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

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

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

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

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

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

Servicebereitstellung im KI-Zeitalter

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

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

Agentic AI ersetzt dabei nicht menschliches Fachwissen, sondern ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù Teams, indem sie schnellere Entscheidungen ermöglicht, Routinetätigkeiten automatisiert und bessere Ergebnisse für Kunden erzielt. Wichtige Schwerpunktbereiche sind dabei:

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

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

Wie Kunden auf ihrem Weg zum autonomen Unternehmen KI einsetzen

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

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

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

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

Um den sich wandelnden Kundenanforderungen Rechnung zu tragen, stehen über den Global Delivery Hub personalisierte Success Plans zur Verfügung. Damit beinhaltet das Serviceerlebnis nicht mehr nur interaktive Ressourcen, sondern wird zu einer strategischen Partnerschaft, die Kunden dabei ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù, kontinuierlichen Mehrwert und Erfolg zu erzielen. Um Kunden mit hochgradig personalisierten, KI-gestützten Services zum Erfolg verhelfen zu können, ist ein völlig neuer Ansatz für die Servicebereitstellung erforderlich.

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

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

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

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

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

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

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

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

Unternehmen, die frühzeitig die Initiative ergreifen, werden besser in der Lage sein, autonome Funktionen zu ihrem Vorteil zu nutzen und dabei Governance, Vertrauen und die Ausrichtung an strategischen Geschäftsprioritäten sicherzustellen. Mit der Weiterentwicklung der Servicebereitstellung zu proaktiven, KI-gestützten Abläufen sehen Kunden Serviceanbieter zunehmend in der Rolle des strategischen Beraters und KI-Assistenten, der sie bei ihrer Transformation ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù.

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

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

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

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

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

Von Führungskräften im Finanzwesen wird mittlerweile weitaus mehr erwartet, als Ergebnisse vorzulegen. Sie sollen die Unternehmensergebnisse gestalten, Entscheidungen lenken und schnell auf Veränderungen reagieren. Doch viele Finanzprozesse laufen immer noch isoliert statt koordiniert ab. Rechnungsgenehmigung und Zahlung werden an separaten Stellen ausgeführt. Planung, Konsolidierung und Berichterstellung basieren häufig auf separaten Systemen und Workflows. Und im Bereich Governance fehlen durch die Isolation oft wichtige Informationen. Hierdurch entstehen größere zeitliche Lücken zwischen der Erkennung eines Problems, einer Entscheidung dazu und den entsprechenden Maßnahmen.

Auf der Â鶹ԭ´´ Connect 2026 stellte die Â鶹ԭ´´ neue Funktionen vor, die dazu beitragen sollen, diese Lücken zu schließen. Hierzu zählen: , ein neuer, in Â鶹ԭ´´ Cloud ERP integrierter Zahlungsservice, Â鶹ԭ´´ Enterprise Financial Consolidation, eine neue Ergänzung des Â鶹ԭ´´-Portfolios für Enterprise Performance Management, und eine größere Anzahl von Joule Assistants, die Finanz-, Governance- und Compliance-Prozesse mit KI unterstützen.

Zwar sind die einzelnen Innovationen auf unterschiedliche Herausforderungen ausgerichtet, alle haben aber ein gemeinsames Ziel für Finanzteams: weniger Zeitaufwand für die Datenübertragung von einem System ins andere, mehr Zeit für die Umsetzung von Erkenntnissen.

Integration von Zahlungen in Finanzvorgänge

Ein Element, das im Finanzwesen ständig Reibungsverluste produziert, ist der Zahlungsprozess selbst.

Eine Rechnung kann zwar im ERP-System genehmigt werden, aber bis die Zahlung abgeschlossen ist, sind meist noch Bankportale, Zahlungsdateien, Middleware und Abstimmungsaktivitäten beteiligt. Jede zusätzliche Übergabe macht den Prozess noch komplexer und kann die Ausführung verlangsamen.

soll diesen Prozess vereinfachen, indem die Zahlungsausführung direkt in integriert wird. Wenn eine Rechnung genehmigt wird, können Zahlung und Abstimmung im gleichen Workflow und Geschäftskontext erfolgen.

Die Lösungseinführung markiert auch den Einstieg der Â鶹ԭ´´ in Zahlungsdienste über , eine hundertprozentige Â鶹ԭ´´-Tochtergesellschaft, die Anfang dieses Jahres gegründet wurde. Da Tereina ein regulierter Zahlungsdienstleister ist, kann Â鶹ԭ´´ Services direkt in Finanz-Workflows erbringen, anstatt ausschließlich Drittanbieter heranzuziehen. Dadurch bleiben Zahlungsausführung, Abstimmung, Kontrollen und Auditierbarkeit mit dem zugrunde liegenden Geschäftsvorfall verbunden.

Der Service ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù EFT, Ãœberweisungen, Schecks und Bezahlungen über Stable Coins für grenzüberschreitende Transaktionen. Im weiteren Sinne bietet Â鶹ԭ´´ Kunden eine Vielzahl von Zahlungsoptionen, die Bank-API-Integrationen, die Anbindung an mehr als 10.000 Finanzinstitute über SWIFT, Zahlungen in digitaler Währung und jetzt nativ integrierte Zahlungsservices umfassen.

Für Finanzorganisationen liegt die Chance nicht nur in der schnelleren Zahlungsabwicklung. Sie liegt darin, dass sich der Aufwand für die Vernetzung von Systemen, die Verwaltung von Ausnahmen und die nachträgliche Abstimmung von Informationen reduziert, während Zahlungsverarbeitung, Abstimmung, Kontrollen und Auditierbarkeit in einem einzigen Workflow bleiben.

Â鶹ԭ´´ Pay ist nun in den USA und Großbritannien allgemein verfügbar.

Das Performance Management unternehmensweit vernetzen

Diese Herausforderung findet sich auch im Enterprise Performance Management.

Planung, Konsolidierung, Abschlussprozesse und externe Berichte basieren alle auf denselben Finanzdaten. Oft werden sie jedoch über separate Tools, Datenmodelle und Prozesse verwaltet. Die Leistung ist unter Umständen immer schwieriger im Blick zu behalten, wenn Unternehmen wachsen und sich die geschäftlichen Bedingungen ändern.

Auf der Â鶹ԭ´´ Connect haben wir vorgestellt – eine Lösung, die diese Herausforderung bewältigen soll.

Sie basiert auf und vereint die Erfüllung gesetzlicher Vorgaben und die Managementkonsolidierung mit Funktionen für den Abschluss und die Offenlegung auf einer gemeinsamen, kontrollierten Datengrundlage. Durch die engere Verknüpfung dieser Bereiche müssen Finanzteams weniger Zeit für die Datenabstimmung aufwenden und haben mehr Zeit, sich mit der Leistung auseinanderzusetzen und auf Veränderungen zu reagieren.

Die Lösung umfasst auch neue Joule Assistants für Konsolidierungs- und Offenlegungsprozesse. Diese Assistenten helfen dabei, Abweichungen zu erkennen, Ausnahmen zu bearbeiten und die Offenlegung vorzubereiten. Zugleich bleiben Auditierbarkeit und Kontrolle durch den Menschen gewahrt.

Für Unternehmen mit gemischten Umgebungen – ein paar Â鶹ԭ´´-Systeme, ein paar Â鶹ԭ´´-fremde Systeme – bietet Â鶹ԭ´´ Enterprise Financial Consolidation Flexibilität durch die Unterstützung von Daten aus mehreren Quellen. Auch für Kunden, die bestehende Konsolidierungsumgebungen modernisieren und einen KI-gestützten Ansatz für das Performance Management verfolgen möchten, bietet sie einen Weg in die Zukunft.

Early Adopter Care ist für das erste Quartal 2027 geplant.

Ausbau der KI in Finanzwesen und Governance

KI im Finanzwesen kann mehr als Fragen beantworten oder Zusammenfassungen erstellen. Das größere Potenzial liegt darin, dass Teams KI für Aufgaben nutzen können, die schon immer einen erheblichen manuellen Aufwand, Fachwissen und eine funktionsübergreifende Koordination erfordern.

Auf der Â鶹ԭ´´ Connect hat die Â鶹ԭ´´ ihr Portfolio an Joule Assistants erweitert, um dieses Potenzial auszuschöpfen.

Die neuen Assistenten unterstützen Bereiche wie Buchhaltung, Umsatzrealisierung, Preisfindung, Disclosure Management, Projektabwicklung, Governance und Einhaltung von Außenwirtschaftsvorschriften. Sie sind direkt in vorhandene Workflows integriert und sollen Teams dabei unterstützen, Aufgaben effizienter zu erledigen, und gleichzeitig Prüfprozesse und Verantwortlichkeiten beibehalten.

Manche helfen primär Finanzexperten dabei, komplexe Berechnungen und Berichtsanforderungen nachzuvollziehen. Andere unterstützen Preisentscheidungen, die Vorbereitung der Offenlegung, die Projektausführung und die kontinuierliche Überwachung von Risiken und Kontrollen.

Ebenso wichtig ist die Governance.

Da Unternehmen mehr KI-Agenten in allen Geschäftsbereichen einsetzen, müssen sie sicher sein können, dass diese Agenten dieselben Grenzen einhalten wie der Mensch. Neue Assistenten für Governance, Sicherheit und Compliance sollen vorhandene Kontrollen, die Zugriffsverwaltung sowie Überwachungsfunktionen auf KI-gesteuerte Aktivitäten ausweiten und Unternehmen dabei helfen, Mensch und KI konsistent zu beaufsichtigen.

Der Governance Assistant und der International Trade Assistant sollen im vierten Quartal 2026 allgemein verfügbar sein.

Sofort umsetzbare finanzielle Einblicke

Das Finanzwesen war schon immer besonders wichtig für Unternehmen, wenn es darum ging, die Leistung nachzuvollziehen. Immer häufiger soll es Unternehmen auch helfen, in Echtzeit zu reagieren.

Deshalb sind Schnelligkeit, Transparenz und Umsetzung genauso wichtig wie präzise Berichte.

Die auf der Â鶹ԭ´´ Connect 2026 vorgestellten Innovationen greifen diesen Wandel auf. Ganz gleich, ob es darum geht, Zahlungen zu vereinfachen, Performance-Management-Prozesse zu vernetzen oder KI direkt in die alltäglichen Aufgaben im Finanzwesen zu integrieren: Jede Funktion verringert die Lücke zwischen der Erkennung und der Lösung eines Problems.

Für Finanzteams besteht das oberste Ziel nicht nur in schnelleren Prozessen oder Berichten, sondern in besseren Entscheidungen mit größerer Sicherheit und deren reibungsloser Umsetzung.

Weitere Informationen dazu, wie Â鶹ԭ´´ Unternehmen bei der Modernisierung von Finanzprozessen in ERP, Planung, Treasury, Zahlungen und Buchhaltung ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù, finden Sie unter Ìý

Lawrence Martin ist General Manager & Chief Product Officer für Â鶹ԭ´´ Finance & Spend
David Imbert ist Chief Marketing Officer für Â鶹ԭ´´ Financial Management

The post Â鶹ԭ´´ optimiert Finanzprozesse mit integrierten Zahlungen, neuen Funktionen für die Konsolidierung und erweiterter KIÌý appeared first on Â鶹ԭ´´ News Center.

Im Jahr 1996 veranstaltete die Â鶹ԭ´´ ihre erste Konferenz für Entwickler. Dreißig Jahre später erklärte Â鶹ԭ´´-CTO Philipp Herzig in der Eröffnungsrede zur Â鶹ԭ´´ TechEd in Berlin: „Wir durchlaufen momentan den größten und schnellsten technologischen Wandel unserer Zeit.“

„Jahrzehntelang wurde bei der Entwicklung von Systemen strukturiert und deterministisch vorgegangen. Mit dem Aufkommen von KI hat sich die Welt der Entwickler jedoch drastisch verändert“, führte er aus. „KI eröffnet neue Möglichkeiten. Und genau darum geht es bei der Â鶹ԭ´´ TechEd: um die Kombination von herkömmlichen und neuen Technologien, die Potenziale für Unternehmen erschließen und grenzenlose Möglichkeiten für Innovationen bieten.“

Von der Vision zur Umsetzung

Philipp Herzig verwies darauf, dass die Â鶹ԭ´´ auf der Kundenkonferenz Â鶹ԭ´´ Sapphire vor einigen Monaten „eine wegweisende Vision für das autonome Unternehmen vorgestellt hat, mit der sämtliche Geschäftsprozesse mithilfe von KI durchgängig und von Grund auf neu gestaltet werden. Und genau wie vor 30 Jahren bringt dies einen Wandel des gesamten Technologie-Stacks mit sich.“

Für die Â鶹ԭ´´ zeigt sich dieser Wandel in und der neuen Â鶹ԭ´´ÌýBusiness AI Platform. Philipp Herzig bezeichnete Joule Work als eine „bahnbrechende neue Methode für die Nutzung von Software“. Joule Work macht sich die fünf autonomen Bereiche sowie die Assistenten der Â鶹ԭ´´ zunutze, die auf der Grundlage von Â鶹ԭ´´-Daten und externen Daten Schlussfolgerungen ziehen und Aktionen durchführen. Zugleich dient die Â鶹ԭ´´ÌýBusiness AI Platform als „Grundlage für die Entwicklung und Erweiterung von Agenten, die Verwaltung sämtlicher Daten und die Steuerung des Einsatzes von KI“.

Click the button below to load the content from YouTube.

Always allow YouTube

Bessere Geschäftsergebnisse ermöglichen

Die „ist nicht einfach nur eine weitere Technologieplattform, sondern speziell darauf ausgelegt, bessere Geschäftsergebnisse, eine schnellere Wertschöpfung und ein optimales Preis-Leistungs-Verhältnis zu ermöglichen“, bekräftigte Philipp Herzig. Darüber hinaus bietet die Plattform Sicherheit, Governance und Compliance, sodass sie umgehend im Unternehmen eingesetzt werden kann. „Die Voraussetzungen dafür schafft unsere einzigartige Kontextschicht, in die das Fach- und Branchenwissen aus 50ÌýJahren eingeflossen ist.“

Gemeinsam untermauern Joule Work und die Â鶹ԭ´´ Business AI Platform das Bestreben der Â鶹ԭ´´, die Grundlage für das autonome Unternehmen zu schaffen. „Und das ist bereits heute Wirklichkeit“, lautete Philipp Herzigs Botschaft an das Publikum. „Wir freuen uns, Ihnen im Rahmen der Â鶹ԭ´´ TechEd unsere Neuerungen präsentieren zu dürfen.“

Im weiteren Verlauf der Eröffnungsrede stellte Philipp Herzig gemeinsam mit seinen Kolleginnen und Kollegen von Â鶹ԭ´´ â€“ unter ihnen Jonathan von Rüden, Â鶹ԭ´´ Chief AI Officer, Manoj Swaminathan, President und Chief Product Officer für die Â鶹ԭ´´ Autonomous Suite, Tina Berlin, Leiterin des Bereichs AI Foundation EU bei Â鶹ԭ´´, Michelle Niedernhuber, Lead Product Manager für den Â鶹ԭ´´ AI Agent Hub, und Sören Ruder, Chief Product Officer und Global Head of Customer Experience & Solutions â€“ diese Neuerungen in Demos auf der Bühne vor.

Joule Work

Der Anfang machte Philipp Herzig mit Joule Work. Â鶹ԭ´´ hat hierfür ein völlig neues Anwendungskonzept entwickelt, das „noch ansprechender ist und sich intuitiver nutzen lässt als bisher. Dabei sorgen wir über einen einheitlichen Einstiegspunkt für ein einheitliches Erlebnis.“

Mit Joule Work lassen sich nun alle Â鶹ԭ´´-Anwendungen sowie Microsoft 365, Claude Cowork, Glean und ServiceNow direkt miteinander verbinden. Joule Work merkt sich Präferenzen der Nutzer und Kontext aus früheren Interaktionen und passt sich kontinuierlich an. Neben der dialogorientierten Oberfläche stehen auch Arbeitsbereiche zur Verfügung, die gemeinsam genutzt werden können und in denen Daten dynamisch in interaktiven Anwendungen zusammengeführt werden.

Die Â鶹ԭ´´-Führungskräfte auf der Bühne präsentierten Joule Work als neu gestaltete, anwendungsübergreifende KI-Benutzeroberfläche, auf die Benutzer von überall aus zugreifen können: über das Web, auf ihrem Desktop, über Mobilgeräte, per Sprachsteuerung und sogar über Apple CarPlay. Sie berichteten, dass Joule Work über mehrere Monate hinweg von über 110.000 Â鶹ԭ´´-Mitarbeitenden gemeinsam mit mehr als 150 Kunden, die am Programm Â鶹ԭ´´ Early Adopter Care teilnehmen, getestet wurde, „damit wir Ihnen die beste KI-Oberfläche zur Verfügung stellen können“.

Philipp Herzig bat Robert Müller von Bosch Digital zu sich auf die Bühne. Das Unternehmen gehörte zu den Erstanwendern und Robert Müller führte aus, wie Joule Work, Joule Studio und die ersten Assistenten und Agenten von seinen Teams getestet wurden. Das erste Feedback der Benutzer sei positiv gewesen. „Als Nächstes möchten wir Joule in unsere täglichen Abläufe integrieren“, erklärte er.

Die Â鶹ԭ´´ Autonomous Suite

Anschließend präsentierte Manoj Swaminathan eine Demo zur . „Seit mehr als fünf Jahrzehnten entwickelt Â鶹ԭ´´ Systeme, mit denen Sie Ihre Geschäftsprozesse optimieren können. Darauf möchten wir aufbauen und stellen nun ein Portfolio von sofort einsatzfähigen Assistenten und Agenten in fünf branchenübergreifenden Bereichen bereit, die von Â鶹ԭ´´ verwaltet werden und auf bestimmte Branchen spezialisiert sind.“

„Ich freue mich, Ihnen heute 40 Assistenten und 300 Agenten ankündigen zu dürfen, die die Â鶹ԭ´´ und ihre Partner entwickelt haben und die Sie erkunden können“, führte Manoj Swaminathan weiter aus. „Damit bieten wir die Basis für intelligente Systeme und Systeme, die Maßnahmen umsetzen. Der Schwerpunkt liegt dabei auf drei Bereichen: Automatisierung, Daten und Einblicke sowie Optimierung. So lässt sich messbarer Mehrwert schaffen â€“ von niedrigeren Kosten über höhere Produktivität bis hin zu schnelleren Abläufen, höherer Qualität und vielen weiteren Vorteilen.“

Zu den neuen Assistenten gehören der , mit dem Abschlüsse bis zu 68Ìý% schneller erstellt werden können, der Sourcing Assistant, mit dem sich die Gesamtbetriebskosten um 15Ìý% verringern lassen, und der Supplier Management Assistant, der Lieferantenrisiken 60Ìý% schneller erkennen und durch entsprechende Maßnahmen mindern kann.

„Bei diesen Aufgaben reicht es schlichtweg nicht aus, eine ,wahrscheinliche‘ Antwort zu erhalten“, erklärte Manoj Swaminathan. „Es kommt jedes Mal auf die richtige Antwort an und die Antworten müssen rechtskonform und nachvollziehbar sein. Und genau das ermöglichen diese Assistenten und Agenten auf einzigartige Weise, denn jeder einzelne dieser Agenten ist ISO- und SOC-konform.“

Die Â鶹ԭ´´ Business AI Platform

Manoj Swaminathan verwies darauf, dass jeder Agent ein Agent-to-Agent-Endpunkt (A2A-Endpunkt) ist, der über das A2A-Gateway von Â鶹ԭ´´ mit der Plattform verbunden ist. Die Â鶹ԭ´´ Business AI Platform ist außerdem dafür konzipiert, Erweiterungen zu unterstützen. „Sie als Entwickler haben nun Zugriff auf die Â鶹ԭ´´ Business AI Platform, auf der die Â鶹ԭ´´ Autonomous Suite aufbaut. Damit können Sie in Joule Studio Anwendungen gemäß Ihren Anforderungen entwickeln.“

„Sie fragen sich vielleicht: ,Wozu brauche ich die Â鶹ԭ´´ Business AI Platform, wenn ich bereits mithilfe von öffentlichen Modellen KI-Anwendungen entwickle?‘ Weil ein öffentliches Modell Ihre Prozesse, Ihre Stammdaten oder Ihr Unternehmen nicht kennt â€“ die Â鶹ԭ´´ Business AI Platform kennt diese hingegen sehr wohl“, erläuterte Manoj Swaminathan. „Unsere KI-Agenten sind in die deterministischen Workflows unserer Anwendungen integriert. So erhalten Sie die Antwort, die richtig ist, denn sie nutzen dieselben Daten, folgen denselben Regeln und erzeugen dasselbe Audit-Protokoll wie unsere Anwendungen. Dabei entscheiden Sie über den Grad der Autonomie.“

Er betonte, dass der Einsatz der Â鶹ԭ´´ Autonomous Suite nicht auf Backoffice-Abläufe beschränkt sei. „Bei unseren größten Kunden haben ungeplante Ausfälle der Abläufe vor Ort Umsatzeinbußen von 11 % zur Folge. Die Kunden wissen, wo das Problem liegt, doch bisher gab es keine Lösung zur Bewältigung dieser Herausforderungen.“

Physische KI von Â鶹ԭ´´

Als Lösung für dieses Problem präsentierte Manoj Swaminathan physische KI von Â鶹ԭ´´, die das autonome Unternehmen auch in die physische Welt bringt: Sie setzt geschäftliche Entscheidungen in physische Aktionen um und übermittelt überprüfte Ergebnisse sicher und kontrolliert zurück an die Â鶹ԭ´´-Systeme.

Ricky Watts, Leiter der Industrial and Robotics Division bei Intel, gesellte sich zu Manoj Swaminathan auf die Bühne und berichtete, dass Intel an seinem Standort in Chengdu bereits physische KI einsetze. Dort werden autonome Roboter von der Lagerverwaltungslösung von Â鶹ԭ´´ gesteuert und die Ergebnisse fließen als Live-Transaktionen zurück an das Â鶹ԭ´´-System, wodurch sich der Kreis schließt.

Im Anschluss daran gab Jonathan von Rüden Einblick in die über 300 Joule Agents, die standardmäßig in der Suite enthalten sind. Er erläuterte, wie sich diese Standardagenten mithilfe von Joule Work und Joule Skills anpassen lassen, um die Möglichkeiten von KI optimal zu nutzen. Und allen, denen das noch nicht reicht, versicherte er: „Joule Studio ist nur einen Klick entfernt“.

Mit Joule Studio, der Â鶹ԭ´´-Plattform für die Entwicklung von Agenten, können alle Benutzer KI um die gewünschten Fähigkeiten erweitern: Eine Beschreibung in natürlicher Sprache und einige wenige Codezeilen genügen, um die Funktionen eines Agenten zu definieren. Dadurch wird die Entwicklung von Agenten auch für Benutzer ohne Programmierkenntnisse möglich.

Wer diese Fähigkeiten genauer definieren und wissen möchte, womit er beginnen sollte, kann mithilfe des Process Consulting Agent bereits vor den ersten Entwicklungsschritten ermitteln, welche Funktionen für welche Prozesse entwickelt werden müssen. „Man muss dem Agenten einfach nur sagen, was man will“, erklärte Jonathan von Rüden. Â鶹ԭ´´ Knowledge Graph identifiziert daraufhin die relevanten APIs, MCP-Server und Datenprodukte, und Joule Studio generiert die Spezifikationen, die Struktur und die Integrationslogik.

Das Ergebnis: Von der ersten Idee bis zum funktionierenden Agenten dauert es nur noch rund zweieinhalb statt 13 Stunden. Da die Agenten bei Fragen nicht auf Mutmaßungen angewiesen sind, verbrauchen sie weniger Token. „Bei unseren Tests kommen wir dadurch auf 50 Prozent niedrigere Kosten pro Aufgabe“, erklärte Jonathan von Rüden.

„Mit Joule Studio auf der Plattform Â鶹ԭ´´ Business AI konzentrieren wir uns auf vier Aspekte: Geschäftsergebnisse, eine schnelle Wertschöpfung, ein optimales Preis-Leistungs-Verhältnis und Einsatzbereitschaft im Unternehmen durch umfassende Integration.“

Der letzte Aspekt spielt insbesondere in komplexen Landschaften eine wichtige Rolle. Da Unternehmen parallel zu ihren Â鶹ԭ´´-Systemen eine Vielzahl weiterer Plattformen, Datenquellen und Tools nutzen, müssen Sicherheit und Governance beim Einsatz von Agenten über diese Grenzen hinweg gewährleistet werden, ohne für jede neue Plattform eine separate Integration vornehmen zu müssen.

„Unternehmen erwarten, dass die Funktionen zu einem gewissen Grad sofort einsatzbereit sind. Und genau das bieten wir“, führte er aus. Das Agent-Gateway, das Agenten und Endpunkte über Landschaftsgrenzen hinweg verbindet, ist nun allgemein verfügbar.

Um auch komplexere Szenarien zu unterstützen, in denen eine Ratenbegrenzung, Routing, Protokollübersetzung und erweiterte Zugriffskontrollen erforderlich sind, kündigte Â鶹ԭ´´ das Â鶹ԭ´´ Enterprise AI Gateway an, das auf der Â鶹ԭ´´ Integration Suite basiert und ein Overlay zum Agent-Gateway bildet.

Nach diesen Ausführungen betrat Philipp Herzig erneut die Bühne und bekräftigte, wie wichtig zuverlässige Daten für Unternehmens-KI sind. „KI-Systeme sind nur so gut wie die Daten, die sie für ihre Schlussfolgerungen nutzen“, betonte er. „Diese Daten sind in unterschiedlichen physischen Systemen gespeichert, etwa in Â鶹ԭ´´- oder Nicht-Â鶹ԭ´´-Systemen, Cloud-Umgebungen, On-Premise-Systemen und Edge-Anwendungen.“

Â鶹ԭ´´ÌýBusiness Data Cloud

„Wie also lässt sich all das in einem einheitlichen, KI-fähigen System zusammenführen?“ Die Lösung dafür, so Philipp Herzig, ist die , die Kunden universellen Geschäftskontext in ihrer gesamten Multi-Cloud-Landschaft bereitstellt. „Tausende von Kunden profitieren bereits heute von den Ergebnissen, einer schnellen Wertschöpfung und niedrigeren Kosten.“

Er kündigte außerdem an, dass der gesamte Funktionsumfang der Databricks-Plattform ab sofort direkt in Â鶹ԭ´´ Business Data Cloud verfügbar sein wird. Dadurch können Daten aus unterschiedlichen Systemen nun in einem einheitlichen Stammdatensatz zusammengeführt werden, sodass Kunden über eine einheitliche, KI-fähige Datengrundlage verfügen.

Des Weiteren stellten Â鶹ԭ´´-Führungskräfte den neuen Â鶹ԭ´´ Business Data Cloud Ontology Manager vor, der aktuell als Beta-Version verfügbar ist. Damit können Kunden Â鶹ԭ´´ Knowledge Graph um ihre branchenspezifischen Konzepte erweitern oder vollständige Ontologien selbst erstellen.

Ein neuer Governance Assistant sorgt dafür, dass EU-Vorschriften eingehalten werden, während Agent Oberservability und Â鶹ԭ´´ Signavio Agent Mining eine Brücke zwischen dem Design von Agenten und ihrem Verhalten in der Produktivumgebung schlagen und so die Governance gewährleisten. Eine obligatorische Laufzeitüberprüfung stellt sicher, dass keine Agenten aufgerufen werden können, die nicht in Â鶹ԭ´´ AI Agent Hub verifiziert wurden.

Governance

All diese Funktionen und Integrationen werden von Â鶹ԭ´´ verwaltet und bieten integrierte Governance: mit ISO- und SOC-Konformität, Durchsetzung in der Laufzeit und der Möglichkeit, alle Agenten über den Â鶹ԭ´´ AI Agent Hub zu testen und nachzuverfolgen. Das neue Â鶹ԭ´´ Enterprise AI Gateway ermöglicht darüber hinaus die zentrale Durchsetzung von Richtlinien, eine verbesserte Observability und Laufzeitkontrollen.

„Um die KI-Governance sicherzustellen, müssen wir die Designzeit-Schicht, in der wir Agenten definieren, evaluieren und überprüfen, mit der Laufzeit-Schicht verbinden, die das Verhalten von Agenten durchsetzt, überwacht und optimiert“, erklärte Michelle Niedernhuber.

Sie kündigte an, dass Kunden, die am Programm Â鶹ԭ´´ Early Adopter Care teilnehmen, ab November Zugriff auf den AI Governance Assistant erhalten. Hintergrund ist die in Kraft getretene KI-Verordnung der EU. Der Assistent nutzt vorhandene Informationen, ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù die für den Agenten verantwortliche Person bei der Beantwortung der verbleibenden Fragen und erstellt eine revisionsfähige Risikoklassifizierung für KI-Agenten.

Der Â鶹ԭ´´ AI Agent Hub und das Â鶹ԭ´´ Enterprise AI Gateway bilden gemeinsam die Design- und Laufzeit-Integrationsschicht, die Kontrollen mit der Durchsetzung von Vorgaben und Richtlinien verbindet. Durch diese Verknüpfung von Kontrolle, obligatorischer Laufzeitüberprüfung und kontinuierlicher Verbesserung gibt Â鶹ԭ´´ Unternehmen das nötige Vertrauen, dass ihre Agenten wie geplant funktionieren.

„Governance bremst die Einführung von KI nicht aus“, erklärte Michelle Niedernhuber. „Vielmehr macht sie die Einführung von KI in großem Maßstab erst möglich.“

Erfolgreicher Einsatz von KI unter extremen Bedingungen: Â鶹ԭ´´ bringt KI ins Weltall

Abschließend verkündete Philipp Herzig, dass die Tabular Foundation Models Â鶹ԭ´´-RPT und TabPFN in Kooperation mit dem Â鶹ԭ´´-Partner Hewlett Packard Enterprise (HPE) für Echtzeitprognosen im Weltall zum Einsatz kommen sollen. Damit soll KI auch unter extremen Bedingungen nutzbar werden.

Im Weltraum kann eine verzögerte Entscheidung den Unterschied zwischen Systemsicherheit und vollständigem Ausfall bedeuten. Die KI von Â鶹ԭ´´ ermöglicht auch in hochkomplexen Szenarien schnellere Entscheidungen und eine frühere Vorhersage von Ausfällen.

Philipp Herzig erläuterte, wie die Basismodelle die Echtzeit-Telemetriedaten der Hardware analysieren, eine verringerte Genauigkeit von Sensoren erkennen und fehlende Messwerte in Echtzeit rekonstruieren. Auf der Grundlage dieser Analysen wird ein strukturierter Bericht mit Handlungsempfehlungen für die Besatzung des Raumschiffs oder das Bodenpersonal erstellt, um zu verhindern, dass ein Problem zu einer Krisensituation führt.

„Wenn wir solche Prognosen selbst unter schwierigsten Umgebungsbedingungen durchführen können, kann man sich vorstellen, welche Möglichkeiten sich hier auf der Erde bieten. Das hat der Einsatz von KI unter extremen Bedingungen klar unter Beweis gestellt“, gab Philipp Herzig dem Publikum zum Abschluss der Eröffnungsrede mit auf den Weg.

The post Â鶹ԭ´´ TechEd 2026: Die Grundlage für das autonome Unternehmen schaffen appeared first on Â鶹ԭ´´ News Center.

Tatsächlich klafft jedoch für viele Führungskräfte noch immer eine frustrierend große Lücke zwischen den strategischen Zielen und der Realität des Geschäftsalltags. Der Â鶹ԭ´´-Podcast zum autonomen Unternehmen hat es sich zum Ziel gesetzt, diese Lücke zu schließen.

Der wöchentliche Podcast ging am 1. Juni 2026 an den Start. Bislang wurden 16 Folgen in drei Formatkategorien veröffentlicht: Â鶹ԭ´´ Deep Dives, in denen Führungskräfte die Strategie und Produkte vorstellen, Customer Deep Dives, in denen Unternehmen von ihrer Transformation berichten, und Industry Deep Dives mit ausgewählten externen Gästen, die zu den Vorreitern ihrer Branche zählen.

Die Reihe ist auf Spotify, Apple Music und allen gängigen Podcast-Plattformen sowie über Â鶹ԭ´´-Kanäle und LinkedIn verfügbar und hat mit ihren offenen und ehrlichen Beiträgen zur Einführung von KI im Unternehmen schnell eine treue Hörergemeinde gewonnen.

Was die ersten 16 Folgen gezeigt haben

In den mehr als ein Dutzend Gesprächen mit Gästen wie Â鶹ԭ´´-Führungskräften, globalen Kunden und externen Vordenkern haben sich vier Themen herauskristallisiert, die immer wieder aufgegriffen wurden.

Das autonome Unternehmen ist keine Zukunftsvision, sondern bereits verfügbar

In FolgeÌý13 erklärte Uma Rani, President und Chief Product Officer für Â鶹ԭ´´ÌýCloud ERP Private, dass das autonome Unternehmen nicht Teil einer zukünftigen Roadmap, sondern bereits jetzt für Kunden verfügbar sei, die die Releases 2025 und 2023 implementiert haben. Auch in den ersten Folgen des Podcasts wurde diese Botschaft vermittelt: Peter Maier, der den Bereich Strategic Customer Engagements im Office of the CEO verantwortet, führte in FolgeÌý1 aus, wie sich die auf der Â鶹ԭ´´ÌýSapphire präsentierte Vision in der Praxis umsetzen lässt. Und Manoj Swaminathan gab in FolgeÌý3 ausführlichen Einblick in die Architektur der Ìý– die Schicht für die Ausführung durchgängiger Prozesse durch KI-Assistenten und -Agenten.

Nicht die Fähigkeiten des Modells, sondern der Geschäftskontext ist der entscheidende Vorteil

Michael Ameling, ehemaliger President für die bei Â鶹ԭ´´, zeigte in Folge 4 auf, wie Â鶹ԭ´´ Knowledge Graph und Domänenmodelle in Kombination mit Frontier-Modellen wie Claude von Anthropic die semantische Grundlage für Unternehmens-KI schaffen, die generische LLMs nicht bieten können. In die Plattform sind 50 Jahre Prozesswissen der Â鶹ԭ´´ eingeflossen. Dies ermöglicht die Entwicklung von Agenten, die relevant, zuverlässig und verantwortungsvoll handeln. In den Diskussionen dazu, wie vertrauenswürdige KI in großem Maßstab eingesetzt werden kann, wurden diese drei Bedingungen von allen Gästen immer wieder angeführt.

Transformation ist nicht nur eine technologische Herausforderung, sondern setzt auch Personal- und Änderungsmanagement voraus

In Folge 2 ging Ferose V R auf eine Entwicklung ein, die sich derzeit vollzieht: Statt dass sich Menschen an Systeme anpassen müssen, passen sich Systeme zunehmend an den Menschen an. Möglich wird dies durch Agenten, die den Kontext und die zugrunde liegende Absicht verstehen. Sanjay Kulkarni, Senior Vice President und Global Head of Global Delivery Hub bei Â鶹ԭ´´, wartete in Folge 12 mit präzisen Analysen aus dem Praxiseinsatz auf: In seiner Serviceorganisation mit 12.500 Mitarbeitenden wird der Nutzen von KI nicht daran gemessen, wie viele KI-Lösungen implementiert werden, sondern daran, ob sich damit messbare Geschäftsergebnisse erzielen lassen und ob die dafür verantwortlichen Mitarbeitenden bereit für den Einsatz von KI sind. Dies war auch die Botschaft von Geoff Scott, CEO und Chief Community Champion der Americas’ Â鶹ԭ´´ Users’ Group (ASUG), der in Folge 8 zu Gast war: Vertrauen, Kompetenzentwicklung und eine echte Zusammenarbeit zwischen Mensch und KI sind die Messgrößen, die über den Erfolg oder das Scheitern einer Transformation entscheiden.

