Care verf眉gbar.  Sie soll im Laufe des Jahres 2026 allgemein verf眉gbar sein. Die mobile App Joule Work, eine Weiterentwicklung von 麻豆原创 Mobile Start, ist allgemein verf眉gbar.

Au脽erdem hatten wir angek眉ndigt, dass die bidirektionalen Agent-to-Agent-Funktionen (A2A-Funktionen) von Joule im vierten Quartal allgemein verf眉gbar sein werden, sodass Agenten von Drittanbietern sicher mit Joule-Agenten kooperieren und in Unternehmensprozessen handeln k枚nnen. Dies erweitert die Interoperabilit盲t 眉ber 麻豆原创- und Nicht-麻豆原创-Umgebungen hinweg in beide Richtungen. Agenten, die in Joule Studio erstellt wurden, unterst眉tzen nativ A2A-Protokolle und erm枚glichen so Interoperabilit盲t und Skalierbarkeit f眉r die Ausf眉hrung mehrerer Agenten.

麻豆原创 Autonomous Suite: der operative Kern des Unternehmens von morgen

W盲hrend Joule Work jede einzelne Person dabei unterst眉tzt, Bestleistungen zu erzielen und sich optimal einzubringen, ver盲ndert die 麻豆原创 Autonomous Suite die Arbeitsweise ganzer Unternehmensfunktionen oder 鈥瀉utonomer Bereiche鈥�.

麻豆原创 Autonomous Suite umfasst f眉nf Bereiche: Finanzwesen, Ausgabenmanagement, Lieferkette, Human Capital Management und Customer Experience. Diese Bereiche arbeiten als ein einzelnes System zusammen, sodass Workflows und Agenten funktions眉bergreifend und ohne Fragmentierung in separate Tools, Daten oder Entscheidungen ausgef眉hrt werden. Durch diesen Ansatz kann die KI Empfehlungen abgeben, die Ihre betriebliche Realit盲t umfassend widerspiegeln.

Im Rahmen der integrierten Suite aus Gesch盲ftsanwendungen und branchenf眉hrenden Gesch盲ftsdaten der 麻豆原创 beruht KI im autonomen Unternehmen auf den spezifischen Anforderungen der tats盲chlichen Funktionsweise zentraler Gesch盲ftsfunktionen. In diesem grundlegenden Kontext f眉r revolution盲re KI-Ergebnisse kommt die herausragende Erfahrung der 麻豆原创 ins Spiel. Seit Jahrzehnten vertrauen uns unsere Kunden die Ausf眉hrung ihrer wichtigsten Funktionen an. Mit der 麻豆原创 Autonomous Suite flie脽en unsere fundierten Kenntnisse der Gesch盲ftsprozesse in  Ihre KI ein. Hinzu kommen Datenkontext und operative Leitlinien, damit KI in Unternehmen wirklich effektiv und zuverl盲ssig zum Einsatz kommen kann.

Jedes Unternehmen ist einzigartig. Mit der Zeit haben sich in Ihrem Unternehmen spezifische Arbeitsweisen herausgebildet. Aus diesen entspringen die Regeln, die Workflows und die Reaktionsweisen von Systemen bei unerwarteten Ereignissen, z. B. einer fehlgeschlagenen Transaktion, sodass Prozesse nicht unterbrochen werden. Im autonomen Unternehmen entfaltet KI ihr gr枚脽tes Potenzial, wenn sie diese Grenzen respektiert und Ihre einzigartigen Arbeitsweisen zu einem echten Vorteil macht.

Auf der 麻豆原创 Sapphire hatten wir neue Joule-Assistenten und Joule-Agenten vorgestellt, die alle Bereiche des autonomen Unternehmens umfassen und Unternehmen helfen sollen, Ergebnisse gezielt zu steuern statt nur Arbeitsaufgaben zu verwalten. Diese neuen Assistenten und Agenten werden ab der ersten Jahresh盲lfte 2026 eingef眉hrt, wobei die 痴别谤蹿眉驳产补谤办别颈迟 im Portfolio im Laufe des Jahres zunehmend erweitert wird.

麻豆原创 Business AI Platform: die Grundlage f眉r das autonome Unternehmen

麻豆原创 Business AI Platform verwandelt die Vision von Gesch盲ftsabl盲ufen, die vom Menschen geleitet und von der KI unterst眉tzt werden, in etwas Greifbares, das Unternehmen entwickeln und umsetzen k枚nnen. Mithilfe der Plattform gelingt Unternehmen der Umstieg von reinen Experimenten mit KI zum Einsatz in der Praxis, indem Agenten und Anwendungen in realem Unternehmenskontext verwurzelt werden, der alles auf Unternehmensebene steuert.

Im Mittelpunkt steht , eine vollst盲ndig verwaltete Umgebung, in der Unternehmen den gesamten Lebenszyklus von KI-Agenten, Anwendungen, Erweiterungen und Workflows erstellen und verwalten k枚nnen. Dank absichtsbasierter Entwicklungsfunktionen k枚nnen Mitarbeitende in nat眉rlicher Sprache beschreiben, was sie ben枚tigen. Ein Joule-Agent generiert dann strukturierte Anforderungen, Spezifikationen, Code und Testartefakte, die auf 麻豆原创-Prozess- und -Datenkontext beruhen.

Entwickler k枚nnen in ihren vertrauten Tools arbeiten, einschlie脽lich VS Code und MCP-f盲higer Toolchains, und ihre bevorzugten Agent-Frameworks wie , und verwenden.

Durch die enge Integration mit , und den neuen 麻豆原创 Domain Models, die mit 麻豆原创-Code, Kundendaten, Metadaten und Gesch盲ftsprozessen trainiert wurden, ziehen Joule-Agenten Schlussfolgerungen aus realen Unternehmensdaten mit umfangreicher Semantik anstatt aus allgemeinem Wissen. 麻豆原创 Domain Models sind 眉ber das Programm Early Adopter Care verf眉gbar. Sie sollen im dritten Quartal 2026 allgemein verf眉gbar sein.

Schnelligkeit und Governance sind in die 麻豆原创 Business AI Platform integriert, sodass hier keine Kompromisse mehr eingegangen werden m眉ssen. Wir bei der 麻豆原创 sind davon 眉berzeugt, dass Corporate Governance, einschlie脽lich Genehmigungsabl盲ufen, Compliance-Prozessen, Identit盲tsmanagement und der F盲higkeit, Entscheidungen zu pr眉fen, in die Implementierung, Aktualisierung und Skalierung von KI einflie脽en muss. Die Joule-Studio-Laufzeitumgebung bietet eine sichere, produktiv nutzbare, vollst盲ndig verwaltete Umgebung f眉r die Bereitstellung von Agenten, die Unternehmen dabei unterst眉tzt, Compliance-Standards zu erf眉llen und die Infrastruktur weniger komplex zu gestalten.

麻豆原创 AI Agent Hub bietet zudem eine anbieterunabh盲ngige Einsatzzentrale, um 麻豆原创- und Nicht-麻豆原创-KI-Agenten und MCP-Server unternehmensweit zu ermitteln, zu erfassen und zu steuern. Durch die Integration mit und werden Governance und Architekturtransparenz in den Entwicklungsprozess integriert.

麻豆原创 AI Agent Hub nutzt unternehmensweite Prozessintelligenz, um kontinuierlich nachzuverfolgen, wo KI-Agenten Mehrwert schaffen, und kann proaktiv ermitteln, wo diese noch mehr Nutzen bringen, denn wir sind 眉berzeugt, dass KI neben der Produktivzeit auch zuverl盲ssig f眉r Ergebnisse zust盲ndig bleiben muss. 麻豆原创 AI Agent Hub ist allgemein verf眉gbar. Zus盲tzliche Funktionen sind im Laufe des Jahres 2026 geplant.

Jedes Unternehmen kann Probleme mit KI l枚sen

Wir setzen das autonome Unternehmen in die Realit盲t um, denn wir bei der 麻豆原创 sind 眉berzeugt, dass Unternehmen jeder Gr枚脽e weitaus mehr ben枚tigen als nur geringf眉gig bessere KI-Modelle oder die neuesten Zusatzl枚sungen. Sie haben es verdient, KI-gest眉tzte Ergebnisse erzielen zu k枚nnen, die Innovation, Umsatz und Margen steigern. 

Das autonome Unternehmen setzt unsere Vision in die Realit盲t um: KI, die auf Ihren Daten basiert, 眉ber Ihre wichtigsten Prozesse hinweg vernetzt ist und gem盲脽 der Arbeitsweise Ihres Unternehmens gesteuert wird.

Brenda Bown ist Chief Marketing Officer des Bereichs Business AI bei 麻豆原创.

The post Die Zukunft des Unternehmens ist autonom appeared first on 麻豆原创 News Center.

Mit KI r眉cken diese Ziele in greifbare N盲he. Unternehmen k枚nnen damit schneller handeln, eine umfassende Personalisierung umsetzen und bei der Kundeninteraktion neue Wege gehen. Allerdings steigen auch die Erwartungen. Bei jeder Interaktion zeigt sich nun, wie gut alles funktioniert.

Wenn Kunden eine Bestellung aufgeben oder um Unterst眉tzung bitten, h盲ngen die Erfahrungen, die sie anschlie脽end damit machen, davon ab, was hinter den Kulissen geschieht. Bei ungenauen Preisangaben, ungewissen Lagerbest盲nden oder mangelhafter Auftragsabwicklung sind schlechte Erfahrungen vorprogrammiert.

Deshalb wird die Customer Experience jetzt durch die Umsetzung definiert. Nicht Systeme oder Absichten pr盲gen die Erfahrungen, die die Kunden machen, sondern das am Ende stehende Ergebnis.

Agentic AI kann Geschwindigkeit, Intelligenz und Personalisierung optimieren. Aber Geschwindigkeit allein verbessert die Customer Experience nicht. Sie verst盲rkt lediglich das bereits Vorhandene. Wenn die Umsetzung auf Prozesse, Daten und Governance abgestimmt ist, f眉hrt KI zu besseren Ergebnissen. Ist dies nicht der Fall, wird durch KI die fehlende Abstimmung sp眉rbar.

Customer Experience und Umsetzung aufeinander abstimmen

Autonomous CX bringt Agentic AI direkt in die Unternehmensprozesse ein, anstatt diese einfach auf nicht vernetzte Systeme aufzusetzen. Sie verbindet KI-Assistenten aus den Bereichen Marketing, Handel, Vertrieb und Service im Rahmen eines gemeinsamen Kontextes 眉ber 麻豆原创 CX, 麻豆原创 Cloud ERP, Lieferkettensysteme und vernetzte Systeme hinweg. Auftr盲ge, Best盲nde, Preise und Finanzdaten werden einmal definiert und konsistent verwendet, sodass Entscheidungen auf den tats盲chlichen Betriebsabl盲ufen basieren.

Im Mittelpunkt dieses Wandels stehen KI-Assistenten und autonome Agenten. Assistenten koordinieren mehrere Agenten 眉ber durchg盲ngige kundenbezogene Workflows hinweg, von der Produktsuche bis zur Auftragsabwicklung, von der Interaktion bis zum Service und vom Problem bis zur L枚sung.

Auf der Sapphire hatten wir Assistenten vorgestellt, die dies im gesamten Portfolio umsetzen.

• Im Marketing koordinieren Content Assistant und Campaign Assistant das Verst盲ndnis der Kundenabsicht, die Erstellung von Inhalten, die Segmentierung, die Optimierung und die Umsetzung von Kampagnen im Rahmen von Kontrollmechanismen f眉r die Governance.
• Im Bereich Commerce verkn眉pfen Merchandising Assistant, Shopping Assistant und Order Management Assistant Produktsuche, Konversion und Auftragsabwicklung mit den tats盲chlichen Betriebsabl盲ufen.
• Im Vertrieb werden Verk盲ufer durch Sales Assistant, Deal Qualification Assistant und Deal Closing Assistant vom Kaufsignal bis zur Umsetzung unterst眉tzt.
• Im Service verbessern Case Management Assistant und Service Management Assistant die Bearbeitung von F盲llen und die Servicequalit盲t. Hier kommen zus盲tzliche Assistenten zum Einsatz, die f眉r Self-Service-, HR-Service- und Debitoren-Workflows entwickelt wurden.

