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

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

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

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

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

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

Servicebereitstellung im KI-Zeitalter

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

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

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

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

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

Wie Kunden auf ihrem Weg zum autonomen Unternehmen KI einsetzen

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

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

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

• Messbarer ROI: Kunden erwarten, dass der Einsatz von KI über die reine Innovation hinaus messbare Auswirkungen hat. Im Rahmen der Success Plans legt die �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 Überwachung, KI-gestützte Ursachenanalyse, automatisierte Behebung von Ausnahmen und autonome Ausführung genehmigter Aktionen ein. Dadurch wird die Problemlösung beschleunigt, während zugleich der manuelle Aufwand minimiert wird. Das Unternehmen konnte die Effizienz seiner Abläufe um bis zu 80��% steigern und die Rate der fristgerechten Lieferantenzahlungen um 25��% verbessern. Dies hat nicht nur optimierte Geschäftsprozesse, sondern auch eine bessere Zusammenarbeit mit Lieferanten zur Folge.
• Governance ist unverzichtbar: KI-Governance liegt nicht mehr nur in der Verantwortung der IT-Abteilung. Sie ist vielmehr ein strategischer Erfolgsfaktor. Denn inzwischen nehmen Führungskräfte aus dem gesamten Unternehmen Einfluss auf den Einsatz von KI. Sie haben erkannt, dass Vertrauen die Grundlage für die unternehmensweite Akzeptanz ist. Führende Unternehmen investieren nicht nur in KI-Innovationen, sondern parallel dazu auch in KI-Governance, da für eine nachhaltige Ausweitung der KI-Nutzung beide Bereiche eine wichtige Voraussetzung sind.

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

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

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

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

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

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

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

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

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

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

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

• Eine Kultur der kontinuierlichen Anpassung fördern: Die KI-Landschaft wird sich rasant weiterentwickeln. Kunden, die die Einführung von KI als kontinuierliche Transformation begreifen, sind besser gerüstet, um Innovationen voranzubringen, sich an neue Anforderungen anzupassen und eine resiliente Grundlage für das autonome Unternehmen zu schaffen.
• Auf KI-fähige Teams und Betriebsmodelle setzen: Da Aufgaben der Servicebereitstellung zunehmend von Menschen und intelligenten Agenten gemeinsam wahrgenommen werden, muss für Teams klar nachvollziehbar sein, welche Aufgaben automatisiert sind, bei welchen Schritten menschliches Urteilsvermögen gefragt ist und wie sie bei Ausnahmen eingreifen können. Die Vermittlung von KI-Kompetenzen sowie die Schulung in neuen Prozessen und Methoden der Zusammenarbeit sind eine entscheidende Voraussetzung dafür, dass Unternehmen größtmöglichen Nutzen aus Agentic AI ziehen können.
• Gemeinsame Ergebnisse, Governance-Strukturen und Arbeitsweisen frühzeitig abstimmen: Eine erfolgreiche KI-gestützte Servicebereitstellung erfordert eine klare Abstimmung zwischen Kunden, der �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 �鶹ԭ��.
Julia Kloppenburg ist Technologieberaterin für Customer Engagement & Adoption bei der �鶹ԭ�� SE.
Benedikt Gieger ist Product Strategy and AI Lead in Digital Manufacturing bei der �鶹ԭ�� SE.

The post Die Zukunft der Servicebereitstellung im KI-gesteuerten Unternehmen appeared first on �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 �鶹ԭ�� Connect 2026 stellte die �鶹ԭ�� neue Funktionen vor, die dazu beitragen sollen, diese Lücken zu schließen. Hierzu zählen: , ein neuer, in �鶹ԭ�� Cloud ERP integrierter Zahlungsservice, �鶹ԭ�� Enterprise Financial Consolidation, eine neue Ergänzung des �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 �鶹ԭ�� in Zahlungsdienste über , eine hundertprozentige �鶹ԭ��-Tochtergesellschaft, die Anfang dieses Jahres gegründet wurde. Da Tereina ein regulierter Zahlungsdienstleister ist, kann �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 unterstützt EFT, Überweisungen, Schecks und Bezahlungen über Stable Coins für grenzüberschreitende Transaktionen. Im weiteren Sinne bietet �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.

�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 �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 �鶹ԭ��-Systeme, ein paar �鶹ԭ��-fremde Systeme – bietet �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 �鶹ԭ�� Connect hat die �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 �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 �鶹ԭ�� Unternehmen bei der Modernisierung von Finanzprozessen in ERP, Planung, Treasury, Zahlungen und Buchhaltung unterstützt, finden Sie unter ��

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

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

Sie benötigen Gewissheit, dass das Unternehmen für die vorgeschlagenen Maßnahmen haftet und dass sensible Daten geschützt und Menschen fair behandelt werden. Mit ethischer KI-Implementierung lässt sich diese Kluft überbrücken. Wenn ein System technisch robust ist, rechtlich konform und ethisch gesteuert wird, können Kunden, Partner und Mitarbeitende es mit Zuversicht nutzen statt ihm mit Vorsicht zu begegnen.

Die �鶹ԭ�� hat ihre aktualisiert und dabei die rasante Entwicklung der KI-Landschaft berücksichtigt. Die Überarbeitung basiert auf ausführlichen Interviews mit mehr als 50��internationalen Experten. Die neue Version spiegelt konkrete Änderungen wider, die vorgenommen wurden, um die ethischen Schutzmaßnahmen, die Rechenschaftspflicht und die Sicherheitsvorkehrungen bei der Einführung von KI in Unternehmen zu stärken, wobei auf die tatsächlichen Bedenken von Führungskräften eingegangen wird und nicht nur auf deren Wahrnehmung.

Unser Ansatz für KI basiert auf drei Wörtern: relevant, zuverlässig und verantwortungsvoll. Für die �鶹ԭ�� ist ethischer Einsatz kein regulatorisches Häkchen oder eine Marketing-Ebene; er ist das Fundament, das das autonome Unternehmen erst möglich macht, in dem intelligente Agenten komplexe Arbeitsabläufe koordinieren und ausführen, während Menschen die volle Kontrolle behalten.

Die drei Säulen verantwortungsvoller KI bei �鶹ԭ��

Ethik steht im Mittelpunkt der Ziele der �鶹ԭ�� zur Verbesserung der sozialen Nachhaltigkeit. Und verantwortungsvolle KI erfordert das Zusammenspiel von drei Bereichen, die nicht isoliert betrachtet werden sollten:

1. Ethik – Definition unserer Werte. Wir legen klare moralische Grenzen dafür fest, wie Technologie der Menschheit nutzen soll.
2. Sicherheit – Schutz unserer Systeme und Daten. Wir schützen wichtige Unternehmensinformationen vor den immer zahlreicheren Cyberbedrohungen und Sicherheitslücken.
3. Compliance – Gewährleistung der Einhaltung gesetzlicher Vorschriften. Wir bereiten uns proaktiv auf rechtliche Vorgaben wie die KI-Verordnung der EU vor.

Gemeinsam helfen sie Teams dabei, zu beurteilen, ob ein KI-Anwendungsfall weiterverfolgt werden sollte, welche Schutzmaßnahmen erforderlich sind und wer nach der Implementierung für dessen Leistung verantwortlich ist. So wird sichergestellt, dass bei der Automatisierung von Geschäftsprozessen die Menschenwürde, Fairness und Handlungsfreiheit gewahrt bleiben.

Ethik bildet die Grundlage für das autonome Unternehmen

Da KI sich von der Unterstützung von Menschen zum Handeln in ihrem Namen verlagert, wird die Governance-Frage dringlicher. Das autonome Unternehmen stellt einen grundlegenden Wandel dar. KI-Agenten geben nicht mehr nur Empfehlungen ab, sondern führen Geschäftsprozesse eigenständig aus – von der Finanzwirtschaft über die Lieferkette und Beschaffung bis hin zum Personalmanagement und Kundenerlebnis. Vorstandssprecher Christian Klein sagte: „Für die erfolgsentscheidenden Geschäftsprozesse unserer Kunden ist ‚fast richtig‘ einfach nicht gut genug.“

Genau deshalb dürfen Ethik und Governance bei autonomen KI-Systemen nicht als nachträgliche Ergänzung hinzugefügt werden. Sie müssen die Grundlage bilden, auf der diese Systeme operieren. Jede Aktion, die ein �鶹ԭ��-KI-Agent ausführt, wird protokolliert und ist nachverfolgbar. Auf diese Weise können Unternehmen stets nachvollziehen, welche Maßnahmen ein Agent ergriffen hat, aus welchen Gründen er dies getan hat und welche Daten er verwendet hat. Autonomie ohne diese Grundlage ist lediglich ein Experiment. Autonomie, die auf dieser Grundlage aufbaut, ist dagegen ein Betriebsmodell, mit dem Unternehmen Vertrauen im großen Stil aufbauen können.

Prinzipien in die Praxis umsetzen

Die globale KI-Ethik-Richtlinie von �鶹ԭ�� basiert auf der UNESCO-Empfehlung zur Ethik der künstlichen Intelligenz und regelt die Entwicklung, den Einsatz, die Nutzung und den Verkauf aller KI-Systeme im gesamten Unternehmen. Das aktualisierte KI-Ethik-Handbuch von �鶹ԭ�� setzt diese Grundsätze in die tägliche Praxis um. Es bietet Entwicklungs- und Produktteams eine zentrale Orientierungshilfe zur Anwendung der Leitprinzipien der Richtlinie – von Fairness und Diskriminierungsfreiheit bis hin zu menschlicher Kontrolle und Nachhaltigkeit.

Um die Lücke zwischen allgemeinen Prinzipien und der täglichen Entwicklungsarbeit zu schließen, verankert �鶹ԭ�� strenge Prüfpunkte in den Produktentwicklungsprozess:

• Obligatorische Folgenabschätzung im Hinblick auf KI-Ethik: Jeder KI-Anwendungsfall bei �鶹ԭ�� muss vor der Umsetzung einer rigorosen Bewertung unterzogen werden, die auf zehn KI-Ethik-Prinzipien basiert. Die Anwendungsfälle erhalten eine Risikoeinstufung, und das AI Ethics Office von �鶹ԭ�� unterstützt die Produktteams bei der Umsetzung von Schutzmaßnahmen. Je nach Risikopotenzial durchlaufen bestimmte Anwendungsfälle mehrere Überprüfungsschritte und können an den globalen KI-Ethik-Lenkungsausschuss von �鶹ԭ�� eskaliert werden, der die endgültige Entscheidung trifft.
• Menschliche Kontrolle im Design verankert:
• Interne Verantwortung: Compliance ist bei �鶹ԭ�� nicht verhandelbar. Alle Mitarbeitenden erkennen die Richtlinie an, und die Regeln gelten universell – auch für interne, eigenentwickelte KI-Anwendungen, die mit Tools wie Hyperspace AI oder Claude Code erstellt werden.

Diese Vorgehensweise schafft klare Leitplanken, die für alle �鶹ԭ��-Stakeholder, einschließlich Kunden und Mitarbeitende,��transparent sind.

Branchenführend im Bereich KI-Governance

Die Forderung nach transparenter Governance ist drängend. Unabhängige Studien zeigen: Weltweit sind viele Unternehmen noch nicht ausreichend vorbereitet. Eine , bei der 2.972 Unternehmen unter die Lupe genommen wurden, kam zu dem Schluss: Nur 12,4 Prozent der Unternehmen – darunter �鶹ԭ�� – verfügen über eine explizite Richtlinie, die menschliche Kontrolle bei KI-Systemen garantiert.

Die Führungsrolle der �鶹ԭ�� im Bereich ethische KI wird international gewürdigt. Im Bericht der wird das Unternehmen als Vorreiter hervorgehoben. Darüber hinaus beteiligt sich die �鶹ԭ�� bei der des Weltwirtschaftsforums. Diese Initiative wird von der Global Alliance for Social Entrepreneurship in Zusammenarbeit mit der Schwab Foundation geleitet. Die �鶹ԭ�� arbeitet gemeinsam mit führenden Technologieunternehmen und sozialen Innovatoren daran, künstliche Intelligenz verantwortungsvoll einzusetzen. Dadurch sollen die positiven Auswirkungen von KI voll ausgeschöpft werden und auch Organisationen, die die komplexesten Herausforderungen der Welt angehen, von dieser Technologie profitieren können.

Richtet man den Blick auf die gesamte Branche, wird deutlich, dass es noch viel zu tun gibt. Den Daten des zufolge, haben nur 36 Prozent der befragten Unternehmen eine dedizierte oder integrierte KI-Richtlinie etabliert. zeichnet ein ähnliches Bild: Gerade mal 27 Prozent der globalen Unternehmen berücksichtigen derzeit ihren KI-Fußabdruck in ihrer Nachhaltigkeitsstrategie, eine erhebliche Lücke angesichts des steigenden Energiebedarfs von KI-Rechenzentren.

Weichen für nachhaltiges Wachstum stellen

Ethische KI geht über Risikominderung und Regelkonformität hinaus. Sie schafft die Voraussetzungen für spürbaren wirtschaftlichen Mehrwert. Indem Unternehmen Fairness, Transparenz und zuverlässigen Datenschutz gewährleisten, schützen sie ihren Ruf und ermöglichen ihren Mitarbeitenden, ihre volle Leistung zu entfalten.

Wenn die KI routinemäßige Geschäftsprozesse in einem ethischen Kontext koordiniert, ausführt und optimiert, werden Mitarbeitende von manuellen Aufgaben entlastet und können sich stattdessen auf strategische Fragen, kreative Lösungen und zwischenmenschliche Beziehungen konzentrieren. Diese Synergie zwischen menschlichem Potenzial und künstlicher Intelligenz bildet das Rückgrat für langfristiges Unternehmenswachstum.

Unternehmen, Organisationen, die dies erkennen, sichern sich Vorteile für die Zukunft, denn die Vorschriften werden strenger und die gesellschaftlichen Erwartungen steigen. Doch ethische KI kann nur Wirklichkeit werden, wenn wir zusammenarbeiten. Wir freuen uns darauf, weiterhin mit unseren Kunden und Partnern zusammenzuarbeiten. Gemeinsam meistern wir eine der wichtigsten Herausforderungen und Wettbewerbsvorteile im Zeitalter der künstlichen Intelligenz.

Lesen Sie die Erfahren Sie mehr über das

Matthias Medert ist Global Head of Sustainability bei �鶹ԭ��.

The post Die Lücke in der KI-Governance: Warum verantwortungsvolle KI die Akzeptanz fördert appeared first on �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 �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: �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 �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 �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 Folge��13 erklärte Uma Rani, President und Chief Product Officer für �鶹ԭ����Cloud 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 Folge��1 aus, wie sich die auf der �鶹ԭ����Sapphire präsentierte Vision in der Praxis umsetzen lässt. Und Manoj Swaminathan gab in Folge��3 ausführlichen Einblick in die Architektur der ��– 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 �鶹ԭ��, zeigte in Folge 4 auf, wie �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 �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 �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’ �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 Folge��9 schilderte Sindhu Gangadharan, Managing Director der �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 Folge��11, 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 �鶹ԭ�� EMEA, zeigte in Folge��5 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 �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 �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 �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 �鶹ԭ�� SE.
Julia Kloppenburg ist Technologieberaterin für Customer Engagement & Adoption bei der �鶹ԭ�� SE.

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

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

BERLIN – 27. Oktober 2026 – �鶹ԭ�� hat heute auf seiner jährlichen Entwicklerkonferenz �鶹ԭ����TechEd eine Reihe von KI-Innovationen bekannt gegeben, die das �鶹ԭ��-Portfolio für Entwickler erweitern. Erweiterungen der Joule-Lösungen und der �鶹ԭ�� Business AI Platform, einschließlich des neuesten Foundation Model für tabellarische Daten von �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 �鶹ԭ�� Business AI Platform versetzt Unternehmen in die Lage, KI-Lösungen zentral für �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. �鶹ԭ�� Business Data Cloud und der �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 �鶹ԭ��-Kunden ihre Daten. �鶹ԭ�� gibt keine Kundendaten an Dritte weiter, um große Sprachmodelle zu trainieren oder zu verbessern.

„Auf der �鶹ԭ�� TechEd präsentieren Entwickler seit jeher die neuesten Innovationen“, sagte Philipp Herzig, CTO der �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 �鶹ԭ��-Landschaft und darüber hinaus. Das ist die Neuerung, die wir in großem Maßstab bereitstellen. Die Basis von allem bildet die �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 �鶹ԭ��-Landschaften hinweg zuverlässiger auszuführen.
• Neue Funktionen im �鶹ԭ�� Knowledge Graph werden Daten aus zusätzlichen kundenindividuellen �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 �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, Überwachung, Nutzungsverfolgung und Auditing zusammenzuführen.
• Neuer Joule-Assistent und �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.

�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 Überblick 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 �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.

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

Der �鶹ԭ�� Business Data Cloud Ontology Manager in �鶹ԭ�� Business Data Cloud (BDC) wird eine KI-native Autorenumgebung für die Erstellung von Ontologien für �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 �鶹ԭ�� Knowledge Graph, der umfangreichen Geschäftskontext für �鶹ԭ��-Daten bereitstellt.