Bei der Einführung gibt es regionale Unterschiede, doch die Marschrichtung ist überall dieselbe

In FolgeÌý9 schilderte Sindhu Gangadharan, Managing Director der Â鶹ԭ´´ Labs India, die Herangehensweise indischer Unternehmen: Sie setzen auf eine schnelle Einführung autonomer Funktionen, verfolgen ehrgeizige Ziele und fördern insbesondere die Bereitschaft der Belegschaft für den Einsatz von KI. Manos Raptopoulos, Global President of Customer Success, Europe, APAC, Middle East and Africa, berichtete in FolgeÌý11, welche KI-Strategie Unternehmen von Frankfurt bis Fukuoka verfolgen. Dabei erläuterte er auch, wie sich die Schwerpunkte in den einzelnen Regionen unterscheiden, dass die strukturellen Anforderungen jedoch überall dieselben sind. Augusta Spinelli, Presidentin von Â鶹ԭ´´ EMEA, zeigte in FolgeÌý5 zwei konkrete Wege zum autonomen Unternehmen auf: und . Sie schilderte außerdem aus der Perspektive der Umsetzung, was eine agentengestützte Transformation beinhaltet.

Die Folgen, zu denen Kunden eingeladen waren, gaben über die Strategie hinaus wichtige Einblicke in die Praxis. Achim Löbke von Uniper und Daniele Tedesco von Essity erzählten ausführlich und ungefiltert, wie Unternehmen selbst die KI-Transformation wahrnehmen. Sie berichteten unter anderem von den Reibungspunkten, den Entscheidungen, bei denen weiterhin menschliches Urteilsvermögen gefragt ist, und den ersten Anzeichen für messbare Auswirkungen. Diese Gespräche, bei denen es bewusst nicht um die Präsentation von Produkten ging, hatten durchweg die höchsten Hörerzahlen.

Warum dieser Podcast für das Â鶹ԭ´´-Geschäftsumfeld so wichtig ist

Der Podcast zum autonomen Unternehmen schließt eine Lücke: In den ehrlichen Gesprächen mit Führungskräften ist die tatsächliche Komplexität bei der Einführung von KI der springende Punkt und nicht ein Problem, das bewältigt werden muss. Der Podcast spricht mit CIOs, CDOs, COOs, CFOs und Senior Transformation Leads genau diejenigen an, die Investitions- und Governance-Entscheidungen treffen, die sich darauf auswirken, wie schnell Â鶹ԭ´´-Kunden ihre KI-Strategie umsetzen.

Für das erste Jahr sind über 40 Folgen geplant. Damit baut die Reihe einen umfangreichen Wissensschatz auf, der zum einen von Unternehmen für ihre eigenen Transformationsinitiativen genutzt werden kann, zum anderen aber auch untermauert, wie intensiv der Austausch und die Zusammenarbeit der Â鶹ԭ´´ mit ihren Kunden sind.

Es werden jede Woche neue Folgen veröffentlicht, die auf Spotify, Apple Music und allen gängigen Podcast-Plattformen verfügbar sind.

Benedikt Gieger ist Product Strategy and AI Lead für Digital Manufacturing bei der Â鶹ԭ´´ SE.
Julia Kloppenburg ist Technologieberaterin für Customer Engagement & Adoption bei der Â鶹ԭ´´ SE.

The post Ungefilterte Erfahrungsberichte zum autonomen Unternehmen: Erkenntnisse aus 16 Gesprächen mit Führungskräften appeared first on Â鶹ԭ´´ News Center.

Â鶹ԭ´´-KI für tabellarische Daten auf der Internationalen Raumstation (ISS) und erweiterte Partnerschaften veranschaulichen, was KI von Â鶹ԭ´´ ermöglicht

BERLIN – 27. Oktober 2026 – Â鶹ԭ´´ hat heute auf seiner jährlichen Entwicklerkonferenz Â鶹ԭ´´ÌýTechEd eine Reihe von KI-Innovationen bekannt gegeben, die das Â鶹ԭ´´-Portfolio für Entwickler erweitern. Erweiterungen der Joule-Lösungen und der Â鶹ԭ´´ Business AI Platform, einschließlich des neuesten Foundation Model für tabellarische Daten von Â鶹ԭ´´ ermöglichen nicht nur neue Tools zur Entwicklung und Erweiterung von KI-Agenten. Sie stellen KI-Agenten auch einen umfangreicheren Daten- und Geschäftskontext für logisches Denken und verstärkte Governance-Kontrollen bereit, um sie unternehmensweit verantwortungsvoll einsetzen zu können.

Die Â鶹ԭ´´ Business AI Platform versetzt Unternehmen in die Lage, KI-Lösungen zentral für Â鶹ԭ´´- und Drittumgebungen zu entwickeln, Kontextinformationen bereitzustellen und diese Lösungen zu steuern. Mit Joule Studio können Fachanwender und Entwickler No-Code- und Pro-Code-Tools nutzen, um Agenten zu entwickeln und zu erweitern, sie haben dabei die Auswahl aus über 70 KI-Modellen. Kunden im Early-Adopter-Programm für Joule Studio können zudem n8n-Workflows in Joule Studio entwerfen und ausführen, eine breitere Verfügbarkeit ist geplant. Â鶹ԭ´´ Business Data Cloud und der Â鶹ԭ´´ Knowledge Graph stellen diesen Agenten vertrauenswürdige Geschäftsdaten und Geschäftskontext bereit. Unternehmen haben somit die Möglichkeit, das richtige Modell für jeden Anwendungsfall auszuwählen und den Nutzen und Einsatz von KI besser zu steuern. Vor allem aber bleiben die Daten von Â鶹ԭ´´-Kunden ihre Daten. Â鶹ԭ´´ gibt keine Kundendaten an Dritte weiter, um große Sprachmodelle zu trainieren oder zu verbessern.

„Auf der Â鶹ԭ´´ TechEd präsentieren Entwickler seit jeher die neuesten Innovationen“, sagte Philipp Herzig, CTO der Â鶹ԭ´´ SE. „In diesem Jahr zeigen wir, wie KI nicht einfach nur lernt, Unternehmen zu verstehen, sondern auch Geschäftsprozesse abzuwickeln. In Joule Work machen Nutzer ihre Eingaben und erledigen Aufgaben  in einer durchgängigen Anwendungsumgebung, in der gesamten Â鶹ԭ´´-Landschaft und darüber hinaus. Das ist die Neuerung, die wir in großem Maßstab bereitstellen. Die Basis von allem bildet die Â鶹ԭ´´ Business AI Plattform. Sie sorgt für eine schnellere Wertschöpfung, da Geschäftsprozesse von Anfang verstanden werden, und bietet eine höhere Genauigkeit. Außerdem erfüllt sie die Anforderungen von Unternehmen, gewährleistet ab der ersten Implementierung einen sicheren, kontrollierten und konformen Betrieb und bietet eine einzigartige Kontextebene, die auf dem Prozess- und Branchenwissen aus über 50 Jahren aufbaut, das in jeder Agenten-Aktion verankert ist. Das ist KI, die für den echten Arbeitsalltag entwickelt wurde.“

Joule Work und Joule Studio machen das autonome Unternehmen zur Realität

Durch neue Funktionen für Joule Work werden KI-Agenten noch wirkungsvoller komplexe Geschäftsprozesse über offene Protokolle (A2A und MCP) handhaben können. Diese Innovationen machen Joule Work leistungsfähiger, um den Kontext besser zu verstehen, Entscheidungen zu treffen und mehrstufige Workflows über Unternehmenssysteme und Geschäftsbereiche hinweg auszuführen:

• Die neue agentenbasierte Orchestrierungsschicht ermöglicht es Assistenten und Agenten, komplexe, mehrstufige Workflows über Â鶹ԭ´´-Landschaften hinweg zuverlässiger auszuführen.
• Neue Funktionen im Â鶹ԭ´´ Knowledge Graph werden Daten aus zusätzlichen kundenindividuellen Â鶹ԭ´´- und Drittquellen integrieren. Nutzer können ihre individuellen Daten in natürlicher Sprache abfragen und durchsuchen und genaue Antworten erhalten, die auf ihren eigenen Informationen basieren.
• Verbesserungen bei der Interoperabilität ermöglichen es Agenten von Drittanbietern, Joule Agents über ein kontrolliertes Agenten-Gateway sicher aufzurufen. Durch diese verbindliche Zugriffskontrolle können Agenten unterschiedlicher Anbieter über Workflows hinweg zusammenarbeiten, ohne dass auf Governance oder Kontrolle verzichtet wird.
• Die neue Lösung Â鶹ԭ´´ Enterprise AI Gateway wird die Governance auf KI-Interaktionen ausweiten. Sie bietet eine Möglichkeit, den KI-Datenverkehr im gesamten Unternehmen zentral zu steuern, um Authentifizierung, die Durchsetzung von Richtlinien, Routing, Ãœberwachung, Nutzungsverfolgung und Auditing zusammenzuführen.
• Neuer Joule-Assistent und Â鶹ԭ´´ AI Agent Hub: Erweiterte Governance-Funktionen und ein neuer AI Governance Assistant unterstützen Kunden bei der Einhaltung der EU-Verordnung über künstliche Intelligenz. Diese sollen kritische Hindernisse für die Skalierung von Unternehmens-KI beseitigen: KI-Systeme werden weiterhin klassifiziert, bleiben konform und arbeiten innerhalb definierter organisatorischer Leitlinien und eines fest umrissenen Kontextes.

Â鶹ԭ´´ hat außerdem angekündigt, dass seine Entwicklungsumgebung Joule Studio für KI nun neue Kontrollmöglichkeiten für Observability und die Administration bietet. Sie ist über Joule Work zugänglich, um Agenten im Unternehmen zu entwickeln und zu erweitern. Entwickler und Administratoren erhalten dadurch einen Ãœberblick über das Verhalten von Agenten, die Modellnutzung und die angefallenen Kosten. Im Rahmen einer zeitlich begrenzten Aktion für ausgewählte Kunden ist die Implementierung und Ausführung kundenspezifischer Agenten in der Â鶹ԭ´´-verwalteten Laufzeitumgebung von Joule Studio bis Dezember 2026 nach wie vor gratis. Die Tools der Designzeitumgebung für die Entwicklung und das Testen von Agenten und n8n-Workflows mit KI-gestützter Entwicklung sind innerhalb eines bestimmten Rahmens ebenfalls weiterhin kostenlos.

Â鶹ԭ´´ Business Data Cloud stellt den erforderlichen Kontext für das autonome Unternehmen bereit

Der Â鶹ԭ´´ Business Data Cloud Ontology Manager in Â鶹ԭ´´ Business Data Cloud (BDC) wird eine KI-native Autorenumgebung für die Erstellung von Ontologien für Â鶹ԭ´´- und Drittdaten bieten. Da die KI hierbei versteht, wie Daten aus verschiedenen Teams, Systemen und Anwendungen zueinander in Beziehung stehen, können KI-Agenten präzisere Schlüsse ziehen und bessere Entscheidungen im gesamten Unternehmen treffen. Die Lösungen ergänzen den Â鶹ԭ´´ Knowledge Graph, der umfangreichen Geschäftskontext für Â鶹ԭ´´-Daten bereitstellt.

Darüber hinaus erweitert Â鶹ԭ´´ seine Lakehouse-Funktionen mit Dremio, ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù somit Apache Iceberg und Apache Polaris und stellt eine leistungsstarke Engine für die Zusammenführung von Abfragen zur Verfügung, die einen einheitlichen Datenzugriff ermöglichen wird, ohne dass Daten verschoben oder kopiert werden müssen. Durch eine erweiterte Partnerschaft mit Databricks steht die gesamte Palette von Funktionen für Data Engineering und Unternehmens-KI, einschließlich Lakeflow, Agent Bricks und Lakebase, in der Lösung Â鶹ԭ´´ Databricks in Â鶹ԭ´´ Business Data Cloud zur Verfügung. Dies vereinfacht das Datenmanagement, beschleunigt die KI-Entwicklung und stellt sicher, dass aus Geschäftsdaten aussagekräftige Erkenntnisse gewonnen und intelligente Maßnahmen abgeleitet werden können. Mit einer tieferen Integration in die Â鶹ԭ´´ Business Data Cloud, der neuen Â鶹ԭ´´ Application Data Foundation sowie einer Integration von Joule und Genie helfen Â鶹ԭ´´ und Databricks ihren Kunden dabei, ein unternehmensweites Lakehouse als Grundlage für das autonome Unternehmen und Joule Work zu etablieren.

Durch die Lösung Â鶹ԭ´´ Reltio, die kürzlich auf der Â鶹ԭ´´ Connect angekündigt wurde, wird Â鶹ԭ´´ BDC Stammdatenmanagement für mehrere Datenbereiche bieten. Die Lösung vereinheitlicht und ergänzt Kunden­, Lieferanten- und Produktdatensätze in Â鶹ԭ´´- und Drittsystemen zu vertrauenswürdigen, wiederverwendbaren Datenprodukten für Anwendungen und KI-Agenten.

Tabular Foundation Model hat sich für Unternehmen bewährt und ist für den Einsatz im Weltraum validiert

Â鶹ԭ´´ hat sein neuestes KI-Modell für tabellarische Daten, Â鶹ԭ´´-RPT-2.0, angekündigt, das über Klassifizierung und Regression hinausgehen wird. Es ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù die Erkennung von Anomalien und Ausreißern sowie leistungsfähigere KI-gestützte Analysen durch Embeddings. Diese nativen Funktionen, die über mehrere Tabellen hinweg arbeiten, werden manuelle Arbeiten weiter reduzieren und gleichzeitig schnellere und tiefere Einblicke aus strukturierten Daten erlauben. Darüber hinaus wird das neue Modell Â鶹ԭ´´-RPT-TS Kunden dabei helfen, Werte in zeitindizierten Geschäftskennzahlen für wichtige Prognose-Szenarien mit der Lösung Â鶹ԭ´´ Integrated Business Planning vorherzusagen, ohne dass kundenspezifisches maschinelles Lernen dafür erforderlich ist.

In Zusammenarbeit mit HPE hat Â鶹ԭ´´ auch die Implementierung von Â鶹ԭ´´-RPT auf dem HPE Spaceborne Computer-2 an Bord der Internationalen Raumstation (ISS) angekündigt. Dies ist bis dato eine der bedeutendsten Edge-Computing-Validierungen eines KI-Modells für Unternehmen. Â鶹ԭ´´-RPT soll direkt an Bord der ISS laufen, um die Priorisierung von Anomalien zu unterstützen, Probleme vorherzusagen, bevor Ausfälle eskalieren, fehlende Sensorwerte aus historischen Daten wiederherzustellen und nachvollziehbare Gesundheitsberichte für Astronauten und Bodenteams zu generieren – alles, ohne dass Daten zur Analyse an die Erde zurückgesandt werden müssen.

„Das gleiche vertrauenswürdige Modell Â鶹ԭ´´-RPT hinter globalen Lieferketten kann auch im Weltraum funktionieren“, sagte Herzig. „Das tief verwurzelte, bewährte Know-how der Â鶹ԭ´´ hat dazu geführt, dass die Internationale Raumstation unser Tabular Foundation Model einsetzen wird, um potenzielle kritische Ausfälle in der Umlaufbahn vorherzusagen. Mit Â鶹ԭ´´ RPT und TabPFN von Prior Labs stellen wir für Unternehmen und über alle Grenzen hinweg die einzigartigen Funktionen von KI für tabellarische Daten bereit.“

Sofort einsatzbereite Assistenten und Agenten sind unser strategischer Vorteil

Seit fünf Jahrzehnten entwickelt Â鶹ԭ´´ die zentralen Systeme, mit denen Unternehmen ihre Geschäftsprozesse abwickeln. Â鶹ԭ´´ wird ein Portfolio von sofort einsatzfähigen Assistenten und Agenten in fünf branchenübergreifenden Bereichen anbieten, die alle auf der Â鶹ԭ´´ Business AI Platform laufen – mit Spezialisierung auf bestimmte Branchen – als Basis für intelligente Systeme und Systeme, die Maßnahmen umsetzen.

Partner sorgen für Ausbau der Plattformfunktionen

Das globale Â鶹ԭ´´-Partnernetz bietet neue Funktionen für den laufenden Betrieb und die Erweiterung von Lösungen auf der Â鶹ԭ´´ Business AI Platform und ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù Kunden auf dem Weg zum autonomen Unternehmen. Auf der Â鶹ԭ´´ TechEd wurden die folgenden Partnerankündigungen hervorgehoben:

Eine Kooperation mit Intel schließt den Kreislauf zwischen Unternehmens-Workflows und autonomen Robotern und verbindet Informationstechnologie und Betriebstechnologie durch physische KI.

Außerdem erweitern neue Â鶹ԭ´´-Lösungserweiterungen mit , und die autonomen Funktionen für Kunden und helfen ihnen, ohne Ãœbergaben zwischen Systemen ihre Kernprozesse durchgängig abzubilden.

Neben den angekündigten technischen Neuerungen ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù Â鶹ԭ´´ seine starke Entwicklergemeinde mit neuen Schulungen und Networking-Möglichkeiten. Zehntausende haben bereits vor der Â鶹ԭ´´ TechEd am teilgenommen, um neue Referenzarchitekturen kennenzulernen und sich in Tutorials und praktischen Ãœbungen fortzubilden. Teilnehmer konnten das Angebot vor Ort auf der Veranstaltung und zu Hause nutzen.

Weitere Informationen über die heutigen Ankündigungen finden Sie in unserem .

Weitere Â鶹ԭ´´einformationen finden Sie im Â鶹ԭ´´ News Center. Erhalten Sie Â鶹ԭ´´ News auf und .  

Informationen zu Â鶹ԭ´´

Als weltweit führender Anbieter von Unternehmensanwendungen und Business AI steht Â鶹ԭ´´ (NYSE: Â鶹ԭ´´) an der Schnittstelle zwischen Unternehmen und Technologie. Seit über 50 Jahren vertrauen Unternehmen auf Â鶹ԭ´´, um ihr volles Potenzial auszuschöpfen, indem sie geschäftskritische Abläufe wie Finanzwesen, Beschaffung, Personalwesen, Lieferkette und Kundenerlebnis vereinheitlichen. Weitere Informationen finden Sie unter .

Hinweis an die Redaktionen

Für Â鶹ԭ´´efotos und Fernsehmaterial in hoher Auflösung besuchen Sie bitte unsere Plattform . Dort finden Sie aktuelles sendefähiges TV-Footage-Material sowie Bilder zu Themen rund um Â鶹ԭ´´ zum direkten Download.

Ansprechpartner für die Â鶹ԭ´´e:
Marcus Winkler, +49 6227 7-67497, marcus.winkler@sap.com, CET
Â鶹ԭ´´-Â鶹ԭ´´ebereich; press@sap.com

Bitte beachten Sie unsere . Sie möchten keine Â鶹ԭ´´emeldungen mehr von uns bekommen? Senden Sie dazu bitte eine E-Mail an press@sap.com mit dem Begriff „Unsubscribe“ in der Betreffzeile.

Diese Â鶹ԭ´´emeldung wurde unter Verwendung von Künstlicher Intelligenz (KI) erstellt und redaktionell geprüft.

# # #

Dieses Dokument enthält vorausschauende Aussagen, das heißt Vorhersagen, Prognosen oder andere Aussagen zu zukünftigen Ereignissen. Diese Aussagen basieren auf aktuellen Erwartungen, Voraussagen und Annahmen, die Risiken und Unsicherheiten unterliegen, was dazu führen kann, dass die tatsächlichen Ergebnisse und Resultate erheblich hiervon abweichen können.  Zusätzliche Informationen zu diesen Risiken und Unsicherheiten finden Sie in den von uns bei der US-amerikanischen „Securities and Exchange Commission“ (SEC) eingereichten Unterlagen, einschließlich, aber nicht beschränkt auf den Abschnitt zu den Risikofaktoren des Â鶹ԭ´´-Jahresberichts 2025 auf dem Formular 20-F.

© 2026 Â鶹ԭ´´ SE. Alle Rechte vorbehalten.
Â鶹ԭ´´ und andere in diesem Dokument erwähnte Produkte und Dienstleistungen von Â鶹ԭ´´ sowie die dazugehörigen Logos sind Marken oder eingetragene Marken der Â鶹ԭ´´ SE in Deutschland und anderen Ländern. Zusätzliche Informationen zur Marke und Vermerke finden Sie auf der Seite .

The post Joule Work und KI-Innovationen von Â鶹ԭ´´ revolutionieren die Entwicklung und Nutzung von Unternehmenssoftware appeared first on Â鶹ԭ´´ News Center.

Seit der Einführung im Jahr 1996 bietet das Â鶹ԭ´´-Zertifizierungsprogramm Lernenden auf allen Karrierestufen eine verlässliche Möglichkeit, ihre Kompetenzen in Bezug auf Â鶹ԭ´´-Lösungen zu validieren. Gleichzeitig ermöglicht es Unternehmen, im Rahmen des sich stets weiterentwickelnden Â鶹ԭ´´-Technologie-Portfolios relevante Fachkenntnisse zu identifizieren. Die Zahlen sprechen für sich: Bereits im ersten Jahr erwarben knapp 1.000 Fachleute ihre Zertifizierung. Seitdem haben jährlich Hunderttausende eine Â鶹ԭ´´-Zertifizierung erlangt, während das Programm parallel zum Â鶹ԭ´´-Portfolio und zum weltweiten Â鶹ԭ´´-Ökosystem gewachsen ist. Die nachhaltige Wirkung des Zertifizierungsprogramms geht jedoch weit über Zahlen hinaus. Seit drei Jahrzehnten hat sich das Programm gemeinsam mit dem Â鶹ԭ´´-Portfolio weiterentwickelt und bietet eine verlässliche Grundlage zum Nachweis von Fachkompetenzen – auch wenn sich Technologie und Kundenanforderungen verändert haben.

Für den Wandel konzipiert

Das Zertifizierungsprogramm zeichnet sich besonders dadurch aus, dass es mit dem Fortschritt der Â鶹ԭ´´-Technologie Schritt hält. Seit 1996 ist das Programm von einer Handvoll Â鶹ԭ´´-R/3-Prüfungen zu einem umfassenden Zertifizierungsangebot herangewachsen, das das gesamte Â鶹ԭ´´-Portfolio abdeckt. In den 2000er-Jahren kamen neue Zertifizierungen für Â鶹ԭ´´ NetWeaver, Â鶹ԭ´´ Business One und Â鶹ԭ´´ SuccessFactors hinzu. Mit der Einführung von Â鶹ԭ´´ S/4HANA im Jahr 2015 wurde das Zertifizierungsprogramm auf die damit verbundenen Anforderungen ausgerichtet. Jede Verlagerung der Technologielandschaft brachte eine neue Welle von Zertifizierungen mit sich, die stets für genau die Kompetenzen konzipiert waren, die im Markt am dringendsten benötigt wurden.

Auch der Zugang zu den Programmen wurde kontinuierlich ausgeweitet, von Â鶹ԭ´´-Schulungsstandorten über weltweite Testzentren bis hin zu vollständig digitalen Kursen. Digitale Abzeichen haben es leichter gemacht, Qualifikationen im Rahmen geschäftlicher Netzwerke aufzuzeigen und so Karrieremöglichkeiten zu erkunden. Mit dem Aufkommen schnellerer Release-Zyklen durch Cloudlösungen wurde das Programm erneut entsprechend angepasst. Regelmäßige Prüfungen helfen Lernenden, ihre Kenntnisse und Zertifizierungen auf dem aktuellen Stand zu halten.

„Zertifizierungen sind seit vielen Jahren Teil meiner Â鶹ԭ´´-Laufbahn. Für mich ging es dabei immer darum, kontinuierlich zu lernen und sicherzustellen, dass meine Fähigkeiten mit der Â鶹ԭ´´-Technologie Schritt halten. Den Wandel bei Â鶹ԭ´´-Zertifizierungen habe ich aus erster Hand erlebt – von Prüfungen vor Ort und per Webcam überwachten Multiple-Choice-Tests bis hin zu den szenario- und systembasierten Prüfungen von heute. Von meiner ersten Zertifizierung im Jahr 2008 über die ABAP-Cloud-Zertifizierung 2024, die Zertifizierung als Integration Developer 2025 bis hin zur Â鶹ԭ´´ Generative AI zu Beginn dieses Jahres hat mir das kontinuierliche Lernen und Validieren meiner Kenntnisse geholfen, neue Herausforderungen anzugehen und voranzukommen. Auch nach vielen Jahren der Zusammenarbeit mit Â鶹ԭ´´ gibt es immer noch etwas Neues zu entdecken.“

, Software Engineer und Â鶹ԭ´´ Integration Consultant bei Deloitte

Neue Zertifizierungskonzepte

Mit dem Beginn des nächsten Kapitels in Sachen Zertifizierung hat die Â鶹ԭ´´ einen zur Validierung von Â鶹ԭ´´-Kompetenzen eingeführt. Die Bewertung von Fähigkeiten geht damit nun über traditionelle Multiple-Choice-Prüfungen hinaus und umfasst praktische, leistungsorientierte Prüfungsformate. Kandidaten bewältigen jetzt reale Herausforderungen in echten Â鶹ԭ´´-Systemen und können dabei KI-Tools nutzen – und zwar nicht nur in Ausnahmefällen, sondern als festen Bestandteil des Zertifizierungsprozesses. So reflektieren Zertifizierungen die tatsächlichen beruflichen Anforderungen von Â鶹ԭ´´-Fachleuten.

Die Â鶹ԭ´´ hat es sich zum Ziel gesetzt, bis 2030 zwölf Millionen Menschen KI-Kompetenzen zu vermitteln. Deshalb bietet das Â鶹ԭ´´-Zertifizierungsprogramm Fachleuten die Möglichkeit, die Fähigkeiten anerkennen zu lassen, die in einer KI-orientierten Welt gefragt sind. Ihre Zertifizierungen zeigen heute nicht mehr nur ihren Kenntnisstand auf, sondern demonstrieren auch, wie sie reale Geschäftsherausforderungen lösen.

„Seit 30 Jahren hilft die Â鶹ԭ´´-Zertifizierung Menschen dabei, die Kompetenzen nachzuweisen, die sie für ihre berufliche Weiterentwicklung benötigen. Zudem hilft sie Unternehmen, noch mehr Nutzen aus Â鶹ԭ´´-Technologie zu ziehen. Was das Programm relevant gehalten hat, ist unsere Bereitschaft, uns weiterzuentwickeln. KI verändert die Art und Weise, wie Menschen arbeiten, und das muss sich auch in den Zertifizierungsprozessen widerspiegeln. Es geht nicht mehr nur darum, was man weiß, sondern um die Validierung dessen, was man tatsächlich kann.“

Diana Rösner, Head of Certification Transformation

Drei Jahrzehnte nach den ersten Â鶹ԭ´´-Zertifizierungsprüfungen reflektiert das Programm weiterhin den aktuellen Stand der Â鶹ԭ´´-Technologien und die Anforderungen der Kunden. Während das neu konzipierte Zertifizierungsmodell weiter Gestalt annimmt, sind Â鶹ԭ´´-Zertifizierungen nach wie vor darauf ausgerichtet, die heute gefragten Kompetenzen nachzuweisen und Lernende auf die Zukunft der Unternehmenstechnologie vorzubereiten. Weitere Informationen über die Â鶹ԭ´´-Zertifizierung, verfügbare Zertifizierungen oder zu unseren neuen Zertifizierungskonzepten finden Sie auf .

Timo Schütte ist Global Vice President für Â鶹ԭ´´ Product & Solution Learning.

The post 30 Jahre Â鶹ԭ´´-Zertifizierung: Kompetenznachweis in einer sich verändernden Arbeitswelt appeared first on Â鶹ԭ´´ News Center.

Die Geschichte beginnt mit 700 Entwicklern und technische Experten, die sich 1996 in Orlando trafen, um sich mit einer neuen Generation von Unternehmenssoftware zu beschäftigten.

„Aber nicht unter dem Namen TechEd“, erklärt Karl Kessler, Vice President of Product Management ABAP AI bei Â鶹ԭ´´ SE, der damals als Product Manager Â鶹ԭ´´ Technology in Orlando dabei war. „Zunächst hieß es noch: Â鶹ԭ´´ Technical Developers Conference.“

Der Anlass war ein technologischer Umbruch: Â鶹ԭ´´ erschloss neue Möglichkeiten, Â鶹ԭ´´-R/3-Geschäftsprozesse über das Internet zugänglich zu machen. BAPIs ermöglichten den Zugriff auf Â鶹ԭ´´-Geschäftslogik über definierte Schnittstellen; ALE erleichterte den Nachrichtenaustausch zwischen verteilten Systemen. Â鶹ԭ´´ arbeitete an einem „Business Framework“, das verteilte Geschäftsprozesse integrieren sollte. Damit stellte sich eine Frage, die heute selbstverständlich klingt: Wie wird aus einer Unternehmenssoftware eine Plattform für eine zunehmend vernetzte IT-Welt?

Von der technischen Lehrveranstaltung zum Experimentierfeld

Die Veranstaltung bot Entwicklern die Gelegenheit, sich mit diesen neuen Möglichkeiten auseinanderzusetzen. Doch das Format unterschied sich noch deutlich von der vielseitigen Plattform für Wissensaustausch, praktisches Ausprobieren und Community-Erlebnisse, zu der sich die TechEd in den folgenden drei Jahrzehnten entwickeln sollte.

„Es war anfangs alles sehr akademisch“, erinnert sich Karl Kessler. „Keine Keynotes oder Produkt-Demos auf großen Bühnen. Wir starteten direkt mit einer Einführung in die Architektur von Â鶹ԭ´´ R/3, und das Programm bestand vor allem aus Lectures. Weniger Konferenz-Show, mehr technische Lehrveranstaltung.“

Schon bei der zweiten Veranstaltung 1996 in Los Angeles wurde sichtbar, wie schnell sich die Â鶹ԭ´´-Welt veränderte. Â鶹ԭ´´ präsentierte dort gemeinsam mit Microsoft neue Möglichkeiten rund um Internet Explorer, SQL Server und MS Office97. Zum ersten Mal gab es Hands-on-Sessions, sodas die Teilnehmenden selbst mit Â鶹ԭ´´-Software arbeiten konnten.

„Und ,Hands-on‘ bedeutete damals wirklich, selbst Hand anzulegen“, betont Karl Kessler. „Die Teilnehmer mussten die Software auf ihren eigenen Laptops installieren. Images, die man heute mit wenigen Klicks bereitstellt? Fehlanzeige.“

Zum ersten Mal bekamen die Teilnehmer:innen eine Software-Umgebung zur Verfügung gestellt, in der sie Dinge selbst ausprobieren konnten – heute selbstverständlicher Bestandteil jeder TechEd.

Wo Technologie auf Community trifft

In den folgenden Jahren setzte sich diese Bewegung fort. Mit Â鶹ԭ´´ NetWeaver kamen Java, Portale, Web-Technologien und XML stärker neben die klassische ABAP-Welt. Aus einer Veranstaltung, auf der Technologie erklärt wurde, wurde zunehmend ein Ort, an dem Entwickler sie selbst ausprobieren und diskutieren konnten.

Und auch die Community begann, eine immer größere Rolle zu spielen. Mit dem Â鶹ԭ´´ Developer Network entstand eine neue Form des Austauschs: Wissen wurde nicht mehr nur auf der Bühne weitergegeben, sondern auch zwischen den Sessions, online und über die Grenzen einzelner Unternehmen hinweg.

Karl Kessler hat diese Entwicklung aus nächster Nähe erlebt: Von 1996 bis zum Beginn der Pandemie ließ er keine TechEd in den Regionen USA und EMEA aus. Anfangs war er als Product Manager und Speaker dabei, später gestaltete er das Programm auch als Track Lead und zeitweise als Agenda Lead mit.

In den Nuller-Jahren wurde die TechEd zunehmend auch zum Community-Erlebnis. Besonders lebhaft erinnert sich Karl Kessler an die Veranstaltungen in Las Vegas:

„Tagsüber gab es Lectures und vierstündige Hands-on-Sessions. Aber nach dem offiziellen Programm war noch lange nicht Schluss. Man ging gemeinsam essen, besuchte Shows oder traf sich abends im Hotel. Viele von uns waren praktisch eine ganze Woche vor Ort. Und wer danach noch Zeit hatte, machte einen Abstecher zum Grand Canyon oder ins Death Valley.“

TechEd war damit längst mehr als ein Konferenzprogramm. Neben den technischen Inhalten waren es die Begegnungen, der Austausch und die gemeinsamen Erlebnisse, die die Community prägten.

Ab 2000 kamen nach und nach neue Formate hinzu, die den Community-Gedanken weiter stärkten. Demo Jam brachte Entwickler auf die Bühne, um zu zeigen, was sie selbst gebaut hatten. Das Community Clubhouse schuf Raum für Gespräche jenseits des klassischen Vortrags. Roadmap-Sessions gaben Einblicke in die technologische Zukunft, und die Hands-on-Sessions machten aus Zuhörern aktive Teilnehmer.

„Mit der Zeit wurde der Austausch mindestens genauso wichtig wie die Technologie selbst“, erinnert sich Karl Kessler. „Je komplexer die Themen wurden, desto wichtiger war es, Erfahrungen zu teilen, gemeinsam Dinge auszuprobieren und voneinander zu lernen.“

Technologie wurde nicht mehr nur präsentiert. Sie wurde gemeinsam ausprobiert, diskutiert und weitergedacht.

Wenn aus Zukunft Gegenwart wird

In den 2000er-Jahren veränderte sich die technologische Grundlage von Unternehmenssoftware weiter. Nachdem es zunächst darum gegangen war, Â鶹ԭ´´-Systeme über offene Schnittstellen und Web-Technologien mit anderen Anwendungen zu verbinden, rückte zunehmend eine andere Frage in den Mittelpunkt: Was wäre möglich, wenn sich große Datenmengen nicht erst aufwendig verschieben und verarbeiten ließen, sondern nahezu in Echtzeit zur Verfügung stünden?

Um 2010 wurde diese Idee auf der TechEd greifbar. Vishal Sikka stellte Â鶹ԭ´´ HANA und das In-Memory-Computing vor – einen Ansatz, bei dem Daten direkt im Arbeitsspeicher verarbeitet werden können. Damit forderte Â鶹ԭ´´ etablierte Vorstellungen über die Leistungsfähigkeit von Datenbanken heraus. Zunächst stand die Analyse großer Datenmengen im Fokus, später wurde Â鶹ԭ´´ HANA auch zur Grundlage für Anwendungen.

Für die TechEd bedeutete das einen weiteren Entwicklungsschritt: Hier ging es nicht nur darum, neue Technologien kennenzulernen, sondern auch darum, ihre Möglichkeiten auszuloten und zu verstehen, was sie für die Praxis bedeuten könnten. Eine Idee, die zunächst nach Zukunft klang, wurde zum Ausgangspunkt für neue Anwendungen und Geschäftsprozesse.

„Es war der Übergang von ,Was wäre, wenn?‘ zu ,So machen wir es‘“, sagt Karl Kessler.

Parallel dazu entwickelte sich die Community weiter. Das Â鶹ԭ´´-Mentor-Programm gab besonders engagierten Mitgliedern eine neue Rolle als Sparringspartner, Multiplikatoren und Stimmen aus der Community. Technologie und Menschen veränderten sich also gemeinsam.

„Nicht jede Vorhersage von damals wurde eins zu eins Realität“, sagt Karl Kessler im Rückblick. „Manche Ideen verschwanden, andere entwickelten sich völlig anders als erwartet. Aber immer wieder wurden Konzepte, die auf einer TechEd noch nach Zukunft klangen, später Teil des Arbeitsalltags.“

Mit Fiori, Â鶹ԭ´´ S/4HANA und der Cloud kamen Themen auf die TechEd, die Â鶹ԭ´´s Welt nachhaltig prägen sollten. Hier konnten Entwickler erleben und diskutieren, wie sich Unternehmenssoftware veränderte – und was das für ihre eigene Arbeit bedeutete.

Es ging nicht mehr nur darum, was ein System technisch leisten konnte. Immer wichtiger wurde die Frage, wie Unternehmenssoftware genutzt werden sollte: auf welchem Gerät, in welcher Oberfläche, mit welchen Daten und wie flexibel.