KI-gest眉tzte Produktsuche und Interaktion, ausgerichtet an der Realit盲t im Unternehmen

Die Zusammenarbeit der 麻豆原创 mit Google folgt demselben Prinzip: Verbindung der KI-gest眉tzten Produktsuche und Kundeninteraktion mit der Umsetzung.

Gemeinsam konzentrieren sich die 麻豆原创 und Google auf drei Priorit盲ten. Erstens: Es kommen die neuesten KI-Modelle, u.听a. Gemini, zum Einsatz, um eine hochwertige Customer Experience zu bieten. Zweitens: Es werden Branchenstandards und offene Protokolle unterst眉tzt, um die Interoperabilit盲t 眉ber Netzwerke hinweg zu erm枚glichen. Drittens: Es werden nahtlose, personalisierte Customer Journeys 眉ber mehrere Vertriebskan盲le und Google-Oberfl盲chen wie Shopping und Gemini erm枚glicht.

Durch die Kombination der von 麻豆原创 verwalteten Gesch盲ftsdaten mit den KI-Funktionen von Google k枚nnen Assistenten und Agenten die Absichten der Kunden aus Storefronts, Suchvorg盲ngen und KI-gest眉tzten Vertriebskan盲len mit 麻豆原创-Commerce- und Auftragsprozessen verkn眉pfen. So wird sichergestellt, dass die Kunden das gezeigt bekommen, was das Unternehmen auch erf眉llen kann.

Dies ist auch der Grund, warum die 麻豆原创 einf眉hrt und Bereiche erweitert, in denen 麻豆原创-Produktdaten eine KI-gest眉tzte Customer Experience dort optimieren k枚nnen, wo sich Kundenabsichten herausbilden. Denn so bleibt die Customer Experience in Echtzeit auf Preise, Best盲nde und die Auftragsabwicklung abgestimmt.

Innovationen in 麻豆原创 Commerce Cloud

Die 麻豆原创 wird in Analystenbewertungen regelm盲脽ig ausgezeichnet, unter anderem im Gartner庐 Magic Quadrant鈩� for Digital Commerce. Hier wurde die 麻豆原创 11 Mal in Folge als f眉hrend eingestuft.

, eingesetzt in den gr枚脽ten Unternehmen, wird nun mit 麻豆原创 Cloud ERP auch auf mittelst盲ndische und wachsende Unternehmen ausgeweitet. Die neue Cloud-ERP-Edition von 麻豆原创 Commerce Cloud bietet einen standardisierten, durchg盲ngigen Ansatz, sorgt f眉r weniger Komplexit盲t, nutzt k眉nstliche Intelligenz nativ und beschleunigt die Wertsch枚pfung. Durch eine enge Integration mit 麻豆原创 Cloud ERP vernetzt sie den gesamten Prozess der Produktsuche bis zur Auftragsabwicklung.

F眉r Unternehmen mit einem hohen Digitalisierungsgrad erweitert 麻豆原创 den Bereich Composable Commerce um neue und modulare Services f眉r Warenkorb und Kaufabwicklung. Diese Services sind in Kernprozesse wie Preisgestaltung, Werbeaktionen, Kundenbindung, Steuern, Zahlungen, Bestand, Bezugsquellenfindung und Auftragsverwaltung 眉ber 麻豆原创- und Nicht-麻豆原创-Kontaktpunkte hinweg integriert. So k枚nnen Unternehmen ihre Architektur bei durchg盲ngiger Ausf眉hrung modernisieren.

Dar眉ber hinaus erweitert die 麻豆原创 ihr Partnernetz durch Vercel, um die Entwicklung und Implementierung der Storefront mit optimierter Performance, Skalierbarkeit und modularer Customer Experience im Frontend voranzutreiben.

Im Bereich Zahlungen integriert Unified Payments auf der Basis von Adyen die globale Verarbeitung direkt in den Commerce-Ablauf, um die Integration zu vereinfachen und h枚here Konversionsraten zu erzielen. Dar眉ber hinaus erweitert die 麻豆原创 ihr Open Payment Framework um vorab integrierte Anbieter wie Checkout.com und PayPal, sodass Kunden flexibel Anbieter ausw盲hlen k枚nnen, die sich einfach konfigurieren und nutzen lassen.

In der Kombination senken diese Funktionen die Gesamtbetriebskosten, beschleunigen die Implementierung und vereinfachen die umfassende Bereitstellung einer besseren Customer Experience.

Mit Vertriebsaktivit盲ten Einblicke in Ergebnisse umsetzen

Customer Experience umfasst auch die Vertriebsaktivit盲ten. Hier ben枚tigen Teams klare Vorgaben f眉r die n盲chsten Schritte und m眉ssen sich darauf verlassen k枚nnen, dass diese Aktivit盲ten erf眉llt werden k枚nnen.

Wir haben in neue Innovationen eingef眉hrt, darunter Funktionen f眉r den Au脽endienst f眉r Einzelhandelsprozesse bei Konsumg眉terherstellern und andere Umgebungen mit Bezug zum Au脽endienst. Diese Funktionen bieten umfassende mobile Benutzererlebnisse, die sich auch offline nutzen lassen. So l盲sst sich der Besuch in der Filiale einfacher planen, die Aktivit盲t in den Filialen besser erfassen und die Umsetzung in Echtzeit steuern.

F眉hrungskr盲fte im Vertrieb gewinnen vernetzte Einblicke, die direkt mit Preis-, Bestands- und Auftragsprozessen verkn眉pft sind 鈥� f眉r eine konsistente Umsetzung und bessere Ergebnisse.

Zuverl盲ssigen autonomen Service skalieren

Autonomous CX wird durch Partnerschaften gest盲rkt, die die Umsetzung erweitern und Vertrauen und Governance bewahren.

kombiniert dessen durch Agentic AI unterst眉tzte Sprach- und digitale Self-Services mit Service-, Auftrags- und Berechtigungsdaten aus 麻豆原创 Service Cloud. Die KI-gest眉tzte Automatisierung kann routinem盲脽ige Interaktionen mit vollst盲ndigem Kontext abwickeln. Wird menschliches Know-how ben枚tigt, erfolgt nahtlos und ohne Unterbrechung eine Eskalation an die Serviceteams. Dank dieses Ansatzes k枚nnen Unternehmen Services skalieren, ohne Vertrauen zu verspielen. Zudem wird sichergestellt, dass die Kundeninteraktion mit den tats盲chlichen Gesch盲ftsprozessen vernetzt bleibt.

Die 麻豆原创 baut auch ihre Partnerschaft mit Amazon aus, um KI-gest眉tzte Services 眉ber Sprach- und digitale Kan盲le hinweg zu skalieren. So werden schneller und konsistenter L枚sungen erm枚glicht, die Serviceausf眉hrung gr眉ndet dabei auf Gesch盲ftsdaten in Echtzeit.

Industry AI im Einsatz

Wir stellen au脽erdem Szenarien f眉r Industry AI vor, die zeigen, wie Assistenten und autonome Funktionen in realer Umgebung funktionieren.

Autonomous Revenue Growth Management unterst眉tzt Teams f眉r die Handelsplanung und Key Account Manager bei Konsumg眉terherstellern mit Vertrieb 眉ber den Einzelhandel, wobei sich der Anwendungsbereich auch auf die Agrarindustrie und den Gro脽handel erstreckt. Branchenspezifische Joule-Assistenten bieten KI-gest眉tzte Einblicke in die Handelsplanung und -umsetzung und helfen Teams dabei, Wachstumschancen zu erkennen, kaufm盲nnische Bedingungen zu optimieren und schneller auf Signale zu reagieren. So wird Wachstum besser planbar, nachgelagerte Ausnahmen lassen sich verringern.

Unified Commerce unterst眉tzt Teams f眉r Merchandising und operative Abl盲ufe in Einzelhandels-, Gro脽handels- und Direktvertriebsmodellen.

Unified Commerce verkn眉pft Bedarfs-, Bestands- und Kundendaten 眉ber alle Kan盲le hinweg, wobei Joule-Assistenten Entscheidungshilfe zu Sortiment, Preisgestaltung und Platzierung leisten. Hierdurch wird die Umsetzung konsistenter und die Entscheidungsfindung schneller.

Die n盲chste Phase der Kundeninteraktion

Angesichts dieser Innovationen und Industry-AI-Szenarien zeichnet sich ein klares Muster ab.

KI bietet nur dann Mehrwert, wenn ihre Vorgehensweise auf einem gemeinsamen, verl盲sslichen Kontext beruht. Wenn Customer Experience und Umsetzung best盲ndig im Einklang stehen, entsteht durch eine schnelle Abwicklung Vertrauen statt Risiko.

So geht die 麻豆原创 die Zukunft der Customer Experience an: als koordiniertes System, in dem jede Entscheidung transparent ist und jedes Versprechen gehalten werden kann.

Von Balaji Balasubramanian ist President und Chief Product Officer, 麻豆原创 CX.

Die hier vorgestellten CX-Innovationen und Szenarien f眉r Industry AI sollen im 3.听Quartal听2026 allgemein verf眉gbar sein.

Die Funktionen, die im Rahmen des autonomen Unternehmens von 麻豆原创 angek眉ndigt wurden, werden 眉berall in 麻豆原创 Cloud ERP ausgef眉hrt, einschlie脽lich 麻豆原创 Cloud ERP Private.

Gartner spricht keine Empfehlung f眉r die in seinen Publikationen beschriebenen Unternehmen, Anbieter, Produkte oder Dienstleistungen aus und r盲t Technologienutzern nicht, nur die Anbieter mit den h枚chsten Bewertungen bzw. einer sonstigen Bezeichnung zu w盲hlen. Die Publikationen von Gartner geben die Meinungen der Organisation f眉r Erkenntnisse aus Gesch盲ftswelt und Technologie von Gartner wieder und sollten nicht als Tatsachenfeststellung ausgelegt werden. Gartner lehnt jegliche ausdr眉ckliche oder stillschweigende Gew盲hrleistung in Bezug auf diese Publikation ab, einschlie脽lich jeglicher Gew盲hrleistung der Marktg盲ngigkeit oder Eignung f眉r einen bestimmten Zweck.

Gartner und Magic Quadrant sind Marken von Gartner, Inc. und/oder dessen Tochtergesellschaften.

The post Warum KI neue Ma脽st盲be f眉r die Customer Experience setzt appeared first on 麻豆原创 News Center.

In seiner Er枚ffnungsrede auf der Kundenkonferenz 麻豆原创 Sapphire in Orlando, Florida, erl盲uterten Klein und andere 麻豆原创-Vorstandsmitglieder, wie die 麻豆原创 agentenbasierte KI in die wichtigsten globalen Gesch盲ftsabl盲ufe integrieren m枚chte, damit Menschen und KI den wachsenden Anforderungen der globalen Wirtschaft auf gewinnbringende, strategische und sichere Weise begegnen k枚nnen.

鈥濰eute bin ich besonders stolz darauf, unsere neue 麻豆原创 Business AI Platform vorzustellen, die die Grundlage f眉r unsere Vision der Gesch盲ftswelt von morgen bildet: das autonome Unternehmen, in dem Agenten Gesch盲ftsprozesse abwickeln und Sie sich auf das konzentrieren k枚nnen, was wirklich z盲hlt鈥�, so Klein.

Unternehmens-KI stehe an einem Wendepunkt, 别谤办濒盲谤迟别 er den 30.000 Zuschauern seiner Keynote, die vor Ort und virtuell teilnahmen. Und die 麻豆原创 sei bestens positioniert, Kunden das zu bieten, was sie ben枚tigten, um sich zu autonomen Unternehmen zu entwickeln.

Click the button below to load the content from YouTube.