Darüber hinaus erweitert �鶹ԭ�� seine Lakehouse-Funktionen mit Dremio, unterstützt 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 �鶹ԭ�� Databricks in �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 �鶹ԭ�� Business Data Cloud, der neuen �鶹ԭ�� Application Data Foundation sowie einer Integration von Joule und Genie helfen �鶹ԭ�� und Databricks ihren Kunden dabei, ein unternehmensweites Lakehouse als Grundlage für das autonome Unternehmen und Joule Work zu etablieren.

Durch die Lösung �鶹ԭ�� Reltio, die kürzlich auf der �鶹ԭ�� Connect angekündigt wurde, wird �鶹ԭ�� BDC Stammdatenmanagement für mehrere Datenbereiche bieten. Die Lösung vereinheitlicht und ergänzt Kunden­, Lieferanten- und Produktdatensätze in �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

�鶹ԭ�� hat sein neuestes KI-Modell für tabellarische Daten, �鶹ԭ��-RPT-2.0, angekündigt, das über Klassifizierung und Regression hinausgehen wird. Es unterstützt 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 �鶹ԭ��-RPT-TS Kunden dabei helfen, Werte in zeitindizierten Geschäftskennzahlen für wichtige Prognose-Szenarien mit der Lösung �鶹ԭ�� Integrated Business Planning vorherzusagen, ohne dass kundenspezifisches maschinelles Lernen dafür erforderlich ist.

In Zusammenarbeit mit HPE hat �鶹ԭ�� auch die Implementierung von �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. �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 �鶹ԭ��-RPT hinter globalen Lieferketten kann auch im Weltraum funktionieren“, sagte Herzig. „Das tief verwurzelte, bewährte Know-how der �鶹ԭ�� hat dazu geführt, dass die Internationale Raumstation unser Tabular Foundation Model einsetzen wird, um potenzielle kritische Ausfälle in der Umlaufbahn vorherzusagen. Mit �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 �鶹ԭ�� die zentralen Systeme, mit denen Unternehmen ihre Geschäftsprozesse abwickeln. �鶹ԭ�� wird ein Portfolio von sofort einsatzfähigen Assistenten und Agenten in fünf branchenübergreifenden Bereichen anbieten, die alle auf der �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 �鶹ԭ��-Partnernetz bietet neue Funktionen für den laufenden Betrieb und die Erweiterung von Lösungen auf der �鶹ԭ�� Business AI Platform und unterstützt Kunden auf dem Weg zum autonomen Unternehmen. Auf der �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 �鶹ԭ��-Lösungserweiterungen mit , und die autonomen Funktionen für Kunden und helfen ihnen, ohne Übergaben zwischen Systemen ihre Kernprozesse durchgängig abzubilden.

Neben den angekündigten technischen Neuerungen unterstützt �鶹ԭ�� seine starke Entwicklergemeinde mit neuen Schulungen und Networking-Möglichkeiten. Zehntausende haben bereits vor der �鶹ԭ�� TechEd am teilgenommen, um neue Referenzarchitekturen kennenzulernen und sich in Tutorials und praktischen Übungen 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 �鶹ԭ��einformationen finden Sie im �鶹ԭ�� News Center. Erhalten Sie �鶹ԭ�� News auf und .  

Informationen zu �鶹ԭ��

Als weltweit führender Anbieter von Unternehmensanwendungen und Business AI steht �鶹ԭ�� (NYSE: �鶹ԭ��) an der Schnittstelle zwischen Unternehmen und Technologie. Seit über 50 Jahren vertrauen Unternehmen auf �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 �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 �鶹ԭ�� zum direkten Download.

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

Bitte beachten Sie unsere . Sie möchten keine �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 �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 �鶹ԭ��-Jahresberichts 2025 auf dem Formular 20-F.

© 2026 �鶹ԭ�� SE. Alle Rechte vorbehalten.
�鶹ԭ�� und andere in diesem Dokument erwähnte Produkte und Dienstleistungen von �鶹ԭ�� sowie die dazugehörigen Logos sind Marken oder eingetragene Marken der �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 �鶹ԭ�� revolutionieren die Entwicklung und Nutzung von Unternehmenssoftware appeared first on �鶹ԭ�� News Center.

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

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

• Fehlerbehebung und Sicherstellung der technischen Stabilität
• ���dz��貹�پ�����������ä�� 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 �鶹ԭ��-Partnernetzwerk an speziellen Lösungsangeboten.

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

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

Am 28. September wurde nicht nur die vorgestellt und die allgemeine Verfügbarkeit von NVIDIA OpenShell bekannt gegeben, sondern die �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 �鶹ԭ�� und NVIDIA wurde bereits auf der diesjährigen �鶹ԭ����Sapphire verkündet. Geplant ist, die �鶹ԭ����Business 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 �鶹ԭ��-Teams direkt zur Entwicklung der Codebasis von OpenShell bei und integrieren OpenShell in die �鶹ԭ����Business 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 unterstützt.

Weitere Ziele der Zusammenarbeit von �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 �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 unterstützt 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 �鶹ԭ��-Entwicklungsteams zu NVIDIA OpenShell

�鶹ԭ��-Entwicklungsteams tragen zu vier Bereichen des OpenShell-Projekts bei. Im Hinblick auf die Plattformarchitektur hat �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 �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 �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 �鶹ԭ�� im Oktober 2026 kostenlos verfügbar.

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

The post �鶹ԭ�� und NVIDIA OpenShell: Bessere Governance und mehr Sicherheit für überprüfbare KI-Agenten in Unternehmenssystemen appeared first on �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 – und Ausgabendaten müssen oft erst sorgfältig aufbereitet werden, bevor sie für Entscheidungen genutzt werden können.

Auf der �鶹ԭ�� Connect 2026 haben wir verschiedene Innovationen für �鶹ԭ�� Ariba, �鶹ԭ�� Fieldglass und �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 �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 �鶹ԭ�� veröffentlicht wurde, ist die digitale Transformation das wichtigste strategische Ziel von Beschaffungsorganisationen in den kommenden 18��Monaten. Ausschlaggebend dafür ist vor allem der Wunsch nach besseren Ausgabenanalysen, den 53��Prozent der befragten Führungskräfte äußerten. Diese Ergebnisse spiegeln den wachsenden Druck wider, Entscheidungsprozesse und den Nutzen für das Unternehmen zu verbessern.

Anfang des Monats gab �鶹ԭ�� die Verfügbarkeit von �鶹ԭ�� Ariba Spend Analysis and Insights bekannt. Mit der Lösung können Unternehmen nun Ausgabendaten aus �鶹ԭ�� Ariba, �鶹ԭ�� Fieldglass, �鶹ԭ�� Concur, �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 �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 �鶹ԭ�� Connect haben wir auch eine neue Partnerschaft mit Moody’s bekannt gegeben, in deren Rahmen wir die Überwachung 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 Überblick 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 �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 �鶹ԭ�� eine neue, gemeinsam mit ORO Labs entwickelte Lösungserweiterung an: �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 �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 �鶹ԭ��-Concur-Apps für den angekündigt, mit denen Unternehmen diesen Aufwand reduzieren können. �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 Überprüfung 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 �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 �鶹ԭ�� Spend Management.

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

Für öffentliche Institutionen kommt eine entscheidende Voraussetzung hinzu: Innovation muss mit Transparenz, Verantwortung und digitaler Souveränität vereinbar sein. �鶹ԭ�� verbindet dafür jahrzehntelange Prozesskompetenz mit Unternehmensanwendungen, Daten, KI und souveränen Cloud-Technologien. Wie diese Fähigkeiten zusammenspielen, macht S.Public erlebbar, das neue �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. �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 �鶹ԭ��-Kompetenz dahinter ist übertragbar: KI wird dort eingebettet, wo Mitarbeitende Informationen bewerten und Prozesse steuern. Statt isolierte Aufgaben zu automatisieren, unterstützt 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 �鶹ԭ�� Sovereign Cloud adressiert �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 �鶹ԭ�� in eine physisch erlebbare Umgebung. Besucher durchlaufen drei Sicherheitszonen: Administrations-, Kontroll- und Sperrzone. Sie erfahren unmittelbar, wie die operative Arbeitsumgebung der �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. �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 Übersicht. 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 �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 �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 �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 �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 �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 �鶹ԭ�� Business AI Platform stellt sicher, dass diese Antworten auf dem Kontext der Geschäftsabläufe des jeweiligen Unternehmens basieren.

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

Ebenfalls Teil der Plattform sind die �鶹ԭ�� Domain Models, die mit dem Code, den Datenmodellen und den Geschäftsprozessen von �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 �鶹ԭ�� Business Data Cloud greift Joule Work auf alle benötigten Daten in einer zentralen Quelle zu, die Silos auflöst und Daten aus �鶹ԭ��-Quellen und externen Quellen zusammenführt.

Ab sofort ist in �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 �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 �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 unterstützt.

Agenten entwickeln und Drittsysteme anbinden

Joule Work und die �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 �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 �鶹ԭ�� beseitigt die Komplexität. Wenn im Lager ein Problem auftritt, hilft uns die �鶹ԭ�� Business AI Platform dabei, das Problem in Sekundenschnelle zu lösen.

Florian Aufegger, Senior �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, unterstützt Unternehmen deshalb bei der Verwaltung aller Agenten, LLMs und MCP-Server in �鶹ԭ��- und Nicht-�鶹ԭ��-Umgebungen. Neue Funktionen wie �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 �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 �鶹ԭ�� Business AI Platform vereinbaren.

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

The post Joule Work und die �鶹ԭ�� Business AI Platform schaffen die Grundlage für die nächste Generation von Unternehmens-KI appeared first on �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 �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 �鶹ԭ�� Connect gab die �鶹ԭ�� bekannt, eine Vereinbarung zur Übernahme 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 �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 �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 �鶹ԭ�� 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 �鶹ԭ�� 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 �鶹ԭ�� SuccessFactors, und zu. Damit unterstützt 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 �鶹ԭ�� hat zwei neue, direkt in �鶹ԭ�� 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 Überwachungsfunktionen 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 �鶹ԭ�� 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 �鶹ԭ�� im Hinblick auf die Verknüpfung von Daten, Workflows und Prozessen im gesamten �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 �鶹ԭ��-SuccessFactors-Innovationen erfahren und sich informieren möchten, wie die �鶹ԭ�� Unternehmen auf ihrem Weg zu Autonomous HCM unterstützt, . 

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

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

Diese Ankündigungen bauen auf unserer Strategie für Autonomous CX auf, die wir auf der �鶹ԭ����Sapphire 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 �鶹ԭ�� Connect neu eingeführten Assistenten erweitern gemeinsam den auf der �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.

�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 �鶹ԭ�� eine hochgradig skalierbare, resiliente Omnichannel-Auftragskoordination in Echtzeit in �鶹ԭ����S/4HANA und anderen ERP-Systemen.

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

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

Indem sie �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 unterstützt 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 �鶹ԭ�� Engagement Cloud, Enterprise Edition, und �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 �鶹ԭ����Connect 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. �鶹ԭ����Order Management Services ermöglicht die Koordination von Aufträgen in komplexen ERP-Landschaften. Und die Cloud-ERP-Edition von �鶹ԭ����Commerce 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 �鶹ԭ����Connect, 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 �鶹ԭ�� CX.

The post KI ist in der Lage zu handeln��– doch kann Ihr Unternehmen damit Schritt halten? appeared first on �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.  

���Գٱ�Բ�����ä�� &�Բ�����;

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 Überwachung 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 �鶹ԭ�� ist , ein zentraler Arbeitsbereich für �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 �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. 

���DzԳٱ��� &�Բ�����;

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.“  

�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.  

�ʰ��Dz��ԴDz��� &�Բ�����;

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. �鶹ԭ��-RPT-1.5 und TabPFN 3 sind speziell für tabellarische Daten optimierte Modelle, die in Joule Work und �鶹ԭ�� integriert werden, um zukunftsgerichtete Fragen sofort zu beantworten – direkt auf den aktuellen Daten, ohne Verzögerung.  

�鶹ԭ��-RPT-1.5 für �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. 

�鶹ԭ�� zeigt mit drei Beispielen – Joule Work, �鶹ԭ�� Company Memory und �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 �鶹ԭ��.  

The post KI-Optimierung für alle: So profitiert das ganze Unternehmen appeared first on �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 �鶹ԭ�� haben wir uns mit genau dieser Problematik in der Praxis beschäftigt und zusammengefasst, was wir bei der Erstellung, Überprüfung 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.��

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 �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.����

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 �鶹ԭ�� konnten wir bei der Überprüfung 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 �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.��

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 �鶹ԭ��.  
David Imbert ist Chief Marketing Officer für �鶹ԭ�� Financial Management. 

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

Die handgefertigte Besaitung der Schlägerfläche, das individuelle Design, die Verpackung und der Vertrieb sowie die Systeme, die sicherstellen, dass jeder einzelne Schritt reibungslos abläuft – all das ist Teil einer globalen Lieferkette, die dafür sorgt, dass de Minaur, der Platz 5 der Weltrangliste erreichte, mit seinem Tennisschläger spielen kann.  

Die umfasst die gesamte Produktion des Schlägers, von der Nutzung der Rohstoffe über globale Lieferanten sowie Fertigung, Lagerhaltung und Zollabwicklung bis hin zur Zustellung auf der letzten Meile. Und �鶹ԭ�� hilft dabei, diese Lieferkette am Laufen zu halten.��

Der sorgfältig ausgewählte Schläger sowie die Schuhe, das Shirt, die Mütze und die Shorts von Wilson, die de Minaur trägt, wenn er gegen andere Spitzensportler antritt, sind nur einige von Tausenden von Produkten, mit denen Wilson Sportler und Kunden auf der ganzen Welt ausstattet. 

Hinter jedem Produkt stehen vernetzte, weltweite Abläufe und Bereiche, zum Beispiel Fertigung, Lagerhaltung, Einzelhandel, E-Commerce und B2B-Kanäle, sowie ein digitales Fundament, das Wilson dabei hilft, all dies in Bewegung zu halten. 

Die digitale Kraft hinter einem globalen Sportartikelhersteller��

Wilson ist ein weltweit führender Hersteller von Sportartikeln und -bekleidung und blickt auf eine über hundertjährige Unternehmensgeschichte voller Innovationen im Bereich Tennis, Basketball, Baseball, Golf und weiteren Sportarten zurück. Von der Entwicklung von High-Performance-Ausstattung für die weltbesten Sportler bis hin zur Herstellung von Produkten für Spieler aller Niveaus verfügt Wilson über fundierte sportliche Expertise, den notwendigen Innovationsgeist und das handwerkliche Können, um Athleten zu Höchstleistungen zu verhelfen. 

Seit fast zwei Jahrzehnten vertraut Wilson auf �鶹ԭ��, um seine globalen Geschäftsabläufe zu steuern und Hunderte von Mitarbeitenden in den Bereichen Finanzen, Vertrieb, Logistik, Lagerhaltung und anderen wichtigen Funktionen des Einzelhandels miteinander zu vernetzen. 

Die �鶹ԭ��-Landschaft von Wilson deckt zentrale Bereiche wie Enterprise Resource Planning (ERP), Supply Chain Management, Daten und Analysen, Beschaffung, Geschäftsreisen, den globalen Handel, Integration und Unternehmensarchitektur ab. Aktuell umfasst die IT-Umgebung des Unternehmens unter anderem �鶹ԭ�� ERP Central Component (�鶹ԭ�� ECC), �鶹ԭ�� Analytics Cloud, �鶹ԭ�� Datasphere, und �鶹ԭ�� Business Technology Platform sowie �鶹ԭ��-Ariba-, �鶹ԭ��-Concur- und �鶹ԭ��-LeanIX-Lösungen.��

Und Wilsons digitale Transformation mit �鶹ԭ�� ist noch nicht abgeschlossen. Das Unternehmen bereitet sich auf ein großes �鶹ԭ��-S/4HANA-Transformationsprojekt vor, das 2027 startet und in dessen Zuge neue Funktionen in Bereichen wie Extended Warehouse Management (EWM), Transport, Qualität und Omnichannel-Betrieb eingeführt werden. Im Rahmen seiner �鶹ԭ��-S/4HANA-Transformation nutzt Wilson Joule zur Unterstützung bei der Code-Konvertierung und beginnt so mit der Integration in seine Geschäftsabläufe.��

Vernetztes Fundament für ein universelles Kundenerlebnis��

Neben Profisportlern wie de Minaur, die auf Wilson setzen, um auf dem Tennisplatz und darüber hinaus Spitzenleistungen zu erbringen, können auch die weltweiten Kunden des Unternehmens auf vielfältige Weise mit Wilson interagieren – zum Beispiel in Einzelhandelsgeschäften sowie über E-Commerce- und B2B-Kanäle. Hinter all dem steckt ein komplexes Netzwerk aus Produkten, Beständen, Aufträgen, Lagern und Geschäftsprozessen, bei dem alle Bestandteile nahtlos ineinandergreifen müssen. 

Mit dem Tempo der Sportwelt mithalten��

Im Profisport gibt es keine Zeit zum Verschnaufen. Der Ausgang eines Tennisspiels kann sich innerhalb weniger Sekunden ändern. Und für Konsumgüterunternehmen wie Wilson geht es bei der Aufrechterhaltung ihrer globalen Abläufe ebenso dynamisch und anspruchsvoll zu wie bei einem Tennis-Match, angefangen beim Design und der Herstellung von Produkten bis zum Transport und Verkauf an Kunden und Sportler auf der ganzen Welt. 