Die Zukunft wurde damit sichtbarer. Sie steckte nicht mehr nur in Architekturdiagrammen oder technischen Konzepten, sondern auf Bildschirmen, in mobilen Anwendungen und in Cloud-Umgebungen. Auf der TechEd wurden diese Veränderungen nicht nur präsentiert, sondern gemeinsam erprobt und weitergedacht. Was damals neue Möglichkeiten eröffnete, wurde zum festen Bestandteil der Â鶹ԭ´´-Welt.

Die nächste Zukunft wartet schon

Die TechEd hatte über die Jahre immer neue Wege gefunden, technologische Entwicklungen erlebbar zu machen und die Community zusammenzubringen. Neue Formate, mehr Interaktion und praktische Erfahrungen hatten die Veranstaltung geprägt. Die Community war längst weit mehr als ein Publikum: Sie war ein wesentlicher Teil dessen, was die TechEd ausmachte.

Dann kam 2020. „Mit der weltweiten Pandemie fiel plötzlich vieles weg, was bis dahin selbstverständlich gewesen war“, sagt Karl Kessler. „Die TechEd fand zwar statt, aber digital. Das heißt, es gab keine Messehallen, in denen man sich begegnen konnte, keine spontanen Wiedersehen und Gespräche in den Gängen, keine Diskussion nach einem Vortrag, die unerwartet in eine neue Idee mündete.“

Hands-on-Erlebnisse und der Austausch mit anderen mussten unter völlig anderen Bedingungen stattfinden. Was über Jahre gewachsen war, ließ sich nicht einfach eins zu eins ins Digitale übertragen.

„Da haben wir gemerkt, wie viel die TechEd vom persönlichen Austausch lebt“, erinnert sich Karl Kessler.

Wie wichtig der Austausch auch hinter den Kulissen war, zeigt eine von Karl Kesslers prägenden Erinnerungen: der „Speaker Ready Room“. Jahr für Jahr kamen dort während der TechEd rund 130 Speaker in einem großen Ballsaal zusammen, um sich auf ihre Sessions vorzubereiten und sich gegenseitig zu unterstützen. Wenn es bei Verbindungen, Lizenzen, Updates oder der Integration verschiedener Komponenten hakte, suchten sie gemeinsam nach Lösungen – oft spontan und unter Zeitdruck.

So entstand über die Jahre eine Speaker Community aus vertrauten Gesichtern und neuen Leuten, die gemeinsam mit der Â鶹ԭ´´ IT und den Organisatoren die TechEd möglich machte. Für Karl Kessler verkörpert der Ready Room das besondere Wir-Gefühl der Veranstaltung: Alle wollten, dass die Sessions gelingen und die Teilnehmenden bestmögliche Voraussetzungen vorfanden. Die gemeinsame Haltung: Wir bekommen das hin.

2026 steht die TechEd wieder an einem technologischen Wendepunkt. Künstliche Intelligenz verändert, wie Software entwickelt, genutzt und zunehmend auch ausgeführt wird. Entwickler arbeiten mit KI-gestützten Werkzeugen. Anwendungen können Aufgaben übernehmen. Agents können Prozesse ausführen und miteinander interagieren.

„Was davon in zehn Jahren selbstverständlich sein wird, wissen wir heute genauso wenig, wie die Entwickler von 1996 wissen konnten, welche ihrer Zukunftsthemen einmal zum Standard werden würden“, meint Karl Kessler. „Aber das ist genau der Punkt. Die Zukunft sah auf jeder TechEd anders aus, doch die Fragen dahinter sind ja dieselben geblieben: Wie kann Technologie Menschen besser unterstützen? Wie können Systeme miteinander arbeiten? Wie machen wir komplexe Prozesse einfacher? Was wird möglich, wenn technische Grenzen verschoben werden?“

Was verbindet also die „alten Hasen“, die ihre 30. TechEd besuchen mit den jungen Talenten, die 2026 zum ersten Mal dabei sind?

Das sei leicht zu beantworten, meint Karl Kessler: „Wir alle wollen wissen, was als Nächstes kommt – und gemeinsam herausfinden, was möglich ist.“

The post Zurück in die Zukunft: 30 Jahre TechEd appeared first on Â鶹ԭ´´ News Center.

Â鶹ԭ´´ trägt dieser Realität Rechnung. Während das strategische Zielbild klar auf RISE with Â鶹ԭ´´, S/4HANA Utilities und Â鶹ԭ´´ Market Communication for Utilities ausgerichtet bleibt, erhalten interessierte Kunden ein optionales, verlässliches Sicherheitsnetz für den Ãœbergangszeitraum: Kunden haben die Möglichkeit, Wartung und Support für ihre bestehenden Lösungen bis zum 31. Dezember 2030 fortzuführen. Dies erfolgt im Rahmen des aufpreispflichtigen Â鶹ԭ´´-Angebots „Extended Maintenance“.

Im Rahmen der Wartungsverlängerung stellt Â鶹ԭ´´ sicher, dass die bestehende Â鶹ԭ´´-Landschaft, einschließlich der Â鶹ԭ´´ IDEX- und der dazu gehörenden Â鶹ԭ´´ Utilities-Add-on-Komponenten, technisch weiterhin stabil und funktionsfähig bleiben. Konkret bedeutet das für diese Komponenten:

• Fehlerbehebung und Sicherstellung der technischen Stabilität
• °­´Ç³¾±è²¹³Ù¾±²ú¾±±ô¾±³Ùä³Ù mit dem ECC/IS-U-Kern und relevanten Support Packages
• Technische Grundlagen, die für das Zusammenspiel mit Partnerlösungen erforderlich sind

Neue regulatorische Anforderungen – etwa im Bereich WebAPI, MaBiS Hub oder neue Marktprozesse und Funktionen aufgrund von Formatanpassungen – werden nicht durch die Wartungsverlängerung abgedeckt. Für diese arbeitet das Â鶹ԭ´´-Partnernetzwerk an speziellen Lösungsangeboten.

Bitte beachten Sie in diesem Zusammenhang die generellen Informationen zur Release-Strategie der Â鶹ԭ´´ und speziell der „Extended Maintenance“ Ìýunter .

The post Â鶹ԭ´´ sichert Kontinuität: Support für deutsche Energiemarkt-Lösungen bis Ende 2030Ìý appeared first on Â鶹ԭ´´ News Center.

Am 28. September wurde nicht nur die vorgestellt und die allgemeine Verfügbarkeit von NVIDIA OpenShell bekannt gegeben, sondern die Â鶹ԭ´´ kündigte auch den weiteren Ausbau ihrer Zusammenarbeit mit NVIDIA an. Gemeinsam möchten die beiden Unternehmen KI-Agenten sicherer, besser kontrollierbar und einfacher überprüfbar machen.

Die umfassende technische Kooperation zwischen Â鶹ԭ´´ und NVIDIA wurde bereits auf der diesjährigen Â鶹ԭ´´ÌýSapphire verkündet. Geplant ist, die Â鶹ԭ´´ÌýBusiness AI Platform mit OpenShell zusammenzuführen, einer sicheren Open-Source-Laufzeitumgebung für autonome KI-Agenten. Dieses Vorhaben geht über eine reine Integration hinaus und steht für die gemeinsame Absicht, die Bedeutung des Begriffs „für Unternehmen“ im Zusammenhang mit autonomen KI-Systemen zu definieren.

Im Rahmen unserer fortlaufenden gemeinsamen Entwicklungsaktivitäten tragen Â鶹ԭ´´-Teams direkt zur Entwicklung der Codebasis von OpenShell bei und integrieren OpenShell in die Â鶹ԭ´´ÌýBusiness AI Platform. stellt als AI-First-Entwicklungsumgebung einen vollständigen Stack für die Ausführung und Governance von KI-Agenten für Unternehmen bereit, während OpenShell die Implementierung von Agenten unter besonderer Berücksichtigung der Sicherheit ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù.

Weitere Ziele der Zusammenarbeit von Â鶹ԭ´´ und NVIDIA sind:

• Absicherung der OpenShell-Laufzeitumgebung für die Implementierung im Unternehmen, unter anderem auch in regulierten Branchen mit strengen Sicherheits- und Compliance-Anforderungen
• Verbindung der isolierten OpenShell-Laufumgebung mit der Governance-Schicht der Joule-Studio-Laufzeitumgebung, indem technische Ausführungsgrenzen mit Berechtigungsmodellen, IAM-Frameworks und Prüfpfaden verknüpft werden
• Unterstützung der Einhaltung von FedRAMP, FIPS und Vorschriften für regulierte Branchen im Rahmen einer gemeinsamen Roadmap
• Förderung einer offenen Forschung und der Sicherheit von KI im Rahmen der , der Â鶹ԭ´´ und NVIDIA gemeinsam mit anderen führenden Unternehmen der Branche als Gründungsmitglieder angehören

Joule-Studio-Laufzeitumgebung: zusätzliche Governance über der Ausführungsschicht

Die Joule-Studio-Laufzeitumgebung hilft zu ermitteln, ob eine Aktion überhaupt ausgeführt werden soll. Hierfür werden Berechtigungen, rollenbasierte Richtlinien und Prozesskontext angewendet, bevor eine Anforderung an die Laufzeitumgebung übermittelt wird. OpenShell ermöglicht eine Begrenzung der Open-Source-Laufzeitumgebung, wodurch eine sichere Entwicklung und Implementierung von autonomen, lernfähigen Agenten ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù werden soll. Sie steuert, wie der Agent ausgeführt wird, worauf er zugreifen kann, welche Aufgaben er ausführen darf und welche Schlüsse er zieht. Die Kombination der beiden Technologien soll es Unternehmenskunden ermöglichen, mit einem einzigen integrierten Stack die Ausführung von KI-Agenten einzudämmen und die Verantwortlichkeit zu stärken.

Beitrag der Â鶹ԭ´´-Entwicklungsteams zu NVIDIA OpenShell

Â鶹ԭ´´-Entwicklungsteams tragen zu vier Bereichen des OpenShell-Projekts bei. Im Hinblick auf die Plattformarchitektur hat Â鶹ԭ´´ an der Dekomposition der Laufzeitumgebung in Komponenten mitgewirkt, die unabhängig voneinander implementiert werden können. Dies wird durch die Trennung der Supervisor-Schicht von der Ausführungsschicht für Agenten ermöglicht, sodass diese beiden Schichten unabhängig voneinander skaliert werden können. Im Hinblick auf den nativen Kubernetes-Betrieb haben die Â鶹ԭ´´-Entwicklungsteams einen Beitrag zur Operator-Unterstützung, der Verwaltung von Image Pull Secrets für private Container-Registries, der Erstellung benutzerdefinierter Vorlagen für Volume Claims und der Foreground-Löschung von Sandbox-Ressourcen geleistet. Darüber hinaus hat Â鶹ԭ´´ daran mitgewirkt, den Speicherbedarf für Gateway-Images zu minimieren und die Treiber-Unterstützung für heterogene Infrastrukturen von Unternehmen zu verbessern. Dank der Beiträge zur Supervisor-Zustandsüberwachung und zur strukturierten Konfiguration auf Protokollebene erfüllt die Laufzeitumgebung nun auch Standards für die Beobachtbarkeit.

Die Joule-Studio-Laufzeitumgebung ist für Kunden und Partner der Â鶹ԭ´´ im Oktober 2026 kostenlos verfügbar.

Andre Lamego ist Senior Vice President und Chief Product Officer für Â鶹ԭ´´ Business AI Platform Fabric bei Â鶹ԭ´´.

The post Â鶹ԭ´´ und NVIDIA OpenShell: Bessere Governance und mehr Sicherheit für überprüfbare KI-Agenten in Unternehmenssystemen appeared first on Â鶹ԭ´´ News Center.

Einen Großteil meines Berufslebens habe ich damit verbracht, Lieferkettentechnologien zu entwickeln, um Geschäftsergebnisse zu optimieren. Zu Beginn meiner Karriere war KI überhaupt kein Thema. Aber woran ich mitgearbeitet habe, würde man wohl heutzutage eine „autonome Lieferkette“ nennen.

In großem Maßstab können Entscheidungen manuell schlicht nicht so schnell getroffen werden, wie die Erwartungen der Verbraucher steigen. Deshalb muss KI in der Lieferkette im nächsten Schritt mehr können als nur Analysen auszuführen, damit Unternehmen in den Prozessen und Anwendungen für den Warentransport Erkenntnisse in Maßnahmen umsetzen können.

Schnelle Entscheidungen: das Zünglein an der Waage für Geschwindigkeit in der Lieferkette

Selbst in Lieferketten mit größtmöglicher Intelligenz kann es schwierig sein, ein klares Signal in eine gut gesteuerte Reaktion umzuwandeln. Meiner Meinung nach geht es um schnelle Entscheidungen: Wie schnell kann ein Unternehmen Änderungen erkennen und anhand des entscheidenden Geschäftskontextes die richtige Reaktion koordinieren?

In einer Lieferkette hängen Entscheidungen grundsätzlich miteinander zusammen. Die Planung wirkt sich auf die Fertigung aus, die wiederum von der Bereitschaft auf Produkt- und Anlagenebene, von Lieferanten, Logistikpartnern usw. abhängt. Das höre ich oft von unseren Kunden: Jede Entscheidung für sich genommen ist vielleicht schlüssig; in Summe allerdings sind sie das nicht.

KI kann einzelne Aufgaben automatisieren – in dieser Isolation schafft sie aber nur isolierten Mehrwert.

KI-Agenten müssen verstehen, wie sich eine Entscheidung in einem Bereich auf den nächsten auswirkt. Hier kommt es auf die Supply-Chain-Anwendungen an, da sie den Geschäftskontext, die vernetzten Prozesse und die Kontrollen bereitstellen, die KI-Agenten zum Handeln benötigen.

Neue Joule Agents bringen KI in die gesamte Lieferkette

Im Zuge der Â鶹ԭ´´ Connect 2026 erweitern wir die Funktionen von sechs Joule Assistants, die zu Jahresanfang auf der Â鶹ԭ´´ Sapphire 2026 vorgestellt wurden. Hinzu kommen spezialisierte Joule Agents, die wichtige Lieferkettenaufgaben übernehmen können. Dank dieser Funktionen können Unternehmen schneller reagieren und mehr Routineaufgaben automatisieren, während der Mensch weiterhin die fundierte Entscheidungsfindung übernimmt:

• Der Product Design Assistant kann Produktdesigns, Rezepturen und Spezifikationen interpretieren und konforme Produktänderungen koordinieren, damit Produkte schneller auf den Markt kommen.
• Mit dem Supply Chain Planning Assistant können Planungsverantwortliche in einem einheitlichen Arbeitsbereich Ausnahmen erkennen, simulieren und auflösen. Dies hilft, nachgelagerte Auswirkungen zu verstehen und Störungen zu beheben, bevor diese das gesamte Unternehmen betreffen.
• Mit dem Manufacturing Assistant können Teams sofort auf Störungen im Fertigungsbereich reagieren. Die neuen Funktionen des Logistics Assistant, mit denen Logistikinformationen in konkrete Maßnahmen umgesetzt werden, umfassen Lagerung, optimierte Ausgangslogistik, Auslieferung und Transportdisposition.
• Mit den neuen Agentenfunktionen für den Asset Operations Assistant, die die Initiierung, Ãœberprüfung und Simulation von Wartungsanforderungen unterstützen, lassen sich Equipment- und Wartungssignale in Maßnahmen umsetzen. Der Business Network Assistant verbessert die Zusammenarbeit mit Lieferanten und Logistikpartnern in Bereichen wie Bezugsquellenfindung, Vertragsabschluss und Ausnahmebehandlung.

Was diese Szenarien gemeinsam haben: Agenten können in dem Geschäftskontext arbeiten, der bereits die Lieferkette steuert. Deshalb können Erkenntnisse, die sich in einem Bereich ergeben, in den nächsten einfließen und bei Freigabe aufeinander abgestimmte Schritte auslösen.

Diese neuen Funktionen sollen im vierten Quartal 2026 allgemein verfügbar sein.

Kundenergebnisse: Autonomie setzt sich durch

Kunden setzen diese neue Entwicklung bereits in die Praxis um.

Takeda Pharmaceuticals wird den einsetzen, um mögliche Ursachen für Planungsprobleme zu ermitteln und Korrekturmaßnahmen vorzuschlagen. So sollen mit der Zeit anpassungsfähige Planungsprozesse ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù werden.

Rebecca Kaufmann, Senior Vice President und Head of Enterprise Platforms, Takeda Pharmaceuticals, meint dazu: „Wir kombinieren das Branchen- und Technologiewissen der Â鶹ԭ´´ mit unserer Praxiserfahrung. Der Supply Chain Planning Assistant wird uns durch KI erkannte Problemursachen und von der KI vorgeschlagene Lösungen aufzeigen und eine automatisierte Performance-Ãœberwachung bereitstellen, sodass Probleme eigenständig behoben werden können.“

Döhler, weltweit in der Herstellung natürlicher Inhaltsstoffe für die Lebensmittel-, Getränke-, Life-Sciences- und Ernährungsindustrie tätig, setzt KI ein, um Logistikprobleme zu lösen.

Stephan Schissler, Chief Information Officer der Döhler GmbH, erklärt: „Unsere Mitarbeitenden erzielen dann den größten Mehrwert, wenn sie entscheiden, welche Aufgabe als Nächstes erledigt werden muss – dem können sie sich jetzt ganz widmen. Der Logistics Issue Resolution Agent entdeckt die Problemursache, empfiehlt eine Lösung und verwandelt eine mehrstündige Krisenbewältigung in eine Entscheidung mit einem Klick. Unser Logistikteam kann rund ein Drittel der Zeit einsparen, die einst die Fehlerbehebung kostete – und unsere Prozesse sind zunehmend von eigenständiger Problemlösung statt von Ausnahmen geprägt.“

Hierin liegt der praktische Nutzen der Autonomie: Die manuelle Bearbeitung von Ausnahmen weicht intelligenteren Lieferkettenprozessen.

Autonomie auf Vertrauensgrundlage

Wenn KI bei Entscheidungen in der Lieferkette eine immer größere Rolle spielt, muss man ihrem Vorgehen vertrauen können. Führungskräfte müssen nachvollziehen können, welche Entscheidungen KI getroffen hat und warum. Sie müssen festlegen, was KI durchführen darf, bei Bedarf eingreifen und wissen, wer verantwortlich ist.

Das ist die Richtschnur für alles, was wir auf der Â鶹ԭ´´ Connect 2026 vorstellen. Mit der Einbindung von Joule Assistants und ihrer Agenten in die Prozesse und Daten von t können wir Unternehmen dabei unterstützen, Erkenntnisse in koordinierte Maßnahmen umzusetzen. Der Mensch trifft dabei weiterhin die wichtigsten Entscheidungen.

Für Führungskräfte in der Lieferkette zeigen sich hier die Effekte von Autonomie: weniger Zeitaufwand für Routineaufgaben und die Ausnahmebehandlung, schnellere Reaktionen bei Veränderungen und mehr Zeit für strategische Entscheidungen, die Resilienz, Effizienz und den Nutzen für den Kunden steigern.

Letztlich geht es um schnelle Entscheidungen, denen man vertrauen kann.

Devesh Mishra ist General Manager und Chief Product Officer für Â鶹ԭ´´ Supply Chain Management.

The post Â鶹ԭ´´ erweitert Joule Assistants und Joule Agents für ein autonomes Supply Chain Management auf der Â鶹ԭ´´ ConnectÌý appeared first on Â鶹ԭ´´ News Center.

Führungskräfte in der Beschaffung sehen sich heute mit einem völlig anderen Arbeitsumfeld konfrontiert als noch vor einigen Jahren. Sie müssen nicht nur die Kostenkontrolle und Compliance sicherstellen, sondern darüber hinaus auch die Resilienz stärken, Lieferantenrisiken steuern, Personalstrategien unterstützen und dem Unternehmen helfen, schneller auf veränderte Marktbedingungen zu reagieren.

Doch viele der Systeme, die diese Aufgabenbereiche unterstützen, sind nach wie vor nicht mit den Systemen anderer Unternehmensfunktionen vernetzt. Lieferanteninformationen sind in einem System gespeichert, Personalinformationen in einem anderen â€“ und Ausgabendaten müssen oft erst sorgfältig aufbereitet werden, bevor sie für Entscheidungen genutzt werden können.

Auf der Â鶹ԭ´´ Connect 2026 haben wir verschiedene Innovationen für Â鶹ԭ´´ Ariba, Â鶹ԭ´´ Fieldglass und Â鶹ԭ´´ Concur vorgestellt, die Unternehmen bei diesen Herausforderungen unterstützen sollen: neue KI-Assistenten für die Ausgabenanalyse und Verwaltung externer Arbeitskräfte, die Integration von Informationen zu Lieferantenrisiken im Rahmen einer neuen Partnerschaft mit Moody’s, eine neue, gemeinsam mit ORO Labs entwickelte Lösungserweiterung für die Koordination von Beschaffungsprozessen in komplexen Unternehmenslandschaften und neue Â鶹ԭ´´-Concur-Funktionen, die umfangreiche Verwaltungsaufgaben vereinfachen.

Diese Innovationen untermauern die allgemeine Entwicklung hin zu einem , das ein Funktionsbereich der ist. KI führt dabei Informationen, Einblicke und die Ausführung von Prozessen zusammen, während die Kontrolle über wichtige Entscheidungen weiterhin beim Menschen liegt.

Mehr Transparenz für bessere Ausgabenentscheidungen

Vielen Beschaffungsorganisationen gelingt es noch immer nicht, schnell genug handlungsrelevante Erkenntnisse aus ihren Ausgabendaten abzuleiten, um Entscheidungsprozesse effizient zu unterstützen.

Laut dem Bericht , der 2026 von Economist Enterprise im Auftrag von Â鶹ԭ´´ veröffentlicht wurde, ist die digitale Transformation das wichtigste strategische Ziel von Beschaffungsorganisationen in den kommenden 18ÌýMonaten. Ausschlaggebend dafür ist vor allem der Wunsch nach besseren Ausgabenanalysen, den 53ÌýProzent der befragten Führungskräfte äußerten. Diese Ergebnisse spiegeln den wachsenden Druck wider, Entscheidungsprozesse und den Nutzen für das Unternehmen zu verbessern.

Anfang des Monats gab Â鶹ԭ´´ die Verfügbarkeit von Â鶹ԭ´´ Ariba Spend Analysis and Insights bekannt. Mit der Lösung können Unternehmen nun Ausgabendaten aus Â鶹ԭ´´ Ariba, Â鶹ԭ´´ Fieldglass, Â鶹ԭ´´ Concur, Â鶹ԭ´´ Cloud ERP und anderen Systemen in einer zentralen Datenbasis zusammenführen, was Analysen und konkrete Maßnahmen ermöglicht.

Auf dieser Grundlage haben wir aufgebaut und auf der Â鶹ԭ´´ Connect den neuen Spend Analytics Assistant vorgestellt. Der Assistent soll im ersten Quartal 2027 allgemein verfügbar sein und Beschaffungsteams dabei unterstützen, Möglichkeiten für Kosteneinsparungen, eine bessere Compliance, die Lieferantenkonsolidierung und die Risikominderung zu ermitteln. Anstatt Berichte durchsuchen zu müssen, sehen Teams hervorgehobene Bereiche, die geprüft werden müssen. Es werden außerdem unterstützende Kontextinformationen angezeigt, die ihnen helfen, Maßnahmen zu priorisieren und durchzuführen. So müssen sie sich weniger mit der Aufbereitung von Daten befassen und haben mehr Zeit, fundierte Entscheidungen zu treffen.

Lieferantenrisiken bei den täglichen Entscheidungen berücksichtigen

Lieferantenrisiken stellen heute Unternehmen aller Branchen vor strategische Herausforderungen. Bei Entscheidungen zur Bezugsquellenfindung und Beschaffung wären Risikodaten besonders hilfreich, doch häufig haben die Verantwortlichen keinen Zugriff darauf.

Auf der Â鶹ԭ´´ Connect haben wir auch eine neue Partnerschaft mit Moody’s bekannt gegeben, in deren Rahmen wir die Ãœberwachung von Lieferantenrisiken direkt in integrieren. Indem Daten zur finanziellen Solidität, den operativen Risiken und dem Status der Berichterstattung in derselben Umgebung wie Daten zur Lieferantenleistung und den Lieferantenbeziehungen zur Verfügung gestellt werden, können Beschaffungsteams Risiken direkt bei ihren täglichen Entscheidungen berücksichtigen, anstatt sich regelmäßig einen Ãœberblick über diese Risiken zu verschaffen.

Mit dieser Partnerschaft wird auch die Grundlage für eine KI-gestützte Beschaffung gestärkt. Wenn Risikoinformationen direkt in die Workflows der Beschaffung integriert sind, werden sie Teil des Geschäftskontexts, der den Teams hilft, aufkommende Probleme zu erkennen und schneller Gegenmaßnahmen zu ergreifen. So erhalten sie einen umfassenden Überblick über die Lieferantenbeziehungen und sind besser in der Lage, auf potenzielle Störungen zu reagieren, bevor diese die Geschäftsabläufe beeinträchtigen.

Die neuen Funktionen werden voraussichtlich im vierten Quartal 2026 allgemein verfügbar sein.

Beschaffungsprozesse in komplexen Unternehmenslandschaften koordinieren

Oft sind es nicht nur isolierte Daten, die Entscheidungen in der Beschaffung ausbremsen, sondern auch nicht miteinander vernetzte Systeme. In vielen Unternehmen verteilt sich das Beschaffungswesen auf eine Kombination von Â鶹ԭ´´- und Drittanwendungen, die jeweils unterschiedliche Teile des Prozesses unterstützen. Arbeitsabläufe in einer solchen Landschaft zu koordinieren, ohne dass es zu einer Beeinträchtigung der von den Teams bereits genutzten Systeme kommt, ist ein anhaltendes Problem der modernen Beschaffung.

Um dieses Problem zu lösen, kündigte Â鶹ԭ´´ eine neue, gemeinsam mit ORO Labs entwickelte Lösungserweiterung an: Â鶹ԭ´´ Ariba Procurement Orchestration by ORO Labs. Damit steht eine spezielle Orchestrierungsschicht zur Verfügung, die Oberflächen, Workflows und Systeme für die Beschaffung in komplexen Umgebungen mit Â鶹ԭ´´- und Drittanwendungen miteinander verbindet.

Mitarbeitende profitieren auf diese Weise von einem einheitlicheren Erlebnis und können Beschaffungsprozesse einfacher initiieren und ausführen. Low-Code-/No-Code-Workflows ermöglichen es Teams, Prozesse an geänderte Geschäftsanforderungen und Richtlinien anzupassen, ohne die zugrunde liegenden Systeme zu beeinträchtigen. Unternehmen können auch innerhalb dieser Workflows Agentic AI nutzen, wobei die für die Geschäftsabläufe so wichtige Kontrolle, Genehmigung und Aufsicht weiterhin beim Menschen liegt.

Die Lösungserweiterung kann zusammen mit Joule Work genutzt werden, wobei Joule Work als primäre Interaktionsschicht dient. Sie wird voraussichtlich im November 2026 allgemein verfügbar sein.

Externe Arbeitskräfte proaktiv verwalten

Viele Unternehmen setzen auf externe Arbeitskräfte, um ihre Kompetenzen auszubauen, Projekte durchzuführen und sich an neue geschäftliche Anforderungen anzupassen. Zur Verwaltung dieser Mitarbeitenden müssen jedoch häufig Aufgaben der Beschaffungsabteilung, der Personalwirtschaft, der einstellenden Führungskräfte, von Lieferanten und Compliance-Teams miteinander abgestimmt werden.

Wir haben den neuen Contingent Workforce Assistant angekündigt, mit dem dieser Prozess transparenter werden soll. Er soll ab dem vierten Quartal 2026 allgemein verfügbar sein und Unternehmen bei der Verwaltung des Lebenszyklus von externen Arbeitskräften unterstützen. Hierzu deckt der Assistent Probleme wie Verzögerungen beim Onboarding, ausstehende Genehmigungen, Compliance-Vorgaben und andere Ausnahmen auf, bevor sie sich auf den Einsatz von externen Mitarbeitenden auswirken. Indem alle relevanten Informationen in einer zentralen Oberfläche zusammengeführt werden, können Teams Probleme früher lösen, während zugleich die Governance und Prüfbarkeit gewährleistet bleiben.

Mit diesem proaktiven Ansatz lässt sich eine der zentralen Herausforderungen im Personalmanagement bewältigen: Probleme frühzeitig zu erkennen, bevor sie die Geschäftsabläufe beeinträchtigen.

Das Reisekostenmanagement durch gezielte Automatisierung vereinfachen

Nicht immer ist eine groß angelegte Transformationsinitiative erforderlich, um die Produktivität beim Ausgabenmanagement zu steigern.

In vielen Unternehmen entstehen die meisten Reibungspunkte beim Reisekostenmanagement durch Routineaufgaben, beispielsweise beim Abruf von Belegen, der Suche nach Rechnungsbildern, der Erstellung von Prüfungsdokumentationen und der Überprüfung von Benutzerberechtigungen. Die einzelnen Aufgaben sind nicht besonders umfangreich, nehmen aber insgesamt viel Zeit der für Finanzwesen, Prüfung, Compliance und Ausgabenmanagement zuständigen Teams in Anspruch.

Es wurden neue Â鶹ԭ´´-Concur-Apps für den angekündigt, mit denen Unternehmen diesen Aufwand reduzieren können. Â鶹ԭ´´ plant, auf den bereits zur Unterstützung von Steuerprozessen, Prüfungen, Compliance und Berichterstattung eingesetzten Funktionen aufzubauen und neue Micro-Apps bereitzustellen, mit denen Unternehmen Informationen zu Mitarbeiterausgaben exportieren, die Ãœberprüfung der Zugriffs-Governance vereinfachen und den Massenabruf von Lieferantenrechnungsbelegen unterstützen können.

Der Ansatz ist bewusst praxisorientiert: Anstatt ganze Prozesse neu zu gestalten, sind die Micro-Apps auf bestimmte operative Probleme ausgerichtet. Die Zahl der Kunden, die die bereits vorhandenen Micro-Apps implementiert haben, lässt erkennen, dass es eine hohe Nachfrage nach solchen punktuellen Automatisierungsfunktionen gibt.

Weitere Micro-Apps werden voraussichtlich im vierten Quartal 2026 allgemein verfügbar sein.

Aus Ausgabeninformationen konkrete Maßnahmen ableiten

Die meisten Unternehmen haben große Mengen an Ausgabendaten gespeichert. Die Herausforderung besteht darin, auf der Grundlage dieser Informationen schnelle Entscheidungen zu treffen und greifbare Geschäftsergebnisse zu erzielen.

Die auf der Â鶹ԭ´´ Connect 2026 vorgestellten Innovationen gehen Herausforderungen aus verschiedenen Perspektiven an, sorgen für mehr Ausgabentransparenz und ermöglichen die Berücksichtigung von Risikoinformationen bei Beschaffungsentscheidungen. Sie vernetzen darüber hinaus Beschaffungsprozesse in komplexen Unternehmenslandschaften, ermöglichen eine bessere Verwaltung externer Arbeitskräfte und verringern den Aufwand für das Reisekostenmanagement.

Die Voraussetzung für bessere Entscheidungen ist mehr Transparenz, umfangreicherer Kontext und weniger Hürden bei der Behebung von erkannten Problemen. Genau dieses Ziel verfolgt das autonome Ausgabenmanagement: Durch den Einsatz von Agentic AI in allen Ausgabenprozessen werden isolierte Workflows in einem intelligenten, verwalteten System zusammengeführt.

Dies ist deshalb so entscheidend, weil die Beschaffungsorganisation eine immer wichtigere Rolle bei der Stärkung der Resilienz, Förderung des Wachstums und Verbesserung der Unternehmensleistung spielt. Wenn Unternehmen in der Lage sind, Chancen frühzeitig zu erkennen, schneller auf Risiken zu reagieren und ihren Aufwand für die manuelle Koordination zu verringern, können sie Ausgaben als Wettbewerbsvorteil nutzen, anstatt sie lediglich zu kontrollieren.

Baber Farooq ist Chief Marketing Officer für Â鶹ԭ´´ Spend Management.

The post Neue Lösungen für das Ausgabenmanagement: KI-Innovationen für Â鶹ԭ´´ Ariba, Â鶹ԭ´´ Fieldglass und Â鶹ԭ´´ Concur appeared first on Â鶹ԭ´´ News Center.

Neue Chancen: Modernisierung und Vereinfachung

Die Partnerschaft zwischen ÖBB und Â鶹ԭ´´ zeigt beispielhaft, wie eine umfassende digitale Transformation geplant werden muss, um langfristig Mehrwert zu schaffen. Der größte Eisenbahnkonzern und Infrastrukturbetreiber Österreichs entschied sich, seine Â鶹ԭ´´-Landschaft rundum zu erneuern. Die bisherigen Â鶹ԭ´´-Systeme der ÖBB – für alle Bereiche von Finanzen über Einkauf und Logistik bis hin zu Personal – stießen an ihre Grenzen, neueste digitale Innovationen konnten nicht mehr vollumfänglich genutzt werden. Daher geht das Unternehmen nun einen entschlossenen Schritt und modernisiert seine Â鶹ԭ´´-Systeme von Grund auf. Mit den Cloud-Lösungen von RISE with Â鶹ԭ´´ hat die ÖBB dafür die passende Antwort gefunden.

Die alte Â鶹ԭ´´-Landschaft der ÖBB war zwar funktional, bestand aber aus vielen unterschiedlichen Systemen. Das machte es kompliziert bis unmöglich, technologische Innovationen über den ganzen Â鶹ԭ´´-Betrieb hinweg zu implementieren. Gemeinsam mit Â鶹ԭ´´ hat die ÖBB daher jetzt die Â鶹ԭ´´-Systeme komplett aufgeräumt, modernisiert und vereinheitlicht. Das führt in Zukunft zu einer spürbaren Erleichterung durch den gemeinsamen Betrieb der ÖBB- und Â鶹ԭ´´-Betriebsmannschaften: Die Teams haben ein gemeinsames Verständnis der Systeme und kommen so schneller zu konkreten Lösungen.

Schrittweise Entwicklung und klare Zuständigkeiten als Erfolgsfaktoren

Bei einem Unternehmen von der Größe und Breite der ÖBB war klar, dass ein digitaler Wandel nicht nach dem Prinzip „Hau-Ruck“ funktioniert. Daher wurde gemeinsam mit Â鶹ԭ´´ bewusst auf eine schrittweise Transformation gesetzt, bei der jede und jeder den eigenen Zuständigkeitsbereich genau kannte und die Teams jeden Meilenstein gemeinsam erreichten. Es gab ein klares Bewusstsein dafür, dass ein Wandel dieser Größe seine Zeit braucht.

Dazu wurden klare, gut strukturierte Entscheidungswege und Prozesse etabliert. Das klingt vielleicht selbstverständlich, wird aber oft vernachlässigt. Hier aber konnte man früh sicherstellen, dass der Wandel bei allen ankommt.

Private Cloud: Umfassendes Datenmanagement als Innovationsbooster

Konkret ziehen die ÖBB mit ihrer gesamten Â鶹ԭ´´-Systemlandschaft in ein hochsicheres, geschütztes digitales Rechenzentrum um, die . Hier laufen die Daten von Abteilungen wie Finanzen, Einkauf, Personal und Zuglogistik zentral zusammen. Das ist die entscheidende Voraussetzung, um das volle Potenzial digitaler Technologien auszuschöpfen: Das saubere und stabile Datenmanagement sorgt dafür, dass mit modernen Werkzeugen Aufgaben bestmöglich bewältigt werden können und damit den Teams der Arbeitsalltag erleichtert wird. Im Gegensatz zur herkömmlichen Â鶹ԭ´´-Landschaft der ÖBB bietet diese modernisierte Plattform jetzt die Möglichkeit, künftige digitale Innovationen über den ganzen Betrieb hinweg rasch und reibungslos zu implementieren.

