SafetyGuard entstand innerhalb von 12 Wochen im Rahmen der Digital Product School , in der Teams von ausgewählten Studierenden an realen Herausforderungen arbeiten, wurde vom studentischen Team MIDAS gemeinsam mit dem �鶹ԭ�� Research & Innovation Team entwickelt. Das Projekt veranschaulicht, wie aus standortübergreifender Zusammenarbeit mit dem Ökosystem in kurzer Zeit ein Prototyp entstehen kann, der konkrete Impulse für die Produktentwicklung bei �鶹ԭ�� liefert. 

Embodied AI als gemeinsamer Innovationsschwerpunkt 

Ziel des Projekts war es, Anwendungsfälle zu identifizieren, in denen sich Robotik und KI nahtlos in Geschäftsprozesse integrieren lassen. Basierend auf Recherchen und Nutzerstudien erkannte das Team MIDAS die zuverlässige Erkennung und Dokumentation von Sicherheitsrisiken als vielversprechenden Anwendungsfall. 

Sicherheitsprüfungen sind in vielen Branchen unverzichtbar – doch oft zeitintensiv und fehleranfällig. Genau hier setzt SafetyGuard an: Mit KI und autonomen Robotern (Embodied AI) werden Inspektionen effizienter, schneller und zuverlässiger – ohne zusätzliche Belastung für Mitarbeitende. 

Embodied AI – die intelligente Verbindung von KI mit physischen Robotersystemen – ist ein zentrales Zukunftsfeld für �鶹ԭ��.  

Technologisch basiert SafetyGuard auf modularer Robotik und KI-gestützter Autonomie. Roboter, etwa Drohnen oder humanoide Systeme, können Arbeitsbereiche selbstständig überprüfen. Ein spezialisiertes KI-Modell erkennt beispielsweise fehlende Schutzausrüstung und dokumentiert sicherheitsrelevante Vorfälle automatisch. Die Inspektionen lassen sich parallel zu anderen Aufgaben wie Materialtransport oder Anlagenüberwachung durchführen – ein Ansatz, der Effizienzgewinne mit einem höheren Sicherheitsniveau verbindet. 

„SafetyGuard zeigt, wie wirkungsvoll unser EcosystemAnsatz ist: Ein �鶹ԭ��Team aus Potsdam und ein Münchner Studierendenteam haben in kürzester Zeit gemeinsam einen Prototypen entwickelt, der reale Produktentwicklungen beeinflusst“, sagt Tobias Riasanow, Head of Ecosystem Development bei �鶹ԭ�� Labs Germany. „Genau so verstehen wir Ecosystem Development bei �鶹ԭ��.“  

Für �鶹ԭ�� ist das Projekt auch strategisch relevant. SafetyGuard greift reale industrielle Anforderungen auf und ergänzt bestehende Lösungen im Bereich Environment, Health & Safety Management. Perspektivisch könnte der Ansatz in das �鶹ԭ��-Portfolio einfließen und damit den Weg von der Idee zum Produkt weiter verkürzen. 

Programme, die Wirkung zeigen 

In den Programmen von UTUM sind inzwischen 13 Prototypen für �鶹ԭ�� entstanden – alle in enger Zusammenarbeit mit �鶹ԭ��-Produktbereichen und mit direktem Bezug zu den jeweiligen Roadmaps. 

• Innovation Sprint: Studierende arbeiten innerhalb einer Woche an Prototypen für konkrete Fragestellungen. Beim letzten Sprint zum Thema „Future of Retail with �鶹ԭ�� Joule“ entstanden fünf solcher Prototypen, darunter Lösungen für intelligente Bestandsoptimierung, virtuelle Regalkontrollen und Assistenzsysteme für den Einzelhandel. 
• Digital Product School: Studierende entwickeln über zwölf Wochen hinweg lauffähige Software-Prototypen. Ein Beispiel ist Carbon Data Exchange, eine Funktion, die heute Teil des �鶹ԭ�� Sustainability Control Tower ist. Ein weiteres Beispiel ist eine Anwendung, die Entwickler:innen den Zugang zur umfangreichen Dokumentation von �鶹ԭ�� Field Service Management erleichtert. Statt lange zu recherchieren, können sie ihre Fragen an einen Chatbot richten und erhalten passende Antworten inklusive Codebeispielen und Verweisen auf die entsprechenden Dokumentationsstellen. 
• Multi-Stakeholder-Projekte: Weitere Prototypen entstanden in längerfristigen Programmen wie dem Digital Hub Mobility oder der Circular Republic. Diese Programme bringen Unternehmen, Startups und Forschungseinrichtungen über mehrere Monate zusammen und ermöglichen �鶹ԭ��, Innovationen frühzeitig in realen Kunden- und Partnerumgebungen zu erproben. 

Schnelle Ergebnisse durch Co-Innovation 

Die Zusammenarbeit zwischen �鶹ԭ�� und UTUM zeigt, wie schnell aus Ideen greifbare Resultate entstehen können. Studierende, Forschende und �鶹ԭ��-Teams arbeiten eng zusammen und verbinden wissenschaftliche Ansätze mit konkreten industriellen Herausforderungen. SafetyGuard ist ein Beispiel dafür, wie Innovation im Bereich Embodied AI entsteht und wie verschiedene Disziplinen voneinander profitieren. 

„SafetyGuard demonstriert die Erweiterbarkeit von �鶹ԭ��s Ansatz für Embodied AI. �鶹ԭ��’s Embodied AI Layer integriert den Geschäftskontext und löst Aktionen über die gesamte Suite hinweg aus. Das KI-native, herstellerunabhängige Design ist über verschiedene Anwendungsfälle hinweg skalierbar und ermöglicht Multitasking, etwa wenn Roboter Sicherheitsvorfälle bearbeiten und gleichzeitig weitere Aufgaben wie Anlageninspektionen durchführen. SafetyGuard dient �鶹ԭ�� als Proof Point für den Mehrwert des Einsatzes kognitiver Robotik in Sicherheitsanwendungen” 

Adelya Fatykhova und Dr. Łukasz Ostrowski, Initiatoren und Betreuer der Challenge für Studierende

The post �鶹ԭ�� und UnternehmerTUM treiben Co-Innovation bei Embodied AI voran  appeared first on �鶹ԭ�� News Center.

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

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

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

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

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

ABAP bleibt hochgradig relevant

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

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

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

In Zukunft werden Agenten Code generieren

Wie wird Künstliche Intelligenz die Zukunft der ABAP Entwicklung prägen?

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

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

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

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

Die Magie von Agentic AI

Was ist Agentic AI?

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

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

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

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

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

Transformation von Legacy-Anwendungen

Welche Vorteile haben die Kunden von Agentic AI?

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

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

Weiter sehr wichtig: Qualität und Sicherheit

Muss man sich wegen der Sicherheit Sorgen machen?

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

Wie ist der Stand – und wie geht es weiter?

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

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

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

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

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

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

Wir haben deshalb im 4. Quartal 2025 neue Modelle und Angebote für eine souveräne Cloud eingeführt, zahlreiche Produkte aktualisiert und neue und vertiefte Partnerschaften bekannt gegeben, um Kunden eine bessere Nutzung von KI zu ermöglichen. Diese werden im Folgenden im Detail beschrieben.

�鶹ԭ�� Business AI für das Business Transformation Management

Der Dashboard Analyzer Agent für �鶹ԭ�� Signavio
Beta-Release

Geschäftsprozessexperten, die den Dashboard Analyzer Agent verwenden, können �鶹ԭ��-Signavio-Dashboards in intelligente Tools umwandeln, die Schritte vorgeben. Der KI-Agent wertet komplexe Ereignisprotokolle und Kennzahlen eigenständig aus, um ineffiziente Prozesse zu ermitteln, die Ursachen zu erläutern und umsetzbare Empfehlungen in natürlicher Sprache zu generieren.

Die KI-gestützten Einblicke werden direkt in die Arbeitsabläufe von Benutzern integriert. Unternehmen können so bis zu 80 %* schneller auf Erkenntnisse aus Prozessauswertungen zugreifen und den Wertverlust infolge einer unzureichenden Datenauswertung deutlich reduzieren.

.

Der Screen Guide Agent für �鶹ԭ�� Signavio
Beta-Release

Anwender und Prozessanalysten können mit dem Screen Guide Agent die Einführung von �鶹ԭ�� Signavio beschleunigen und sich schneller mit der Plattform vertraut machen. Der KI-Agent bietet dynamische Bildschirmanleitungen und erläutert den Zweck verschiedener Funktionen, hebt besonders relevante Daten hervor und unterbreitet in natürlicher Sprache Empfehlungen zu den nächsten Schritten.

Indem komplexe Bildschirme in intuitive Erlebnisse umgewandelt werden, können Unternehmen ihre Kosten für die Einarbeitung neuer Benutzer um bis zu 50 %* senken und den Zeitaufwand für das Verständnis einer Seite um bis zu 30 %* verringern. Dadurch können Benutzer aller Kenntnisstufen effizienter und produktiver arbeiten.

.

Der Workspace Administration Agent für �鶹ԭ�� Signavio
Beta-Release

Administratoren und Manager von Arbeitsbereichen können nun mit dem Workspace Administration Agent das Onboarding von Benutzern in �鶹ԭ�� Signavio erheblich vereinfachen und beschleunigen. Der KI-Agent automatisiert die Massenerstellung von Benutzern, die Zuordnung der richtigen Rollen und Lizenzen sowie die umgehende Erteilung von Zugriffsrechten für die erforderlichen Dashboards und gemeinsam genutzten Arbeitsbereiche.

Durch Implementierung dieses Tools können Unternehmen den Zeitaufwand für die Bereitstellung von Zugriffsberechtigungen um bis zu 90 %* verringern und so dafür sorgen, dass neue Teammitglieder umgehend produktiv sein können.

.

Der Value Case Creation Agent für �鶹ԭ�� Signavio
Beta-Release

Mitarbeitende, die für Prozessverbesserungen verantwortlich sind, und Business-Analysten können mit dem Value Case Creation Agent Rohdaten aus der Prozessanalyse in überzeugende, datengestützte Business Cases umwandeln. Der KI-Agent ermittelt automatisch ineffiziente Abläufe, quantifiziert die potenziellen finanziellen Auswirkungen und generiert Entwürfe zur Darstellung des Wertpotenzials, die bearbeitet werden können und das Problem und die erwarteten Vorteile zusammenfassen.

Unternehmen können damit ihre Transformationsinitiativen besser rechtfertigen. Auf diese Weise können sie den Zeitaufwand für die Darstellung des Wertpotenzials um bis zu 70 %* verringern und den Wertverlust mindern, der entstehen würde, wenn keine Maßnahmen ergriffen werden. So kann sichergestellt werden, dass Verbesserungsmaßnahmen auf der Grundlage eines klaren ROI priorisiert werden.

.

Der Process Content Recommender Agent für �鶹ԭ�� Signavio
Beta-Release

Enterprise Architects und Prozessmanager erhalten mit dem Process Content Recommender Agent intelligente Hilfestellung bei Fragen zu bestimmten Prozessen in �鶹ԭ�� Signavio. Der Agent wertet viele Tausend Best Practices sowohl aus �鶹ԭ��-Modellen als auch aus internen benutzerdefinierten Modellen aus und stellt eine strukturierte, priorisierte Liste maßgeschneiderter Inhalte bereit, einschließlich relevanter Kennzahlen und Value Accelerators.

Mit dieser Funktion können Unternehmen die Suche nach Inhalten um bis zu 50 %* beschleunigen und ihren Teams für das Geschäftsprozessmanagement ein produktiveres Arbeiten ermöglichen, sodass sie schneller datengestützte Entscheidungen zu ihren Transformationsinitiativen treffen können.

.

KI-gestützte Beschreibung von Erkenntnissen in �鶹ԭ�� Signavio Process Transformation Manager
Allgemeine �ձ����ü����������𾱳�

Analysten, die mit �鶹ԭ�� Signavio Process Transformation Manager arbeiten, können mit dieser neuen integrierten Funktion effektiver zusammenarbeiten und schneller Entscheidungen treffen. Die Funktion generiert automatisch klar verständliche, konsistente und benutzerfreundliche Beschreibungen zu Erkenntnissen aus �鶹ԭ�� Signavio Process Intelligence.

Analysten können damit ihren manuellen Aufwand deutlich verringern, indem sie komplexe Metamodellbegriffe in leicht verständliche Sprache umwandeln und dadurch die Lesbarkeit und die Abstimmung auf die Stakeholder verbessern. Auf diese Weise kann der Zeitaufwand für die Übersetzung von Metamodellbegriffen um bis zu 80 %* verringert werden, während zugleich die Produktivität der Anwender um bis zu 5 %* gesteigert wird.

KI-gestützte Beschreibung von Erkenntnissen

.

Der Initiative Builder für die KI-gestützte Transformationsberatung in �鶹ԭ��-Signavio-Lösungen
Allgemeine �ձ����ü����������𾱳�

Transformationsverantwortliche können nun mit dem Initiative Builder in �鶹ԭ��-Signavio-Lösungen allgemeine Geschäftsdokumente in konkrete, umsetzbare Projekte umwandeln. Benutzer können strategische Berichte, Jahresberichte oder Finanzberichte in den Initiative Builder laden, um wichtige Herausforderungen automatisch zu extrahieren und diese in �鶹ԭ�� Signavio Process Transformation Manager umgehend in vordefinierte Initiativen umzuwandeln.

Dadurch wird sichergestellt, dass Transformationsmaßnahmen direkt auf die Unternehmensziele abgestimmt sind. Dies ermöglicht eine deutlich höhere Effizienz, indem der manuelle Aufwand für die Suche nach relevanten Erkenntnissen um bis zu 75 %* reduziert und die Ausführung von Initiativen insgesamt beschleunigt wird.

.

Der AI Agent Hub für �鶹ԭ�� LeanIX
Allgemeine �ձ����ü����������𾱳�

Mit dem AI Agent Hub erhalten CIOs und Führungskräfte umgehend eine Übersicht über ihre gesamte Landschaft von KI-Agenten. Über ein zentrales Dashboard können sie sich ein Bild davon machen, in welchen Bereichen Agenten implementiert wurden, mit welchen Prozessen sie interagieren und welche Ergebnisse damit erzielt werden.

So können Teams die Effektivität von KI-Agenten bewerten, Redundanzen aufdecken und KI-Lösungen auf dieselbe Weise verwalten wie andere Anlagen des Unternehmens: ergebnisorientiert, richtliniengesteuert und mit laufender Leistungsoptimierung.

.

Aktionsleiste für �鶹ԭ�� Joule in WalkMe
Release im Rahmen des Programms �鶹ԭ�� Early Adopter Care

Mitarbeitende, die unterschiedliche Unternehmenssysteme nutzen, haben Zugriff auf die Joule-Aktionsleiste, einen proaktiven KI-Assistenten auf Basis von WalkMe. Das intelligente Overlay kann nahtlos in �鶹ԭ��- und Drittanwendungen genutzt werden. Durch Analyse des Bildschirmkontexts kann es die Aktivitäten von Benutzern nachvollziehen und Echtzeiteinblicke bereitstellen oder direkt im Arbeitsablauf Empfehlungen zu den nachfolgenden Aktionen unterbreiten.

Die Aktionsleiste stellt eine einheitliche und intuitive KI-Benutzeroberfläche bereit. Indem sie die Anforderungen der Anwender antizipiert, ermöglicht sie ein schnelleres und effizienteres Arbeiten, verbessert das Benutzererlebnis und harmonisiert Aufgaben systemübergreifend.

.

Philipp Herzig ist CTO der �鶹ԭ�� SE.

* Haftungsausschluss: Dieser Artikel beschreibt die zu erwartenden Vorteile für Unternehmen. Sämtliche Berechnungen sind Schätzwerte, denen Fallstudien von �鶹ԭ��-Kunden, �鶹ԭ��-Benchmarks und andere Untersuchungen zugrunde liegen. Die tatsächlichen Vorteile können variieren und durch zusätzliche Faktoren beeinflusst werden, die in diesem Artikel nicht berücksichtigt werden. Die Informationen werden ohne jegliche Gewähr, weder ausdrücklich noch stillschweigend, bereitgestellt. �鶹ԭ�� übernimmt keinerlei Verantwortung für Schäden im Zusammenhang mit der Nutzung dieses Artikels. Auf der Seite sind unter „Rechtliche Hinweise“ Nutzungsbedingungen, Haftungsausschlüsse, Pflichtangaben und Einschränkungen für dieses Material zu finden.

The post Highlights des Q4 2025 Release: �鶹ԭ�� Business AI für das Business Transformation Management appeared first on �鶹ԭ�� News Center.

Wir haben deshalb im 4. Quartal 2025 neue Modelle und Angebote für eine souveräne Cloud eingeführt, zahlreiche Produkte aktualisiert und neue und vertiefte Partnerschaften bekannt gegeben, um Kunden eine bessere Nutzung von KI zu ermöglichen. Diese werden im Folgenden im Detail beschrieben.

�鶹ԭ�� Business AI für die IT und Entwickler

Der Agent Builder in Joule Studio
Allgemeine �ձ����ü����������𾱳�

Anwender und IT-Experten können mit dem Agent Builder in Joule Studio nun leistungsstarke KI-Agenten für die Automatisierung hochkomplexer Geschäftsprozesse erstellen. Das Tool ermöglicht die Entwicklung von Agenten, die mehrstufige Arbeitsabläufe sowohl in �鶹ԭ��- als auch in Drittsystemen planen, logisch analysieren und dynamisch koordinieren können. Damit lassen sich auch Arbeitsabläufe in Szenarios, in denen eine Standardautomatisierung zu kurz greift, effektiv automatisieren.

Mit dem Joule Studio Agent Builder können Unternehmen den Zeitaufwand für häufig auszuführende Aufgaben um bis zu 40 %* und für die Erstellung und Implementierung eigener Agenten um bis zu 35 %* verringern. Dadurch können sie Entscheidungen deutlich schneller treffen und Abläufe effizienter gestalten.

.

Erweiterungen für den Generative AI Hub in AI Foundation
Allgemeine �ձ����ü����������𾱳�

�鶹ԭ��-RPT-1, das erste Relational Foundation Model für Unternehmensdaten

Die �鶹ԭ�� hat mit �鶹ԭ��-RPT-1 ihr erstes Relational Foundation Model für Unternehmensdaten vorgestellt, das zusammen mit einer No-Code-Testumgebung bereitgestellt wird.

�鶹ԭ��-RPT-1 ist im Gegensatz zu großen Sprachmodellen (Large Language Models, LLMs) ein Basismodell, das für eine neue Kategorie von KI-Modellen steht, die speziell für relationale und strukturierte Geschäftsdaten entwickelt wurden. �鶹ԭ��-RPT-1 wurde vorab trainiert, sodass Kunden von deutlich weniger Zeit- und Kostenaufwand für das Trainieren von Modellen profitieren, die auf sehr enge Anwendungsbereiche spezialisiert sind. Mit Antworten, die auf überprüften Unternehmensdaten basieren, stellt das Modell zuverlässige und faktenbasierte Prognosen bereit und bietet so die Genauigkeit und Verlässlichkeit, auf die es bei wichtigen Geschäftsabläufen ankommt.

Bei der Ausführung von Analyse- und Prognoseaufgaben wendet �鶹ԭ��-RPT-1 kontextbezogenes Lernen an. Indem es Beispieldatensätze direkt im API-Aufruf bereitstellt, können Benutzer eine Klassifizierung und Regression für tabellarische Daten durchführen. Das Modell kann als sofort einsatzbereite Lösung genutzt sowie in Anwendungen und Geschäftsprozesse integriert werden. Die erste Version unterstützt gängige Szenarios für Prognosen, unter anderem die binäre Klassifikation und Multiklassenklassifikation sowie die numerische Regression.

Mit dem �鶹ԭ��-RPT Playground stellt die �鶹ԭ�� außerdem eine interaktive, webbasierte Testumgebung bereit, in der Kunden die kontextbezogenen Lernfunktionen kostenlos und ohne Programmierung mit ihren eigenen Daten oder von �鶹ԭ�� bereitgestellten Beispieldatensätzen testen können.

�鶹ԭ��-RPT-1 ist im Generative AI Hub in AI Foundation für die produktive Nutzung verfügbar. Es stehen zwei Optionen zur Verfügung: �鶹ԭ��-RPT-1-small für sehr schnelle Prognosen und hohen Durchsatz und �鶹ԭ��-RPT-1-large für größtmögliche Genauigkeit.

und .

Das Basismodell �鶹ԭ��-ABAP-1

Um Kunden und Partnern die Entwicklung eigener, KI-gestützter Anwendungsfälle zur Steigerung der Entwicklerproduktivität zu ermöglichen, steht im Generative AI Hub nun das Basismodell �鶹ԭ��-ABAP-1 zur Verfügung. �鶹ԭ��-ABAP-1 wurde mit über 250 Millionen Zeilen ABAP-Code, 30 Millionen Zeilen CDS-Code und umfangreicher technischer Dokumentation trainiert und ist speziell darauf ausgelegt, Wissen, Best Practices und aktuelle Innovationen im Bereich ABAP-Code effizient zu verstehen, zu erläutern und schnell abzurufen.

Kunden können das neue Modell im Rahmen der Testversion für den Generative AI Hub kostenlos testen. Weitere Funktionen werden 2026 bereitgestellt.

.

Der Prompt Optimizer

Der Prompt Optimizer wurde in enger Zusammenarbeit mit Not Diamond entwickelt und hilft dabei, die Erstellung effektiver KI-Prompts in führenden Modellen zu automatisieren und zu beschleunigen. So können Benutzer die Prompts für ihre Anwendungsfälle an beliebige Modelle anpassen, ohne sie manuell neu erstellen zu müssen.

.

Die Orchestrierungs-Registry

Entwickler können nun den Lebenszyklus von Konfigurationen für Orchestrierungs-Workflows verwalten, beispielsweise die Sicherung, Versionierung und Löschung von Orchestrierungs-Konfigurationen.

.

Neue Modelle stehen zur Verfügung

Es werden neue Modelle unterstützt, darunter Perplexity Sonar, Sonar Pro, Anthropic Claude 4.5 Sonnet, Anthropic Claude 4.5 Haiku, Cohere Command A Reasoning und Gemini 2.5 Flash Lite.

Weitere Informationen zu neuen und nicht mehr verwendeten Modellen finden Sie in einem .

.

Erweiterungen für �鶹ԭ�� Document AI
Allgemeine �ձ����ü����������𾱳�

Extrahieren von Informationen mithilfe von maschinellem Sehen

Schema-Administratoren können nun zwischen wählen. Wenn diese Option aktiviert ist, werden Dokumente mit einem multimodalen Modell verarbeitet, das visuelle Elemente wie Gefahrenpiktogramme, Stempel, Unterschriften, Logos, Diagramme und Etiketten zusammen mit dem Text analysiert. Dadurch wird bei Dokumenten mit vielen visuellen Elementen (z. B. Sicherheitsdatenblättern oder Konformitätserklärungen) eine präzisere Datenerfassung ermöglicht. Die Funktion verbessert die Vollständigkeit und Genauigkeit der extrahierten Daten, verringert den Aufwand für die manuelle Kennzeichnung und Überprüfung durch eine automatische Extraktion visueller Elemente und optimiert Kosten und Leistung durch die Kontrolle auf Schemabasis.

.

Bearbeitung von E-Mail-Anhängen

Anwender können nun E-Mail-Anhänge zusammen mit dem E-Mail-Text oder separat verarbeiten. Sie profitieren damit von optimaler Flexibilität und einer verbesserten Datenextraktion.

Informieren Sie sich ausführlich über und .

Dokument-Workflows

Benutzer können nun schnell und einfach mehrstufige Workflows definieren, um Dokumente nach ihren individuellen Anforderungen zu verarbeiten. Mit der neuen Workflow-Funktion lassen sich grundlegende Funktionen von �鶹ԭ�� Document AI kombinieren, um komplexe Aufgaben zu automatisieren und zu optimieren.

Workflows können automatisch über Eingangskanäle ausgelöst werden, ohne dass zusätzliche Tools oder Integrationen erforderlich sind. Alternativ können Benutzer eine Datei hochladen und den Workflow manuell starten. Workflows gehen über die Extraktion und Klassifizierung hinaus und unterstützen Anwender bei Aufgaben wie der E-Mail-Verarbeitung, dem inhaltsbasierten Routing und einer automatisierten Verarbeitung.

.

Integriertes Transportmanagement

Mit einer Integration in �鶹ԭ�� Cloud Transport Management ermöglicht es �鶹ԭ�� Document AI Anwendern, ihre Schemas für Serviceinstanzen von �鶹ԭ�� Document AI (z. B. Entwicklung, Qualitätssicherung und Produktion) mithilfe der Transport-Funktion zu exportieren und zu importieren. Dadurch werden einheitliche Schemas und Workflows in allen Instanzen sichergestellt und eine bessere Zusammenarbeit zwischen Teams und Systemen ermöglicht.

.

KI-gestütztes Generieren von Anforderungen in �鶹ԭ�� Cloud ALM
Allgemeine �ձ����ü����������𾱳�

Berater können nun direkt aus Fit-to-Standard-Workshop-Protokollen automatisch hochwertige Geschäftsanforderungen generieren. Die neue Funktion in �鶹ԭ�� Cloud ALM analysiert Gesprächsinhalte und füllt anschließend eine vordefinierte Vorlage aus. Sie integriert �鶹ԭ�� Best Practices, um Lösungsvorschläge zu unterbreiten. Dadurch benötigen Berater weniger Zeit für die manuelle Transkription und können sich gezielt der strategischen Überprüfung und Optimierung widmen.

Durch diese Automatisierung wird der Zeitaufwand für das Erstellen von Anforderungen um bis zu 50 %* und für das anschließende Schreiben von User Storys um bis zu 20 %* verringert. Auf diese Weise kann die Projektdokumentation erheblich beschleunigt werden.

.

KI-gestützte Benutzerschulungen und Change Management im �鶹ԭ�� Micro-App Hub
Programm �鶹ԭ�� Early Adopter Care

Schulungsexperten und Inhaltsersteller können über den �鶹ԭ�� Micro-App Hub nun den gesamten Lebenszyklus von �鶹ԭ��-Benutzerschulungen optimieren, die Einführung von Schulungen beschleunigen und Kosten senken. Die Funktion ist an �鶹ԭ�� Signavio und �鶹ԭ�� Cloud ALM angebunden und kann dadurch den Projektumfang analysieren, den Schulungsbedarf ermitteln und automatisch maßgeschneiderte, auf die Geschäftsziele abgestimmte Schulungsinhalte für jede Benutzerrolle erstellen.

Auf diese Weise lassen sich nicht nur innerhalb kürzester Zeit aktuelle Materialien für unterschiedliche Autoren- und Schulungstools erstellen, sondern auch der Zeitaufwand für die erste Analyse des Schulungsbedarfs verringert sich um bis zu 60 %*. Inhalte können bis zu 50 %* schneller erstellt werden, was eine schnellere Einarbeitung und eine genauere Abstimmung von Benutzerschulungen mit �鶹ԭ��-Updates sicherstellt.

.

Philipp Herzig ist CTO der �鶹ԭ�� SE.

* Haftungsausschluss: Dieser Artikel beschreibt die zu erwartenden Vorteile für Unternehmen. Sämtliche Berechnungen sind Schätzwerte, denen Fallstudien von �鶹ԭ��-Kunden, �鶹ԭ��-Benchmarks und andere Untersuchungen zugrunde liegen. Die tatsächlichen Vorteile können variieren und durch zusätzliche Faktoren beeinflusst werden, die in diesem Artikel nicht berücksichtigt werden. Die Informationen werden ohne jegliche Gewähr, weder ausdrücklich noch stillschweigend, bereitgestellt. �鶹ԭ�� übernimmt keinerlei Verantwortung für Schäden im Zusammenhang mit der Nutzung dieses Artikels. Auf der Seite sind unter „Rechtliche Hinweise“ Nutzungsbedingungen, Haftungsausschlüsse, Pflichtangaben und Einschränkungen für dieses Material zu finden.

The post Highlights des Q4 2025 Release: �鶹ԭ�� Business AI für die IT und Entwickler appeared first on �鶹ԭ�� News Center.

Um die Entwicklung von KI zu steuern, müssen Unternehmen verstehen, dass es nicht mehr nur um die Frage geht „Was kann KI tun?“, sondern „Wie bringen wir unser Unternehmen mit KI auf Erfolgskurs? Was müssen wir dafür tun? Welche Probleme löse ich mit welchen Modellen? Wie steuern wir all das?

Sehen wir uns fünf wichtige Themen an, die Unternehmens-KI im Jahr 2026 bestimmen werden und die für Unternehmen sowohl Chancen als auch Herausforderungen bedeuten. Los geht’s!