Ein Grand Slam oder der Sieg eines Markenbotschafters für Wilson bei einem Turnier kann zu einer erhöhten Nachfrage der Fans nach den Produkten der Profis führen. Deswegen muss Wilson den Bestand, die Produktion sowie die Lager, Einzelhändler und E-Commerce-Aktivitäten über alle Märkte hinweg koordinieren und schnell reagieren, wenn sich die Nachfrage ändert. �鶹ԭ��-Lösungen wie �鶹ԭ�� Extended Warehouse Management, �鶹ԭ�� Global Trade Services, �鶹ԭ�� Concur und �鶹ԭ�� Ariba bieten Wilson das notwendige digitale Fundament, um Abläufe zu optimieren und schneller zu gestalten und auf die sich ständig ändernden Anforderungen im globalen Einzelhandel reagieren zu können. 

Diesen September können Fans in New York zuschauen, wie Alex de Minaur mit seinem bewährten Tennisschläger sowie einer von Wilson maßgeschneiderten Ausstattung den Platz betritt. Was sie dabei jedoch nicht sehen: Das reibungslos integrierte Ökosystem und die vielschichtigen Prozesse, die in jedem einzelnen Schläger, jedem Paar Schuhe und jedem Kleidungsstück stecken – und die �鶹ԭ��-Technologie, die das alles möglich macht. 

Tennis ist ein Spiel, bei dem es wichtig ist, vorbereitet zu sein. Wenn ich auf den Platz trete, kommt es auf jedes Detail an, von der Art und Weise, wie sich der Schläger in der Hand anfühlt, bis hin zu meiner Ausrüstung. Zu wissen, dass Wilson und die Technologie hinter dem Unternehmen dafür sorgen, dass alles genau dann bereitsteht, wenn ich es brauche – das ist die Art von Sicherheit, die es mir ermöglicht, mich voll auf meine Bestleistung im Wettkampf zu konzentrieren.��

Alex de Minaur

Egal, ob es um ein Tennisspiel oder die Anforderungen eines globalen Unternehmens geht – der Erfolg hängt davon ab, dass alles reibungslos funktioniert. Mit �鶹ԭ�� kann Wilson sein volles Potenzial entfalten. 

Und Alex de Minaur kann sich auf dem Tennisplatz darauf verlassen, dass alles bereitsteht, wenn es wirklich darauf ankommt.

The post Von der Cloud auf den Centre Court: Wilson optimiert Abläufe mit �鶹ԭ�� appeared first on �鶹ԭ�� News Center.

In der Landschaft der Bewertungsplattformen, die von gekauften Rankings und in Auftrag gegebenen Analystenberichten geprägt ist, stellt TrustRadius eine Ausnahme dar. Die Auszeichnungen basieren ausschließlich auf Kundenfeedback und geprüften Nutzerbewertungen und nicht auf Analystenmeinungen oder bezahlten Platzierungen.

Damit ein Produkt auf TrustRadius mit bester Bewertung eingestuft wird, muss es drei strenge Kriterien erfüllen:

1. Mindestens 10 verifizierte Bewertungen, die innerhalb des letzten Jahres eingereicht wurden

2. Ein trScore von 7,5 oder höher (Indikator für die Gesamtzufriedenheit)

3. Bedeutsame Präsenz in der jeweiligen Marktkategorie

Jede übermittelte Bewertung wird von TrustRadius geprüft, um vor Betrug zu schützen. Die drei Auszeichnungen spiegeln wider, was �鶹ԭ��-Kunden täglich erleben. Ihre Zufriedenheit haben sie klar und deutlich mitgeteilt.

Was Kunden zu �鶹ԭ�� CX sagen

In den Bereichen Vertrieb, Service und Handel betonten �鶹ԭ��-Kunden stets das nahtlose Zusammenspiel, die Zuverlässigkeit im Unternehmen und die spürbaren geschäftlichen Auswirkungen KI-gestützter Workflows. Dies sind keine Funktionen auf einer Roadmap, sondern Funktionen, die Kunden heute nutzen. Und die Bewertungen belegen dies.

�鶹ԭ�� Sales Cloud

„Wir haben einen Vergleich zwischen �鶹ԭ�� Sales Cloud, Microsoft Dynamics und Sales Force Optimization durchgeführt. Wir haben �鶹ԭ�� Sales Cloud aus drei Hauptgründen gewählt: �鶹ԭ�� Sales Cloud erfüllt unsere Anforderungen am besten, besonders im Vergleich zum Sales Force; die Preise sind attraktiver; und da wir mehrere �鶹ԭ��-Produkte verwenden, funktioniert die Integration zwischen verschiedenen �鶹ԭ��-Produkten gut.“ – verifizierter Rezensent

„�鶹ԭ�� Sales Cloud eignet sich gut für vorausschauende Analysen und eine stabile Integration mit ERP und �鶹ԭ�� S/4HANA. KI-gestützte Empfehlungen für die jeweils passenden nächsten Maßnahmen.“

�鶹ԭ�� Service Cloud

„Durch die effizientere Serviceabwicklung arbeiten unsere Mitarbeiter jetzt mit einer einheitlichen Oberfläche, die E-Mails, Telefon und Chats an einem Ort bündelt. Dadurch müssen sie nicht mehr zwischen verschiedenen Systemen hin- und herwechseln. Außerdem entlastet die KI-gestützte Automatisierung unsere Mitarbeitenden und macht sie produktiver – etwa durch die automatische Kategorisierung von Tickets und Vorschläge für die jeweils passenden nächsten Maßnahmen.“ – Chris Kithinji, Business Systems Analyst

„Mit einem KI-Modell können wir Kundenanfragen automatisch beantworten, ohne dass jemand manuell eingreifen muss. Durch diese Automatisierung wird der Kundensupportprozess deutlich einfacher.“ – Kanika Rajpal, Technical Architect

�鶹ԭ�� Commerce Cloud

„Es ist im Grunde eine cloudbasierte Handelsplattform, die ein Paket verschiedener Funktionen bietet. So unterstützt sie unsere unterschiedlichen Geschäftsmodelle. Sie hilft uns, direkt an andere Unternehmen zu verkaufen, direkt an Kunden zu verkaufen und auch an andere Unternehmen zu verkaufen, die unsere Produkte dann an Endkunden weiterverkaufen. Die Funktionen lassen sich den eigenen Anforderungen entsprechend anpassen und in andere �鶹ԭ��-Produkte wie �鶹ԭ�� ERP integrieren. Das ist sehr vorteilhaft, da so die unterschiedlichen Geschäftsmodelle von überall aus unterstützt werden können.“ – Ajay Thakkar, Software Engineer

„Wir sind vor vier Jahren auf �鶹ԭ�� Commerce Cloud umgestiegen. Die Software hat unsere E-Commerce-Prozesse vereinfacht, insbesondere die Bestandsführung, die Zahlungsabwicklung, das Marketing und die allgemeine Auftragsverwaltung. Mit der Lösung sind wir nun in der Lage, ein positives Kundenerlebnis über verschiedene Kanäle hinweg zu gewährleisten. Außerdem wurde eine unbegrenzte Interaktion zwischen dem Kundenservice-Team und unseren Kunden sowie die Integration von Drittanbietern ermöglicht.“ – Denis Bacarella, Digital Marketing Assistant

Was als Nächstes kommt: agentische KI im gesamten �鶹ԭ��-Customer-Experience-Portfolio

Die Auszeichnung von TrustRadius erhalten zu haben, motiviert uns, weiterzumachen. Das KI-Konzept der �鶹ԭ�� geht über Chatbots und Dashboards hinaus.

Balaji Balasubramanian, President und CPO von �鶹ԭ�� Customer Experience, erklärte: „KI allein ist kein Alleinstellungsmerkmal mehr. Entscheidend ist, wo und wie diese Intelligenz im Unternehmen genutzt wird.“

Mit dieser Einstellung entsteht eine neue Innovationswelle im Bereich KI-Agenten. Alle drei preisgekrönten Produkte zeigen dies.

bietet nun ein Add-In für Microsoft Outlook, um Angebote automatisch zu erstellen und Bestandsartikel basierend auf Deal- und E-Mail-Kontext automatisch einzufügen. So wird der Posteingang des Verkäufers zu einer Engine für die Angebotserstellung. Eine neue erweiterte Recherchefunktion kombiniert Daten aus �鶹ԭ�� Sales Cloud und �鶹ԭ�� Service Cloud mit externen Marktinformationen, um die Account-Planung zu optimieren.

führt eine Agent Inbox ein, in der Fälle, Aufgaben und Serviceaufträge in einer zentralen Instanz zusammengeführt werden und die Workload-Einblicke in Echtzeit ermöglicht. Ein neuer Digital Service Agent fasst das Kundeninteresse intelligent zusammen, bevor ein Ticket erstellt wird. So lassen sich Verzögerungen vermeiden und Anfragen schneller bearbeiten.

integriert KI direkt in das Katalogmanagement. Produktdetails werden automatisch aus hochgeladenen Dokumenten ausgelesen und zur automatischen Optimierung der Produktbeschreibungen genutzt. Dadurch wird die Auffindbarkeit von Produkten deutlich verbessert.

Vertrauen als Grundlage für Vertriebsinnovation

Diese TrustRadius-Auszeichnungen bestätigen die grundsätzliche Überzeugung der �鶹ԭ��: Vertrauen in Software entsteht durch greifbare Ergebnisse, nicht durch Marketing. Während wir �鶹ԭ�� Sales Cloud, �鶹ԭ�� Service Cloud und �鶹ԭ�� Commerce Cloud mit Funktionen für Agentic AI weiterentwickeln, bleibt das Feedback unserer Kunden unser wichtigster Kompass.

Weitere Informationen zu Innovationen von . Erfahren Sie mehr über die Bewertungsmethodik auf .

The post �鶹ԭ�� CX erhält „Top Rated“-Auszeichnungen von TrustRadius − Vertrauen in die Zukunft der agentenbasierten KI appeared first on �鶹ԭ�� News Center.

Nun könnte sich diese Gleichung mit Agentic AI deutlich verschieben und ein neues Modell für die Transformation von �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 �鶹ԭ��-Beratungsfirma , die seit sieben Jahren Unternehmen bei ihrer Migration von �鶹ԭ�� ECC auf �鶹ԭ�� S/4HANA unterstützt, 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 �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 �鶹ԭ�� S/4HANA erst noch bevorsteht und sie zugleich mit wirtschaftlichem Druck, einem Mangel an �鶹ԭ��-Kenntnissen und der Komplexität globaler Transformationsprogramme zu kämpfen haben.

Ranjeet Panicker, Senior Vice President und Head of Business Transformation bei �鶹ԭ��, umriss die Herausforderungen rund um den gesamten Lebenszyklus eines �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 �鶹ԭ��-Transformationen ausführen oder beschleunigen können.

Nach der Analyse von rund 180 typischen Aktivitäten bei einer Migration von �鶹ԭ�� ECC auf �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 unterstützt 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 �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 �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 �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 �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.

�鶹ԭ�� entwickelt Agenten für den gesamten Lebenszyklus der Transformation

Ähnliche Möglichkeiten sieht Ranjeet Panicker für den allgemeinen Lebenszyklus von �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.

�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 �鶹ԭ�� Cloud ALM auf der �鶹ԭ�� Business Technology Platform verknüpft. Eine Daten- und Wissensgrundlage liefert dabei den kundenspezifischen Kontext, den die Agenten benötigen. Laut Ranjeet Panicker verfolgt �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 �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 �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 �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 �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 �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 �鶹ԭ��-Projekten hinterfragen

�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 �鶹ԭ��-Transformationen wirtschaftlicher werden appeared first on �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 unterstützten 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 �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. �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 unterstützt 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. �鶹ԭ�� S/4HANA Cloud bildet den Kern einer umfassenderen Architektur. Mit �鶹ԭ�� Datasphere, Bestandteilder �鶹ԭ�� Business Data Cloud, will Evatec Informationen aus �鶹ԭ��- und Umsystemen semantisch verbinden. �鶹ԭ�� SuccessFactors ergänzt die HR-Prozesse, eine stärker integrierte CRM-Umgebung soll folgen.

�鶹ԭ�� LeanIX ist als Architektur-Backbone vorgesehen. Damit sollen Anwendungen, Schnittstellen und Abhängigkeiten transparent dokumentiert werden. �鶹ԭ�� Signavio unterstützt 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 �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 �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 �鶹ԭ�� News Center.

Ein Ort, an dem man gerne seinen Urlaub verbracht hat. Die Gegend, in der man als Kind wohnte. Ein Haustier, an dem man hing. Ein lebenslanges Hobby. Wenn bei Menschen mit Demenz das Gedächtnis nachlässt und die Kommunikation schwieriger wird, können solche Details eine große Wirkung haben und Erinnerungen, Geschichten und freudige Erlebnisse wachrufen. 

bietet seit geraumer Zeit Gedächtnistraining, das wie ein Quiz aufgebaut ist. Damit will man Menschen mit Alzheimer oder Demenz auf spielerische Weise helfen, sich an vergangene Momente zu erinnern. Gemeinsam mit der �鶹ԭ�� und suchte das Unternehmen nach Möglichkeiten, um seine Spiele mithilfe von KI in großem Maßstab noch stärker personalisieren zu können. 

„Wir hatten erkannt, dass wir das Spielerlebnis durch die Nutzung von KI mit zwei oder drei weiteren Schritten noch persönlicher gestalten und bei allen Personen positive Erinnerungen wecken konnten“, so Bruce Elliott, CEO und Mitbegründer von Memory Lane Games. „Aber als sechsköpfiges Startup auf der Isle of Man, einer kleinen Insel mitten in der Irischen See, stellte dieses Vorhaben für uns eine große Herausforderung dar. Wir hatten eine hervorragende Idee, aber wir benötigten Unterstützung, um sie in die Realität umzusetzen.“ 

Kooperationen für einen guten Zweck 

Memory Lane Games arbeitete über das Netzwerk von MovingWorlds mit �鶹ԭ�� und EY zusammen, um einen KI-Prototyp zu entwickeln, der mehr als nur Standard-Gedächtnistraining ermöglicht. Mithilfe dieses Prototyps sollen persönliche Charakterzüge, Erlebnisse und Familienfotos in Spiele einfließen und so die kognitive Leistung unterstützen. 

Dieses Projekt war Teil von , einer von MovingWorlds organisierten Gemeinschaftsinitiative von �鶹ԭ��, EY und Microsoft für Sozialunternehmen, die häufig mit begrenzten Ressourcen arbeiten, komplexe technische Herausforderungen bewältigen müssen und nur eingeschränkte Möglichkeiten zur Zusammenarbeit mit Partnern haben. Solchen Organisationen bietet das Programm strategisches Coaching, ehrenamtliche Beratung, fachkundige Workshops und kostenlosen Zugang zu einem globalen Partnernetz. 

Aber auch Mitarbeitende in Unternehmen wie �鶹ԭ�� und EY profitieren von diesen Projekten. Zusammen mit Sozialunternehmen Probleme aus der Praxis zu lösen, gehört zu den effektivsten Formen des erfahrungsbasierten Lernens und hilft dabei, Kompetenzen zu entwickeln, die sowohl für Einzelpersonen als auch für Organisationen förderlich sind. 

Über dieses Programm erhielt Memory Lane Games den notwendigen technischen Support, um zu untersuchen, wie generative KI eine stärkere Personalisierung seiner Spiele ermöglichen kann. Das Projektteam setzte sich aus Wade Tsai, Global Client Technology Architecture Leader bei EY, sowie den �鶹ԭ��-Entwicklern Robin Bäurle und Michael Zadikowitsch zusammen. Sie befassten sich zunächst mit dem bisherigen Angebot des Unternehmens und überlegten dann, wie generative KI eingesetzt werden könnte, um neue Möglichkeiten zu erschließen. Das Team setzte schließlich auf eine Kombination aus Personalisierung und Bildern. 

Aus Erinnerungen individuelle Spiele schaffen 

Die Grundlage für den Prototyp des Projektteams ist ein Charakterprofil, auf das sich die KI beziehen kann. Eine Betreuungskraft oder eine nahestehende Person kann das Profil für den Menschen erstellen, der an Demenz erkrankt ist. Im Profil werden grundlegende Informationen angegeben, etwa Altersgruppe, Geschlecht, Muttersprache, Wohnorte, früherer Beruf, kultureller Hintergrund sowie andere Details wie vergangene Urlaube, Lieblingsessen, Hobbys und Haustiere. Ziel ist es, die Interessen und Eigenschaften einer Person zu erfassen und nicht nur personenbezogene Daten. Anhand dieses Charakterprofils schlägt die KI Themen vor und generiert dann Spiele, indem sie Open-Source-Bilder verwendet und Multiple-Choice-Fragen erstellt. 