Always allow YouTube

Unternehmens-KI ist unerl盲sslich

Unternehmen aus zahlreichen Branchen investieren verst盲rkt in k眉nstliche Intelligenz (KI), doch viele haben noch immer M眉he, diese Investition in einen konkreten gesch盲ftlichen Mehrwert umzusetzen. Das Fazit auf der 麻豆原创 Sapphire war eindeutig: Es handelt sich hierbei nicht um ein Technologieproblem, sondern um ein Problem mit dem Kontext und der Umsetzung.

鈥濫ine Genauigkeit von 80 Prozent mag bei KI-Anwendungen f眉r Endverbraucher ausreichend sein鈥�, sagte Klein. 鈥濧ber wenn es darum geht, die gr枚脽ten Unternehmen der Welt zu f眉hren, dann sind 80 Prozent einfach nicht gut genug. Sie [gro脽e Sprachmodelle] sollten nicht raten; sie sollten pr盲zise, richtlinienkonforme und sichere Ergebnisse liefern.鈥� 

Klein merkte an, dass KI zwar nahezu 眉berall eingesetzt werde, ein messbarer gesch盲ftlicher Nutzen jedoch nach wie vor nur schwer zu realisieren sei. Er berief sich auf eine k眉rzlich durchgef眉hrte Umfrage der Stanford University zum Thema KI und berichtete, dass fast jedes Unternehmen heute KI nutze, dies aber nur begrenzt profitabel sei.

Zur眉ckzuf眉hren sei dies auf eine strukturelle L眉cke, so Klein. An der sichtbaren Spitze des Eisbergs der Unternehmens-KI k枚nne man sehen, dass gro脽e Sprachmodelle (Large Language Models, LLMs) bei Aufgaben, f眉r die sie mit 枚ffentlich zug盲nglichen Daten trainiert worden seien, immer besser werden w眉rden. Doch unter der Wasseroberfl盲che verberge sich das, was Unternehmen wirklich ben枚tigten: eine KI, die gesch盲ftskritische Daten und durchgehende Prozesse nachvollziehen und dabei Vorgaben f眉r Sicherheit, Gesetzeskonformit盲t und Unternehmenssteuerung einhalten k枚nne.

ERP als Grundlage f眉r Unternehmens-KI

Die Antwort der 麻豆原创 auf diese Herausforderung beginne mit dem, was Klein als 鈥瀌as Gehirn jedes Unternehmens“ bezeichnete: sein ERP-System. Seit mehr als 50 Jahren biete die 麻豆原创 L枚sungen, die fundiertes Fachwissen mit Gesch盲ftsprozessen und Datendom盲nen integrierten. Gleichzeitig ber眉cksichtigten diese L枚sungen Governance-Anforderungen, Compliance-Kontrollen und individuelle Unternehmenskonfigurationen und pr盲gten dadurch die Gesch盲ftsabl盲ufe von Unternehmen.

In Rahmen der neuen Unternehmensvision plane die 麻豆原创 jetzt, dieses kollektive Wissen in KI-Agenten einflie脽en zu lassen, wodurch diese durch Tausende von Gesch盲ftsprozessen navigieren, aus 眉ber 7 Millionen Datenfeldern ausw盲hlen und Identit盲ts- und Zugriffsberechtigungen pr眉fen k枚nnten, bevor sie Ergebnisse lieferten.

鈥濿ir kombinieren LLMs mit unserem 眉ber 50 Jahre hinweg gesammelten fachlichen Know-how, das in unseren ERP-Systemen gespeichert ist. Aber daf眉r mussten wir nichts weniger tun, als unser Unternehmen komplett neu zu erfinden鈥�, berichtete er dem Publikum. 鈥濰eute freuen wir uns sehr, Ihnen die neue 麻豆原创 und unsere Vision f眉r das autonome Unternehmen zu zeigen.鈥�

麻豆原创 Business AI Platform

Um diese Vision Wirklichkeit werden zu lassen, stellten 麻豆原创-F眉hrungskr盲fte auf der B眉hne eine Reihe wichtiger Innovationen vor, angefangen bei der Einf眉hrung der neuen 麻豆原创 Business AI Platform, einer einheitlichen Architektur, die die 麻豆原创 Business Technology Platform, 麻豆原创 Business Data Cloud und AI Foundation unter einem Dach zusammenbringt.

鈥濪as Herzst眉ck dieser neuen Plattform ist der umfangreiche Context Layer鈥�, erl盲uterte Klein. 鈥濰ier statten wir die KI-Agenten mit fundiertem Wissen aus dem ERP-Gesch盲ftsbereich aus. Unsere Knowledge Graphs liefern unseren KI-Agenten nun einen Kompass, eine Landkarte, um den richtigen Prozess und die richtigen Daten
in Ihrer ERP-Landschaft zu finden. Und um den Agenten noch mehr Kontext zu geben, haben wir auch unsere neuen 麻豆原创听Domain Models eingef眉hrt. Sie wurden mit 麻豆原创-Code trainiert, um die Gesch盲ftslogik Ihres Unternehmens noch besser zu verstehen.鈥�

Aber die 麻豆原创 gehe noch weiter: 鈥濪a Sie in Ihrem Unternehmen nicht nur mit 麻豆原创-L枚sungen arbeiten, m眉ssen unsere KI-Agenten auch Daten aus Fremdsystemen verstehen. Aus diesem Grund haben wir unsere 麻豆原创听Business Data Cloud in die Kontextebene integriert, um eine zentrale semantische Datenschicht f眉r 麻豆原创- und Nicht-麻豆原创-Daten zu schaffen.听Keine Silos mehr, kein Datensalat 鈥� denn kein KI-Agent ist in der Lage, ein defektes Datenmodell zu kompensieren.鈥�

Philipp Herzig, Chief Technology Officer der 麻豆原创, griff die Ausf眉hrungen von Klein auf und stellte die 麻豆原创听Business AI Platform im Detail vor. Er sagte, dass diese darauf ausgelegt sei, die Akzeptanzl眉cke f眉r KI-Agenten in Unternehmen zu schlie脽en, indem sie Ergebnisse, Schnelligkeit und Kontext liefere und die Praxistauglichkeit f眉r Unternehmen gew盲hrleiste. 鈥濪as ist der Ort, an dem man KI entwickelt, steuert, Kontext bereitstellt und ihre F盲higkeit zum logischen Schlussfolgern st盲rkt鈥�, sagte er.

Herzig erl盲uterte, dass die Plattform um drei Ebenen herum strukturiert sei: den Context Layer, 眉ber den Klein bereits gesprochen hatte, den Build Layer und den Governance Layer. 鈥濧genten sind nur so leistungsf盲hig wie der Kontext, mit dem sie arbeiten鈥�, betonte er. 鈥濬ehlender Kontext ist der Hauptgrund daf眉r, dass Projekte im Bereich Unternehmens-KI keinen Mehrwert liefern.鈥�

Innerhalb des Build Layer der neuen Plattform sei die neue L枚sung Joule Studio darauf ausgerichtet, die gesch盲ftlichen Herausforderungen eines Unternehmens zu verstehen. Zudem k枚nne man hier schnell und einfach neue KI-Agenten gestalten.

Der Governance Layer sei die dritte Ebene, die vom neuen 麻豆原创 AI Agent Hub auf Grundlage von 麻豆原创 LeanIX gest眉tzt werde. Diese Ebene biete ein Steuerungszentrum, 眉ber die alle KI-Agenten 鈥� sowohl aus 麻豆原创- als auch aus Nicht-麻豆原创-Systemen 鈥� identifiziert, verwaltet und gelenkt werden k枚nnten. Der Governance Layer werde im dritten Quartal allgemein verf眉gbar und ohne zus盲tzliche Kosten in der 麻豆原创 Business AI Platform enthalten sein.

Anschlie脽end trat Rob Fisher, Global Head of Advisory bei KPMG, zu Herzig auf die B眉hne. Auch er sprach davon, dass sich der KI-Markt ver盲ndere: 鈥濾on Kunden h枚re ich, dass ganz klar ein Wandel stattfindet. Sie gehen von KI-Pilotprojekten dazu 眉ber, KI und Agenten in Arbeitsabl盲ufe zu integrieren. Erst in der Umsetzung und der Anpassungsf盲higkeit der Unternehmen zeigt sich, wer die Marktf眉hrer sind, die sich klar vom Wettbewerb absetzen.鈥�

麻豆原创 Autonomous Suite

麻豆原创-Vorstandsmitglied Muhammad Alam, 麻豆原创听Product & Engineering, kn眉pfte daran an und gab bekannt, dass das SaaS-Anwendungsportfolio der 麻豆原创 zur 麻豆原创听Autonomous Suite werde, was die 麻豆原创 als die bedeutendste Weiterentwicklung des 麻豆原创-Anwendungsgesch盲fts in der Unternehmensgeschichte bezeichnet.

Die Suite umfasst f眉nf autonome Gesch盲ftsbereiche: Autonomous Finance, Autonomous Spend, Autonomous Supply Chain Management, Autonomous HCM und Autonomous CX, mit mehr als 200 Agenten und 眉ber 50 Assistenten, die in den n盲chsten Monaten verf眉gbar sein werden. Jeder Assistent ist zentralen Benutzerrollen zugeordnet und mit festgelegten KPIs verkn眉pft, die 眉ber den 麻豆原创 AI Agent Hub verfolgt werden.

鈥濪ie 麻豆原创 Autonomous Suite vereint unser fundiertes Prozesswissen, Daten mit umfangreicher Semantik und integrierte Governance und Compliance鈥�, sagte Alam. 鈥濪iese Agenten sind als zentrales Ziel auf bestimmte Ergebnisse ausgerichtet. Jeder Assistent hat eine vorgegebene Reihe von Kennzahlen, die er zu erf眉llen hat.鈥�  

鈥濪ie Grundlage f眉r die 麻豆原创听Autonomous Suite bilden sofort einsatzbereite Agenten 鈥� Hunderte von Agenten, die alle Kernprozesse abdecken鈥�, erl盲uterte er. 鈥濪iese Agenten werden unter sogenannten Assistenten oder Joule-Assistenten geb眉ndelt. Wir haben diese Assistenten Rollen in s盲mtlichen Kernprozessen eines Unternehmens zugeordnet. Denn wenn man von KI profitieren will, besteht der erste Schritt darin, den Mitarbeitenden zu erm枚glichen, mehr zu erreichen, ihre Arbeit zu verbessern oder etwas zu tun, was bisher nicht m枚glich war.“

Mit Joule, so Muhammad weiter, ver盲ndert die 麻豆原创 grundlegend die Art und Weise, wie Nutzer in Zukunft mit 麻豆原创-Anwendungen arbeiten werden.

鈥濿ir nennen dies Joule Spaces. Und zusammen mit der vertrauten dialogorientierten Kommunikation in Joule und Joule Studio 2.0 bildet dies nun Joule Work, wie wir es nennen鈥�, 别谤办濒盲谤迟别 er.

鈥濲oule Work ist ein enormer Schritt nach vorn, wenn es darum geht, die bisherigen Funktionen von Joule zu optimieren鈥�, sagte Alam. 鈥濵it Joule Work erweitern wir Joule um eine Claw-basierte Agenten-Infrastruktur, zusammen mit Computer- und Dateizugriff, besserer Unterst眉tzung f眉r offene Standards wie MCP und A2A, Zugang zu einer umfassenderen Wissensdatenbank und nat眉rlich beeindruckenden dynamischen Visualisierungen.鈥� 

Industry AI: H&M- und branchenspezifische Transformation

W盲hrend der Keynote stellte Sebastian Steinh盲user, Chief Operating Officer der 麻豆原创, die 鈥濱ndustry AI鈥�-Initiative vor, mit der KI-gest眉tzte L枚sungen bereitgestellt werden, die auf jahrzehntelanger branchenspezifischer Erfahrung in 26 Branchen basieren. Er hob hervor, wie der 麻豆原创-Kunde Takeda in der Life-Sciences-Branche durch das Branchenszenario Autonomous Regulated Manufacturing Produktivit盲tssteigerungen von bis zu 10 %, eine Verringerung der Umsatzeinbu脽en durch Fehlbest盲nde von bis zu 25 % und eine Reduzierung der Sicherheitsbest盲nde von bis zu 5 % erziele.