1. Neue Kategorien von KI-Basismodellen schaffen Mehrwert für Unternehmen

Die Fortschritte in der generativen KI sind auf Durchbrüche bei den sogenannten Basismodellen zurückzuführen. Dabei handelt es sich um umfangreiche neuronale Netzwerke, die mit enormen Datenmengen trainiert werden und an verschiedenste Aufgaben angepasst werden können.

Große Sprachmodelle (Large Language Models, LLMs) waren die erste Welle von umfassenden Basismodellen. Allgemeine LLMs, die mit dem Äquivalent aller Texte im Internet trainiert wurden, ermöglichten viele wertschöpfende Anwendungsfälle wie das Zusammenfassen von Dokumenten, das Schreiben von Code und die Unterstützung von Anwendungen wie ChatGPT und Claude. In den letzten Jahren haben wir bereits gesehen, wie der Ansatz der Basismodelle in anderen Bereichen angewendet wurde, beispielsweise zum Erstellen von Videos und Generieren von Sprache.

2026 werden spezialisierte Basismodelle, die für bestimmte Datentypen und Bereiche optimiert sind, hochwertige Anwendungsfälle für Unternehmens-KI unterstützen. Bei Modellen zur Videogenerierung ließ sich bereits beobachten, dass Modelle, die auf realen physikalischen Daten beruhen, Schlussfolgerungen aus Szenen und physikalischer Dynamik ziehen können. Die aufkommenden Weltmodelle zeigen, dass das Simulieren der physischen Welt neue Möglichkeiten in den Bereichen Simulation, synthetische Trainingsdaten und digitale Zwillinge eröffnet. Vision-Language-Action-Modelle demonstrieren, dass Robotik-Basismodelle Verallgemeinerungen ableiten und auf neue Aufgaben und Umgebungen anwenden können, wodurch die Umwandlung von Wissen im Webmaßstab in reale Maßnahmen in den Bereichen Logistik und Fertigung möglich wird.

Im Unternehmensbereich findet gerade eine ähnliche Veränderung in Bezug auf strukturierte Daten in Datenbanken und transaktionaler Unternehmenssoftware statt. Obwohl LLMs in vielen Anwendungsfällen in Unternehmen beeindruckende Ergebnisse liefern, können sie Aufgaben wie numerische Prognosen, etwa die Herleitung eines Lieferdatums oder einer Bewertung von Lieferantenrisiken, nicht lösen. Arbeiten zu relationalen Basismodellen zeigen jedoch, dass das Training mit strukturierten Datensets – beispielsweise Daten in Tabellen statt allgemeinen Texten oder Bildern aus dem Internet – eine hohe Genauigkeit von Vorhersagen ermöglicht, ganz ohne mühsames Feature Engineering und Training, wie es beim klassischen maschinellen Lernen erforderlich ist. Das bedeutet, dass Unternehmen Prognosemodelle innerhalb von wenigen Tagen statt Monaten implementieren können. Kürzlich eingeführte relationale Basismodelle wie �鶹ԭ��-RPT-1, Kumo und Distil Labs zeigen, wie neue Modelle Anwendungsfälle wie Prognosen, Erkennung von Anomalien und Optimierung in ERP-, Finanz-, Fertigungs- und Supply-Chain-Szenarien direkt unterstützen können.

Es ist zu erwarten, dass diese spezialisierten Modelle 2026 skaliert werden und für strukturierte Geschäftsaufgaben erstklassige, effiziente Leistung liefern. Damit werden sie allgemeine LLMs und moderne Algorithmen für maschinelles Lernen übertreffen. Diese Modelle werden künftig die Zugpferde für wertschöpfende Aufgaben in Unternehmen sein.

2. Software entwickelt sich hin zu einer KI-basierten Architektur

Im Bereich der KI waren im Laufe der Jahrzehnte verschiedenste wertschöpfende Ansätze zu beobachten – von den ersten regelbasierten Expertensystemen über probabilistisches Deep Learning bis hin zum jüngsten Boom bei generativer KI. 2026 werden Unternehmen von der Erweiterung bestehender KI-Anwendungen und -Prozesse zu KI-basierten Architekturen übergehen, die das Versprechen moderner KI voll einlösen werden.

KI-basierte Architekturen ergänzen deterministische Systeme um eine Schicht für kontinuierliches Lernen und agentische KI. Dadurch sind absichtsgesteuerte und kontextbezogene Anwendungen möglich, die sich selbst verbessern, und die nicht statisch um festgelegte Workflows herum codiert werden müssen. Agentische Systeme werden jedoch auch weiterhin nur so gut sein, wie die Kontextschicht, auf der sie beruhen und von der sie zuverlässig Informationen abrufen können. Im Hinblick darauf sollten Unternehmen in umfassende, semantisch umfangreiche Wissensgraphen investieren, die eine skalierbare Kontextquelle bieten und eine KI-basierte Software ermöglichen, die zuverlässig ist und sich selbst verbessern kann.

Unternehmensanwendungen werden zunehmend nativ auf KI-Funktionen aufbauen und Benutzererfahrungen bieten, die für Interaktionen mit mehreren Modellen in natürlicher Sprache konzipiert sind. Sie werden mit KI-Agenten ausgestattet sein, die Schlussfolgerungen über komplexe Prozesse hinweg ziehen können und über eine Grundlage zur Verwaltung von Basismodellen, Services und einen Wissensgraphen zum Erfassen semantisch umfassender Geschäftsdaten verfügen. Mit einer auf KI basierenden Architektur können auch mehr Mitarbeiter in kürzester Zeit selbst Apps erstellen – beispielsweise kleinere Ad-hoc-Produktivitätsanwendungen –, ohne dafür IT-Teams beanspruchen zu müssen.

Eine Voraussetzung für eine KI-basierte Architektur sind etablierte SaaS-Prinzipien und Investitionen in moderne Cloud-Anwendungen, auf denen sie aufbauen kann. Der Fachbegriff für die Kombination von probabilistischen, adaptiven KI-Modellen mit deterministischen Aufzeichnungssystemen lautet neurosymbolische KI. Sie vereint die besten Fähigkeiten von KI zur Anpassung an zuverlässige, steuerbare und deterministische Prozesse. Anwendungen der nächsten Generation werden KI nicht nur unterstützen, sie werden im Kern auf KI aufbauen. Das bedeutet, dass Schlussfolgerungen, Geschäftsregeln und Daten kombiniert werden, um nahtlos Erkenntnisse zu liefern und zu automatisieren. Stellen Sie sich ERP-Systeme vor, die proaktiv Anomalien melden, Maßnahmen empfehlen und sogar Workflows autonom ausführen – und all das im Einklang mit Unternehmensrichtlinien und gesetzlichen Vorschriften.

3. Agentische Governance wird zu einem geschäftskritischen Aspekt

In den letzten zwei bis drei Jahren hat generative KI eine Welle von wertschöpfenden Anwendungsfällen ausgelöst. Diese Anwendungsfälle basierten größtenteils auf folgendem Muster: Benutzer senden einen Prompt an ein Modell, erhalten eine Antwort und interagieren erneut mit dem Modell.

Im vergangenen Jahr rollte die nächste Innovationswelle an: KI-Agenten, die mehrstufige Aufgaben planen und iterativ durchdenken können, einschließlich der Auswahl von Tools, der Selbstreflexion über den Fortschritt und der Zusammenarbeit mit anderen KI-Agenten. Diese fortschrittlichen KI-Agenten versprechen, komplexe Geschäftsprozesse anzugehen, die bisher nicht automatisiert werden konnten, etwa die Analyse einer großen Anzahl von Dokumenten, Aufzeichnungen und Richtlinien, um oder .

Die zunehmende Verbreitung von KI-Agenten, von denen viele kritische Aufgaben und sensible Daten verarbeiten, erfordert jedoch die Entwicklung neuer Funktionen. Agentische Governance wird sich als eine wichtige Funktion herausstellen, wenn Unternehmen Hunderte von spezialisierten KI-Agenten einsetzen. Die Herausforderung des „Agenten-Wildwuchses“ wird an frühere Schatten-IT-Krisen erinnern, doch angesichts der autonomen Entscheidungsfähigkeiten von Agenten wird sie mit höheren Risiken einhergehen.

Zukunftsorientierte Unternehmen werden umfassende Governance-Frameworks schaffen, die fünf Dimensionen abdecken: Lebenszyklusmanagement für Agenten (Versionskontrolle, Testprotokolle, Implementierungsgenehmigungen, Verfahren für die Außerbetriebnahme), Beobachtbarkeit und Auditierbarkeit (Verzeichnis, Protokollierung, Argumentationspfade und Aktions-Traces von Agenten), Durchsetzung von Richtlinien (Einbettung von Geschäftsregeln, gesetzlichen Einschränkungen und ethischen Richtlinien in die Ausführungsabläufe von Agenten), Modelle für die Zusammenarbeit zwischen Mensch und Agent (Definition von Autonomiegrenzen, Genehmigungsanforderungen und Eskalationspfaden) und Leistungsüberwachung (Nachverfolgung von Genauigkeit, Effizienz, Kosten und geschäftlichen Auswirkungen).

Der organisatorische Wandel wird tiefgreifend sein – von der Betrachtung der KI als unabhängiges Werkzeug bis hin zur Verwaltung von Agenten als digitale Mitarbeitende, die ein Onboarding, Leistungsbeurteilungen und kontinuierliche Verbesserung erfordern. HR- und IT-Abteilungen werden beim „digitalen Personalmanagement“ zusammenarbeiten, da Unternehmen die agentische Governance ebenso ernst nehmen wie die herkömmliche Kontrolle des Personals.

4. Absichtsgesteuertes ERP und generative UI bieten neuen Nutzungskomfort

Verbraucher sind zunehmend besser mit Computerinteraktionen vertraut, die Prompts in natürlicher Sprache, Spracheingaben und sogar in Form von Bildern und Gesten erfordern. Gleichzeitig wird sich die Fähigkeit von generativer KI, Texte, Grafiken, Code und HTML dynamisch zu erstellen, rasch verbessern. Parallel dazu wird es möglich sein, dass Nutzer einfach ihre Absichten ausdrücken, sodass KI-Agenten ermitteln können, wie sie dieses Ziels erreichen.

Diese Fortschritte eröffnen Nutzern vielfältige, völlig neue Modalitäten für das Arbeiten mit Unternehmenssoftware und mit ERP-Software ohne App („No-App ERP“). Betrachten wir als Beispiel das Buchen eines Kundenbesuchs. Dafür müssen Mitarbeitende in der Regel eine Analyseanwendung öffnen, um das Kundenkonto zu überprüfen. Dann suchen sie im CRM-System nach der Adresse des Kunden und navigieren schließlich zu einer anderen Anwendung, um die Reise zu buchen. 

2026 werden wir mit digitalen Assistenten häufiger über „Gen UIs“ arbeiten. Generative UI entlastet Nutzer, da sie nicht mehr zwischen mehreren Anwendungen navigieren und manuelle Aufgaben ausführen müssen. Mit der Zeit werden Nutzer dank KI einfach ihre Absicht ausdrücken können: „Bereite eine Reise zu meinem Kunden mit den meisten Leads vor.“ Der KI-Agent plant daraufhin die entsprechenden Schritte und erforderlichen Systeme und interagiert mit dem Benutzer, um sich Reisedetails bestätigen zu lassen. Inzwischen generiert er dynamische Analysediagramme und Briefingmaterial im Fenster. Da KI-Agenten immer leistungsfähigere Berechnungs- und Vorhersagetools entwickeln, werden sie es Nutzern ermöglichen, „natürlicher mit ihren Daten zu sprechen“, während die Agenten im Hintergrund datenbasierte Entscheidungen treffen. Um es noch einmal zu verdeutlichen: Interaktionen mit Agenten werden weit über gängige Chat-Dialoge hinausgehen. Unternehmen werden über umfangreiche Visualisierungen, vollständige Workflows und die Möglichkeit verfügen, mit nur wenigen Befehlen hochgradig personalisierte Apps zu erstellen.

Die Benutzungsoberfläche an sich wird nicht verschwinden. Für das Arbeiten mit ERP unabhängig von einer App und mit autonomen Agenten sind dieselben Grundlagen erforderlich, auf die sich Menschen bereits bei ihrer täglichen Arbeit verlassen: strukturierte Workflows, Sicherheit, Governance und Geschäftslogik, die in Geschäftsanwendungen definiert sind. Der Unterschied besteht darin, dass Agenten diese Grundoperationen programmtechnisch in großem Maßstab konsumieren, nicht nur über eine grafische Benutzungsoberfläche. Menschen können mit diesen Agenten über natürliche Sprache interagieren, ohne die Anwendung überhaupt öffnen zu müssen.

Diese Funktionen werden ein neues Paradigma für die Zusammenarbeit zwischen Mensch und KI und für Produktivität am Arbeitsplatz etablieren. Personalisiertes Arbeiten und anpassungsfähige Workflows über Anwendungen und Datenquellen hinweg werden die Akzeptanz verbessern. Diese Fähigkeit, sich unabhängig von der Interaktionsmodalität und den zugrunde liegenden Systemen ausschließlich auf das Erreichen der Absicht eines Nutzers zu konzentrieren, wird die Investitionsrendite (ROI) von KI und Unternehmenssoftware steigern.

5. Deglobalisierung steigert das Angebot an souveräner KI

KI sorgte für Debatten über digitale Souveränität zwischen verschiedenen Ländern, da sie potenziell Auswirkungen auf alles hat, von wissenschaftlichen Entdeckungen über nationale Sicherheit bis hin zu volkswirtschaftlicher Produktivität und selbst die Kultur. Geopolitische Ereignisse wie Störungen in der Lieferkette durch Zölle und Krieg haben die Dringlichkeit des Erreichens digitaler Souveränität, die viele Nationen und Unternehmen verspüren, noch verstärkt.

Digitale Souveränität hat zwei weit gefasste Definitionen. Erstens ist digitale Souveränität eine Bezeichnung für Informationssicherheit, die die Speicherung und den Zugriff auf Daten regelt, so etwa FedRAMP in den USA und die VSA in Deutschland, die die Voraussetzung dafür sind, sensible Regierungsdaten in einer souveränen Cloud zu verarbeiten. In der zweiten, etwas allgemeineren Definition bezieht sich Souveränität auf die Herkunft von physischen Anlagen, geistigem Eigentum, Gerichtsstand und Services für den gesamten Cloud-Stack. Nutzt eine Anwendung beispielsweise ein KI-Modell, das in Europa, den USA oder China erstellt wurde, und ist das Rechenzentrum geografisch isoliert?

Angesichts der hohen Risiken, der geopolitischen Unsicherheit und der Komplexität von „souveräner KI“ werden Unternehmen zunehmend nach KI- und Cloud-Lösungen verlangen, die gleichzeitig hochmodern, flexibel und vollständig souverän sind. Das forciert den Wandel von einer globalisierten Einheits-Cloud zu regional konformen, KI-gestützten Unternehmensplattformen. Gleichzeitig werden die Regierungen ihre nationalen KI-Strategien weiter verfeinern, um in Bereiche entlang des Stacks zu investieren, in denen sie wettbewerbsfähig sind und Mehrwert schaffen können.

Umsetzung der KI-Themen im Jahr 2026

2026 ist KI auf dem besten Weg, sich von einem unterstützenden Werkzeug zu einer tragenden Säule für Unternehmen zu entwickeln. Dieser Wandel wird durch eine Annäherung entscheidender Trends vorangetrieben – darunter immer leistungsfähigere Agenten, generative Benutzungsoberflächen und KI-basierte Architektur –, die KI aus der Anwendungsschicht in den Kern von Geschäftsabläufen verlagern.

Erfolgreich werden die Unternehmen sein, die diesen Wandel erkennen und ein Unternehmen aufbauen, das speziell auf KI ausgerichtet ist: Sie schaffen eine robuste Governance, um eine neue, kollaborative Belegschaft aus Menschen und KI-Agenten zu verwalten. Sie führen generative Benutzungsoberflächen ein, um die Akzeptanz zu verbessern und Nutzern ein absichtsgesteuertes Arbeiten durch natürliche Interaktion zu ermöglichen. Sie machen spezialisierte Basismodelle ausfindig, die genau auf die Anwendungsfälle des Unternehmens abgestimmt sind, um den geschäftlichen Nutzen zu steigern, und nicht zuletzt entwickeln sie nahtlos Anwendungen rund um die KI, die logische Schlussfolgerungen, Geschäftsregeln und Daten vereinen und proaktive Erkenntnisse liefern und Automatisierung ermöglichen.

Unternehmen werden jedoch auch im Jahr 2026 weiterhin hochwertige, vernetzte Daten benötigen. Datensilos schränken die Effektivität von KI stark ein. Wie bereits erwähnt, setzt eine KI-basierte Architektur Investitionen in moderne Cloud-Anwendungen voraus, die Daten im gesamten Unternehmen harmonisieren – denn einheitliche Daten sorgen dafür, dass die Ergebnisse der KI genauer und relevanter sind.

Jonathan von Rueden ist Chief AI Officer der �鶹ԭ�� SE.
Walter Sun ist Senior Vice President und Global Head of AI for �鶹ԭ�� Business AI bei der �鶹ԭ��.
Sean Kask ist Vice President und Head of AI Strategy for �鶹ԭ�� Business AI bei der �鶹ԭ��.

The post KI im Jahr 2026: Fünf bestimmende Themen appeared first on �鶹ԭ�� News Center.

Wir haben deshalb im 4. Quartal 2025 neue Modelle und Angebote für eine souveräne Cloud eingeführt, zahlreiche Produkte aktualisiert und neue und vertiefte Partnerschaften bekannt gegeben, um Kunden eine bessere Nutzung von KI zu ermöglichen. Diese werden im Folgenden im Detail beschrieben.

Joule

Joule in Microsoft 365 Copilot
Allgemeine �ձ����ü����������𾱳�

Die wechselseitige Integration von Joule und Microsoft 365 Copilot ist nun abgeschlossen. Damit wird ein einheitliches Benutzererlebnis in allen Unternehmenssystemen ermöglicht. Anwender können nun direkt in Microsoft 365 Copilot auf Joule-Funktionen zugreifen. Dadurch stehen ihnen direkt in der Joule-Umgebung für generative KI Informationen aus Microsoft-Anwendungen zur Verfügung.

Diese enge Interoperabilität wird die Abläufe, Zusammenarbeit und Entscheidungsprozesse von Unternehmen in ihren �鶹ԭ��- und Microsoft-Landschaften verbessern.

Click the button below to load the content from YouTube.

Always allow YouTube

.

Das Joule Analytics Center
Allgemeine �ձ����ü����������𾱳�

�鶹ԭ��-Kunden, einschließlich IT-Administratoren und Entwicklungsteams, erhalten über das Joule Analytics Center nun detaillierte, Tenant-spezifische Einblicke in die Benutzerakzeptanz und -interaktion. Über das interaktive Dashboard können sie Nutzungsdaten nach Produkt, Szenario, Interaktionsart und Client filtern und grafisch darstellen. Dadurch erhalten sie eine präzise Übersicht, wie sich die Nutzung von Joule im zeitlichen Verlauf entwickelt. Die Analyse dieser Trends und spezifischer Nutzungsmuster gibt Unternehmen Aufschluss darüber, welche Szenarios Anwendern den größten Nutzen bringen. Sie können damit außerdem Bereiche mit Verbesserungspotenzial ermitteln und datengestützte Entscheidungen treffen, um das Benutzererlebnis zu optimieren.

.

Die Joule Preview Landscape
Allgemeine �ձ����ü����������𾱳�

Für �鶹ԭ��-Kunden, einschließlich IT-Administratoren und Entwicklungsteams, steht mit der Joule Preview Landscape eine spezielle Umgebung innerhalb der �鶹ԭ�� BTP zur Verfügung, die mehr Transparenz und Kontrolle über Softwareaktualisierungen bietet. Mit dieser Landschaft bleibt Kunden Zeit für die Validierung. Dadurch lassen sich die bisherigen Herausforderungen, die das gleichzeitige Einspielen neuer Funktionen auf allen Tenants mit sich brachte, besser bewältigen. Kunden können neue Aktualisierungen des Joule-Frameworks zwei Wochen lang und aktualisierte Inhalte vier Wochen lang testen und validieren, bevor sie für Produktivsysteme freigegeben werden. Mit diesem proaktiven Ansatz sind Teams in der Lage, die Auswirkungen von Änderungen sorgfältig zu bewerten, mögliche Probleme zu identifizieren und für eine nahtlose Umstellung zu sorgen. Auf diese Weise können sie neue Funktionen sicher einführen und eine Unterbrechung des laufenden Geschäftsbetriebs vermeiden.

.

Produkterweiterungen für �鶹ԭ�� Joule for Consultants
Allgemeine �ձ����ü����������𾱳�

�鶹ԭ��-Beratern stehen nun in �鶹ԭ�� Joule for Consultants erweiterte Funktionen zur Verfügung, die das Vertrauen der Anwender stärken und die Qualität der Antworten verbessern sollen. Die dialogorientierte Lösung bietet mehr Transparenz und verbesserte Quellenangaben, bei denen alle Informationsquellen einschließlich Suchanfragen im Internet klar erkennbar sind. Wir haben mit der Integration von über 9 TB exklusiven, geschützten �鶹ԭ��-Inhalten begonnen, darunter der Einführungsleitfaden (IMG), die Liste der Vereinfachungen und die Enterprise-Architektur-Referenzbibliothek der �鶹ԭ��. Die Wissensdatenbank des Tools wird kontinuierlich mit den neuesten Informationen aus �鶹ԭ�� Learning, der �鶹ԭ��-Hilfe und weiteren Quellen wie �鶹ԭ�� News, dem AI Feature Catalogue und anderen öffentlichen Quellen aktualisiert.

Dies stärkt das Vertrauen von Beratern in die angezeigten Informationen, da sie genau sehen können, woher diese stammen. Durch die wachsende Wissensdatenbank erhalten sie außerdem umfangreichere, präzisere Antworten mit umfassendem Kontext auf ihre Abfragen, für deren Eingabe nun anstelle von 2.000 insgesamt 10.000 Zeichen zur Verfügung stehen.

Wir haben auch die neue Funktion Console aktiviert, über die sowohl Standardbenutzer als auch Administratoren auf die neuesten Release-Informationen, Nutzungskennzahlen (nur Administratoren), eine integrierte Prompt-Bibliothek und Systemeinstellungen (nur Administratoren) zugreifen können. Darüber hinaus haben wir Pilotprogramme für einen begrenzten Benutzerkreis gestartet, mit denen kundenspezifische Dokumente direkt in �鶹ԭ�� Joule for Consultants eingebunden werden können. Dies ermöglicht ein personalisiertes und maßgeschneidertes Erlebnis für Berater. Diese Pilotprogramme dienen dazu, die Integration geschützter Informationen von Kunden in die allgemeine Wissensdatenbank zu testen und sicherzustellen, dass Berater über eine zentrale, sichere Plattform sowohl auf allgemeine Brancheninformationen als auch auf kundenspezifische Daten zugreifen können.

Mit �鶹ԭ�� Joule for Consultants benötigen Berater durch einen schnelleren Zugriff auf präzisere Inhalte für die Suche nach Informationen bis zu 1,5 Stunden weniger pro Tag, müssen bis zu 50 %* weniger Design-Änderungen und daraus resultierende Nacharbeiten vornehmen und können die Projektdurchführung um 14 %* beschleunigen (ausführliche Informationen hierzu erhalten Sie in diesem ).

Click the button below to load the content from YouTube.

Always allow YouTube

.

Die Funktion Deep Research in Joule
Beta-Release

�鶹ԭ��-Benutzer aus verschiedenen Funktionen können sich nun mithilfe der Joule-Funktion Deep Research einen umfassenden Ü��������������� über ihre geschäftlichen Herausforderungen verschaffen. Mit der erweiterten Funktion können sie in Joule komplexe Fragen stellen. Als Antwort werden ihnen direkt in ihrer Arbeitsumgebung nicht nur Daten, sondern fachkundig zusammengestellte Erklärungen und kontextbezogene Einblicke bereitgestellt, denen sowohl ihre internen �鶹ԭ��-Daten als auch umfangreiche externe Internetquellen aus Perplexity zugrunde liegen.

Durch diese umfassenden Auswertungsmöglichkeiten verringert sich der Aufwand für die manuelle Datenabstimmung und -analyse erheblich. Sie fördern darüber hinaus fundierte Entscheidungen und geben Anwendern klar verständliche, handlungsrelevante Erläuterungen an die Hand, die sie bei strategischen Initiativen unterstützen.

.

Philipp Herzig ist CTO der �鶹ԭ�� SE.

* Haftungsausschluss: Dieser Artikel beschreibt die zu erwartenden Vorteile für Unternehmen. Sämtliche Berechnungen sind Schätzwerte, denen Fallstudien von �鶹ԭ��-Kunden, �鶹ԭ��-Benchmarks und andere Untersuchungen zugrunde liegen. Die tatsächlichen Vorteile können variieren und durch zusätzliche Faktoren beeinflusst werden, die in diesem Artikel nicht berücksichtigt werden. Die Informationen werden ohne jegliche Gewähr, weder ausdrücklich noch stillschweigend, bereitgestellt. �鶹ԭ�� übernimmt keinerlei Verantwortung für Schäden im Zusammenhang mit der Nutzung dieses Artikels. Auf der Seite sind unter „Rechtliche Hinweise“ Nutzungsbedingungen, Haftungsausschlüsse, Pflichtangaben und Einschränkungen für dieses Material zu finden.

The post Highlights des Q4 2025 Release: Joule appeared first on �鶹ԭ�� News Center.

Wir haben deshalb im 4. Quartal 2025 neue Modelle und Angebote für eine souveräne Cloud eingeführt, zahlreiche Produkte aktualisiert und neue und vertiefte Partnerschaften bekannt gegeben, um Kunden eine bessere Nutzung von KI zu ermöglichen. Diese werden im Folgenden im Detail beschrieben.

�鶹ԭ��-RPT-1 ist ein neues KI-Modell, das speziell für Prognosen zu tabellarischen Daten optimiert ist. Während LLMs das nächste Wort in einer Textsequenz vorhersagen, prognostiziert �鶹ԭ��-RPT-1 das nächste Feld in einer Tabellenzeile. Das Modell kann relationale Geschäftsdaten interpretieren und ist für nahezu alle Prognoseaufgaben geeignet. Darüber hinaus benötigen Kunden mit �鶹ԭ��-RPT-1 nicht mehr unzählige KI-Modelle, die auf sehr enge Anwendungsbereiche spezialisiert sind, mit großem Aufwand trainiert und gepflegt werden müssen und hohe Investitionen erfordern – sie profitieren von einer zentralen, universellen KI-Engine und damit von einem einfacheren Einsatz von KI. �鶹ԭ��-RPT-1 zeichnet sich auch durch einen 50.000-fach geringeren Energiebedarf aus. Für das neue Modell werden zudem 100.000 weniger GPU-FLOPs benötigt, es erzielt bis zu 3,5 Mal bessere Prognosen und ist 50 Mal schneller als die neusten LLMs. Die , die auf der �鶹ԭ�� TechEd vorgestellt wurden, stehen Kunden nun über unseren Generative AI Hub zur Verfügung.

ist unser neues Full-Stack-Angebot für souveräne Cloud-Lösungen, das die Datenhaltung in der EU und vollständige Souveränität unterstützt. Kunden können damit gesetzliche und betriebliche Anforderungen einfacher erfüllen, indem sie die vollständige Kontrolle über ihre Infrastruktur, Plattform und Software erhalten. Sie können die EU AI Cloud in �鶹ԭ��-eigenen Rechenzentren, auf vertrauenswürdiger europäischer Infrastruktur oder als vollständig verwaltete Lösung im eigenen Unternehmen bereitstellen. Europäische Unternehmen und Einrichtungen im öffentlichen Sektor können nun die neuesten KI-Innovationen sicher und unter Einhaltung europäischer Standards nutzen und profitieren dabei von der erforderlichen Souveränität und Flexibilität.

Wir haben auch Maßnahmen ergriffen, um die Datenlandschaft unserer Kunden zu vereinfachen und den Geschäftskontext aller Daten zu bewahren. �鶹ԭ�� Snowflake führt die Plattform von mit der Lösung (�鶹ԭ�� BDC) zusammen. Diese Partnerschaft ermöglicht den wechselseitigen Datenaustausch zwischen Snowflake und �鶹ԭ�� BDC Connect ohne Kopieren von Daten. Kunden, die Snowflake einsetzen, können durch die Integration ihrer vorhandenen Instanzen in �鶹ԭ�� BDC nahtlos und in Echtzeit auf die zusammengeführten �鶹ԭ��- und Drittdaten mit umfangreicher Geschäftssemantik in �鶹ԭ�� BDC zugreifen. �鶹ԭ�� Snowflake wird im ersten Quartal 2026 allgemein verfügbar sein, �鶹ԭ�� BDC Connect for Snowflake im Laufe des ersten Halbjahres 2026.