In einer Demo des Prototyps von Memory Lane Games wurde als Beispiel die Erstellung eines Profils einer Frau im Alter von 75 bis 80 Jahren gezeigt, die in der Stadt Savannah im US-Staat Georgia lebt, 35 Jahre lang Grundschullehrerin war und ihre Urlaube gerne auf einer Insel in Georgia und in den Blue Ridge Mountains verbrachte. Sie hatte früher eine Hauskatze mit dem Namen Magnolia, hört gerne Motown- und Soul-Musik, arbeitet oft im Garten und beobachtet dort gerne Vögel. Sie kocht und backt gerne Gerichte und Kuchen aus der klassischen Südstaatenküche. Der KI-Prototyp generierte mehrere Spiele für diese Frau, in denen es um die historischen Plätze Savannahs, Ausflüge in die Blue Ridge Mountains, beliebte Südstaatengerichte, ihre Katze Magnolia und die Vögel im Garten ging. 

„Anfangs mussten wir uns mit dem Problem beschäftigen, wie Metadaten aus Bildern extrahiert werden können – und wie wir überhaupt an Bilder kommen, wo wir sie finden und wie wir diese Spiele entwickeln könnten“, erläutert Zadikowitsch. „Und so fingen wir an, zu experimentieren und Dinge auszuprobieren. Wir haben Fragen generiert und dann versucht, Bilder zu finden, was nicht gut funktioniert hat. Dann gingen wir dazu über, erst Bilder zu finden und dann Fragen zu generieren. Das hat besser geklappt.“ 

Der Prototyp befindet sich derzeit in der Testphase. Nach der Fertigstellung wird es möglich sein, die Spiele mit Fotos, die von einer Betreuungskraft oder einer nahestehenden Person bereitgestellt werden können, noch stärker zu personalisieren. 

Laut Tsai können heutige KI-Modelle zwar Gegenstände in Bildern erkennen; der entscheidende nächste Schritt besteht jedoch darin, die KI so zu steuern, dass sie auch Metadaten und EXIF-Daten ausliest – also das genaue Datum, den Zeitstempel und die GPS-Koordinaten, die verraten, wann und wo ein Foto entstanden ist. 

Die vielfältigen Informationen, die in einer Fotodatei gespeichert sind, können eine wahre Fundgrube für den KI-Prototyp von Memory Lane Games sein. „Wir können diese Information als Anhaltspunkt nutzen, um daraus abzuleiten, was wir sonst noch aus diesen Daten gewinnen können, und so die damit verbundenen Erinnerungen wecken“, so Tsai. „Es geht bei weitem nicht nur darum, wo ein Foto aufgenommen wurde.“ 

KI: Menschlicher Faktor statt reiner Produktivitätsmotor 

Memory Lane Games nutzt den KI-Prototyp, um auf effizientere Weise höchst individuelle Spiele zu erstellen. Doch das weitaus größere Potenzial des Prototyps liegt woanders: Er ermöglicht es an Demenz erkrankten Menschen und ihren Nahestehenden, gemeinsam Erinnerungen aufleben zu lassen.  

„Wenn es um KI geht, besteht die typische Zielgruppe in der Regel aus Mitarbeitenden von Unternehmen – und nicht etwa aus Menschen mit Demenz“, betont Bäurle. „Wenn man nicht berücksichtigt, dass auch diese Zielgruppen von digitalen Lösungen – und ganz besonders von KI-basierten Lösungen – profitieren können, bleibt ein enormes Potenzial ungenutzt.“ 

Für das Projektteam hatte der Nutzen für den Menschen oberste Priorität. „Ganz egal, was wir entwickeln: Das Endergebnis sollte Freude wecken“, fügt Bäurle hinzu. 

„Betreuungskräfte sind ständig auf Trab. Familienmitglieder haben sehr viel zu tun. Das Pflegepersonal in Pflegeheimen ist extrem ausgelastet. Aus einem Familienfoto und wenigen Zeilen Text sechs bis zehn Fragen zu entwickeln, die all diese Erinnerungen wecken, ein positives Gefühl hervorrufen und tolle Geschichten greifbar machen – genau das konnten wir [mithilfe dieser Zusammenarbeit] umsetzen“, betont Elliott. 

KI ermöglicht es, spielerische Gedächtnisübungen nicht nur auf eine Stadt, sondern auch auf eine Wohngegend, ein lokales Wahrzeichen oder einen anderen Aspekt zu beziehen, der eng mit dem Leben einer Person verknüpft ist. Je individueller das Spiel ist, desto leichter kommt es zu Gesprächen und einem Gefühl der Nähe. 

„Wir wissen, dass soziale Isolation eines der größten Risiken für Demenz im Alter ist, auf das wir Einfluss nehmen können. Deshalb ist es so wichtig, Menschen ins Gespräch zu bringen und ihre Neuronen zu aktivieren, indem man sie dazu anregt, über das zu reden, was ihnen am Herzen liegt“, sagt Elliott. 

KI als Stütze in der Demenzpflege  

Die Zusammenarbeit zwischen Memory Lane Games, �鶹ԭ��, EY und MovingWorlds hat gezeigt, dass KI einen festen Platz in der Betreuung von Menschen mit Gedächtnisverlust einnehmen kann. „Das Team hat demonstriert, dass KI dazu beitragen kann, anregende [Gedächtnis-]Übungen zu schaffen. Und das war meiner Meinung nach das Ziel“, bekräftigt Zadikowitsch. 

Dieses Ergebnis wurde in diesem Sommer auf dem der Internationalen Fernmeldeunion (ITU) der Vereinten Nationen gewürdigt. Zuvor hatte Tsai mit dem Projekt von Memory Lane Games auch die Kategorie „AI for Good for Entrepreneurship“ bei der erstmalig ausgetragenen „AI for Impact Challenge“ von EY gewonnen. 

Das Projektteam ist zuversichtlich, dass dies nur der Anfang für die Integration von KI bei der Betreuung von Menschen mit Gedächtnisverlust ist, und hat bereits weitere Anwendungsfälle entwickelt: zum Beispiel einen speziell auf Menschen mit Demenz ausgerichteten, sprachbasierten KI-Begleiter, der über emotionale Intelligenz verfügt und gesprochene Sprache verstehen kann; die Ergänzung weiterer Sprachen, da Demenzkranke oft in ihre Muttersprache zurückfallen; und den Einsatz generativer KI, um Bilder von Orten zu schaffen, von denen keine Fotos vorhanden sind. 

„Wir haben immer einen sehr einfachen, aber skalierbaren Ansatz verfolgt. Und dieses [Projekt] vereint beide Aspekte: Einfachheit für den Nutzer und maximale Skalierbarkeit. Und ich finde, genau darin liegt das wahre Potenzial von KI“, so Elliott. „KI ist der Schlüssel, der uns die Skalierung ermöglicht. Und um diese interessanten Thesen testen zu können, waren wir auf diese Hilfe und diese Zusammenarbeit angewiesen. Und die ersten Ergebnisse sind bereits vielversprechend.“ 

Memory Lane Games geht es nicht darum, Technologie um der Technologie willen einzusetzen. Ziel ist es, mehr Menschen dabei zu helfen, sich wieder an die Geschichten, Orte und Menschen zu erinnern, die ihnen vertraut sind und bei ihnen Freude wecken. 

MovingWorlds hat mehr als 3.000 erfolgreiche Projekte in 110 Ländern unterstützt. Dabei wurden ehrenamtliche Beratungsleistungen in Höhe von mehr als 50 Millionen US-Dollar an Sozialunternehmen bereitgestellt. Wenn Sie ein Sozialunternehmen sind und fachkundige Unterstützung im Bereich KI oder in einem anderen Geschäftsfeld benötigen, dann können Sie auf der Plattform von MovingWorlds .  

The post KI für individuelles Gedächtnistraining in der Demenzpflege�� appeared first on �鶹ԭ�� News Center.

Willkommen bei der ersten Embodied AI Jam von �鶹ԭ��. Vom 25. bis 27. August 2026 trafen sich �鶹ԭ��-Kunden in der Swiss Smart Factory in Biel, Schweiz, um aus erster Hand zu erfahren, wie Roboter und �鶹ԭ��-Software zusammenarbeiten können, um echte geschäftliche Herausforderungen zu bewältigen.

Embodied AI bezieht sich auf KI-Agenten, die in physische Systeme eingebettet sind und mit ihrer Umgebung interagieren. Sie sind in der Lage die Realität um sie herum wahrzunehmen, sie zu verstehen und entsprechend zu handeln. Durch die Verbindung dieser Agenten mit und der �鶹ԭ��-Business-AI-Plattform bringt �鶹ԭ�� den Geschäftskontext in diese physische Ausführung ein: Roboter, die Aufgaben nicht nur ausführen, sondern die ihnen zugrundeliegenden Geschäftsentscheidungen verstehen.

Lagerautomatisierung, Anlageninspektion und Materialumschlag sind nur einige der Geschäftsszenarios, in denen Embodied AI beginnt, sich wertsteigernd auszuwirken. Diese Szenarien in die Praxis umzusetzen, erfordert mehr als nur einen Roboter. Notwendig sind Geschäftskontext aus �鶹ԭ��-Anwendungen, Integrationswissen, um Systeme und Roboter zu verbinden, und die entsprechenden Roboter, um die Aufgabe auszuführen.

„Um im Markt Interesse für Embodied AI zu wecken und zu zeigen, dass Embodied AI nicht nur eine spannende Zukunftstechnologie ist, sondern auch praktisch funktioniert, brauchten wir ein neues Veranstaltungsformat“, erläutert Alexander Finger, Chief Technology Officer von �鶹ԭ�� Schweiz, der das Event maßgeblich mitgestaltet hat.

Anders als bei klassischen Innovation Jams kommen bei einem Embodied AI Jam Roboter zum Einsatz. Deshalb ist ein sicherer Arbeitsbereich notwendig, in dem Menschen mit Robotern zusammenarbeiten können.

Die Swiss Smart Factory bot der �鶹ԭ�� Schweiz die idealen Räumlichkeiten für ihre Veranstaltung. Kunden, Roboterhersteller, Systemintegratoren und Embodied-AI-Experten von �鶹ԭ�� kamen zusammen und nutzten diese einmalige Gelegenheit, um Ideen auszutauschen, Experimente durchzuführen und echte Anwendungsfälle zu erproben.

Konkrete KI-Anwendungsfälle − Ergebnisse in Tagen statt Wochen

Embodied AI ist zwar primär eine Frage von Hard- und Software, doch nach Fingers Überzeugung ist der eigentliche Motor des Fortschritts das Zusammenbringen von Menschen. Bei der Jam-Session wurden Kunden und Partner gezielt mit Systemintegratoren und Roboterherstellern zusammengebracht, die ihre spezifischen geschäftlichen Anforderungen abdecken.

Während einige Teams untersuchten, wie Inspektionsdrohnen mit Lösungen wie �鶹ԭ�� Asset Performance Management verbunden werden könnten, untersuchten andere, wie humanoide Roboter Prozesse mit �鶹ԭ�� Digital Manufacturing unterstützen könnten.

Das Ergebnis: Die Teilnehmer erzielten Fortschritte, für die sonst mehrere Wochen nötig gewesen wären.

„Normalerweise ist es ein wochenlanges Hin und Her, wenn man herausfinden will, wo Embodied AI echte geschäftliche Vorteile bringt und wie man eine entsprechende Lösung entwickelt“, betont Lukasz Ostrowski, Leiter der Embodied-AI-Initiative bei �鶹ԭ��. „Drei Tage intensive, konzentrierte Arbeit mit Kunden haben das völlig verändert. Wir konnten Ideen testen, Annahmen überprüfen und in Echtzeit nachbessern – bis wir etwas Konkretes hatten, das keine Seite hätte allein entwickeln können. Was wir bei jedem Kunden so lernen, bleibt nicht bei diesem Kunden. Was wir machen, ist auch für den Rest der Branche bedeutsam.“

Die physische Dimension macht Embodied AI greifbar

Für Finger wird die Bedeutung von Embodied AI erst dann klar, wenn Kunden die Technologie im Praxiseinsatz erleben können.

Wenn man einen Roboter sieht, der Aufgaben ausführt, die an echten Geschäftsprozessen und -zielen ausgerichtet sind, wird der praktische Geschäftswert viel verständlicher – weit mehr als durch eine Präsentation oder Demo.

Aus diesem Grund spielt die Swiss Smart Factory eine so wichtige Rolle. Sie bietet einen geschützten Raum, in dem Kunden, Roboterhersteller, Systemintegratoren und �鶹ԭ��-Experten gemeinsam an Embodied AI arbeiten und ihr Potenzial praxisnah erleben können.

Ab Januar 2027 wird die �鶹ԭ�� Schweiz Mitglied der Swiss Smart Factory sein. Damit eröffnet sich die Möglichkeit, weitere Embodied AI Jams auszutragen und auch andere Eventformate zu hosten, zum Beispiel Discovery Workshops, wie man sie bereits von anderen KI-Kundenveranstaltungen kennt.

Während das Team von �鶹ԭ�� Customer Experience Labs zeigt, wie Kunden ihre geschäftlichen Herausforderungen mit �鶹ԭ��-Anwendungen, Daten und KI meistern können, kommt mit der Swiss Smart Factory eine physische Dimension hinzu. Sie bietet Kunden eine Umgebung für praktische Erfahrungen: Hier können sie erkunden, wie Roboter vernetzt werden, wie sie im Geschäftskontext agieren und welchen konkreten Mehrwert sie schaffen.

Embodied AI für mehr Kunden weltweit

„Die �鶹ԭ�� ist reicher, wenn wir mit Kunden sprechen“, resümiert Finger und bezieht sich dabei auf den Erfolg der Innovation Jam.

Neben der Geschwindigkeit, mit der die Teams Anwendungsfälle und Architekturvorschläge entwickelten, fiel ein Ergebnis besonders auf: Die Kunden verließen die Veranstaltung mit dem Wunsch, die Gespräche fortzusetzen und gemeinsam mit �鶹ԭ�� weitere Möglichkeiten zu erkunden, die ihren Ambitionen im Bereich Embodied AI gerecht werden.

Da die �鶹ԭ�� Schweiz ihr Angebot für Embodied-AI-Veranstaltungen erweitert, werden mehr Kunden in der Lage sein, Embodied AI aus erster Hand zu erleben und zu erkunden, wie Roboter, �鶹ԭ��-Anwendungen und Geschäftsprozesse zusammenwirken können, um Mehrwert zu schaffen.

The post Erste „Embodied AI Jam“ von �鶹ԭ�� bringt Kunden, Roboter und KI zusammen − konkrete Anwendungsfälle in Tagen statt Wochen appeared first on �鶹ԭ�� News Center.

Damit setzt das Unternehmen einen wichtigen Meilenstein in seiner globalen IT- und Digitalisierungsstrategie. Im Rahmen seiner RISE with �鶹ԭ�� Transformation migriert HARTING auf �鶹ԭ�� Cloud ERP Private und bündelt ERP, Geschäftsprozessmanagement und Services in einem einheitlichen cloudbasierten Abonnementmodell. So schafft das Unternehmen die Grundlage für weiteres Wachstum, effizientere Prozesse und die schnelle Integration neuer Technologien. ��

“Der Wechsel zu �鶹ԭ�� Cloud ERP Private ist eine strategische Entscheidung, die weit über die IT-Infrastruktur hinausgeht. Mit RISE with �鶹ԭ�� schaffen wir die Voraussetzungen, HARTING als agileres und datengetriebenes Unternehmen weiterzuentwickeln. Wir standardisieren unsere globalen Prozesse, beschleunigen die Einführung neuer Technologien und erschließen das Potenzial von KI entlang unserer Wertschöpfungskette. Dieser Vertrag markiert einen entscheidenden Schritt auf unserem Weg, auch in den kommenden Jahren nachhaltig zu wachsen und unsere Wettbewerbsfähigkeit weiter auszubauen,” sagte Philip Harting, CEO der HARTING Technologiegruppe.

Mit �鶹ԭ�� Cloud ERP Private schafft HARTING die Basis für eine zukunftssichere, skalierbare und innovationsorientierte ERP-Landschaft. Die Transformation in die Cloud ermöglicht es dem Unternehmen, Prozesse und Infrastruktur konsequent zu automatisieren und zu standardisieren, IT-Ressourcen auf geschäftskritische Themen und Innovationen auszurichten sowie kontinuierlich von Updates und neuen Funktionalitäten zu profitieren. Darüber hinaus eröffnet RISE with �鶹ԭ�� zusätzliche Möglichkeiten im Bereich künstliche Intelligenz und datengetriebener Geschäftsmodelle. Integrierte KI-Funktionen und intelligente Automatisierung unterstützen schnellere und fundiertere Entscheidungen auf Basis aktueller Daten. Als langjähriger Beratungspartner wird die NTT DATA Business Solutions AG HARTING bei dieser Transformation begleiten.

“Industrieunternehmen stehen heute vor der Herausforderung, schneller zu handeln, effizienter zu wirtschaften und KI gezielt in ihre Kernprozesse zu integrieren. Die Entscheidung von HARTING für den Wechsel zu �鶹ԭ�� Cloud ERP Private mit RISE with �鶹ԭ�� steht beispielhaft für die Weitsicht und Entschlossenheit erfolgreicher Technologieführer. Mit diesem Schritt schafft das Unternehmen die Voraussetzungen, effizient zu skalieren und flexibel auf Veränderungen im Markt zu reagieren,” sagte Dirk Häußermann, Geschäftsführer, �鶹ԭ�� Deutschland.