Anschlie脽end kam Ellen Svanstr枚m, CDIO der H&M Group, auf die B眉hne und erl盲uterte, wie der Modeh盲ndler KI in seine gesamte Wertsch枚pfungskette integriert. Auf Basis von RISE with 麻豆原创, 麻豆原创 Business Data Cloud, 麻豆原创 Commerce Cloud und 麻豆原创-SuccessFactors-L枚sungen hat H&M einen Store Intelligence Agent entwickelt, der Echtzeitdaten verarbeitet, um konkrete Empfehlungen f眉r Filialleiter zu generieren. Svanstr枚m stellte auch den KI-gest眉tzten InStore Concierge vor, einen kundenbezogenen Agenten, der digitalen und physischen Einzelhandel durch individualisierte Outfit-Empfehlungen und 痴别谤蹿眉驳产补谤办别颈迟 in Echtzeit verbindet.

RISE with 麻豆原创 und 麻豆原创 GROW: Der Weg zum autonomen Unternehmen

Zur眉ck auf der B眉hne betonte Klein, dass die Einf眉hrung von Technologie allein noch keinen gesch盲ftlichen Nutzen bringe.

鈥濿enn Sie KI-Agenten einfach nur in Ihre Systemlandschaft einbinden, wird der Mehrwert gleich Null sein鈥�, bekr盲ftige er.

Er sprach zudem 眉ber den Wandel zum autonomen Unternehmen und 别谤办濒盲谤迟别, dass dieser konsequentes Change Management erfordere. 鈥濪ie Einf眉hrung von KI geht Hand in Hand mit der 脛nderung von Gesch盲ftsprozessen und der Schulung von Endanwendern鈥�, betonte Klein.

Um Kunden auf diesem Weg zu unterst眉tzen, k眉ndigte die 麻豆原创 eine umfassende Neuausrichtung ihrer Angebote RISE with 麻豆原创 und 麻豆原创 GROW an. Kunden von RISE with 麻豆原创 wird vertraglich best盲tigt, dass sie im ersten Jahr drei aktivierte Joule-Assistenten erhalten. Mit dem Max Success Plan l盲sst sich die Einf眉hrung dann auf das gesamte Unternehmen ausweiten. 

Kunden von 麻豆原创 GROW erhalten bereits vom ersten Tag an Zugriff auf mehr als 20 KI-Assistenten. Eine KI-gest眉tzte Toolchain hilft ihnen, den Produktivstart innerhalb weniger Wochen zu vollziehen. Neue Partnerschaften mit Palantir und Accenture zielen darauf ab, die komplexesten Migrationsszenarien zu unterst眉tzen.

Abschluss der Keynote: Das autonome Unternehmen

Zum Abschluss seiner Keynote bat Klein den KI-Assistenten Joule, die wichtigsten Erkenntnisse zusammenzufassen und betonte, dass sich die 麻豆原创 von einem Softwareunternehmen zu einem Anbieter von Unternehmens-KI entwickle.

鈥濿ir haben gezeigt, wie die 麻豆原创 Business AI Platform das Versprechen von Unternehmens-KI einl枚st. Die Plattform stellt die Daten, Prozesse und Governance bereit, die die KI ben枚tigt, um pr盲zise und sichere Ergebnisse im gro脽en Ma脽stab zu liefern. Mit der 麻豆原创 Autonomous Suite haben wir eine L枚sung vorgestellt, in der Anwendungen f眉r Sie analysieren, entscheiden und handeln. Und wir haben gezeigt, wie sich Change Management mit RISE with 麻豆原创 sicherstellen l盲sst. Gemeinsam mit Kunden und Partnern haben wir gezeigt, wie 麻豆原创 Unternehmen dabei unterst眉tzt, die Vision des Autonomen Unternehmens Wirklichkeit werden zu lassen鈥�, f眉hrte Klein aus.

鈥濻eit 眉ber 50 Jahren definieren wir immer wieder neu, wie Unternehmen ihre Gesch盲fte abwickeln. Indem wir das ERP-Wissen der 麻豆原创 in die neue 麻豆原创 Business AI Platform integrieren, l枚sen wir eine der gr枚脽ten Herausforderungen, vor denen Unternehmen heute stehen: Wie l盲sst sich KI in echten Gesch盲ftswert verwandeln?鈥� Abschlie脽end sagte er: 鈥濴ange Verhandlungen, St枚rungen in Lieferketten und fehlende Transparenz in Finanzprozessen geh枚ren der Vergangenheit an. Nun beginnt eine neue 脛ra: Willkommen im autonomen Unternehmen.鈥�

The post 麻豆原创 stellt KI-Plattform f眉r das autonome Unternehmen vor appeared first on 麻豆原创 News Center.

Partnerschaft er枚ffnet neue Wege f眉r die Migration von Unternehmensdaten mit KI-gest眉tzten Tools von 麻豆原创, erg盲nzt durch AIP von Palantir f眉r Datenmigrationsszenarien. Dies vereinfacht und beschleunigt die digitale Transformation f眉r 麻豆原创-Kunden, wobei Accenture als Co-Innovationspartner f眉r gemeinsame Kunden fungiert.

Auf der diesj盲hrigen 麻豆原创听Sapphire haben 麻豆原创 und Palantir einen Ausbau ihrer strategischen Partnerschaft angek眉ndigt, durch die neue Funktionen f眉r die Datenmigration bereitgestellt werden. Diese sollen Kunden helfen, im KI-Zeitalter erfolgreich zu sein und die 麻豆原创-Vision des autonomen Unternehmens zu verwirklichen.

Ziel der erweiterten Partnerschaft ist es, die Cloudmigrationen gemeinsamer Kunden zu erleichtern, damit die komplexesten Szenarien der Datenmigration schnell und sicher den Prozess der Unternehmenstransformation durchlaufen.

KI im gesamten Migrationslebenszyklus integriert

Die erweiterte Partnerschaft baut auf der breiteren agentenbasierten Migrationsstrategie der 麻豆原创 auf. Sie vereint das umfassende Know-how der 麻豆原创 bei Unternehmensanwendungen und 麻豆原创 Business AI und die Plattform AIP von Palantir, um KI-gest眉tzte Funktionen f眉r die Datenmigration bereitzustellen, die Zeitpl盲ne beschleunigen, Kosteneinsparungen gew盲hrleisten und die Prozesse von Unternehmen grundlegend ver盲ndern. 麻豆原创-Kunden k枚nnen nun AIP von Palantir f眉r Datenmigrationsszenarien neben den agentenbasierten nahtlos integrierten Tools von 麻豆原创 nutzen, die Tools f眉r die Unternehmenstransformation und die neuen Migrations- und Modernisierungsassistenten umfassen und den Umstieg auf 麻豆原创-Cloud-ERP-Anwendungen beschleunigen.

鈥濽m die Vision des autonomen Unternehmens zu verwirklichen, ben枚tigen Unternehmen vertrauensw眉rdige Partner, die ihnen helfen, ihre Kernprozesse umzugestalten und von Gesch盲ftsdaten und KI zu profitieren鈥�, sagte Christian Klein, Vorstandsvorsitzender der 麻豆原创 SE. 鈥濭emeinsam mit Palantir erm枚glichen wir unseren Kunden einen schnellen und sicheren Umstieg auf die Cloud durch erg盲nzende Funktionen, die Innovationen im gesamten Unternehmen beschleunigen.鈥�

鈥濿ir sind stolz darauf, mit 麻豆原创 und Accenture zusammenzuarbeiten, um Unternehmen zu helfen, die M枚glichkeiten von fortgeschrittener KI und Datenmigration f眉r die weltweit wichtigsten Abl盲ufe zu nutzen. Diese Partnerschaft soll Kunden dabei helfen, gr枚脽tm枚glichen Nutzen aus ihren Daten zu ziehen, die Migration in die Cloud und den Einsatz von KI zu beschleunigen und widerstandsf盲higere und effizientere Abl盲ufe zu schaffen鈥�, sagte Alex Karp, Mitgr眉nder und CEO von Palantir Technologies.

Accenture als Global Strategic Services Partner

Accenture spielt als erster Global Strategic Services Partner f眉r diese Initiative eine Schl眉sselrolle bei der Realisierung dieses Gemeinschaftsprojekts, um Kunden zu helfen, diese Funktionen in gro脽e Unternehmensprogramme umzusetzen. Gemeinsam k枚nnen 麻豆原创, Palantir und Accenture gemeinsame Kunden dabei unterst眉tzen, M枚glichkeiten zur Beschleunigung in 麻豆原创- und Fremdsystemen fr眉her zu erkennen, eine schnellere Wertsch枚pfung zu erzielen und kontinuierliche Innovationen voranzutreiben, indem sie den Ansatz f眉r 麻豆原创-Cloud-ERP-Migrationen grundlegend neu definieren. Wenn Unternehmen von Anfang an KI einsetzen, k枚nnen sie Migrationsanalysen, Planung, Fehlerbehebung, Tests und Folgenabsch盲tzungen automatisieren und in jeder Phase messbaren Mehrwert schaffen, statt nur Projektzeitpl盲ne zu verfolgen.

鈥濱n der heutigen Welt ist eine schnelle Wertsch枚pfung f眉r unsere Kunden von entscheidender Bedeutung鈥�, sagte Julie Sweet, Vorsitzende und CEO von Accenture. 鈥濿ir freuen uns, gemeinsam mit der 麻豆原创 und Palantir Innovationen zu entwickeln, damit unsere Kunden schneller ihre ERP-Systeme mit 麻豆原创 modernisieren k枚nnen. Dies ist die Grundlage, um Kernprozesse neu zu gestalten und mithilfe von KI neue Chancen zur Leistungssteigerung zu entdecken.鈥�

Neue von 麻豆原创 validierte Bereitstellungsoptionen

Die 麻豆原创 stellt Palantir AIP f眉r Datenmigrationsszenarien als 麻豆原创 Endorsed App im 麻豆原创 Store und bald als 麻豆原创-L枚sungserweiterung zur Verf眉gung. Dies gew盲hrleistet einen zuverl盲ssigen, von 麻豆原创 validierten Weg zur Beschleunigung komplexer Datenmigrationen, darunter auch Migrationen zu 麻豆原创-Cloud-ERP-Anwendungen. Die neue 麻豆原创-L枚sungserweiterung vereint das umfassende Wissen der 麻豆原创 眉ber wichtige Gesch盲ftsprozesse und Daten mit vielf盲ltiger Semantik mit Palantir AIP, um Datenmigrationen f眉r 麻豆原创-Kunden sicher zu beschleunigen. Mit dem neuen Angebot k枚nnen Kunden schneller wertvolle Erkenntnisse gewinnen und intelligentere, datengest眉tzte Ergebnisse erzielen.

Gemeinsam definieren 麻豆原创 und Palantir 麻豆原创-Datenmigrationen neu, einschlie脽lich der Modernisierung von ERP-Systemen durch erg盲nzende L枚sungen. Dadurch wird aus einem bisher komplexen Migrationsprozess ein Projekt, das eine schnellere Wertsch枚pfung erm枚glicht.

痴别谤蹿眉驳产补谤办别颈迟

Palantir AIP f眉r Datenmigrationsszenarien ist nun als 麻豆原创听Endorsed App im 麻豆原创 Store verf眉gbar. Die 听麻豆原创-L枚sungserweiterung 听soll f眉r 麻豆原创-Kunden im dritten Quartal 2026 allgemein verf眉gbar sein.

Jan Gilg ist Mitglied des Erweiterten Vorstands der 麻豆原创 SE.

The post 麻豆原创 und Palantir erweitern Partnerschaft mit KI-gest眉tzten Tools f眉r die Datenmigration zur Beschleunigung der Cloud-ERP-Transformation f眉r autonome Unternehmen appeared first on 麻豆原创 News Center.

F眉r 麻豆原创-Kunden kann diese Entwicklung eine deutliche Produktivit盲tssteigerung bedeuten. Zugleich gehen damit jedoch auch strenge Anforderungen einher: KI-Agenten f眉r Unternehmen m眉ssen von Grund auf sicher, kontrollierbar und 眉berpr眉fbar sein.