„Man spürte Zusammenhalt und gemeinsamen Willen“

Martin Seiser, ÖBB Group CIO und IT-Geschäftsführer der ÖBB-Business Competence Center GmbH, betont dabei besonders den Wert der gemeinsamen Anstrengung: „Eine solche digitale Transformation lässt sich nicht per Knopfdruck umsetzen. Es ist eine intensive Teamarbeit, bei der alle Rädchen ineinandergreifen müssen. Es gab eine spürbare Motivation im gesamten Team, diesen großen Schritt gemeinsam zu schaffen.“

Die ÖBB und Â鶹ԭ´´ haben damit ein Kernprinzip des digitalen Wandels in die Tat umgesetzt: Eine echte, wirksame Transformation passiert nicht von heute auf morgen, sondern braucht Zeit und umsichtige Planung, damit alle mitgenommen werden. Die Bestätigung, dass dieser Weg der richtige war, kam nach intensiver Vorbereitung im entscheidenden Moment des Projekts, dem „Cutover-Wochenende“: die endgültige Umstellung auf die neuen Â鶹ԭ´´-Systeme. Martin Seiser bringt es auf den Punkt: „Im ganzen Team und in jeder Minute spürte man den Zusammenhalt, die Motivation und den gemeinsamen Willen, dieses Ziel zu erreichen. Und das taten wir. Das zeigt mal wieder: Der entscheidende Teil ist nicht die Technik, sondern die Menschen dahinter. Und genau mit diesem Spirit werden wir uns jetzt laufend weiterentwickeln und neue digitale Innovationen nutzen, für unsere Teams und für unsere Kundinnen und Kunden.“

Foto von ÖBB

The post Gemeinsam auf digitaler Schiene: ÖBB erneuert Â鶹ԭ´´-Systeme appeared first on Â鶹ԭ´´ News Center.

Das Ergebnis: Medizinisches Fachpersonal recherchiert Diagnosen und Therapieoptionen in allgemeinen Sprachmodellen, die auf unkontrollierten Trainingsdaten basieren und für den klinischen Einsatz nicht zugelassen sind. Halluzinationen und nicht nachvollziehbare Quellen sind bei allgemeinen Sprachmodellen ein dokumentiertes Risiko.

Eine regulierte Alternative aus dem Â鶹ԭ´´ Store

Mit Prof. Valmed® begrüßt die Â鶹ԭ´´ Partner Initiative „Intelligent Healthcare“ einen neuen Build-Partner, der dieses Problem direkt adressiert. Die Lösung funktioniert wie die Tools, die Klinikpersonal ohnehin schon nutzt — natürlichsprachliche Eingabe, sofortige Antwort — aber auf einer geschlossenen Wissensbasis aus 2,5 Millionen manuell kuratierten Fachdokumenten. Kein offenes Internet. Keine Trainingsdaten aus Nutzereingaben. Das Ergebnis: ein SicherheitsindexÌývon 99,74 Prozent.

Die Lösung ist ein CE-gekennzeichnetes Medizinprodukt der Klasse IIb — die erste LLM-Anwendung, die diese Zertifizierungsstufe in der EU erreicht hat. Für Kliniken bedeutet das: KI-gestützte Entscheidungsunterstützung mit Audit-Trail, MDR-Konformität und nachweisbarer Ergebnisqualität.

KI-Lösung im Klinikalltag: Beispiel Universitätsklinikum Freiburg

Seit September 2025 ist Prof. Valmed® in der Neurologie des Universitätsklinikums Freiburg im Einsatz. Seit Mai 2026 steht die Lösung fachübergreifend am gesamten Standort zur Verfügung — eingebettet in die Organisationsplattform MEQO als standortweite Lösung zur Qualitätssicherung, Zeitersparnis und Aktualitätssicherung.

In der Neurologie begleitet die LLM-Anwendung den gesamten Versorgungspfad: in der Notaufnahme bei der Einordnung akuter Symptome und Differenzialdiagnosen, auf der Schlaganfalleinheit bei Fragen zu Sekundärprophylaxe und Begleittherapie, auf der neurologischen Station bei Visite und Therapieplanung sowie in den Spezialsprechstunden bei seltenen Erkrankungen und neuen Therapieoptionen. Jede Antwort verweist auf die zugrundeliegende Quelle — Leitlinie oder Publikation — und ist mit einem Klick überprüfbar. Das CE-zertifizierte Medizinprodukt (Klasse IIb) ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù den klinischen Entscheidungsprozess; die Entscheidung bleibt ärztlich.

„Im Stationsalltag stellen sich laufend Fragen, die schnell eine belastbare Antwort brauchen: zur Leitlinie, zur Dosierung, zur aktuellen Studienlage. Prof. Valmed® beantwortet sie, bei uns direkt im Nutzersystem MEQO, mit Quelle, die ich mit einem Klick prüfen kann, statt zwischen verschiedenen Quellen zu wechseln. Die Entscheidung bleibt ärztlich, aber der Weg dorthin ist nachvollziehbar. Eine hochmoderne interaktive Lösung, die ich nicht mehr missen möchte“ , sagt PD Dr. Andrea Dreßing, Oberärztin, Klinik für Neurologie und Neurophysiologie, Universitätsklinikum Freiburg.

Nach Unternehmensangaben spart die Lösung durchschnittlich eine Stunde pro Tag und Anwender. Die Lizenzinvestition amortisiert sich ab dem zweiten Einsatzmonat.

Ab sofort im Â鶹ԭ´´ Store

Prof. Valmed® ist im Â鶹ԭ´´ Store gelistet und lässt sich in bestehende klinische Arbeitsumgebungen einbinden. Krankenhäuser im Â鶹ԭ´´-Umfeld erhalten damit einen Weg, Schatten-KI durch ein regulatorisch belastbares System zu ersetzen, statt sie zu verbieten.

Das Unternehmen wurde von Dr. Vera Rödel und Prof. Dr. Heinz Wiendl (Ärztlicher Direktor der Klinik für Neurologie und Neurophysiologie am Universitätsklinikum Freiburg) gegründet. Es hat seinen Sitz in Langen, Hessen, und ist Gewinner des DMEA nova Awards 2026.

The post Schatten-KI im Krankenhaus: Warum die Antwort nicht das Verbot ist appeared first on Â鶹ԭ´´ News Center.

Für öffentliche Institutionen kommt eine entscheidende Voraussetzung hinzu: Innovation muss mit Transparenz, Verantwortung und digitaler Souveränität vereinbar sein. Â鶹ԭ´´ verbindet dafür jahrzehntelange Prozesskompetenz mit Unternehmensanwendungen, Daten, KI und souveränen Cloud-Technologien. Wie diese Fähigkeiten zusammenspielen, macht S.Public erlebbar, das neue Â鶹ԭ´´ Experience Center für den öffentlichen Sektor, das am 12. Oktober 2026 in Berlin offiziell eröffnet wurde.

Vom Bürgeranliegen zur koordinierten Leistung

Ein Schaden im öffentlichen Raum lässt sich heute unkompliziert digital melden. Doch der eigentliche Verwaltungsprozess beginnt danach: Zuständigkeiten klären, Arbeiten planen, Ressourcen und Budgets prüfen, gegebenenfalls Material beschaffen und den Vorgang abschließen. Â鶹ԭ´´-Lösungen können Bürgerkommunikation, Instandhaltung, Beschaffung und Finanzmanagement über diesen gesamten Ablauf hinweg verbinden.

In S.Public wird das am Beispiel eines Spielplatzes greifbar. Ein Bürger entdeckt eine Beschädigung und meldet sie per Smartphone, etwa eine defekte Schaukel. Die anschließenden Schritte zeigen, wie aus einer einzelnen Meldung koordinierte Arbeit wird. Der Innovationssprung liegt nicht im Meldeformular, sondern in den intelligent verbundenen Prozessen dahinter.

Wenn KI den Verwaltungskontext versteht

Ähnliches gilt für die Vergabe öffentlicher Fördermittel. Anträge umfassen Dokumente, Voraussetzungen und finanzielle Angaben. KI kann eingereichte Unterlagen auf Vollständigkeit und Konsistenz prüfen, fehlende Informationen frühzeitig sichtbar machen und Mitarbeitenden eine begründete Empfehlung für die weitere Bearbeitung liefern. Die Entscheidung bleibt bei der zuständigen Behörde.

Ein Förderantrag für eine Solaranlage veranschaulicht diesen Ansatz in Berlin. Die Â鶹ԭ´´-Kompetenz dahinter ist übertragbar: KI wird dort eingebettet, wo Mitarbeitende Informationen bewerten und Prozesse steuern. Statt isolierte Aufgaben zu automatisieren, ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù sie den gesamten administrativen Zusammenhang.

Wenn digitale Souveränität auf KI trifft

Wie lassen sich sensible Daten mithilfe von KI nutzen und zugleich unter eigener Kontrolle halten? Mit Â鶹ԭ´´ Sovereign Cloud adressiert Â鶹ԭ´´ die vier Dimensionen digitaler Souveränität: Daten, Betrieb, Technologie und rechtliche Rahmenbedingungen.

In S.Public wird dieses Konzept sogar begehbar: Der neue Sovereign Cloud Showroom übersetzt die Sicherheitsarchitektur von Â鶹ԭ´´ in eine physisch erlebbare Umgebung. Besucher durchlaufen drei Sicherheitszonen: Administrations-, Kontroll- und Sperrzone. Sie erfahren unmittelbar, wie die operative Arbeitsumgebung der Â鶹ԭ´´ Sovereign Cloud und der Schutz eingestufter Informationen zusammenspielen.

Wie sich dies mit intelligenter Analyse verbinden lässt, zeigt ein weiteres behördliches Anwendungsszenario in einem Seehafen. Â鶹ԭ´´-Lösungen und der KI-Assistent Joule führen ausgewählte Daten aus internen und externen Systemen in einer souveränen Umgebung zusammen. Aus Angaben zu Schiffsankünften, Terminals, Containern und verfügbaren Kontrollkapazitäten entsteht eine priorisierte Ãœbersicht. Analysten können relevante Details in natürlicher Sprache abfragen; über die tatsächlichen Kontrollen entscheiden die zuständigen Behördenmitarbeitenden.

Mehr als ein Ort für Demonstrationen

Die drei Beispiele stehen für eine gemeinsame Entwicklung: Öffentliche Dienstleistungen werden dann intelligenter, wenn Anwendungen, Daten und KI über Fach- und Organisationsgrenzen hinweg zusammenwirken und Verantwortung nachvollziehbar bleibt.

S.Public schafft einen Ort, an dem Kunden, Partner und Experten diese Möglichkeiten diskutieren und erleben können. Die dahinterliegenden Kompetenzen von Â鶹ԭ´´ reichen weit über Berlin hinaus. Denn die Zukunft öffentlicher Dienstleistungen entscheidet sich nicht daran, wie viel Technologie eine Verwaltung einsetzt, sondern daran, was sie damit für Menschen und Gesellschaft möglich macht.

The post Der nächste Innovationsschub für öffentliche Dienstleistungen beginnt hinter den Kulissen appeared first on Â鶹ԭ´´ News Center.

entwickelt seit über 100 Jahren innovative Produkte für den Energiemarkt. Eine anhaltend hohe Nachfrage und nachhaltige Wachstumsperspektiven schaffen dabei ein dynamisches Umfeld für Innovationen.

Bei der Entwicklung setzt Reinhausen auch auf KI. Das Unternehmen nutzt KI in seinen Produkten, um Mehrwert für Kunden zu schaffen und manuelle Prozesse zu automatisieren. Durch eine stärkere Automatisierung sorgt der Hersteller außerdem dafür, dass die steigende Nachfrage trotz Fachkräftemangel gedeckt werden kann. Diese Expertise im Bereich KI-Innovation ist einer der Gründe für die Teilnahme von Reinhausen am Programm Â鶹ԭ´´ Early Adopter für .

„Die Zusammenarbeit im Rahmen des Early-Adopter-Programms für Joule Work Desktop hat innerhalb weniger Monate mehr Dynamik entfaltet als in all den Jahren zuvor“, berichtet Peter Wied, Director of Complexity Management bei Reinhausen. „Wir sehen großes Potenzial darin, den Zugriff auf unsere Â鶹ԭ´´-S/4HANA-Daten durch natürliche Sprache deutlich einfacher und schneller zu gestalten. Das kann die Art und Weise, wie unsere Teams mit Geschäftsdaten arbeiten, nachhaltig verändern.“

KI beantwortet komplexe geschäftliche Fragen und führt agentengesteuerte Workflows in großem Maßstab aus

Joule Work soll noch in diesem Monat allgemein verfügbar sein, sodass alle Â鶹ԭ´´-Kunden von der neuen Arbeitsumgebung profitieren können. Sie wurde entwickelt, weil KI über die Textgenerierung und die Suche nach Informationen hinaus noch viele weitere Vorteile verspricht. Sie kann Menschen helfen, bessere, auf Daten basierende Entscheidungen zu treffen und Antworten auf komplexe Fragen zu erhalten. Die Â鶹ԭ´´ Business AI Platform stellt sicher, dass diese Antworten auf dem Kontext der Geschäftsabläufe des jeweiligen Unternehmens basieren.

Â鶹ԭ´´ ist wie kein anderer Anbieter in der Lage, Unternehmen diese Vorteile zu bieten â€“ denn die Â鶹ԭ´´ Business AI Platform macht das Prozess- und Branchenwissen aus über 50 Jahren direkt in unseren Anwendungen, dem Â鶹ԭ´´ Knowledge Graph und Joule Work verfügbar. Die Plattform kombiniert außerdem führende KI-Modelle von Drittanbietern mit den Â鶹ԭ´´-eigenen Basismodellen für die Generierung von ABAP-Code und Prognosen auf der Grundlage von strukturierten Daten.

Ebenfalls Teil der Plattform sind die Â鶹ԭ´´ Domain Models, die mit dem Code, den Datenmodellen und den Geschäftsprozessen von Â鶹ԭ´´ trainiert wurden. So kann jede KI-Interaktion das für die jeweilige Aufgabe am besten geeignete Modell nutzen. Unabhängig davon, ob sauberer Code generiert, ein Geschäftsergebnis vorhergesagt oder eine Frage zu einem Prozess beantwortet werden soll, erfolgt dies mit der Präzision und Kosteneffizienz, auf die es bei geschäftskritischen Tätigkeiten ankommt. Und über Â鶹ԭ´´ Business Data Cloud greift Joule Work auf alle benötigten Daten in einer zentralen Quelle zu, die Silos auflöst und Daten aus Â鶹ԭ´´-Quellen und externen Quellen zusammenführt.

Ab sofort ist in Â鶹ԭ´´ Business Data Cloud allgemein verfügbar. Mit der Lösung können Unternehmen fragmentierte Datensätze durch eine einheitliche, vertrauenswürdige Sicht auf Kunden, Lieferanten, Produkte und Mitarbeitende in allen Â鶹ԭ´´- und Drittsystemen ablösen.

Wir sind uns jedoch bewusst, dass präzisere Entscheidungen und zuverlässige Antworten auf geschäftliche Fragen nur ein Teil der Gleichung sind. Was Unternehmen brauchen, sind KI-Lösungen, die eigenständig handeln und Arbeitsabläufe in sämtlichen Geschäftsprozessen koordinieren. Anfang des Jahres unter mehr als 500 Führungskräften durch. 74 Prozent von ihnen gaben an, nahezu die Hälfte ihrer Geschäftsprozesse für den Einsatz von KI-Agenten neu gestalten oder von Grund auf neu entwickeln zu wollen.

Mit der bietet Â鶹ԭ´´ eine breite Palette an zuverlässigen, sofort einsatzbereiten Joule Agents für alle Geschäftsfunktionen, die Unternehmen umgehend produktiv nutzen können. Und mit Joule Work steht die branchenweit leistungsfähigste Orchestrierungs-Engine für Unternehmens-KI bereit, die die Ausführung von agentengesteuerten Workflows in großem Maßstab ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù.

Agenten entwickeln und Drittsysteme anbinden

Joule Work und die Â鶹ԭ´´ Business AI Platform bieten einen unmittelbaren Wettbewerbsvorteil für das KI-Zeitalter, doch jedes Unternehmen hat individuelle Vorteile, die es strategisch nutzen sollte. Aus diesem Grund bietet die Entwicklungsfunktion von Joule Work Zugriff auf Joule Studio, das in Kürze allgemein verfügbar sein wird.

In Joule Studio können Kunden Joule Agents entwickeln und an ihre Bedürfnisse anpassen. Dafür stehen Tools bereit, die Prozesskontext und Daten mit umfangreicher Semantik integrieren. Da Joule Studio über 11.800 vorkonfigurierte Beschleuniger für Unternehmen nutzt, lassen sich auch Drittsysteme anbinden, die auf offenen Standards basieren. Joule Studio ist laut Benchmark-Tests von über fünf Mal schneller als eigenentwickelte Optionen.

Mit Joule Studio können auch Benutzer ohne Programmierkenntnisse in natürlicher Sprache beschreiben, was entwickelt werden soll. Professionelle Entwickler können in derselben Umgebung Pro-Code-Tools nutzen. Neue Agenten werden direkt in Joule Work implementiert und basieren auf den Sicherheits- und Governance-Standards von Â鶹ԭ´´.

Das Unternehmen KNAPP bietet Lösungen für die Lagerautomatisierung an und hat mit Joule Studio einen entwickelt, mit dem die Beschäftigten Probleme erkennen und beheben können, ohne auf einen Experten warten zu müssen. Der Hersteller konnte damit die Problemlösungszeiten um rund 90 Prozent verkürzen und auch den Zeitaufwand für Dokumentation und Schulung um etwa 80 Prozent verringern.

In unserer Branche ist KI keine Zukunftsvision mehr, sondern wird bereits produktiv eingesetzt. Und genau das verdeutlicht unser Pilotprojekt für die Implementierung von KI Tag für Tag. Unsere Partnerschaft mit Â鶹ԭ´´ beseitigt die Komplexität. Wenn im Lager ein Problem auftritt, hilft uns die Â鶹ԭ´´ Business AI Platform dabei, das Problem in Sekundenschnelle zu lösen.

Florian Aufegger, Senior Â鶹ԭ´´ EWM Solution Consultant, KNAPP AG

Die zunehmende Entwicklung und Implementierung von Agenten hat zur Folge, dass die Governance nicht mehr nur aus Compliance-Prüfungen bestehen darf, sondern fester Bestandteil des gesamten Lebenszyklus von Agenten sein muss. Laut Untersuchungen der ist für 71 Prozent der Käufer von Technologielösungen Vertrauen nach wie vor das größte Hindernis bei der Einführung von KI. Der , der nun allgemein verfügbar ist, ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù Unternehmen deshalb bei der Verwaltung aller Agenten, LLMs und MCP-Server in Â鶹ԭ´´- und Nicht-Â鶹ԭ´´-Umgebungen. Neue Funktionen wie Â鶹ԭ´´ Signavio Agent Mining messen die Ergebnisse der einzelnen Agenten und decken Möglichkeiten zur weiteren Optimierung dieser Ergebnisse auf.

Weiten Sie den Einsatz von KI aus – für bessere Geschäftsergebnisse

Einer aktuellen zufolge erzielen die Unternehmen, die beim Einsatz von KI am weitesten fortgeschritten sind, ein 2,4 Mal höheres Umsatzwachstum und ein 2,8 Mal höheres EBITDA-Wachstum als die Unternehmen, die noch keine umfangreichen KI-Initiativen in Angriff genommen haben. Unsere Kunden Reinhausen und KNAPP zeigen das im Praxiseinsatz: Eine Stunde manueller Aufwand wurde auf wenige Sekunden reduziert und Probleme im Lager wurden gelöst, ohne auf einen Experten warten zu müssen. Unser Ziel ist es, dass solche Ergebnisse für jeden Â鶹ԭ´´-Kunden wiederholbar werden.

Wenn Sie sich ausführlich informieren möchten, stehen die neuen nun zum Abruf bereit. Am 27. Oktober fällt außerdem der Startschuss für die , an der Sie vor Ort und online teilnehmen können. Sie können auch einen zu Joule Work und der Â鶹ԭ´´ Business AI Platform vereinbaren.

Brenda Bown ist Chief Marketing Officer für die Â鶹ԭ´´ Business AI Platform und Joule.

The post Joule Work und die Â鶹ԭ´´ Business AI Platform schaffen die Grundlage für die nächste Generation von Unternehmens-KI appeared first on Â鶹ԭ´´ News Center.

Laut einer Untersuchung des sind 72 Prozent der Führungskräfte der Ansicht, dass Unternehmen, die eigenen Aussagen zufolge Arbeitsabläufe mit KI transformieren, in erster Linie bestehende Prozesse automatisieren und nicht die eigentliche Ausführung von Aufgaben von Grund auf neu gestalten. 88 Prozent bescheinigen jedoch zugleich, dass die Neugestaltung von Arbeitsabläufen und Rollen erheblichen Mehrwert für das Unternehmen schafft. Die primäre Verantwortung für diese Arbeitsabläufe liegt bei der Personalabteilung. HR-Verantwortliche und Führungskräfte möchten deshalb wissen, wie Technologien sie bei ihrer Aufgabe unterstützen können, Mitarbeitende, Kompetenzen und Arbeitsabläufe kontinuierlich an neuen geschäftlichen Prioritäten auszurichten.

Diese Technologien bereiten den Weg zu einer autonomen Personalwirtschaft: . Autonomous HCM ist die Zukunft des Human Capital Management. Dabei sorgt KI für eine Automatisierung durchgängiger Prozesse, ermöglicht kontextbezogene Entscheidungen und optimiert die Arbeitsabläufe der Belegschaft in großem Maßstab. 

Für unsere Strategie für Autonomous HCM haben wir drei Säulen definiert: 

1. Automatisierung der HR-Funktion, um Mitarbeitende von administrativen Aufgaben zu entlasten und so Kapazitäten freizusetzen. HR-Teams wenden nach wie vor einen erheblichen Teil ihrer Arbeitszeit für operative Tätigkeiten wie Gehaltsabrechnung, Servicebereitstellung, die Verwaltung der Personalbeschaffung und das Personalmanagement auf. KI kann ihnen einen Großteil dieses Pensums abnehmen. Die dadurch gewonnenen Kapazitäten können dann für strategische Aufgaben genutzt werden. Die Automatisierung ist jedoch nicht das Ziel, sondern sie schafft die Grundlage. Der eigentliche Nutzen ergibt sich daraus, wofür Unternehmen die gewonnene Zeit und die frei gewordenen Ressourcen nutzen. 
2. Neustrukturierung von Aufgaben, Workflows, Rollen und Teams innerhalb des Unternehmens, sowohl im Hinblick auf Tätigkeiten, die von Menschen ausgeführt werden, als auch im Hinblick auf KI-gesteuerte Aktivitäten. Jahrzehntelang standen für Unternehmen bei der Optimierung von Geschäftsabläufen Stellen, Funktionen und feste Prozesse im Mittelpunkt. Durch den Einsatz von KI werden viele dieser Annahmen auf den Prüfstand gestellt. Denn KI bietet nicht nur die Möglichkeit, bestehende Arbeitsabläufe effizienter zu gestalten, sondern auch, die Arbeitsabläufe selbst zu überdenken. Dies ist weit mehr als nur eine Technologieinitiative. Es ist für Unternehmen eine der größten Herausforderungen, mit der sie sich bei ihrer Transformation konfrontiert sehen. 
3. Neugestaltung der Personalbeschaffung, der Entwicklung, Versetzung und Belohnung von Mitarbeitenden. Die meisten Talentprozesse wurden für eine Arbeitswelt entwickelt, die von festen Arbeitsplätzen und planbaren beruflichen Laufbahnen gekennzeichnet war. Doch diese Welt verändert sich in rasantem Tempo. Erfolgreiche Unternehmen bauen Talentnetzwerke auf, die sich ebenso schnell anpassen können wie das Unternehmen selbst. 

Zwischen diesen drei Säulen gibt es Wechselbeziehungen: Durch die Automatisierung werden Kapazitäten freigesetzt, die Neustrukturierung von Arbeitsabläufen beeinflusst die Wertschöpfung und die Neugestaltung des Talentmanagementsystems sorgt dafür, dass das neue Modell nachhaltig ist. 

Möglich wird dies, da die Â鶹ԭ´´ wie kein anderer Anbieter in der Lage ist, vertrauenswürdige Personaldaten, vernetzte Geschäftsprozesse, Ontologien und KI-Technologien in einem gemeinsamen Geschäftskontext zusammenzuführen. Dieser Kontext ermöglicht es Unternehmen, nicht nur isolierte HR-Aktivitäten auszuführen, sondern strategische Personalentscheidungen zur Unterstützung der Geschäftsergebnisse zu treffen, die für den Erfolg des Unternehmens entscheidend sind. Dieser Kontext ist das, worauf es ankommt. 

Auf der Â鶹ԭ´´â€¯Connect gab die Â鶹ԭ´´ bekannt, eine Vereinbarung zur Ãœbernahme von TechWolf abgeschlossen zu haben. TechWolf hat eine führende KI-Plattform für Arbeitsintelligenz entwickelt, mit der Unternehmen besseren Einblick in die Arbeitsabläufe und Qualifikationen ihrer Mitarbeitenden erhalten und ihnen so den richtigen Kontext und die richtige Grundlage zur Verfügung stellen können. Nach Abschluss der Transaktion soll die Technologie von TechWolf Personal- und Talentstrategien im gesamten Â鶹ԭ´´-SuccessFactors-Portfolio unterstützen – mit Funktionen für Skill Mapping, Personalplanung und die Neuausrichtung von Organisationsstrukturen. Kontext aus dem gesamten autonomen Unternehmen bildet dabei die Grundlage für Entscheidungen zur Mitarbeiterentwicklung, zum Personaleinsatz und zur Transformation der Belegschaft. 

Neue Innovationen für die Â鶹ԭ´´ SuccessFactors HCM Suite 

Autonomous HCM ist unsere Vision für die Zukunft. Wir werden diesen Monat jedoch noch weitere neue Innovationen für die gesamte Â鶹ԭ´´â€¯SuccessFactors HCM Suite bereitstellen: 

Ein wachsendes Portfolio von KI-Assistenten 

Neue KI-Assistenten koordinieren Arbeitsabläufe durchgängig und unterstützen Entscheidungen in Echtzeit. Viele der auf der Â鶹ԭ´´â€¯Sapphire vorgestellten Agenten sind ab diesem Monat verfügbar, darunter Assistenten für Gehaltsabrechnung, HR-Service, Weiterbildung, Personalbeschaffung, Onboarding sowie Karriere und Entwicklung. In Kürze werden wir außerdem weitere Agenten bereitstellen, unter anderem den neuen Workforce Planning Assistant zur Unterstützung von Kunden, die einsetzen. Der Assistent greift auf vernetzte Personaldaten, Daten zu externen Mitarbeitenden und Finanzdaten aus Â鶹ԭ´´â€¯SuccessFactors, und zu. Damit ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù er Führungskräfte und Personalverantwortliche bei der Prognose des Personalbedarfs und der Erstellung von Plänen für eine möglichst effektive Kombination aus Neueinstellungen, Umschulungen, Einsatz von Mitarbeitenden in anderen Bereichen sowie externen Fachkräften, um den sich ändernden Personalbedarf zu bewältigen. 

Wichtige Aktualisierungen unserer globalen Lösungen für Arbeitgeberleistungen 

Arbeitgeberleistungen gehören zu den wichtigsten Entscheidungen von Arbeitnehmern. Zugleich sind sie für HR-Teams mit besonderer Komplexität verbunden. Die Â鶹ԭ´´ hat zwei neue, direkt in Â鶹ԭ´´â€¯SuccessFactors Employee Central integrierte Innovationen vorgestellt, mit denen die Personalabteilung Arbeitgeberleistungen effizienter verwalten und Mitarbeitenden personalisierte Entscheidungen über Arbeitgeberleistungen ermöglichen kann. Mit der neuen agentenbasierten Administrationskonsole für Arbeitgeberleistungen in den USA profitieren Personalsachbearbeiter von einer zentralen Sicht auf die Anmeldung für Arbeitgeberleistungen und auf Ausnahmen. Integrierte Ãœberwachungsfunktionen und die Unterstützung natürlicher Sprache helfen ihnen, Probleme schnell zu identifizieren und zu beheben. Unternehmen benötigen damit weniger Zeit für die Untersuchung von Problemen bei der Anmeldung für Arbeitgeberleistungen und das Durchsuchen von Berichten. Dies ermöglicht eine bessere Kontrolle und eine effizientere Verwaltung komplexer Anmeldungszeiträume. Das neue Tool zur Unterstützung von Leistungsentscheidungen nutzt außerdem bereits im System vorhandene Mitarbeiterdaten für Empfehlungen zur Leistungsabdeckung, die auf die individuellen Bedürfnisse und Budgets zugeschnitten sind. Mitarbeitende profitieren dadurch von einer personalisierten, intelligenten Anmeldung für Arbeitgeberleistungen.  

Neue Integration von WalkMe Learning Arc in  

Das Erstellen und Bereitstellen von Lerninhalten kann oft mehrere Wochen in Anspruch nehmen. Dadurch ist es für Unternehmen schwierig, schnell auf sich ändernde Geschäftsanforderungen zu reagieren. Diese neue Integration ermöglicht es Schulungsteams, Lernanforderungen in natürlicher Sprache zu beschreiben. Die KI generiert anhand dieser Beschreibungen Kurse und Quizfragen, wobei die Kursautoren stets die Kontrolle über die Inhalte behalten. Lernangebote können dann innerhalb weniger Stunden statt mehrerer Wochen direkt in Â鶹ԭ´´â€¯SuccessFactors Learning erstellt und bereitgestellt werden. 

Wie wir Autonomous HCM gemeinsam mit unseren Kunden gestalten 

Uns ist bewusst, dass das, was in der Vergangenheit gut funktioniert hat, zukünftigen Anforderungen nicht mehr gerecht werden wird. Wir möchten deshalb nicht nur neue Technologien präsentieren, sondern aufzeigen, wie Unternehmen mithilfe von vernetzter KI strategische Entscheidungen schneller und wirksamer in messbare Ergebnisse für ihre Mitarbeitenden und ihren Geschäftsbetrieb umsetzen können. Anstatt unsere Innovationen auf einzelne Produkte oder Module auszurichten, stellen wir bei der Entwicklung dieser Innovationen die wichtigsten Ergebnisse in den Mittelpunkt, die unsere Kunden erreichen möchten. Dabei machen wir uns die Stärken der Â鶹ԭ´´ im Hinblick auf die Verknüpfung von Daten, Workflows und Prozessen im gesamten Â鶹ԭ´´-Portfolio zunutze. Gemeinsam mit ausgewählten Kunden werden wir Innovationen vorantreiben, um ergebnisorientierte Ansätze zu definieren, zu validieren und zu messen, die Personalentscheidungen direkt mit dem geschäftlichen Nutzen verbinden, und so den Mehrwert unserer Innovationen in Echtzeit unter Beweis stellen. 

Die Reise beginnt jetzt 

HR-Führungskräfte befinden sich an einem Wendepunkt. Die Zukunft der Arbeit wird nicht allein von Technologie geprägt werden. Sie wird vielmehr von Führungskräften gestaltet, die die Transformation in nachhaltige Ergebnisse für ihr Unternehmen und ihre Mitarbeitenden umsetzen können. 

Autonomous HCM ist die Zukunft des HCM. Diese Zukunft fängt nicht erst morgen an, sondern bereits heute. 

Wenn Sie mehr über die neuesten Â鶹ԭ´´-SuccessFactors-Innovationen erfahren und sich informieren möchten, wie die Â鶹ԭ´´ Unternehmen auf ihrem Weg zu Autonomous HCM ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù, . 

Siva Sundaresan ist General Manager und Chief Product Officer für Â鶹ԭ´´ SuccessFactors. 

The post Â鶹ԭ´´ bringt Unternehmen auf dem Weg zu Autonomous HCM voran appeared first on Â鶹ԭ´´ News Center.

Diese Ankündigungen bauen auf unserer Strategie für Autonomous CX auf, die wir auf der Â鶹ԭ´´ÌýSapphire vorgestellt haben. Dabei gehen wir von einer einfachen Prämisse aus: KI muss die Absicht des Kunden verstehen, kontextbezogene Entscheidungen treffen und innerhalb der Leitplanken des Unternehmens handeln. Damit Unternehmen Kundenzusagen einhalten können, muss die eingesetzte KI auf unternehmensweiten Echtzeitdaten basieren und die Prozesse, die für die Koordination von Arbeitsabläufen von der Kaufabsicht bis zum Ergebnis erforderlich sind, genau verstehen.

Um ein Angebot erstellen zu können, sind präzise Informationen zu Preisen und Bedingungen erforderlich. Für eine Bestellung sind Bestand, Kreditwürdigkeit, Zahlung und Auftragsabwicklung wichtige Voraussetzungen. Für eine Serviceinteraktion werden Informationen über den Kunden, das Produkt und die Kundenzusagen benötigt, die das Unternehmen bereits getroffen hat.

Für Kunden ist die Komplexität dieser Abläufe in der Regel nicht erkennbar. Was für sie zählt, ist die Frage, ob das Unternehmen seine Zusagen einhalten kann.

Joule Assistants geben nicht nur Antworten, sondern erzielen Geschäftsergebnisse

Viele KI-Tools können durch Schlussfolgerungen ermitteln, was als Nächstes passieren sollte, und Aktionen empfehlen. Die Ausführung komplexer Unternehmensprozesse setzt jedoch weit mehr voraus.

Die KI muss die aktuelle Situation des Unternehmens nachvollziehen können. Dazu gehören Kundenzusagen, Produkte, Preisinformationen, Vereinbarungen, Aufträge, Zahlungen, Richtlinien und operative Beschränkungen. Sie muss dann die für das weitere Handeln erforderlichen Genehmigungen, Ausnahmen und anwendungsübergreifenden Schritte durchlaufen. Ohne diese Grundlage können die vorgeschlagenen Maßnahmen vordergründig sinnvoll sein, sind jedoch möglicherweise ungeeignet, lassen sich nicht durchführen oder schlagen bei der Umsetzung fehl.

Dieser strategischen Ausrichtung folgen die neuesten Joule Assistants. Neue und erweiterte kombinieren rollenspezifische Intelligenz mit Geschäfts- und Prozesskontext aus Marketing, Handel, Vertrieb, Service, Finanzwesen, operativem Geschäft und Vergütung. So helfen sie Benutzern, nicht nur zu verstehen, was passieren sollte, sondern auch die anstehenden Aufgaben zu erledigen.

Die vorgestellten Innovationen wenden diesen Ansatz auf Situationen an, in denen unzusammenhängender Kontext, manuelle Schritte und Übergaben die Customer Experience beeinträchtigen können.

• Der Campaign Assistant und der Content Assistant ermöglichen Teams eine schnellere Umsetzung von Ideen für Kampagnen, indem sie den Aufwand für die Planung, Erstellung, Optimierung und Aktivierung von Marketingkampagnen verringern.
• Der Shopping Assistant vereinfacht die Suche nach Produkten und zeigt dem Kunden relevantere Ergebnisse an.
• Der Quoting Assistant führt Kontextinformationen zu Kunden, Preisen und Handelsprozessen zusammen, sodass Verkäufer Angebote schneller erstellen können und weniger Zeit für die Suche nach Informationen in unterschiedlichen Systemen benötigen.
• Der Service Planning and Operations Assistant überführt den Servicebedarf in koordinierte Pläne und verringert so den manuellen Aufwand für die Abstimmung von Mitarbeitenden, Ressourcen und Kundenzusagen.
• Der Incentive Compensation Assistant und der Recurring Receivables Assistant stellen intelligente Funktionen für wichtige Prozesse bereit, die die Grundlage für die Customer Experience bilden. Sie helfen, Fragen zu beantworten, den Verwaltungsaufwand zu reduzieren und Workflows für die Vergütung und Zahlung reibungslos auszuführen.

Die auf der Â鶹ԭ´´ Connect neu eingeführten Assistenten erweitern gemeinsam den auf der Â鶹ԭ´´ Sapphire vorgestellten Ansatz. Der Sales Assistant bündelt Engagement-Einblicke, Pipeline-Signale und Geschäftskontext, damit Vertriebsmitarbeitende die richtigen Möglichkeiten priorisieren, sich auf jede Interaktion vorbereiten und mehr Zeit für den Aufbau von Kundenbeziehungen sowie die Weiterentwicklung von Deals aufwenden können. Der Deal Closing Assistant vereint Kunden-, Produkt-, Preis- und Fulfillmentinformationen, um Teams dabei zu unterstützen, optimale Angebote zu erstellen, relevante Produkte mit Preis- und Verfügbarkeitsinformationen hervorzuheben und den Weg von der Verhandlung bis zur Auftragsbestätigung zu verkürzen.