Besuchen Sie das . Erhalten Sie �鶹ԭ��-Neuigkeiten über  und .

Medienkontakt:

Cathrin von Osten, +49 171 336 3695, cathrin.von.osten@sap.com, CET
�鶹ԭ�� �鶹ԭ�� Room; press@sap.com

# # #

Dieses Dokument enthält zukunftsgerichtete Aussagen, bei denen es sich um Prognosen, Projektionen oder sonstige Aussagen über künftige Ereignisse handelt. Diese Aussagen basieren auf aktuellen Erwartungen, Prognosen und Annahmen, die Risiken und Unsicherheiten unterliegen, die dazu führen können, dass tatsächliche Ergebnisse und Resultate wesentlich abweichen.  Weitere Informationen zu diesen Risiken und Unsicherheiten finden Sie in unseren Einreichungen bei der Securities and Exchange Commission, einschließlich, aber nicht beschränkt auf den Abschnitt zu Risikofaktoren im �鶹ԭ��-Jahresbericht 2025 auf Formular 20-F.

 
© 2026 �鶹ԭ�� SE. Alle Rechte vorbehalten.  
�鶹ԭ�� und andere hierin genannte �鶹ԭ��-Produkte und -Dienstleistungen sowie ihre jeweiligen Logos sind Marken oder eingetragene Marken der �鶹ԭ�� SE in Deutschland und anderen Ländern. Weitere Informationen und Hinweise zu Marken finden Sie unter .  

The post HARTING beschleunigt Cloud-Transformation mit RISE with �鶹ԭ�� appeared first on �鶹ԭ�� News Center.

Die Geschichte des Unternehmens reicht mehr als 100 Jahre zurück. Was als kleines Textilgeschäft im dänischen Aarhus begann, ist heute ein internationaler Einzelhändler mit einem Umsatz von zwölf Milliarden Euro.

Die �鶹ԭ�� begleitet die Salling Group seit mehr als 20 Jahren und ist zentral für deren Geschäftsbetrieb, erklärte Alan Jensen, CIO und Executive Vice President der Salling Group. Kürzlich hat das Unternehmen sein ERP-System auf �鶹ԭ�� S/4HANA Cloud mit RISE with �鶹ԭ�� modernisiert.

Mit dieser cloudbasierten Infrastruktur ist der Einzelhändler bereit, seine KI-Transformation zu starten.

Mit der KI-Transformation den Alltag verbessern

Die Salling Group verfolgt mit der Einführung von KI drei Ziele: das Kundenerlebnis verbessern, die Arbeit der Mitarbeitenden vereinfachen und die betriebliche Effizienz steigern. „Wir möchten den Alltag unserer Kunden verbessern, indem wir jederzeit das richtige Produkt zum richtigen Preis anbieten“, erklärte Jensen. „Außerdem wollen wir den Alltag unserer Mitarbeitenden verbessern, damit die Werkzeuge und Systeme, mit denen sie arbeiten, intuitiv und einfach zu bedienen sind.“ Das steht im Einklang mit dem Unternehmenszweck: den Alltag von Kunden, Kolleginnen und Kollegen sowie den Gemeinschaften, in denen das Unternehmen aktiv ist, zu verbessern.

Die Salling Group betrachtet KI als wichtigen Treiber. Dabei liegt der Fokus darauf, wie sich KI in echten Geschäftswert für Kunden, Mitarbeitende und das Gesamtunternehmen umwandeln lässt. Ein Bereich, in dem KI spürbare Auswirkungen haben wird, ist die Logistik, erklärte Jensen. Derzeit nutzt die Salling Group �鶹ԭ�� Extended Warehouse Management in ihren 29 Verteilzentren. Die Anwendung unterstützt die Verwaltung großer Warenmengen und ermöglicht nachhaltige, resiliente Abläufe durch digitalisierte Lagerprozesse in der Cloud. Für die Salling Group bedeutet das: pünktliche Lieferungen an die Filialen und effiziente Lieferkettenabläufe.

Click the button below to load the content from YouTube.

Always allow YouTube

Ausblick mit KI: die Vorteile vom autonomen Unternehmen erkunden

Die Salling Group nutzt �鶹ԭ��-Lösungen und KI, um ihren Einzelhandelsbetrieb durchgängig zu modernisieren. Der Schwerpunkt liegt auf dem Kundenerlebnis, der Produktivität der Mitarbeitenden und der Exzellenz in der Lieferkette – und darauf, dass neue Technologien greifbare Geschäftsergebnisse liefern.

Mit Blick auf die �鶹ԭ�� freut sich Jensen darauf zu sehen, wie das autonome Unternehmen den Erfolg der Salling Group mit KI weiter vorantreiben wird.

„Das autonome Unternehmen klingt sehr spannend“, betonte Jensen. „Es gibt definitiv viele Möglichkeiten, unsere täglichen Geschäftsabläufe zu verbessern. Wir müssen neugierig bleiben und herausfinden, wie wir es nutzen können.“

The post Wie die Salling Group mit �鶹ԭ�� und KI den Einzelhandel verbessert appeared first on �鶹ԭ�� News Center.

São Salvador Alimentos S.A. (SSA) mit Sitz in Itaberaí im brasilianischen Bundesstaat Goiás gehört zu den führenden Lebensmittelunternehmen des Landes. Unter Marken wie SuperFrango und Boua vertreibt das Unternehmen ein breites Sortiment – von frischem und verarbeitetem Geflügel über Eier und Milchprodukte bis hin zu Fisch und Tiefkühlkost. Die Produkte des Unternehmens werden in Dutzende Länder weltweit exportiert.

SSA hat sich in der Branche einen guten Ruf für Qualität und Innovationsbereitschaft erarbeitet. Umso mehr fiel auf, dass ein interner Prozess – die Verwaltung der Ausgabe persönlicher Schutzausrüstung – noch vollständig auf Papier basierte. Nach der erfolgreichen Implementierung von �鶹ԭ�� S/4HANA im Jahr 2024 setzte das Unternehmen seine Zusammenarbeit mit �鶹ԭ�� fort und begann gemeinsam mit dem �鶹ԭ��-AppHaus-Team die Möglichkeiten mit �鶹ԭ�� Build und Cloud Foundry auszuloten.

Ausgangspunkt war der Umstand, dass täglich rund 150 handschriftliche Unterschriften eingeholt werden mussten, um die Ausgabe von persönlicher Schutzausrüstung an Mitarbeitende zu bestätigen. Die unterzeichneten Dokumente wurden anschließend an das Archivteam übergeben, das sie manuell einscannen und ablegen musste. Wer welche Ausrüstung wann erhalten hatte, wurde nicht digital erfasst. Deshalb war es nicht möglich, die Nutzung nachzuverfolgen oder rechtzeitige Erinnerungen für den verpflichtenden Austausch der persönlichen Schutzausrüstung alle sechs Monate zu versenden.

Nutzerorientierter Innovationsansatz mit �鶹ԭ�� Build und Cloud Foundry

In speziellen Workshops analysierten Stakeholder und Benutzer bei SSA die Situation nach dem nutzerorientierten Innovationsansatz der �鶹ԭ��. Gemeinsam erkundeten sie neue Möglichkeiten, diesen Prozess mit �鶹ԭ�� Build und Cloud Foundry zu verbessern und neu zu gestalten. Nach einigen Iterationen und Tests wurde die neue Lösung im Januar 2026 eingeführt.

Seither können die Mitarbeitenden von SSA ihre Unterschrift digital leisten, und das System zeichnet automatisch auf, was wann ausgegeben wurde. Ist ein Austausch fällig, erhalten die Mitarbeitenden eine automatische Erinnerung per WhatsApp. Dadurch wird die Einhaltung von Vorschriften sichergestellt und es entsteht mehr Transparenz und Kontrolle über den Lagerbestand.

Dieser neue Prozess bringt dem Unternehmen folgende Vorteile:

• digitale Authentifizierung und elektronische Signatur ersetzen 150 händische Unterschriften pro Tag
• vollständige Abschaffung von Papierdokumenten im Prozess
• vereinfachter Service und eine leicht verständliche sowie intuitiv bedienbare App
• besserer Überblick über das Lager
• Funktionen für die Berichterstellung
• besseres Kostenmanagement
• regelkonforme und nachvollziehbare Ausgabe von Schutzausrüstung

Implementierung

Obwohl die Umsetzung auch die Anbindung externer Anwendungen über spezielle Programmierschnittstellen (APIs) erforderte, ging die neue Lösung im Januar 2026 in Betrieb. Dank früherer Innovationsprojekte und der Erfahrung mit �鶹ԭ�� konnte das Kundenteam weitgehend eigenständig vorgehen. Typische Rückfragen betrafen vor allem bewährte Vorgehensweisen bei der Integration.

Innovationsprozess und Ausblick

„Wirklich bemerkenswert waren die außerordentliche Kompetenz, die schnelle Auffassungsgabe und die Entschlossenheit des SSA-Teams“, betonte Mirela Viersa, Customer Innovation Principal des �鶹ԭ�� AppHaus. „Im Anschluss an unseren Evaluierungsworkshop, bei dem wir die wichtigste Herausforderung herausgearbeitet hatten, haben wir eng zusammengearbeitet, um aus einer Vision einen konkreten, umsetzbaren Plan zu machen.“

Nach diesem jüngsten erfolgreichen Implementierungsprojekt mit �鶹ԭ�� plant SSA, �鶹ԭ�� Build künftig als zentrale Entwicklungsplattform einzusetzen – insbesondere mit �鶹ԭ�� Build Code. Ermutigt durch dieses Vertrauen und die nachweislich erfolgreiche Umsetzung plant das SSA-Team nun zu erkunden, welche Möglichkeiten �鶹ԭ�� Business AI und weitere intelligente Lösungen für das Unternehmen eröffnen.

The post São Salvador Alimentos optimiert die Verwaltung persönlicher Schutzausrüstung mit �鶹ԭ����Build appeared first on �鶹ԭ�� News Center.

Der Wechsel von �鶹ԭ�� IS-U auf �鶹ԭ�� S/4HANA Utilities beschäftigt derzeit nahezu alle Energieversorger. Die Stadtwerke in Deutschland müssen sich umstellen, da der reguläre Support für die weit verbreitete Branchenlösung �鶹ԭ�� IS-U unter �鶹ԭ�� EEC Ende 2027 ausläuft. „Für viele Unternehmen bedeutet das einen erheblichen Transformationsdruck“, sagt Benedict Kock, Director Energy Solutions bei Arvato Systems.

Die Energieversorger mit �鶹ԭ��-Landschaften müssen bald den Umstieg auf �鶹ԭ�� S/4HANA Utilities abgeschlossen haben. Nicht-�鶹ԭ�� Kunden stehen ebenfalls vor der Herausforderung, Altsysteme abzulösen. Sie müssen ihre historisch gewachsenen Landschaften modernisieren und eine neue Lösung wählen, mit der sie erfolgreich und flexibel die Zukunft gestalten können. Vor diesem Hintergrund steigt �鶹ԭ��-Partner Arvato Systems gemeinsam mit �鶹ԭ�� in das Plattformgeschäft Utilities ein und macht der Energiewirtschaft ein eigenes Angebot.

Die Abrechnungslösung des �鶹ԭ��-Partners auf Basis von �鶹ԭ�� S/4HANA Utilities heißt AEP.EnerS4 und ist gänzlich Cloud-basiert, was die Voraussetzung für schnelle Innovation und sicheren Betrieb ist. „AEP“ steht für die Dachmarke Arvato Systems Energy Portfolio, „EnerS4“ bezeichnet die eigentliche Branchenplattform für Energieversorger.

Standardisierung und individuelle Anpassbarkeit der Cloud-Lösung

Mit dem Plattformansatz werden zentrale energiewirtschaftliche Prozesse in einer gemeinsamen Systemarchitektur zusammengeführt. Im Kern von AEP.EnerS4 stecken die Funktionen für Kundenservice, Abrechnung, Marktkommunikation und Formularwesen.

„Wir kombinieren ein intelligentes �鶹ԭ��-S/4HANA-Utilities-Mastersystem nach dem �鶹ԭ�� RISE-Ansatz mit individuellen Erweiterungsmöglichkeiten für Energieversorger, Netz- und Messstellenbetreiber“

Benedict Kock, Director Energy Solutions bei Arvato Systems

Die Plattform basiert auf vorkonfigurierten Standards, ist aber als modular aufgebautes Template gestaltet. Die Kunden können je nach Bedarf Services dazu buchen.

Durch die Standardisierung ergibt sich ein hoher Automatisierungsgrad, der höher ist als bei allen bekannten On-Premise-Systemen, so Kock. Angesichts des auslaufenden Supports und der begrenzten Projekt-, Betriebs- und Fachressourcen sowohl bei Versorgern als auch bei IT-Dienstleistern erweist sich ein standardisiertes Vorgehen als besonders vorteilhaft. Durch diesen Plattformeffekt wird �鶹ԭ��-Technologie für Energieversorger jeder Größe effektiv nutzbar.

Das automatisierte �鶹ԭ��-S/4HANA-Utilities-Mastersystem wird zentral gepflegt und dient als Vorlage für die Kundensysteme. Die enthaltenen markt- und regulatorisch relevanten Anforderungen und funktionalen Erweiterungen werden einmal entwickelt und dann für alle Plattformnutzer ausgerollt. Dadurch sollen die Fachbereiche von Wartungs- und Update-Aufgaben entlastet werden.

Drei Modelle für verschiedene Anforderungen der Energieversorger

Die Unternehmen können entscheiden, wie nahe sie am Standard bleiben, in welchen Nuancen sie abweichen wollen oder ob sie weitere Add-ons einsetzen möchten. Dafür bietet Arvato Systems drei verschiedene Modelle an, angefangen bei großen Unternehmen mit sehr individuellen Stadtwerke-Systemen.

Dann gibt es den „Arvato Systems Standard“, vor allem für mittlere bis große Unternehmen, bei denen die wesentlichen Funktionen für Kundenservice, Abrechnung, Tarife und Marktkommunikation vordefiniert sind. Vor allem für kleinere Unternehmen gibt es ein drittes Modell mit vollständiger Standardisierung in einem Mehrmandanten-System und großen Kostenvorteilen, so Kock.

Flexibilität ist eingebaut

Grundsätzlich können die Energieversorger alle vorgegebenen Standards durch zusätzlich buchbare Leistungen ergänzen. Realisiert wird dies durch verschiedene „Serviceschalen“, die sich um den Plattformkern legen und kundenspezifische Anforderungen abbilden. Das sind optionale Module etwa für Betrieb, Prozessunterstützung, Weiterentwicklungen oder Business-Process-Outsourcing. Trotz der hohen Standardisierung ermögliche dies den Energieversorgern zugleich Flexibilität, weil die Unternehmen so eigene Prozesse abbilden können.

Die Lösung folgt dem Clean-Core-Prinzip. Statt Modifikationen am Kern vorzunehmen, werden individuelle Anpassungen, Änderungen oder Erweiterungen strikt vom Standard getrennt und gezielt außerhalb des Systemkerns umgesetzt. Dadurch reduzieren sich für die Unternehmen sowohl der Implementierungsaufwand als auch die Betriebskosten, so Arvato Systems.

Integrierte KI-Funktionen

„Die Plattform basiert auf der Cloud-Strategie von �鶹ԭ��, richtet sich konsequent an �鶹ԭ��-Standards aus und orientiert sich eng an der �鶹ԭ��-Roadmap“, sagt Kock. Da das Mastersystem auf einem zentralen �鶹ԭ��-Kern basiert, können die Unternehmen auch weitere �鶹ԭ��-Standardfunktionen nutzen, wie Customer Experience Services, KI sowie alle anderen Zusatzmodule.

„AEP.EnerS4 integriert KI-Tools wie automatisiertes Testing mit Tricentis Tosca und KI-Agenten wie �鶹ԭ�� Joule über die �鶹ԭ�� Business Transformation Platform (BTP)“

Benedict Kock, Director Energy Solutions bei Arvato Systems

Dadurch können Daten aus der Abrechnungsplattform unmittelbar für KI-gestützte Auswertungen und Automatisierungen genutzt werden.

ENNI setzt bereits auf neue Abrechnungsplattform

Während viele Energieunternehmen ihre Migrationsstrategie noch konkretisieren, hat sich die ENNI Energie & Umwelt Niederrhein GmbH aus Moers für den Einsatz der neuen Abrechnungsplattform entschieden. Das Unternehmen plant den Umstieg auf �鶹ԭ�� S/4HANA Utilities bis Oktober 2027 mit einer anschließenden Laufzeit von 60 Monaten.

Nach einer europaweiten Ausschreibung setzt der Energieversorger nach dem auslaufenden Support für �鶹ԭ�� IS-U auf die standardisierte Mastersystemlösung. Die �鶹ԭ��-Transformation ist dabei Teil eines umfassenden Modernisierungsvorhabens. Die bisherige, historisch gewachsene Systemlandschaft war hochkomplex, ressourcenintensiv und habe schnelle Anpassungen an neue regulatorische und technologische Marktanforderungen zunehmend erschwert.

„Für uns ist das Projekt ein zentraler Baustein unserer Digitalisierungsstrategie“, sagt IT-Leiter ENNI Christian Feltgen.