Über den Generative AI Hub der �鶹ԭ�� stehen außerdem die neuesten, führenden Modelle von Mistral, OpenAI, Gemini und Anthropic bereit. Kunden haben so die Möglichkeit, das für ihre konkreten Anwendungsfälle am besten geeignete Modell zu implementieren. Mit 350 KI-Funktionen, zu denen auch Joule Agents zählen, und über 2.400 Joule-Skills auf Basis der Lösung AI Foundation in der (�鶹ԭ�� BTP) profitieren Kunden bereits von beispiellosem Mehrwert.

Hier sind einige Highlights aus dem vierten Quartal 2025:

• Joule war im vierten Quartal in mehr Anwendungen integriert als je zuvor. Die wechselseitige Integration mit Microsoft 365 Copilot sorgt für ein einheitliches Benutzererlebnis und ermöglicht es Anwendern, direkt in ihren Arbeitsabläufen auf Informationen zuzugreifen. �鶹ԭ�� Joule for Consultants bietet mehr Transparenz in Bezug auf Quellenangaben, während Anwender mit der Funktion Deep Research in Joule auf komplexe Anfragen Antworten erhalten, für die strukturierte und unstrukturierte Daten aus internen und externen Quellen zusammengeführt werden. Grundlage dafür bilden unter anderem das Model Context Protocol, Dokument-Grounding und Perplexity. Das Joule Analytics Center bietet Kunden detaillierte Einblicke in die Benutzerakzeptanz und die Joule Preview Landscape stellt eine dedizierte Kundenumgebung zum Testen und Validieren von Softwareaktualisierungen zur Verfügung, bevor sie für den Produktivbetrieb freigegeben werden.
• �鶹ԭ�� Business AI für die Lieferkette bietet Unternehmen umfangreiche Einblicke. Neue Analysefunktionen in �鶹ԭ�� Integrated Business Planning fassen komplexe Ergebnisse von Optimierungs-, Bestands- und Prognoseprozessen zusammen und übersetzen komplizierte Berechnungen in klare, natürliche Sprache. Der neue Production Planning and Operations Agent automatisiert die Prüfung der Voraussetzungen für die Freigabe von Fertigungsaufträgen, indem er Materialunterdeckungen ermittelt und Behelfslösungen vorschlägt, um Verzögerungen zu vermeiden.
• �鶹ԭ�� Business AI für das Personalwesen ermöglicht neue Ansätze beim Talentmanagement und verringert den administrativen Aufwand. Der Performance Preparation Agent automatisiert die Datenerfassung und generiert Gesprächspunkte, mit denen sich Führungskräfte auf Mitarbeitergespräche vorbereiten und diese effektiver führen können. Mitarbeitende können außerdem verborgene Kompetenzen direkt aus ihren Lebensläufen ableiten, wodurch die interne Mobilität gefördert wird. �鶹ԭ�� Business AI für das Personalwesen bietet zahlreiche weitere Funktionen.
• �鶹ԭ�� Business AI für das Finanzwesen wurde in diesem Quartal um zahlreiche Funktionen erweitert, unter anderem um weitere Agenten für die Automatisierung komplexer Prozesse. Der Accounting Accruals Agent trägt zu schnelleren Periodenabschlüssen bei. Der International Trade Classification Agent gewährleistet die zuverlässige Einhaltung von Vorschriften bei globalen Lieferungen, während der Cash Management Agent eine detaillierte Übersicht über den Cashflow bietet. Joule unterstützt Unternehmen nun auch bei der Stammdaten-Governance, analysiert Verrechnungslaufergebnisse und vereinfacht Aufgaben im Risikomanagement.
• �鶹ԭ�� Business AI für IT und Entwickler ermöglicht Kunden eine schnellere und einfachere Entwicklung, Automatisierung und Analyse. Die Funktion Agent Builder in Joule Studio ist nun allgemein verfügbar und ermöglicht die Entwicklung eigener KI-Agenten, mit denen sich komplexe, durchgängige Geschäftsprozesse automatisieren lassen. Zur Verwaltung dieser wachsenden Landschaft stellt der neue Hub für KI-Agenten in �鶹ԭ�� LeanIX ein zentrales Dashboard bereit, über den Agenten gesteuert werden können. Mit �鶹ԭ��-RPT-1, einem neuen Modell für strukturierte Unternehmensdaten, und �鶹ԭ��-ABAP-1 für eine schnellere Generierung von ABAP-Code, führt die �鶹ԭ�� auch eigene Basismodelle ein. 
• Mit den neuesten Innovationen für �鶹ԭ�� Business AI können Kunden komplexe Prozesse in den Bereichen Ausgabenmanagement, Beschaffung und Kundenerlebnis vereinfachen und stärker personalisierten. Im Ausgabenmanagement ermöglicht der neue Booking Agent mit maßgeschneiderten Empfehlungen eine einfachere Reiseplanung, während der Receipt Analysis Agent für präzise Spesenabrechnungen sorgt. In der Beschaffung können Kunden natürliche Sprache verwenden, um Bedarfe in �鶹ԭ�� Ariba weiterzuleiten und die Erstellung von Leistungsbeschreibungen in �鶹ԭ�� Fieldglass zu automatisieren. Zur Verbesserung des Kundenerlebnisses können Marketingexperten nun mithilfe einfacher Prompts umgehend Berichte in �鶹ԭ�� Emarsys erstellen, während Servicemitarbeiter mithilfe von KI-generierten Zusammenfassungen Fragen zu Abrechnungen effizienter bearbeiten können.

Philipp Herzig ist CTO der �鶹ԭ�� SE.

*Haftungsausschluss: Dieser Artikel beschreibt die zu erwartenden Vorteile für Unternehmen. Sämtliche Berechnungen sind Schätzwerte, denen Fallstudien von �鶹ԭ��-Kunden, �鶹ԭ��-Benchmarks und andere Untersuchungen zugrunde liegen. Die tatsächlichen Vorteile können variieren und durch zusätzliche Faktoren beeinflusst werden, die in diesem Artikel nicht berücksichtigt werden. Die Informationen werden ohne jegliche Gewähr, weder ausdrücklich noch stillschweigend, bereitgestellt. �鶹ԭ�� übernimmt keinerlei Verantwortung für Schäden im Zusammenhang mit der Nutzung dieses Artikels. Auf der Seite https://www.sap.com/legal-notice sind unter „Rechtliche Hinweise“ Nutzungsbedingungen, Haftungsausschlüsse, Pflichtangaben und Einschränkungen für dieses Material zu finden.

The post �鶹ԭ�� Business AI: Highlights des Q4 2025 Release appeared first on �鶹ԭ�� News Center.

Ich sprach über diese Herausforderung mit Dan Newman auf dem , das von und ausgerichtet wurde. Wir sprachen über die Hindernisse, vor denen Führungskräfte stehen, wenn sie überlegen, wo sie generative KI einsetzen sollen, um ihr Unternehmen voranzubringen, und welche besonderen Vorteile �鶹ԭ�� Business AI hier bietet.

Aus diesem Gespräch ergaben sich im Wesentlichen vier Schritte, die Ihnen helfen, zum KI-Vorreiter zu werden.

1. Die vielversprechendsten Anwendungsszenarien priorisieren

Konzentrieren Sie sich zunächst auf Bereiche Ihres Unternehmens, in denen Sie mithilfe von KI schnell messbaren Mehrwert erzielen können. KI-Vorreiter beginnen häufig mit Finanzwesen, Personalmanagement, Lieferketten und dem Kundenerlebnis. Wenn Sie Ihre Möglichkeiten prüfen, sollten Sie das Konzept eines „Proof of Concept“, also eines Machbarkeitsnachweises, außer Acht lassen. Entwickeln Sie stattdessen einen „Proof of Value“, indem Sie Ihr Know-how, Ihre Daten und Ideen sowie die Ihres Teams nutzen, um Bereiche zu finden, die stärker von Automatisierung oder KI-Agenten profitieren können. 

Der Begriff „Proof of Value“ wurde übrigens von KI-Pionier , Vice President of IT bei , geprägt und bezieht sich auf einen KI-Agenten für die Kreditorenbuchhaltung, den sein Team zusammen mit der �鶹ԭ�� entworfen hatte. Entscheidend ist, genau festzulegen, welche Ergebnisse für Ihr Unternehmen am wichtigsten sind, und die Anwendungsfälle zu wählen, die schnell den gewünschten Mehrwert belegen.

2. Intelligente Agenten einsetzen, um komplexe Aufgaben zu vereinfachen

KI-Vorreiter nutzen außerdem häufig KI-Agenten, die über Abteilungen und Systeme hinweg arbeiten, um durchgängige Probleme zu lösen. Durch ihre Fähigkeit, ganze Prozesse selbstständig ausführen, unterscheiden sich KI-Agenten auch von einzelnen KI-Fähigkeiten (Skills), wie zum Beispiel der Fähigkeit, eine Nachricht zu schreiben oder eine Excel-Tabelle zu analysieren und anhand dieser Analyse Aktionen anzustoßen. Ein Agent führt dagegen selbständig komplexe, mehrstufige Prozesse durch, um ein messbares Ergebnis zu erzielen. Wir haben kürzlich ein erweitertes Netzwerk von , die die autonome Zusammenarbeit zwischen Systemen und Geschäftsbereichen fördern sollen. Dazu gehören unter anderem sofort einsatzfähige Agenten für HR, Finanzwesen, Lieferketten und andere Bereiche. Unternehmen können diese schnell nutzen, um wichtige Workflows zu automatisieren.

KI-Vorreiter wie erstellen auch individuelle Agenten, die spezielle Möglichkeiten zur Prozessverbesserung nutzen können. Diese können nun mit entwickelt werden. In einem Low-Code-Arbeitsbereich lassen sich hierbei kundenspezifische Agenten mithilfe vordefinierter Fähigkeiten, Modelle und Datenverbindungen erstellen, verknüpfen und verwalten. Dies ermöglicht es, sein Agenten-Netzwerk zu erweitern und genau an die eigenen Anforderungen und den Geschäftskontext anzupassen.

3. KI in tägliche Abläufe integrieren

KI muss nahtlos in die täglichen Arbeitsabläufe Ihrer Teams integriert sein. Außerdem müssen Sie sicherstellen, dass sie in ihrer breiten IT-Landschaft funktioniert. Aufgrund dieser wichtigen Geschäftsanforderungen haben wir als KI-Benutzeroberfläche für natürliche Sprache konzipiert, die direkt in Ihre �鶹ԭ��-Systeme integriert ist. Auch führen wir eine neue Aktionsleiste ein. Joule kann dadurch den Kontext noch besser verstehen und ist noch besser in Drittanbieter-Tools wie ServiceNow und Microsoft Copilot integriert. Der Assistent wartet nicht auf mögliche Anweisungen von Ihnen, sondern verfolgt proaktiv Ihr Verhalten und schlägt hilfreiche Aktionen im entsprechenden Geschäftskontext über verschiedene �鶹ԭ��- und Drittanwendungen hinweg vor. Dies ermöglicht ein reibungsloses Arbeiten, sodass Ihre Teammitglieder nicht zwischen Tools wechseln oder sich auf neue Oberflächen umstellen müssen.

4. Ein Partnernetz mit interoperablen, führenden KI-Tools unterstützen

Um unterschiedliche Tools und Lösungen handhaben zu können, sollte ein offenes, interoperables Partnernetz geschaffen werden. Denn was nützt ein innovatives KI-Tool, wenn es nicht mit Ihren eigenen oder Drittlösungen kommunizieren kann. Deshalb haben wir kürzlich eine engere Integration mit Microsoft Copilot zur Steigerung der Produktivität und Partnerschaften mit und für einen flexiblen Zugriff auf führende KI-Modelle ���Բ����ü�Ի徱����. Diese und viele andere Partnerschaften helfen Teams dabei, mehrere KI-Funktionen zu kombinieren, vertrauenswürdige Daten über Systeme hinweg bereitzustellen und schneller Ergebnisse zu erzielen, ohne sich um manuelle Verbindungen kümmern zu müssen.

Sind Sie bereit eine Vorreiterrolle einzunehmen? Hier sind die ersten Schritte

Ich möchte Sie ermutigen, im KI-Zeitalter nicht nur den anderen zu folgen, sondern voranzugehen. Wenn Sie dazu bereit sind, können Sie auf unterschiedliche Weise damit anfangen. Befassen Sie sich zunächst eingehender mit diesen Themen, indem Sie sich das gesamte Gespräch vom ansehen. Und erfahren Sie mehr darüber, und .

Brenda Bown ist Chief Marketing Officer für �鶹ԭ�� Enterprise AI Business.

The post Wie Unternehmen zum KI-Vorreiter werden können appeared first on �鶹ԭ�� News Center.

Personalisierung in KI ist keine Zusatzinnovation mehr, sondern zunehmend eine Grundvoraussetzung. Egal, ob Abläufe optimiert, die Customer Experience verbessert oder schnellere Entscheidungen ermöglicht werden sollen – Unternehmen setzen zunehmend auf KI, die ihrer Realität entspricht.

Generische KI-Modelle sind so konzipiert, dass sie allgemein anwendbar sind – genau darin liegen aber auch ihre Grenzen. Diese Modelle berücksichtigen häufig nicht die individuellen Nuancen eines Unternehmens, sodass die Ergebnisse häufig weniger präzise und sehr allgemein ausfallen und zudem die funktionsübergreifende Skalierbarkeit leidet. Einheitslösungen erschweren die branchenübergreifende Anpassung an unterschiedliche gesetzliche Anforderungen, Datentypen und komplexe Unternehmensabläufe.

In problematischen Branchen, in denen es auf Präzision, Compliance und Kontext ankommt, kann die Nutzung generischer Modelle zu ineffizienten Abläufen und verpassten Chancen führen. Darüber hinaus lassen sich diese Modelle nur schwer in Workflows der Unternehmenssteuerung, Sicherheit und Compliance integrieren. Das Ergebnis: mangelhafte Leistung und die zunehmende Erkenntnis, dass sich standardmäßige KI nicht für komplexe Unternehmensanforderungen eignet.

Deshalb investieren immer mehr Unternehmen in differenzierte Innovationen mit KI-Lösungen, die von Grund auf entwickelt wurden, um bestimmte Ziele zu erreichen.

Ein anschauliches Beispiel dafür ist unsere Partnerschaft mit . Mit nahezu 1 Million Rechnungen pro Jahr und über 40.000 Verträgen verursachte der manuelle Abrechnungsprozess einen immensen Aufwand. Gemeinsam entwickelten wir mithilfe der �鶹ԭ�� Business Technology Platform (�鶹ԭ�� BTP) und generativer KI eine vorschriftenkonforme, intuitive Anwendung, mit der Kundenbetreuer die Rechnungsstellung weitgehend unabhängig von Expertenteams direkt verwalten und durch Preislisten und Vertragsbedingungen navigieren können.

Die Ergebnisse sind beeindruckend. Die Abrechnung ist schneller und genauer, die Benutzerfreundlichkeit hat sich verbessert, und Teams mit Kundenkontakt können sich auf die Kunden statt auf operative Aufgaben konzentrieren. Bis zum Jahresende dürfte sich die Effizienz der Abrechnung um 32 Prozent verbessern, und die Zeiten für das Einrichten dürften sich halbieren. Manuelle Arbeiten lassen sich nun über eine intuitiv bedienbare Plattform automatisieren.

Wo es funktioniert: Wandel auf Branchenebene

Kundenspezifische KI-Anwendungen verändern Branchen, indem sie Informationen zu den spezifischen Daten, Prozessen und Herausforderungen jeder Branche entwickeln.

In der Fertigung zeigen sich die Auswirkungen kundenspezifischer KI-Anwendungen in der Optimierung komplexer operativer Prozesse. So hat unser Team beispielsweise eine Lösung für Henkel entwickelt, um die Indexierung im Rückerstattungs- und Klärungsmanagement der Finanz- und Lieferkettenprozesse zu unterstützen. Diese Lösung automatisiert die Analyse und Indexierung von Reklamationsdokumenten, die von Kunden eingehen, und integriert modernste KI-Funktionen direkt in die täglichen Workflows des Klärungsmanagements. So wird die Fallbearbeitung beschleunigt, präzisiert und flexibler gestaltet sowie die Effizienz gesteigert.

In der Öl- und Gasindustrie verbessern KI-Modelle, die mit geologischen Daten, Geräteprotokollen und Umweltvariablen trainiert werden, die Bohrprognosen und ermöglichen eine proaktive Instandhaltung, was sowohl die Sicherheit als auch die Energieeffizienz verbessert. Die Automobilindustrie verzeichnet ähnliche Vorteile, da KI vorausschauende Instandhaltung, Systeme für autonomes Fahren und Echtzeitdiagnosen unterstützt und das Erlebnis Auto personalisieren kann. Der Einzelhandel nutzt KI, die sich an regionale Kaufmuster und Live-Verkaufsdaten anpasst. So werden genauere Bedarfsprognosen, eine lokalisierte Bestandsplanung und gezielte Werbeaktionen ermöglicht, was weniger Verschwendung bedeutet.

Selbst Behörden entdecken den Nutzen kontextbezogener KI und automatisieren damit Routineprozesse, priorisieren Bürgeranfragen und entwerfen Richtlinien präziser, um schneller und effektiver öffentliche Dienstleistungen bereitzustellen.

An diesen Beispielen wird offensichtlich: KI, die den Kontext versteht, in dem sie arbeitet, fördert fundiertere Entscheidungen, effizientere Abläufe und bessere Ergebnisse sowohl für Unternehmen und Organisationen als auch deren Zielgruppen.

Die Vision von �鶹ԭ��: Entwicklung kundenspezifischer KI-Anwendungen für Unternehmen

�鶹ԭ�� ist Vorreiter bei dieser Umstellung auf personalisierte KI für Unternehmen. Zur Vision des Unternehmens gehört, KI zu schaffen, die nicht experimentell, sondern unternehmenstauglich ist.

Anstatt eigenständige Lösungen zu entwickeln, integriert �鶹ԭ�� KI direkt in zentrale Geschäftsprozesse im Finanzwesen, Personalwesen, in der Lieferkette usw. Durch gemeinsame Innovationen mit Kunden und Partnern arbeitet �鶹ԭ�� daran, jede KI-Lösung technisch stabil zu gestalten und auf realistische Anwendungsfälle abzustimmen.

Damit KI in Unternehmen wirklich etwas bewirken kann, muss sie vollständig integriert und nicht nur angekoppelt sein. Hierzu gehört, eng mit Fachleuten zusammenzuarbeiten, sich an Compliance-Standards auszurichten und Modelle ständig auf der Grundlage von Echtzeit-Feedback zu optimieren. Bei kundenspezifischen KI-Anwendungen geht es nicht nur um Code, sondern um Zusammenarbeit, Vertrauen und langfristigen Nutzen.

Unser Ansatz besteht darin, Unternehmen in die Lage zu versetzen, KI zu entwickeln, die deren Struktur, Unternehmensphilosophie und Kunden widerspiegelt und die gezielt, zuverlässig und verantwortungsvoll ist.

Jetzt ist der richtige Zeitpunkt zur Skalierung

Unternehmen, die wettbewerbsfähig bleiben möchten, können es sich nicht mehr leisten, KI als Nebenprojekt zu behandeln. Die Zeit des Herumexperimentierens ist vorbei. Jetzt ist es an der Zeit, KI zu skalieren, die intelligent, verantwortungsvoll und schnell arbeitet. Kundenspezifische KI-Anwendungen sind keine Technikfunktionen, sondern strategische Faktoren für Innovation, Effizienz und Differenzierung.

Die Zukunft gehört denen, die Personalisierung skalieren können, ohne die Performance zu beeinträchtigen. Es ist an der Zeit, sich mit KI weiterzuentwickeln, die Ihr Unternehmen kennt.

Sindhu Gangadharan ist Leiterin des Bereichs Customer Innovation Services bei �鶹ԭ��.

The post Kundenspezifische KI-Anwendungen als Erfolgsfaktor bei der Transformation von Unternehmen appeared first on �鶹ԭ�� News Center.

Die neue Verordnung verpflichtet Unternehmen dazu, die CO₂-Emissionen ausgewählter importierter Produkte zu bilanzieren. Für die Automobilindustrie sind die Kategorien Stahl und Aluminium besonders von Bedeutung.

Komplette Fahrzeuge fallen derzeit zwar noch nicht unter das CBAM, doch der Automobilsektor zählt zu den am stärksten betroffenen Branchen, da er auf emissionsintensive Materialien angewiesen ist. Bei Komponenten wie Karosserieteilen, Fahrgestellen, Rahmen und Batteriewannen besteht eine hohe Abhängigkeit von importiertem Stahl und Aluminium.

Derzeit befindet sich das CBAM noch in der Übergangsphase, am 1. Januar 2026 wird es in die endgültige Phase eintreten. Das bedeutet, dass Unternehmen die Emissionen erfassen müssen, die im Laufe des Jahres 2026 durch die betreffenden von ihnen eingeführten Produkte verursacht werden. Ab Februar 2027 müssen sie Zertifikate für die erfassten Emissionen erwerben, der erste Bericht dazu wird im August 2027 fällig.

Kosten für CBAM werden sich rasch summieren

Ein moderner Personenkraftwagen besteht aus rund einer Tonne Stahl und 200 Kilogramm Aluminium. Der weltweite Durchschnitt liegt bei etwa pro Tonne produziertem Stahl, und mit jeder Tonne Primäraluminium entstehen rund .

Prognosen von Analysten zufolge könnten sich die bis 2030 auf 150 Euro pro Tonne CO₂ belaufen. Somit könnten für ein neu hergestelltes Fahrzeug bald 300 Euro an CBAM-Zertifikatkosten anfallen, vorausgesetzt, die Hersteller importieren den EU-Importdaten gemäß 20 Prozent des benötigten Stahls und 54 Prozent des benötigten Aluminiums. Angesichts der Tatsache, dass Deutschland 2024 produziert hat, könnten deutsche Automobilhersteller und Zulieferer im Jahr 2027 in der Pflicht stehen, rund 1,2 Milliarden Euro an CBAM-Zertifikaten zu erwerben.*

Für die Zeit nach 2027 plant die Europäische Kommission, Kategorien wie Chemikalien und Kunststoffe in die Verordnung aufzunehmen, wodurch noch weitere Autoteile unter die CBAM-Verordnung fallen würden. Im Hinblick darauf ist es für europäische Automobilhersteller und Zulieferer noch wichtiger, dass sie schon heute solide CBAM-Strategien entwickeln.

Vorbereitungen auf CBAM für Automobilhersteller und Zulieferer

In der gesamten EU-Automobilindustrie scheinen die Unternehmen nur unzureichend auf die neue CBAM-Phase vorbereitet zu sein.

Das ist allerdings nicht nur auf die Untätigkeit der Unternehmen zurückzuführen, sondern liegt auch daran, dass die EU-Regulierungsbehörden die Details zur Berechnungsmethode von Emissionswerten und zur Überprüfung von Daten noch nicht endgültig ausgearbeitet haben. Der Umfang der meldepflichtigen Unternehmen und die Fristen für den Kauf von Zertifikaten stehen dagegen bereits fest.

Angesichts dessen ist es für europäische Automobilhersteller und Zulieferer nun an der Zeit, sich auf die Regelungen vorzubereiten, die im Januar 2026 in Kraft treten. Sie sollten folgende Prioritäten ins Auge fassen.

1. Einarbeitung in CBAM und Bewertung eigener Prozesse

Die wichtigsten Elemente des CBAM wurden definiert, jetzt müssen Unternehmen handeln. Wenn Sie dies noch nicht getan haben, sollten Sie sich zunächst mit dem Gesamtprozess und den Anforderungen vertraut machen.

Wenn Sie in den Geltungsbereich fallen, das heißt wenn Sie die De-minimis-Schwelle für den Import von mehr als 50 Tonnen CBAM-relevanter Waren pro Jahr oder 100 Tonnen von damit verbundenen CO₂-Emissionen pro Jahr überschreiten, sollten Sie ermitteln, welche Bereiche Ihrer Lieferkette am stärksten betroffen sind. Identifizieren Sie Ihre wichtigsten Lieferanten und importierten Waren, entwickeln Sie einen gezielten Ansatz, um von diesen Lieferanten die tatsächlichen Emissionsdaten zu erhalten, und bewerten Sie die potenziellen finanziellen Auswirkungen. Da immer mehr Materialien in den Anwendungsbereich des CBAM fallen und die Preise für Treibhausgasemissionszertifikate steigen, werden die finanziellen Auswirkungen in den kommenden Jahren zunehmen. Unternehmen müssen sich darauf vorbereiten, diese neuen Verpflichtungen zu erfüllen und die finanziellen Auswirkungen zu tragen.

2. Zusammenarbeit mit Lieferanten

Identifizieren Sie Ihre wichtigsten Lieferanten – in der Regel die 50 bis 100 größten – und konzentrieren Sie sich auf diese. Erstellen Sie dann einen zielgerichteten Plan für die Zusammenarbeit und definieren Sie gleichzeitig einen fundierten Ansatz für den breiteren Lieferantenstamm. Ziehen Sie in Betracht, Ihre Beschaffungsbedingungen zu überarbeiten, um zukünftig die Weitergabe von Daten verlangen zu können. Gegebenenfalls können Sie Ihre Lieferanten auch bei der Einarbeitung in das Thema Emissionen und deren Berechnung unterstützen. Eine enge Zusammenarbeit ist unerlässlich, um tatsächliche Emissionsdaten zu erhalten, die teureren Standardwerte zu vermeiden und weiteres Potenzial für die Dekarbonisierung zu identifizieren. 

Der Zugang zu vertrauenswürdigen Lieferantendaten ist eine der größten Herausforderungen, mit denen Unternehmen heute konfrontiert sind.

Während die EU Mechanismen für den Datenaustausch zwischen Zulieferern und Importeuren bereitstellt, bietet , ein Branchennetzwerk für die europäische Automobilindustrie, in Kombination mit einer Datenaustauschsoftware von Drittanbietern eine Alternative zur Erfassung vertrauenswürdiger, standardisierter Emissionsdaten. Catena-X ermöglicht es Unternehmen, in einer vertrauenswürdigen Umgebung zusammenzuarbeiten und Daten auszutauschen. Es bringt Hersteller, Technologieanbieter und Lieferanten zusammen, um die Datenaustauschprozesse entlang der gesamten Wertschöpfungskette zu standardisieren. Über den Datenaustausch hinaus fördern diese Netzwerke den Wissensaustausch, sodass die Mitglieder kennenlernen, Standards abstimmen und gemeinsam die Compliance-Bereitschaft beschleunigen können.

Um Teil dieses Netzwerks zu werden, müssen sich Unternehmen in der Regel registrieren und zertifizierte Software einführen, die einen standardisierten Datenaustausch unterstützt. Dann können sie beginnen, mit anderen Mitgliedern zusammenzuarbeiten. Dieser Ansatz gewährleistet Interoperabilität und automatisiert die Erfassung vertrauenswürdiger Emissionsdaten. Catena-X arbeitet aktiv daran, seine Möglichkeiten und Standards zur Unterstützung des CBAM zu verfeinern.

3. Das richtige Tool für das jeweilige Geschäft finden

Das Wichtigste ist, den richtigen Technologiepartner zu finden, der die CBAM-Berichterstattung optimiert und die Integration von Daten zu Treibhausgasemissionen in zentrale Finanzbuchhaltungsprozesse unterstützt.

Der EU-CBAM-Bericht erfordert viele Daten, die alle mithilfe von maßgeschneiderten ERP-basierten Systemen automatisch angefordert, ausgefüllt und gemeldet werden können. Dazu werden die tatsächlichen Emissionswerte verwendet. Die Lösung �鶹ԭ�� Green Token unterstützt die Berichterstattung für CBAM-Anmelder, indem sie standardisierte, auditierbare Berichtsworkflows ermöglicht. Die Lösung �鶹ԭ�� Green Ledger verwaltet das Zertifikateregister und trägt dazu bei, die finanzielle und CO₂-Bilanzierung von CBAM-Emissionen und -Zertifikaten in Übereinstimmung mit Rechnungslegungsstandards wie US-GAAP und IFRS (geplant für das erste Halbjahr 2026) sicherzustellen.

Manuelle Prozesse wie E-Mails und Excel-Dateien sind fehleranfällig, nicht skalierbar und machen die Einhaltung der CBAM-Anforderungen zeit- und ressourcenintensiv.

Vorbereitung aller Systeme auf CBAM-Konformität

Das CBAM wird die Materialbeschaffung in der Automobilindustrie neu gestalten, indem es CO₂-Emissionen als Kostenfaktor einführen und die Transparenz in globalen Lieferketten fördern wird.