Mit diesen Joule Assistants soll keine weitere Dialogschnittstelle hinzugefügt werden. Vielmehr geht es darum, die Erledigung von Arbeitsabläufen zu beschleunigen, indem Geschäftskontext, Prozesswissen und Kontrollen zusammengeführt werden, die Voraussetzung für das weitere Handeln sind.

Menschliches Urteilsvermögen ist weiterhin gefragt, wenn Entscheidungen eine Genehmigung, Kontrolle oder Ausnahmebehandlung erfordern. Die KI kann innerhalb klar definierter Leitplanken Kontextinformationen erfassen, geeignete Aktionen identifizieren und ausführen und Schritte eskalieren, wenn menschliches Eingreifen erforderlich ist.

Â鶹ԭ´´ Order Management Services koordiniert die Umsetzung über ERP-Systeme hinweg

Wenn ein Auftrag verschiedene ERP-Systeme, rechtliche Einheiten, Produktionsanlagen, Verteilzentren und Geschäftsbereiche betrifft, erschwert dies die Auftragsverwaltung.

Bei jedem Übergang können neue Informationen zu Preisen, Beständen, zur Kreditwürdigkeit, zum Auftragsstatus oder zu der für die nächste Aktion verantwortlichen Person relevant werden. Nicht immer ist die Konsolidierung der ERP-Systeme ein guter Ausgangspunkt, bevor die Auftragsabwicklung optimiert wird.

Mit der Erweiterung von ermöglicht Â鶹ԭ´´ eine hochgradig skalierbare, resiliente Omnichannel-Auftragskoordination in Echtzeit in Â鶹ԭ´´ÌýS/4HANA und anderen ERP-Systemen.

Â鶹ԭ´´ Order Management Services basiert auf einer ereignisgesteuerten Cloud-Architektur und koordiniert die Auftragsabwicklung über alle Kanäle, Systeme, Geschäftseinheiten und externe Partner hinweg, ohne dass Unternehmen hierfür ihre ERP-Landschaften konsolidieren müssen.

Die erweiterten Funktionen bilden eine gemeinsame Schicht für die Auftragsprüfung, die Überprüfung der Bestände an verschiedenen Standorten, die Koordination von Transaktionen zwischen Geschäftseinheiten und die Überwachung des Fortschritts bis zur Auftragserfüllung.

Dadurch können Unternehmen flexibler Kanäle hinzufügen, entfernen und testen. Die Auftragsverwaltungsschicht kann außerdem Störungen erkennen, Ausnahme-Workflows anstoßen und sicherstellen, dass die Ausführung der einzelnen Schritte an der ursprünglichen Kundenzusage ausgerichtet ist.

Diese Kombination aus Skalierbarkeit, Flexibilität und zuverlässiger Integration ermöglicht es Unternehmen mit komplexen Landschaften, ihren Kunden konsistente Omnichannel-Erlebnisse zu bieten und zugleich ihre Abläufe effizienter zu gestalten.

Umfassender Geschäftskontext in sämtlichen Phasen der Customer Journey

Wenn ein Auftrag in einem Auftragsabwicklungssystem eingeht, ist die Absicht des Kunden schon lange zuvor im Unternehmen angekommen. Es beginnt damit, dass ein Kunde ein Produkt im Sortiment des Unternehmens entdeckt, auf eine Kampagne reagiert, ein Angebot anfordert oder einen Kaufprozess initiiert.

Damit das Unternehmen aus dieser Kaufabsicht einen tatsächlichen Kauf machen kann, müssen alle Interaktionen mit Kunden mit den unterstützenden Preis-, Bestands-, Bestell-, Auftragsabwicklungs- und Finanzsystemen verknüpft sein.

Die Cloud-ERP-Edition von Â鶹ԭ´´ Commerce Cloud ist nun allgemein verfügbar. Die auf der Â鶹ԭ´´ Sapphire erstmals vorgestellte Edition ermöglicht es mittelständischen und expandierenden Unternehmen, Â鶹ԭ´´ Cloud ERP um Funktionen für den Handel zu erweitern, die ERP-Daten für die Preisfindung, Ãœberprüfung der Verfügbarkeit, Aufträge, Rechnungen und andere Transaktionsprozesse nutzen.

Â鶹ԭ´´ Commerce Cloud ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù seit über zehn Jahren hochgradig komplexe Umgebungen für den digitalen Handel, die zu den größten weltweit zählen. Mit der Cloud-ERP-Edition von Â鶹ԭ´´ Commerce Cloud können nun auch Unternehmen, die eine stärker standardisierte, von Â鶹ԭ´´ verwaltete Lösung für den Handel mit ERP-Anbindung suchen, von diesem Ansatz profitieren.

Indem sie Â鶹ԭ´´ Cloud ERP als Erfassungssystem nutzen, können Unternehmen ihre Umgebung für den digitalen Handel mit Preisfindungs-, Bestell-, Auftragsabwicklungs- und Finanzprozessen verknüpfen, ohne diese Verknüpfungen separat herstellen und pflegen zu müssen. Dies ermöglicht eine schnellere Wertschöpfung, verringert die Komplexität von Abläufen und ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù ein auf das ERP-System abgestimmtes Handelsmodell, das gemeinsam mit dem Unternehmen wachsen kann.

Dasselbe Prinzip gilt bei Interaktionen mit Kunden, an denen mehrere Teams beteiligt sind. Durch eine neue direkte Verbindung zwischen Â鶹ԭ´´ Engagement Cloud, Enterprise Edition, und Â鶹ԭ´´ Sales Cloud werden Kontakt- und Unternehmensinformationen synchronisiert und relevante Interaktionssignale direkt an die Workflows im Vertrieb übertragen. Anstatt den Kundenkontext zu rekonstruieren, können sich Verkäufer ein besseres Bild von den vorherigen Interaktionen machen, wenn sie das Gespräch mit dem Kunden fortführen.

Das Kundenerlebnis hängt von der Umsetzung ab

KI kann die Absicht des Kunden verstehen, kontextbezogene Entscheidungen treffen und innerhalb klar definierter Leitplanken handeln. Die Frage ist jedoch, ob alle für die Umsetzung verantwortlichen Systeme, Teams und Prozesse des Unternehmens diese Aktionen unterstützen können.

Mit den auf der Â鶹ԭ´´ÌýConnect angekündigten Innovationen lassen sich verschiedene Aspekte dieser Herausforderung abdecken. Joule Assistants stellen Geschäfts- und Prozesskontext direkt in den Arbeitsabläufen zur Verfügung und unterstützen dadurch die Ausführung des nächsten Schritts. Â鶹ԭ´´ÌýOrder Management Services ermöglicht die Koordination von Aufträgen in komplexen ERP-Landschaften. Und die Cloud-ERP-Edition von Â鶹ԭ´´ÌýCommerce Cloud verknüpft den digitalen Handel direkt mit den Preisfindungs-, Verfügbarkeits-, Bestell-, Auftragsabwicklungs- und Finanzprozessen des ERP-Systems.

Diese Kombination trägt zur Umsetzung eines gemeinsamen Grundsatzes bei: Eine autonome Customer Experience setzt voraus, dass intelligente Technologien für die Interaktion mit Kunden mit dem betrieblichen Kontext und den Prozessen verknüpft sind, die für ein gezieltes Handeln erforderlich sind.

Letztlich prägen nicht Empfehlungen, Modelle oder Workflows die Erfahrungen, die Kunden machen. Ausschlaggebend ist vielmehr, ob das Unternehmen seine Zusagen einhalten kann.

Wenn KI im Namen des Unternehmens handelt, hängt die Qualität dieser Umsetzung vom Geschäftskontext, Prozesswissen und der betrieblichen Realität jeder Aktion ab.

Weitere Informationen zu den Ankündigungen auf der Â鶹ԭ´´ÌýConnect, unter anderem zur Verfügbarkeit von Produkten und zu produktspezifischen Innovationen, finden Sie im . Sie können sich außerdem die ansehen, um diese Innovationen in der Praxis zu erleben.

Balaji Balasubramanian ist President und Chief Product Officer für Â鶹ԭ´´ CX.

The post KI ist in der Lage zu handelnÌý– doch kann Ihr Unternehmen damit Schritt halten? appeared first on Â鶹ԭ´´ News Center.

„Es ist an der Zeit, Ihnen das autonome Unternehmen im Praxiseinsatz zu zeigen. Denn es gibt dafür bereits beeindruckende Kundenbeispiele“, sagte Christian Klein, Chief Executive Officer der Â鶹ԭ´´, in der Eröffnungsrede zum Auftakt der Veranstaltung.

Christian Klein erinnerte das Publikum daran, dass die Â鶹ԭ´´ das autonome Unternehmen auf der Kundenmesse Â鶹ԭ´´ Sapphire im Mai 2026 als „den Beginn einer neuen Ära“ präsentiert hatte. Seitdem hat die Â鶹ԭ´´ viele Hundert Kunden bei der Implementierung von Joule Work als KI-Benutzeroberfläche für das autonome Unternehmen ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù.

Eine neue Benutzeroberfläche für den Einsatz von KI

„Wir stellen Joule Work noch in diesem Monat allen Kunden zur Verfügung“, verkündete Christian Klein, der die Desktop-App als neue Benutzeroberfläche für den Einsatz von KI bezeichnete. Jahrzehntelang hätten Anwender lernen müssen, wie Â鶹ԭ´´-Lösungen funktionieren â€“ mit Joule Work lernt nun die Â鶹ԭ´´, wie Menschen arbeiten. „Ab sofort können die über 400 Millionen Â鶹ԭ´´-Anwender in ihrer eigenen Sprache mit Â鶹ԭ´´ sprechen. Joule Work erledigt dann die Arbeit.“

Click the button below to load the content from YouTube.

Always allow YouTube

Christian Klein beschrieb die drei Grundpfeiler, auf denen Joule Work fußt: Dialoge, in denen Benutzer Fragen stellen und Aufgaben an Agenten delegieren, Spaces, in denen Inhalte, Einblicke und freigegebene Dokumente angezeigt werden, und die Lösung Joule Studio, mit der Kunden Joule erweitern oder maßgeschneiderte Agenten für ihre eigenen Prozesse entwickeln können. 

Der umfassende Geschäfts- und Datenkontext der Â鶹ԭ´´ sei hierbei das „Geheimrezept“. Dieser Kontext umfasst den Â鶹ԭ´´ Knowledge Graph, der mehr als sieben Millionen Datenfelder, 50 Millionen Tabellen, über 50.000 öffentliche und private APIs, 400 Datenprodukte und umfangreiches Prozesswissen abbildet. „Darum rät Joule nicht einfach nur“, sagte er.

Die 110.000 Mitarbeitenden der Â鶹ԭ´´ setzen Joule bereits für Hunderttausende von Aufgaben täglich ein. „Wir verzeichnen in zentralen Bereichen wie dem Personalwesen, dem Finanzwesen und der Beschaffung bereits Produktivitätssteigerungen von über 20 %. Bei komplexeren Analyse- und Planungsaufgaben sind die Steigerungsraten sogar noch höher.“

Die Â鶹ԭ´´ Autonomous Suite

Christian Klein ging anschließend auf die Â鶹ԭ´´ Autonomous Suite ein, die die zweite Ebene des autonomen Unternehmens bildet. Die Suite deckt zunächst die fünf Bereiche Finanzwesen, Beschaffung, Lieferkette, Personalwesen und Kundenerlebnis ab. Die Â鶹ԭ´´ Autonomous Suite sei für Aufgaben konzipiert, bei der eine gute Antwort nicht genügt, sondern es stets auf „die richtige Antwort“ ankommt, führte er aus.

„LLMs beruhen auf Wahrscheinlichkeiten und geben deshalb nur die Antwort, die am wahrscheinlichsten ist“, so Christian Klein. Diesem probabilistischen Ansatz stellte er die integrierten Agenten der Â鶹ԭ´´ gegenüber. Da die Agenten innerhalb deterministischer Anwendungs-Workflows operieren, verwenden sie dieselben Daten, folgen denselben Regeln und erzeugen denselben Prüfpfad wie die Anwendungen selbst. Kunden können dabei den Grad der Autonomie steuern und an den jeweiligen Prozess anpassen. Bei Aufgaben mit hohem Risiko müssen Entscheidungen vom Menschen genehmigt werden, während bei Routineaufgaben eine stärkere Automatisierung möglich ist.

Laut Christian Klein hat die Â鶹ԭ´´ seit der Â鶹ԭ´´ Sapphire über 20 Joule Assistants und mehr als 200 Joule Agents entwickelt. Weitere 400 Agenten sollen bis Ende des Jahres bereitgestellt werden. „Worauf es eigentlich ankommt, ist jedoch nicht die Zahl der Agenten, sondern die Geschäftsergebnisse, die damit erzielt werden“, betonte er.

Die Â鶹ԭ´´ Business AI Platform

„Dass diese Agenten Ihr Unternehmen so gut verstehen, liegt an der Â鶹ԭ´´ Business AI Platform“, erläuterte Christian Klein. „Die Plattform stellt Kunden für jeden agentenbasierten Anwendungsfall das beste Frontier-AI-Modell bereit, ermöglicht den Agenten direkten Zugriff auf den umfangreichsten Geschäftskontext und bietet von Â鶹ԭ´´ verwaltete Governance.“

Manoj Swaminathan, President und Chief Product Officer für die Â鶹ԭ´´ Autonomous Suite, knüpfte an die Ausführungen von Christian Klein an und bezeichnete die Â鶹ԭ´´ Business AI Platform als die Infrastruktur, die die Voraussetzungen für das autonome Unternehmen schafft. Die Plattform bietet drei zentrale Möglichkeiten: die Entwicklung von Agenten, die Nutzung von Geschäftsdaten als Kontext für diese Agenten und die Steuerung der Funktionsweise von Agenten.

Manoj Swaminathan erläuterte, wie die Kontextschicht dafür sorgt, dass Agenten präzisere Ergebnisse erzielen. Joule Studio ermöglicht die No-Code-Entwicklung und die professionelle Entwicklung mit Zugriff auf über 70 Modelle. Diese Strategie verringere die Bindung an einen bestimmten Anbieter und die Token-Kosten.

„Joule Studio ist direkt in unsere Kontextschicht integriert“, führte er aus. „Die entwickelten Agenten sind deshalb präziser, lassen sich schneller implementieren und können effizienter ausgeführt werden. Unser Knowledge Graph ist die Karte mit allen Prozessen, Datenflüssen und Business-Tools. Die Agenten finden unter vielen Tausend Prozessen den richtigen und wählen aus den über sieben Millionen Datenquellen die richtigen Informationen aus. Die Â鶹ԭ´´ Business Data Cloud wendet diesen Kontext auf Ihre gesamten Daten, eine einheitliche Sicht, die Prozesse, Richtlinien und Logik an, um sie aussagekräftig zu machen.“

Manoj Swaminathan betonte, dass KI die Probleme, die durch ein defektes Datenmodell entstehen, nicht beseitigen kann. Damit Agenten die Geschäftsregeln von Kunden verstehen können, werden die Â鶹ԭ´´ÌýDomain Models mit dem Code von Â鶹ԭ´´ trainiert. Für Prognosen stellt Â鶹ԭ´´ zwei Engines bereit, die auf den Geschäftsabläufen von Kunden basieren: die Modellfamilie Â鶹ԭ´´-RPT, die mit Â鶹ԭ´´-Geschäftsdaten trainiert wurde, und das tabellarische KI-Modell von Prior Labs.

Das fiktive Start-up „Jerseys from Jersey“ als Beispiel für das autonome Unternehmen

Jan Gilg, Global President von Â鶹ԭ´´ Customer Success & Americas, präsentierte in seinem Teil der Eröffnungsrede das fiktive Start-up „Jerseys from Jersey“ und bat eine Reihe von Kunden auf die Bühne, um seine Fragen zu beantworten und die Strategie für das autonome Unternehmen aus ihrer Sicht zu bewerten.

Zur Runde dieser Kunden zählten der Pharmakonzern Novartis, der in einem Pilotprojekt Joule Sourcing Agents für die Angebotsanalyse und Unterstützung von Verhandlungen einsetzt, und der Lebensmittelhersteller Morgan Foods, der von der Transformation seiner Lieferkette mit Â鶹ԭ´´ S/4HANA und Â鶹ԭ´´ Integrated Business Planning berichtete. Außerdem vertreten waren der Konzern Nestlé, der darauf verwies, wie wichtig ein einheitlicher digitaler Kern ist, und der Â鶹ԭ´´-Kunde und -Partner PwC, der den geschäftlichen Nutzen des Â鶹ԭ´´-Portfolios Industry AI aufzeigte.

Jan Gilg fasste die Erfahrungsberichte dieser Kunden zusammen und bekräftigte, dass die einzelnen Elemente der Â鶹ԭ´´ÌýAutonomous Suite mehr sind als „eine Sammlung funktionaler Komponenten. Es ist ein System, das alles zusammenhält und Konnektivität, Kontext und Kontrolle bietet.“

Jan Gilg hatte auch verschiedene Produktankündigungen im Gepäck, unter anderem die Einführung des integrierten Zahlungsdienstes Â鶹ԭ´´ÌýPay, der Lieferantenzahlungen automatisch ausführen und abgleichen kann, sobald eine Rechnung genehmigt wurde. Er kündigte außerdem die geplante Ãœbernahme von TechWolf an, einem belgischen Start-up, das eine Workforce-Intelligence-Lösung zur Schließung von Qualifikationslücken entwickelt hat.

Sicherheit und Governance

Anschließend ging Marielle Ehrmann, Chief Security Officer und Mitglied des Â鶹ԭ´´-Aufsichtsrats, auf die Themen Vertrauen und Governance ein. Sie berichtete, dass Ransomware-Attacken, für die Angreifer früher acht Stunden brauchten, nun mithilfe von KI in gerade einmal 22 Sekunden ausgeführt werden können. Sie verwies außerdem darauf, dass zwar 83 % der Unternehmen KI täglich nutzen, jedoch nur 13 % wirklichen Einblick in die von ihnen eingesetzte KI haben.

„Die größte Bedrohung für Unternehmen ist nicht schädliche KI, sondern KI, die nicht verwaltet wird“, führte Marielle Ehrmann aus. Zur Abwehr dieser Bedrohung sollten jedem Agenten ein verifizierter Verantwortlicher, eine Risikostufe und klar umrissene Zugriffsrechte zugewiesen sein. Diese sollten durch Zero-Trust-Prüfungen der Identität, des Zwecks und der Sensibilität von Daten sowie durch menschliche Kontrolle ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù werden.

Sie betonte, dass die Â鶹ԭ´´ Business AI Platform gesetzliche Vorschriften und Lokalisierungsanforderungen beinhaltet, Benutzerberechtigungen anwendet, dafür sorgt, dass Kundendaten nicht zum Trainieren von Foundation-Modellen verwendet werden, und drei Kontrollebenen ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù: die Human-in-the-Loop-Genehmigung, die Human-on-the-Loop-Ãœberwachung und das Human-in-Command-Modell, bei dem der Mensch die letzte Entscheidungsinstanz ist. „Je autonomer ein Agent handelt, desto strengere Kontrollmaßnahmen müssen angewendet werden“, erklärte Marielle Ehrmann. Sie bezeichnete dieses Prinzip als „Freiheit innerhalb klar definierter Grenzen“.

Kunden setzen ganz klar auf den Wandel

Abschließend ergriff Christian Klein noch einmal das Wort und betonte, dass Vertrauen die Grundlage für das geschäftliche Handeln der Â鶹ԭ´´ sei â€“ nicht nur in den vergangenen 50 Jahren, sondern auch in Zukunft. „Wir stellen die vertrauenswürdigste KI mit der besten Governance bereit“, sagte er. „Der Einsatz von KI setzt jedoch auch ein umfassendes Change Management voraus, damit sie die gewünschten Ergebnisse für Ihr Unternehmen erzielen kann.“

Hier kommen die Lösungen der Â鶹ԭ´´ für die Unternehmenstransformation ins Spiel. Â鶹ԭ´´ Signavio misst die Wertschöpfung von Prozessen vor und nach einer Änderung. Mit diesen Informationen können Token-Kosten begründet werden. Mit Â鶹ԭ´´ LeanIX können Unternehmen KI-Agenten identifizieren und überwachen, während WalkMe die Akzeptanz und das Vertrauen der Benutzer fördert. Christian Klein verwies auch auf die Tools für eine agentengesteuerte Migration. Diese Lösungen haben aus seiner Sicht dazu geführt, dass Unternehmen bei Migrationsprojekten nicht mehr Ausgaben in Millionenhöhe in Kauf nehmen müssen.

„Das ist nicht mehr nur der Beginn einer neuen Ära. Das ist eine neue Ära“, gab Christian Klein dem Publikum mit auf den Weg. Er erläuterte, dass sich unter den Â鶹ԭ´´-Kunden ein deutlicher Wandel vollzieht: „Von manuellen Schritten zu vernetzten Workflows, von reaktiven Entscheidungen zu vorausschauenden Einblicken, von der manuellen Bearbeitung von Tabellen zu Human-in-the-Loop und Human-on-the-Loop â€“ all das basiert auf unserer KI-Plattform, die dafür sorgt, dass KI präzise, kontrolliert und erweiterbar bleibt.“ Und vor allem, so Christian Klein, „sind all diese Möglichkeiten bereits vorhanden. Das ist das autonome Unternehmen.“

The post Â鶹ԭ´´ präsentiert das autonome Unternehmen im Praxiseinsatz appeared first on Â鶹ԭ´´ News Center.

Joule Work, Joule Assistants und die Â鶹ԭ´´ Business AI platform unterstützen Unternehmen, in jedem zentralen Funktionsbereich zuverlässige Ergebnisse mit Unternehmens-KI zu erzielen.

LAS VEGAS – 6. Oktober 2026 – Â鶹ԭ´´ hat heute auf der Â鶹ԭ´´ Connect das autonome Unternehmen im Einsatz vorgestellt und dabei gezeigt, wie Joule Work und Joule Assistants in allen Geschäftsbereichen einen Mehrwert bieten.

„Dies ist ein bahnbrechender Moment für Unternehmens-KI“, sagte Christian Klein, Vorstandsvorsitzender der Â鶹ԭ´´ SE. „Das autonome Unternehmen ist in der Geschäftswelt angekommen. Mit Joule und der Â鶹ԭ´´ Autonomous Suite, die auf der Â鶹ԭ´´ Business AI Plattform basiert, unterstützen wir Unternehmen wie Novartis, Morgan Foods Nestlé und PwC dabei, intelligente Funktionen nahtlos in alle Funktionsbereiche zu integrieren, um vertrauenswürdige Ergebnisse zu erzielen.“

Auf der Â鶹ԭ´´ Connect berichteten diese Kunden, wie sie vom Konzept des autonomen Unternehmens in allen Bereichen bereits konkret profitieren.

• „Wir haben gemeinsam ein Pilotprojekt für den Joule Sourcing Assistant von Â鶹ԭ´´ entwickelt und das Projekt vor Kurzem gestartet“, sagte Christoph Bürki, Head of Procurement bei Novartis. „Unsere Vision ist es, dass sich KI-Agenten um die arbeitsintensiven manuellen Aufgaben kümmern, damit sich die Beschaffungsexperten auf die Strategie, die Zusammenarbeit mit Lieferanten und die Wertschöpfung konzentrieren können.“
• „Bei Morgan Foods stellen wir bereits die Weichen für den Einsatz agentischer KI, insbesondere mit Blick auf unsere technologische Grundlage. Der größte Wandel wird darin bestehen, von einem reaktiven zu einem vorausschauenden Ansatz überzugehen. KI-Agenten können Nachfragesignale, Lagerbestände und den Status unserer Lieferanten schneller als je zuvor miteinander verknüpfen“, sagt Steve Hankins, Chief Financial Officer bei Morgan Foods. „Unsere besondere Stärke liegt im Zusammenspiel von Menschen und KI-Agenten. Unsere rund 1.000 Mitarbeitenden sorgen dafür, dass unsere Lieferketten funktionieren. Die Technologie ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù sie dabei, diese noch besser zu machen.“
• „Mit unserer Â鶹ԭ´´-S/4HANA-Transformation in 140 Ländern schaffen wir einen vernetzten digitalen Kern mit einheitlichen Prozessen, verlässlichen Daten und mehr Transparenz über Märkte und Geschäftsbereiche hinweg“, sagt Luca Dell’Orletta, Global Head of IT Innovation & Enterprise Architecture bei Nestlé. „Auf dieser Grundlage können Joule und der Assistent für das Debitorenmanagement Aufgaben im Forderungseinzug automatisch anhand von Risiken und dem jeweiligen Geschäftskontext priorisieren, die jeweils beste nächste Maßnahme empfehlen und unsere Finanzteams dabei unterstützen, schneller auf Veränderungen zu reagieren.“
• „In der Professional-Services-Branche gehört die Abrechnung zu den fehleranfälligeren Prozessen. Dabei spielt Genauigkeit eine wichtige Rolle für die Kundenerfahrung.“, sagte Jill Notz, Chief Accounting Officer, Controller und Business Services Leader bei PwC. „Der Â鶹ԭ´´ Billing Assistant bringt mehr Intelligenz in diesen geschäftskritischen Prozess und ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù dabei, potenzielle Probleme frühzeitig zu erkennen. So können unsere Mitarbeitenden bessere Ergebnisse für unsere Kunden erzielen und die Kundenbeziehungen weiter stärken.“ Aufbauend auf dem Erfolg des Billing Assistant auf neue Bereiche gemeinsamer KI-Innovationen aus.

Â鶹ԭ´´-Vision des autonomen Unternehmens nimmt Fahrt auf

Joule Work wird nun ersten Kunden als neue KI-Benutzeroberfläche zur Verfügung gestellt. Mitarbeitende sind damit in der Lage, in ihrer eigenen Sprache mit dem Â鶹ԭ´´-System zu interagieren und über Anwendungen und Quellen von Â鶹ԭ´´ und Drittanbieterdaten hinweg Aufgaben zu erledigen. Joule nutzt den Geschäftskontext des Â鶹ԭ´´ Knowledge Graph, der mehr als sieben Millionen Datenfelder zuordnet, und stellt Informationen bereit, auf die sich Nutzer verlassen können. Joule Work wird bereits von 110.000 Â鶹ԭ´´-Mitarbeitenden produktiv eingesetzt und verzeichnet bereits Produktivitätssteigerungen von 20 Prozent im Finanzwesen, im Personalwesen und in der Beschaffung.

• „Die Zusammenarbeit im Rahmen des Early-Adopter-Programms für Joule Work Desktop hat innerhalb weniger Monate mehr Dynamik entfaltet als in all den Jahren zuvor“, berichtet Peter Wied, Director of Complexity Management bei Reinhausen. „Wir sehen großes Potenzial darin, den Zugriff auf unsere Â鶹ԭ´´-S/4HANA-Daten durch natürliche Sprache deutlich einfacher und schneller zu gestalten. Das kann die Art und Weise, wie unsere Teams mit Geschäftsdaten arbeiten, nachhaltig verändern.“
• „Das engagierte Team hat Außergewöhnliches geleistet. Durch seine proaktive Kommunikation, den konsequenten Fokus auf eine beschleunigte Aktivierung der Architektur, die schnelle Behebung von Fehlern und die umfassende Unterstützung konnten wir die technischen Voraussetzungen für Joule deutlich früher schaffen, als dies möglich gewesen wäre, wenn wir diese Herausforderungen allein hätten bewältigen müssen“, sagte Keith Smith, Â鶹ԭ´´ Platform Architect bei CONA Services. „Das CONA-Team freut sich über die bisherigen Fortschritte und darauf, die Funktionen von Joule in den kommenden Monaten noch umfassender zu erproben und zu testen, während wir den Einsatz der Lösung weiter vorantreiben.“

Wenn eine Abfrage nicht ausreicht, führen Joule Assistants operative Tätigkeiten direkt in den Workflows mit etablierten Daten, Berechtigungen und Prüfpfaden aus. Kunden steuern den Grad der Autonomie. Â鶹ԭ´´ verfolgt einen offenen Ansatz: Joule Work und Â鶹ԭ´´-Agenten unterstützen durch das Agent2Agent-Protokoll Verbindungen mit KI und Agenten von Drittanbietern und damit einen kontrollierten Geschäftskontext, der umfassendere KI-gestützte Workflows einbindet.

Auf der Â鶹ԭ´´ Connect zeigte Â鶹ԭ´´, welchen Mehrwert diese Funktionen in der Â鶹ԭ´´ Autonomous Suite bieten:

• Im Finanzwesen können Controller die Umsatzrealisierung, Angaben und die Einhaltung von Außenhandelsvorschriften automatisieren und mit ersten Implementierungen des International Trade Assistant den Aufwand für die Handelsklassifizierung um bis zu 50 Prozent reduzieren.  
• In der Lieferkette können Planer mehrstündige Störungen mit nur einem Klick in der gesamten Planung, Fertigung und Logistik beheben.
• Im Personalwesen können Führungskräfte feststellen, wie sie Personallücken am besten schließen können, während Mitarbeitende bessere, auf ihre Anforderungen zugeschnittene Entscheidungen bei der Auswahl von Arbeitgeberleistungen treffen können.
• In der Beschaffung können Entscheidungsträger Einsparpotenziale anhand von Peer-Benchmarks erkennen und den gesamten Lebenszyklus externer Mitarbeitender verwalten.
• In Customer Experience können Unternehmen mit KI-gestützten Kampagnen, Angeboten und Kunden-Workflows aus Kundeninteraktionen Umsatzchancen realisieren.
• Branchenweit arbeitet Â鶹ԭ´´ mit Kunden zusammen, um KI auf spezielle Branchenprozesse anzuwenden. Dies hilft Unternehmen in der Fertigung, im Einzelhandel, im Rohstoffhandel und in anlagenintensiven Branchen, die Entscheidungsfindung zu verbessern, Routineaufgaben zu automatisieren und widerstandsfähigere Abläufe zu entwickeln.

Die vertrauenswürdige Plattform für Unternehmens-KI

Mit der Â鶹ԭ´´ Business AI Platform können Unternehmen zentral für Â鶹ԭ´´- und Drittumgebungen KI-Lösungen entwickeln, Kontextinformationen bereitstellen und diese Lösungen steuern. Mit Joule Studio können Fachanwender und Entwickler Fähigkeiten und Agenten in No-Code- und Pro-Code-Workflows entwickeln und erweitern und dabei aus mehr als 70 KI-Modellen wählen. Â鶹ԭ´´ Business Data Cloud und der Â鶹ԭ´´ Knowledge Graph stellen dieses Agenten vertrauenswürdige Geschäftsdaten und Geschäftskontext bereit. Unternehmen haben somit die Möglichkeit, das richtige Modell für jeden Anwendungsfall auszuwählen und den Nutzen und Einsatz von KI besser zu steuern.

Die von Â鶹ԭ´´ verwaltete Governance hilft Unternehmen, KI mit Transparenz, Verantwortlichkeit und Kontrolle zu skalieren. Der AI Agent Hub in Â鶹ԭ´´ LeanIX-Lösungen bietet ein zentrales Verzeichnis von Unternehmensagenten, während die nach der Norm ISO/IEC 42001 zertifizierte Governance-Architektur von Â鶹ԭ´´ gesetzliche Anforderungen, etablierte Berechtigungen und revisionsfähige KI-Vorgänge ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù.

Um Unternehmen dabei zu unterstützen, KI auf breiter Basis zu nutzen, stellt das Â鶹ԭ´´-Portfolio im Bereich Business Transformation Management, das Â鶹ԭ´´ Signavio-, Â鶹ԭ´´ LeanIX- und Â鶹ԭ´´ WalkMe-Lösungen umfasst, eine Reihe durchgängiger Tools bereit, um Prozesse zu analysieren, Anwendungen und Agenten zu steuern und eine stärkere Nutzung im gesamten Unternehmen sicherzustellen.

Â鶹ԭ´´ bietet integrierte Zahlungen in Cloud-ERP- Lösungen

Â鶹ԭ´´ hat außerdem angekündigt, mit Â鶹ԭ´´ Pay, powered by Tereina, einem Â鶹ԭ´´-Unternehmen, in den Zahlungsmarkt einzusteigen. Â鶹ԭ´´ Pay ist direkt in Â鶹ԭ´´-Cloud-ERP-Anwendungen eingebettet und führt Zahlungen innerhalb desselben Workflows aus und stimmt sie ab, wenn eine Rechnung fällig ist. Dies verringert die manuelle Handhabung von Dateien und Abhängigkeiten bei der externen Verarbeitung, während Kunden mehr Kontrolle erhalten.

Partner vergrößern die Reichweite des autonomen Unternehmens

Â鶹ԭ´´ erweitert den Wirkungsbereich des autonomen Unternehmens über das eigene Anwendungsportfolio hinaus durch neue Partnerschaften, mit denen spezielle intelligente Funktionen direkt in Â鶹ԭ´´-Workflows integriert werden.

Im Rahmen einer neuen Partnerschaft zwischen Â鶹ԭ´´ und der Moody’s Corporation sollen Daten von Moody’s zur Ãœberwachung des Lieferantenrisikos in die Lösung Â鶹ԭ´´ Ariba Supplier Lifecycle and Performance integriert werden. So erhalten Beschaffungsteams zur Entscheidungsunterstützung laufend aktualisierte Einblicke in die Finanzlage von Lieferanten, operative Risiken und die Einhaltung gesetzlicher Auflagen. Unternehmen werden in die Lage versetzt, von periodischen Risikoüberprüfungen auf eine kontinuierliche Ãœberwachung umzusteigen. Joule Agents können dadurch Lieferantenrisiken erkennen und Alternativen aufzeigen, bevor sich Unterbrechungen auf das Geschäft auswirken.

Durch die erweiterte Partnerschaft mit ORO Labs steht Â鶹ԭ´´-Kunden die Orchestrierung von Beschaffungsprozessen künftig als Solution Extension zur Verfügung. Â鶹ԭ´´ Ariba Procurement Orchestration by ORO Labs ist eine speziell entwickelte Orchestrierungsebene, die Beschaffungsprozesse in heterogenen Unternehmenslandschaften durchgängig miteinander verbindet. Geschäftsanwender profitieren dadurch von einer nahtlosen Benutzererfahrung bei der Erfassung und Bearbeitung von Anforderungen sowie von umfassender Transparenz.

Weitere Â鶹ԭ´´einformationen finden Sie im Â鶹ԭ´´ News Center. Erhalten Sie Â鶹ԭ´´ News auf und .  

Informationen zu Â鶹ԭ´´

Als weltweit führender Anbieter von Unternehmensanwendungen und Business AI steht Â鶹ԭ´´ (NYSE: Â鶹ԭ´´) an der Schnittstelle zwischen Unternehmen und Technologie. Seit über 50 Jahren vertrauen Unternehmen auf Â鶹ԭ´´, um ihr volles Potenzial auszuschöpfen, indem sie geschäftskritische Abläufe wie Finanzwesen, Beschaffung, Personalwesen, Lieferkette und Kundenerlebnis vereinheitlichen. Weitere Informationen finden Sie unter .

Diese Â鶹ԭ´´emeldung wurde unter Verwendung von Künstlicher Intelligenz (KI) erstellt und redaktionell geprüft.

Hinweis an die Redaktionen

Für Â鶹ԭ´´efotos und Fernsehmaterial in hoher Auflösung besuchen Sie bitte unsere Plattform . Dort finden Sie aktuelles sendefähiges TV-Footage-Material sowie Bilder zu Themen rund um Â鶹ԭ´´ zum direkten Download.

Ansprechpartner für die Â鶹ԭ´´e:
Marcus Winkler, +46 (6227) 7-67497, marcus.winkler@sap.com, MESZ
Â鶹ԭ´´-Â鶹ԭ´´ebereich; press@sap.com

Bitte beachten Sie unsere . Sie möchten keine Â鶹ԭ´´emeldungen mehr von uns bekommen? Senden Sie dazu bitte eine E-Mail an press@sap.com mit dem Begriff „Unsubscribe“ in der Betreffzeile.