„Mit der Abrechnungslösung schaffen wir die Basis für eine sichere und agile �鶹ԭ��-Plattformstrategie, die uns langfristig Zukunftsfähigkeit garantiert.“

Christian Feltgen, IT-Leiter ENNI

Der Plattformansatz ermögliche Standardisierung, Skaleneffekte und individuelle Flexibilität bei gleichzeitig langfristig gesichertem Betrieb.

Entlastung der eigenen IT

Neben Effizienzgewinnen profitiere ENNI dabei von gebündelten Lizenzmodellen und einer spürbaren Entlastung im laufenden Betrieb. Im Rahmen des Managed-Service-Provider-Modells (MSP) übernimmt Arvato Systems Betrieb, �鶹ԭ��-Vertragsmanagement sowie die Weiterentwicklung der Plattform.

Für zukünftige Plattformkunden schafft Arvato Systems zusätzliche Planungssicherheit. Falls der offizielle Support für �鶹ԭ�� IS-U vor Abschluss der Transformation auf �鶹ԭ�� S/4HANA Utilities ausläuft, kann die bereits bestehende �鶹ԭ��-IS-U-Landschaft inklusive Support bis zur erfolgreichen Migration auf AEP.EnerS4 weiterbetrieben werden.

The post Arvato Systems steigt gemeinsam mit �鶹ԭ�� ins Plattformgeschäft für Energieversorger ein appeared first on �鶹ԭ�� News Center.

Rechtliche Rahmenbedingungen gelten gleichzeitig über mehrere Rechtsräume hinweg. Energiekosten, Arbeitsmärkte und Kundenerwartungen bewegen sich in ihre jeweils eigene Richtung – und stehen oft in direktem Widerspruch zueinander.

Die Frage, die mir branchen- und länderübergreifend am häufigsten gestellt wird, dreht sich im Kern immer um Folgendes: Wie bauen wir ein Unternehmen auf, das mit anhaltenden Turbulenzen umgehen kann, ohne dass seine operativen Abläufe darunter leiden?

Meine Antwort darauf ist zunehmend dieselbe: Man kann permanente Störungen nicht reaktiv bewältigen. Man baut Systeme auf, die Entwicklungen autonom, in großem Maßstab und in Echtzeit vorhersehen, sich daran anpassen und die agieren können. Das ist heute mit Business AI möglich, wenn sie richtig in den digitalen Kern eines Unternehmens eingebettet ist. Und der deutlichste Beweis dafür stammt von unseren Kunden. Viele von ihnen haben kürzlich bei den Veranstaltungen unserer Kundenkonferenz �鶹ԭ�� Sapphire von ihren beeindruckenden KI-Innovationsprozessen berichtet.

Daten sind die Grundlage, nicht Ergebnis nachträglicher Überlegungen

Der Weg von Ericsson ist lehrreich, weil sich das Unternehmen einer Wahrheit gestellt hat, gegen die sich viele Unternehmen noch sträuben. Esra Kocatürk Norell, Vice President für Customer Experience und Enterprise IT bei Ericsson, brachte es so auf den Punkt: „Sobald man KI skaliert, ist es kein KI-Problem mehr, sondern es wird zu einem Datenproblem.“

Diese Erkenntnis war ausschlaggebend für eine gezielte Investition in eine einheitliche Business Data Fabric. Ericsson entwickelte sie mit der �鶹ԭ�� Business Data Cloud, einer verwalteten Architektur, mit der Daten an ihrem Speicherort beibehalten und Geschäftssemantik, Governance und Lebenszyklusrichtlinien gleichzeitig zentral verwaltet werden können.

Mehr als 85.000 Benutzer arbeiten nun produktiv auf der einheitlichen KI-Plattform Joule. Ericsson hat den Übergang von der Experimentierphase zur unternehmensweiten Nutzung zuversichtlich vollzogen. Das Unternehmen entwickelt sich parallel an zwei Schauplätzen: Es modernisiert das ERP-Backbone durch RISE with �鶹ԭ�� und erschließt sich gleichzeitig KI-gestützte Potenziale in den Bereichen Entscheidungsfindung, Effizienz und neue Geschäftsmodelle.

Ericsson zeigt damit, dass der Weg zu vertrauenswürdiger, wiederholbarer KI über die Daten-Governance führt und dass der frühzeitige Aufbau dieser Grundlage einen strategischen Vorteil und keinen Kostenfaktor darstellt.

Vom digitalen Kern zur physischen Welt

Während Ericsson veranschaulicht, wie die KI-Transformation auf Ebene der Datenarchitektur aussieht, zeigt Martur Fompak International, ein weltweit führender Anbieter von Fahrzeugsitz- und Innenausstattungssystemen in der Automobilindustrie, wie sie in der Fertigung aussieht. Das Unternehmen hat ein autonomes intralogistisches Modell auf Basis von Joule mit KI-Funktionen der �鶹ԭ�� eingeführt. Gemeinsam mit seinem Robotik-Partner Humanoid arbeitet es daran, KI-gestützte Roboter direkt in produktive Fertigungsabläufe zu integrieren.

Das System verknüpft Produktionssignale und geschäftlichen Kontext mit der autonomen physischen Ausführung. Unterstützt durch Materialdaten, Lagerorte, Sequenzplanung und Fertigungsprioritäten führen humanoide Roboter nun Materialflüsse in der gesamten Fertigungsumgebung aus. Dabei identifizieren, transportieren und liefern sie Materialien an die Fertigungslinie, während sie kontinuierlich Rückmeldungen an �鶹ԭ��-Systeme senden.

Bei der zugrunde liegenden Logik geht es darum, „kognitive Autonomie mit physischer Automatisierung zu kombinieren, um die Umsetzung zu transformieren, Entscheidungen zu beschleunigen und intelligente Unternehmensfunktionen im gesamten Unternehmen zu skalieren“, beschrieb es Özlem Altınışık, Group Intelligent Technologies Director bei Martur Fompak International.

Erste Ergebnisse zeigen einen höheren Durchsatz und weniger Fehler. Als zukünftiges Ziel wurde eine bis zu fünfmal höhere Arbeitseffizienz für die Massenfertigung definiert. Martur Fompak International war bei den �鶹ԭ�� Innovation Awards 2026 der einzige Gewinner in der Kategorie „AI Excellence“. Das Unternehmen erhielt damit eine Anerkennung nicht nur für die Technologie, sondern auch für die Bereitschaft, Fabrikumgebungen neu zu gestalten.

Geschwindigkeit, Skalierbarkeit und die intelligente Plattform

Prysmian, der weltweit führende Anbieter von Kabellösungen mit einem Umsatz von 20 Milliarden Euro und einer Geschäftstätigkeit in mehr als 50 Ländern, schlug einen anderen, nicht weniger wichtigen Weg ein. Das Unternehmen schloss seine Entwicklung zu einer KI-fähigen Cloud-Plattform durch RISE with �鶹ԭ�� in nur vier Monaten ab. Anschließend nutzte es diese Grundlage, um mehr als 100 KI-Anwendungsfälle im gesamten Unternehmen umzusetzen. Die Ergebnisse sind messbar: 70 Prozent Automatisierung sich wiederholender Tätigkeiten, eine um 80 Prozent kürzere Implementierungszeit für neue Lösungen und eine Beschleunigung der Markteinführung neuer Produkte um 50 Prozent.

Was mich am Weg von Prysmian besonders beeindruckt, ist, wie das Unternehmen die Rolle der Unternehmenstechnologie neu definiert. Giovanni Cauteruccio, Konzern-CIO und Vorstand für Digitalisierung bei Prysmian, bezeichnete integrierte KI als „ein wesentliches Alleinstellungsmerkmal, um die Implementierung von Lösungen zu beschleunigen und KI-Kenntnisse und die KI-Kultur im gesamten Unternehmen zu stärken“.

Mit anderen Worten: Die Plattform ist nicht einfach ein Datenspeichersystem, sondern ein Motor zum Aufbau von Fähigkeiten, der das Unternehmen im Laufe der Zeit intelligenter macht.

Architektur der Agilität

Zusammengenommen weisen diese drei Geschichten auf etwas hin, das größer ist als die Summe seiner Teile. Das autonome Unternehmen ist kein weit entferntes Ziel. Es wird derzeit von Unternehmen aufgebaut, die sich bewusst dazu verpflichtet haben, KI als grundlegendes Designprinzip und nicht als eine Funktion in ihren operativen Kern zu integrieren.

Möglich wird das durch das Zusammenspiel einer verwalteten Datengrundlage, einer intelligenten ERP-Plattform und von KI-Funktionen, die vom Desktop über die Fertigungslinie bis hin zur Lieferkette reichen. Wenn diese Elemente richtig integriert sind, gewinnen Unternehmen etwas, das kein noch so reaktives Management bieten kann: die Fähigkeit, schneller Erkenntnisse zu gewinnen, Entscheidungen zu treffen und zu handeln, als sich Störungen aufbauen können.

Ein gewisses Maß an Unsicherheit wird weiterhin bestehen. Die Unternehmen, die am besten damit umgehen werden, sind diejenigen, die heute Systeme aufbauen, mit denen sich Volatilität in Signale und Signale in Vorteile verwandeln lassen.

Manos Raptopoulos ist Global President des Bereichs Customer Success für Europa, den Nahen Osten und Afrika und Mitglied des erweiterten Vorstands der �鶹ԭ�� SE.

The post Von der Fertigungsebene bis zur Datenschicht: So definieren führende Unternehmen die Regeln der Agilität neu appeared first on �鶹ԭ�� News Center.

Agentische KI baut auf dem wirtschaftlichen Potenzial generativer KI auf, das laut McKinsey-Schätzungen jährlich 2,6 bis 4,4 Billionen US-Dollar zur Weltwirtschaft beitragen könnte. Dies stellt die nächste Phase der Einführung von Unternehmens-KI dar: den Übergang von der reinen Inhaltserstellung zur eigenständigen Ausführung und von vereinzelten Pilotprojekten hin zum produktiven Einsatz.

Unkontrollierte Ausbreitung von KI-Agenten

Dieser Wandel stellt die KI-Governance vor eine neue Herausforderung. Von Agenten-Wildwuchs spricht man, wenn KI-Agenten schneller entwickelt, eingesetzt oder systemübergreifend verknüpft werden, als das Unternehmen in der Lage ist, sie zu erfassen, Verantwortlichkeiten zuzuweisen, Zugriffsrechte zu steuern, ihr Verhalten zu überwachen und sie zu optimieren oder sie stillzulegen, sobald sie ihren Zweck nicht mehr erfüllen.

Eine unterstreicht diesen Wandel, denn sie ergab, dass 98��Prozent der Unternehmen bereits KI-Agenten implementiert haben oder planen dies zu tun. Doch während sich die Einführung immer schneller vollzieht, kommen die Verantwortlichen mit der Umsetzung einer KI-Governance kaum hinterher. Laut demselben Bericht verfügen weniger als die Hälfte der befragten Unternehmen über eine Übersicht, welche KI-Agenten sie eigentlich im Einsatz haben.

Die Mechanismen hinter diesem Agenten-Wildwuchs kennt jedes Technologieunternehmen, das schon einmal eine SaaS-Welle erlebt hat. Einzelne Teams führen Agenten in Eigenregie ein – motiviert durch echte Produktivitätsziele. Jeder KI-Agent ist für eine bestimmte Aufgabe gedacht: ein Marketing-Automation-Agent hier, ein Supply-Chain-Monitoring-Agent dort, ein HR-Onboarding-Bot anderswo. Und alle arbeiten isoliert vor sich hin. Ohne zentrale Plattform oder übergreifendes Governance-Framework entsteht so eine fragmentierte Landschaft von Agenten, in der die einzelnen Tools nicht miteinander kommunizieren, sich nicht einheitlich überprüfen lassen und schneller technische Schulden anhäufen, als sie Mehrwert schaffen.

mehr als 150.000 KI-Agenten im Einsatz haben. Doch nur 13 Prozent der Unternehmen glauben, dass sie über die richtige Governance verfügen, um diese Flut von Agenten zu bewältigen. Max Goss, Senior Director Analyst bei Gartner, warnte sein Publikum auf einer Londoner Konferenz im April: „Während CIOs und IT-Führungskräfte gerade eine wahre Explosion von KI-Agenten in ihren Unternehmen erleben, haben viele mit einem unkontrollierten Wildwuchs zu kämpfen, der ihre Organisationen erheblichen Risiken aussetzt – von Fehlinformationen über übermäßiges Datenteilen bis hin zu Datenverlust.“

Weiter führte er aus: „Viele Unternehmen reagieren darauf, indem sie die Nutzung von KI-Agenten blockieren oder stark einschränken. Aber das ist auf Dauer keine tragfähige Lösung. Wenn Mitarbeitende nicht mit den freigegebenen Tools arbeiten können, werden sie die unternehmenseigenen Kontrollen wahrscheinlich umgehen und auf Schatten-KI ausweichen, was noch deutlich größere Risiken mit sich bringt. Unternehmen müssen die richtige Balance finden: Sie müssen Agenten steuern und den Wildwuchs in den Griff bekommen, gleichzeitig aber ihre Mitarbeitenden in die Lage versetzen, sicher mit diesen Tools an Innovationen zu arbeiten.“

Agenten benötigen in der Regel umfassende, systemübergreifende Berechtigungen, um funktionieren zu können, doch diese Berechtigungen werden selten mit der gleichen Sorgfalt verwaltet wie bei menschlichen Nutzern. Das Risiko durch nicht verwaltete oder unkontrollierte KI-Agenten im Unternehmen ist daher real und nimmt stetig zu.

Sicherheitsbedenken bei KI-Agenten

Aus der Unternehmenspraxis sind mittlerweile Fälle bekannt, in denen KI-Agenten vertrauliche Informationen offenlegten oder ihre vorgesehenen Grenzen überschritten – etwa durch vorsätzliche Anweisungen, die dazu führten, dass Agenten Sicherheitsvorkehrungen umgingen, Produktivdaten löschten oder irreversible Finanztransaktionen auslösten.

Gerade diese Sicherheitsrisiken bereiten führenden Technologieunternehmen großes Kopfzerbrechen. Bei Chatbots und früheren Formen generativer KI beschränkten sich Sicherheitsprobleme meist auf fehlerhafte Ausgaben: eine ungenaue oder unpassende Antwort, die sich in der Regel nachträglich korrigieren ließ. Im Zeitalter der KI-Agenten hingegen können die Folgen von Fehlverhalten oder Sicherheitsvorfällen deutlich schwerwiegender sein – schließlich führen Agenten eigenständig Aktionen aus, nutzen Tools, greifen auf Systeme zu und stoßen Geschäftsprozesse an.

Deshalb ist die Steuerung von Agenten längst keine reine IT-Angelegenheit mehr. Sie berührt zunehmend Themen, die auf Vorstandsebene angesiedelt sind: Risikomanagement, regulatorische Risiken, Datenschutz, Nachvollziehbarkeit, operative Widerstandsfähigkeit und Rechenschaftspflicht für autonome Entscheidungen.

Die neue KI-Governance-Plattform

Führende Unternehmen denken um: Sie sehen die Steuerung von KI-Agenten nicht mehr als lästige Pflichtaufgabe, sondern als entscheidenden Erfolgsfaktor. Denn davon hängt ab, ob ihre KI-Investitionen sich auszahlen oder zum Problem werden. Infolgedessen ist effektive AI-Agent-Governance schnell zu einem Vorstandsthema geworden und trägt zur Entstehung einer neuen Plattformkategorie bei: KI-Governance-Plattform.

Diese Kategorie befindet sich noch in der Entstehung, aber ihr Zweck wird immer klarer. Unternehmen müssen ihre Agenten im Griff haben: Sie müssen wissen, welche Agenten existieren, was diese tun, welche Zugriffsrechte sie haben, ob sie regelkonform arbeiten und wie sie sich im Produktivbetrieb verhalten.

�鶹ԭ�� gehört zu den Pionieren im Bereich Agentic AI – einer neuen Technologiekategorie. Und mit der Übernahme von LeanIX im Jahr 2023 hat die �鶹ԭ�� ihre Kompetenzen im Bereich Enterprise Architecture Management deutlich ausgebaut. Dies ist schnell zu einem anerkannten Differenzierungsmerkmal für den �鶹ԭ����AI Agent Hub geworden – indem KI-Artefakte wie Agenten, Modelle und MCP-Server innerhalb der gesamten Architektur und im gesamten Geschäftskontext des Unternehmens positioniert werden.

Auf dieser Basis funktioniert der �鶹ԭ�� AI Agent Hub als zentrale Steuerungszentrale. Von hier aus lassen sich alle KI-Agenten und KI-Tools im Unternehmen verwalten und kontrollieren – unabhängig davon, von welchem Anbieter sie stammen oder auf welchen Systemen sie laufen.