Dies ist der Hintergrund f眉r die enge technische Zusammenarbeit zwischen 麻豆原创 und NVIDIA, mit der die 麻豆原创 Business AI Platform und NVIDIA OpenShell, eine sichere Open-Source-Laufzeitumgebung f眉r autonome KI-Agenten, integriert werden sollen. Ziel dabei ist es nicht, dass 麻豆原创 die OpenShell-Laufzeitumgebung 鈥灻糱ernimmt鈥�. Vielmehr geht es darum, dass 麻豆原创 die Ausf眉hrungsschicht f眉r Agentic AI gemeinsam mit NVIDIA gestaltet, mit Sicherheitsfunktionen versieht und in Produkte 眉berf眉hrt.

Welche Vorteile die Zusammenarbeit f眉r 麻豆原创-Kunden mit sich bringt

麻豆原创-Kunden profitieren durch diese Zusammenarbeit von konkretem und praktischem Nutzen.

Sie schafft die Voraussetzungen f眉r:

• KI-Agenten, die innerhalb von 麻豆原创-Prozessen agieren, ohne Governance-Mechanismen zu umgehen
• Sicherheitsmodelle, die sich an den IAM- und Compliance-Frameworks von Unternehmen orientieren
• 眉bersichtliche Pr眉fpfade f眉r system眉bergreifende Aktionen von Agenten
• einen sicheren 脺bergang von Pilotprojekten zum Produktiveinsatz

Vor allem aber sorgt sie daf眉r, dass Kunden sich nicht zwischen Innovation und Kontrolle entscheiden m眉ssen. Sie sind nicht gezwungen, Sicherheitsfunktionen nachtr盲glich zu implementieren oder ihre Risikomodelle zu 眉berarbeiten, um den Anforderungen von KI-Agenten Rechnung zu tragen.

Sicherheit und Governance werden vielmehr von Anfang an in das Ausf眉hrungsmodell integriert.

Die eigentliche Herausforderung f眉r Unternehmen: Vertrauen in die Aktionen von Agenten aufbauen

Wenn KI-Systeme nicht mehr nur Antworten auf Fragen liefern, sondern auch Aktionen ausf眉hren, bringt dies v枚llig neue Risiken mit sich.

Agentenbasierte Systeme k枚nnen:

• auf Daten in Erfassungssystemen zugreifen,
• 眉ber Anwendungs- und Datengrenzen hinweg agieren und
• Aktionen ausf眉hren, ohne dass dabei jeder Schritt durch einen Menschen 眉berpr眉ft wird.

Diese M枚glichkeiten stellen alle Unternehmen听鈥� insbesondere in regulierten Branchen听鈥� vor enorme Herausforderungen, was die Sicherheit und Governance bei der Ausf眉hrung von Agenten betrifft. Kontrollen, wie sie im Zeitalter von Chatbots 眉blich waren, greifen zu kurz, wenn Agenten Zugriff auf Shells, Dateien, Netzwerke, Anmeldeinformationen und APIs haben.

麻豆原创-Kunden wissen nur zur gut, welche Folgen das in der Praxis haben kann. Der Einsatz von KI ist f眉r sie nur dann von Nutzen, wenn die KI:

• auf Fehler untersucht und 眉berpr眉ft werden kann,
• auf der Grundlage von Richtlinien eingesetzt wird und
• von Sicherheits- und Compliance-Teams f眉r vertrauensw眉rdig erachtet wird.

Um dieses Problem zu l枚sen, gen眉gt es nicht, grundlegende Infrastrukturbausteine bereitzustellen oder Regeln auf Anwendungsebene zu definieren.

NVIDIA OpenShell als Grundlage

NVIDIA OpenShell tr盲gt mit der sicheren Ausf眉hrung autonomer Agenten in einer Sandbox-Umgebung entscheidend zur L枚sung dieses Problems bei.

Die Open-Source-Laufzeitumgebung OpenShell stellt leistungsstarke Funktionen zur Verf眉gung. Beispiele hierf眉r sind:

• isolierte Ausf眉hrungsumgebungen
• die Durchsetzung von Richtlinien beim Zugriff auf das Dateisystem und das Netzwerk
• eine Ausf眉hrung ausschlie脽lich auf Ebene der Laufzeitumgebung, wodurch die Folgesch盲den eingegrenzt werden, selbst wenn die Logik des Agenten fehlschl盲gt

Diese Funktionen bilden eine grundlegende Schicht f眉r die sichere Ausf眉hrung autonomer Agenten. In der Praxis ist es f眉r Unternehmen wichtig, dass diese Ausf眉hrungsschicht auf den gesch盲ftlichen Kontext und das Governance-Modell abgestimmt ist. Unternehmen erwarten klare Antworten auf folgende Fragen:

• Welche Benutzerrolle autorisiert eine Aktion?
• Welcher Prozesskontext muss ber眉cksichtigt werden?
• Welche Unternehmensrichtlinien und Pr眉fpfade gelten f眉r Aktionen?

Hier kann 麻豆原创 einen entscheidenden Beitrag leisten.

麻豆原创 erg盲nzt OpenShell um Gesch盲ftssemantik, Governance und Skalierungsm枚glichkeiten

麻豆原创 bringt die konkreten Anforderungen von Unternehmen in die Entwicklung von OpenShell ein.

1. Anforderungen von Unternehmen an Laufzeitumgebungen

麻豆原创 ist wie kaum ein anderer Softwareanbieter in gro脽em Ma脽stab verantwortlich f眉r:

• die Steuerung gesch盲ftskritischer Prozesse
• die Unterst眉tzung von Unternehmen in regulierten Branchen
• die Ausf眉hrung von Millionen von Transaktionen pro Stunde

Mit Workloads, die in der Praxis von 麻豆原创-Agenten ausgef眉hrt werden, stellt 麻豆原创 im Rahmen der Zusammenarbeit mit NVIDIA das operative Versuchsfeld bereit, mit dem sich die leistungsf盲hige Laufzeitumgebung OpenShell zu einer praxiserprobten Umgebung weiterentwickeln kann.

In diesem Zusammenhang m眉ssen auch die Anforderungen f眉r folgende Aspekte definiert werden:

• Grenzen f眉r die Isolierung, die den Risikomodellen des Unternehmens entsprechen
• Durchsetzung von Richtlinien im Einklang mit den konkreten gesch盲ftlichen Rahmenbedingungen
• 脺berpr眉fbarkeit, die den Erwartungen der Kunden und den gesetzlichen Vorgaben entspricht

2. Gemeinsame Entwicklung von OpenShell-Funktionen

麻豆原创 stellt Kapazit盲ten f眉r die Entwicklung der Open-Source-Codebasis von OpenShell zur Verf眉gung. Der Schwerpunkt liegt dabei auf Bereichen, die f眉r Unternehmen besonders wichtig sind:

• Absicherung der Laufzeitumgebung
• Modellierung von Richtlinien
• Integration in das Identit盲tsmanagement von Unternehmen
• Hooks f眉r die 脺berpr眉fung und Governance

麻豆原创 leistet einen Beitrag zur Definition der Anforderungen f眉r eine sichere Ausf眉hrung von Agenten im Unternehmen听鈥� nicht nur in der Theorie, sondern auch beim Produktiveinsatz.

3. Joule-Studio-Laufzeitumgebung: von einer sicheren Ausf眉hrung zur Kontrolle durch das Unternehmen

W盲hrend OpenShell eine sichere Ausf眉hrung erm枚glicht, stellt die Joule-Studio-Laufzeitumgebung die n枚tigen Funktionen und Prozesse bereit, damit Agenten von Unternehmenssystemen genutzt und gesteuert werden k枚nnen:

• Gesch盲ftsorientierte Richtliniensemantik (Rollen, F盲higkeiten, Lebenszyklus)
• Identit盲ts- und Zugriffskontrolle f眉r Unternehmen
• Beobachtbarkeit und 脺berpr眉fbarkeit aller Verhaltensweisen von Agenten
• Implementierung und operative Governance in allen Landschaften

Dadurch wird sichergestellt, dass sich das autonome Handeln von Agenten stets an den gesch盲ftlichen Zielen und Zust盲ndigkeiten orientiert und nicht nur auf den technischen Berechtigungen basiert.

Die Antwort von OpenShell lautet: 鈥濳ann diese Aktion sicher ausgef眉hrt werden?鈥�
Die Antwort der Joule-Studio-Laufzeitumgebung lautet: 鈥濻oll diese Aktion 眉berhaupt ausgef眉hrt werden?鈥�

Die Messlatte f眉r Agentic AI f眉r Unternehmen h枚her legen

Die Zusammenarbeit zwischen 麻豆原创 und NVIDIA zielt nicht nur auf die Integration von Technologien ab. Sie steht vielmehr f眉r die gemeinsame Absicht, die Bedeutung des Begriffs 鈥瀎眉r Unternehmen鈥� im Zusammenhang mit autonomen KI-Systemen zu definieren.

Durch B眉ndelung

• der innovativen Laufzeitumgebung und Sicherheitsfunktionen von NVIDIA
• mit der F盲higkeit von 麻豆原创, Technologien in Produkte zu 眉berf眉hren, sowie dem Governance-Wissen von 麻豆原创 und dem gro脽fl盲chigen Einsatz von 麻豆原创-L枚sungen

schaffen 麻豆原创 und NVIDIA eine integrierte L枚sung f眉r die vertrauensw眉rdige Ausf眉hrung von Agenten听鈥� eine L枚sung, die Unternehmen 眉berpr眉fen, steuern und sicher einsetzen k枚nnen.

麻豆原创-Kunden stehen durch diese Zusammenarbeit KI-Agenten zur Verf眉gung, die nicht nur leistungsf盲hig, sondern auch daf眉r ausgelegt sind, Vertrauen in Umgebungen zu schaffen, in denen Vertrauen besonders wichtig ist.

Andre Lamego ist SVP und Chief Product Officer f眉r 麻豆原创 BTP Fabric.

The post Sichere KI-Agenten: 麻豆原创 und NVIDIA definieren gemeinsam Anforderungen f眉r die Ausf眉hrung von Agenten f眉r Unternehmen appeared first on 麻豆原创 News Center.

Mit einem vielf盲ltigen Portfolio von Marken 鈥� Kito, Crosby, Harrington, Gunnebo Industries, Peerless und eepos 鈥� verzeichnete das Unternehmen ein schnelles Wachstum und konnte seinen Umsatz von Millionen US-Dollar auf rund eine Milliarde US-Dollar steigern. Aber nach zahlreichen Akquisitionen hatte das Unternehmen eine fragmentierte IT-Landschaft aus veralteten, nicht unterst眉tzten und nicht skalierbaren Systemen.

Um einen einheitlichen digitalen Kern zu schaffen und Prozesse zu standardisieren, entschied sich Kito Crosby f眉r und implementierte 麻豆原创 S/4HANA Cloud Private Edition, mit dem Ziel, seine langfristige Strategie einer einzigen globalen Instanz umzusetzen.

Eine erfolgreiche Strategie Richtung Cloud

Kito Crosby habe eine 鈥濩lean Core鈥�-Strategie nach dem Greenfield-Ansatz gew盲hlt, um die bestehende Fragmentierung zu beseitigen und langfristige Skalierbarkeit zu erm枚glichen, sagte Johnson Lai, Chief Digital Transformation Officer und Chief Information Officer, . 鈥濬r眉her haben wir unsere ERP-Systeme nicht integriert, sodass unsere IT-Landschaft sehr fragmentiert und unsere Funktionen f眉r die Gesch盲ftsprozesse eingeschr盲nkt waren鈥�, sagte er. 鈥濪aher wollten wir alle unsere ERP-Systeme erneuern und
mit einer Neuimplementierung wesentliche Ver盲nderungen f眉r das gesamte Unternehmen einleiten.鈥�

Der Greenfield- und 鈥濩lean-Core鈥�-Ansatz 鈥� im Grunde die Einrichtung eines v枚llig neuen Systems, bei dem Standardfunktionen gegen眉ber Anpassungen priorisiert werden 鈥� waren ausschlaggebend, um die aktuelle Technologielandschaft von Kito Crosby zu berichtigen, sodass Prozesse wie Auftragsabwicklung, Buchhaltung, Fertigung und Versand integriert werden konnten. Dieser Ansatz habe es dem Unternehmen auch erm枚glicht, Kernprozesse genau zu betrachten und Abl盲ufe zu optimieren, insbesondere in der Lagerverwaltung und Absatz- und Produktionsplanung, betonte Lai.