Das ideale Szenario für Automobilhersteller und Zulieferer besteht darin, entschiedene Maßnahmen zur Dekarbonisierung zu ergreifen – zum Beispiel die Beschaffung von emissionsarmen Stahl- und Aluminiumprodukten, intensivere Bemühungen um Kreislaufwirtschaft und die Optimierung von Produktdesigns, um weniger CBAM-Materialien einzusetzen – und gleichzeitig die Aktivitäten zur Einhaltung der CBAM-Vorgaben vollständig zu automatisieren.

Der Zugriff auf genaue Daten zu Emissionen in der Lieferkette und deren finanzielle Auswirkungen liefert die Erkenntnisse, die Führungskräfte benötigen, um in den kommenden Jahren die Dekarbonisierung voranzubringen und Risiken zu reduzieren.

Die richtige Kombination aus Softwaretools und Zusammenarbeit innerhalb des branchenspezifischen Netzwerks ermöglicht die kostenoptimierte und automatisierte Konformität mit den CBAM-Anforderungen und liefert wertvolle Informationen über die Lieferkette. �پ����� können einen messbaren ROI erzielen, indem sie die Datenerfassung und Workflows automatisieren. Zudem ermöglichen sie es Finanzteams, manuellen Prozessen ein Ende zu setzen, damit sie sich stärker strategischen Analysen und Maßnahmen widmen können. Dies trägt dazu bei, eine skalierbare Grundlage für ein kontinuierliches CO₂-Kostenmanagement zu schaffen und gleichzeitig den standardisierten Datenaustausch und die Zusammenarbeit entlang der gesamten Wertschöpfungskette zu unterstützen.

Beginnen Sie jetzt mit den Vorbereitungen, um sicherzustellen, dass Ihr Unternehmen weiterhin wächst, während sich die endgültige Phase des CBAM 2026 nähert.

Lesen Sie das CBAM- und sehen Sie sich das an, um mehr zu erfahren.

Thomas Janzen ist Branchenexperte bei der �鶹ԭ�� SE.

*Dies ist eine grobe Berechnung, um die möglichen Auswirkungen zu veranschaulichen. Sie basiert auf Daten, aus denen hervorgeht, dass die EU im Jahr 2024 27,4 Millionen Tonnen an Fertigerzeugnissen aus Stahl eingeführt hat. Der EU-Verbrauch lag bei etwa 129 Millionen Tonnen. Daher gehen wir davon aus, dass Importe etwa 20 Prozent des EU-Stahlverbrauchs ausmachen. stammten 54 Prozent des in der EU verwendeten Aluminiums aus Importen. Legt man diese Durchschnittswerte zugrunde, ergibt das etwa zwei Tonnen an importierten Treibhausgasemissionen pro Fahrzeug oder 300 Euro, wobei 20 Prozent der Emissionen eine Tonne Stahl und 53 Prozent der Emissionen 200 Kilogramm Aluminium zugerechnet werden.

The post Prozesse, Software und Catena-X: Wie sich Automobilhersteller auf CBAM vorbereiten sollten appeared first on �鶹ԭ�� News Center.

Neben den eingesetzten Technologien rückt die Fähigkeit, diese sinnvoll im Arbeitsalltag zu nutzen, in den Mittelpunkt. Dies wird auch als die große Herausforderung der sogenannten AI-Adoption gesehen.

Kompetenzentwicklung in KI ist somit zu einer strategischen Aufgabe geworden. Für �鶹ԭ��-Kunden und Partner stellt sich die Frage, wie sie die eigenen Teams so qualifizieren, dass sie aktuelle wie zukünftige Anforderungen souverän bewältigen können. Im Folgenden finden Sie 7 Tipps zur Entwicklung von KI Skills speziell für den �鶹ԭ�� Kontext.

 1. Grundlagen in KI Lernen

Es gibt viele Lern-Angebote für die Basics in Form von E-Learning-Kursen oder Webinaren. Teilweise sogar kostenfrei wie die , am oder natürlich auch von �鶹ԭ��. Wir haben hier im einige Grundlagen herausgesucht: zu KI allgemein, �鶹ԭ�� Joule, �鶹ԭ�� Business AI aber auch zum wichtigen Thema Ethik und verantwortungsvolle KI.

2. Standortbestimmung – Wo stehe ich

Grundlagen von KI sollte jeder verstehen, danach kann man sich gezielt vertiefen. Hierbei kann das bei einer Standort-Bestimmung helfen. Hier schätzt man sich selbst ein in den Bereichen Awareness, Motivation, Wissen und Anwendungskompetenz. Die Themen-Bereiche sind dabei �鶹ԭ�� Joule (Copilot & Agents), Embedded AI, Machine Learning Services on �鶹ԭ�� BTP, �鶹ԭ�� Build Joule Studio, Responsible AI & Implementierung von �鶹ԭ�� Business AI.

3. Vertiefung nach Thema & Rolle: Welche KI Skills werden weiter benötigt?

Hat man sich als Team oder Individuum eingeschätzt, können dann die verschiedenen �鶹ԭ�� Lernangebote – Infos dazu auch hier im Blog „“ – helfen, einen eigenen Lernplan zu erstellen. Ein Blick auf die jeweils relevanten Themenbereich, die eigene Rolle sowie bevorzugter Lernformate erleichtert die Orientierung und die Auswahl.

4. Lern-Ziele setzen und Erfolge dokumentieren

Vielen hilft das Setzen konkreter Lernziele und die Vereinbarung konkreter Lern-Zeiten wie zum Beispiel im eigenen Kalender. Auch die Dokumentation und Reflektion der Lernfortschritte und Aha-Momente hilft Ihnen und anderen – ob durch Blogs in der �鶹ԭ�� Community, einem eigenen Lerntagebuch in digitalen Notizen oder einfach mündlich im Team.

5. Lernen von und mit Anderen

Im sogenannten Peer-Learning wird in Barcamps, Workshops, Diskussionsrunden, Communities, Lerngruppen, Netzwerktreffen oder Promptathons gelernt.

Ein Promptathon ist eine Art Hackathon, wobei kleine Gruppen Herausforderungen aus ihrem Arbeitsalltag mit KI-Tool lösen. Firmen wie die Deutsche Telekom, Continental oder auch �鶹ԭ�� nutzen dieses Format bereits.

Lernen durch Austausch in Communities wie in der mit vielen Blogs und Diskussionen ist ein weiteres Format zum Lernen mit Peers. Im �鶹ԭ�� Learning Hub gibt es zudem sehr viele , in denen man Fragen stellen kann.  

6. Lernen durch Erfahrung und Tun

Bei solch generischen Technologien wie KI ist es wichtig, dass jeder selbst erkundet, wo KI ihm oder ihr helfen kann und Hands-on ausprobiert. Sei es in Lernprojekten, wobei man den Umgang mit neuen KI Tools experimentiert und reflektiert, oder in Teamworkshops. Für Workshops kann der mit Vorlagen helfen u.a. für Joule Agent Discovery, AI Agent Design, Business AI Design, Business AI Exploration. Die Discovery und Exploration sollte unbedingt auf strategischer Ebene geschehen, ist jedoch auch auf Team-Ebene sehr hilfreich.  Beim Üben können auch die Übungssysteme im �鶹ԭ�� Learning Hub helfen.

7. Regelmässig KI-Kompetenzen prüfen und updaten

Das Feld der KI entwickelt sich rasant, daher ist das regelmäßige Lernen, Updaten und Ausprobieren neuer Tools hier Pflicht. , die im Artikel genannten Ressourcen, der  oder die können dabei helfen. Oder warum bauen Sie sich nicht selbst einen News-Update Agenten für Ihren eigenen Kontext?

Zusammenfassung und Ausblick

KI-Lernen im �鶹ԭ��-Umfeld ist eine unternehmensrelevante, kontinuierliche Aufgabe. KI versteht man nur, indem man es anwendet und sich aktiv damit beschäftigt. Zudem gilt es, sich an diese neue Technologien anzupassen oder sogar Aufgaben und Jobs ganz neu zu denken.

Starten Sie mit einen Ü��������������� hier im Blog machen Sie das Self-Assessment, erstellen Sie einen Lern-Plan mit ihren Peers und buchen Sie noch heute die für Sie relevanten Lernangebote.

The post 7 Tipps zur Entwicklung von �鶹ԭ�� KI-Kompetenzen appeared first on �鶹ԭ�� News Center.

Darüber hinaus liefert der KI-Katalog Details zum Mehrwert und dem geschätzten betriebswirtschaftlichen Nutzen für Kunden sowie hilfreiche Ressourcen, zum Beispiel ausführliche Produktdokumentation und Demos.

„Seit dem Start vor zehn Monaten wird der KI-Katalog von Kunden und Partnern stark frequentiert“, berichtet Holger Neuert, Chief Product Manager für den KI-Katalog. „Nutzer verbringen viel Zeit damit, die dokumentierten KI-Anwendungsfälle zu durchsuchen. Sie kehren auch regelmäßig zum KI-Katalog zurück, um mehr über KI-Funktionen, Joule Agents und Ressourcen [in diesem Zusammenhang] zu erfahren.“

Kunden den Mehrwert von KI aufzeigen

Der KI-Katalog fungiert als umfassende Informationsquelle und stellt Details zu Lösungen sowie den potenziellen geschäftlichen Vorteilen bereit.

�鶹ԭ�� Customer Success Manager Nick Pearce nutzt den KI-Katalog, um auf wichtige Dokumentation, Informationen zum Mehrwert und zur Preisgestaltung für Kunden sowie das „AI Estimator“-Tool für KI‑Funktionen zuzugreifen.

„Ich kann Informationen zum potenziellen betriebswirtschaftlichen Nutzen schnell einsehen, zum Beispiel wie Stellenbewerbungen mithilfe von KI-gestütztem Bewerber-Screening um 70 Prozent schneller bearbeitet werden können. So kann ich mich mit meinen �鶹ԭ�� SuccessFactors-Kunden über den Mehrwert austauschen und besprechen, wo sie mit ihrer KI-Strategie ansetzen sollten“, erläutert Pearce.

„Der KI-Katalog und das Schätzungs-Tool für KI-Funktionen im �鶹ԭ�� Discovery Center sind echte Game Changer und die besten Ressourcen, um mehr über die neuesten KI-Innovationen von �鶹ԭ�� für alle Branchen und Geschäftsbereiche zu erfahren“, so Richard Grandpierre, Leiter des Bereichs �鶹ԭ�� Business AI Product Management. „Diese leistungsstarke Plattform zeigt den betriebswirtschaftlichen Nutzen auf und ermöglicht umfassende transformative Ergebnisse.“

Dr. Michael Glück, Global Head of Value Advisory bei der �鶹ԭ��, erklärt, dass die Schätzungen des Mehrwerts der KI-Funktionen im KI-Katalog auf der Branchenexpertise von �鶹ԭ�� basieren und von Benchmark-Daten sowie Recherchen von Drittanbietern gestützt werden. Zusätzlich wird das anfängliche Feedback von Kunden zu jedem KI-Anwendungsfall berücksichtigt.

„Indem wir Vorteile in Bezug auf Effizienz, direkten Einfluss, Effektivität sowie indirekte und kausale Auswirkungen betrachten, bieten wir eine ganzheitliche Sicht auf den Mehrwert, den ein bestimmter Anwendungsfall innerhalb von �鶹ԭ�� Business AI unseren Kunden bieten kann“, betont Glück.

The post Den Mehrwert von �鶹ԭ��-KI-Anwendungsfällen erkunden appeared first on �鶹ԭ�� News Center.

Dynamische Preisoptimierungen, kassenlose Supermärkte, intelligente Beschaffungsagenten – Einsatzszenarien für Künstliche Intelligenz gibt es im Handel zuhauf. „Sie kann Umsatz steigern, Kosten senken und helfen, Prozesse nachhaltiger auszurichten – vorausgesetzt, sie wird mutig, verantwortungsvoll und strategisch genutzt“, ist der Schweizer Handelsexperte ü���������ܲ���.

Kein Wunder also, dass KI in der Branche zunehmend als unverzichtbare Schlüsseltechnologie gilt – und aus dem Alltag vieler Handelsunternehmen bereits nicht mehr fortzudenken ist. „Unsere aktuelle Studie zeigt: KI ist im Einzelhandel definitiv angekommen“, bestätigt vom Handelsverband Deutschland (HDE). „Unternehmen, für die KI noch vor zwei Jahren überhaupt kein Thema war, befinden sich heute in der konkreten Planung oder Pilotierung intelligenter Prozesse.“ Insgesamt nutzen Handelsunternehmen der HDE-Studie zufolge KI derzeit vor allem zur Prozessbeschleunigung, für Erkenntnisgewinne sowie die Verbesserung der Ergebnisqualität.

Top 5 KI-Anwendungsszenarien im Handel

Ein wichtiger Grund für den durchschlagenden KI-Erfolg im Handel dürfte die breite �ձ����ü����������𾱳� von Large Language Models (LLMs) wie ChatGPT sein. Etliche der laut HDE-Studie umgesetzten und geplanten Anwendungsfälle basieren darauf. „Handelsunternehmen konzentrieren sich aktuell vor allem auf KI-Anwendungen mit schnell sichtbaren Ergebnissen, während komplexere Szenarien wie der kassenlose Supermarkt, die intelligente Theke oder Predictive Baskets die Ausnahme bleiben“, so Tromp. Zu den im Handel beliebtesten Anwendungsfällen gehören laut Studie:

• Generierung von Artikeltexten
  KI automatisiert die Erstellung von Produktbeschreibungen und stellt Content schnell und konsistent bereit. Das spart Kosten und steigert die SEO-Sichtbarkeit in Online-Shops.
• Auswertung von Kundenfeedback aus sozialen Medien
  KI-gestützte Sentiment-Analysen erleichtern die Identifizierung von Trends, Stimmungen und Problemen. Produkt- und Serviceverbesserungen können so gezielt gesteuert werden.
• Massenprüfung von Daten
  Smarte Analysewerkzeuge identifizieren Fehler, Redundanzen oder Compliance-Vorstöße in großen Datenmengen im Handumdrehen. Manuelle Aufwände sinken, die �ٲ��ٱ�Ա�ܲ�������ä�� steigt.
• Smart Shelfs zur Bestandsüberwachung
  Intelligente Regale melden Fehlbestände oder Falschplatzierungen automatisch und tragen so dazu bei, die Warenverfügbarkeit zu sichern und Out-of-Stock-Situationen zu minimieren.
• Absatzprognosen
  KI verbessert die Vorhersage von Verkaufszahlen durch präzisere Modelle. Händler profitieren von optimierten Beständen und geringeren Abschriften.

Nachhaltige Wertschöpfung erfordert strategischen KI-Ausrichtung

Und das sind nur einige Beispiele dafür, dass der Einzelhandel das KI-Experimentierstadium hinter sich gelassen hat und die Vorteile intelligenter Prozesse in etlichen Bereichen bereits erfolgreich zu nutzen weiß – allerdings in der Regel in Form isolierter Lösungen und nur selten über Prozessketten hinweg.

Laut einer aktuellen Erhebung der Universität St. Gallen gehen Handelsexperten davon aus, dass intelligente Werkzeuge in naher Zukunft vor allem das Category Management, Warenbedarfsprognosen sowie die Personaleinsatzplanung deutlich verändern werden. „Nachhaltige Wertschöpfung wird jedoch nur gelingen, wenn KI strategisch verankert, datenintensive Kernprozesse automatisiert und Mitarbeitende entlastet werden“, bringt vom Institut für Handelsmanagement der Universität St. Gallen zentrale Erkenntnisse der Expertenstudie auf den Punkt. Die nahtlose Integration von KI in sämtliche Unternehmensbereiche sowie die Verzahnung unterschiedlicher Systeme und Datenquellen bilden dafür die Voraussetzung – sind Rudolph zufolge derzeit aber noch Zukunftsmusik.

Das Problem: Heterogene, historisch gewachsene IT-Landschaften, fragmentierte Daten und unzureichende �ٲ��ٱ�Ա�ܲ�������ä�� bremsen die KI-Nutzung vor allem bei kleinen und mittelständischen Unternehmen aus. „Einheitliche Datenarchitekturen, cloudbasierte Plattformen sowie ein der frühzeitige Vertrauens- und Know-how-Aufbau könnten an dieser Stelle Abhilfe schaffen“, ist Rudolph ü���������ܲ���.

�鶹ԭ�� stellt die Weichen für intelligente Handelsprozesse

�鶹ԭ�� liefert mit der neuen �鶹ԭ�� Business Suite und der darin enthaltenen �鶹ԭ�� Business Data Cloud (�鶹ԭ�� BDC) alles, was es dafür braucht: Das durchgängig integrierte System aus Anwendungen, Daten und künstlicher Intelligenz (KI) vernetzt sämtliche Unternehmensbereiche und schafft so auch im Handel die Basis für intelligente Entscheidungen, fundierte Echtzeiterkenntnisse und automatisierte Prozesse. „KI bringt im Handel nur dann echten Mehrwert, wenn sie nicht als isoliertes Tool, sondern als Teil der Unternehmensstrategie gedacht wird“, resümiert , Vice President Retail & Wholesale Advisory, Middle & Eastern Europe (MEE) bei �鶹ԭ��. Das Portfolio von �鶹ԭ�� und speziell die Lösungen um �鶹ԭ�� Business Data Cloud und �鶹ԭ�� Business AI machen dafür den Weg frei.

The post KI im Handel: 5 reale Use Cases und warum sie erst der Anfang sind appeared first on �鶹ԭ�� News Center.

Zugleich bieten diese Veränderungen auch die einzigartige Chance, Lieferketten von Grund auf neu zu konzipieren – angetrieben durch künstliche Intelligenz (KI) und agentenbasierte Arbeitsabläufe, die als wichtige Transformationsmotoren des kommenden Jahrzehnts fungieren. Das Fazit ist eindeutig: Unternehmen, die auf KI-gestützte Anwendungen und zuverlässige Daten setzen und Prozesse neu überdenken, schaffen Stabilität und sichern sich das Vertrauen von Kunden, während andere möglicherweise mit anhaltenden Schocks, sinkender Servicequalität, höheren Kosten und Umsatzverlusten rechnen müssen.

Auf der Konferenz �鶹ԭ�� Connect stellten wir im Rahmen der Veranstaltung „Supply Chain Connect“ vor, wie sich mithilfe von KI die Logistikkette optimieren lässt – mit Innovationen, die Führungskräften im Bereich Lieferketten helfen sollen, Störungen nicht nur zu überstehen, sondern als Chance für mehr Resilienz und Wachstum zu nutzen.

�鶹ԭ�� Supply Chain Orchestration

Im dynamischen Marktumfeld von heute sind zwei Faktoren absolut entscheidend: Weitblick und die Fähigkeit, Störungen schnell zu überwinden. Führungskräfte müssen wissen, wo sich ihre Produkte befinden, welche Lieferanten oder Unterlieferanten Probleme haben und wie sie souverän reagieren können. Dennoch führt mangelnde Transparenz oft dazu, dass Unternehmen völlig unvorbereitet von Störungen getroffen werden.

ist eine neue KI-basierte Lösung, die darauf ausgerichtet ist, potenzielle Störungen frühzeitig zu erkennen und Risiken für die individuelle Lieferkettenkonfiguration eines Unternehmens einzuordnen. Zudem ermöglicht sie intelligente Auswirkungsanalysen und das Einleiten KI‑gestützter Maßnahmen in der Planung, Logistik, Beschaffung und Fertigung. Die an Lieferketten beteiligten Parteien werden künftig von leistungsstarken Joule-Assistenten unterstützt, die KI-Agenten einsetzen, um die Einhaltung von Vorgaben durch Lieferanten sicherzustellen, den Kundenservice zu verbessern und die Abhängigkeit von einzelnen Umsatzquellen zu reduzieren.

Was �鶹ԭ�� Supply Chain Orchestration besonders auszeichnet, ist die Basis der Lösung: die . Die Lösung integriert Daten aus dem sowie aus und bietet so einen umfassenden Ü��������������� über alle Ebenen der Lieferkette. Diese mehrstufige Transparenz hilft dabei, externe und interne Risikosignale in Maßnahmen mit verschiedenen Prioritäten umzuwandeln und so die betriebliche Effizienz, Compliance und Kundenzufriedenheit zu steigern.

�鶹ԭ�� Supply Chain Orchestration soll im ersten Halbjahr 2026 verfügbar sein und markiert die nächste Etappe auf dem Weg in eine Zukunft, in der Unternehmen globale Veränderungen antizipieren können, bevor diese zu schwerwiegenden geschäftlichen Auswirkungen führen.

Hochentwickelte KI-Funktionen und einheitliche Szenario-Simulationen für optimierte Logistikkettenplanung

�鶹ԭ�� ermöglicht es Kunden, mithilfe von die Logistikkettenplanung neu zu gestalten, um dadurch noch schneller und intelligenter wirtschaften zu können und eine stärkere Vernetzung zu gewährleisten. Die Lösung vereint intelligente Automatisierung, ein harmonisiertes Datenmodell und KI-gestützte Funktionen, um genauere Prognosen zu liefern und Prozesse zu optimieren, sodass Planer sich auf wichtige Entscheidungen konzentrieren können.

Ein einheitlicher Planungsbereich unterstützt nun sowohl die Planung auf Basis von Zeitreihen als auch auftragsbasierte Planung, sodass Nutzer nahtlos zwischen strategischen, taktischen und operativen Ebenen wechseln können, was letztendlich eine nahtlose und maßgeschneiderte Planung ermöglicht. Neue harmonisierte Szenario-Simulationen zeigen die Auswirkungen von Warnungen und Risiken auf Aufträge über alle Planungshorizonte hinweg auf. Integrierte KI sorgt für präzisere Prognosen und eine bessere Bestandsführung, während merkmalsbasierte Planung für eine genaue Beschaffungsplanung sorgt, um den Bestands- und Kapazitätsabgleich für wichtige Branchen wie den Modehandel, Hightech, Life Sciences oder Konsumgüter zu optimieren.

Der neue konfigurierbare Planner Workspace bietet eine einheitliche Oberfläche, auf der Planer die aktuelle Entwicklung verfolgen, Szenarios simulieren und sofort handeln können. Unterstützt werde sie dabei von , dem �鶹ԭ��-Assistenten, der kontextbezogenen Support und aussagekräftige Einblicke aus Prognosen, Beschaffungsplänen und mehrstufigen Beständen bietet.

Die KI-Funktionen befinden sich derzeit im Beta-Modus und sollen im zweiten Quartal 2026 allgemein verfügbar sein. Alle anderen Erweiterungen sind bereits verfügbar.

Schnellere Entscheidungen und Automatisierung in der gesamten Lieferkette dank neuer Joule Agents

�鶹ԭ�� stellt drei neue für das Supply Chain Management vor, die wichtige, zeitaufwendige Aufgaben automatisieren und Teams in die Lage versetzen, sich auf strategische Entscheidungen zu konzentrieren. Diese Agenten ermöglichen KI-gestützte Automatisierung direkt in den Workflows von �鶹ԭ�� Cloud ERP, �鶹ԭ�� Cloud ERP Private und dem �鶹ԭ�� Business Network, sodass der manuelle Aufwand reduziert wird und Fehler minimiert werden.

• Production Planning and Operations Agent: Automatisiert die Prüfung der Voraussetzungen für die Freigabe von Fertigungsaufträgen, überprüft Materialien, Kapazitäten und die Terminierung und kann Behelfslösungen empfehlen oder Aufträge sofort freigeben. So können Auftragsabwicklungszyklen verkürzt und die Kosten gesenkt werden. Der Agent soll im ersten Quartal 2026 allgemein verfügbar sein.
• Change Record Management Agent: Unterstützt Produktmanager und -ingenieure, indem er Problemberichte und Änderungsanträge begründet, weitere Schritte empfiehlt und Änderungen einleitet, was die Governance und Rückverfolgbarkeit verbessert und die Entscheidungsfindung beschleunigt. Der Agent soll im zweiten Quartal 2026 allgemein verfügbar sein.
• Supplier Onboarding Agent: Optimiert das Onboarding im �鶹ԭ�� Business Network, indem er Lieferantendetails heranzieht, Einladungen koordiniert, Daten überprüft und Eskalationen abwickelt, sodass Beschaffungsteams schneller skalieren und sich auf die strategische Lieferantenentwicklung konzentrieren können.

Mit diesen Agenten bettet die �鶹ԭ�� intelligente Funktionen von Grund auf in die täglichen Abläufe der Logistikkette ein und sorgt dafür, dass Entscheidungen in den wichtigsten Bereichen noch schneller getroffen werden können.

Optimierung des �鶹ԭ�� Business Network auf Basis von Kundenanforderungen

Der globale Handel ist enger verflochten als je zuvor, aber zu viele Unternehmen arbeiten noch mit fragmentierten Beschaffungs- und Logistikprozessen. Die �鶹ԭ�� kündigt deshalb Optimierungen für das �鶹ԭ�� Business Network an, die weltweit größte B2B-Plattform, über die jährlich ein Handelsvolumen von mehr als 6,3 Billionen US-Dollar in 190 Ländern abgewickelt wird.

• �ձ����ü����������𾱳� auf der �鶹ԭ�� BTP: Grundlage des �鶹ԭ�� Business Network bildet nun die �鶹ԭ�� BTP, die ein modernes Datenfundament bietet und Unternehmen in die Lage versetzt, im großen Maßstab zu wirtschaften. Das �鶹ԭ�� Business Network vernetzt �鶹ԭ��- und Drittanbietersysteme, bietet ein einheitliches globales Verzeichnis mit einem geführten Onboarding-Prozess und ermöglicht Anpassungen von Workflows über �鶹ԭ�� Build. Die Integration von Joule wird ab Januar 2026 verfügbar sein, sodass eingebettete KI-Funktionen für Analysen, Automatisierung und Genehmigungen im gesamten Netzwerk bereitstehen.
• Netzwerkgestützte Integration in der gesamten Business Suite: Das �鶹ԭ�� Business Network wird im Laufe dieses Jahres durchgängige Wertschöpfungsketten mit �鶹ԭ�� Cloud ERP, �鶹ԭ�� Ariba, �鶹ԭ�� Fieldglass und �鶹ԭ�� Transportation Management unterstützen. So können Klärungsfälle schneller bearbeitet und Emissionen genauer verfolgt werden. Zudem ist eine KI-gestützte Navigation im Angebot.
• Einfacher Zugriff auf Lieferantendaten: Ab dem vierten Quartal 2025 können Nutzer direkt über ihre ERP-Schnittstelle nach Lieferanten suchen, wodurch das manuelle Onboarding entfällt. Käufer können so schneller auf neue Anbieter zurückgreifen, was die Aktivierungskosten verringert und die Transparenz erhöht.

All diese Innovationen ergänzen das �鶹ԭ�� Business Network mit intelligenten Funktionen, einer größeren Reichweite, mehr Benutzerfreundlichkeit sowie integrierten KI-Prozessen, einer nahtlosen Business-Suite-Integration und der ERP-gestützten Ermittlung von Lieferanten.

�鶹ԭ�� führt neue Lösung für Logistikmanagement ein

�鶹ԭ�� kündigte außerdem an – eine neue Cloudlösung, die Abläufe in großen Verteilzentren mit Funktionen zur Unterstützung kleinerer, lokaler und regionaler Lager ergänzt. Dies trägt dazu bei, mehrstufige Verteilnetzwerke aufzubauen, die widerstandsfähigere Prozesse und schnellere Lieferungen gewährleisten.

Die Lösung ist vollständig mit �鶹ԭ�� Cloud ERP Private und dem �鶹ԭ�� Business Network for Logistics vernetzt, sodass Bestand, Lieferungen und die Koordination von Partnern zentral ablaufen. Im Gegensatz zu Standalone-Tools werden ERP-Funktionen direkt auf mehrere dezentrale Lager ausgeweitet. Auf diese Weise können manuelle Aufgaben erheblich reduziert werden und es kann über verschiedene Netzwerke hinweg für Konsistenz gesorgt werden.

Integrierte KI-Funktionen steuern zudem operative Entscheidungen, beseitigen Silos und stärken die Zusammenarbeit in allen Logistiknetzen. �鶹ԭ�� Logistics Management wird im ersten Quartal 2026 verfügbar sein.

Doehler, ein globaler Hersteller, Vermarkter und Anbieter von technologiebasierten natürlichen Ingredients für die Lebensmittel-, Getränke- und Ernährungsindustrie, wird die Lösung in seinen Lagern nutzen, um seine Produktionsstandorte, den Umgang mit Proben und Ersatzteile zu verwalten.