Wie �鶹ԭ��-CTO Philipp Herzig auf der diesjährigen �鶹ԭ�� Sapphire auf der Bühne erklärte, soll der �鶹ԭ�� AI Agent Hub eine Governance-Rolle für alle KI-Agenten im gesamten Unternehmen übernehmen. „Agenten sind überall“, sagte er. „Manche sind gut, manche nicht, und fast niemand hat ein konsistentes Bild – keine zentrale Governance, keine klare Sicht darauf, was die einzelnen Agenten tun, ob sie Mehrwert bringen oder ob sie den eigenen Richtlinien entsprechen.“

Herzig fuhr fort: „Mit �鶹ԭ�� AI Agent Hub ändert sich das. Ein zentraler Einstiegspunkt und eine Kommandozentrale, um alle KI-Agenten, LLMs und MCP-Server in Ihrer Landschaft herstellerunabhängig zu ermitteln, zu verwalten und zu steuern. Der [�鶹ԭ��] AI Agent Hub ermöglicht es Ihnen, alle Ihre Agenten im Kontext zu entdecken: Ihre Landschaft, Ihre Geschäftsprozesse. Sobald Sie die richtigen Agenten identifiziert haben, können Sie ihr Risiko kontrollieren und Entscheidungen im Bereich IT-Architektur oder Compliance-Regeln festlegen.“

Das Zeitfenster wird kleiner

KI-Agenten werden immer schneller in Unternehmen eingeführt. Dadurch bleibt immer weniger Zeit, um rechtzeitig wirksame Kontrollsysteme einzurichten, bevor etwas schiefgeht. Für CIOs, CEOs und Unternehmensvorstände lautet die Frage nicht mehr, ob KI-Agenten gesteuert werden sollen. Sie lautet, ob Governance von Anfang an in die Architektur eingebaut wird oder erst nach dem ersten ernsthaften Versagen nachgerüstet wird. Es geht darum, ob die Governance von Anfang an in die Architektur integriert wird oder ob man nachrüstet, wenn der erste ernsthafte Fehler aufgetreten ist.

Unternehmen, die die Steuerung von KI-Agenten im Jahr 2026 als strategische Priorität betrachten, werden besser in der Lage sein, sich mit KI einen langfristigen Wettbewerbsvorteil zu verschaffen. Wer die Planung jetzt aufschiebt, wird 2027 wahrscheinlich Chaos beseitigen müssen. In der IT gilt: Schnelles Handeln ohne durchdachte Struktur rächt sich früher oder später. Bei KI-Agenten passiert dies aber deutlich schneller und mit größeren Auswirkungen als bei bisherigen Technologien.

The post Wildwuchs von KI-Agenten: Warum KI-Governance jetzt ein Thema für den Vorstand ist appeared first on �鶹ԭ�� News Center.

Der niederländische Schiffbauer wurde 1927 als Familienunternehmen gegründet und ist heute mit mehr als 12.500 Mitarbeitenden und über 35 Werften auf sechs Kontinenten international präsent. Mit dem Ziel, der weltweit nachhaltigste Anbieter maritimer Lösungen zu werden, verbindet Damen Shipyards seine langjährige handwerkliche Erfahrung mit Innovation, Digitalisierung und optimalen Betriebsabläufen.

Click the button below to load the content from YouTube.

Always allow YouTube

Nachdem das Unternehmen umfassend in �鶹ԭ�� S/4HANA als zentrale ERP-Grundlage investiert hat, konzentriert es sich nun darauf, mit �鶹ԭ�� Business AI noch mehr aus dieser Plattform herauszuholen.

Nutzen der ERP-Plattform mit �鶹ԭ�� Business AI ausschöpfen

„Wir wollen den geschäftlichen Nutzen dieser ursprünglichen Investition wirklich ausschöpfen“, erklärte Han Coenraad, Produktmanager ERP bei Damen Shipyards. „Wir nutzen künstliche Intelligenz vor allem in unseren operativen Abläufen, damit alles runder läuft und wir fundiertere Entscheidungen auf Basis unserer Daten treffen können.“

Das Schiffbauunternehmen hat �鶹ԭ�� Joule für Berater und �鶹ԭ�� Joule für Entwickler aktiviert und testet Dialogfunktionen, die es Mitarbeitenden ermöglichen, in natürlicher Sprache mit �鶹ԭ��‑Systemen und Prozessen zu interagieren.

Für die Zukunft sieht Damen Möglichkeiten, sowohl integrierte als auch speziell entwickelte KI‑Anwendungen zu nutzen, um die Datenqualität zu verbessern, operative Abläufe zu optimieren und seinen Teams mehr Kundennähe und schnelleres Reagieren zu ermöglichen.

Einsatz künstlicher Intelligenz im Ersatzteilgeschäft

Ein Beispiel ist der Einsatz künstlicher Intelligenz zur Unterstützung der Vertriebsingenieure im Ersatzteilgeschäft. Die Software liest Kundendokumente aus E-Mails aus und überträgt die richtigen Informationen automatisch in Kundenaufträge. Das Ziel, so erläuterte Coenraad, sei es, „Schiffe schneller zu bauen, Kosten zu senken und die Kundenzufriedenheit zu erhöhen“.

Inspiriert von der �鶹ԭ�� Sapphire und der Vision des autonomen Unternehmens ist Damen Shipyards bereit für den nächsten Schritt: „Die strategische Neuausrichtung mit �鶹ԭ��‑Lösungen – wir freuen uns darauf und stehen wirklich voll dahinter. Lassen Sie es uns gemeinsam verwirklichen.“

The post Damen setzt auf �鶹ԭ�� Business AI, um Schiffbau schneller und intelligenter zu gestalten appeared first on �鶹ԭ�� News Center.

Vor dem Hintergrund der zunehmenden Vernetzung und Komplexität der Customer Journey können Lücken bei der Umsetzung inkonsistente Erlebnisse, längere Reaktionszeiten und verpasste Geschäftschancen zur Folge haben. Das Kundenerlebnis der nächsten Generation zielt nicht darauf ab, noch mehr Erkenntnisse zu gewinnen, sondern auf breiter Basis aus Erkenntnissen gezielte Maßnahmen abzuleiten.

Das neueste Release des Lösungsportfolios unterstützt Unternehmen dabei, diese Grundlage zu stärken, indem sie Arbeitsabläufe im Marketing, Handel, Vertrieb und Service miteinander verknüpfen und so bei jeder Kundeninteraktion eine einheitliche, skalierbare Ausführung ermöglichen.

Lernen Sie die Highlights des Release Q2 2026 kennen. Ausführliche Informationen zu den einzelnen Lösungen finden Sie in unseren Blog-Beiträgen zu , , , und .

Vom Kundeninteresse zum Verkaufsabschluss

Unabhängig vom Kanal oder Kontaktpunkt basieren Kundeninteraktionen immer häufiger auf Dialogen, sind stärker vernetzt und erfolgen zunehmend in Echtzeit. Zugleich müssen Unternehmen in der Lage sein, bei der Kundenansprache, der Verwaltung von Kampagnen oder der Anpassung ihrer Prozesse an neue Geschäftsanforderungen schneller auf Informationen zuzugreifen und einfacher Maßnahmen zu ergreifen.

• Einkaufen mithilfe von Conversational AI über einen MCP-Server (Model Context Protocol): Unterstützen Sie eine sichere Integration zwischen und KI-Agenten, die Kunden durch den Einkaufsprozess führen oder für den Kunden Aktionen ausführen. KI-Assistenten können Produktinformationen in Echtzeit abrufen, den aktuellen Bestand anzeigen, Warenkörbe verwalten und Transaktionen direkt in Chat- oder sprachbasierten Oberflächen ausführen. Kunden profitieren dadurch auch außerhalb von Ladengeschäften von einem intelligenteren, dialogorientierten Erlebnis.��

• Joule in �鶹ԭ�� Engagement Cloud (�鶹ԭ�� Early Adopter Care): Binden Sie �鶹ԭ�� Conversational AI direkt in Ihre Kampagnen-Workflows ein. Teams können in natürlicher Sprache Fragen zu Produkten oder Kampagnen stellen und erhalten präzise Antworten, ohne verschiedene Systeme durchsuchen zu müssen. Sie haben auch die Möglichkeit, erfolgreiche Kampagnen zu duplizieren. So müssen sie Kampagnen nicht jedes Mal komplett neu erstellen und haben mehr Zeit für Aufgaben, die strategisches Denken, Kreativität und die Interaktion mit Kunden erfordern.

• Rich Communication Services (RCS) in �鶹ԭ�� Engagement Cloud: Sprechen Sie Kunden mit aussagekräftigen, interaktiven Nachrichten an, die von Google unterstützt werden und Medien, Carousel Ads und Aktionsschaltflächen in nativen mobilen Messaging-Oberflächen enthalten. Markenbezogene, verifizierte Nachrichten helfen dabei, Vertrauen bei Kunden aufzubauen und sie von der Produktsuche bis zum Kaufabschluss nahtlos durch die einzelnen Prozessschritte zu führen, ohne dass hierfür eine zusätzliche Anwendung erforderlich ist.

Personalisierte Interaktionen ausweiten

Die Absicht der Kunden zu ermitteln ist lediglich der erste Schritt. Werden zusätzliche Kanäle für die Kundeninteraktion bereitgestellt, müssen Marketingteams schnell reagieren und Kunden auf breiter Basis relevante, personalisierte Erlebnisse bieten. Voraussetzungen dafür sind eine reibungslose Kampagnendurchführung, zeitnahe Einblicke und die Möglichkeit, jede einzelne Interaktion an die Bedürfnisse und Vorlieben des jeweiligen Kunden anzupassen.

• KI-gestützte Erstellung von Inhalten (Pilotphase): Erzeugen Sie hochwertige, markenbezogene Kampagneninhalte in . Teams können mithilfe von Gemini-Modellen, die auf Informationen zur Zielgruppe, zum Produkt und zum Kampagnenkontext zugreifen, schnell Varianten der Inhalte erstellen und diese weiter anpassen. Dies ermöglicht einen schnelleren Start von personalisierten Kampagnen und verringert den Zeitaufwand für die manuelle Erstellung von Inhalten.

• Integrierte Definition von Zielgruppen: Ermöglichen Sie Marketingteams den Abruf und die Aktivierung umfangreicher Daten aus der direkt in �鶹ԭ�� Engagement Cloud. Mit dieser Funktion können sie erweiterte Kundensegmente eigenständig definieren, ohne zu anderen Systemen wechseln oder auf die Unterstützung von Datenanalysten warten zu müssen. Die Zusammenführung von Verhaltens-, Transaktions-, Kunden- und Profildaten mit operativen Daten aus dem gesamten Unternehmen ermöglicht relevantere Omnichannel-Kampagnen, die genauer auf die Zielgruppe zugeschnitten sind.

Konsistente Vertriebsaktivitäten im gesamten Unternehmen

Die Fähigkeit, aus Einblicken konsequente, wiederholbare Maßnahmen abzuleiten, mit denen sich planbare Umsätze erzielen lassen, ist ausschlaggebend für den Erfolg im Vertrieb. Die zunehmende Komplexität von Vertriebsumgebungen führt dazu, dass selbst geringfügige Inkonsistenzen in Bezug auf Daten, Prioritäten oder Vertriebsaktivitäten Prognosen zunichte machen und Geschäftschancen nicht wahrgenommen werden können. Um konsistenter und souverän handeln zu können, müssen Sie die Datenintegrität verbessern, Vorgehensweisen abstimmen und klare Leitlinien definieren.

• Agentengestützter Überblick über Verkaufschancen: Geben Sie Ihren Vertriebsteams die Tools an die Hand, die sie für eine schnelle Einschätzung des Status von Verkaufsabschlüssen benötigen. Diese Funktion in führt Interaktionssignale, Umfang der Aktivitäten und Informationen zum Fortschritt in einer Echtzeitsicht zusammen, sodass Teams Risiken frühzeitig erkennen und effektiv priorisieren sowie erfolgreiche Abschlüsse erzielen können.
• : Beschleunigen Sie Verkaufsprozesse und unterstützen Sie die richtige Produktplatzierung mit Funktionen für die Vertriebssteuerung, die auf intelligenten, KI-optimierten Prozessen basieren und höhere Umsätze ermöglichen. Teams können damit die Planung und Durchführung von Kundenbesuchen verbessern, auf der Basis von Erkenntnissen die Vertriebsleistung steigern und Interaktionen optimieren. Unternehmen in der Konsumgüterindustrie können auf diese Weise die Regalverfügbarkeit, die Compliance von Werbeaktionen und die Wirksamkeit von Merchandising-Aktivitäten an allen Standorten im Einzelhandel verbessern. Außendienstteams erhalten einen besseren Einblick in die Aktivitäten in den einzelnen Filialen, was eine einheitlichere Markenpräsentation und einen erfolgreicheren Wiederverkauf ermöglicht.

• �鶹ԭ�� Incentive Management: Steigern Sie die Effektivität Ihres Vertriebsteams mit der Lösung , die Teil des Portfolios für das ist. Sie können damit profitable Vorgehensweisen fördern, die den Umsatz steigern und zum Wachstum des Unternehmens beitragen. Zugleich ermöglicht die Lösung Echtzeiteinblicke in die Vertriebsleistung, stellt Funktionen für die Verwaltung von Klärungsfällen bereit und unterstützt die von Belohnung von Vertriebserfolgen. Mithilfe von flexiblen Tools können Teams Erfolgsprämien optimieren und schnell und einfach Vertriebspläne erstellen, testen und einführen. Darüber hinaus unterbreitet die Lösung KI-gestützte Empfehlungen, mit denen Unternehmen ihre Pläne optimieren, bestmögliche Ergebnisse erzielen und handlungsrelevante Einblicke gewinnen können.

• Consumer Products Intelligence (�鶹ԭ�� Early Adopter Care): Mit dieser Lösung können Unternehmen in der Konsumgüterindustrie die riesigen Datenmengen, die in ihren Vertriebs- und Handelsprozessen erzeugt werden, als Grundlage für bessere Entscheidungen nutzen. Analysen und KI unterstützen sie dabei, den Erfolg von Rabatten zu steigern, höhere Umsätze und Margen zu erzielen und den manuellen Aufwand zu verringern.
  ��

Die Serviceausführung unternehmensweit standardisieren

Immer häufiger wird von Serviceteams schnellerer und zuverlässigerer Support erwartet. Zugleich müssen sie die zunehmende Komplexität von Supportkanälen und Supportanfragen bewältigen. Dies setzt einen einfacheren Zugriff auf Services und konsistente Prozesse im gesamten Unternehmen voraus.

• Selfservice-Katalog: Ermöglichen Sie es Ihren Mitarbeitenden, auch ohne fundierte Kenntnis der Backend-Prozesse schnell die benötigten Services zu finden. Mithilfe dieses intuitiven, geführten Katalogs für können Anfragen automatisch zusammen mit dem richtigen Kontext weitergeleitet werden. Dadurch entstehen weniger Verzögerungen und Probleme werden schneller behoben.

• Framework für Inhaltspakete: Mit dem Framework für �鶹ԭ�� Enterprise Service Management können Sie schnellen, skalierbaren Mehrwert in allen Geschäftsbereichen schaffen. Vorkonfigurierte, wiederverwendbare Konfigurationen für verschiedene Fallarten, Workflows und Kataloge unterstützen Unternehmen bei einer schnelleren Bereitstellung von Services und vereinfachen zugleich die Implementierung im gesamten Unternehmen. Mit diesem Ansatz können Unternehmen Komplexität beseitigen, Partner unterstützen und die Einführung beschleunigen. Inhaltspakete für die Bereitstellung von HR-Services werden in Kürze verfügbar sein.��
• E-Mail-Editor in �鶹ԭ�� Service Cloud und �鶹ԭ�� Enterprise Service Management: Dieser E-Mail-Editor ermöglicht ein effizienteres Verfassen, Bearbeiten und Verwalten von Nachrichten an Kunden und stellt bei Serviceinteraktionen eine hohe Qualität sicher. Der moderne, benutzerfreundliche E-Mail-Editor wurde speziell für Unternehmen entwickelt, die ihren Fokus auf KI legen.

• Erstellung von Verkaufsobjekten über den Kunden-Hub: Ermöglichen Sie es Bearbeitern, Leads, Opportunitys, Termine und Kundenaufträge direkt über den Arbeitsbereich des Bearbeiters in �鶹ԭ�� Service Cloud zu verwalten. Mit dieser Funktion können Unternehmen jede Interaktion mit Kunden in eine Opportunity umwandeln und auf diese Weise Mehrwert schaffen.

Das Auftragsmanagement vernetzen und beschleunigen

Damit sich aus Erkenntnissen Maßnahmen ableiten lassen, sind vernetzte Systeme erforderlich, die auch neue Anforderungen nahtlos unterstützen. Wenn Unternehmen ihre Auftragskanäle, Netzwerke für die Auftragsabwicklung und Technologielandschaften erweitern, benötigen sie Integrationen und Anwendungen für das Auftragsmanagement, die damit Schritt halten können und es Teams ermöglichen, schneller auf neue Anforderungen zu reagieren.

• Connector für Abläufe: Ermöglicht einen lückenlosen Datenfluss zwischen der Lösung , anderen �鶹ԭ��-Lösungen und Produkten von Drittanbietern. Mit dieser vordefinierten Funktion können Anwender auch ohne umfassende Unterstützung durch die IT-Abteilung eigene Geschäftsabläufe und Integrationen konfigurieren, sodass Auftragsmanagementprozesse unternehmensweit miteinander vernetzt sind.