Da Kito Crosby f眉r diesen Projektumfang nicht 眉ber die interne Mitarbeitenden verf眉gte, um die Server und Infrastruktur einzurichten, entschied man sich f眉r RISE with 麻豆原创 und . 鈥濪ie 麻豆原创 hat sehr viel zu bieten und wir wollten das f眉r uns nutzen鈥�, sagte Lai.

Das Unternehmen begann seine Transformation in Nordamerika, da dies sein gr枚脽ter Markt ist und der Betrieb eines 盲lteren, nicht unterst眉tzten ERP-Systems dort das gr枚脽te Risiko darstellte.

Ver盲nderungsprozesse sind nicht zu untersch盲tzen

Obwohl die Belegschaft laut Lai anfangs motiviert und voller Tatendrang war, war man durch die Gr枚脽e des Projekts doch schnell 眉berfordert.

Paradoxerweise wollten viele die neue L枚sung 麻豆原创 S/4HANA Cloud Private Edition so anpassen, dass sie wie die alte Technologie funktioniert. 鈥濲eder ist vom 鈥濩lean Core鈥�-Ansatz 眉berzeugt, bis es um seine eigenen Funktionen geht. Dann will man doch lieber individuelle Anpassungen. Man str盲ubte sich etwas, einfache Funktionen zu nutzen鈥�, sagte Lai. 鈥濻obald wir den Leuten aber Live-Demos mit ihren eigenen Daten zeigten, schwand dieser Widerstand langsam鈥�, f眉gte er hinzu.

Besonders die IT-Abteilung wollte unbedingt ihre eigene Infrastruktur und ihre eigenen Server aufbauen und betreiben und das nicht einem anderen Unternehmen 眉berlassen. Ein gewisses Verantwortungsgef眉hl sei wichtig, so Lai, aber da Kito Crosby letztlich sein Altsystem in Nordamerika schnell habe abl枚sen m眉ssen, sei es erforderlich gewesen, mit der 麻豆原创 zusammenzuarbeiten. Und es war die richtige Entscheidung: 鈥濫inige, die sich anfangs fragten, warum wir manche der Aufgaben an die 麻豆原创 auslagern, sind mittlerweile unsere gr枚脽ten F眉rsprecher. Wir finden, dass die Zusammenarbeit mit dem 麻豆原创-Team nicht anders ist als die Zusammenarbeit in unseren Teams.鈥�

Unternehmen, die vor einem Digitalisierungsprojekt stehen, sollten, so Lai, 鈥瀌ie Auswirkungen von Ver盲nderungen auf die Mitarbeitenden niemals untersch盲tzen鈥�. Globale Projekte erfordern eine umfassende Planung und entsprechende Zeit, bis Mitarbeitende und F眉hrungskr盲fte mitmachen.

Erfahrungswerte und Vorteile des Cloud ERP

Die Modernisierung des ERP-Systems brachte Kito Crosby messbare Vorteile, unter anderem einen verbesserten Kundenservice, eine bessere Bestandskontrolle und effizientere Fertigungs- und Lagerabl盲ufe. Durch die Verbesserungen bei den Gesch盲ftsprozessen und die optimierten Systemfunktionen erreichte die Liefertreue von Kito Crosby den h枚chsten Wert seit 10 Jahren.

鈥濿ir sehen diese Vorteile auf der ganzen Welt und freuen uns darauf, unsere Erfahrungen, die wir in Nordamerika gesammelt haben, weltweit zu nutzen, um all die kleinen ERP-Systeme, die veraltet sind und nicht unterst眉tzt werden, in einem 麻豆原创-System zusammenzuf眉hren und eine einzige globale Instanz zu erreichen鈥�, sagte Lai. Seit Kito Crosby 麻豆原创 S/4HANA Cloud Private Edition produktiv einsetzt und die nativen Funktionen umfassend nutzt, hat das Unternehmen messbare Vorteile erzielt und von optimierten Gesch盲ftsprozessen profitiert.  Die Transformation sorgte f眉r erhebliche Leistungssteigerungen bei wichtigen Kennzahlen, wie zum Beispiel mehr termingerechte Kundenlieferungen, eine deutliche Verringerung von Lieferr眉ckst盲nden, eine h枚here Bestandsgenauigkeit und eine schnellere unternehmens眉bergreifende Verarbeitung.

Gleichzeitig werden im Lagerbetrieb neue Ma脽st盲be in puncto Effizienz gesetzt und Rekordmengen bei Aus- und Einlagerung, Nachschub und Versand erreicht. Diese Ergebnisse wurden sicher, ohne Verletzungen und mit weniger Ressourcen erzielt.

Umstieg auf die Cloud

Nach der k眉rzlich abgeschlossenen 脺bernahme von Kito Crosby durch , einen weltweit f眉hrenden Entwickler, Hersteller und Vermarkter von L枚sungen f眉r intelligente Bewegungssteuerung, setzt Kito Crosby weiterhin auf seine starke digitale Basis.

鈥濪a wir mit einer Neuimplementierung begannen und uns so weit wie m枚glich am 鈥濩lean Core鈥�-Ansatz orientiert haben, laufen die Upgrades nach unserer Einsch盲tzung noch schneller und mit weniger Aufwand ab鈥�, sagte Lai. 鈥濿ir m枚chten die neueste Version von 麻豆原创 S/4HANA Cloud Private Edition einf眉hren, um die KI-Funktionen von  nutzen k枚nnen.鈥�

Als N盲chstes ist die Konsolidierung des Systems 麻豆原创 ERP Central Component (麻豆原创 ECC) 6.0 in Europa geplant.

鈥濪ies ist nur ein Beispiel daf眉r, wie unser IT-Team das gesamte Unternehmen dabei unterst眉tzt, unsere Kunden und Endanwender weiter zu begeistern鈥�,  Lai. 鈥濪a wir unsere Gesch盲ftsaktivit盲ten weiter ausweiten, erwarten wir zus盲tzliche Vorteile durch die Technologie, die erweiterten Funktionen und die KI-Tools in unserer 麻豆原创-Landschaft.鈥�

Gillian Hixson ist Integrated Communications Specialist bei 麻豆原创.

The post Kito Crosby sichert seine Zukunft mit Neuausrichtung auf Cloud-ERP-L枚sungen appeared first on 麻豆原创 News Center.

Inzwischen sehen viele Wirtschaftsexperten und politische Entscheidungstr盲ger k眉nstliche Intelligenz (KI) als potenziellen Katalysator an, um diesem Abw盲rtstrend entgegenzuwirken. KI, insbesondere die zunehmende Nutzung von generativer KI und KI-Agenten, d眉rfte die n盲chste Phase des Produktivit盲tswachstums in Industriel盲ndern 鈥� wie zum Beispiel die USA und L盲nder in Europa 鈥� entscheidend pr盲gen.

Die Kernfrage f眉r F眉hrungskr盲fte ist nicht, ob KI eine zentrale Rolle spielen wird, sondern wie gro脽 die Produktivit盲tssteigerungen sein werden, wie schnell sie sich einstellen und welche Regionen am meisten davon profitieren.

笔谤辞诲耻办迟颈惫颈迟盲迟蝉锄耻飞补肠丑蝉 durch KI

Die (OECD) geht davon aus, dass die Arbeitsproduktivit盲t in Industriel盲ndern durch KI j盲hrlich um etwa 0,4 bis 1,3 Prozentpunkte steigen k枚nnte, je nachdem, wie intensiv und branchendeckend KI genutzt wird. Diese Steigerungen w盲ren signifikant, da selbst ein zus盲tzlicher halber Prozentpunkt j盲hrlichen Wachstums 眉ber ein Jahrzehnt hinweg einen erheblichen Gesamteffekt hat.

Die OECD und andere Wirtschaftsexperten betonen jedoch, dass die Ergebnisse nicht nur von der Technologie abh盲ngen, sondern vor allem von zus盲tzlichen Investitionen in die digitale Infrastruktur, der Weiterbildung der Belegschaft und organisatorischen 脛nderungen.

Zwischen 1995 und 2019 stieg die Arbeitsproduktivit盲t in den USA j盲hrlich um 2,1 Prozent im Vergleich zu 1 Prozent in Europa. Diese Diskrepanz ist zum Teil darauf zur眉ckzuf眉hren, dass Unternehmen in den USA offensiver in die Informations- und Kommunikationstechnologie sowie andere Technologien investierten, w盲hrend man in Europa st盲rkeren gesetzlichen Vorschriften und anderen Faktoren unterlag.

Im Hinblick auf Produktivit盲tsgewinne durch den Einsatz von KI sind die Erwartungen in den USA nach wie vor h枚her als in Europa. Sch盲tzungen des Analystenhauses zufolge k枚nnte die Arbeitsproduktivit盲t in den USA durch die Nutzung generativer KI um rund 1 bis 1,5 Prozentpunkte pro Jahr steigen.

Diese Prognose basiert auf mehreren strukturellen Faktoren: Die USA verf眉gen zum einen 眉ber ein umfassendes Technologie-脰kosystem und nehmen in Bezug auf KI-Forschung und Risikokapital weltweit eine Vorreiterrolle ein. Zum anderen gibt es dort einen gro脽en Dienstleistungssektor, in dem die Digitalisierung bereits weit fortgeschritten ist. Generative KI-Tools k枚nnen hier schnell eingesetzt werden, zum Beispiel im Finanzwesen, in der Beratung und im IT-Bereich.

Agentenbasierte KI

Sowohl in Europa als auch in den USA stellen KI-Agenten einen besonders wichtigen Trend dar. Im Gegensatz zu 盲lteren Automatisierungstools, die separate Aufgaben abwickeln, sind KI-Agenten 鈥� zum Beispiel Joule Agents von 麻豆原创 鈥� darauf ausgelegt, Workflows mit mehreren Schritten zu planen, zu begr眉nden und auszuf眉hren. Ein Agent kann beispielsweise Kundenmeldungen koordinieren, Vorschl盲ge f眉r Antworten erstellen, Abfragen in Datenbanken ausf眉hren, Probleme eskalieren und Systeme aktualisieren. Menschliches Eingreifen ist dabei nur bis zu einem gewissen Grad notwendig.

In wissensbasierten Branchen k枚nnte diese Art der Workflow-Automatisierung die Leistung der einzelnen Mitarbeitenden erheblich steigern. Anstatt jedoch ganze Berufe zu ersetzen, k枚nnten KI-Agenten den Zeitaufwand f眉r sich wiederholende Verwaltungsaktivit盲ten und langwierige Aufgaben reduzieren. Mitarbeitende w盲ren so in der Lage, sich auf wertsch枚pfende Analysen und Strategien zu konzentrieren sowie auf T盲tigkeiten, die Kommunikationsverm枚gen erfordern.

Trotz Berichten 眉ber gescheiterte KI-Projekte in Unternehmen, bei denen es sich in der Regel eher um nachtr盲glich aufgesetzte oder eigenst盲ndige KI-Pilotprojekte als um einen integrierten, ganzheitlichen Ansatz handelte, deuten j眉ngste Erkenntnisse aus den USA darauf hin, dass sich in einigen Branchen bereits Produktivit盲tszuw盲chse abzeichnen. Finanzinstitute beispielsweise konnten eine deutliche Effizienzsteigerung in Backoffice-Abl盲ufen durch die Nutzung von KI verzeichnen.

Ebenso zeigen experimentelle Studien im Bereich Beratung, dass generative KI die Qualit盲t und Geschwindigkeit steigern kann, insbesondere bei weniger erfahrenen Mitarbeitenden. So k枚nnen Qualifikationsl眉cken innerhalb von Teams effektiv geschlossen werden.