„�鶹ԭ�� Logistics Management wird für den Großteil unserer über 50 Produktionsstandorte, die Entnahme von Proben und die technischen Lager eine effiziente Prozessautomatisierung und eine schnellere Transformation ermöglichen“, berichtet Dr. Michael Merget, Chief Operating Officer der Doehler Group. „Wir sehen die leistungsstarken, integrierten KI-Funktionen dieser Lösung nicht als Zusatz, sondern als intelligenten Kern, der unsere Logistikprozesse von morgen prägen wird.“

Ein Blick in die Zukunft

Robuste, intelligente und vernetzte Lieferketten sind keine Zukunftsmusik mehr – sie sind bereits unerlässlich geworden. Die hier vorgestellten innovativen Neuerungen sind Teil der Vision der �鶹ԭ�� für eine perfekt koordinierte Lieferkette. Die nächste Generation an Technologien für die Logistikkette wird Unternehmen in die Lage versetzen, Störungen frühzeitig zu erkennen, Daten im großen Maßstab zu nutzen und die Kundenerwartungen fortwährend zu übertreffen. Indem sie mit Intelligenz und Weitblick vorangehen, können Unternehmen Krisen in Chancen verwandeln und in einer von Unsicherheit geprägten Welt erfolgreich sein.

Weitere Informationen zu allen Ankündigungen finden Sie im .

Dominik Metzger ist President und Chief Product Officer bei �鶹ԭ�� Supply Chain Management.

The post �鶹ԭ�� stellt Innovationen für Supply Chain Management vor appeared first on �鶹ԭ�� News Center.

Durch die Anbindung von Google BigQuery, der autonomen Daten- und KI-Plattform mit agentenbasierten Funktionen, an möchten �鶹ԭ�� und Google Unternehmen jeder Größe umgehenden Zugriff auf vertrauenswürdige, sofort einsetzbare Daten für Unternehmensanalysen und KI auf ihren Plattformen ermöglichen.

Über Jahrzehnte hinweg gab es eine klare Trennung zwischen Unternehmensdaten und Analysen. Geschäftskritische Daten mit umfassendem semantischem Kontext waren in Transaktionssystemen isoliert. Herkömmliche ETL-Prozesse (Extrahieren, Transformieren, Laden) erzeugen Datenreplikate, die schwierig zu verwalten sind, schnell veralten und Unternehmen daran hindern, auf der Grundlage von Echtzeiteinblicken zu agieren. Dadurch wird die digitale Transformation ausgebremst.

Die Partnerschaft von �鶹ԭ�� und Google löst dieses Dilemma. Durch die Beseitigung von Datenreplikationen und die Vereinheitlichung der Datenlandschaft ermöglichen �鶹ԭ�� und Google Cloud Unternehmen die Entwicklung von intelligenten Agenten, automatisierten Workflows und Prognosen, die direkt auf vertrauenswürdigen Echtzeitdaten basieren.

Google führt nun als erster Hyperscaler �鶹ԭ�� BDC Connect ein. Mit �鶹ԭ�� BDC Connect für Google BigQuery können Unternehmen das volle Potenzial ihrer Daten und Anwendungen in großem Maßstab erschließen. Möglich wird dies durch den sicheren und schnellen Zugriff auf die verwalteten Datenprodukte von �鶹ԭ�� mit vielfältiger Semantik – ohne Verzögerungen, ohne komplexe Datenreplikation und ohne ETL-Pipelines. Kunden können �鶹ԭ��-Daten flexibel mit anderen Unternehmensdaten in BigQuery kombinieren und umgekehrt, um mit führenden Analyse- und agentenbasierten KI-Funktionen Innovationen voranzutreiben.

„�鶹ԭ�� und Google Cloud unterstützen globale Unternehmen seit vielen Jahren dabei, das Potenzial von Daten und KI zu nutzen“, erklärte Christian Klein, CEO der �鶹ԭ�� SE. „Durch die Zusammenführung von Google BigQuery und �鶹ԭ�� Business Data Cloud bieten wir unseren Kunden Auswahlmöglichkeiten ohne Kompromisse, sodass sie ihre Analyse- und KI-Initiativen beschleunigen können.“

„Unternehmen unterstützen sämtliche Aspekte ihrer Geschäftsabläufe mit einer Kombination aus intelligenten Funktionen und Automatisierung“, bekräftigte Thomas Kurian, CEO von Google Cloud. „Dank der Integration von BigQuery und Gemini-Modellen in �鶹ԭ�� Business Data Cloud können Unternehmen ganz einfach eine einheitliche Datengrundlage schaffen, die Silos beseitigt und die Entwicklung einer neuen Kategorie von KI-Agenten und -Anwendungen ermöglicht.“

Innovation mit �鶹ԭ��-Datenprodukten und Google BigQuery

Im Mittelpunkt der Partnerschaft steht die neue Lösung �鶹ԭ�� Business Data Cloud Connect für Google BigQuery. Hierbei handelt es sich um eine Zero-Copy-Data-Fabric, die einen nahtlosen Zugriff auf die semantisch reichhaltigen Geschäftsdaten von �鶹ԭ�� BDC mit den leistungsfähigen Daten- und KI-Lösungen von Google ermöglicht, einschließlich Gemini-Modellen und der Plattform Vertex AI. Dadurch entsteht eine moderne Plattform für Daten, Analysen und KI, die automatisierte, funktionsübergreifende Geschäftsprozesse unterstützt.

Diese bidirektionale Integration bildet die Grundlage für eine Lösung, mit der Unternehmen KI-Funktionen entwickeln und skalieren können. Mit �鶹ԭ�� Business Data Cloud Connect für Google BigQuery profitieren Kunden von diesen Möglichkeiten:

• Entwicklung fundierter, vertrauenswürdiger KI: Stellen Sie sicher, dass den KI-Modellen und -Agenten von Google BigQuery eine aktuelle und vollständige Sicht auf das Unternehmen zugrunde liegt, indem sie ohne Kopieren und in Echtzeit auf vertrauenswürdige �鶹ԭ��-Daten mit vielfältiger Semantik zugreifen können.
• Einsatz autonomer Agenten: Entwickeln und implementieren Sie intelligente Agenten mithilfe von Vertex AI und Gemini von Google Cloud, mit denen sich komplexe funktionsübergreifende Prozesse automatisieren lassen – von der Optimierung der Lieferkette bis hin zu Finanzprognosen.
• Gewinnen Sie tiefere Einblicke: Verknüpfen Sie �鶹ԭ��-Daten über �鶹ԭ�� BDC mit speziellen globalen Datensets, die ausschließlich in Google Cloud verfügbar sind, z. B. Geodaten aus Google Maps, Google Trends und öffentlichen Datensätzen. Auf diese Weise können Sie umfassende Informationen zum Geschäftskontext bereitstellen.
• Definieren Sie Analysen neu: Nutzen Sie Funktionen, die weit über Dashboards und Berichte hinausgehen. Ermöglichen Sie es allen Mitarbeitenden, in Google Cloud in natürlicher Sprache komplexe Fragen zu ihren Geschäftsdaten zu stellen und umgehend intelligente Antworten zu erhalten.

�ձ����ü����������𾱳�

Google Cloud bietet Kunden und Partnern Anreize für eine schnelle Einführung dieser gemeinsamen Lösungen, mit denen sie die Transformation ihrer Datennutzung mit Unterstützung durch KI beschleunigen können.

�鶹ԭ�� Business Data Cloud ist ab sofort in Google-Cloud-Regionen in Asien/Pazifik, Europa und den USA verfügbar. Weitere Regionen sind geplant. �鶹ԭ�� Business Data Cloud Connect für Google BigQuery soll im ersten Halbjahr 2026 allgemein verfügbar sein.

Darüber hinaus wird das Portfolio �鶹ԭ�� Business Warehouse, Private Cloud Edition, das über �鶹ԭ�� BDC angeboten wird, in über 40 Google-Cloud-Regionen unterstützt. Dadurch sind unsere Kunden in der Lage, wichtige Anforderungen an Datenresidenz und Compliance zu erfüllen.

The post �鶹ԭ�� und Google Cloud definieren KI für Unternehmen mit Zero-Copy-Daten für Google BigQuery neu appeared first on �鶹ԭ�� News Center.

Wie wird aus einem Fünf-Personen-Startup ein globaler IT-Konzern „made in Germany“? In sechs Episoden wirft „Die �鶹ԭ�� Story“ einen Blick hinter die Kulissen, von den Anfängen bis zur Zukunft mit Cloud und KI – mit exklusiven Einblicken von �鶹ԭ�� CEO Christian Klein und ehemaligen Mitarbeiter:innen. Es geht um die Kultur, den Aufstieg und die ständige Transformation des Konzerns.

Der Podcast ist für alle, die verstehen wollen, was es braucht, damit Innovation und Wandel immer wieder gelingen.

Worum es geht:

• Die Anfänge: Fünf Ex-IBM-Mitarbeiter kündigen sichere Jobs und legen den Grundstein für einen Weltkonzern.
• Die Kultur: Was Arbeiten bei �鶹ԭ�� besonders macht und welche Rollen Hasso Plattner und Dietmar Hopp dabei spielten.
• Der Aufstieg: Getrieben von einer neuen Softwaregeneration, Mut zur Internationalisierung und dem Glück perfekten Timings.
• Die Innovation: Warum �鶹ԭ�� Zukunftstrends oft früh richtig antizipiert – dank konsequentem Kundenfokus.
• Die Transformation: Wie der Konzern trotz Größe beweglich bleibt und sich ständig neu erfindet.
• Das Erbe: Warum �鶹ԭ�� ein in Deutschland einzigartiges Unternehmen ist, wie �鶹ԭ�� mit Cloud und KI in die Zukunft geht und was passieren muss, damit mehr globale IT-Champions entstehen.

The post Podcast „Die �鶹ԭ�� Story“ – ein OMR Original appeared first on �鶹ԭ�� News Center.

Die Zusammenarbeit ermöglicht es Millionen von Beschäftigten im öffentlichen Sektor, KI sicher und verantwortungsvoll zu nutzen und dabei strenge Anforderungen an Datenhoheit, Sicherheit und rechtliche Vorgaben einzuhalten.

Christian Klein, CEO der �鶹ԭ�� SE, sagt: Angewandte KI ist das, was echten Mehrwert schafft. Als Business-KI-Unternehmen mit jahrzehntelanger Erfahrung bei öffentlichen Organisationen sind wir überzeugt, dass OpenAI für Deutschland einen großen Schritt nach vorn darstellt. Wir bündeln das Know-how von �鶹ԭ�� Sovereign Cloud mit der führenden KI-Technologie von OpenAI und ebnen so den Weg für KI-Lösungen, die in Deutschland für Deutschland entwickelt werden.”

Sam Altman, CEO von OpenAI, sagt: „Deutschland ist seit Langem führend in Ingenieurwesen und Technologie. Millionen Menschen in Deutschland nutzen bereits ChatGPT, um ihr Leben zu vereinfachen, Forschung und Wissenschaft voranzutreiben und neue Unternehmen zu gründen. Mit OpenAI für Deutschland werden wir gemeinsam mit lokalen Partnern daran arbeiten, dieses Potenzial auf den öffentlichen Sektor auszuweiten – um Dienstleistungen zu verbessern und sicherzustellen, dass die Vorteile von KI im ganzen Land ankommen, und zwar im Einklang mit wichtigen Werten wie Vertrauen und Sicherheit.”

Satya Nadella, Chairman und CEO von Microsoft, sagt: Im Rahmen dieser Partnerschaft freuen wir uns darauf, dem öffentlichen Sektor in Deutschland noch mehr KI-Fähigkeiten zur Verfügung zu stellen. Azure als Plattform für Delos Cloud ermöglicht, dass KI mit höchsten Standards an Souveränität, Datenschutz, regulatorischer Compliance und operativer Resilienz eingesetzt werden kann – sodass öffentliche Institutionen KI zielgerichtet und verantwortungsvoll anwenden können.”

Im Rahmen dieser Zusammenarbeit, deren Umsetzung 2026 starten soll, werden OpenAI, �鶹ԭ�� und Microsoft Mitarbeitende in Behörden, Verwaltungen und Forschungseinrichtungen in Deutschland dabei unterstützen, ihre tägliche Arbeit zu beschleunigen und mehr Zeit für wertschöpfende Aufgaben statt für administrative Tätigkeiten zu bekommen. OpenAI für Deutschland dient zudem als Eckpfeiler für die Entwicklung maßgeschneiderter Anwendungen für den öffentlichen Sektor und die direkte Integration von KI-Agenten in bestehende Workflows, um Prozesse wie Aktenverwaltung oder die Analyse von Verwaltungsdaten zu automatisieren und zu verbessern.

Zur Unterstützung dieses Vorhabens plant �鶹ԭ��, die bestehende Infrastruktur von Delos Cloud in Deutschland auf 4.000 GPUs für KI-Workloads auszubauen. Je nach zukünftiger Nachfrage wird �鶹ԭ�� zudem weiter in angewandte KI-Fähigkeiten in Deutschland investieren – mit Skalierung über bestehende, �鶹ԭ��-eigene Infrastruktur sowie über neue Kooperationen mit Colocation-Anbietern und weiteren Partnern. Diese Maßnahmen zielen darauf ab, das Angebot auf zusätzliche Branchen und Märkte in Europa auszuweiten.

OpenAI für Deutschland unterstützt direkt die nationalen KI-Ambitionen Deutschlands. Die Hightech-Agenda der Bundesregierung zielt darauf ab, bis 2030 eine KI-getriebene Wertschöpfung von bis zu 10 % des BIP zu erreichen – ein deutliches Signal für eine umfassende Einführung von KI in Wirtschaft und öffentlichem Sektor. Unterdessen hat die Initiative „Made for Germany“, die inzwischen von 61 führenden Unternehmen und globalen Investoren – darunter �鶹ԭ�� – unterstützt wird, Investitionen von mehr als 631 Milliarden Euro zugesagt, um Wachstum und Modernisierung zu beschleunigen. �鶹ԭ�� hat zudem kürzlich eine Investition von mehr als 20 Milliarden Euro ���Բ����ü�Ի徱����, um die digitale Souveränität Europas zu stärken.

Über OpenAI

OpenAI ist ein KI-Forschungs- und Entwicklungsunternehmen, das sich dafür einsetzt, dass allgemeine künstliche Intelligenz allen Menschen zugutekommt. Weitere Informationen finden Sie unter openai.com.

Über �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

Benjamin Nickel, +49 30 6341070266, benjamin.nickel@sap.com, CEST

Larissa Haida, +49 176 62614186, larissahaida@openai.com, CEST

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 2024 auf dem Formular 20-F. © 2025 �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 �鶹ԭ�� und OpenAI starten Partnerschaft für Sovereign OpenAI in Deutschland appeared first on �鶹ԭ�� News Center.

Die ersten der mehr als 40 Joule-Agenten, die wir auf der �鶹ԭ�� Sapphire ���Բ����ü�Ի徱���� haben, sind nun für Kunden verfügbar. Über verschiedene Funktionsbereiche hinweg unterstützen diese Agenten Unternehmen dabei, Klärungsfälle zu lösen, enge Beziehungen zu ihren Kunden zu pflegen, Folgeaktivitäten durchzuführen und zahlreiche weitere Aufgaben zu erledigen. , das KI-Betriebssystem für alle �鶹ԭ��-Business-AI-Lösungen, führt sämtliche Tools für die Entwicklung, Erweiterung und Ausführung kundenspezifischer KI-Lösungen und Agenten in großem Maßstab auf einer zentralen Plattform zusammen und vereinfacht so die Entwicklung im Bereich KI.

Und das waren nur einige Beispiele für die Innovationen und Lösungen, die wir auf der �鶹ԭ�� Sapphire ���Բ����ü�Ի徱���� haben. Weitere Ankündigungen und ausführliche Informationen finden Sie im oder in diesem Ü���������������. Zum Ende des zweiten Quartals 2025 möchten wir Sie über die zahlreichen Neuerungen für �鶹ԭ�� Business AI informieren.

Im Folgenden finden Sie einen ausführlichen Ü��������������� über die KI-Innovation für das Personalwesen, die wir im zweiten Quartal 2025 für unsere Kunden bereitgestellt haben.

• Erfahren Sie mehr über Joule
• Erfahren Sie mehr über �鶹ԭ�� Business AI für die Lieferkette
• Erfahren Sie mehr über �鶹ԭ�� Business AI für das Finanzwesen und Ausgabenmanagement

KI-gestützte Massenübersetzung in �鶹ԭ��-SuccessFactors-Lösungen

Allgemein verfügbar

Zur Verbesserung der Mitarbeitermotivation und Unterstützung der Compliance können Systemadministratoren Massenübersetzungen in �鶹ԭ��-SuccessFactors-Lösungen nutzen. Das Tool übersetzt voreingestellte Seiteninhalte umgehend in verschiedene Sprachen und stellt eine intuitive Oberfläche zur Überprüfung der Übersetzungen bereit. Zu den Vorteilen, die sich daraus ergeben, zählen ein einfacherer Übersetzungsprozess, der im Vergleich zur manuellen Übersetzung Zeit und Kosten spart, sowie eine höhere Qualität und Konsistenz von Übersetzungen. Darüber hinaus sorgen lokalisierte Inhalte für eine höhere Mitarbeitermotivation.

Systemadministratoren können mit Massenübersetzungen die Kosten für die Übersetzung kundenspezifischer Objekte während der Systemlokalisierung um bis zu 90 % senken.*

.

KI-gestützte Bildgenerierung für Schulungen in �鶹ԭ�� SuccessFactors Learning
Allgemein verfügbar

Schulungsadministratoren, die �鶹ԭ�� SuccessFactors Learning verwenden, können nun mithilfe der KI-gestützten Bildgenerierung ansprechendere Inhalte erstellen, ohne auf Bilder aus externen Quellen zurückgreifen zu müssen. Mit dem Tool können durch Eingeben einer Beschreibung schnell und einfach Bilder für benutzerdefinierte Karten, Banner, Elemente, Programme und Curricula generiert werden. Zu den wichtigsten Vorteile zählen die deutliche Verringerung des Zeitaufwands für die Suche nach Bildern, eine schnellere Erstellung von Inhalten und ein besseres Lernerlebnis für Administratoren und Anwender.

Schulungsdesigner können davon ausgehen, dass sie Bilder für Schulungen bis zu 70 % schneller generieren können, während Schulungsadministratoren die Kosten für den Erwerb von Archivbildern um bis zu 90 % senken können.*

.

KI-gestützte Stimmungsanalyse in 360-Grad-Beurteilungen in �鶹ԭ�� SuccessFactors Performance & Goals
Allgemein verfügbar

Personalverantwortliche und Führungskräfte können sich nun mithilfe von Stimmungsanalysen in 360-Grad-Beurteilungen in �鶹ԭ�� SuccessFactors Performance & Goals ein genaueres Bild der Mitarbeiterleistung machen. Die Funktion analysiert die Stimmung, die aus dem Feedback von Bewertern in 360-Grad-Beurteilungen abgeleitet werden kann, und gibt so Aufschluss über die Einstellung von Mitarbeitenden gegenüber Qualifikationen und Kompetenzen.

Personalverantwortliche und Führungskräfte profitieren damit von Vorteilen wie Zeitersparnis durch einen schnelleren Ü��������������� über die Leistungsentwicklung, datengestützten Entscheidungen zur Verbesserung der Mitarbeiterleistung und einer intuitiven Möglichkeit, die Stärken und Entwicklungsmöglichkeiten von Mitarbeitenden zu identifizieren.

Mithilfe dieser Funktion kann der Anteil der Mitarbeitenden, die freiwillig aus dem Unternehmen ausscheiden, weil ihnen die Motivation hinter 360-Grad-Feedback nicht klar ist, um bis zu 30 % verringert werden.*

.

KI-gestütztes Anlegen von Teamzielen in �鶹ԭ�� SuccessFactors Performance & Goals
Allgemein verfügbar

Teamleiter und Führungskräfte, die �鶹ԭ�� SuccessFactors Performance & Goals nutzen, können nun mithilfe von KI aussagekräftige und motivierende Teamziele definieren. Das System erzeugt sorgfältig strukturierte Ziele, die auf die Unternehmensstandards abgestimmt sind, indem es die gewünschten Teamleistungen beschreibt. Die Inhalte können bei Bedarf überprüft, bearbeitet und neu erstellt werden.

Mit der Funktion lassen sich hochwertige, abgestimmte Teamziele anlegen, wobei der Fokus von der Ideenfindung und der Entwicklung auf das Erreichen von Ergebnissen verlagert wird.

Führungskräfte können damit Teamziele bis zu 65 % schneller anlegen.*

.

KI-gestützte Leistungsanalysen in �鶹ԭ�� SuccessFactors Performance & Goals
Allgemein verfügbar

Führungskräfte können sich nun mithilfe von Leistungsanalysen ein umfassendes Bild der Mitarbeiterleistung machen, das auf dem Feedback aus �鶹ԭ�� SuccessFactors Performance & Goals beruht. Die Funktion generiert eine Zusammenfassung und Synthese qualitativer Rückmeldungen in einem bestimmten Leistungsjahr, die es Führungskräften ermöglicht, die Mitarbeiterleistung besser zu visualisieren und zu verstehen.

Zu den Vorteilen zählen eine höhere Effizienz beim Ausfüllen von Leistungsformularen und der Vorbereitung von Einzelgesprächen, die Verknüpfung von qualitativem Feedback und Leistungsdaten mit quantitativen Bewertungen sowie erweiterte Informationen für das Leistungsmanagement im Team.

Führungskräfte können damit ihren Zeitaufwand für die Erstellung einer Übersicht über die Leistungsentwicklung der ihnen direkt unterstellten Mitarbeitenden für die jeweiligen Leistungsgespräche um bis zu 70 % verringern.*

.

KI-gestützte Nachfolgeanalysen in �鶹ԭ�� SuccessFactors Succession & Development
Allgemein verfügbar

Nachfolgeplaner und Personalverantwortliche, die �鶹ԭ�� SuccessFactors Succession & Development nutzen, können nun mithilfe von Nachfolgeanalysen die Nachfolgeplanung vereinfachen und optimieren. Anwender können direkt über die entsprechenden Talent Cards wertvolle Erkenntnisse zu potenziellen Nachfolgern gewinnen, unter anderem zur Eignung für die Rolle, Leistung, zu erreichten Zielen, Stärken und Entwicklungsbedarfen.

Zu den Vorteilen zählen einfach zugängliche und relevante Erkenntnisse, die als Grundlage für Entscheidungen zur Nachfolgeplanung genutzt werden können, eine Verlagerung des Schwerpunkts von der Datenauswertung hin zu einem strategischen Personalmanagement und die Möglichkeit, durch gezielte Karriereentwicklung und Weiterbildung eine größere Auswahl qualifizierter Bewerber für wichtige Positionen zu erhalten.

Nachfolgeplaner und Führungskräfte können durch automatisierte Einblicke in Bewerberprofile und die Verwaltung von Daten zur Nachfolge den Zeitaufwand für die Nachfolgeplanung um bis zu 20 % verringern.*

.

KI-gestützte Einblicke in Feedback zu Vorstellungsgesprächen in �鶹ԭ�� SuccessFactors Recruiting
Allgemein verfügbar

Recruiter und einstellende Führungskräfte können nun mithilfe von KI-gestützten Einblicken in Feedback zu Vorstellungsgesprächen die Bewertung von Bewerbern optimieren. Das System ermöglicht eine umfassende Bewertung von Bewerbern, indem es Qualifikations- und Kompetenzbewertungen, allgemeine Kommentare, Notizen, kompetenzspezifisches Feedback und die endgültige Empfehlung einbezieht. All diese Informationen werden aus dem Feedback zu Vorstellungsgesprächen abgeleitet. Recruiter können diese Einblicke nach Bedarf generieren und anzeigen. Um sicherzustellen, dass stets aktuelles Feedback einbezogen wird, können die Einblicke aktualisiert werden.

Dadurch lässt sich das Feedback von Bewerbern effizienter überprüfen, während zugleich der Aufwand für das manuelle Erstellen von Zusammenfassungen verringert wird. Teams, die Vorstellungsgespräche durchführen, können sich schneller einigen oder Bedenken identifizieren. Sobald zusätzliches Feedback verfügbar wird, können Zusammenfassungen neu erstellt werden.

Recruiter können ihren Zeitaufwand für die Zusammenfassung des Feedbacks zu Vorstellungsgesprächen um bis zu 70 % pro Gespräch verringern.*

.

KI-gestützte erweiterte KI-Sprachversionen in �鶹ԭ��-SuccessFactors-Lösungen
Allgemein verfügbar

Führungskräfte im Personalwesen können zur Unterstützung einer globalen Belegschaft mithilfe erweiterter KI-Sprachversionen in �鶹ԭ��-SuccessFactors-Lösungen zusätzliche Sprachen abdecken. Mit dieser von Systemadministratoren verwalteten Funktion lassen sich mit KI übersetzte Sprachversionen über eine Oberfläche und einen integrierten Workflow erstellen, überprüfen und verwalten. Dabei wird sichergestellt, dass die Übersetzungen von Menschen geprüft und angepasst werden.

Systemadministratoren können so die Kosten für die Verwaltung von KI-übersetzten Sprachversionen für kundenspezifische Objekte bei der Systemlokalisierung um bis zu 90 % senken.*

.

Einsatz von Joule in �鶹ԭ�� SuccessFactors Mobile
Allgemein verfügbar

Anwender von �鶹ԭ�� SuccessFactors können nun Joule in den Apps von �鶹ԭ�� SuccessFactors Mobile nutzen, um ihre täglichen Aufgaben intuitiver und effizienter zu erledigen. Mithilfe von Joule können Mitarbeitende Probleme eigenständig lösen und ihren Zeitaufwand für die Suche nach Informationen verringern. Führungskräfte können mit Joule datengestützte Entscheidungen treffen und so die Teamleistung verbessern und Wachstum fördern.

iPhone- und iPad-Nutzer können Siri bitten, Joule zu öffnen, um Antworten auf ihre Fragen zu erhalten. Mit dem Sprachbefehl „Hi Siri, frag Joule in �鶹ԭ�� SuccessFactors“ können sie über Siri die Interaktion mit Joule starten.

.

KI-gestützte Erläuterung des Gehaltsnachweises in �鶹ԭ�� SuccessFactors Employee Central
Allgemein verfügbar

In �鶹ԭ�� SuccessFactors Employee Central Payroll können Mitarbeitende Joule nutzen, um sich ihren Gehaltsnachweis erläutern und Fragen zu Gehaltsänderungen und Zahlungsdetails umgehend beantworten zu lassen. Die KI-gestützte Funktion zeigt sofortige Erläuterungen an, sodass die Zahl der Helpdesk-Tickets zur Gehaltsabrechnung deutlich verringert werden kann und die Mitarbeiterzufriedenheit steigt.

Personalabteilungen können damit die Zahl der HR-Tickets zum Gehaltsnachweis um 50 % verringern, während die Mitarbeitenden von umgehenden qualifizierten Antworten profitieren.*

. Im Video zu den Highlights des �鶹ԭ��-SuccessFactors-Release für das erste Halbjahr 2025 können Sie die Funktion im Praxiseinsatz sehen:

Click the button below to load the content from YouTube.

Always allow YouTube

Performance and Goals Agent
Beta-Release

Der neue Performance and Goals Agent in �鶹ԭ�� SuccessFactors automatisiert die Datenerfassung, stellt Führungskräften personalisierte Gesprächspunkte für Mitarbeitergespräche bereit und unterbreitet Handlungsempfehlungen wie das Erstellen von Besprechungsnotizen in Continuous Performance Management, die Planung von Einzelgesprächen, das Anfordern von Feedback usw.​ Mit dem Agenten haben Führungskräfte Zugriff auf relevante Informationen und benötigen weniger Zeit für manuelle Vorbereitungen.

Der Agent kann Führungskräfte beispielsweise darauf hinweisen, dass bald ein Gespräch zur Leistungsbeurteilung mit einem ihrer Mitarbeitenden ansteht, jedoch noch kein Feedback von anderen Teammitgliedern vorliegt. Der Agent kann in ihrem Namen Feedback vom Team des Mitarbeitenden einholen, dieses Feedback zusammenfassen und sie auf das Gespräch vorbereiten.

Der Performance and Goals Agent vereinfacht komplexe HR-Prozesse wie Leistungsbeurteilungen und die Vergütungsplanung und verringert den Verwaltungsaufwand. Er kann außerdem umsetzbare Pläne mit den richtigen Informationen und Daten erstellen und ausführen.

Führungskräfte benötigen mit dem Agenten bis zu 50 % weniger Zeit für die Vorbereitung von Gesprächen zur Leistungsbeurteilung und bis zu 80 % weniger Zeit für Folgeaktivitäten nach diesen Gesprächen. Darüber hinaus verringert sich die Zahl freiwillig ausscheidender Mitarbeitender infolge unzureichender Gespräche um bis zu 30 %.*

.

Philipp Herzig ist CTO und Chief AI Officer sowie Mitglied des erweiterten Vorstands der �鶹ԭ�� SE.