CX-Lösungen für die Ausführung von Geschäftsprozessen nutzen

Mit der zunehmenden Integration von KI in ihre täglichen Abläufe nutzen Unternehmen KI nicht mehr nur, um neue Erkenntnisse zu gewinnen, sondern auch für die Ausführung von Geschäftsprozessen.

Mit unseren vor Kurzem angekündigten strategischen Partnerschaften mit und Google Cloud möchten wir diesen auf die Ausführung von Geschäftsprozessen ausgerichteten Ansatz erweitern, indem KI-gestützte Benutzeroberflächen für Service, Einkauf und Kundeninteraktion direkt mit operativen Systemen und Geschäftsdaten verknüpft werden. Dadurch können Unternehmen den Schritt von isolierten Interaktionen und Erkenntnissen zu koordinierten Maßnahmen vollziehen, die eine schnellere Problembehebung, ein besseres Kundenerlebnis und größeren Nutzen für das Unternehmen ermöglichen.

Informieren Sie sich ausführlich über die Neuerungen für �鶹ԭ�� CX im zweiten Quartal 2026 

In der Dokumentation im �鶹ԭ�� Help Portal finden Sie Informationen zu den neuen Funktionen.

Balaji Balasubramanian ist President und Chief Product Officer für �鶹ԭ�� Customer Experience und Consumer Industries bei �鶹ԭ��.

The post Von Erkenntnissen zur Ausführung von Geschäftsprozessen: Neuerungen im Release Q2 2026 von �鶹ԭ�� Customer Experience appeared first on �鶹ԭ�� News Center.

Die Investitionen in diese Transformationen sind von entscheidender Bedeutung. Für Unternehmen war dies jedoch nicht die Ziellinie, sondern sie haben damit eine Grundlage geschaffen. Und genau von dieser Grundlage profitieren sie heute bei der Einführung von KI-Lösungen, mit denen sie messbare Geschäftsergebnisse erzielen möchten.

Doch noch ein weiteres Element dieser Grundlage gewinnt zunehmend an Bedeutung: Daten. Die größte Wertschöpfung mit KI können Unternehmen erzielen, die in eine Datengrundlage investiert haben – denn damit steht KI-Lösungen vertrauenswürdiger Geschäftskontext zur Verfügung, der es ihnen ermöglicht, Schlüsse zu ziehen, Empfehlungen zu unterbreiten und Aktionen auszuführen.

In meinen Gesprächen mit Kunden in der Region Amerika und weltweit zeichnet sich nun ein neues Muster ab. Es geht weniger um die möglichen Anwendungsszenarien für KI, sondern vielmehr darum, was passiert, wenn intelligente Technologien in die zentralen Abläufe eines Unternehmens integriert werden.

Auch wenn eine Transformation stets an den individuellen Anforderungen eines Unternehmens ausgerichtet ist, sind drei Entwicklungen erkennbar, die allen Transformationsprojekten gemeinsam sind.

1. Von KI-Anwendungsfällen zu intelligenten Geschäftsprozessen

In der ersten Welle der KI-Einführung ging es vor allem darum, den Mehrwert von KI nachzuweisen. Unternehmen haben Anwendungsfälle mit besonders großem Nutzen ermittelt, damit messbare Ergebnisse erzielt und Vertrauen aufgebaut, dass KI zur Optimierung von Prozessen beitragen kann.

Daran arbeiten sie weiter. Kunden fragen sich jedoch zunehmend, wie intelligente Technologien in den Geschäftsprozessen verankert werden können, mit denen ihre Mitarbeitenden täglich arbeiten. In der Praxis gibt es dafür bereits konkrete Beispiele.

Das brasilianische Unternehmen HR Path Brazil bietet Recruiting und Talentmanagement für internationale Unternehmen und nutzt beispielsweise die in �鶹ԭ�� SuccessFactors HCM integrierte Lösung Joule, um typische Interaktionen im Personalwesen zu automatisieren. Die Mitarbeitenden von HR Path Brazil können damit die benötigten Informationen schneller auffinden und HR-Teams bleibt mehr Zeit für strategische Aufgaben. Das Unternehmen war dadurch in der Lage, die Zahl der Standard-Supportfälle im Personalwesen um sieben Prozent und die Arbeitslast des HR-Supportteams um zwei Stunden pro Woche zu verringern. Daraus ergibt sich schnell ein erhebliches Einsparpotenzial. Dieses Beispiel zeigt, wie integrierte und vernetzte KI-Lösungen zum festen Bestandteil von Arbeitsabläufen werden.

2. Von der Messung der KI-Nutzung zur Messung der mit KI erzielten Geschäftsergebnisse

Eine der größten Veränderungen, die ich derzeit beobachte, betrifft die Art und Weise, wie Unternehmen Erfolg definieren. Der ROI wird zunehmend zu einer festen Größe. Das belegen auch Untersuchungen, insbesondere eine diese Woche veröffentliche Studie von Oxford Economics. Sie zeigt, dass Unternehmen, die in KI investieren, dieses Jahr mit einer durchschnittliche Rendite von 21��% rechnen und in zwei Jahren bereits mit 38��%. Vor dem Hintergrund der fortschreitenden Entwicklung von Agentic AI prognostizieren Fachleute zudem eine Rendite in Höhe von 17,6��Millionen US-Dollar. Damit haben sich die Schätzungen aus dem vergangenen Jahr, die bei 4,3��Millionen US-Dollar lagen, mehr als vervierfacht.

Unternehmen können deshalb gezielt der Frage nachgehen, welche Geschäftsergebnisse ihre KI ermöglicht. Sie wollen wissen, wie sie Zykluszeiten verkürzen und bessere Entscheidungen treffen können. Von Interesse ist für sie außerdem, ob KI ihre Mitarbeitenden entlastet, sodass ihnen mehr Zeit für wertschöpfende Tätigkeiten bleibt. Und schließlich geht es für sie auch um die Frage, ob KI ihnen hilft, resilienter zu werden und schneller zu reagieren.

Dieser Wandel ist deshalb von Bedeutung, weil er zeigt, dass sich der Schwerpunkt von der Implementierung von Technologie hin zur Verbesserung der Unternehmensleistung verlagert.

3. Von Aufzeichnungssystemen zum neuen Betriebssystem für das Unternehmen

Die dritte Entwicklung wird nach meiner Einschätzung langfristig die größten Auswirkungen haben. Jahrzehntelang bildete Unternehmenssoftware in erster Linie Transaktionen, standardisierte Prozesse und automatisierte Routinetätigkeiten ab. Nun unterstützt sie Unternehmen zunehmend dabei, Veränderungen frühzeitig zu erkennen, empfiehlt geeignete Maßnahmen, koordiniert Arbeitsabläufe funktionsübergreifend und trifft immer häufiger Routineentscheidungen, die dann von Menschen kontrolliert werden.

Aus diesem Grund ist für mich das autonome Unternehmen weit mehr als nur die nächste Phase der Automatisierung. Es steht für ein neues Geschäftsmodell.

Im autonomen Unternehmen sind Mitarbeitende nicht länger damit beschäftigt, Informationen aus dem Finanzwesen, der Lieferkette, der Beschaffung, der Personalabteilung und den Geschäftsprozessen der Kunden miteinander zu verknüpfen, um daraus weitere Maßnahmen abzuleiten. Vielmehr sind intelligente Systeme zunehmend in der Lage, Kontextinformationen bereitzustellen, Empfehlungen zu unterbreiten, Arbeitsabläufe zu koordinieren und Teams bei der Umsetzung von Strategien unterstützen.

Dabei bleibt die Kontrolle stets beim Menschen. Er wird jedoch von Unternehmenssoftware unterstützt, die direkt in die Geschäftsprozesse des Unternehmens eingebunden ist und aktiv zu deren Ausführung beiträgt – statt lediglich aufzuzeichnen, was bereits geschehen ist.

Wo die Reise hinführt

Von den größten langfristigen Vorteilen werden nicht die Unternehmen profitieren, die die meisten KI-Anwendungsfälle implementieren. Den größten Nutzen werden vielmehr diejenigen erzielen, die diese ersten Erfolge als Grundlage dafür nutzen, die Arbeitsabläufe im gesamten Unternehmen von Grund auf neu zu gestalten.

Die Entwicklung zum autonomen Unternehmen ist ein längerer Prozess, für den auch in Zukunft eine starke Führungskultur, Governance und qualifizierte Mitarbeitende erforderlich sein werden. Diese werden sogar noch wichtiger werden.

Sehr wahrscheinlich werden wir irgendwann so auf die aktuellen KI-Projekte zurückblicken, wie wir heute auf die Anfänge der Cloud-Transformation zurückblicken: Wir werden sie nicht als Ziel betrachten, sondern als Grundlage für ein völlig neues Betriebsmodell und neue Möglichkeiten, kontinuierliche Innovationen voranzubringen.

Die wahren Profiteure dieses Wandels werden die Unternehmen sein, die zunehmend intelligenter, anpassungsfähiger und autonomer werden.

Jan Gilg ist Mitglied des erweiterten Vorstands der �鶹ԭ�� SE und Global President of Customer Success & Americas.

The post Welche Entwicklungen aktuelle KI-Transformationsprojekte aufzeigen appeared first on �鶹ԭ�� News Center.

Komplexe Transformationsprogramme geraten immer wieder an einen Punkt, an dem Entscheidungen ausbleiben und Diskussionen sich im Kreis drehen. Genau diese Situation erlebte auch SNP während der Modernisierung der eigenen �鶹ԭ��-Landschaft. Im Gespräch erläutert Matthias Schirner, Manager Global IT Business Applications bei SNP, wie der Max Success Plan von �鶹ԭ�� dabei half, festgefahrene Themen aufzulösen und das Transformationsprogramm gezielt voranzubringen.

Der Ausgangspunkt: ambitioniert, komplex und an manchen Stellen blockiert

Mit mehr als 1.600 Mitarbeitenden an 34 Standorten in 22 Ländern zählt SNP zu den führenden Anbietern von KI-gestützter Software für �鶹ԭ��-Transformationen und Datenmanagement. Unternehmen wie BMW, Pfizer oder E.ON setzen auf SNP, wenn es darum geht, komplexe �鶹ԭ��-Transformationen effizient und sicher umzusetzen.

Doch auch Unternehmen mit umfassender Transformationsexpertise stehen bei der Modernisierung ihrer eigenen IT-Landschaft vor anspruchsvollen Aufgaben. SNP hat bereits vor vier Jahren seine �鶹ԭ��-Systemlandschaft mit RISE with �鶹ԭ�� in die �鶹ԭ�� S/4HANA Private Cloud Edition auf Microsoft Azure migriert und damit frühzeitig den Grundstein für eine zukunftssichere Cloud-Strategie gelegt. In den vergangenen Jahren wurde diese Transformation konsequent weiter vorangetrieben. So wurden zusätzliche �鶹ԭ�� Cloud-Lösungen wie �鶹ԭ�� SuccessFactors für das globale Personalmanagement sowie �鶹ԭ�� Concur für das Reisekosten- und Ausgabenmanagement erfolgreich eingeführt und weltweit ausgerollt. Darüber hinaus setzt SNP auf die �鶹ԭ�� Business Data Cloud als zentrale Daten- und Analyseplattform.

SNP treibt die Modernisierung seiner �鶹ԭ��-Landschaft konsequent weiter voran. Nach dem erfolgreichen Wechsel in die �鶹ԭ�� S/4HANA Private Cloud Edition steht mit �鶹ԭ�� S/4HANA Cloud Public Edition nun der nächste Schritt der ERP-Evolution an.

Im Verlauf des Programms zeigte sich jedoch, dass einzelne Themen nicht wie geplant vorankamen. Diskussionen wiederholten sich über Monate, ohne zu tragfähigen Entscheidungen zu führen.

Wie kam es zum Max Success Plan?

Matthias Schirner zufolge ergab sich das Engagement ganz konkret aus der Projektsituation heraus: „Es entstand in einem Meeting mit �鶹ԭ��, in dem wir gemeinsam über den Status unseres Transformationsprogramms sprachen. Wir kamen zu dem Schluss, dass es am besten wäre, einen Workshop zu initiieren – um über konkrete Herausforderungen zu sprechen und zu klären, wie �鶹ԭ�� uns helfen kann, diese zu überwinden.“

Gemeinsam identifizierten die Teams die wesentlichen Herausforderungen und priorisierten die wichtigsten Handlungsfelder. Daraus entwickelte sich ein maßgeschneidertes Service-Engagement, das gezielt auf die Anforderungen von SNP zugeschnitten wurde.

Was der Max Success Plan konkret verändert hat

1. Neue Perspektiven auf bestehende Herausforderungen

„Der Hauptvorteil ist, dass wir die Perspektive auf unsere Herausforderungen verändert haben“, sagt Matthias Schirner. Der Blick von außen – kombiniert mit der Produkt- und Architekturkompetenz von �鶹ԭ�� – half dabei, festgefahrene Situationen neu zu bewerten und Lösungswege zu entwickeln.

Gerade in langfristigen Transformationsprogrammen entwickeln Teams häufig über Monate hinweg bestimmte Sichtweisen auf Herausforderungen. Eine externe Perspektive kann helfen, neue Lösungsansätze zu identifizieren und Entscheidungen wieder voranzubringen.

2. Von langen Diskussionen zu klaren Entscheidungen

„Nie endende Diskussionen, eine nie endende Meeting-Serie zum selben Thema – wir konnten sie stoppen und in Entscheidungen überführen. In klare Entscheidungen. Und damit stellen wir sicher, dass wir mit unserer Implementierung vorankommen.“

Für SNP lag der Mehrwert nicht allein in zusätzlicher Beratung, sondern vor allem darin, die Entscheidungsfähigkeit innerhalb des Projekts wiederherzustellen. Das schuf die Grundlage, um das Transformationsprogramm konsequent weiterzuführen.

3. Schnelle Wirkung

Schirner betont, wie schnell das Engagement Wirkung zeigte: „Es war fantastisch zu sehen, wie schnell dieses Service-Engagement Wert und Qualität in unser Projekt gebracht hat.“ Themen, die zuvor über Monate hinweg diskutiert worden waren, konnten gemeinsam mit den �鶹ԭ��-Expertinnen und -Experten zügig in eine lösungsorientierte Umsetzung überführt werden.

Warum der Max Success Plan gerade jetzt relevant ist

Für SNP reicht die Bedeutung des Projekts über die aktuelle Transformation hinaus. „Wir reden über KI, über Autonomous Enterprise, über Agents“, sagt Schirner. „Für uns ist es wichtig, die richtige Grundlage für all das zu bauen.“

Viele �鶹ԭ��-Anwender stehen heute vor einer ähnlichen Situation. Die Innovationsgeschwindigkeit nimmt kontinuierlich zu. Wer heute seine �鶹ԭ��-Landschaft modernisiert, schafft zugleich die Voraussetzungen, um künftige Innovationen wie KI-Agenten oder weitere intelligente Automatisierung gezielt nutzen zu können.

Hier setzt der Max Success Plan an. Als umfassendstes Service-Angebot von �鶹ԭ�� unterstützt er Unternehmen dabei, komplexe Transformationsprogramme strategisch zu begleiten. Das im März 2026 eingeführte dreistufige Modell (Foundational, Advanced und Max) umfasst unter anderem dedizierte Success Plan Manager, lösungsübergreifende Prozessoptimierung, kundenspezifische Prototypenentwicklung sowie Premium-Support mit Reaktionszeiten von bis zu 15 Minuten bei höchster Priorität. Oder wie Matthias Schirner zusammenfasst:

„Die Guidance von den �鶹ԭ��-Experten zu bekommen, ist der Schlüssel für unser Fundament, um das Unternehmen der Zukunft zu bauen.“

Was andere �鶹ԭ��-Kunden daraus mitnehmen können

Die Erfahrungen von SNP zeigen ein Muster, das viele Transformationsprogramme kennen:

• Komplexe Projekte profitieren von unterschiedlichen Perspektiven. Auch Unternehmen mit umfangreicher Transformationserfahrung können von der Produkt- und Architekturkompetenz des Softwareherstellers profitieren.

• Maßgeschneiderte Unterstützung schafft den größten Mehrwert. Entscheidend war kein Standardprogramm, sondern ein Service-Engagement, das gezielt auf die konkreten Herausforderungen zugeschnitten war.

• Entscheidungsfähigkeit ist ein wesentlicher Erfolgsfaktor. Wenn Diskussionen über längere Zeit keine Ergebnisse liefern, wirken sich Verzögerungen auf Projektfortschritt, Motivation und Planungssicherheit aus.

• Zukunftsfähigkeit entsteht schon heute. Wer Innovationen wie KI-Agenten oder Autonomous Enterprise nutzen möchte, schafft dafür bereits während der Transformation die notwendigen Voraussetzungen.

Fazit

Die Erfahrungen von SNP zeigen, dass auch Unternehmen mit umfassender Transformationsexpertise von einer engen Zusammenarbeit mit �鶹ԭ�� profitieren können. Der Max Success Plan unterstützte das Unternehmen dabei, festgefahrene Themen aufzulösen, Entscheidungen zu beschleunigen und das Transformationsprogramm gezielt voranzubringen.

The post Erfahrungen von SNP mit dem Max Success Plan von �鶹ԭ�� appeared first on �鶹ԭ�� News Center.