# # #

Dieses Dokument enthält vorausschauende Aussagen, das heißt Vorhersagen, Prognosen oder andere Aussagen zu zukünftigen Ereignissen. Diese Aussagen basieren auf aktuellen Erwartungen, Voraussagen und Annahmen, die Risiken und Unsicherheiten unterliegen, was dazu führen kann, dass die tatsächlichen Ergebnisse und Resultate erheblich hiervon abweichen können.  Zusätzliche Informationen zu diesen Risiken und Unsicherheiten finden Sie in den von uns bei der US-amerikanischen „Securities and Exchange Commission“ (SEC) eingereichten Unterlagen, einschließlich, aber nicht beschränkt auf den Abschnitt zu den Risikofaktoren des Â鶹ԭ´´-Jahresberichts 2025 auf dem Formular 20-F.

© 2026 Â鶹ԭ´´ SE. Alle Rechte vorbehalten.
Â鶹ԭ´´ und andere in diesem Dokument erwähnte Produkte und Dienstleistungen von Â鶹ԭ´´ sowie die dazugehörigen Logos sind Marken oder eingetragene Marken der Â鶹ԭ´´ SE in Deutschland und anderen Ländern. Zusätzliche Informationen zur Marke und Vermerke finden Sie auf der Seite .

The post Â鶹ԭ´´ verwirklicht das autonome Unternehmen appeared first on Â鶹ԭ´´ News Center.

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

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

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

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

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

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

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

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

Was bedeutet es, eine Plattform für Agenten zu gestalten?

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Die Ruderer des Spitzenteams konzentrierten sich nur darauf, ihre individuelle Leistung zu maximieren. Wenn das Boot langsamer wurde, ruderten sie isoliert kräftiger, störten damit den synchronen Rhythmus und erzeugten Wasserwiderstand. Die Ruderer des Nachwuchsteams wussten, dass sie als einzelne Personen schwächer waren. Und so ruderten sie gleichmäßig.  

Unternehmen sind mit unzähligen Varianten dieses Problems konfrontiert: Sie führen Systeme ein, die die Produktivität auf Einzel- oder Teamebene maximieren, doch die Arbeit im gesamten Unternehmen wird dadurch behindert. Viele Unternehmen erleben heute etwas Ähnliches mit KI.  

KI und Suboptimierung  

Suboptimierung ist ein systemisches Versagen, das auftritt, wenn die Leistung eines bestimmten Teils des Systems maximiert und dabei die Leistung des Gesamtsystems beeinträchtigt wird. Eine zentrale Rolle dabei spielen drei miteinander verflochtene Themen: Intensität, Kontext und Prognose. Anhand dieser Faktoren lässt sich erklären, wie KI im Unternehmen zu einer Suboptimierung führen kann, nämlich indem sie Einzelpersonen und lokale Systeme stärkt, dabei aber die Gesamtorganisation belastet.    

Aktuelle Forschungsergebnisse belegen die Diskrepanz zwischen einer KI-Einführung auf individueller Ebene und auf  Unternehmensebene und dem Mehrwert, den sie tatsächlich bietet. Der McKinsey-Bericht zeigt, dass 89 Prozent der Unternehmen KI bereits in mindestens einem Geschäftsbereich einsetzen. Doch nur 37 Prozent berichten von einem messbaren Einfluss auf das Ergebnis vor Zinsen und Steuern (EBIT) auf Unternehmensebene. Noch ernüchternder: Lediglich sechs Prozent der Unternehmen können als leistungsstarke Unternehmen (High Performer) eingestuft werden, die bereits im gesamten Unternehmen bedeutenden Nutzen aus der Nutzung von KI ziehen.  

Was macht es so schwierig, von der KI-Einführung zu einer messbaren Wertschöpfung zu gelangen? Ich glaube, es gibt drei Faktoren, die beeinflussen, ob ein Unternehmen KI zum Nutzen des gesamten Betriebs einsetzen kann.  

±õ²Ô³Ù±ð²Ô²õ¾±³Ùä³Ù &²Ô²ú²õ±è;

KI-Tools reduzieren die Arbeit meist nicht – sie intensivieren sie. Eine in Berkeley ergab, dass Beschäftigte, die KI intensiv nutzen, schneller arbeiteten, ein breiteres Aufgabenspektrum übernahmen und mehr Arbeitsstunden leisteten – oft ohne explizite Aufforderung.  Was kurzfristig wie höhere Produktivität wirkt, ist in Wirklichkeit schleichende Arbeitsverdichtung und wachsender Druck: Mitarbeitende müssen neue KI-Workflows verwalten und mit weniger mehr leisten. , dass Ãœberwachung beim Einsatz von KI mental besonders herausfordernd ist. KI-Tools, die direkte Beaufsichtigung benötigen, verschärfen das Problem der Informationsflut im Arbeitsalltag. Viele Beschäftigte fühlen sich dadurch zunehmend überfordert.  

Es ist leicht nachzuvollziehen, warum KI als intensiv empfunden werden kann: Aufgaben, die früher Tage erforderten, lassen sich heute nahezu sofort per Prompt erledigen. Dies führt dazu, dass Mitarbeitende mehr Projekte in Angriff nehmen, mehr Analysen erstellen und mehr Berichte verfassen. Doch wie eine achtspurige Autobahn, die sich plötzlich an einer Mautstelle zu einer einspurigen Straße verengt, müssen Personen all die Informationen, die ausgegeben wurden, noch verarbeiten.  Auf Unternehmensebene verstärkt sich dieser Engpass. Alle Mitarbeitenden leisten mehr denn je, wodurch sowohl die einzelnen Personen als auch das Unternehmen als Ganzes Schwierigkeiten haben, Schritt zu halten. Die Erstellung von Inhalten wurde skaliert, die Verarbeitung der Inhalte jedoch nicht. 

Die Lösung liegt nicht zwingend darin, weniger KI einzusetzen, sondern darin, wo und wie KI zum Einsatz kommt. Die KI sollte die Absicht der Anwender verstehen und die Informationen zu Tage fördern, die zur Beantwortung der Frage notwendig sind, anstatt nur statische Antworten zu liefern. Außerdem sollte sie sicherstellen, dass Anwender nicht  zwischen verschiedenen Apps und Systemen wechseln müssen. 

Wenn in der Antwort auf eine Frage zu viele Informationen erzeugt werden, wird die Aufnahmefähigkeit des Nutzers  herausgefordert. Die Antwort von Â鶹ԭ´´ ist , ein zentraler Arbeitsbereich für Â鶹ԭ´´- und Drittanbietersysteme, der KI-Agenten einsetzt, die Aufgaben eigenständig  erledigen. 

Stellt man die Frage „In welchen Filialen gehen in den nächsten 72 Stunden die 65-Zoll-Fernseher aus, und wo gibt es Bestände, die ich umlagern kann?“ , ruft das System systemübergreifend Daten ab und beauftragt Agenten, im Auftrag des Nutzenden zu handeln. Hier setzt Â鶹ԭ´´ auf autonomes Handeln und eine individuelle Benutzererfahrung, die speziell auf diese Situation zugeschnitten ist, ohne dass weitere Inhalte verarbeitet werden müssen. Wenn Mitarbeitende nicht mehr zwischen Systemen hin- und herspringen und nicht mehr so viele Inhalte konsumieren müssen, bleibt ihnen mehr Zeit, ihr Urteilsvermögen einzusetzen und Maßnahmen zu ergreifen, die wirklich wichtig sind.  So kann die KI dazu beitragen, dass die Arbeitsintensität verringert wird. 

°­´Ç²Ô³Ù±ð³æ³Ù &²Ô²ú²õ±è;

Die meisten KI-Systeme verstehen die Welt – aber nicht das Unternehmen, in dem sie eingesetzt werden. Es gibt einen Unterschied zwischen einem System of Record (Transaktionen, Stammdaten, Prozesslogik) und implizitem Wissen (E-Mails, Chats, ungeschriebene Regeln). Und in Unternehmen findet man beides. Wenn die KI nur das System of Record sieht, können ihre Antworten technisch korrekt, aber je nach Kontext inhaltlich falsch sein, weil sie die Praxis nicht widerspiegeln, die im Unternehmen gelebt wird.  

Auch bei der Beantwortung selbst scheinbar einfacher Fragen spielt der Unternehmenskontext eine entscheidende Rolle. Die Frage „Von welchen Lieferanten kann ich Kokosnüsse beziehen?“ erfordert Kenntnis der Prozesslandschaft eines Unternehmens, vor allem in den Bereichen Beschaffung, Lieferkette, Compliance und Finanzwesen. Dieses Unternehmenswissen ist meist über Prozessmodelle, Richtlinien, Chats, Tabellenkalkulationen und Anwendungen verteilt und daher schwer aktuell zu halten. Selbst wenn die KI-Agenten dieses Wissen finden, können sie es ohne das Prozesswissen der beteiligten Personen nicht in Handlungen umsetzen. Denn es sind die ungeschriebenen Regeln, Entscheidungen und Schritte, die einen Prozess ausführbar machen.  

– derzeit als Preview verfügbar – erfasst kontinuierlich internes Know-how und macht es sowohl für Menschen als auch für Agenten nutzbar. Schriftliche Eingaben aus E-Mails, Chats, Prozesswissen, Richtlinien und Anwendungslogik werden als Wissensgrundlage in wiederverwendbaren Bausteinen hinterlegt, die dann von KI-Agenten genutzt werden können. Die Bausteine werden einmalig zusammengesetzt, zentral verwaltet und im gesamten Unternehmen wiederverwendet. Wenn jemand Joule Work nach Kokosnüssen fragt, basiert die Antwort auf dem Company Memory und spiegelt die tatsächlichen Regeln wider, auf die sich die Prozessverantwortlichen geeinigt haben – zum Beispiel: „Nur aus Brasilien beziehen; andere Quellen erfordern eine formelle Ausnahmegenehmigung.“  

Â鶹ԭ´´ Company Memory ist keine einmalige Implementierung, sondern ein kontinuierlicher Prozess. Es handelt sich um eine Wissensschicht, die als Infrastruktur für KI-Agenten dient. Durch dieses Wissen wird sichergestellt, dass die Agenten nicht nur richtig, sondern auch kontextbezogen handeln, selbst dann, wenn Richtlinien und Teams sich ändern.  

±Ê°ù´Ç²µ²Ô´Ç²õ±ð &²Ô²ú²õ±è;

Geschäftsentscheidungen sind im Grunde Vorhersageprobleme, die auf strukturierten Daten beruhen. Die meisten Unternehmen verwenden Large Language Models (LLMs), die sich hervorragend für die Verarbeitung von unstrukturierten Daten wie Text eignen. Aus architektonischen Gründen sind diese Modelle jedoch nicht so gut dafür geeignet, strukturierte numerische Daten, die fundierte Vorhersagen ermöglichen, zu generieren und zu verarbeiten. Lieferverzögerungen vorhersagen, Prognosen erstellen, Anomalien erkennen, Lagerbestände optimieren und Kreditrisiken bewerten, all dies sind alltägliche betriebliche Fragen, für die strukturierte, tabellarische Daten und eine vorausschauende Beurteilung maßgebend sind.  

LLMs dafür zu nutzen, zuverlässige Vorhersagen aus Tabellendaten zu berechnen, ist schlicht der falsche Ansatz. Die herkömmlichen Verfahren des maschinellen Lernens sind für viele zeitkritische Fragestellungen zu langsam. Die Daten werden zunächst extrahiert und an Spezialisten gesendet. Bis die Antwort vorliegt, vergehen mehrere Wochen, und die ursprüngliche Frage hat sich bis dahin oft längst geändert. Dies bedeutet, Vorhersageanalysen werden entweder von spezialisierten Fachleuten erstellt oder von generischen LLMs, die aber unzuverlässige Ergebnisse liefern. In beiden Fällen kommt es zu Verzögerungen bei wichtigen betrieblichen Entscheidungen.  

Verlässliche Prognosen und Risikobewertungen sollten integraler Bestandteil des Systems sein und nicht individuelle Ad-hoc-Lösungen. Â鶹ԭ´´-RPT-1.5 und TabPFN 3 sind speziell für tabellarische Daten optimierte Modelle, die in Joule Work und Â鶹ԭ´´ integriert werden, um zukunftsgerichtete Fragen sofort zu beantworten – direkt auf den aktuellen Daten, ohne Verzögerung.  

Â鶹ԭ´´-RPT-1.5 für Â鶹ԭ´´-Daten und TabPFN 3 für tabellarische Daten sind spezielle Prognose-Engines für strukturierte Daten. Entscheidungsträger, die in den Kernsystemen arbeiten, haben die Möglichkeit zu fragen: „Soll ich das Volumen umleiten? Wie hoch ist die Wahrscheinlichkeit, dass die Lieferung pünktlich erfolgen wird? Wie groß ist der Kostenunterschied zwischen den unterschiedlichen Szenarien?“ Und die Antworten, die sie erhalten, basieren auf echten Unternehmensdaten.  

Durch die unternehmensweite Verfügbarkeit lassen sich Engpässe bei Spezialisten vermeiden. Und das Unternehmen ist dank fundierter Prognosen besser in der Lage, mit Unsicherheiten umzugehen. So ist die Geschäftsführung in der Lage, informierte Entscheidungen zu treffen und die Probleme wirklich anzugehen. 

KI zum Nutzen des gesamten Unternehmens 

Es wurde bereits bewiesen, dass KI das Potenzial des Einzelnen steigern kann, aber der Gesamtorganisation nicht automatisch zugutekommt. Bei der Nutzung von KI sollte es nicht darum gehen, einzelne Aufgaben zu verbessern. Es sollte vielmehr darum gehen, wie Arbeitsprozesse, Wissen und Entscheidungen in einem Unternehmen besser miteinander verbunden werden können. 

Â鶹ԭ´´ zeigt mit drei Beispielen – Joule Work, Â鶹ԭ´´ Company Memory und Â鶹ԭ´´-RPT-1.5/TabPFN 3 – wie das funktioniert: Diese Tools bieten eine einheitliche Bedienoberfläche, hausinterne Dokumentation und eine Prognose-Engine für strukturierte Geschäftsdaten. Dadurch wird KI von isolierten Einzellösungen zu einem Werkzeug, das dem ganzen Unternehmen nutzt. 

Diese KI-Systeme schließen die Lücke zwischen einzelnen Mitarbeitenden und dem Gesamtunternehmen. Sie ermöglichen es, KI nicht einfach nur einzuführen, sondern sie so einzusetzen, dass das gesamte Unternehmen davon profitiert und Mehrwert entsteht. 

Florian Kunzke ist Global Director of AI Strategy bei Â鶹ԭ´´.  

The post KI-Optimierung für alle: So profitiert das ganze Unternehmen appeared first on Â鶹ԭ´´ News Center.

Generative KI hat in kürzester Zeit den Sprung vom Experimentierstadium zur unverzichtbaren Infrastruktur vollzogen. Sie ist zum wichtigen Bestandteil des Arbeitsalltags von Mitarbeitenden geworden und wird mit jedem Quartal stärker in Prozesse von Teams und Anwendungen integriert. Dieses Wachstum bringt eine neue Kategorie von Kosten mit sich, auf die das Finanzwesen schlicht nicht vorbereitet war: den Verbrauch von KI-Token. 

Wenn die KI Code schreibt und Agenten steuert, kann der Token-Verbrauch die ursprünglich eingeplanten Kosten übersteigen. Finanzverantwortliche stehen somit vor der Herausforderung, diese Ausgaben diszipliniert zu steuern, ohne die Nutzung von KI auszubremsen. Um die richtige Balance zu finden, müssen Token als Unternehmensressource behandelt werden und die damit erzielten Ergebnisse die zugrunde liegenden Kosten rechtfertigen. 

Bei Â鶹ԭ´´ haben wir uns mit genau dieser Problematik in der Praxis beschäftigt und zusammengefasst, was wir bei der Erstellung, Ãœberprüfung und Anpassung unseres Konzepts für den Umgang mit diesen Kosten gelernt haben. 

Was man nicht sieht, kann man nicht steuern 

Die meisten Finanzverantwortlichen würden eine wichtige Kostenkategorie nicht anhand einer einzigen Budgetposition verwalten. Doch genau so verfahren Unternehmen häufig zu Beginn mit dem Thema KI. Die Gesamtausgaben sind eine wichtige Kennzahl. Sie sagen aber nichts darüber aus, welche Teams, Workloads oder Verwendungsmuster hinter diesen Ausgaben stecken oder ob die KI-Nutzung im Einzelnen tatsächlich sinnvoll ist. 

Transparenz über diese Aspekte ist nur dann möglich, wenn Vertrieb, Entwicklung, Finanzwesen und Produktteams eng zusammenarbeiten. Das Finanzwesen kümmert sich dabei um die Kostenprognosen und stellt die Verantwortlichkeiten sicher. Die anderen Bereiche liefern den betrieblichen Kontext, der die Zahlen erst aussagekräftig macht.Ìý

Wir konnten unsere Finanzmodelle mit jedem neuen Planungszyklus verbessern, da wir auf mehr operative Details zum Nutzungsverhalten zurückgreifen konnten. Für eine neue Kostenkategorie, bei der es zu dynamischen Entwicklungen kommt, gilt deshalb Folgendes: Es müssen nicht erst präzise Daten vorliegen, bevor die nächsten Schritte eingeleitet werden können; für den Anfang genügt es, über ausreichend Transparenz zu verfügen, um bessere Entscheidungen treffen zu können. Das Modell kann dann verfeinert werden, sobald sich Muster abzeichnen. 

Klare Verantwortlichkeiten   

Unsere wichtigste Erkenntnis war weniger finanzieller als konzeptioneller Natur: Transparenz allein reicht nicht – es muss auch jemand dafür verantwortlich sein, die KI-Nutzung zu überschauen. 

Ein zentrales KI-Budget erleichtert erste Experimente, befreit dabei aber die Personen, die Token verbrauchen, von jeder finanziellen Verantwortung. Je enger KI in Geschäftsprozesse integriert wird, desto mehr stößt dieses Modell an seine Grenzen. 

Dies soll jedoch kein Argument dafür sein, sofort jede Anfrage an ein Sprachmodell mit buchhalterischer Präzision zu verrechnen. Es geht vielmehr darum, den KI-Verbrauch genauso zu steuern wie andere Unternehmensressourcen, etwa Software, externe Dienstleistungen oder Personal. Entscheidungsträger brauchen ein klares Bild davon, was ihre Teams verbrauchen und welche Ergebnisse mit KI erzielt werden sollen. 

Bei Â鶹ԭ´´ hat die Zuordnung von Token-Kosten zu Geschäftsbereichen zu einer neuen Herangehensweise geführt – weg von der Frage „Wie hoch sind unsere Ausgaben?“, hin zu „Was erhalten wir dafür?“ und „Lohnen sich hier weitere Investitionen?“ Diese Fragestellungen ermöglichen eine produktivere Debatte.ÌýÌý

Token-Ausgaben sind kein Bilanzposten im Bereich Technologie, sondern stellen eine strategische und operative Investitionsentscheidung dar. Ziel ist es, KI-Ausgaben zielgerichtet zu steuern, anstatt die Kosten einfach nur so niedrig wie möglich zu halten. 

Nicht nur Kosten pro Token betrachten 

Hohe KI-Kosten ziehen Blicke auf sich. Wenn aber ausschließlich Kostensenkungen im Fokus stehen, kann dies dazu führen, dass die falschen Entscheidungen getroffen werden. 

Eine bessere Orientierungshilfe ist das Verhältnis zwischen dem Verbrauch und dem geschäftlichen Nutzen. Ein KI-Werkzeug, das die Softwareentwicklung spürbar beschleunigt, Mitarbeitenden lästige Routineaufgaben abnimmt oder den Kundenservice verbessert, verursacht reale Token-Kosten. Die KI-Nutzung allein deshalb einzuschränken, weil das Budget dafür hoch erscheint, könnte ein Unternehmen mehr an Wertschöpfung kosten, als es an Einsparungen bringt. 

Wir sprechen dabei aus Erfahrung: Nach der Einführung von KI-Tools für Entwickler bei Â鶹ԭ´´ konnten wir bei der Ãœberprüfung und Umsetzung von Änderungen am Quellcode eine Zunahme verzeichnen, die im mittleren zweistelligen Prozentbetrag lag – ein deutliches Zeichen, dass die Entwicklungsarbeit schneller voranging. Der damit verbundene Token-Verbrauch hatte sich somit gelohnt. 

Das Finanzwesen benötigt also eine doppelte Perspektive: Kennzahlen zu den Kosten auf der einen, Messgrößen zum Nutzen auf der anderen Seite. Wer diese beiden Aspekte nicht im Zusammenhang betrachtet, läuft Gefahr, mit Kosteneinsparungen der Wertschöpfung im Wege zu stehen. 

Auf unnötigen Token-Verbrauch statt KI-Nutzung allgemein konzentrieren 

Mit der zunehmenden Nutzung von KI werden Kontrollmechanismen notwendig – und zwar in Form gezielter Strategien statt Pauschalmaßnahmen. Als wir die Nutzungsmuster im Detail untersuchten, konnten wir drei grundsätzliche Ursachen für unverhältnismäßig hohe Ausgaben ermitteln: die Konzentration auf Power-User und automatisierte Agenten, eine unpassende Modellauswahl sowie eine unkontrollierte Nutzung von Werkzeugen. 

Das sind die Bereiche, in denen Leitlinien sinnvoll sind. Kontrollmechanismen haben ihren Wert, wenn sie auf vermeidbare Ausgaben konzentriert sind und nicht die KI-Nutzung allgemein drosseln. Bei Â鶹ԭ´´ setzten wir auf drei Ansätze: Die Begrenzung von Token, um ausufernden Verbrauch zu verhindern; den intelligenten Einsatz von Modellen, um die Leistungsfähigkeit und Kosten besser auf die jeweilige Aufgabe abzustimmen; und einen gezielteren Einsatz von Werkzeugen, um Redundanzen zu beseitigen und Investitionen auf Bereiche zu fokussieren, in denen die Nutzung gerechtfertigt ist. Diese Maßnahmen halfen, das finanzielle Risiko im dreistelligen Millionenbereich zu halten, ohne die weitere Einführung von KI zu bremsen.Ìý

Das Prinzip ist einfach: den Token-Verbrauch dort reduzieren, wo es unnötig ist, und dort aufrechterhalten, wo es sich lohnt. 

Von Kostenkontrolle zur Steigerung des geschäftlichen Nutzens  

Der KI-Fortschritt folgt nicht den Planungszyklen von Unternehmen. Die Möglichkeiten, Einsatzszenarien und wirtschaftlichen Rahmenbedingungen von KI verändern sich tagtäglich. Und das damit verbundene Governance-Modell muss mit diesem Wandel Schritt halten.   

Deshalb müssen wir weiter aktiv bleiben. Als Nächstes gilt es, all diese Praktiken in die reguläre Planung und Berichterstattung zu integrieren, Verantwortlichkeiten klarer zu definieren und die Kostenzuordnung zu optimieren. Zudem benötigen wir Prognosefunktionen, um Kostentrends zu erkennen, noch bevor sie sich klar abzeichnen. 

Auch Unternehmen, die all das gut meistern, müssen weiterhin KI-Kosten tragen; doch sie verfügen über Transparenz und klare Zuständigkeiten, um zu identifizieren, in welchen Bereichen die KI-Nutzung Wertschöpfung ermöglicht und wo nicht. So sind sie in der Lage, Investitionen entsprechend zu steuern.   

Lukas Deutsch ist Chief Controlling Officer bei Â鶹ԭ´´.  
David Imbert ist Chief Marketing Officer für Â鶹ԭ´´ Financial Management. 

The post Kontrolle über KI-Kosten behalten: Token-Ausgaben senken, Innovationskraft bewahren appeared first on Â鶹ԭ´´ News Center.

Wer in Bern an der Haltestelle steht, erwartet vor allem eines: dass Tram oder Bus pünktlich kommt. Wie viel organisatorischer und technischer Aufwand dahintersteckt, bleibt meist unsichtbar. BERNMOBIL beförderte 2025 rund 99,2 Millionen Fahrgäste. 57 Trams, 28 Trolleybusse und 128 Autobusse waren unterwegs; das Netz umfasste 345 Haltestellen.

«Wenn man ein Fahrzeug sieht, hat man das Gefühl, es brauche eigentlich nur das Fahrzeug und einen Fahrdienstmitarbeitenden», sagt Jean-Pierre Christinat, Leiter Controlling und Â鶹ԭ´´ bei BERNMOBIL. «Aber wenn man im Hintergrund sieht, wie eine Leitstelle funktioniert und wie all die Prozesse aufeinander abgestimmt sind, staunen die Leute.» Dass ein Fahrzeug pünktlich an einer Haltestelle ankommt, sei eben «nicht ganz so trivial».

Diese Komplexität spiegelt sich auch in der IT. Fahrplanung, Personaldisposition, Fahrzeugunterhalt, Infrastruktur, Gleisbau, Fahrleitungen, Finanzen oder Personalwesen sind eng miteinander verzahnt. Gleichzeitig setzt BERNMOBIL neben Â鶹ԭ´´ zahlreiche spezialisierte Fachapplikationen ein. Genau diese Landschaft wird derzeit grundlegend modernisiert.

RISE with Â鶹ԭ´´ als strategischer Wendepunkt

Â鶹ԭ´´ hat bei BERNMOBIL eine lange Historie. Bereits 1993 führte das Verkehrsunternehmen Â鶹ԭ´´ R/3 ein. Einen wichtigen Modernisierungsschritt vollzog BERNMOBIL zwischen Oktober 2022 und Juli 2023 mit der Migration auf Â鶹ԭ´´ S/4HANA. Das Projekt wurde 2024 mit einem Â鶹ԭ´´ Quality Award in der Kategorie «Business Transformation» ausgezeichnet. Die Umstellung reduzierte unter anderem die Komplexität bei Schnittstellen, Serverlandschaft und Berechtigungskonzepten.

Doch schon 2024 zeichnete sich die nächste Herausforderung ab. Bestehende HR-Komponenten und eine für die Mehrjahresplanung wichtige Lösung für die Profit-Center-Rechnung näherten sich dem Ende ihres Lebenszyklus. Für Christinat und sein kleines Â鶹ԭ´´-Team stellte sich deshalb nicht nur die Frage, wie einzelne Anwendungen ersetzt werden sollten. Zur Diskussion stand die grundsätzliche Richtung in der Weiterentwicklung der Â鶹ԭ´´-Landschaft.

Eine Fortführung auf der bisherigen technologischen Basis wäre möglich gewesen, allerdings zu hohen Kosten: einmalige für Beschaffung und Implementierung, wiederkehrende für Wartung. BERNMOBIL entschied sich stattdessen für RISE with Â鶹ԭ´´ und damit für die nächste Etappe seiner Cloud-Transformation.

In RISE with Â鶹ԭ´´ fand BERNMOBIL einen Rahmen, um seine Â鶹ԭ´´-Landschaft mit einem übergreifenden Ansatz schrittweise in die Cloud zu überführen. Bei BERNMOBIL läuft das Kernsystem in einer Private-Cloud-Umgebung. Das ist insofern wichtig, als etwa Fahrzeugunterhalt, Infrastruktur oder die direkte Anbindung von Lieferanten teilweise Eigenentwicklungen erfordern. Neue Lösungen wie Â鶹ԭ´´ Analytics Cloud (SAC), Bestandteil der Â鶹ԭ´´ Business Data Cloud, und Â鶹ԭ´´ SuccessFactors werden dagegen als standardisierte Anwendungen in der Public Cloud betrieben.

Kleines Team, grosse Weichenstellung

Der Weg dorthin war für eine Organisation dieser Grösse bemerkenswert kurz. Im Frühling 2024 begann ein kleines Kernteam, gemeinsam mit Â鶹ԭ´´ die bestehende Landschaft, den künftigen Bedarf und mögliche Lösungspakete zu analysieren. Neben rund drei Â鶹ԭ´´-Spezialisten wurden gezielt jene Fachbereiche eingebunden, in denen die grössten Veränderungen anstanden, insbesondere HR und Controlling.

Entscheidend war, nicht nur eine technische Vorlage für die Geschäftsleitung zu erstellen. Christinat und sein Team mussten erklären, weshalb Handlungsbedarf bestand und welchen geschäftlichen Mehrwert der eingeschlagene Weg bringen sollte. «Das hat schon ein, zwei Anläufe gebraucht», erinnert er sich. Ende November 2024 war der RISE-Vertrag unterschrieben. «Ich war überrascht, in welcher Zeit wir das geschafft haben.»

Anfang 2025 begann die Migration der bestehenden Systeme. Bereits Ende Juni liefen sie in der neuen Umgebung. Parallel starteten die ersten Anwendungsprojekte. Statt eines Big Bang verfolgt BERNMOBIL dabei bewusst eine mehrjährige Roadmap.

Planung mit mehr Transparenz

Besonders sichtbar wurde die neue Welt im Controlling. Bis August 2025 musste SAC produktiv sein, damit das Budget 2026 und die Folgejahre bereits mit dem neuen System geplant werden konnten. SAC verbindet Analyse, Reporting und Unternehmensplanung in einer Cloud-Lösung. Unternehmen können damit beispielsweise Budgets und Forecasts erstellen, Szenarien modellieren und Daten gemeinsam analysieren. Bei BERNMOBIL umfasst dies auch die Personal- und Projektkostenplanung.

Die erste Planungsrunde ist abgeschlossen. Damit ist die Arbeit aber keineswegs beendet. BERNMOBIL will die Prozesse in den kommenden Jahren kontinuierlich verfeinern.

HR-Transformation in verdaubaren Schritten

Auch im Personalwesen setzt BERNMOBIL auf eine schrittweise Transformation mit der cloudbasierten HR-Suite Â鶹ԭ´´ SuccessFactors. Den Anfang machte im September 2025 Performance & Goals für das Ziel- und Leistungsmanagement von Mitarbeitenden. Dabei wurden zuvor mit Word geführte Standortgespräche digitalisiert, ein bedeutender Schritt insbesondere für die rund 800 Mitarbeitenden im Fahrdienst.

Seit Dezember 2025 läuft die Einführung von Employee Central, das künftig zentrale Personal- und Organisationsdaten verwaltet. Der Produktivstart ist für März 2027 vorgesehen. Danach folgen weitere Etappen: Onboarding 2027 sowie Payroll und Zeitwirtschaft ab 2028. Die vertragliche Planung ist auf diese Roadmap abgestimmt, sodass Kosten möglichst erst dann anfallen, wenn die jeweiligen Lösungen tatsächlich eingeführt werden.

Vom Ereignis in der Leitstelle bis zur Reparatur

Parallel modernisiert BERNMOBIL weitere betriebliche Prozesse. So wird Â鶹ԭ´´ Service Cloud Version 2, eine KI-gestützte Cloud-Lösung zur strukturierten Erfassung und Bearbeitung von Ereignismeldungen und Kundenanfragen, das bisherige CRM-System schrittweise ersetzen. Bei BERNMOBIL beginnt ein solcher Prozess beispielsweise in der Leitstelle: Meldet ein Fahrzeug oder die Infrastruktur ein Ereignis, werden Informationen aus dem Leitsystem übernommen. Bekannt ist damit bereits, welcher Fahrer mit welchem Fahrzeug auf welchem Kurs unterwegs ist. Die Meldung wird anschliessend triagiert und an die zuständige Stelle weitergegeben bis hin zur Entscheidung, ob ein Fahrzeug weiterfahren kann, ersetzt oder repariert werden muss. Bis Mitte 2027 sollen die heutigen Eingangskanäle abgelöst sein.

Transformation ist mehr als Technologie

Die vielleicht wichtigste Erfahrung aus der Transformation ist für Christinat allerdings keine technische. Cloud-Anwendungen setzen stärker auf Standards. Das reduziert langfristig Sonderentwicklungen und kann den Betrieb vereinfachen. Dafür kann nicht jeder historisch gewachsene Prozess unverändert weitergeführt werden.

«Manchmal muss man die Organisation anpassen, nicht nur die Software», sagt Christinat. Genau darin liege eine der grössten Herausforderungen. Systeme liessen sich vergleichsweise rasch verändern. Einstellungen und Gewohnheiten von Menschen dagegen benötigten Zeit. Veränderungen müssten deshalb für die Organisation «verdaubar» bleiben.

BERNMOBIL hat seine Â鶹ԭ´´-Roadmap bis 2030 geplant. Gleichzeitig werden weitere zentrale Fachapplikationen erneuert und über eine übergreifende Soll-Architektur miteinander verbunden. Das schafft auch die Voraussetzung für die nächste Entwicklungsstufe: KI und Â鶹ԭ´´ Joule. Im Controlling denkt Christinat etwa an dialogbasierte Abfragen zu Kostenpositionen oder Budgetabweichungen. Dabei steht nicht die Technologie im Vordergrund, sondern der Business Case.

Die Transformation bei BERNMOBIL ist damit kein Projekt mit einem endgültigen Schlusspunkt. Neue Cloud-Releases bringen laufend Funktionen, die bewertet und gegebenenfalls übernommen werden. Oder wie Christinat es formuliert: «Die Reise ist einfach nicht mehr so fertig, wie sie in der alten Welt war.»

* Titelbild von BERNMOBIL zur Verfügung gestellt.

The post BERNMOBIL stellt mit Â鶹ԭ´´ die Weichen für die Zukunft appeared first on Â鶹ԭ´´ News Center.

Wenn Â鶹ԭ´´-Transformationsprogramme ins Stocken geraten, liegt es selten an der Technologie selbst. Häufiger fehlen ein gemeinsames Zielbild und Antworten auf Fragen wie: Wohin genau wollen wir, und wie hängen Strategie, Prozesse, Governance, Organisation oder Change Management zusammen? Denn Transformation hat je nach Rolle oder Bereich zu viel Interpretations-Spielraum. Â鶹ԭ´´ hat dafür das Business Transformation Framework als erfolgsbasierten Steuerungsrahmen entwickelt und nutzt als idealen Einstieg das Business Transformation Lab im Workshop-Format.

Was das Business Transformation Framework leistet

Das Business Transformation Framework (BTF) verbindet strategische Zielbilder mit operativen Steuerungsinstrumenten und Change-Aspekten. Das Framework bietet damit einen gemeinsamen Rahmen, der Transparenz über den Transformationsstatus herstellt und Programme messbarer macht. Im Folgenden die sieben Dimensionen:

0. Transformation Target Definition: Ein klares strategisches Zielbild, das definiert, kommuniziert und vom Business verantwortet wird, bildet die verbindliche Grundlage, an der alle wesentlichen Entscheidungen und Transformationsfortschritte ausgerichtet werden.
1. Transformation Governance: Dieser Baustein etabliert klare Rollen, Entscheidungsbefugnisse und Eskalationsstrukturen. Genau auf der Ebene, auf der transformationsrelevante Entscheidungen tatsächlich getroffen werden.
2. Value and Performance Steering: Der Wertbeitrag wird über die gesamte Transformation hinweg gemessen. Dazu werden gemeinsam mit dem Business Kennzahlen entwickelt, die finanzielle und qualitative Dimensionen abdecken – von Kostensenkung und Prozessstandardisierung bis hin zur Verbesserung von Time-to-Market und weiteren Indikatoren.
3. Standardization and Simplification: Strukturen, Prozesse und Technologien werden gezielt vereinfacht und standardisiert, um Handlungsspielräume zurückzugewinnen. Gleichzeitig wird verhindert, dass Komplexität im Laufe des Transformationsprozesses erneut aufgebaut wird.
4. Innovation Adoption: Innovation wird von Beginn an als integraler Bestandteil der Transformation verankert, nicht als späteres Add-on. KI und neue Technologien werden als gesteuerte Transformationsdimensionen integriert, anstatt als parallele Pilot-Projekte.
5. Organizational Change Capability: Dieser Baustein geht über klassisches projektbezogenes Change Management hinaus. Es geht vor allem darum, organisatorische Veränderungsfähigkeit über einen Go-Live hinaus aufzubauen.
6. Transformation Risk Management: Risiken der Business-Transformation werden frühzeitig und proaktiv auf unternehmerischer Ebene identifiziert, strukturiert, bewertet und adressiert.