* Haftungsausschluss: Dieser Artikel beschreibt die zu erwartenden Vorteile für Unternehmen. Sämtlichen Berechnungen sind Schätzwerte, denen Fallstudien von �鶹ԭ��-Kunden, �鶹ԭ��-Benchmarks und andere Untersuchungen zugrunde liegen. Die tatsächlichen Vorteile können variieren und durch zusätzliche Faktoren beeinflusst werden, die in diesem Artikel nicht berücksichtigt werden. Die Informationen werden ohne jegliche Mängelgewähr und ohne Gewährleistung jedweder Art, weder ausdrücklich noch stillschweigend, bereitgestellt. �鶹ԭ�� übernimmt keinerlei Verantwortung für Schäden im Zusammenhang mit der Nutzung dieses Artikels. Auf der Seite sind unter „Rechtliche Hinweise“ Nutzungsbedingungen, Haftungsausschlüsse, Pflichtangaben und Einschränkungen für dieses Material zu finden.

The post �鶹ԭ�� Business AI für das Personalwesen: Highlights des Q2 2025 Release appeared first on �鶹ԭ�� News Center.

Die ersten der mehr als 40 Joule-Agenten, die wir auf der �鶹ԭ�� Sapphire ���Բ����ü�Ի徱���� haben, sind nun für Kunden verfügbar. Über verschiedene Funktionsbereiche hinweg unterstützen diese Agenten Unternehmen dabei, Klärungsfälle zu lösen, enge Beziehungen zu ihren Kunden zu pflegen, Folgeaktivitäten durchzuführen und zahlreiche weitere Aufgaben zu erledigen. , das KI-Betriebssystem für alle �鶹ԭ��-Business-AI-Lösungen, führt sämtliche Tools für die Entwicklung, Erweiterung und Ausführung kundenspezifischer KI-Lösungen und Agenten in großem Maßstab auf einer zentralen Plattform zusammen und vereinfacht so die Entwicklung im Bereich KI.

Und das waren nur einige Beispiele für die Innovationen und Lösungen, die wir auf der �鶹ԭ�� Sapphire ���Բ����ü�Ի徱���� haben. Weitere Ankündigungen und ausführliche Informationen finden Sie im oder in diesem Ü���������������. Zum Ende des zweiten Quartals 2025 möchten wir Sie über die zahlreichen Neuerungen für �鶹ԭ�� Business AI informieren.

Im Folgenden finden Sie einen ausführlichen Ü��������������� über die KI-Innovation für das Finanzwesen und Ausgabenmanagement, die wir im zweiten Quartal 2025 für unsere Kunden bereitgestellt haben.

• Erfahren Sie mehr über �鶹ԭ�� Business AI in Q2 2025
• Erfahren Sie mehr über Joule
• Erfahren Sie mehr über �鶹ԭ�� Business AI für die Lieferkette

�鶹ԭ�� Business AI für das Finanzwesen und Ausgabenmanagement

KI-gestützte Fehlerbehandlung für elektronische Belege in �鶹ԭ�� Document and Reporting Compliance

Allgemein verfügbar

Steuerbuchhalter, die mit der zunehmenden Komplexität der elektronischen Rechnungsstellung konfrontiert sind, können vom Einsatz von Joule in �鶹ԭ�� Document and Reporting Compliance profitieren. Die Lösung übersetzt komplexe Fehler in elektronischen Belegen in leicht verständliche natürliche Sprache, sodass Anwender sich nicht mit den technischen Fachausdrücken auskennen müssen. So können sie die zugrunde liegenden Probleme schnell identifizieren und effizient beheben, wodurch Beeinträchtigungen und potenzielle Strafen minimiert werden.

Dadurch können nachweislich geschäftliche Vorteile erzielt werden, etwa eine Verringerung des Zeitaufwands für die Analyse von Fehlerdetails und Ursachenermittlung um bis zu 80 %. Dies hat eine deutlich höhere Effizienz und bessere Compliance zur Folge.*

.

Produkterweiterungen für den Einsatz von Joule in �鶹ԭ�� S/4HANA Cloud Public Edition

Allgemein verfügbar

Joule bietet nun noch bessere Unterstützung in �鶹ԭ�� S/4HANA Cloud Public Edition. Dadurch lassen sich wichtige Geschäftsprozesse effizienter gestalten und besser steuern. Anwender können nicht nur Geschäftsdaten für Arbeitsplätze und Ressourcen anzeigen, sondern auch die Abwicklung von Kundenaufträgen proaktiv überwachen. Indem Joule potenzielle Probleme kennzeichnet und Vorschläge zur Problembehebung unterbreitet, können Anwender dafür sorgen, dass Aufträge fristgerecht erfüllt werden.

Darüber hinaus bietet Joule die Möglichkeit, Anlagenstammdaten direkt in �鶹ԭ�� S/4HANA Cloud Public Edition anzulegen. So benötigen Unternehmen weniger Zeit für umfangreiche Schulungen und können die Genauigkeit und Daten-Governance verbessern.

Joule kann Preisfindungssachbearbeiter außerdem dabei unterstützen, auslaufende Preise besser zu steuern, indem er neue angepasste Preise vorschlägt. Dadurch kann der Zeit- und Kostenaufwand für die Ermittlung auslaufender Preise und die Festlegung neuer Preise um bis zu 90 % verringert werden.*

Ausführliche Informationen zu den neuesten Erweiterungen finden Sie im .

.

Produkterweiterungen für den Einsatz von Joule in �鶹ԭ�� S/4HANA Cloud Private Edition

Allgemein verfügbar

Für den Einsatz von Joule in �鶹ԭ�� S/4HANA Cloud Private Edition werden neue Funktionen für verschiedene Geschäftsbereiche bereitgestellt. Im Bereich Field-Logistik können Anwender Mengen für Nichtlagerpositionen nun direkt abrufen. Darüber hinaus ist über Joule nun der Zugriff auf umfassende Cash-Management-Funktionen möglich, beispielsweise zur Überwachung von Kontoauszügen und zum Durchführen von Überweisungen. Bei der konvergenten Fakturierung können Anwender wichtige Prozesse nun direkt verwalten und unter anderem Klärungsfällen Bearbeiter zuordnen oder Drucksperren für Fakturierungsbelege setzen und aufheben.

Mit Joule können Versandsachbearbeiter zudem Details zu Auslieferungen abrufen und detaillierte Informationen wie den Kommissionierstatus oder Warenempfänger für Auslieferungen und Kundenaufträge anzeigen, ohne die zugehörigen Anwendungen suchen und öffnen zu müssen. Joule kann beispielsweise alle Auslieferungen mit noch nicht vollständig kommissionierten Waren oder alle zu liefernden Kundenaufträge anzeigen. Dies ermöglicht eine schnellere Problemlösung und eine bessere Nachverfolgung der Auftragsabwicklung.

Und das ist noch nicht alles. Mithilfe von Joule können Vertriebsmitarbeiter nun wichtige Vertragsdetails effizient extrahieren, historische Änderungen verfolgen, wichtige Kennzahlen analysieren und Fehler beheben. Dies ermöglicht eine detaillierte Analyse und einen schnellen Abschluss von Verkaufsverhandlungen, was wiederum die Möglichkeiten für Vertragsverlängerungen und Upselling verbessert. Joule vereinfacht außerdem Vertragsanfragen und steigert so die Kundenzufriedenheit. Vertriebsmitarbeiter können davon ausgehen, dass sie ihren Zeitaufwand für die Verdichtung von Daten zu Subskriptionsverträgen um bis zu 80 % verringern können.*

Ausführliche Informationen zu diesen Erweiterungen finden Sie im .

.

Agent für die Debitorenbuchhaltung
Beta-Release

Debitorenbuchhalter werden nun bei der Verarbeitung von Daten zu überfälligen Forderungen unterstützt. Der Agent für die Debitorenbuchhaltung kann überfällige Außenstände in verschiedenen Anwendungen suchen und auf der Grundlage der Profile und Zahlungshistorie von Kunden entsprechende Folgeaktivitäten durchführen.

Kunden können davon ausgehen, dass sie mit diesem Joule-Agenten die Außenstandsdauer von Forderungen um bis zu 1 %, die Ausbuchung uneinbringlicher Forderungen um bis zu 2 % und den Aufwand für die Analyse und Abstimmung offener Debitorenposten um bis zu 75 % verringern können.*

.

Meeting Location Planner Agent
Beta-Release

Mit dem Meeting Location Planner Agent können Besprechungsplaner externe Veranstaltungen einfacher und schneller planen. Der Agent schlägt Orte vor, bei denen die Teilnehmenden möglichst kurze Anreisezeiten haben, unterbreitet auf der Grundlage des Sitzes eines Unternehmens Empfehlungen für den Veranstaltungsort und schlägt geeignete Hotels vor. Er bietet darüber hinaus einen umfassenden Ü��������������� über die Gesamtkosten für eine externe Besprechung und stellt Vorlagen für E-Mails mit Deep-Links zur Verfügung, über die Teilnehmende ihre Reise buchen können. Dadurch wird eine Planung innerhalb der Budgetvorgaben ermöglicht.

Die automatisierte Datenerfassung und -koordination sorgt für eine einfachere Planung und höhere Produktivität. Der Agent ermöglicht fundierte Entscheidungen zur Ausgabenkontrolle und zugleich die Umsetzung der Ziele für Veranstaltungen. Durch eine nahtlose Kommunikation und klare Buchungsanweisungen profitieren Teilnehmende von einem besseren Erlebnis.

Dadurch können die Kosten für geplante Besprechungen um bis zu 10 % und der Zeitaufwand für die Planung von externen Veranstaltungen um 15 % verringert werden, indem der Informationsaustausch mit allen Teilnehmenden verbessert wird.*

.

Agent für die Überprüfung von Spesenabrechnungen
Release im Rahmen des Programms �鶹ԭ�� Early Adopter Care

Ausgabenmanager können den Abrechnungsprozess mit dem Agenten für die Überprüfung von Spesenabrechnungen optimieren. Der Agent kennzeichnet Probleme proaktiv und führt Anwender durch die einzelnen Schritte für die Korrektur von Abrechnungsfehlern, um Verzögerungen durch abgelehnte oder zurückgesendete Abrechnungen zu minimieren. Er verbessert die Benutzerfreundlichkeit, indem er Anwender beim Abschließen und Einreichen von Spesenabrechnungen unterstützt und die Zahl der Fehler verringert. Er fordert Anwender außerdem zur Eingabe der erforderlichen Informationen auf und stellt dadurch sicher, dass Abrechnungen alle erforderlichen Details enthalten.

Dadurch lässt sich der Zeitaufwand für die Erstellung und Einreichung von Spesenabrechnungen um 30 % verringern, während zugleich 24 % mehr Spesenabrechnungen ohne Korrekturen genehmigt werden können. Anwender profitieren so insgesamt von einem besseren Erlebnis.*

.

Philipp Herzig ist CTO und Chief AI Officer sowie Mitglied des erweiterten Vorstands der �鶹ԭ�� SE.

* Haftungsausschluss: Dieser Artikel beschreibt die zu erwartenden Vorteile für Unternehmen. Sämtlichen Berechnungen sind Schätzwerte, denen Fallstudien von �鶹ԭ��-Kunden, �鶹ԭ��-Benchmarks und andere Untersuchungen zugrunde liegen. Die tatsächlichen Vorteile können variieren und durch zusätzliche Faktoren beeinflusst werden, die in diesem Artikel nicht berücksichtigt werden. Die Informationen werden ohne jegliche Mängelgewähr und ohne Gewährleistung jedweder Art, weder ausdrücklich noch stillschweigend, bereitgestellt. �鶹ԭ�� übernimmt keinerlei Verantwortung für Schäden im Zusammenhang mit der Nutzung dieses Artikels. Auf der Seite sind unter „Rechtliche Hinweise“ Nutzungsbedingungen, Haftungsausschlüsse, Pflichtangaben und Einschränkungen für dieses Material zu finden.

The post �鶹ԭ�� Business AI für das Finanzwesen und Ausgabenmanagement: Highlights des Q2 2025 Release appeared first on �鶹ԭ�� News Center.

Geht man jedoch darüber hinaus und wendet diese Modelle auf strukturierte, tabellarische Daten an, die für die operativen Aufgaben von Unternehmen wesentlich sind, steht man vor einigen Herausforderungen. Dieses Ungleichgewicht ist teilweise auf die �ձ����ü����������𾱳� von Trainingsdaten zurückzuführen. Texte zum Trainieren von Modellen sind reichlich vorhanden und werden häufig aus dem Internet gezogen. Tabellarische Daten hingegen, vor allem solche mit mehreren verknüpften Tabellen, sind rar.

Um die Fortschritte von KI in den Unternehmenskontext zu übertragen, benötigen Forschende, die sich mit Trainings und Vergleichen der Leistungsfähigkeit dieser Modelle im Unternehmensumfeld beschäftigen, realistische tabellarische Daten. Aus diesem Grund hat die �鶹ԭ�� „Sales Autocompletion Linked Business Tables“ (SALT) entwickelt. Dabei handelt es sich um einen eigens zusammengestellten Datensatz mit anonymisierten Daten aus dem ERP-System eines Kunden.

SALT wurde speziell zur Unterstützung von Forschenden entwickelt, die an KI-Modellen für praxisbezogene Geschäftskontexte arbeiten. Zugänglich ist SALT über  und .

Herausforderungen: Beschaffung und Umgang mit Unternehmensdaten

Bislang ist es kein leichtes Unterfangen, der Forschungsgemeinschaft realistische Unternehmensdaten wie SALT zur Verfügung zu stellen. Datenschutz, Vertraulichkeit und wirtschaftliche Interessen erschweren es, große, bereinigte, hochwertige Unternehmensdatensätze für das Training und Benchmarking von Modellen für bestimmte Anwendungsfälle zu beschaffen. Das bedeutet, dass die Kluft zwischen den Daten, mit denen Forschende arbeiten, und den tatsächlichen Unternehmensdaten wächst.

Zu dem Problem der mangelnden �ձ����ü����������𾱳� kommt hinzu, dass Unternehmensdaten komplex sind. Zunächst werden Geschäftsdaten in der Regel in mehreren miteinander verbundenen Tabellen gespeichert. Ein Eintrag in einem Kundenauftrag kann etwa mit zahlreichen Tabellen verbunden sein, beispielsweise Kundennummern, die mit einer Lieferantentabelle mit Adressdaten verknüpft sind. Zweitens sind Tabellen per se heterogen in Bezug auf die Datentypen, die sie enthalten können. So ist ein Feld zum Beispiel ein Textfeld, ein anderes kann dagegen numerische oder kategorische Werte enthalten. Schließlich weisen Geschäftsdaten häufig erhebliche Ungleichgewichte in Bezug auf Spalten auf. Das heißt, dass eine bestimmte Produktkategorie beispielsweise in bis zu 90 Prozent aller Kundenaufträge enthalten sein kann, während andere nur selten vorkommen.

Der beste Weg, um Forschende bei der Entwicklung von Unternehmensmodellen für diese Herausforderungen zu unterstützen, besteht darin, präzise Unternehmensdaten bereitzustellen.

SALT – der neue Datensatz

Präzise Unternehmensdaten sind in der KI-Forschung Mangelware. Der Datensatz SALT schafft hier Abhilfe, indem er der Forschungsgemeinschaft den ersten realen ERP-Datensatz bereitstellt. SALT nutzt tatsächliche Branchendaten aus einem ERP-System, in dem Kundenaufträge erfasst werden. Um die Vertraulichkeit zu wahren, wurden die Daten minimal bearbeitet.

„In Bezug auf Daten besteht eine Kluft zwischen Wissenschaft und Industrie. Diese lässt sich aus Datenschutzgründen nicht so leicht schließen“, sagt Tassilo Klein aus dem Bereich Research/SALT bei der �鶹ԭ��. „Wir möchten aber, dass die Forschungsgemeinschaft an realen und nicht nur an simulierten Problemen arbeitet.“

ERP-Systeme helfen Unternehmen dabei, ihre Kerngeschäftsprozesse wie Finanzwesen und Ausgabenmanagement zu verwalten. Mit Millionen von Einträgen und umfangreichen miteinander verknüpften relationalen Tabellen, die überwiegend aus dem Verkaufsbereich stammen, repliziert der SALT-Datensatz Kundeninteraktionen in einem ERP-System. Aufgrund der Unternehmensdaten aus der Praxis bildet SALT eine perfekte Grundlage dafür, dass Modelle die Merkmale von Unternehmensdaten besser verstehen und deren Leistung durch Benchmarking validieren. Zudem dürfte SALT Forschenden dabei helfen, bessere Basismodelle für verbundene Geschäftsdaten zu entwickeln.

Wenn all das gelingt, wird es die Automatisierung in Unternehmen voranbringen, da viele Geschäftsprozesse in hohem Maß auf Daten in strukturierten Tabellenformaten beruhen. Wenngleich diese Daten eine entscheidende Rolle im Tagesgeschäft von Unternehmen spielen, ist es mit der revolutionären generativen KI noch nicht gelungen, ihr Potenzial voll zu erschließen.

„SALT ist ein erster Schritt, um Forschenden authentische repräsentative Branchendaten zur Verfügung zu stellen, die einen kleinen Einblick in tatsächliche Unternehmensdaten ermöglichen. Vorerst beginnen wir mit nur einem Kunden und einem Anwendungsfall“, erklärt Johannes Hoffart, Chief Technology Officer von Business AI bei der �鶹ԭ��. „Wir planen jedoch, weitere Datensätze zu veröffentlichen, die eine größere Bandbreite von Kunden und Anwendungsfällen abdecken. Dies kann dann zusammen mit SALT als eine Basis für das Pre-Training, das Anpassen sowie das Benchmarking von Modellen dienen.“

Ein weiterer Beweggrund für die Veröffentlichung dieser Daten ist die Kooperation mit Hochschulen.

„Wir bei der �鶹ԭ�� hoffen auf eine Zusammenarbeit mit Partnern aus der Wissenschaft, die ihre Ergebnisse normalerweise nur in offenen Repositorys veröffentlichen können“, so Klein. „Eine weitere Hoffnung ist, dass dieser Datensatz mehr Menschen dazu ermutigt, neue Methoden zu erproben und zu validieren, die Basismodellen helfen, besser mit tabellarischen Unternehmensdaten umzugehen.“

Das macht die �鶹ԭ��

Neben dem Engagement in der offenen Forschungsgemeinschaft mit SALT, entwickelt die �鶹ԭ�� das �鶹ԭ�� Foundation Model, um tabellarische Unternehmensdaten verarbeiten zu können. Dieses KI-Modell speziell für tabellarische Daten soll die Zeit bis zur Wertschöpfung für vorausschauende Aufgaben auf Basis tabellarischer Daten verkürzen. Das zugrunde liegende Modell soll ohne oder mit nur wenigen zusätzlichen Trainingsdaten sofort mit tabellarischen Daten arbeiten können. Das , das in Verbindung mit SALT veröffentlicht wurde, bietet einen ersten Blick darauf, wie dieses Modell einmal aussehen könnte.

Wissensgraphen spielen dabei eine wichtige Rolle. Sie arbeiten auf der Grundlage von Metadaten – das Wer, Was und Wann von Daten –, durch die Verknüpfungen zwischen Informationen genutzt werden können. Dies ermöglicht eine strukturierte, vernetzte Darstellung der Daten, die KI-Modelle leicht verstehen und verwenden können. Mithilfe von �鶹ԭ�� Knowledge Graph kann das �鶹ԭ�� Foundation Model auf eine Vielzahl unterschiedlicher Anwendungsfälle skaliert und durch geringfügiges Fine-Tuning angepasst werden.

Erfahren Sie mehr über:

The post �鶹ԭ�� treibt Forschung im Bereich Unternehmens-KI mit erstem realen ERP-Datensatz voran appeared first on �鶹ԭ�� News Center.

Die ersten der mehr als 40 Joule-Agenten, die wir auf der �鶹ԭ�� Sapphire ���Բ����ü�Ի徱���� haben, sind nun für Kunden verfügbar. Über verschiedene Funktionsbereiche hinweg unterstützen diese Agenten Unternehmen dabei, Klärungsfälle zu lösen, enge Beziehungen zu ihren Kunden zu pflegen, Folgeaktivitäten durchzuführen und zahlreiche weitere Aufgaben zu erledigen. , das KI-Betriebssystem für alle �鶹ԭ��-Business-AI-Lösungen, führt sämtliche Tools für die Entwicklung, Erweiterung und Ausführung kundenspezifischer KI-Lösungen und Agenten in großem Maßstab auf einer zentralen Plattform zusammen und vereinfacht so die Entwicklung im Bereich KI.

Und das waren nur einige Beispiele für die Innovationen und Lösungen, die wir auf der �鶹ԭ�� Sapphire ���Բ����ü�Ի徱���� haben. Weitere Ankündigungen und ausführliche Informationen finden Sie im oder in diesem Ü���������������. Zum Ende des zweiten Quartals 2025 möchten wir Sie über die zahlreichen Neuerungen für �鶹ԭ�� Business AI informieren.

Im Folgenden finden Sie einen ausführlichen Ü��������������� über Innovation für Joule, die wir im zweiten Quartal 2025 für unsere Kunden bereitgestellt haben.

• Erfahren Sie mehr über �鶹ԭ�� Business AI für die Lieferkette

Joule

�鶹ԭ�� Joule for Consultants

Allgemein verfügbar

Berater benötigen bei komplexen Innovations- und Transformationsprojekten effizienten Zugriff auf zuverlässige Informationen. Mit können sich Berater einen schnellen Ü��������������� über die Aufgabe, Geschäftslogik und Struktur von ABAP-Code verschaffen. Unterstützt werden sie dabei durch ein Modell, das mit 300 Millionen Zeilen ABAP-Code und 30 Millionen Zeilen CDS-Code trainiert wurde. Durch diesen Zugriff auf exklusive Inhalte von �鶹ԭ��, mehr als 200.000 Seiten �鶹ԭ��-Dokumentation, über 50 �鶹ԭ��-Zertifizierungen und mehr als zwei Terabyte ausgewählte Inhalte aus der �鶹ԭ�� Community sind Berater in der Lage, fundierte Entscheidungen zu treffen und Projekte an Best Practices auszurichten.

Zu den geschäftlichen Vorteilen, die sich daraus ergeben, zählen eine bis zu 14 % schnellere Projektumsetzung sowie 50 % weniger Design-Iterationen und -Anpassungen. Durch den schnelleren Zugriff auf Fachwissen und eine bessere Code-Interpretation sparen Berater außerdem täglich schätzungsweise 1,5 Stunden Zeit.*

Diese Funktion wurde kürzlich in die aufgenommen. Im Rahmen dieses Programms wird gezeigt, wie KI in konkreten Szenarien genutzt werden kann, um komplexe globale Herausforderungen verantwortungsvoll zu bewältigen.

Erfahren Sie, wie KPMG mit �鶹ԭ�� Joule for Consultants und �鶹ԭ�� Business Data Cloud �鶹ԭ��-Transformationsprojekte revolutioniert:

Click the button below to load the content from YouTube.

Always allow YouTube

.

Joule in Microsoft 365 Copilot und Microsoft Teams

Allgemein verfügbar

Moderne Unternehmen sind auf die Interoperabilität wichtiger Unternehmenssysteme angewiesen. Joule ist ab sofort in Microsoft 365 Copilot und Microsoft Teams einschließlich Microsoft Teams Mobile allgemein verfügbar. Dank dieser Integration profitieren Anwender von den Vorteilen beider Umgebungen und können auf Informationen zugreifen sowie Aufgaben erledigen.

Kunden können sich nun direkt in Microsoft Teams mit Joule unterhalten, Joule in Microsoft Teams und Microsoft Teams Mobile als App nutzen und Joule direkt in Microsoft 365 Copilot Fragen stellen. Durch die Integration von Joule in Microsoft 365 Copilot steht Anwendern ein einheitliches KI-Erlebnis in �鶹ԭ��- und Microsoft-Umgebungen zur Verfügung. Dadurch steigt die Mitarbeiterproduktivität, während zugleich Informationssilos beseitigt und Workflows vereinfacht werden. Dies hat effizientere Abläufe zur Folge und ermöglicht datengestützte Entscheidungen im gesamten Unternehmen. Wir werden diese Integration in der zweiten Jahreshälfte fortsetzen und die Funktionen von Microsoft 365 Copilot in Joule und �鶹ԭ��-Anwendungen einbinden. Dadurch werden Anwender in der Lage sein, direkt über Joule auf Daten in Microsoft Teams, Outlook, OneDrive und SharePoint zuzugreifen.

Click the button below to load the content from YouTube.

Always allow YouTube

.

Analysefunktionen

Allgemein verfügbar

Mit den Analysefunktionen von Joule können sich Unternehmen bei Bedarf direkt in den Workflows von �鶹ԭ��-Anwendungen bei Entscheidungen unterstützen lassen. Anwender können Joule Fragen in natürlicher Sprache stellen, beispielsweise: „Welche drei Vertriebsleiter haben im vergangenen Monat die besten Ergebnisse erzielt?“ oder „Wie hoch sind die Verkaufsprovisionen in diesem Monat?“. Joule bietet ihnen umgehend kontextbezogene Einblicke, auf deren Grundlage sie schneller fundierte Entscheidungen treffen können – ohne zu den Dashboards in �鶹ԭ�� Analytics Cloud wechseln zu müssen. Die Zahl der Schritte, um Einblicke in Daten zu erhalten, kann auf diese Weise um 80 % verringert werden. Zugleich profitieren Kunden von einem nahtlosen Benutzererlebnis.*

Click the button below to load the content from YouTube.

Always allow YouTube

.

Philipp Herzig ist CTO und Chief AI Officer sowie Mitglied des erweiterten Vorstands der �鶹ԭ�� SE.

* Haftungsausschluss: Dieser Artikel beschreibt die zu erwartenden Vorteile für Unternehmen. Sämtlichen Berechnungen sind Schätzwerte, denen Fallstudien von �鶹ԭ��-Kunden, �鶹ԭ��-Benchmarks und andere Untersuchungen zugrunde liegen. Die tatsächlichen Vorteile können variieren und durch zusätzliche Faktoren beeinflusst werden, die in diesem Artikel nicht berücksichtigt werden. Die Informationen werden ohne jegliche Mängelgewähr und ohne Gewährleistung jedweder Art, weder ausdrücklich noch stillschweigend, bereitgestellt. �鶹ԭ�� übernimmt keinerlei Verantwortung für Schäden im Zusammenhang mit der Nutzung dieses Artikels. Auf der Seite sind unter „Rechtliche Hinweise“ Nutzungsbedingungen, Haftungsausschlüsse, Pflichtangaben und Einschränkungen für dieses Material zu finden.

The post �鶹ԭ�� Business AI mit Joule: Highlights des Q2 2025 Release appeared first on �鶹ԭ�� News Center.

Von der automatisierten Schulungsunterlagenerstellung bis hin zu KI-gestützten Adoptionstrategien – die präsentierten Lösungen zeigen, dass 2025 das entscheidende Jahr für den Übergang vom KI-Hype zur praktischen Anwendung wird. Unternehmen, die jetzt handeln, können ihre Transformationsgeschwindigkeit steigern und gleichzeitig die Mitarbeiterzufriedenheit verbessern.

Exponentielles Wachstum: �鶹ԭ��s KI-Offensive nimmt Fahrt auf

Timo Deiner, CTO �鶹ԭ�� MEE, verdeutlichte die rasante Entwicklung mit beeindruckenden Zahlen: „�鶹ԭ��s AI-Entwicklung: Von 90 Use Cases im Oktober auf geplante 430 bis Jahresende.“ Diese exponentiellen Schritte bedeuten für Unternehmen eine fundamentale Veränderung ihrer Arbeitsweise. Als Game-Changer identifizierte er AI-Agenten, die „wie extrem gute Werkstudenten funktionieren und selbstständig arbeiten“. Seine historische Einordnung unterstrich zudem, dass der Wunsch nach menschenähnlichen Maschinenfähigkeiten kein neues Phänomen ist – das gab es schon bei Gutenberg und der Buchpresse. Sein eindringlicher Appell: „Jetzt ist die Zeit loszulegen“ – die Zeit des reinen Experimentierens sei vorbei.

Praxiserfolg bei Nestlé: 163.000 eingesparte Produktivitätsstunden

Patrick Fueldner von Nestlé berichtete über spektakuläre Erfolge der WalkMe-Implementierung: „163.000 eingesparte Produktivitätsstunden in einem Quartal – das entspricht 86 Vollzeitstellen.“ Bei einer Kaffeemaschinen-Verwaltungsplattform konnte die �ٲ��ٱ�Ա�ܲ�������ä�� innerhalb von nur drei Monaten um 80 Prozent gesteigert werden. Ein Experte bestätigte dabei: „Nach Einführung von WalkMe sehen wir Verbesserungen. Der One-Stop-Shop-Ansatz macht es nicht nur einfacher, Probleme zu identifizieren, sondern verhindert auch fehlerhafte Dateneingaben von vornherein.“

Durchbruch bei der Erstellung von Lern-Inhalten: 60% Zeitersparnis durch KI

Moritz Huber, Head of �鶹ԭ�� Learning Services MEE, präsentierte beeindruckende Ergebnisse aus Pilotprojekten: Bei Schneider Electric in Frankreich wurden 60 Prozent der Zeit für Schulungsunterlagenerstellung eingespart. Das KI-gestützte Tool integriert �鶹ԭ��-Standarddokumentation, Signavio-Prozessinformationen und kundenspezifische Daten zu einer intelligenten Content-Generation-Plattform. Das System basiert auf �鶹ԭ�� AI-Core und ermöglicht nicht nur die automatische Erstellung von Schulungsunterlagen, sondern auch die methodische Lernbedarfsanalyse.