Aussichten f眉r Wachstum im Europa dank KI

Die Aussichten f眉r Produktivit盲tssteigerungen durch KI in Europa sind eher durchwachsen. Einem aktuellen zufolge w眉rde der mittelfristige 笔谤辞诲耻办迟颈惫颈迟盲迟蝉锄耻飞补肠丑蝉 durch KI allein je nach Land erheblich variieren. F眉r ganz Europa w眉rde der Gesamtzuwachs mit etwa 1,1 Prozent in einem Zeitraum von f眉nf Jahren eher bescheiden ausfallen.

Der IWF legt jedoch nahe, dass mit wachstumsf枚rdernden Reformma脽nahmen auf lange Sicht deutlich gr枚脽ere Zuw盲chse m枚glich sind. Genau wie die OECD betont der IWF, dass gesetzliche Rahmenbedingungen, Arbeitsmarktstrukturen und das Tempo der Technologieverbreitung einen gro脽en Einfluss auf die Resultate haben werden.

Der Kurs Europas sowie das Ausma脽 des finanziellen Nutzens durch das Wachstum von KI werden von mehreren strukturellen Unterschieden gepr盲gt. Erstens geht die Einf眉hrung von KI in kleinen und mittelst盲ndischen Unternehmen, die in Europa einen gr枚脽eren Anteil an der Wirtschaft ausmachen als in den USA, tendenziell langsamer vonstatten. Zweitens ist der digitale Markt Europas 眉ber L盲ndergrenzen, Sprachen und Rechtssysteme hinweg st盲rker fragmentiert, was die Ausweitung von Technologieplattformen erschweren kann. Und Drittens verfolgt die Europ盲ische Union bei der Regulierung von KI einen vorsichtigeren Ansatz. Dies kann zwar bestimmte Risiken verringern, aber auch kurzfristige Produktivit盲tssteigerungen d盲mpfen, wenn gesetzliche Vorgaben die Einf眉hrung von KI verlangsamen.

Die St盲rken Europas: KI-Agenten eingebettet in industrielle Systeme

Doch Europa hat auch seine St盲rken und ist beispielsweise f眉hrend in der modernen Fertigung und Industrietechnik. In diesen Bereichen k枚nnten KI-gest眉tzte Optimierungsma脽nahmen, Robotertechnik und vorausschauende Instandhaltung die Kapitalproduktivit盲t erh枚hen. KI-Agenten, die in industrielle Systeme eingebettet sind, k枚nnten die Effizienz in der Lieferkette deutlich verbessern und Ausfallzeiten reduzieren.

Wie 麻豆原创-F眉hrungskr盲fte betont haben, verf眉gt Europa zudem 眉ber ein enormes Volumen an strukturierten Gesch盲fts- und Fertigungsdaten, die f眉r zuverl盲ssige und effektive KI-Systeme sowie das Vertrauen in KI-Agenten unerl盲sslich sind.

Wenn die Umsetzung von KI in Fertigungs- und Energiesystemen beschleunigt wird und europ盲ische Unternehmen die Chance nutzen, mithilfe ihrer Gesch盲ftsdaten hochentwickelte KI-Agenten und -Apps zu entwickeln, k枚nnte Europa mittelfristig deutlich h枚here Produktivit盲tssteigerungen verzeichnen. Durch den internen Einsatz von KI-Tools konnte die 麻豆原创 beispielsweise die Produktivit盲t der eigenen Entwicklungsabteilungen bereits deutlich steigern.

Flexibler Arbeitsmarkt

Die Anpassungsf盲higkeit des Arbeitsmarktes ist sowohl in den USA als auch in Europa ein entscheidender Faktor. Historisch gesehen ist der US-Arbeitsmarkt flexibler und durch h盲ufigere Arbeitsplatzwechsel sowie eine gr枚脽ere berufliche Mobilit盲t gepr盲gt. Diese Flexibilit盲t erm枚glicht es, Besch盲ftigte schneller in Rollen umzugliedern, in denen KI Unterst眉tzung bietet, was die Produktivit盲t steigern kann. Eine effektivere Umschulung der Belegschaft k枚nnte die Produktivit盲t zus盲tzlich erh枚hen.

Wie die (BIZ) anmerkte, werden sich die Produktivit盲tseffekte durch KI wahrscheinlich nicht automatisch einstellen. 笔谤辞诲耻办迟颈惫颈迟盲迟蝉锄耻飞补肠丑蝉 durch KI h盲ngt von zus盲tzlichen Investitionen in die Kompetenzen von Mitarbeitenden, Managementpraktiken und die digitale Infrastruktur ab. Die BIZ warnt au脽erdem, dass KI-Tools ohne diese Investitionen eventuell nur zu geringf眉gigen Effizienzsteigerungen f眉hren w眉rden.

Erfahrungen mit fr眉heren Querschnittstechnologien wie Elektrizit盲t und IT zeigen, dass sich Produktivit盲tssteigerungen erst dann einstellen, wenn Unternehmen Prozesse umgestalten, um neue M枚glichkeiten auszusch枚pfen, und anstatt eines fragmentarischen Ansatzes ein ganzheitliches Konzept f眉r die Umsetzung verfolgen.

KI ist keine Blase

W盲hrend einige Anleger Bedenken 眉ber eine KI-Blase ge盲u脽ert haben, liegen die Gesamtausgaben f眉r KI in den USA immer noch unter 1 Prozent des Bruttoinlandsprodukts (BIP). Laut Joseph Briggs, Senior Global Economist bei Goldman Sachs, liegen die Ausgaben somit weit unter historischen Investitionszyklen. Zum Vergleich: In der Vergangenheit lagen die Investitionen in Infrastrukturen wie IT, Eisenbahnen und Schifffahrtskan盲le in der Regel bei 2 bis 5 Prozent des BIP.

脛hnlich wie diese vergangenen Investitionsma脽nahmen d眉rfte KI 鈥� insbesondere agentenbasierte KI 鈥� in den Regionen und Branchen, die das Potenzial von KI voll aussch枚pfen, f眉r ein deutliches Produktivit盲tswachstum und einen entsprechenden Anstieg des BIP sorgen.

The post Wie sich KI gewinnbringend einsetzen l盲sst appeared first on 麻豆原创 News Center.

Mit den neuen C3A-Kriterien des (Bundesamt f眉r Sicherheit in der Informationstechnik) und der wachsenden Bedeutung resilienter Cloud-Infrastrukturen beginnt nun eine Phase der praktischen Umsetzung digitaler Souver盲nit盲t. 脺ber diese Entwicklung und die Rolle der Technologiepartnerschaft mit 麻豆原创 haben wir mit Thomas Caspers, Vizepr盲sident des BSI, gesprochen.

Digitale Souver盲nit盲t ist derzeit eines der zentralen Themen in der deutschen und europ盲ischen Digitalpolitik. Warum gewinnt das Thema gerade jetzt so stark an Bedeutung?

Thomas Caspers: Die Diskussion ist klar geopolitisch getrieben. F眉r uns ist entscheidend, dass Europa handlungsf盲hig bleibt. Genau darum geht es bei digitaler Souver盲nit盲t und 眉brigens allgemein in der Cybersicherheit: vorbereitet zu sein, statt erst im Ernstfall zu reagieren.

Die Frage ist dabei nicht nur, wo Daten liegen. Wir schauen systemisch auf das Gesamtbild: Bleiben kritische Rechenzentren betriebsf盲hig? Ist Personal verf眉gbar? Sind Lieferketten abgesichert? K枚nnen Dienste weiter genutzt werden, auch wenn sich Rahmenbedingungen pl枚tzlich ver盲ndern? Diese Handlungsf盲higkeit ist der Kern der Debatte.

Mit den C3A b眉ndeln wir nun die Kriterien, die aus unserer Sicht eine selbstbestimmte und sichere Nutzung von Cloud-Angeboten erm枚glichen, nicht nur in der 枚ffentlichen Verwaltung, sondern weit dar眉ber hinaus.

Mit dem C3A-Kriterienkatalog macht das BSI seine Anforderungen an autonome beziehungsweise selbstbestimmte Cloud-Nutzung jetzt 枚ffentlich. Was ist daran neu oder besonders?

Vieles daran ist f眉r Kooperationspartner wie 麻豆原创, mit denen wir schon lange eng zusammenarbeiten, nicht grunds盲tzlich neu. Wir wenden diese Kriterien in der Praxis seit Jahren an, entwickeln sie mit dem technischen Fortschritt stets weiter. Das Neue ist, dass wir sie jetzt systematisch aufgeschrieben haben und als richtungsweisende Handlungsrahmen 枚ffentlich machen.

Die C3A haben dabei keine unmittelbar regulative Wirkung, schaffen jedoch erstmals eine hohe Transparenz f眉r den Markt. Es wird sichtbar, welche Anforderungen Cloud-Anbieter erf眉llen m眉ssen, wenn Cloud-Kunden oder auch Beh枚rden Cloud-Angebote selbstbestimmt und sicher nutzen wollen. Dazu geh枚ren technische, betriebliche und inzwischen auch juristische Kriterien. Genau dieser systematische Rundumblick ist neu und wichtig.

Welche Rolle spielt die Zusammenarbeit mit Technologieanbietern wie 麻豆原创, wenn solche Anforderungen in konkrete Architekturen und Betriebsmodelle 眉bersetzt werden sollen?

Eine sehr wichtige. 麻豆原创 war einer der ersten Partner, mit denen wir in diesem Rahmen enger zusammengearbeitet haben. Nat眉rlich gibt es f眉r diese Zusammenarbeit formale Regeln und festgelegte Austauschformate. Aber in der Praxis hat sich schnell gezeigt: Eigentlich sind wir permanent im Austausch. So haben wir bei den C3A auch auf den Erfahrungen aufgebaut, die wir im Kontext Delos Cloud und 麻豆原创 Cloud Infrastructure gemacht haben. Genau diese direkte Zusammenarbeit braucht es auch, wenn sich Technologien, Sicherheits- und Souver盲nit盲tsanforderungen so dynamisch weiterentwickeln.

F眉r uns ist entscheidend, mit Unternehmen zusammenzuarbeiten, mit denen wir eng, vertrauensvoll und schnell in die Umsetzung kommen. Das gilt f眉r klassische Cloud-Themen genauso wie f眉r neue Technologien. Wenn wir wollen, dass Innovation sicher und kontrolliert nutzbar wird, dass Deutschland in der Digitalisierung wettbewerbsf盲hig bleibt, braucht es genau diese fr眉he und belastbare Abstimmung zwischen Aufsicht und Industrie.

Was zeigt aus Ihrer Sicht, dass digitale Souver盲nit盲t nicht nur ein politisches Konzept bleibt, sondern in der Praxis umgesetzt werden kann?

F眉r mich zeigt sich das immer dort, wo Anforderungen nicht nur beschrieben, sondern praktisch erprobt und umgesetzt werden. Und auf Grundlage dieser Umsetzung Produkte und Dienste dann erfolgreich auf dem Markt bestehen. Das gilt etwa f眉r die Frage, wie Cloud-Infrastrukturen auf ein Niveau gebracht werden, auf dem sie auch in besonders kritischen Umfeldern einsetzbar sind. Es muss ganz klar sein, welche Kriterien gelten und wie diese technisch, organisatorisch und nicht zuletzt auch physisch erf眉llt werden.

Ein konkretes Beispiel daf眉r ist Delos Cloud als souver盲ne Cloud f眉r Beh枚rden in Deutschland. Im Austausch mit 麻豆原创 arbeitet das BSI daran, Microsoft-Cloud-Technologie in ein Modell zu 眉berf眉hren, das unter deutschen Anforderungen sicher und selbstbestimmt betrieben werden kann. Genau daran zeigt sich, dass digitale Souver盲nit盲t nicht behauptet, sondern architektonisch, organisatorisch und regulatorisch umgesetzt werden kann und muss.