Das Framework ist technologieunabhängig, wobei Tools wie die Agent-Led Toolchain oder Â鶹ԭ´´ Business AI unterstützen können. Im Fokus steht jedoch die Business-Transformation. Auch Partner können in das Modell eingebunden werden, da Transformationen typischerweise in einem Ökosystem stattfinden. Alle sieben Bausteine sind relevant und keiner lässt sich ignorieren, denn jede ungesteuerte Dimension wird im Nachhinein aufwändiger zu adressieren.

So läuft das Business Transformation Lab ab

Das Business Transformation Lab kann als Einstieg ins Business Transformation Framework dienen. Zur Vorbereitung klärt ein kurzes Gespräch Ziele, Transformationsstand und Scope. Seit Neuestem gibt es ein Self-Assessment zur Business Transformation – das auch Interessierte aus Ihren Reihen gerne nutzen können.

In sechs Stunden, am Â鶹ԭ´´-Standort in Walldorf oder Zürich, erarbeiten C-Level-Teams gemeinsam mit Â鶹ԭ´´-Experten strategische Schwerpunkte und Handlungsfelder. Rund zwei Stunden verbringen die Teilnehmenden in einem Immersive Experience Room. Nach kurzen interaktiven Impulsen wird ein gemeinsames Verständnis für die Erfolgsfaktoren für die eigene Business Transformation geschaffen. In den anschließenden drei Stunden übersetzen Sie diese Eindrücke in Design-Thinking-Sessions in Handlungsfelder und Prioritäten.

Was Unternehmen aus den Labs mitnehmen

Teams verlassen das Lab mit einem Zielbild, das alle Beteiligten tragen, mit priorisierten Handlungsfeldern und einer Basis für ihre individuelle Transformations-Roadmap. Dass dabei das gesamte Führungsteam mit am Tisch sitzt und das Ergebnis gemeinsam verantwortet, macht einen spürbaren Unterschied in den abgeleiteten Initiativen, Programmen und Umsetzungsprojekten. Aus Finance Transformationen gibt es erste positive Rückmeldungen:

• Eric Neyret, CFO bei Medice: „Das Lab war für uns von entscheidender Bedeutung. Wir haben gemeinsam eine klare, strategische Roadmap erarbeitet, die auf unsere Transformationsziele abgestimmt ist. Das praxisorientierte Format hat maßgeblich dazu beigetragen, Visionen in konkrete Maßnahmen umzusetzen und unsere langfristige Unternehmensstrategie zu unterstützen.“

• Frank Albers, CFO bei Rotkäppchen-Mumm: „Was mich sehr inspiriert hat, waren das Verständnis für und der Fokus auf das Business, nicht ausschließlich auf die IT. Das ist stets der richtige Ansatz.“
• Uwe Birke, CIO bei Rotkäppchen-Mumm: „Inspirierende Inhalte, exzellenter Austausch und wertvolle Einblicke. Ohne Zweifel einer der besten Workshops, die ich je erlebt habe.“

Thomas Jenewein ist Business Development Manager AI Adoption & Transformation bei Â鶹ԭ´´

The post Das Business Transformation Framework und Lab von Â鶹ԭ´´ im Ãœberblick appeared first on Â鶹ԭ´´ News Center.

Die Lohn- und Gehaltsabrechnung stellt ein einzigartiges Paradox dar. Sie ist einer der Prozesse, die sich am besten für KI und Automatisierung eignen, da sie äußerst strukturiert abläuft, datenintensiv ist und dabei gesetzliche Vorschriften beachtet werden müssen. Gleichzeitig ist sie auch einer der Abläufe im Unternehmen, bei denen Verlässlichkeit eine besonders große Rolle spielt. Selbst kleine Fehler können sich direkt auf die finanzielle Lage der Mitarbeitenden und ihr Vertrauen in ihren Arbeitgeber auswirken. 

Fachkräfte im Bereich Personalabrechnung scherzen oft, dass sich keiner Gedanken um die Gehaltsabrechnung macht, solange alles reibungslos abläuft. Wenn etwas schiefgeht, fällt dies jedoch allen sofort auf. Das spiegelt eine wichtige Realität wider: Jede Lohnzahlung ist ein Akt des Vertrauens zwischen dem Arbeitgeber und der Belegschaft. Wenn dieses Vertrauen auf die Probe gestellt wird, kann dies Folgen haben, die sich in Zahlen messen lassen: Laut einer neuen Studie* des von Â鶹ԭ´´ haben 38 Prozent der befragten Beschäftigten weltweit bereits eine fehlerhafte Gehaltsabrechnung erlebt. Diese Mitarbeitenden haben sowohl bedeutend weniger Vertrauen in ihr Unternehmen (13 Prozent weniger Vertrauen) als auch in die für die Gehaltsabrechnung zuständige Abteilung (17 Prozent weniger Vertrauen). Mit jedem weiteren Fehler in der Gehaltsabrechnung sinkt das Vertrauen noch weiter. 

Im Rahmen der National Payroll Week, die sowohl in den als auch in stattfand, berichteten Fachleute davon, wie sie dieses Vertrauen täglich aufbauen und aufrechterhalten. Zudem beschrieben sie den Wandel, den ihr Bereich durchläuft. 

Die für die Gehaltsabrechnung verantwortlichen Teams sehen sich mit wachsender Komplexität konfrontiert. Dabei wird von ihnen erwartet, mit weniger Ressourcen mehr zu leisten und gleichzeitig die Präzision, Compliance und Zuverlässigkeit zu wahren, auf die sich die Belegschaft verlässt. Die Mitarbeitenden erwarten zunehmend eine schnellere und flexiblere Abrechnung, einschließlich häufigerer Zahlungszyklen und mehr Transparenz über die Vergütung und Abzüge. Derweil kommt es fortwährend zu Veränderungen in Bezug auf Steuergesetze, Lohnvorschriften, Urlaubsregelungen und Meldepflichten in verschiedenen Ländern und Regionen. Hinzu kommt, dass die heutige Belegschaft dynamischer denn je ist: Mitarbeitende wechseln Rollen und Standorte, und Arbeitszeiten sowie Vergütungsvereinbarungen können sich ändern. All das kann Auswirkungen auf die Gehaltsabrechnung haben. Diese Änderungen manuell zu verwalten, wird zunehmend schwieriger und erhöht das Risiko von Fehlern, Verzögerungen und Compliance-Lücken. Die Gehaltsabrechnung ist somit nicht mehr nur ein administrativer Prozess, sondern Bestandteil der strategischen Infrastruktur, die den Anforderungen der Mitarbeitenden, des Finanzwesens und des Geschäftsbetriebs Rechnung tragen und die Einhaltung von Rechtsvorschriften gewährleisten muss. 

Diese Kombination aus wachsender Komplexität und steigenden Erwartungen prägt die nächste Evolutionsstufe dieses Prozesses im Personalwesen: die autonome Gehaltsabrechnung. 

Unter komplexen Bedingungen das Vertrauen stärken 

Eine autonome Gehaltsabrechnung soll Unternehmen helfen, die wachsenden Anforderungen an die Personalabrechnung zu bewältigen und Genauigkeit, Compliance und Vertrauen in großem Maßstab aufrechtzuerhalten. Durch das Zusammenspiel von KI, intelligenter Automatisierung, integrierten Daten und der Ãœberwachung der Lohnabrechnung in Echtzeit können Unternehmen mehr als nur reaktive Abrechnungsprozesse ausführen und Probleme proaktiv erkennen, bevor sie Mitarbeitende beeinträchtigen. 

Das Ziel besteht nicht darin, dass die Gehaltsabrechnung ganz ohne menschliche Beteiligung abläuft. Stattdessen sollen Teams in der Lage sein, sich auf wertschöpfendere Tätigkeiten zu konzentrieren – und zwar durch die Reduzierung von manuellem Aufwand und die Steigerung der Transparenz. Unsere weltweite Studie zeigt auf, dass Beschäftigte den Einsatz von KI und menschliche Mitwirkung nicht als unvereinbar sehen. Tatsächlich gab fast die Hälfte (49 Prozent) an, dass sie KI im Rahmen der Gehaltsabrechnung mehr vertrauen würden, wenn im Falle eines KI-Problems weiterhin ein menschlicher Ansprechpartner zur Verfügung steht. Darüber hinaus sagten 43 Prozent der Befragten, dass die Möglichkeit einer Ãœberprüfung der KI-generierten Ergebnisse durch Menschen ihr Vertrauen in den Einsatz von KI ebenfalls erhöhen würde. Vertrauen entsteht nicht nur durch Genauigkeit und Effizienz, sondern auch durch die Gewissheit, dass Mitarbeitende Bedenken äußern, Klärungen und, bei Bedarf Unterstützung, von Fachkräften einholen können. 

Neue Funktionen, zum Beispiel KI-gestützte Agenten für die Gehaltsabrechnung sowie eine fortlaufende Gehaltsabrechnung, helfen Unternehmen dabei, von der reinen Verarbeitung zu einer aktiven Steuerung der Gehaltsabrechnung überzugehen. So können sie einschätzen, ob alle Voraussetzungen für die Abrechnung erfüllt sind, Anomalien erkennen, Änderungen überprüfen und personalbezogene Ereignisse über HR-, Lohn- und Zeitdaten hinweg überwachen. Durch die Kenntnis, wie Änderungen in Bezug auf Rollen, Standorte, Arbeitszeiten, Vergütung oder Urlaub die Gehaltsabrechnung beeinflussen können, sind Unternehmen in der Lage, Auswirkungen im Vorfeld zu erkennen und Abweichungen zu beheben, bevor diese zu kostspieligen Fehlern werden. Das Ergebnis ist eine höhere Zuverlässigkeit und Compliance und ein größeres Vertrauen innerhalb der Belegschaft. 

Diese Entwicklung ist signifikant. Anstatt am Ende eines Abrechnungszyklus die Ursache von Fehlern zu suchen, können Unternehmen diese während des gesamten Zyklus untersuchen und beheben. Technologie allein reicht jedoch nicht aus. Da die Gehaltsabrechnung zunehmend autonom wird, muss sichergestellt werden, dass intelligente Systeme mit angemessener Aufsicht, Transparenz und Verantwortlichkeit betrieben werden. 

Automatisierung erfordert Verantwortlichkeit 

Je stärker KI in die Abrechnungsprozesse integriert wird, desto mehr verlagert sich die Diskussion von der Einführung zur Verantwortlichkeit. Vertrauen wird zum entscheidenden Faktor. Das wirft wichtige Fragen auf: Wo kann KI autonom agieren, wo ist eine Ãœberprüfung durch Menschen sinnvoll, und wo muss die Verantwortlichkeit nach wie vor unbedingt bei Menschen liegen? 

Unsere globale Studie zeigt, dass die Zuversicht der Mitarbeitenden in KI davon abhängt, um welchen Prozess es geht. Beschäftigte akzeptieren KI am ehesten bei rechenlastigen Tätigkeiten wie der Lohn- und Gehaltsabrechnung oder der Erkennung von Anomalien. Bei Aufgaben, die Urteilskraft, zusätzliche Untersuchungen oder persönlichen Austausch erfordern, bevorzugen sie jedoch menschliche Mitwirkung. Abschließende Entscheidungen über Klärungsfälle bei der Lohnabrechnung sind der Bereich, in dem Mitarbeitende nach wie vor die Kommunikation mit Menschen bevorzugen. Diese Erkenntnisse unterstreichen einen wichtigen Punkt: Es geht nicht darum, menschliche Expertise zu ersetzen, sondern KI dort einzusetzen, wo sie den größten Mehrwert bietet. Gleichzeitig muss menschliche Aufsicht dort erhalten bleiben, wo Vertrauen und Urteilsvermögen am wichtigsten sind. 

KI erfolgreich in der Gehaltsabrechnung einzusetzen bedeutet nicht, dass Aufgaben einfach automatisiert werden. Stattdessen wird KI genutzt, um die Konsistenz, Zuverlässigkeit, Transparenz und das Gesamterlebnis für die Mitarbeitenden zu verbessern und so das Vertrauen der Beschäftigten zu fördern. 

Die Personalabrechnung wird künftig somit nicht entweder durch KI oder durch Menschen abgewickelt; stattdessen ist menschliches Fachwissen gefragt, das durch KI ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù wird. 

Die Grundlage für eine autonome Personalwirtschaft schaffen 

Eine autonome Personalabrechnung wirkt sich nicht nur auf die Abrechnungsprozesse aus. 

Wir bei Â鶹ԭ´´ sind der Meinung, dass die autonome Gehaltsabrechnung ein wichtiger Wegbereiter für eine autonome Personalwirtschaft ist. Um das Vertrauen in KI-Funktionen zu stärken, benötigen wir vertrauenswürdige Daten, vernetzte Prozesse und eingebettete intelligente Abläufe. Und die Lohnabrechnung spielt eine entscheidende Rolle dabei, dieses Ziel umzusetzen.Ìý

Jede Einstellungsentscheidung, Vergütungsanpassung, Beförderung, Belegschaftsveränderung oder organisatorische Initiative wirkt sich letztlich auf die Gehaltsabrechnung aus. Daher bleibt die Gehaltsabrechnung eine der zuverlässigsten und vollständigsten Quellen für Personaldaten im gesamten Unternehmen. 

Um das volle Potenzial der autonomen Personalabrechnung ausschöpfen zu können, ist eine einheitliche Grundlage für HR-, Abrechnungs- und Zeitdaten notwendig. Wenn Unternehmen eine zentrale, einheitliche Datenquelle etablieren, können sie Komplexität reduzieren, die Genauigkeit der Abrechnung verbessern, die Compliance stärken und dafür sorgen, dass KI aussagekräftigere Erkenntnisse und Empfehlungen liefern kann. 

Diese Grundlage ist unverzichtbar, denn KI kann die Herausforderungen der Gehaltsabrechnung nicht lösen, wenn sie lediglich auf fragmentierte Systeme und unvernetzte Prozesse aufgesetzt wird. Stattdessen benötigen Unternehmen vernetzte Daten und integrierte Arbeitsabläufe, die es der KI ermöglichen, über den gesamten Lebenszyklus der Belegschaft hinweg zu agieren.   

Wenn Abrechnungs-, HR- und Zeitdaten auf dieser Basis zusammengeführt werden, können Unternehmen intelligentere Prozesse für die Belegschaft schaffen, bessere Entscheidungen treffen und die organisatorische Flexibilität steigern. 

Ein Blick in die Zukunft 

Die National Payroll Week bot Gelegenheit für den Austausch mit den Fachkräften, die einen der wichtigsten Unternehmensbereiche täglich am Laufen halten. Außerdem wurde im Rahmen der Veranstaltung aufgezeigt, wie grundlegend sich dieser Bereich verändert. 

Jahrzehntelang wurde die Gehaltsabrechnung in erster Linie als administrative Notwendigkeit betrachtet. Heute wird sie zunehmend als strategischer Prozess anerkannt, der Einfluss auf das Mitarbeitererlebnis, die Compliance, die betriebliche Stabilität und das Vertrauen in das Unternehmen hat. 

Die führenden Organisationen der kommenden Jahre werden nicht einfach nur ihre Gehaltsabrechnung effizienter abwickeln. Sie werden Abrechnungsprozesse schaffen, die intelligenter und stärker vernetzt sind, um sowohl Mitarbeitende als auch das Unternehmen besser unterstützen zu können. 

Während sich die Gehaltsabrechnung von einer transaktionalen Funktion zu einer strategischen Unternehmenskompetenz weiterentwickelt, geht es nicht nur darum, bestehende Prozesse zu automatisieren. Wir benötigen vielmehr eine Personalabrechnung, mit der wir in einer zunehmend komplexen Welt für mehr Vertrauen, Resilienz und Zuversicht sorgen. 

Denn eine funktionierende Lohnabrechnung gewährleistet mehr als nur die pünktliche Zahlung des Gehalts. Sie stärkt das Vertrauen in das Unternehmen. 

Entdecken Sie, wie Unternehmen dabei hilft, die Personalabrechnung zu vereinfachen, Komplexität zu verringern und ihren Weg zur autonomen Gehaltsabrechnung zu beschleunigen. 

*Daten aus einer weltweiten Befragung unter 1.576 Vollzeitbeschäftigten im Juli 2026.

The post Von KI zur Autonomie: Personalabrechnung entwickelt sich weiterÌý appeared first on Â鶹ԭ´´ News Center.

Die Integrationsumgebungen, die über das vergangene Jahrzehnt in den meisten Unternehmen entstanden sind, wurden nicht für aktuelle Anforderungen konzipiert. Punkt-zu-Punkt-Verbindungen, veraltete Middleware, fragmentierte Werkzeuge in Dutzenden von Systemen – solange es nur um Batch-Verarbeitung und planbare Datenflüsse ging, kamen Unternehmen mit diesen Grundlagen gut zurecht. 

Doch mit dem Aufkommen agentenbasierter KI hat sich dies grundlegend geändert. Damit Agenten autonom arbeiten können, müssen andere Voraussetzungen erfüllt werden: Echtzeitzugriff auf Daten aus der gesamten Anwendungslandschaft, eine einheitliche Steuerung und eine Integrationsebene, die mitwachsen kann, ohne zum Engpass zu werden. Wer seine Integrationsstrategie bereits auf diese neuen Anforderungen ausgerichtet hat, ist deshalb klar im Vorteil. 

Im Auftrag der Â鶹ԭ´´ untersuchte das Analystenhaus IDC, wie Unternehmen die Â鶹ԭ´´â€¯Integration Suite und deren Advanced-Event-Mesh-Funktionalität nutzen. Die Â鶹ԭ´´â€¯Integration Suite ist das Integration-Platform-as-a-Service-Angebot (iPaaS) der Â鶹ԭ´´ und wird auf der Â鶹ԭ´´â€¯Business AI Platform bereitgestellt, die als zentrales Fundament für die KI-, Daten- und Integrationsfunktionen von Â鶹ԭ´´ dient. 

Im Rahmen der Studie zum geschäftlichen Nutzen befragte IDC acht Unternehmen aus den Bereichen Fertigung, Konsumgüterindustrie, Energie, Fintech, Gesundheitswesen, Einzelhandel und Transport. Diese Unternehmen beschäftigen im Schnitt 48.529 Mitarbeitende, erzielen einen Jahresumsatz von 14,53 Milliarden US-Dollar und sind in den USA, Deutschland, Dänemark, Indien sowie Großbritannien und Nordirland tätig. Alle Ergebnisse der Studie basieren auf tatsächlichen Resultaten, nicht auf Modellwerten. 

IDC kam zu dem folgenden Schluss: Kunden der Â鶹ԭ´´ Integration Suite erzielen im Durchschnitt über drei Jahre hinweg eine Investitionsrendite von 368 Prozent und amortisieren ihre Investitionen innerhalb von acht Monaten. Der jährliche Nutzen pro integrierter Anwendung liegt bei durchschnittlich 47.900 US-Dollar beziehungsweise bei 9,36 Millionen US-Dollar pro Unternehmen. 

Vorteile von Integration-Platform-as-a-Service-Angebot (iPaaS)

Das Business Value White Paper von IDC demonstriert messbare Ergebnisse in allen Bereichen, in denen Integration in modernen Unternehmen eine Rolle spielt: 

• Geschwindigkeit und Umfang der Integration 
  • Zunahme der Integration von Anwendungen um 78 %
  • Reduzierung des Zeitaufwands pro integrierter Anwendung um 41 %
  • Steigerung der bearbeiteten Anwendungsmeldungen um 99 % 

• Betriebssicherheit 
  • Reduzierung von ungeplanten Ausfällen um 58 %
  • Beschleunigung der Behebung von Integrationsfehlern um 35 %
  • Reduzierung von Integrationsfehlern um 19 %     

• Automatisierung von Geschäftsprozessen 
  • Steigerung der Automatisierung von Geschäftsprozessen um 49 %
  • Erhöhung der Effizienz von Teams im Bereich Geschäftsprozesse um 21 %
  • Reduzierung des Zeitaufwands für die Anbindung neuer Geschäftspartner um 32 % 

• Produktivität in der Entwicklung und innerhalb von Teams 
  • Zunahme der Produktivität bei Entwicklungsteams um 29 % 
  • Beschleunigung des Entwicklungszyklus für neue Anwendungen um 31 %  
  • Steigerung der Effizienz von Teams im Bereich Anwendungsintegration um 32 %    

Bei diesen Zahlen handelt es sich nicht um Schätzungen, sondern um die durchschnittlichen Ergebnisse von acht Unternehmen, die im Rahmen der Befragung durch die IDC-Analysten Shari Lava, Group Vice President for AI, Data, and Automation, und Matthew Marden, Research Vice President for Business Value Strategy, festgehalten wurden. 

Mehr als eine Â鶹ԭ´´-Plattform 

Ein Ergebnis verdient besondere Beachtung – vor allem für Kunden und Partner, welche die Â鶹ԭ´´â€¯Integration Suite in Umgebungen mit Anwendungen von verschiedenen Anbietern in Betracht ziehen: In der Studie waren durchschnittlich 64 Prozent der integrierten Anwendungen nicht von Â鶹ԭ´´, während bei 82 Prozent aller Integrationen mindestens eine Anwendung im Spiel war, die nicht von Â鶹ԭ´´ stammte. 

Die Â鶹ԭ´´â€¯Integration Suite ist somit weit mehr als eine reine Â鶹ԭ´´-Plattform. Sie bildet das Integrationsfundament für die gesamte heterogene Anwendungslandschaft moderner Unternehmen – eine Landschaft, in der Â鶹ԭ´´- und Nicht-Â鶹ԭ´´-Systeme zuverlässig und unternehmensweit zusammenarbeiten müssen. 

Ein Studienteilnehmer erklärt, was dies in der Praxis bedeutet: „Die Â鶹ԭ´´â€¯Integration Suite ist unsere wichtigste Verbindung zur Außenwelt. Wann immer jemand auf unsere Â鶹ԭ´´-Systeme zugreifen muss, läuft das über die [Â鶹ԭ´´] Integration Suite. Sie ist unser zentrales Zugangsportal für den API-Zugriff, den Datenzugriff, die Zusammenarbeit mit Partnern und den Datentransfer in unsere Â鶹ԭ´´-Systeme und nach draußen.“ 

Für das KI-Zeitalter konzipiert   

Diese Studie kommt zum richtigen Zeitpunkt. Unternehmen treiben die Einführung agentenbasierter KI mit hohem Tempo voran und setzen autonome Agenten ein, die in Echtzeit über die gesamte Anwendungslandschaft hinweg Prozesse koordinieren und überwachen und zudem handeln müssen. Integration ist somit keine Angelegenheit mehr, die lediglich im Hintergrund abläuft; sie bildet die operative Ebene, auf der KI-gestützte Automatisierung steht oder fällt. 

Als Bestandteil der Â鶹ԭ´´â€¯Business AI Platform bündelt die Â鶹ԭ´´â€¯Integration Suite die API-Verwaltung, ereignisgesteuerte Architektur über Advanced Event Mesh und integrierte KI-Funktionen. So erhalten Unternehmen die Steuerungsmechanismen, die Transparenz und die Echtzeitanbindung, die für agentenbasierte KI-Workloads erforderlich sind.  Dazu zählen die Unterstützung von MCP-Servern (Model Context Protocol), die Anbindung von Large Language Models sowie die Koordination zwischen Agenten, um die Grundlage für autonome Unternehmensprozesse zu schaffen. 

Die Studienteilnehmer bestätigen dies. Ein Teilnehmer berichtet Folgendes: „Der größte Nutzen der [Â鶹ԭ´´] Integration Suite liegt in der Kombination ihrer verschiedenen Funktionen: Integration mit der Cloud-Plattform, API-Management und Advanced Event Mesh. Das Zusammenspiel dieser Funktionen ist es, was sie für uns so wertvoll macht.“ 

Ein anderer Teilnehmer hebt hervor, wie wichtig Zuverlässigkeit in KI-gestützten Umgebungen ist: „Was wir mit der Â鶹ԭ´´â€¯Integration Suite zunehmend erleben, ist ein Maß an Verlässlichkeit und Standardisierung im Rahmen unserer Integrationen, das eine weitere Skalierung möglich macht. Die Art von Punkt-zu-Punkt-Integrationen, die für uns früher ein Risiko und eine Quelle technischer Altlasten darstellte, gehört der Vergangenheit an.“ 

Klarer Mehrwert für Unternehmen durch Integration

Eine Investitionsrendite von 368 Prozent über drei Jahre und eine Amortisation innerhalb von acht Monaten sprechen für sich. Doch mindestens ebenso wichtig ist, was das bedeutet: Unternehmen können mehr Anwendungen anbinden, mehr Geschäftsprozesse automatisieren, Störungen schneller beheben und Partner rascher einbinden – auf einer Plattform, die genau auf die KI-Workloads zugeschnitten ist, die sie aktuell nutzen möchten. 

„Wir können mit der Â鶹ԭ´´â€¯Integration Suite noch mehr Innovationen umsetzen, weil sie einfacher zu bedienen ist und die Entwickler gerne mit dem Tool arbeiten. Und sie liefert gute Ergebnisse. Deshalb können wir weiter auf dem aufbauen, was wir bereits geschaffen haben.“ 

Auf diese Weise schaffen Unternehmen ein zukunftsfähiges Fundament. 

Lesen Sie das vollständige (Zugang erforderlich).    

Sid Misra ist Chief Marketing Officer of Technology Foundation for Â鶹ԭ´´ Business AI Platform bei Â鶹ԭ´´. 

Quelle: IDC Business Value White Paper, sponsored by Â鶹ԭ´´, The Business Value of Â鶹ԭ´´ Integration Suite (Doc #US54820926-BVWP, August 2026), IDC Business Value Snapshot, sponsored by Â鶹ԭ´´, The Business Value of Â鶹ԭ´´ Integration Suite (Doc #US54820926-BVS, August 2026)

The post Neue Studie von IDC: Mit der Â鶹ԭ´´ Integration Suite schnell finanziellen Nutzen aus Investitionen ziehen appeared first on Â鶹ԭ´´ News Center.

Unternehmen stehen heute unter zunehmendem Druck, ihre Personalstrategien an den sich schnell ändernden Geschäftsanforderungen auszurichten. Ganz gleich, ob es darum geht, zukünftige Kompetenzen zu planen, dem Fachkräftemangel zu begegnen oder die Agilität im Unternehmen zu verbessern – Führungskräfte benötigen mehr als nur Daten. Sie brauchen klare, aussagekräftige Informationen, die ihnen helfen, sicher fundierte Entscheidungen zu treffen.  

Daher entwickeln sich Personalanalysen von einer reinen Berichtsfunktion zu einer strategischenÌýKompetenz. Indem Unternehmen Mitarbeiter-, Qualifikations- und Geschäftsdaten miteinander verknüpfen, können sie ihre Belegschaft besser verstehen und den zukünftigen Mitarbeiterbedarf vorhersehen.  Ìý

Diese Entwicklung schafft die Grundlage für den autonomen Geschäftsbereich Autonomous HCM, in dem Unternehmen durch verknüpfte Daten und KI-gestützte Intelligenz in der Lage sind, fundiertere Personalentscheidungen zu treffen.  

Personalanalysen: ein Grundpfeiler von Autonomous HCM 

Im Personalmanagement geht es zukünftig nicht einfach darum, Prozesse zu automatisieren. Es geht darum, Führungskräften die intelligenten Personalfunktionen bereitzustellen, die sie benötigen, um Personalstrategien an den geschäftlichen Prioritäten auszurichten. Branchenstudien wie die (Zugangsdaten erforderlich) weisen auf die wachsende Nachfrage nach Lösungen hin, die Personalanalysen, Personalplanung, Leistungsdaten und KI-gestützte Erkenntnisse zusammenführen. Zusammen können diese Funktionen Unternehmen dabei unterstützen, einen proaktiveren und strategischeren Ansatz für das Personalmanagement zu verfolgen, statt nur zu reagieren. Für Personalverantwortliche bedeutet dies, dass sie weniger Zeit mit dem Sammeln und Abstimmen von Informationen verbringen müssen und sich mehr auf Maßnahmen konzentrieren können, die die Leistungsfähigkeit der Belegschaft, die Agilität des Unternehmens und die Geschäftsergebnisse verbessern.  

Verknüpfung von Mitarbeiterinformationen mit Geschäftszielen 

Bei Â鶹ԭ´´ beginnt unsere Vision von Autonomous HCM mit der Verknüpfung von Personal- und Geschäftsdaten, um Mitarbeitende, Fähigkeiten und Unternehmensprioritäten als Ganzes zu verstehen. Mit der können Unternehmen Daten über Mitarbeitende und Qualifikationen sowie operative und Geschäftsdaten verknüpfen, um einen umfassenderen Ãœberblick über ihre Belegschaft zu erhalten, neue Chancen und Risiken zu erkennen, den zukünftigen Mitarbeiterbedarf vorherzusehen und kontextbezogene Entscheidungen zu treffen.  Ìý

Dieser ergebnisbasierte Ansatz hilft Unternehmen, wichtige Fragen zuÌýbeantworten: Welche Fähigkeiten gibt es heute in der gesamten Belegschaft und wo treten kritische Lücken auf? Welche Fähigkeiten werden benötigt, um zukünftige Geschäftsziele zu unterstützen? Wie können Mitarbeitende wirkungsvoller an strategischen Prioritäten ausgerichtet werden? Wo zeigen sich neue Risiken beim Personal und bei ihrer Bindung an das Unternehmen? Welche Maßnahmen können dazu beitragen, die Mitarbeiter- und Unternehmensleistung zu verbessern? Ìý

Konkrete Maßnahmen durch intelligente Funktionen 

Die Â鶹ԭ´´ verändert mit People Intelligence ihren eigenen Ansatz für Personalanalysen grundlegend. Durch die Zusammenführung von Personal- und Geschäftsinformationen können Führungskräfte über statische Berichte hinausgehen und Mitarbeitertrends, den Qualifikationsbedarf und die Prioritäten des Unternehmens besser verstehen.   

Auf Mitarbeiterinformationen zu reagieren ist gewöhnlich ein manueller und fragmentierter Prozess. HR-Teams identifizieren ein Problem, wie zum Beispiel eine Qualifikationslücke oder ein Risiko für die Bindung von Fachkräften, und stimmen sich dann mit den Bereichen Personalbeschaffung, Schulungen, Personalplanung sowie Fachverantwortlichen ab, um die geeignete Reaktion zu ermitteln und umzusetzen. Analysen können zwar helfen, das Problem zu entdecken, doch die Umsetzung von gewonnenen Erkenntnissen in Maßnahmen erfordert häufig viel Zeit, Aufwand und eine funktionsübergreifende Zusammenarbeit.  

Der nächste entscheidende Schritt besteht nun darin, Intelligenz direkt mit Maßnahmen zu verbinden. Da KI immer stärker in Personalprozesse integriert wird, können Unternehmen nicht nur ein Personalproblem erkennen, sondern auch mögliche Reaktionen prüfen und auf genehmigte Entscheidungen hin handeln. Beispielsweise könnten intelligente Personalfunktionen ein neues Qualifikationsdefizit identifizieren, Führungskräften verschiedene Möglichkeiten aufzeigen, um dieses zu beheben, und diese Entscheidungen mit Maßnahmen bei Einstellungen, Schulungen, interner Mobilität oder Personalplanung verknüpfen.  

Im Laufe der Zeit werden KI-Agenten dies beschleunigen, indem sie intelligente Personalfunktionen mit den erforderlichen Maßnahmen verknüpfen und Unternehmen dabei unterstützen, nahtloser auf Basis gewonnener Erkenntnisse Entscheidungen zu treffen und diese umzusetzen.  

Der Weg zu Autonomous HCM 

Personalanalysen helfen Unternehmen dabei, Zusammenhänge zu verstehen. Intelligente Personalfunktionen helfen ihnen bei den weiteren Entscheidungen. Autonomous HCM ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù sie dabei, zu handeln, indem Erkenntnisse, Entscheidungen und deren Umsetzung verknüpft werden. Ìý

Im Personalmanagement von morgen geht es nicht nur darum, die Dynamik der Belegschaft zu verstehen, sondern Unternehmen dabei zu helfen, schneller, zuverlässiger und präziser zu reagieren. Autonomous HCM verknüpft Personalanalysen, intelligente Personalfunktionen und KI-gestützte Umsetzung und versetzt damit Unternehmen in die Lage, nicht nur Erkenntnisse in direkte Maßnahmen umzusetzen, sondern auch sicherzustellen, dass ihre Belegschaft anpassungsfähiger, widerstandsfähiger und stärker an den Anforderungen des Unternehmens ausgerichtet ist.  

Weitere Informationen 

In der (Zugangsdaten erforderlich) erfahren Sie mehr über die Trends, die die Zukunft von intelligenten Personalfunktionen, Personalplanung und Entscheidungsfindung prägen, und warum die Â鶹ԭ´´ zu den führenden Anbietern zählt. 

The post Personalanalysen für die Personalentscheidungen von morgen appeared first on Â鶹ԭ´´ News Center.

Nun könnte sich diese Gleichung mit Agentic AI deutlich verschieben und ein neues Modell für die Transformation von Â鶹ԭ´´-Landschaften entstehen lassen, das sich durch eine schnellere Implementierung, niedrigere Kosten und mehr Eigenständigkeit der Kunden auszeichnet.

So lautete im Kern die Argumentation in einem , in dem kürzlich das Phänomen des „Deshoring“ beleuchtet wurde. Dabei handelt es sich um ein relativ neues Konzept, bei dem Unternehmen KI-Agenten für Tätigkeiten einsetzen, die bislang zwischen teuren Onshore-Ressourcen und kostengünstigeren Offshore-Teams verteilt wurden.

Für Stuart Browne, Gründer und CEO der unabhängigen Â鶹ԭ´´-Beratungsfirma , die seit sieben Jahren Unternehmen bei ihrer Migration von Â鶹ԭ´´ ECC auf Â鶹ԭ´´ S/4HANA ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù, liegt die Chance darin, jahrzehntealte Annahmen der Branche zu hinterfragen.

„Wir können das in Zukunft nur bewerkstelligen, wenn wir die Art und Weise ändern, wie wir das bisher bewerkstelligt haben“, erläuterte er. „Wir müssen also neue Wege finden, wie wir die Migration beschleunigen können. Und KI ist in meinen Augen dafür vermutlich der beste Kandidat.“

Schneller, besser und kostengünstiger – warum nicht alles auf einmal?

Das magische Dreieck der technologischen Transformation besagt, dass die Projekte von Unternehmen schneller, besser oder kostengünstiger durchgeführt werden können, in der Regel allerdings nur zwei dieser drei Eigenschaften realisierbar sind.

Stuart Browne stellte diese Prämisse infrage, indem er einen Vergleich zur NASA zog, die bei ihren Missionen den Ansatz „schneller, besser, kostengünstiger“ verfolgt. Er ist der Meinung, dass auch bei Â鶹ԭ´´-Transformationen die Annahme, dass die Verbesserung einer Dimension Kompromisse bei einer anderen erforderlich macht, auf den Prüfstand gestellt werden sollte.

„Warum kann man nicht alle drei Eigenschaften anstreben?“, fragte er.

Diese Frage gewinnt zunehmend an Bedeutung, da zahlreichen Unternehmen ihre Migration auf Â鶹ԭ´´ S/4HANA erst noch bevorsteht und sie zugleich mit wirtschaftlichem Druck, einem Mangel an Â鶹ԭ´´-Kenntnissen und der Komplexität globaler Transformationsprogramme zu kämpfen haben.

Ranjeet Panicker, Senior Vice President und Head of Business Transformation bei Â鶹ԭ´´, umriss die Herausforderungen rund um den gesamten Lebenszyklus eines Â鶹ԭ´´-Projekts von der ersten Erkundung und Analyse über die Planung und Entwicklung bis hin zur Ausführung.

In jeder Phase stellen Kunden dieselben Fragen: Wie lässt sich das Projekt schneller abschließen? Wie können die Kosten gesenkt werden? Wie kann das Unternehmen größeren Nutzen aus seiner Investition ziehen?

Vom Offshoring zum „Deshoring“

Jahrzehntelang setzten Unternehmen auf Offshoring, um durch die Auslagerung von Arbeit ihre Kosten zu senken. Die Rechnung war relativ einfach: Bestimmte Tätigkeiten wurden an Standorte verlagert, an denen die Arbeitskosten niedriger sind.