Kollaboratives Lernen als Erfolgsfaktor

Frédéric Heinemann von Kyndryl denkt die traditionelle Key-User-Rolle durch kollaboratives Lernen neu. Seine Erfolgsformel: „Adoption, Adoption, Adoption – das ist unser Megamonster-KPI. Wenn ich die Key-User rankriege, dann habe ich schon mal die erste Schlacht gewonnen.“ Statt passiver Trainingsempfänger entwickelt er Key-User zu aktiven Mentoren der digitalen Transformation, die eigenständig Demos durchführen und als „Dolmetscher“ zwischen IT und Fachbereich fungieren.

Integration bei M&A-Projekten: 800 Mitarbeitende in 40 Ländern

Katja Sommerer von Endress+Hauser bewältigte eine der komplexesten Herausforderungen im Change Management: die Integration von 800 neuen Mitarbeitenden aus 40 Ländern im Rahmen eines M&A-Projekts. Trotz strikter rechtlicher Beschränkungen – „Alles war hochvertraulich. Keiner durfte über irgendwas reden“ – gelang die erfolgreiche Integration binnen neun Monaten durch strukturierte Learning Journeys und intensive Key-User-Betreuung.

�鶹ԭ�� Integrated Toolchain: Transformation digitalisieren

Mike Fritz und Christoph Kernke stellten die �鶹ԭ�� Integrated Toolchain als Lösung für das Transformationsparadox vor: „Wir machen Transformationen, um KI zu nutzen, um in der Cloud zu sein. Aber den Weg dahin machen wir noch immer mit Steinen und Meißel.“ Die Toolchain verbinde über 14 �鶹ԭ��- und Partner Tools intelligent miteinander und schaffe eine echte „Transformationsmaschine“.

�鶹ԭ�� SuccessFactors-Erfolg bei BLS AG: Teamwork als Schlüssel

Bernhard Rupp und Andreas Kübli präsentierten ihre mit dem Cloud Transformation Award 2023 ausgezeichnete SuccessFactors-Implementierung als Fußballgeschichte. Ihre wichtigste Erkenntnis zur realistischen Zeitplanung: Die 80/20-Regel mit 80 Prozent Standardfunktionen und nur 20 Prozent Anpassungen.

Gibt es weitere Trends in der Weiterbildung außer KI?

Jochen Robes, Weiterbildungsblogger und Hochschullehrer, analysierte die wachsende Kluft zwischen theoretischen KI-Kompetenzmodellen und deren praktischer Umsetzung in Unternehmen. Seine Kernbotschaft: Trotz klar definierter Kompetenzmodelle können Mitarbeitende mit dem rasanten Tempo der KI-Integration kaum Schritt halten. Herausforderungen sind etwa die Lücke zwischen KI-Schulungen und benötigten Kompetenzen und dass oft KI nur zur Prozessoptimierung statt für neue Lernansätze genutzt wird. Als Lösungsansatz plädiert er für Peer-Learning, dem „Lernen voneinander und miteinander“, und gibt konkrete Beispiele und Tipps –  von Communities of Practice, Lernzirkeln bis Barcamps -, um die Kluft zwischen KI-Theorie und -Praxis zu schließen.

Fazit und Ausblick

Das �鶹ԭ�� Learning und Adoption Forum 2025 hat eindeutig gezeigt: KI wird kann die einzigartige Fähigkeiten von Menschen verstärken. Die präsentierten Erfahrungen – von Zeitersparnis bei der Content-Erstellung bis zu eingesparten Produktivitätsstunden – beweisen, dass der ROI messbar und erheblich ist.

Der Schlüssel zum Erfolg liegt in der intelligenten Kombination von Technologie und menschlichen Superkräften. Unternehmen, die jetzt handeln und sowohl in KI-Tools als auch in ihre Mitarbeitenden  investieren, werden die Transformationsgewinner von morgen sein.

The post Künstliche Intelligenz in Weiterbildung und im Change Management: So werden menschliche Superkräfte aktiviert appeared first on �鶹ԭ�� News Center.

Das neue Büro der TUM auf dem Gelände des �鶹ԭ�� Labs Bangalore dient als operative Schnittstelle für gemeinsame Aktivitäten in der indischen Tech-Metropole. Es unterstützt TUM-Forschende und -Studierende bei Aufenthalten in Indien, bietet Raum für Formate wie Hackathons, Summer Schools, Abschlussarbeiten und Praktika bei �鶹ԭ�� Labs und fördert den Austausch mit lokalen Partnerinstitutionen wie dem Indian Institute of Science (IISc).

„Mit einer neuen Präsenz in der indischen IT-Hauptstadt Bangalore erschließen wir gemeinsam mit unserem TUM Partner of Excellence �鶹ԭ�� für Forschende und Studierende neue Perspektiven im Herzen eines der dynamischsten Innovationsökosysteme weltweit – und stärken zugleich den internationalen Aktionsradius der TUM als unternehmerische Universität von Weltrang”, so Thomas F. Hofmann, Präsident der Technischen Universität München.

Stefan Wagner, Managing Director of �鶹ԭ�� Labs Germany, unterstreicht: „Was wir in München erfolgreich gestartet haben, setzen wir in Bangalore fort. Dieses Projekt ist ein starkes Signal für unsere gemeinsame Vision: Wissenschaft und Wirtschaft enger zu verzahnen und gemeinsam gesellschaftliche Wirkung zu entfalten.“

Inhaltlich liegt der Fokus auf drei strategischen Themenfeldern: Quantum Computing, mit einem Schwerpunkt auf Optimierungspotenziale zur Steigerung von Effizienz und Innovationskraft; Data Flywheel für datengetriebene Gesundheitslösungen, insbesondere im Bereich HealthTech; sowie Physical AI, das reale und künstliche Intelligenz miteinander verknüpft, um intelligentere und reaktionsfähigere Systeme zu schaffen. Die TUM steuert ihre wissenschaftliche Expertise in Neurotechnologie, KI und Systembiologie bei, �鶹ԭ�� wiederum stellt technologische Infrastruktur für KI-Forschung bereit und bringt ihre Erfahrung in der Entwicklung skalierbarer KI-Anwendungen in die Zusammenarbeit ein.

Ansprechpartner für die �鶹ԭ��e: 

Katrin Pommer, Tel. +49 (0) 151 – 18 96 84 93, katrin.pommer@sap.com (CEST)

�鶹ԭ��-�鶹ԭ��ebereich; press@sap.com  

# # # 

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 2024 auf dem Formular 20-F. 

 
© 2025 �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 Forschung vernetzt: �鶹ԭ�� und TUM bündeln Kräfte in Bangalore appeared first on �鶹ԭ�� News Center.

Es ist ein kalter Tag im Februar 2023, als Alexandra Cozgarea allein im Gebäude WDF01 steht. In wenigen Tagen soll der Umbau des Gebäudes beginnen. Arbeitsplätze und Besprechungsräume sind bereits geräumt, Heizung und Wasser abgestellt. Doch an den Wänden hängen noch etwa 400 Kunstwerke, die sie alle persönlich abhängen, dokumentieren und fachgerecht verpacken lassen muss – eine logistische Meisterleistung, die zeigt, welchen Stellenwert Kunst bei �鶹ԭ�� hat.

Von Hasso Plattners Vision zur Corporate Collection

Die Kunstsammlung bei �鶹ԭ�� geht auf Mitgründer Hasso Plattner zurück, der selbst ist. „Er war derjenige, der das Thema bei �鶹ԭ�� angestoßen hat“, erklärt Alexandra Cozgarea. Bis zu seinem Ausscheiden aus dem operativen Geschäft entschied Hasso Plattner bei der Kunstauswahl für �鶹ԭ�� noch mit. „Kunst war damals im Vorstandsbereich angesiedelt und wurde von dort aus ausgesucht und akquiriert.“

Doch die Firma erwarb nicht nur eigene Kunstgegenstände. Bereits 1994/95 fand die erste von bislang 60 Ausstellungen zeitgenössischer Künstler im Schulungszentrum Walldorf statt. Das Besondere: Die Ausstellungen waren von Anfang an öffentlich zugänglich – ein bewusster Schritt, um das Interesse an Kunst in der Region zu fördern und zum Austausch mit �鶹ԭ�� und den Mitarbeitenden anzuregen.

„Wir haben uns damit für alle geöffnet, die �鶹ԭ�� besuchen wollten“, betont Cozgarea. „Über die Kunst kommt man gut ins Gespräch.“ Externe Besucher erhalten so einen ungewöhnlichen Einblick in ein Technologieunternehmen und können gleichzeitig zeitgenössische Kunst erleben.

Begegnung zwischen Unternehmen und Gesellschaft

Die Ausstellungen schaffen einen besonderen Ort der Begegnung. Bei den Vernissagen treffen sich durchschnittlich 400 bis 600 Besucher – etwa 30 Prozent �鶹ԭ��-Mitarbeitende und 70 Prozent externe Gäste. „Das Schöne ist, dass Menschen zusammenkommen und miteinander sprechen“, erklärt Cozgarea. „Ob über die Kunst oder andere Themen – die Kunst schafft Verbindungen.“

Diese Begegnungen erstrecken sich über verschiedene Zielgruppen: Schulklassen nutzen die Ausstellungen für Workshops, Studierende der Pädagogischen Hochschule Heidelberg entwickeln eigene Projekte basierend auf den gezeigten Themen, und Firmengruppen bauen Führungen in ihre Teamtage ein.

60 Ausstellungen: Von Südafrika bis zu NFT-Kunst

Seit 2008 hat Alexandra Cozgarea fast 30 der insgesamt 60 Kunstausstellungen bei �鶹ԭ�� kuratiert. Die Themenpalette reicht von gesellschaftlichen Fragen bis zu technologischen Entwicklungen. „Ich beobachte viel, recherchiere und nehme dann Kontakt zu Künstler:innen und/oder Institutionen auf. Dann reifen Ideen heran, bei denen gesellschaftliche Fragen und Entwicklungen im Vordergrund stehen oder die eine Verbindung zu �鶹ԭ��-Themen haben“, beschreibt sie ihren kuratorischen Ansatz.

Als eines der ersten Unternehmen weltweit realisierte �鶹ԭ�� so beispielsweise 2023 eine NFT-Kunstausstellung mit dem Titel „“. Die Ausstellung „“ aus demselben Jahr widmete sich dem Thema Metaverse und ist aktuell über den virtuellen Rundgang einsehbar. Die , die bei �鶹ԭ�� seit vielen Jahren im Einsatz sind, werden in den Ausstellungen „“ und „“ (beide 2019) aufgegriffen. Andere Ausstellungen wie „“ (2016) und „“ (2018) schlagen die Brücke zu Kulturen und Kontinenten, auf denen �鶹ԭ�� vertreten ist.

Aktuell befindet sich das Ausstellungsprogramm im Hiatus, da im Rahmen eines Umbaus des Schulungszentrums neue Räume geplant werden. Während dieser Pause nutzt �鶹ԭ�� digitale Formate: Virtuelle Rundgänge ermöglichen es Mitarbeitenden weltweit, die Ausstellungen online zu erleben. „Das ist wichtig“, sagt Alexandra, „denn so können Kollegen und externe Interessierte weltweit unsere Ausstellungen besuchen – nicht nur vor Ort in Walldorf.“

Kunsthistorikerin mit Gespür für Corporate Culture

Alexandra Cozgarea kam über Umwege zu �鶹ԭ�� – oder besser gesagt: zurück zu �鶹ԭ��. Bereits während ihres Studiums der Kunstgeschichte und Psychologie in Heidelberg arbeitete sie als Werkstudentin bei �鶹ԭ�� im Bereich Communications und unterstützte das regionale Sponsoring für Kunstprojekte. Nach dem Studium sammelte sie bei Heidelberg Zement weitere Erfahrungen im Corporate Collecting. „Wir haben damals eine sehr fokussierte Firmensammlung aufgebaut – alles rund um das Thema Bauen und Zement“, erinnert sie sich.

2008 kam dann der Anruf, der ihr Leben veränderte. „Man fragte, ob ich wieder zur �鶹ԭ�� kommen möchte. Und ich sagte: nein, natürlich nicht – ich mache ausschließlich Kunst. Da hieß es: Genau deswegen!“ �鶹ԭ�� plante damals, sein Kunstprogramm zu professionalisieren und strukturierter aufzustellen. Dafür gab es eine eigenständige, kuratorische Rolle zu besetzen.   

Heute bewegt sich Cozgarea zwischen zwei Welten: der Technologie- und der Kunstwelt. „Ich versuche diese über Themen und Brücken zusammenzubringen.“ Diese Verbindung macht für sie den besonderen Reiz ihrer Arbeit aus.

Mehr als Dekoration: Kunst als Bildungsauftrag

Für �鶹ԭ�� steht nicht der Anlagewert der Kunstwerke im Vordergrund, sondern der Bildungsauftrag und die Mitarbeiterförderung. „Die Intention war immer, den Mitarbeitenden und der Region etwas zurückzugeben“, erklärt die Kuratorin.

Die Sammlung umfasst mittlerweile über 2.000 Kunstwerke, die über die deutschen Geschäftsstellen verteilt sind. Teams in Deutschland können sich Kunst für ihre Büros und Teamräume ausleihen – ein Service, der ursprünglich dem Top-Management vorbehalten war, heute aber allen Interessierten offensteht.

„Das läuft noch sehr persönlich ab, und das schätzen die Kollegen“, beschreibt Cozgarea den Prozess. „Sie kommen zu mir, wir suchen gemeinsam etwas aus, und dann organisieren wir den Transport und die Hängung.“ Viele Mitarbeitende schätzen diese kleine Auszeit vom Arbeitsalltag, um sich ein Bild auszusuchen.

So warten auch die 400 Kunstwerke aus dem aktuell wegen des Umbaus geschlossenen Gebäude WDF01 in den Depots des Schulungszentrums auf ihren nächsten Einsatz. Ein Teil wird wieder aufgehängt, vieles wird aber auch erstmals allen Mitarbeitenden zur Verfügung stehen.

The post Kunst als Brücke zwischen Technologie und Gesellschaft: Wie �鶹ԭ�� seit 30 Jahren zeitgenössische Künstler fördert appeared first on �鶹ԭ�� News Center.

Stellen Sie sich vor: Es ist Samstagabend, Sie haben Ihr Gaming-Headset aufgesetzt, den Controller für Ihre PlayStation in der Hand und eine Schüssel Chips in strategischer Reichweite platziert. Sie sind bereit, bei einer Runde Call of Duty abzuschalten, und Ihre Freunde warten darauf, sich mit Ihnen in den Kampf zu stürzen. Doch nach einigen frustrierten Fehlversuchen – vielleicht sogar einer kompletten Neuinstallation des Spiels (wer kennt es nicht?) – gelangen Sie zu der erschreckenden Erkenntnis: Die PlayStation-Server sind ausgefallen. Weltweit.

Und es geht nicht nur um einen Abend, an dem die Spielrunde ausfallen muss. Es handelt sich um eine 24-stündige Störung eines Dienstes, für den viele von uns zusätzlich zum Kauf von Spielen monatliche Abogebühren zahlen. Der Ausfall wirft außerdem ernste Fragen auf, was die Datensicherheit in unserer zunehmend abonnementbasierten Welt betrifft.

Abonnementbasierte Geschäftsmodelle: eine bequeme Lösung oder Quelle des Frusts?

Wenn Sie einen Blick auf Ihren Kontoauszug werfen, sind Sie vielleicht überrascht, für wie viele Abonnements Sie jeden Monat Gebühren zahlen. Von Streaming-Diensten bis hin zu Software – Abonnements sind allgegenwärtig. Und immer mehr Unternehmen stellen auf Abonnementmodelle um oder bieten Abonnementoptionen an, um neue Einnahmequellen zu erschließen. Diese Umstellung ist jedoch vonseiten der Verbraucher mit einer hohen Erwartungshaltung verbunden.

PlayStations werden schon lange als Abonnementmodell angeboten. Gegen eine monatliche Gebühr erhalten Nutzer Online-Zugriff, auch auf Spiele, die sie bereits erworben haben. Natürlich lassen sich viele Titel auch offline spielen, aber bei manchen ist eine Online-Anmeldung erforderlich. Deshalb konnten sich bei dem Ausfall kürzlich Millionen Nutzer nicht bei den Spielen anmelden, für die sie bezahlt hatten, und hatten keinen Zugriff auf die gebührenpflichtigen Dienste. PlayStation Plus-Nutzern bot Sony nach der Behebung der Störung fünf Tage Entschädigung an.

Ausfälle können Absatzschwierigkeiten, mögliche Entschädigungszahlungen und eine langfristige Schädigung des Markenansehens nach sich ziehen. Auch die Finanzmärkte haben von dem PSN-Ausfall Kenntnis genommen. Die Aktie von Sony musste nach Bekanntwerden des Ausfalls hinnehmen. Dies zeigt die finanzielle Verwundbarkeit von Unternehmen, die in hohem Maße auf funktionierende Online-Dienste angewiesen sind. Bei abonnementbasierten Geschäftsmodellen ist die Kundenbindung entscheidend – und alles hängt davon ab, dass die Kunden das Vertrauen in den Anbieter nicht verlieren.

Sollten wir nachsichtig sein oder sollten wir unser Geld zurückfordern, wenn Bezahldienste nicht erreichbar sind? Und was ist mit unseren persönlichen Daten?

Cybersicherheitsrisiken steuern

Unternehmen im Abonnementgeschäft sammeln und speichern Unmengen von Kundendaten, um Erlebnisse zu personalisieren. Das macht sie zu einem attraktiven Ziel für Cyberangriffe.

Wenn sich herausstellt, dass es bei einem Ausfall zu einer Datenpanne kam, kann dies wesentliche und weitreichende Folgen sowohl für Verbraucher als auch für große Unternehmen haben. Für die Nutzer bedeutet eine Datenpanne, dass personenbezogene Daten wie Name, Anschrift, E-Mail-Adresse, Geburtsdatum, Kennwort und möglicherweise Kreditkarteninformationen an die Öffentlichkeit gelangen könnten.

Für Unternehmen hat eine Datenpanne nicht nur unmittelbare negative Auswirkungen auf den Gewinn, das Ansehen und das Kundenvertrauen, sondern sie müssen auch Sammelklagen der Nutzer befürchten, deren Daten kompromittiert wurden. Wenn die gestohlenen Informationen vertrauliche personenbezogene, rechtliche oder Gesundheitsdaten beinhalten, kann dies erhebliche und langfristige juristische Folgen haben.

Laut Sony handelte es sich bei dem Ausfall nicht um einen Hackerangriff, sondern um „Betriebsprobleme“, die etwa einen Tag andauerten. Die PSN-Community reagierte jedoch mit Panik, was an die Datenpanne im Jahr 2011 erinnerte, als das Unternehmen seine Server 23 Tage lang außer Betrieb nehmen musste. Die finanziellen Auswirkungen der Untersuchung des Vorfalls, der Verbesserung der Sicherheitsmaßnahmen und der Entschädigung der Nutzer beliefen sich auf schätzungsweise 171 Millionen US-Dollar.

Wie können Unternehmen ihre Systeme und Daten schützen?

In der Cybersicherheitsbranche gewinnt man schnell den Eindruck, dass jedes Jahr „das bislang schlimmste“ ist. Es wird davon ausgegangen, dass die Gefahren in Zukunft weiter deutlich zunehmen werden. Seit 2017 haben sich die finanziellen Verluste infolge von Cyberangriffen vervierfacht. Die meisten Angriffe haben relativ geringe Verluste () zur Folge, doch groß angelegte Angriffe können für Unternehmen verheerend sein. Alle zehn Jahre kann ein Unternehmen bis zu 2,5 Milliarden US-Dollar aufgrund eines schwerwiegenden Cyberangriffs verlieren.

Was die betrifft, so gibt es keine Lösung, die für alle gleichermaßen geeignet ist. Um Systeme und Daten vor Cyberangriffen zu schützen, sollten Unternehmen einen mehrstufigen Ansatz verfolgen und eine einheitliche Cybersicherheitsstrategie mit folgenden Elementen entwickeln:

• Bewertung von Cyberrisiken: Es stehen Tools zur Verfügung, mit denen Unternehmen die Cybersicherheitsrisiken für verschiedene Arten von kritischer Infrastruktur analysieren und bewerten können.Auf der Grundlage dieser Informationen können sie ihre Sicherheitsmaßnahmen gezielt priorisieren und Ressourcen zur Behebung von Sicherheitslücken bereitstellen.
• Erkennung von Anomalien: Mithilfe von maschinellem Lernen und KI können Sicherheitssysteme ungewöhnliche Muster erkennen, die vom normalen Verhalten abweichen. So sind Unternehmen in der Lage, zu ergreifen und sich abzusichern, bevor es zu einem Cyberangriff kommt.
• Automatisierte Reaktion auf Vorfälle: Mit automatisierten Sicherheitsfunktionen können Unternehmen automatisch auf Cyberangriffe wie Malware- oder DDoS-Angriffe reagieren. Dadurch lassen sich Bedrohungen schnell eindämmen und ihre Ausbreitung vermeiden. Durch Automatisierung der Erkennung und Abwehr dieser Angriffe können Unternehmen Ausfallzeiten verringern und potenzielle Schäden minimieren.
• Investition in KI-spezifische Sicherheitsfunktionen: Nicht nur entwickeln sich weiter, sondern auch Cybersicherheitsbedrohungen. Unternehmen sollten in KI investieren, um ihre Systeme wirksam zu schützen und mit den ständig neuen Cybersicherheitsrisiken Schritt zu halten. Angenommen, ein Mitarbeitender klickt auf einen schädlichen Link in einer Phishing-Mail: Eine agentenbasierte KI wäre in der Lage, diesen Fehler in Echtzeit zu erkennen. Der Benutzer kann dann automatisch gesperrt oder mit einer Benachrichtigung gewarnt werden. All dies geschieht ohne menschliches Eingreifen, was insbesondere außerhalb der Geschäftszeiten eine große Hilfe darstellt. In einem anderen Szenario stiehlt ein Angreifer die digitale Identität eines Mitarbeitenden und versucht, sich von einem ungewöhnlichen Standort aus anzumelden. Eine KI kann hierbei Aktivitätsmuster erkennen, die nicht dem typischen Verhalten des Mitarbeitenden entsprechen. Wenn die Risikostufe einen vordefinierten Grenzwert überschreitet, kann die agentenbasierte KI das Konto automatisch sperren, um potenzielle Schäden zu verhindern.
• Schulung Ihres Teams: Die Investitionen in Cybersicherheit ist für Unternehmen heute nicht mehr nur eine IT-Anforderung, sondern eine strategische Notwendigkeit. Während sich die KI um sicherheitsbezogene Routineaufgaben kümmert, sodass Teams sich mit komplexen Herausforderungen befassen können, bleibt das menschliche Know-how für strategische Innovationen auch weiterhin entscheidend. Sicherheitsexperten müssen geschult werden, damit sie in der Lage sind, komplexe KI-gestützte Bedrohungen zu erkennen, abzuwehren und einzudämmen. Dabei können sie auf menschliche Intuition, Kreativität und ein tiefgreifendes Verständnis neuer Bedrohungen zurückgreifen, die KI allein noch nicht vollständig erfassen kann.

Den Originaltext finden Sie .

The post Ausfall des PlayStation Network: ein Weckruf für Cybersicherheitsteams? appeared first on �鶹ԭ�� News Center.

Wenn Sie sich, wie Millionen andere, in den vergangenen Jahren vorgenommen haben, im Januar auf Alkohol zu verzichten (Dry January), haben Sie möglicherweise festgestellt, dass es nur wenige alkoholfreie Alternativen gibt, zum Beispiel zuckerhaltige Limonaden oder nur Wasser.

Glücklicherweise sind diese Zeiten vorbei, denn der Trend zur Alkoholpause hat das Angebot an Getränken, die ihre alkoholischen Pendants in Geschmack und Präsentation nachahmen, regelrecht explodieren lassen. Und das Beste ist – Sie sind für den Körper nicht so bedenklich wie Alkohol.

Konsumenten, vor allem Millennials und Gen Z, legen zunehmend Wert auf Gesundheit und Wohlbefinden. Sie sind sich der negativen Auswirkungen von Alkohol bewusster und suchen nach Alternativen, die mit ihren Fitnesszielen im Einklang stehen und ihr allgemeines Wohlbefinden verbessern. In den USA wird der Markt für alkoholfreie Getränke bis 2029 jährlich um durchschnittlich 2,7 Prozent wachsen.

Für traditionelle Spirituosenhersteller stellt dieser Trend eher eine Chance als eine Bedrohung dar, und führende Marken nutzen diesen Trend bereits, indem sie alkoholfreie Versionen ihrer renommierten Getränke anbieten, die eine neue Zielgruppe ansprechen und ihren Umsatz steigern.

Um diese Chance zu nutzen, braucht man einen klaren Kopf!

Welche Herausforderungen sind mit der Anpassung an diese Trends verbunden?

Betrachten wir das Beispiel der Markteinführung eines neuen alkoholfreien Getränks. Der erste Schritt besteht darin, die Zielgruppe  und zu verstehen. Dazu gehört die Analyse der Lebensstilentscheidungen der Bevölkerungsgruppe und der vorherrschenden Trends innerhalb dieser Gruppe.

Anschließend wird das initiiert, das Aspekte wie Geschmack und Verpackung umfasst, bevor sie in die Produktion übergeht.

Oft wird für die alkoholischen und alkoholfreien Versionen der Getränke dieselbe Anlage verwendet, was den Druck auf die Maschinen erhöht. Dies erfordert eine sorgfältige Planung und Wartung, weshalb effiziente Prozesse im unerlässlich sind. Es ist wichtig, potenzielle Ausfälle oder Störungen frühzeitig zu antizipieren, um zu verhindern, dass sie sich auf die Produktion auswirken.

Sobald das Produkt fertig ist, verschiebt sich der Fokus auf Branding, Markteintritt und der effektiven gegenüber der Zielgruppe.

Diese Schritte sind von Natur aus zeitaufwändig und erfordern nicht nur eine effektive Zusammenarbeit zwischen verschiedenen Abteilungen, sondern auch den strategischen Einsatz geeigneter Technologien.

Wie Business AI bei der Markteinführung neuer Produkte helfen kann

Um Abläufe zu optimieren, können Unternehmen das Potenzial von maschinellem Lernen und Automatisierung nutzen und so manuelle Prozesse vermeiden. KI-gesteuerte Systeme fungieren als intelligente Assistenten, verfeinern kontinuierlich Workflows, prognostizieren potenzielle Unterbrechungen und führen Aufgaben schneller und genauer aus als menschliche Eingriffe allein:

• Vorausschauende Analysen: „KI-Algorithmen können riesige Datenmengen analysieren, um aufkommende Trends zu identifizieren, die Verbrauchernachfrage vorherzusagen und Marktveränderungen lange vor ihrem Eintreten zu antizipieren.“
• ������������ä��: „KI ermöglicht es Unternehmen, schnell und effektiv auf Störungen und veränderte Marktbedingungen zu reagieren. Sie ermöglicht eine schnellere Entscheidungsfindung, optimierte Abläufe und eine widerstandsfähigere Lieferkette.“
• Innovation: „KI kann Innovationen vorantreiben, indem neue Produktchancen erkannt, vorhandene Prozesse optimiert und verborgene Erkenntnisse in den Daten aufgedeckt werden.“

Neue Trends wie alkoholfreie Getränke können jederzeit auftreten, aber sie sollten keine Bedrohung für Ihr Unternehmen darstellen. Stattdessen können Sie mit den richtigen Technologien von diesen Veränderungen profitieren und sie als Wachstumschancen nutzen. Jedes Unternehmen, das sich dem Wandel stellt, muss KI, Automatisierung und intelligente Entscheidungsfindung in seine täglichen Abläufe integrieren, um den neuesten Trends voraus zu bleiben und Erfolg mit Agilität und Effizienz zu erzielen.

Die Frage bleibt: Sind Sie bereit, Ihr volles Potenzial auszuschöpfen?

The post Wie Unternehmens-KI helfen kann, neue Produkte auf den Markt zu bringen appeared first on �鶹ԭ�� News Center.