Das macht den Wert der Zusammenarbeit aus. Wenn Anforderungen klar sind, k枚nnen wir gemeinsam mit Unternehmen an Architekturen, an Betriebsmodellen und an Sicherheitsma脽nahmen arbeiten.

Ein zentraler Punkt in der aktuellen Debatte ist Resilienz. Was muss ein souver盲nes Cloud-Modell leisten, wenn es zu geopolitischen Verwerfungen oder Ausf盲llen kommt?

Es muss arbeitsf盲hig bleiben. Resilienz hei脽t f眉r uns, Optionen zu haben und auch auf 听schwierige Szenarien vorbereitet zu sein, um 听im Ernstfall den Betrieb aufrechterhalten zu k枚nnen. In unseren aktuellen Szenarien gehen wir davon aus, dass ein Minimalbetrieb 眉ber einen l盲ngeren Zeitraum sichergestellt sein muss. Dabei denken wir ausdr眉cklich auch Situationen mit, in denen urspr眉ngliche Anbieter oder Lieferketten kurzfristig nicht mehr in der bisherigen Form verf眉gbar sind.

Das bedeutet: Wir m眉ssen nicht nur den Normalbetrieb betrachten, sondern auch den Ausnahmefall. Wer digitale Souver盲nit盲t ernst meint, muss auch auf Szenarien vorbereitet sein, die sich niemand w眉nscht. Genau deshalb spielen Themen wie Betriebsfortf眉hrung, Personalverf眉gbarkeit und Lieferkettenresilienz in den C3A eine so gro脽e Rolle.

Wie wichtig ist das Zusammenspiel nationaler Standards, etwa zwischen dem BSI in Deutschland und ANSSI in Frankreich, f眉r ein gemeinsames europ盲isches Verst盲ndnis digitaler Souver盲nit盲t?

Dieses Zusammenspiel ist essentiell. Deutschland und Frankreich spielen in der europ盲ischen Diskussion eine besondere Rolle, weil beide L盲nder sehr konkret an Kriterien, Standards und Umsetzungsmodellen arbeiten. Und diese auch in die Anwendung bringen.

Was wir in Deutschland lernen, bringen wir in die europ盲ische Debatte ein. Und umgekehrt profitieren wir nat眉rlich auch vom Austausch mit unseren Partnern in Frankreich und anderen europ盲ischen L盲ndern. Wenn Europa bei digitaler Souver盲nit盲t vorankommen will, braucht es nationale Innovationskraft, verl盲ssliche Partner und gleichzeitig eine gemeinsame Richtung. Dies ist auch elementar, um f眉r europ盲ische Unternehmen wie 麻豆原创 einen skalierbaren Markt zu schaffen, der Investionen in Innovation f枚rdert.

Worauf sollten sich Beh枚rden, Unternehmen und Cloud-Anbieter in den kommenden Jahren einstellen?

Die Anforderungen werden konkreter, 眉berpr眉fbarer und systemischer. Erst kommt die Frage, was technologisch m枚glich ist, aber dann muss die Frage folgen, wie belastbar, transparent und kontrollierbar ein Angebot tats盲chlich ist. Das betrifft technische Aspekte genauso wie betriebliche und juristische. Dabei m眉ssen wir den gesamten Stack betrachten.

Wenn wir Technologien sicher und souver盲n nutzbar machen k枚nnen, dann sollten wir das auch tun. Das hei脽t: klare Standards, ein ganzheitlicher Ansatz und die F盲higkeit, neue Technologien entlang des Full Stack kontrolliert in die Anwendung zu bringen.

脺ber den Interviewpartner: Thomas Caspers ist Vizepr盲sident des Bundesamtes f眉r Sicherheit in der Informationstechnik (BSI).

The post Von der Debatte zur Umsetzung: BSI-Vizepr盲sident Thomas Caspers 眉ber C3A, Cloud-Souver盲nit盲t und die Zusammenarbeit mit 麻豆原创 appeared first on 麻豆原创 News Center.

Ich freue mich, bekannt zu geben, dass die n盲chste Generation von 麻豆原创-Ariba-L枚sungen jetzt verf眉gbar ist. Dies markiert die n盲chste Phase unserer Ma脽nahmen, mit denen wir den gesamten Beschaffungsprozess f眉r das Zeitalter der k眉nstlichen Intelligenz neu gestalten m枚chten. Mit diesem Meilenstein setzen wir unsere Ank眉ndigungen um und bieten Kunden eine grundlegend neu entwickelte Plattform.

Dies wurde auch in der Branche entsprechend gew眉rdigt.听Die 麻豆原创 wurde 2026 von Gartner in seiner Studie 鈥濵agic Quadrant for Source-to-Pay Suites鈥� als einer der f眉hrenden Anbieter eingestuft. Die Anerkennung spiegelt die Bedeutung von 麻豆原创 Ariba der n盲chsten Generation wider und unterstreicht unseren kontinuierlichen Fokus auf einer Modernisierung der Plattform und KI-basierte Innovationen f眉r Unternehmen.

Umbau des technischen Fundaments

Wie F眉hrungskr盲fte in der Beschaffung wissen, wird das Potenzial von KI weithin anerkannt, aber ihr Mehrwert zeigt sich nicht immer durchg盲ngig. Das Vertrauen in KI ist hoch, aber die Ergebnisse h盲ngen nicht allein von Algorithmen ab. KI ist nur dann von Nutzen, wenn sie von den richtigen Daten, Prozessen und der passenden Plattformarchitektur unterst眉tzt wird. Wir haben uns daher entschieden, 麻豆原创 Ariba von Grund auf neu aufzusetzen.

Das unabh盲ngige Analystenhaus  als 鈥瀍ine vollst盲ndige Neugestaltung der weltweit gr枚脽ten und etabliertesten Source-to-Pay-Plattform鈥� und betont, dass damit nicht einfach Altsysteme um KI-Funktionen erweitert wurden. Vielmehr wurde die architektonische Grundlage geschaffen, die f眉r eine zuverl盲ssige und fl盲chendeckende Nutzung von KI erforderlich ist.

Das entspricht dem, was wir immer wieder von Kunden h枚ren, n盲mlich dass nachhaltige Ver盲nderungen eine Modernisierung im Kern erfordern.

Eine KI-native Source-to-Pay-Plattform auf Basis der 麻豆原创 Business Technology Platform

麻豆原创 Ariba der n盲chsten Generation basiert auf der听听(麻豆原创听BTP) und bietet eine einheitliche Datenbasis in Echtzeit im gesamten Source-to-Pay-Lebenszyklus. Dies erm枚glicht eine engere Integration in , bessere Erweiterungsm枚glichkeiten und eine schnellere Bereitstellung von Innovationen.

Durch den Umstieg auf die 麻豆原创 BTP kann 麻豆原创 Ariba offene APIs und Datenkonsistenz in der gesamten Suite unterst眉tzen und weist die erforderliche Reaktionsf盲higkeit f眉r intelligente, KI-gest眉tzte Beschaffungsprozesse auf 鈥� Funktionen, die von f眉hrenden Source-to-Pay-Plattformen zunehmend erwartet werden, aber auf 盲lteren Architekturen schwer zu erreichen sind.

Die aktuellen Funktionen der n盲chsten Generation werden 2026 und 2027 schrittweise bereitgestellt, sodass Kunden flexibel gem盲脽 ihren gesch盲ftlichen Priorit盲ten Innovationen einf眉hren k枚nnen.

Integrierte Intelligenz mit Joule: Entscheidungen umsetzen

Ein wesentliches Element von 麻豆原创 Ariba der n盲chsten Generation ist die enge Integration von  direkt in den Beschaffungsworkflows. 麻豆原创 Ariba der n盲chsten Generation behandelt KI nicht als optionales Add-on, sondern ist in der Lage, Arbeitsabl盲ufe von vorneherein intelligenter zu machen, um schnellere und fundiertere Entscheidungen zu erm枚glichen und gleichzeitig f眉r reibungslose t盲gliche Prozesse zu sorgen.

Zu den ersten Funktionen geh枚ren:

• 别颈苍听Agent f眉r die Gebotsanalyse, der komplexe Gebotsszenarien, einschlie脽lich 脺berlegungen zu Gesamtkosten, automatisch bewerten kann
• KI-gest眉tzte Vertragsunterst眉tzung zur Automatisierung von Routineanfragen, Erstellung von Zusammenfassungen und f眉r den sofortigen Zugriff auf Vertragsdetails

Diese Funktionen verdeutlichen den umfassenden Wechsel von Systemen, die st盲ndig manuelle Eingaben erfordern, zu Plattformen, die Ergebnisse aktiv unterst眉tzen.

Eine einheitlichere, intuitive Oberfl盲che f眉r die Beschaffung

Die n盲chste Generation von 麻豆原创-Ariba-L枚sungen beseitigt auch die seit langem bestehende Fragmentierung im Lebenszyklus des gesamten Beschaffungsprozesses.

Zu den wichtigsten Verbesserungen z盲hlen:

• 麻豆原创 Ariba Intake Management: Die L枚sung ist jetzt global verf眉gbar und bietet einen zentralen Einstiegspunkt f眉r alle Beschaffungsanfragen
• eine vereinfachte Benutzeroberfl盲che auf Basis von 麻豆原创听Fiori, die 眉ber ein zentrales Launchpad bereitgestellt wird
• ein modernisierter听Vertragslebenszyklus, unterst眉tzt durch die Integration in Icertis Contract Intelligence

Insgesamt sollen diese Verbesserungen die Beschaffung vereinfachen und gleichzeitig sicherstellen, dass Prozesse im Hintergrund durchg盲ngig, konform und intelligent bleiben.

Was das f眉r Kunden bedeutet

F眉r bestehende 麻豆原创-Ariba-Kunden bietet 麻豆原创 Ariba der n盲chsten Generation Wahlm枚glichkeiten und Kontinuit盲t. Kunden profitieren von diesen Vorteilen:

• Freiwilliger Umstieg auf 麻豆原创 Ariba der n盲chsten Generation
• Zugriff auf Funktionen der n盲chsten Generation ohne vertragliche Auswirkungen
• Paralleler Betrieb von aktueller Systemumgebung und Systemumgebung der n盲chsten Generation w盲hrend eines aktiven 脺bergangs zur Reduzierung von Risiken und Unterbrechungen.

Die 麻豆原创 bietet Tools, Services und Zeitpl盲ne f眉r einen gesteuerten Umstieg, damit Unternehmen zuversichtlich und ohne Handlungsdruck agieren k枚nnen.

Die Basis f眉r zuk眉nftige Technologien

麻豆原创 Ariba der n盲chsten Generation ist nicht das Ziel an sich, sondern die Grundlage f眉r die Beschaffung von morgen.

Mit einer KI-nativen Architektur, integrierter agentenbasierter Intelligenz und einer einheitlichen Benutzeroberfl盲che erm枚glicht diese neue Generation von 麻豆原创 Ariba Unternehmen nicht nur effizientere Transaktionen, sondern intelligentere Entscheidungen, gr枚脽ere Widerstandsf盲higkeit und messbare Ergebnisse.

Ardent Partners bemerkte, dass dieser Umbau als Katalysator betrachtet werden kann 鈥� nicht nur f眉r 麻豆原创-Ariba-Kunden, sondern f眉r das breitere Umfeld der Beschaffungstechnologien. Die n盲chste Generation von 麻豆原创-Ariba-L枚sungen vereint Skalierbarkeit, Daten und KI auf eine ganz neue Weise und zeigt damit, was moderne Source-to-Pay-Plattformen bieten k枚nnen.

Die L枚sung ist nun verf眉gbar. Wir freuen uns daher, Kunden auf ihrem Weg von der Vision zur Wertsch枚pfung unterst眉tzen zu k枚nnen. Gemeinsam k枚nnen wir die Zukunft intelligenter Beschaffung gestalten.

Baber Farooq ist Senior Vice President von Product Marketing f眉r 麻豆原创 Ariba und 麻豆原创 Fieldglass.

The post 麻豆原创 Ariba der n盲chsten Generation jetzt verf眉gbar: Die Basis f眉r intelligente Beschaffung appeared first on 麻豆原创 News Center.