Laut Stuart Browne können diese Einsparungen jedoch ein anderes Problem verdecken. Auch wenn Offshore-Ressourcen kostengünstiger sind, kann die Verteilung von Arbeit zwischen Offshore- und Onshore-Teams dazu führen, dass das Arbeitsvolumen insgesamt zunimmt, da Übergaben erforderlich sind, Kommunikationsprobleme auftreten können, Nacharbeit notwendig wird und Aufgaben koordiniert werden müssen.

Agentic AI eröffnet hier neue Möglichkeiten. Anstatt zu fragen, an welchem Standort Arbeit erledigt werden sollte, fragen Unternehmen, ob diese Arbeit überhaupt vollständig manuell ausgeführt werden muss.

„Warum können wir nicht das Arbeitsvolumen verringern und so die Arbeitskosten senken?“, fragte Stuart Browne.

Als Antwort auf diese Frage entstand das Konzept des Deshoring. Dabei werden standortbasierte Implementierungsaufgaben teilweise durch KI-Agenten ersetzt, die bestimmte Aktivitäten im Rahmen von Â鶹ԭ´´-Transformationen ausführen oder beschleunigen können.

Nach der Analyse von rund 180 typischen Aktivitäten bei einer Migration von Â鶹ԭ´´ ECC auf Â鶹ԭ´´ S/4HANA kam Stuart Browne zu dem Schluss, dass der Einsatz von KI potenzielle Einsparungen von rund 60 % ermöglicht, indem der Aufwand verringert wird und Aufgaben, für die zuvor sehr erfahrene Fachkräfte erforderlich waren, von weniger erfahrenen Mitarbeitenden erledigt werden, die dabei von KI ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù werden.

Besonders geeignet sind dafür Aktivitäten, für die umfangreiche Kenntnisse erforderlich sind und die viel Zeit in Anspruch nehmen. Hierzu gehören unter anderem das Verfassen von funktionalen und technischen Spezifikationen, das Durchführen von Fit-Gap-Analysen und das Analysieren von kundenspezifischen Entwicklungen.

„Bei einer Run Rate von einer Million pro Monat kann sich die Wirtschaftlichkeit eines Programms deutlich verbessern, wenn seine Dauer um einige Monate verringert wird“, führte Stuart Browne aus.

Die 80-Prozent-Lösung, bei der sich Menschen um die letzten Schritte kümmern

Durch den Einsatz von KI könnte innerhalb weniger Stunden das erreicht werden, was Stuart Browne als 80-Prozent-Lösung bezeichnet. Dabei wird die Arbeit von erfahrenen Fachkräften kontrolliert, auf den Prüfstand gestellt und optimiert. Teams wenden nicht mehr viel Zeit dafür auf, alles von Grund auf manuell zu erledigen.

„Man sollte den Ergebnissen von KI nicht blind vertrauen, ohne sie zu überprüfen“, erklärte er. All das bedeutet jedoch nicht, dass erfahrene Â鶹ԭ´´-Fachkräfte überflüssig werden. Vielmehr kommt ihr Fachwissen nach diesem neuen Modell in anderen Bereichen zum Einsatz.

Das Ziel besteht nicht darin, autonome Transformationen zu ermöglichen. Stattdessen wird ein Großteil der Aufgaben beschleunigt und das menschliche Know-how gezielt für die letzten Schritte genutzt: das Überprüfen und Beurteilen von Ergebnissen, das Treffen von Designentscheidungen und andere Aktivitäten, bei denen Erfahrung besonders wertvoll ist.

Kundenspezifische Entwicklungen könnten den Durchbruch ermöglichen

Ein Bereich, in dem sich nach Auffassung von Stuart Browne bereits ein deutlicher Wandel durch den Einsatz von KI vollzieht, ist die Analyse kundenspezifischer Entwicklungen. Anfangs lag der Schwerpunkt bei Â鶹ԭ´´-S/4HANA-Migrationen häufig darauf, die vorhandenen Anpassungen in die neue Umgebung zu überführen und dann zu ermitteln, welche Korrekturen daran vorgenommen werden müssen. Agentic AI eröffnet hier neue Möglichkeiten und untersucht, ob eine Anpassung überhaupt weiterhin erforderlich ist.

Laut Stuart Browne ist KI nun in der Lage, eine gesamte Codebasis mit kundenspezifischen Entwicklungen zu analysieren, funktionale Spezifikationen zurückzuentwickeln und zu ermitteln, ob die damit abgedeckte Geschäftsanforderung auch mit Â鶹ԭ´´-Standardfunktionen erfüllt werden kann.

Anstatt eine Vielzahl älterer Anpassungen zu migrieren und sich im Nachgang um diese zu kümmern, könnten sich Kunden einen Überblick über ihre Landschaft aus kundenspezifischen Entwicklungen verschaffen und noch vor der Wahl eines Systemintegrators Fit-to-Standard-Möglichkeiten aufdecken.

„Man kann sogar eine Fit-to-Standard-Planung für kundenspezifische Entwicklungen durchführen, bevor man sich überhaupt für einen Systemintegrator entscheidet“, führte Stuart Browne aus.

Das hat erhebliche Auswirkungen, da Kunden bereits für Â鶹ԭ´´-Standardfunktionen bezahlt haben, die einen Teil ihrer kundenspezifischen Funktionen überflüssig machen könnten. Zugleich entsteht eine Umgebung, die eine einfachere Wartung und Aktualisierung ermöglicht.

Â鶹ԭ´´ entwickelt Agenten für den gesamten Lebenszyklus der Transformation

Ähnliche Möglichkeiten sieht Ranjeet Panicker für den allgemeinen Lebenszyklus von Â鶹ԭ´´-Implementierungen.

Er glaubt, dass Begriffe wie „Onshoring“ und „Offshoring“ irgendwann weniger relevant sein werden, da Unternehmen die Tätigkeiten im Zusammenhang mit Transformationsprojekten immer weniger aus Standortperspektive betrachten, sondern aus Sicht der dafür benötigten Fähigkeiten. Assistenten und Agenten können KI-gestützte Fähigkeiten bereitstellen und in den einzelnen Phasen einer Cloud-Transformation anwenden.

Â鶹ԭ´´ zielt dabei auf Bereiche wie Systemanalyse, Datenmanagement, kundenspezifische Entwicklungen, Konfiguration, Tests, Rollout und Projektmanagement ab.

Ranjeet Panicker bezeichnete Assistenten als eine Sammlung von Agenten, die einen bestimmten Themenbereich unterstützen.

Mit Funktionen für die Systemanalyse kann beispielsweise die gesamte Umstellung untersucht werden. Funktionen für das Datenmanagement können dabei die Datenqualität sicherstellen. Agenten für kundenspezifische Entwicklungen wiederum können Analysen, Empfehlungen und in bestimmten Szenarien auch eine automatische Fehlerkorrektur unterstützen. Konfigurationsassistenten schließlich können den Ist-Zustand und den anvisierten Zustand bewerten, während Test-Agenten die Erstellung von Testskripten automatisieren können.

Diese Funktionen sind mit Â鶹ԭ´´ Cloud ALM auf der Â鶹ԭ´´ Business Technology Platform verknüpft. Eine Daten- und Wissensgrundlage liefert dabei den kundenspezifischen Kontext, den die Agenten benötigen. Laut Ranjeet Panicker verfolgt Â鶹ԭ´´ das Ziel, den Transformationsaufwand um rund 35 % zu verringern.

Neue Chancen im Bereich Testen

Das Testen kann sehr zeitaufwendig sein, insbesondere in Branchen mit hohen Anforderungen an Sicherheit, Compliance oder Überprüfung. Hier bringt der Einsatz von KI die weitaus kompliziertere Frage mit sich, in welchem Umfang Unternehmen das Testen an Agenten delegieren können.

„Wenn man Fehler im Code von einem Agenten beheben lassen kann, dürfen dann auch die Tests und die Abnahme der Tests von einem Agenten durchgeführt werden?“, fragte Ranjeet Panicker.

Die Antwort darauf wirkt sich unmittelbar darauf aus, an welchen Workflows einer Transformation der Mensch auch in Zukunft direkt beteiligt sein wird. Dabei müssen Kunden nicht nur entscheiden, ob ein Agent eine Aufgabe ausführen kann, sondern auch, ob sie ausreichend Vertrauen in das Wissen des Agenten, den Kontext und die Leitplanken haben, um die Verantwortung für das Ergebnis an Agenten zu übertragen.

Der Kontext macht den Unterschied

Anwendungsprogramme von Â鶹ԭ´´ generieren riesige Mengen an unternehmensspezifischen Informationen zu Architekturentscheidungen, Risikoregistern, Testskripten, Anforderungen und anderen Artefakten, die im Verlauf einer Transformation kontinuierlich ergänzt und angepasst werden.

Nach Einschätzung von Stuart Browne kommt es entscheidend darauf an, KI mit diesem sich ständig verändernden Wissen zu verknüpfen. „Die Fähigkeit, nicht nur mit statischen LLMs, sondern auch mit dieser Wissensbasis zu kommunizieren, wird meiner Meinung nach gute Agenten noch besser machen“, erläuterte er.

Unternehmen müssen deshalb möglicherweise nicht nur die Ausführung von Â鶹ԭ´´-Projekten überdenken, sondern auch die Art und Weise, wie sie Informationen erfassen. Für Programme, die traditionell über Excel, Word, PowerPoint, SharePoint und andere Repositorys ausgeführt werden, sind zunehmend KI-basierte Wissensumgebungen erforderlich, die Agenten hilfreichen Geschäfts- und Systemkontext bereitstellen können.

„Das ist für mich der Punkt, der über Erfolg oder Misserfolg entscheidet“, führte Stuart Browne aus.

KI könnte auch beeinflussen, wer Wissensträger ist

Der grundlegende Wandel, den KI mit sich bringt, dreht sich vielleicht auch um eine weniger technische Frage, nämlich wer über Fachwissen verfügt. Bei der Implementierung von Â鶹ԭ´´-Lösungen haben bislang vor allem erfahrene Berater und Systemintegratoren eine wichtige Rolle gespielt. Das Wissen, über das sie verfügen, ist häufig in den Unternehmen der Kunden nicht vorhanden. Dadurch entsteht ein Ungleichgewicht, das es für Kunden schwierig macht, Empfehlungen infrage zu stellen oder wichtige Entscheidungen zum Design eigenständig zu bewerten.

Stuart Browne glaubt, dass es künftig für Mitarbeitende mit nur sechs Monaten Â鶹ԭ´´-Erfahrung möglich sein wird, sich innerhalb weniger Wochen das Wissen anzueignen, das früher nur durch mehrjährige Erfahrung aufgebaut werden konnte.

Auch Ranjeet Panicker ist der Ansicht, dass der Zugang zu Wissen inzwischen weit weniger eingeschränkt ist als früher.

Er selbst arbeitete bei Â鶹ԭ´´ zunächst vor allem in technischen Rollen. Um den geschäftlichen Kontext zu verstehen, musste er oft jemanden finden, der bereit war, ihm die Sachverhalte zu erklären. Mithilfe von KI können sich Fachkräfte Wissen auch außerhalb dieser traditionellen Wege aneignen.

Annahmen zur Laufzeit von Â鶹ԭ´´-Projekten hinterfragen

Â鶹ԭ´´-Kunden und -Berater sind es gewohnt, dass Transformationsprojekte, Migrationen und Upgrades eine bestimmte Anzahl von Monaten oder Jahren in Anspruch nehmen. Diese Zeitpläne haben sich zu Grundannahmen verfestigt, die in der Planung abgebildet werden.

Stuart Browne und Ranjeet Panicker sind der Ansicht, dass diese Annahmen auf den Prüfstand gestellt werden sollten.

„Es geht darum, den Zeitaufwand für diese Aufgaben zu verringern und die Entscheidungsträger einzubinden, um schneller bessere Entscheidungen treffen zu können“, führte Stuart Browne aus.

Ranjeet Panicker verwies ebenfalls darauf, dass Unternehmen herkömmliche Projektlaufzeiten nicht einfach akzeptieren sollten, ohne zu fragen, wie sich diese durch den Einsatz von KI-Funktionen verkürzen lassen. „Warum können wir das nicht schneller erreichen?“, fragte er.

Stuart Browne sieht bereits erste Anzeichen für einen Wandel: „Damit möchte ich keineswegs sagen, dass wir einfach einen Knopf drücken und ein komplettes Programm bereitstellen können. Tests, Change Management und Designentscheidungen werden komplexe Aufgaben bleiben.“ Er ist jedoch fest davon überzeugt, dass Kunden agentengestützte Transformationsprojekte nicht länger als etwas sehen sollten, das in ferner Zukunft liegt. „Diese Möglichkeit gibt es bereits jetzt“, bekräftigte er.

Ranjeet Panicker hatte eine ebenso klare Botschaft: Unternehmen sollten nicht abwarten und das Ganze als Zuschauer verfolgen. „Ergreifen Sie die Initiative, seien Sie neugierig, welche Möglichkeiten die Technologie bietet. Denn je früher Sie das Ergebnis erreichen können, das Sie aus geschäftlicher Perspektive anvisieren, desto größeren Mehrwert können Sie schaffen.“

The post Mit Agentic AI könnten Â鶹ԭ´´-Transformationen wirtschaftlicher werden appeared first on Â鶹ԭ´´ News Center.

Evatec ist ein Schweizer Unternehmen mit Aussenstellen in den USA, Europa und Asien. Es entwickelt, produziert und vertreibt Hightech-Dünnfilm-Beschichtungsanlagen für den Halbleiter-, Optik- und Optoelektronik-Markt. Das Geschäft ist international, technologisch anspruchsvoll und stark projektorientiert. Eine Anlage wird verkauft, in der Schweiz geplant, beschafft, montiert und getestet, danach beim Kunden installiert und über die Garantiephase hinaus betreut.

Genau diese Wertschöpfungskette wollte Evatec künftig durchgängig abbilden. Die historisch gewachsene Systemlandschaft bot zwar viel Flexibilität, bestand aber aus unterschiedlichen Anwendungen, individuellen Lösungen, Schnittstellen und manuellen Arbeitsschritten. Wissen war teilweise an einzelne Personen oder lokale Vorgehensweisen gebunden. Informationen waren vorhanden, liessen sich jedoch nur schwer zu einem konsistenten Gesamtbild verbinden.

Besonders sichtbar wurde dies im Projektgeschäft. Produktion, Auslieferung, Installation und Garantieleistungen wurden früher teilweise in unterschiedlichen Aufträgen oder Systemen geführt. Damit war nur mit erheblichem Aufwand festzustellen, welche Kosten über den gesamten Lebenszyklus einer Anlage entstanden und welche Marge tatsächlich erzielt worden war.

«Wir wollten eine Grundlage schaffen, mit der sich die Firma aus Managementsicht besser steuern lässt», bringt Nicolas Wenger, Enterprise Architect bei Evatec, die Zielvorstellung auf den Punkt.

In zehn Monaten zum Go-live

Die Entscheidung für die Transformation fiel in einer Phase, in der sich der Markt vergleichsweise schwach entwickelte. Das Management wollte dieses Zeitfenster nutzen, um Evatec für die nächste Wachstumsphase aufzustellen. Gleichzeitig setzte es einen aussergewöhnlich ambitionierten Termin: Zwischen Vertragsunterzeichnung und Go-live lagen gerade mal zehn Monate.

In dieser Zeit mussten Geschäftsprozesse definiert, Stammdaten aufbereitet, Rollen und Berechtigungen festgelegt, Schnittstellen aufgebaut, Daten migriert, Tests durchgeführt und Anwender geschult werden. Externe Spezialisten ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ùen Evatec bei Design, Konfiguration, Migration, Testing und Cutover. Nach dem Go-live folgten sechs Monate Hypercare .

Das Projekt war deshalb keine Systemeinführung im engeren Sinn. Praktisch alle operativen Bereiche waren betroffen: Finanzen, Verkauf, Einkauf, Produktion und Projektgeschäft.

Standardisierte Prozesse durch Cloud ERP in der Public Edition

Evatec entschied sich für Â鶹ԭ´´ Cloud ERP Public Edition als zentralen operativen Kern. Ausschlaggebend waren die internationale Ausrichtung, die Abdeckung durchgängiger Geschäftsprozesse und der Plattformgedanke. Die Lösung sollte nicht nur aktuelle Anforderungen erfüllen, sondern auch die Basis für die weitere Digitalisierung bilden.

Mit der Public Cloud entschied sich Evatec bewusst gegen eine neue Generation umfangreicher Eigenentwicklungen. Â鶹ԭ´´ gibt zahlreiche Standards vor und begrenzt Anpassungen im Kern. Gerade darin sieht Wenger einen Vorteil: «Alles, was man selbst baut, erzeugt Aufwand, Risiken und Bruchstellen. Jede Schnittstelle kann zu Problemen führen, wenn sie nicht standardisiert ist.»

Evatec orientiert sich deshalb am Clean-Core-Prinzip. Der digitale Kern soll möglichst standardnah bleiben; notwendige Erweiterungen werden gezielt ausserhalb des ERP-Kerns umgesetzt. Statt das System an jede bisherige Arbeitsweise anzupassen, definierte das Unternehmen verbindliche Prozesse, die über Funktionen und Länder hinweg gelten.

Damit waren auch betriebswirtschaftliche Fragen verbunden: Welche Prozessvarianten sind tatsächlich nötig? Wo lassen sich Abläufe vereinheitlichen? Wer trägt die Verantwortung für einen Prozess oder einen Datensatz? Aus der ERP-Einführung wurde so eine umfassende Business-Transformation.

Klare Prozesse, mehr Sicherheit und Transparenz

Die Standardisierung verlangte von den Mitarbeitenden oft ein Umdenken. In der früheren Umgebung konnten einzelne Schritte umgangen, Angaben frei erfasst oder Fehler nachträglich manuell korrigiert werden. Im neuen System müssen Buchungen vollständig erfolgen, Rollen eingehalten und Prozessschritte nachvollziehbar dokumentiert werden.

«Unser Prozess war früher teilweise einfacher», sagt Wenger. «Heute gibt es einen Prozess, an den man sich halten muss. Für das Business wurde es nicht zwingend einfacher, wohl aber transparenter und steuerbarer.»

Der Nutzen zeigt sich besonders im Controlling. Materialentnahmen, Rückbuchungen, Produktionsleistungen, Einkaufskosten, Installationsaufwand und Garantieleistungen können heute einem Projekt zugeordnet werden. Fehlerhafte oder unplausible Buchungen werden sichtbar, statt in manuellen Korrekturen zu verschwinden.

Evatec kann damit ein im Ausland verkauftes und installiertes System gemeinsam mit späteren Service- und Garantieprojekten analysieren. Die einzelnen Phasen lassen sich getrennt oder über den gesamten Lebenszyklus betrachten. Das ergibt ein realistischeres Bild der Projektmarge und schafft eine belastbarere Grundlage für Kalkulation und Steuerung.

Der nächste Schritt führt vom Rückblick zum Forecasting. Sobald über einen längeren Zeitraum qualitativ gute Daten vorliegen, will Evatec untersuchen, wie Produkttyp, Marktregion, Installationsaufwand oder Garantieleistungen die Profitabilität beeinflussen. Damit könnte das Unternehmen nicht nur erklären, was ein Projekt gekostet hat, sondern künftige Margen genauer prognostizieren.

Technisch erfolgreich, organisatorisch fordernd

Trotz des hohen Tempos gelang der Go-live ohne Betriebsunterbruch. Produktion, Einkauf, Verkauf und Finanzprozesse liefen weiter. In den ersten Monaten mussten dennoch zahlreiche Fragen geklärt, Berechtigungen angepasst, Prozesslücken geschlossen und Anwender ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù werden.

Die mehrmonatige Hypercare-Phase war deshalb ein fester Bestandteil des Programms. Heute läuft die Lösung stabil. Verantwortung und Know-how werden schrittweise vom Implementierungspartner an interne Teams übergeben. Gleichzeitig entstehen Support-Strukturen, Governance-Regeln und ein Backlog für kontinuierliche Verbesserungen.

Rückblickend würde Wenger vor allem mehr Zeit in die organisatorische und datenbezogene Vorbereitung investieren. «Zwölf Monate Realisierung sind realistisch, wenn die Firma bereit ist. Alles darunter ist machbar, aber es tut weh.»

Von der Systemlandschaft zur KI-Plattform

Mit dem stabilen ERP-Betrieb ist die Transformation nicht abgeschlossen. Â鶹ԭ´´ S/4HANA Cloud bildet den Kern einer umfassenderen Architektur. Mit Â鶹ԭ´´ Datasphere, Bestandteilder Â鶹ԭ´´ Business Data Cloud, will Evatec Informationen aus Â鶹ԭ´´- und Umsystemen semantisch verbinden. Â鶹ԭ´´ SuccessFactors ergänzt die HR-Prozesse, eine stärker integrierte CRM-Umgebung soll folgen.

Â鶹ԭ´´ LeanIX ist als Architektur-Backbone vorgesehen. Damit sollen Anwendungen, Schnittstellen und Abhängigkeiten transparent dokumentiert werden. Â鶹ԭ´´ Signavio ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù die Abbildung und Weiterentwicklung der Prozesse. Ziel ist eine integrierte Landschaft, in der weniger Brüche entstehen und Veränderungen in Systemen und Prozessen nachvollziehbar bleiben.

Parallel dazu schafft Evatec zugleich die Voraussetzungen für künstliche Intelligenz. Das Unternehmen testet Funktionen rund um Â鶹ԭ´´ Joule, Embedded AI und agentenbasierte Anwendungen, geht bei der Freigabe für Endanwender jedoch vorsichtig vor.

«Wenn ein KI-Agent über Daten läuft, die nicht stimmen, entsteht im besten Fall Verwirrung und im schlimmsten Fall ein Fehler», warnt Wenger. Datenqualität ist deshalb keine technische Vorarbeit, die irgendwann abgeschlossen ist, sondern ein strategischer Erfolgsfaktor.

Der Weg von der Analyse zur Automation

Ein erster konkreter Anwendungsfall betrifft die rund 200’000 Artikel im System. Diese Datenmenge lässt sich nicht mehr vollständig manuell prüfen. Ein KI-Agent könnte Muster erkennen und Datensätze markieren, deren Klassifikation, Einheit oder Merkmale nicht zu vergleichbaren Artikeln passen. Die KI soll dabei zunächst nicht selbstständig korrigieren, sondern Verantwortliche gezielt auf mögliche Fehler hinweisen.

Langfristig liegt der grössere Nutzen für Wenger in der Automatisierung von Prozessschritten. KI soll nicht nur Informationen über verschiedene Anwendungen hinweg finden, sondern auf Basis verlässlicher Daten, Regeln und Berechtigungen selbstständig Aktionen im System auslösen.

Die Â鶹ԭ´´-Einführung hat Evatec damit nicht einfach ein neues ERP-System gebracht. Sie hat Prozesse verbindlicher gemacht, die Transparenz über das weltweite Projektgeschäft erhöht und eine gemeinsame Datenbasis geschaffen. Der Preis dafür war ein aussergewöhnlich intensives Transformationsprogramm. Doch genau diese Grundlage soll nun den nächsten Entwicklungsschritt ermöglichen: bessere Prognosen, weniger Brüche und einen kontrollierten, wirtschaftlich sinnvollen Einsatz von KI.

Bild: Hauptsitz von Evatec in der Schweiz (Copyright Evatec)

The post Vom ERP-Projekt zur intelligenten Datenplattform appeared first on Â鶹ԭ´´ News Center.

Um erneut Menschen auf den Mond zu bringen â€“ und die Grundlage für eine dauerhafte Besiedelung von Planeten zu schaffen â€“, müssen Tausende von Menschen, mehrere Regierungsbehörden, internationale Partner, kommerzielle Anbieter und äußerst komplexe Systeme mit höchster Präzision zusammenarbeiten.

Bei der Â鶹ԭ´´ NOW in Washington, D.C., gewährte Dr. Lori Glaze, Associate Administrator des Human Spaceflight Mission Directorate der NASA, den Teilnehmenden Einblick in das Artemis-Programm und die operative Disziplin, die für den Erfolg der jüngsten Mondmission ausschlaggebend war. Später unterhielt ich mich mit Dr. Glaze darüber, wie sich Komplexität bewältigen lässt, wie Dynamik aufrechterhalten werden kann und wie sich durch den Einsatz neuer Technologien erfolgreiche Ergebnisse erzielen lassen.

Die Diskussion lieferte Erkenntnisse, die weit über die Weltraumforschung hinausgehen. Einrichtungen des öffentlichen Sektors und Unternehmen, die eigene Transformationsinitiativen in Angriff genommen haben, können am Beispiel der NASA lernen, wie sich ehrgeizige Ziele erreichen lassen: indem Schritt für Schritt Systeme und Funktionen getestet, fundierte Entscheidungen getroffen und Teams koordiniert werden.

Den Erfolg einer Mission als Impuls für die nächste nutzen

Das Artemis-Programm der NASA besteht aus aufeinanderfolgenden Missionen, bei denen Funktionen getestet und Erkenntnisse für die jeweils nächste Mission gewonnen werden.

Bei der 2022 abgeschlossenen und noch unbemannten Mission Artemis I wurden die Trägerrakete SLS (Space Launch System) und die Orion-Raumkapsel erfolgreich getestet. Artemis II baute auf dieser Grundlage auf: Im Rahmen des ersten bemannten Flugs des Programms brach im April 2026 eine vierköpfige Crew zu einer rund zehntägigen Reise auf, bei der sie den Mond umrundete.

Im Verlauf der Mission testete die Besatzung die Lebenserhaltungs- und Manövriersysteme der Orion-Kapsel, entfernte sich weiter von der Erde als je ein Mensch zuvor, führte wissenschaftliche Beobachtungen durch und trat mit einer Geschwindigkeit von bis zu 38.400 Kilometern pro Stunde sicher wieder in die Erdatmosphäre ein.

Ziel der Mission war es jedoch nicht nur, die bisherigen Rekorde zu brechen. Jede Beobachtung, jeder Test und jede operative Entscheidung lieferte Informationen, die die NASA bei zukünftigen Missionen nutzen kann.

„Jeder Testflug in diesem Programm bildet den Ausgangspunkt für die nächsten Schritte unserer Mission“, berichtete Dr. Glaze.

Die NASA bereitet nun die Mission Artemis III vor, die 2027 starten soll. Bei der Mission werden wichtige Annäherungs- und Dockingmanöver zwischen der Orion-Kapsel und den von den Raumfahrtunternehmen Blue Origin und SpaceX entwickelten Mondlandefähren getestet. Diese Tests sollen dazu beitragen, Risiken weiter zu mindern, bevor mit Artemis IV 2028 erstmals wieder eine bemannte Mission auf dem Mond landen soll.

Aus diesem schrittweisen Vorgehen lässt sich ein wichtiges Prinzip für die Unternehmenstransformation ableiten: Um wirkliche Fortschritte zu erzielen, müssen nicht alle zukünftigen Herausforderungen schon heute bewältigt werden. Vielmehr geht es darum, die einzelnen Meilensteine so zu definieren, dass Annahmen überprüft und Risiken gemindert werden können und eine solide Grundlage für die nächste Entscheidung geschaffen wird.

Zusätzlicher Schub durch Standardisierung

Geschwindigkeit wird häufig mit schneller Bewegung gleichgesetzt. Bei der NASA bedeutet Geschwindigkeit auch, die Zahl der überflüssigen Neuentwicklungen zu verringern.

Dr. Glaze führte aus, dass ein vorrangiges Ziel der Raumfahrtbehörde darin bestehe, die Architektur für zukünftige Artemis-Missionen zu standardisieren. In der Weltraumforschung werden zwar häufig völlig neue Systeme und Komponenten entwickelt, doch ebenso wichtig sind für die NASA wiederverwendbare Systeme und Prozesse zur Unterstützung regelmäßiger Missionen.

„Wir wollen diese Missionen immer wieder durchführen und müssen deshalb unsere Architektur standardisieren“, erläuterte sie. Die Standardisierung macht Innovationen nicht überflüssig, sondern sie schafft eine solide Grundlage, die schnellere Innovationen ermöglicht.

Bei der NASA kommen zur Unterstützung der komplexen Systeme sehr unterschiedliche Technologien zum Einsatz, darunter auch Lösungen von Â鶹ԭ´´. Doch Technologie allein führt eine Mission wie Artemis noch nicht zum Erfolg. Ausschlaggebend dafür ist, wie effektiv eine Technologie Menschen, Prozesse, Informationen und Entscheidungen, die einem gemeinsamen Ziel dienen, miteinander verbinden kann.

Und genau das ist auch für Unternehmen wichtig, die ihre Systeme für das Finanz- und Personalwesen, die Beschaffung, die Lieferkette und die operativen Systeme modernisieren. Wenn Informationen und Prozesse über verschiedene Plattformen hinweg verteilt und voneinander isoliert sind, müssen Teams viel Zeit dafür aufwenden, Daten abzugleichen, zwischen Anwendungsoberflächen zu wechseln und Entscheidungen nachzuvollziehen.

Mit einem vernetzten digitalen Fundament lassen sich diese Reibungsverluste verringern. Es schafft eine gemeinsame operative Grundlage, die es Unternehmen ermöglicht, bewährte Prozesse zu skalieren, neue Funktionen einzuführen und sich an Veränderungen anzupassen, ohne Abläufe und Strukturen jedes Mal vollständig neu zu gestalten.

Komplexität macht schnellere, fundierte Entscheidungen erforderlich

Das Artemis-Programm hat gewaltige Dimensionen.

Die NASA muss Trägerraketen, Raumfahrzeuge, Lander, Raumanzüge, wissenschaftliche Instrumente, Kommunikationssysteme, Logistikabläufe, Personal, Budgets, beauftragte Firmen und internationale Partner koordinieren. Für jedes Element gibt es einen eigenen Zeitplan sowie eigene Abhängigkeiten und Risiken â€“ und am Ende muss alles genau zum richtigen Zeitpunkt zusammengebracht werden.

Laut Dr. Glaze möchte die NASA Entscheidungsprozesse optimieren, indem bei der Entwicklungsarbeit unmittelbar auf das benötigte Fachwissen zurückgegriffen werden kann. Hierzu werden Auftragnehmer und Zulieferer direkt von Fachexperten ³Ü²Ô³Ù±ð°ù²õ³Ùü³Ù³ú³Ù, sodass Probleme schneller identifiziert, analysiert und behoben werden können. Ziel ist es, Erkenntnisse schneller in Maßnahmen umzusetzen.

Diese Herausforderung kennen auch andere Behörden. Häufig haben Führungskräfte Zugriff auf sehr umfangreiche Informationen, jedoch keine einheitliche Sicht darauf, in welchen Bereichen es Veränderungen gibt oder der Druck steigt und welche Maßnahmen am wirksamsten sind.

Dr. Glaze sieht darin eines der vielversprechendsten Anwendungsszenarien für künstliche Intelligenz: Teams bei der Verarbeitung riesiger Datenmengen zu unterstützen, den Status über komplexe Programme hinweg zu überblicken und die Bereiche mit Handlungsbedarf zu ermitteln.

Unternehmen haben durch den Einsatz von KI die Möglichkeit, von Systemen, die in erster Linie die Vergangenheit dokumentieren, auf Systeme umzustellen, mit denen sich Bedingungen auswerten, Risiken antizipieren und geeignete Folgemaßnahmen unterstützen lassen.

Autonome Systeme müssen menschlichen Fähigkeiten ergänzen

Die NASA setzt autonome Technologien nicht nur für administrative Prozesse ein.

Roboterfahrzeuge zur Mond- und Mars-Erkundung können das Gelände analysieren, sicherere Erkundungswege auswählen, wissenschaftliche Untersuchungen planen, die Kommunikation steuern und Gefahren ohne großes Eingreifen des Bodenpersonals vermeiden. KI kann Forschende auch bei der Analyse der riesigen Mengen an wissenschaftlichen Daten unterstützen, die bei den Missionen der NASA erzeugt werden, sodass sie sich gezielt den wichtigsten Entdeckungen widmen können.

Diese Möglichkeiten verdeutlichen einen wichtigen Aspekt: Autonomie bedeutet nicht zwangsläufig, dass bei den Missionen weniger Menschen benötigt werden. Vielmehr kann Technologie komplexe Abläufe in großem Maßstab steuern â€“ in einer Geschwindigkeit, die es den Menschen ermöglicht, bessere Entscheidungen zu treffen.

Dieses Prinzip gilt auch für das autonome Unternehmen. Integrierte KI kann Routineprozesse koordinieren, Probleme frühzeitig erkennen und Vorschläge für geeignete Maßnahmen unterbreiten, während die Mitarbeitenden weiterhin für die Beurteilung, Kontrolle und Ergebnisse verantwortlich sind.

Ehrgeizige Ziele durch Partnerschaften umsetzen

Um die Artemis-Mission zum Erfolg zu führen, müssen viele Unternehmen zusammenarbeiten.

Die Architektur der NASA bringt Teams aus unterschiedlichen Behörden, Unternehmen der Raumfahrtindustrie, traditionelle Flugzeughersteller, internationale Weltraumorganisationen, wissenschaftliche Einrichtungen und militärische Partner zusammen. Sie alle bringen bestimmte Fähigkeiten in die Mission mit ein.

Für Artemis III arbeitet die NASA mit Blue Origin und SpaceX bei der Entwicklung von Mondlandefähren zusammen. Das Raumschiff Orion enthält ein Servicemodul der Europäischen Weltraumorganisation. Bei zukünftigen Missionen zur Erkundung des Mondes sollen auch Mobilitätssysteme, Habitate, wissenschaftliche Instrumente und Infrastruktur zum Einsatz kommen, die im Rahmen weiterer öffentlich-privater und internationaler Partnerschaften entwickelt werden.

Dieses Partnernetz agiert nicht parallel zur Mission, sondern ist ihr Dreh- und Angelpunkt.

Für die Transformation von Einrichtungen des öffentlichen Sektors können im Rahmen von Partnerschaften die speziellen Fachkenntnisse und Innovationen bereitgestellt werden, die ein einzelnes Unternehmen allein nicht entwickeln könnte. Erfolgreiche Partnernetze beruhen jedoch nicht nur auf der Vergabe von Aufträgen an externe Partner. Ebenso wichtig sind gemeinsame Ziele, klar definierte Verantwortlichkeiten, verlässliche Informationen und Mechanismen für koordinierte Entscheidungen.

Vertrauen schafft die Voraussetzungen dafür, Großes zu erreichen

Bei der Frage, welches ihr wichtigste Ratschlag für Führungskräfte ist, musste Dr. Glaze nicht lange nachdenken: sich mit intelligenten Menschen umgeben und ihnen vertrauen. „Diese Dinge schafft man nicht im Alleingang“, erklärte sie. „Es braucht viele Tausend Menschen, um Großes zu erreichen.“

Technologien, Architekturen und Prozesse spielen eine wichtige Rolle. Sie sind jedoch kein Ersatz für Teams, die mit den Details der Mission vertraut sind und Entscheidungen umsetzen können.

Der Fortschritt der NASA bei der Durchführung des Artemis-Programms zeigt, was möglich wird, wenn eine kühne Vision diszipliniert umgesetzt wird. Die Raumfahrtbehörde testet Systeme, bevor sie skaliert werden, setzt auf Standardisierung, wo es möglich ist, und bindet Fachexperten stärker in Entscheidungsprozesse ein. Sie nutzt Technologie, um menschliche Fähigkeiten zu ergänzen, und baut ein Partnernetz auf, das gemeinsam auf eine klar definierte Mission hinarbeitet.

Ob es um die Rückkehr zum Mond, die Modernisierung einer Behörde oder die Transformation eines globalen Unternehmens geht â€“ das Grundprinzip ist stets dasselbe: Die ehrgeizigsten Ziele lassen sich dann erreichen, wenn Menschen, Daten, Prozesse und Partner die Umsetzung gemeinsam vorantreiben.

Jamison Braun ist Senior Vice President und Managing Director für U.S. Public Services bei Â鶹ԭ´´ America.

The post Was Führungskräfte von der NASA für die Transformationen ihres Unternehmens lernen können appeared first on Â鶹ԭ´´ News Center.