Es hat inzwischen zwar mehr als nur ein paar Jahre gedauert, aber wir stehen aktuell vor einer neuen Ära der künstlichen Intelligenz, in der KI-gestützte Joule-Agenten über verschiedene Prozesse hinweg nahtlos zusammenarbeiten, um die Geschäftsabläufe von Unternehmen effizienter zu gestalten.

KI-Agenten werden immer ausgereifter

Künstliche Intelligenz  (KI) hat sich seit 1966 maßgeblich weiterentwickelt: Aus einfachen, regelbasierten Systemen sind mittlerweile hochautonome Entscheidungsfindungssysteme geworden.

In den 1990er- und frühen 2000er-Jahren gaben regelbasierte Chatbots vordefinierte Antworten auf Schlüsselwörter. Es fehlte ihnen jedoch die Fähigkeit, komplexe Anfragen zu verarbeiten. Durch intelligente virtuelle Assistenten wie Alexa und Siri sowie Smart-Home-Technologie wurde die Interaktion in den 2010er-Jahren bedeutend einfacher, sodass KI auch in unseren Alltag Einzug hielt. Die 2020er-Jahre brachten KI-Agenten mit spezialisiertem Fachwissen mit sich, die auf bestimmte Aufgaben ausgerichtet sind. So können KI-Assistenten im Finanzwesen beispielsweise Ausgabenstrukturen analysieren und Sparmaßnahmen vorschlagen, während auf Social-Media-Plattformen KI-gestützte Tools zur Moderation von Inhalten eingesetzt werden, um nach problematischem Content zu suchen.

Derzeit beobachten wir im Bereich autonomer KI-Systeme rasante Fortschritte. Multiagentensysteme beispielsweise sind Systeme mit mehreren unabhängigen Agenten, die kollektiv zusammenarbeiten, um komplexe Workflows auszuführen – eine Fähigkeit, die über die Möglichkeiten eines individuell arbeitenden Agenten hinausgeht. Im Gegensatz zu individuellen Agenten, bei denen Menschen zwischen einzelnen Aufgaben koordinieren und eingreifen müssen, werden die Aufgaben dabei unter den Agenten koordiniert. KI-Agenten in der Fertigung können etwa eigenständig Fertigungslinien optimieren, während KI-Systeme im Gesundheitswesen in Echtzeit Anpassungen vornehmen und somit Unterstützung bei Operationen bieten können. Autonome Systeme werden auch in der Logistik eingesetzt, um den Bestand zu verwalten und die Lagerabläufe ohne menschliches Eingreifen zu optimieren.

Ausweitung der Funktionen von Agenten

KI-Agenten sind heute quasi hocheffiziente digitale Teamkollegen: Sie sind intelligent und anpassungsfähig, können Aufgaben autonom ausführen und aus Erfahrung lernen.

Moderne Agenten üben unter anderem die folgenden grundlegenden Funktionen aus:

• �ʱ����ԳܲԲ�:��Sie führen nicht nur einzelne Aktionen aus, sondern koordinieren Prozesse, analysieren komplexe Probleme und arbeiten Schritt für Schritt effiziente Lösungsansätze aus.
• Reflektion: Im Gegensatz zu herkömmlicher Software reflektieren Agenten in Echtzeit über ihre Handlungen und lernen aus Fehlern. Sie korrigieren sich selbst und wenden Logik an, um die beste Lösung für ein Problem zu finden. So sind sie in der Lage, anspruchsvolle und komplexe Herausforderungen zu bewältigen und werden mit der Zeit immer effektiver.
• Nutzung von Tools: KI-Agenten können auf externe Tools wie Rechner, APIs, Datenbanken und sogar andere KI-Modelle zugreifen, um ihre Fähigkeiten zu ergänzen und so den Umfang der Aufgaben zu erweitern, die sie ausführen können.
• Zusammenarbeit und Interaktion mehrerer Agenten: Agenten müssen nicht im Alleingang arbeiten. Ihr wahres Potenzial entfalten sie in einer Umgebung, in der sie Hand in Hand mit anderen spezialisierten KI-Agenten arbeiten und mit Menschen im Austausch stehen. So können sie ihr einzigartiges Fachwissen einsetzen, um auf ein gemeinsames Ziel hinzuarbeiten.

Innovationen im Bereich der KI-Agenten

Grund für die rasche Weiterentwicklung von KI-Agenten sind die bemerkenswerten Fortschritte, die wir aktuell bei den Basismodellen beobachten. Dank dieser Modelle kann die KI komplexe Daten verarbeiten und gezielt Code, Texte oder Medieninhalte für bestimmte Aufgaben generieren. Die Modelle ermöglichen es Systemen, Probleme umfassend und selbständig zu durchdenken und die kognitiven Prozesse von Menschen nachzustellen.

Neueste Modelle wie OpenAI o1 und o3 beispielsweise können logische Schlüsse ziehen – und eröffnen damit ungeahnte Möglichkeiten. Sie führen nicht nur Aufgaben aus, sondern können dank ihrer Echtzeit-Rechenleistung „denken“ und Ergebnisse produzieren, die denen von Menschen nahekommen. Und die Resultate sind beeindruckend: o3 erzielte in einem Logiktest für Menschen über 80 Prozent, während das Vorgängermodell GPT-4o nur ein Jahr zuvor im gleichen Test mit lediglich 2 Prozent abgeschnitten hatte.

Diese rasanten Fortschritte sorgen dafür, dass KI-Agenten immer besser darin werden, Geschäftsentscheidungen zu automatisieren und zu optimieren und die Grenzen dessen, was autonome Systeme leisten können, verschieben.

Was macht die �鶹ԭ�� in diesem Bereich so besonders?

Die �鶹ԭ�� Business Suite bietet im Zeitalter der KI einen einzigartigen Vorteil: Es handelt sich bei der Suite nicht nur um eine Sammlung von Lösungen, sondern auch um einen Motor für Transformation und Innovation.

• ���Էɱ�Ի�ܲԲ����:���پ����� bringt Cloud-ERP-Anwendungen, �鶹ԭ�� Business AI und �鶹ԭ�� Business Data Cloud auf der �鶹ԭ�� Business Technology Platform (�鶹ԭ�� BTP) zusammen, um Unternehmen besonderen Mehrwert zu bieten. So wird sichergestellt, dass die Unternehmensanwendungen und die Technologieplattform von �鶹ԭ�� nicht isoliert voneinander arbeiten, sondern Prozesse ermöglichen, die nahtlos ineinander greifen. Diese Integration sorgt dafür, dass alle Aktionen innerhalb dieser Anwendungen auf Grundlage zuverlässiger und geschäftskritischer Daten erfolgen.
• Daten: Alle Daten, unabhängig davon, ob sie aus �鶹ԭ��- oder anderen Systemen stammen, werden in �鶹ԭ�� Business Data Cloud erfasst und zusammengebracht. So wird �鶹ԭ�� Business Data Cloud zu einer zentralen, sicheren Quelle, die Datensilos entgegenwirkt und umfassende KI-gestützte Erkenntnisse möglich macht – denn KI ist nur so gut wie die Daten, mit denen sie trainiert wird.
• KI: Joule hilft Mitarbeitenden, intelligente Agenten so zu koordinieren, dass diese zusammenarbeiten. Zudem trägt Joule dazu bei, Barrieren zwischen funktionsübergreifenden Prozessen abzubauen und diese in Echtzeit zu verbessern. Im Gegensatz zu anderen Lösungen, bei denen KI möglicherweise nur in bestimmten Bereichen zum Einsatz kommt, wird KI mit �鶹ԭ�� im gesamten Unternehmen eingebettet. Auf diese Weise werden Abläufe im großen Maßstab effizienter und robuster gestaltet.

Die breite Palette an �鶹ԭ��-Anwendungen und -Daten ermöglicht es, Aufgaben in allen wichtigen Geschäftsprozessen zu automatisieren. Damit sind wir in der einzigartigen Lage, mithilfe von Technologie auf Grundlage von KI-Agenten geschäftlichen Mehrwert zu schaffen. Geschäftsdaten aus der Praxis bilden die Grundlage unseres Fachwissens, das wir mitsamt unserem Know-how über Geschäftsprozesse in �鶹ԭ�� Signavio und �鶹ԭ�� Knowledge Graph einfließen lassen. Über einen zentralen Einstiegspunkt und mithilfe unseres KI-Assistenten Joule bringen wir all diese Elemente zusammen, um Prozesse mithilfe von KI-Agenten zu automatisieren und die Entscheidungsfindung zu optimieren.

Joule-Agenten ziehen zusammen an einem Strang

Dank unserem Konzept für eine vollständige Integration sind unsere Joule-Agenten gemeinsam über die gesamte Suite hinweg im Einsatz, um alle Geschäftsbereiche zu unterstützen, komplexe Herausforderungen zu bewältigen und die Produktivität im gesamten Unternehmen zu steigern. Unternehmen benötigen nicht Hunderte von KI-Agenten, sondern nur die richtigen Agenten mit den richtigen Fähigkeiten, den richtigen Daten und dem richtigen Maß an Unterstützung auf Basis unserer durchgängigen Geschäftsprozesse.

Joule-Agenten sind für alle Geschäftsbereiche verfügbar und können im Rahmen von Joule und der �鶹ԭ��-Anwendungssuite sofort in Anspruch genommen werden. Das ermöglicht eine durchgängige Transformation ganzer Geschäftsprozesse.

Mit Agentic AI machen wir im Bereich der Unternehmenstechnologie einen Quantensprung nach vorne. KI-Agenten helfen dabei, das Datenmanagement zu strukturieren, Systeme nahtlos zu integrieren und Aufgaben zu automatisieren, sodass Teams effizient, präzise und agil arbeiten können.

Wir betten KI-Agenten in �鶹ԭ��-Anwendungen ein, die so mit kontextbezogenen Geschäftsdaten erweitert werden. Auf diese Weise helfen wir Kunden dabei, das Potenzial von �鶹ԭ�� Business AI voll auszuschöpfen und stellen die Weichen für ein neues Zeitalter der Unternehmensführung.

Mehr erfahren Sie in diesem Video:

The post Agentic AI: Von Chatbots zu Multiagentensystemen appeared first on �鶹ԭ�� News Center.

Die Studie ergab, dass sich das Entwicklungstempo mit um das Dreifache beschleunigen lässt. So lässt sich im Vergleich zu herkömmlichen Methoden kundenspezifischer App-Entwicklung der Entwicklungsaufwand um 59 Prozent reduzieren. Diese Ergebnisse unterstreichen das Potenzial von �鶹ԭ�� Build, Entwicklungsprozesse zu optimieren und die Produktivität von Entwicklern zu steigern.

Die Benchmark-Studie verglich �鶹ԭ�� Build mit traditionellen Methoden der App-Entwicklung. Geprüft wurden wichtige Parameter wie Kosten, Entwicklungszeit und Benutzerfreundlichkeit. Die Methode beinhaltete eine praktische Bewertung und Analyse des Einsatzes von Anwendungen mit beiden Methoden. �鶹ԭ�� Build ist eine umfassende Plattform für die Entwicklung und Automatisierung von Geschäftsanwendungen – mit einer integrierten Suite, die Low-Code-, Pro-Code- und KI-Funktionen mit dem Assistenten Joule bietet.

Benchmark-Studie: Mit �鶹ԭ�� Build lässt sich die Entwicklung beschleunigen

Die wichtigsten Ergebnisse der Studie im ���������������:

• Dreimal schnellere Projektdurchführung: Projekte werden in weniger als der Hälfte der bisherigen Zeit abgeschlossen – dank optimierter Entwicklungs-Workflows, automatisierter Serviceimplementierung und integrierten Testfunktionen.
• 30 Prozent Produktivitätssteigerung dank ����-���Գٱ������ü�ٳ��ܲԲ�: Der integrierte KI-Assistent optimiert Abläufe und Aufgaben, um im gesamten Entwicklungsprozess einen breiten Mehrwert zu bieten, insbesondere bei der Datenmodellierung und der Erstellung synthetischer Daten.

Diese Ergebnisse unterstreichen den erheblichen geschäftlichen Nutzen, der sich mit �鶹ԭ�� Build erzielen lässt. Durch die Verkürzung von Entwicklungszeiten, die Senkung von Kosten und die Steigerung der Produktivität der Entwickler können Unternehmen geschäftskritische Anwendungen schneller und effizienter bereitstellen. Dies ermöglicht eine schnellere Markteinführung, mehr Agilität und höhere Wettbewerbsfähigkeit.

Vorteile von �鶹ԭ�� Build zu herkömmlicher Entwicklung

Im Rahmen der praxisorientierten Bewertung ermittelten die Analysten von GigaOm einige Funktionen und Eigenschaften von �鶹ԭ�� Build, die Vorteile gegenüber der herkömmlichen Entwicklungsmethode bieten.

• Einheitliche Entwicklungsumgebung: �鶹ԭ�� Build bietet ein einheitliches Entwicklererlebnis, denn Coding, Testen und Bereitstellungstools sind integriert und der Entwicklungsprozess wird optimiert.
• ����-���Գٱ������ü�ٳ��ܲԲ�: Der KI-Copilot Joule bietet Code-Vorschläge, Query-Optimierung und Unterstützung bei der Problemlösung. Dadurch wird die Zeit für das Programmieren verkürzt und die Qualität des Code verbessert.
• Vorkonfigurierte Integrationen: Sofort einsatzbereite Integrationen mit �鶹ԭ��-Geschäftsanwendungen und Drittanbieterservices vereinfachen komplexe Systemintegrationen.
• Visuelle Modellierungstools: Intuitive Schnittstellen für die Datenmodellierung und die Konzeption von Geschäftsprozessen ermöglichen schnelles Prototyping und reduzieren die Anforderungen für Code.
• �鶹ԭ�� Cloud Application Programming Model: �鶹ԭ�� Build bietet die architektonische Grundlage für die Anwendungserstellung, die automatisch Entwicklungsstandards und Best Practices für Unternehmen implementiert. Sie stellt sicher, dass Sicherheit, Skalierbarkeit und Compliance konsistent umgesetzt werden.

Ein Branchenanalyst von GigaOm betonte: „Für Teams, die ihre Entwicklungsprozesse verbessern wollen, bietet �鶹ԭ�� Build eine praktische und effiziente Lösung, um gängige Herausforderungen anzugehen, zum Beispiel zu lange Entwicklungszyklen und Qualifikationslücken.“ Die einheitliche Umgebung und die Automatisierungsfunktionen erlauben es Anwendern, sich darauf zu konzentrieren, den Mehrwert zu erhöhen und den technischen Aufwand zu verringern.“

Der Benchmark-Test von GigaOm zeigt: Im Vergleich zu herkömmlichen Methoden kundenspezifischer Entwicklung ist es mit �鶹ԭ�� Build möglich, die Entwicklungszeiten zu verkürzen und den Aufwand insgesamt zu verringern. Durch die Kombination einer einheitlichen Entwicklungsumgebung mit ����-���Գٱ������ü�ٳ��ܲԲ� und vorkonfigurierten Unternehmensintegrationen versetzt �鶹ԭ�� Build Entwicklungsteams in die Lage, sichere und skalierbare Anwendungen schneller und effizienter zu erstellen.

Mehr über diese Ergebnisse erfahren Sie in der . Sehen Sie sich auch unser Webinar an. In diesem Webinar erläutert GigaOm seine Methodik, stellt die Ergebnisse vor und beantwortet Fragen zur Transformation Ihrer Entwicklungsstrategie.

Sid Misra ist Vice President des Bereichs Produktmarketing für �鶹ԭ�� Build bei �鶹ԭ��.

The post Studie zeigt: �鶹ԭ�� Build beschleunigt App-Entwicklung um das Dreifache appeared first on �鶹ԭ�� News Center.

In den Medien werden nicht nur Lobeshymnen auf die Möglichkeiten von KI gesungen, sondern es gibt ebenso viele Berichte darüber, wie KI-Tools irreführende oder falsche Aussagen treffen oder wie große Sprachmodelle voreingenommene Antworten generieren können. In einem solchen Fall „halluziniert“ die KI bzw. denkt sich falsche oder irreführende Antworten aus. Ursache dafür sind KI-Modelle, die mit unzureichenden Daten trainiert wurden, falsche Annahmen machen oder von Vorurteilen geleitet sind.

Generative KI-Modelle sind schlagkräftige Instrumente, die jedoch sorgfältig verwaltet werden müssen, um unerwartete Antworten zu vermeiden, Fairness sicherzustellen und ethische Ergebnisse zu generieren. Viele Finanzdienstleister versprechen sich durch den verstärkten Einsatz von KI deutliche Kostensenkungen. Unmittelbare Voraussetzung für die erwarteten Kostenvorteile sind jedoch wichtige Aufgaben: Unternehmen müssen Voreingenommenheit vermeiden, Antworten überprüfen und das Vertrauen in KI-gestützte Entscheidungen aufrechterhalten.

Geschäftsdaten als Grundlage für KI

Entscheidend ist, KI mit präzisen Geschäftsdaten aus der Praxis zu verknüpfen und sich dabei an unternehmerischen und gesellschaftlichen Werten und soliden Governance-Frameworks zu orientieren. KI-Systeme, die direkt mit den Daten eines Unternehmens verknüpft sind, können Ergebnisse erzielen, die zuverlässig und für die konkreten Geschäftsszenarien relevant sind.

Pilotprogramme, die zunächst klein ausgelegt sind und nach und nach ausgeweitet werden, sorgen dafür, dass KI-Modelle mit vertrauenswürdigen Echtzeitdaten aktualisiert werden. So lässt sich das Risiko von KI-Halluzinationen verringern. Auch die regelmäßige Überprüfung von KI-Ergebnissen und die Integration zuverlässiger Mechanismen zur Fehlerprüfung können dazu beitragen, dass Halluzinationen gar nicht erst auftreten.

Fairness, Ethik und Transparenz

Um voreingenommene Ergebnisse zu vermeiden, müssen Finanzdienstleister ihren KI-Aktivitäten überzeugende ethische Richtlinien zugrunde legen. Dies beinhaltet auch laufende Kontrollen und Überprüfungen, wie KI-Modelle Entscheidungen treffen. Darüber hinaus muss Transparenz im Hinblick darauf geschaffen werden, wie KI-Tools zu ihren Schlussfolgerungen gelangen. Unternehmen müssen sicherstellen, dass ihre KI mit bereinigten, präzisen Daten trainiert wird. Zudem sollten KI-Systeme so programmiert sein, dass sie höchste Standards an Datensicherheit und Datenschutz erfüllen. So können Finanzdienstleister das Vertrauen aufrechterhalten und sensible Finanz- oder personenbezogene Daten schützen. Ethische Grundsätze fließen schon heute in das Design moderner, cloudbasierter Unternehmenssysteme ein, um sie an gesetzlichen Vorgaben auszurichten. Werden auf diesen Systemen KI-Modelle eingesetzt, die speziell für die Finanzdienstleistungsbranche trainiert wurden, verringert sich auch die Wahrscheinlichkeit von Halluzinationen.

Relevanz, Zuverlässigkeit und eine verantwortungsvolle Nutzung als Leitlinien für KI

Finanzdienstleister können wirksame Leitlinien für den Einsatz von KI definieren, indem sie sich bei der Entwicklung an den Prinzipien Relevanz, Zuverlässigkeit und verantwortungsvolle Nutzung orientieren. KI sollte für den Kontext, in dem sie genutzt wird, relevant sein, auf der Grundlage hochwertiger Daten zuverlässige Ergebnisse erzielen und durch Wahrung hoher ethischer Standards wie Fairness und Transparenz eine verantwortungsvolle Nutzung ermöglichen. Indem Finanzinstitute diese Aspekte in den Mittelpunkt stellen, behalten sie die Kontrolle über ihre KI-Systeme, selbst wenn sie diese ausweiten.

Wichtig ist, dass Voreingenommenheit und Halluzinationen keine Hindernisse für die Einführung von KI sein müssen. Indem KI-Systeme mit Echtzeitdaten verknüpft und an den Prinzipien Fairness, Zuverlässigkeit und verantwortungsvolle Nutzung ausgerichtet werden, können Finanzdienstleister von den Vorteilen generativer KI profitieren, die Kontrolle über ihre Systeme behalten und ethische Ergebnisse sicherstellen. Im Rahmen sorgfältig konzipierter Pilotprogramme, die das Feedback der Benutzer berücksichtigen und die Kontrolle durch den Menschen aufrechterhalten, lassen sich KI-Systeme testen und optimieren. So kann gewährleistet werden, dass die Systeme sicher und effektiv sind und nach und nach auf das gesamte Unternehmen ausgeweitet werden können.

Relevanz, Zuverlässigkeit und eine verantwortungsvolle Nutzung können die Grundpfeiler einer vertrauenswürdigen KI für Finanzdienstleister und andere Unternehmen bilden. Dieses Vertrauen setzt die Entwicklung von Tools voraus, die das Kundenerlebnis verbessern und echten Mehrwert schaffen.

Originaltext .

The post Wie Finanzdienstleister halluzinierende KI-Systeme vermeiden können appeared first on �鶹ԭ�� News Center.

Die Unternehmensarchitektur galt lange Zeit als eher exklusive und akademische Disziplin, ist jedoch in jüngster Zeit wieder ins Rampenlicht gerückt.

Der genaue Zeitpunkt dafür lässt sich nicht ausmachen (ein Kandidat wäre der März 2022, als sich in einer Finanzierungsrunde der Serie D sicherte), doch nahm die Entwicklung 2023 definitiv Fahrt auf, als .

Ziel dieser Übernahme war es vor allem, , bescheinigte damals Rouven Morato von �鶹ԭ��:

„Die Prozesse und Systemlandschaften von Unternehmen sind in den letzten Jahren hochgradig komplex geworden. Und als sie vor der Aufgabe standen, ihre IT-Systemlandschaft zu transformieren, hatten sie keinen Einblick in diese Landschaft. Wir befassten uns deshalb mit der Frage, wie sich die systembezogenen Aspekte einer Unternehmenstransformation effektiver bewältigen lassen. Das führte zur Übernahme von LeanIX, einem langjährigen �鶹ԭ��-Signavio-Partner und dem unangefochtenen Marktführer im Bereich Unternehmensarchitektur.“

Schon kurz darauf, im Juli 2024, benannte ServiceNow sein Produkt Anwendungs-Portfoliomanagement in „Enterprise Architecture“ um und im September 2024 die Übernahme der beiden Unternehmensarchitektur-Anbieter MEGA und Alfabet (Teil der Software AG).

Angesichts der Höhe der Investitionen und der Konsolidierung dieses vormals eher unbekannten Nischenmarktes stellt sich die nicht ganz unberechtigte Frage: „Warum Unternehmensarchitekturen und warum jetzt?“

Um diese Frage zu beantworten, sollten wir uns zunächst genauer damit befassen, was eine Unternehmensarchitektur ist und welche Aufgabe ein Enterprise Architect hat.

Grundlegende Funktion der Unternehmensarchitektur

Für diejenigen, für die die Unternehmensarchitektur eher ein esoterisches Fachgebiet ist, lässt sich die grundlegende Funktion relativ einfach zusammenfassen.

Jedes Unternehmen zeichnet sich durch bestimmte Fähigkeiten (sogenannte Business Capabilities) aus, d. h. durch die Dinge, die es können muss, um seiner Geschäftstätigkeit nachzugehen. Manche dieser Fähigkeiten sind allen Unternehmen gemeinsam, etwa die Fähigkeit, Personal einzustellen und zu entlohnen, die Fähigkeit, Rechnungen auszustellen und Geld einzutreiben, oder die Fähigkeit, Produkte und Dienstleistungen zu vermarkten.

Andere wiederum sind auf bestimmte Branchen beschränkt. Für Gerätehersteller sind Fähigkeiten wichtig, die für Anbieter von SaaS-Software keine Relevanz haben. (Eine ausführliche Übersicht über die potenziellen Business Capabilities, die ein Unternehmen benötigt, finden Sie .)

Mit dem Ist-Zustand beginnen

Die Unternehmensarchitektur kann man sich als Beschreibung und Design des komplexen Geflechts von Technologien vorstellen, die bestimmte Business Capabilities unterstützen. Ich spreche hier von „Beschreibung“, da es in den meisten Unternehmen zunächst gar keinen Enterprise Architect gibt. Die Technologielandschaft wächst vielmehr organisch. Wird eine Technologie benötigt, so erwirbt das Unternehmen diese und macht sich daran, sie möglichst gut in die bestehende Landschaft zu integrieren.

Wenn das Unternehmen wächst, wird die Landschaft irgendwann so komplex, dass ein organischer (sprich: unstrukturierter, ungeplanter) Ansatz im Hinblick auf die Unternehmensarchitektur mehr Probleme schafft, als er löst. Und wie Sie sich sicher denken können, werden diese Probleme zusätzlich verschärft, wenn das Unternehmen im Zuge von Fusionen und Übernahmen gewachsen ist. Man muss nur daran denken, wie mühselig es ist, zwei oder mehr ausufernde Technologielandschaften zusammenzuführen.

Von der Beschreibung zur Rationalisierung

Ein sorgfältig durchdachtes, gezieltes Management der Unternehmensarchitektur muss deshalb oberste Priorität haben. Und der erste Schritt in diese Richtung beinhaltet die Beschreibung des Ist-Zustands. Mit anderen Worten: Am Anfang steht eine Bestandsaufnahme der vorhandenen Technologien. Eine Bestandsliste ist für sich genommen noch nicht sehr aussagekräftig. Deshalb gleichen Enterprise Architects diese Bestandsliste mit der Business Capability Map des Unternehmens ab.

Sie können dabei sehr viel über Ihre IT-Landschaft erfahren, da unter anderem ersichtlich wird, in welchen Bereichen eine bestimmte Business Capability von mehreren Technologien unterstützt wird. Da das Kostenmanagement für viele CIOs und CFOs absoluten Vorrang hat, wird schnell deutlich, welche Vorteile eine einfache Abbildung von Technologien auf Business Capabilities mit sich bringt.

Möglicherweise stellen Sie fest, dass es in Ihrem Unternehmen infolge verschiedener Übernahmen vier Systeme für die Gehaltsabrechnung gibt (so erging es einem ). Natürlich können Sie nicht einfach drei dieser Systeme ausmustern, sondern müssen sich ein Bild von der Gesamtsituation machen.

Sie müssen sich, wie vom Vice President of IT dieses Kunden empfohlen, folgende Fragen stellen: „Was sind die relativen Stärken und Schwächen einer bestimmten Anwendung, wenn es um die Erfüllung dieser Business Capability geht? Findet sie Anklang bei den Anwendern? Ist die Einstellung der Anwender negativ? Ist ihre Einstellung negativ, aber die Anwendung ist die einzige, die eine bestimmte Anforderung erfüllt?“

Bevor Sie also Änderungen etwa an Ihrem Gehaltsabrechnungssystem vornehmen, die sehr weitreichende Folgen haben können, müssen Sie die Auswirkungen solcher Änderungen sehr genau überschauen können. Diesen Einblick erhalten Sie mit einer Unternehmensarchitektur.

Entwicklung einer Architektur für die Zukunft

Zwar können Sie sich mit einer Bestandsaufnahme einen ersten Ü��������������� verschaffen, doch die tatsächlichen Auswirkungen der Unternehmensarchitektur zeigen sich, wenn wir von der Beschreibung zum Design übergehen. Dass es sich hierbei nicht nur um eine akademische Übung handelt, zeigen die : 86 % der Unternehmen müssen ihre Technologien aufrüsten, um KI-Agenten implementieren zu können.

In einem Artikel zu diesen Ergebnissen auf brachte Maria Korolov das Problem auf den Punkt: „Bevor KI-Agenten in die Infrastruktur eines Unternehmens integriert werden können, muss diese Infrastruktur erst einmal auf moderne Standards gebracht werden.“

Überlegen Sie, was ein Unternehmen alles tun müsste, um vom Ist-Zustand zu diesen „modernen Standards“ zu gelangen. Die Beschreibung und Bestandsaufnahme des Ist-Zustands wären logischerweise Teil dieses Prozesses. Noch wichtiger wäre jedoch die Definition dieser Standards. In der heutigen Geschäftswelt würden solche Standards unter anderem das Priorisieren von Cloud-Technologie, die Einführung einer serviceorientierten Architektur für intern entwickelte Software und die Nutzung offener APIs beinhalten.

Aufgabe von Enterprise Architects ist es, sowohl die Technologiestandards für das Unternehmen zu definieren als auch die Einführung neuer und zukünftiger Technologien im Einklang mit diesen Standards zu steuern.

Die Strategie als Ausgangspunkt für Standards

Die Definition von Standards erfolgt jedoch nicht im luftleeren Raum, sondern orientiert sich an den strategischen Zielen des Unternehmens. Diese Ziele wiederum können unter dem Blickwinkel der Business Capabilities betrachtet werden.

Insbesondere muss das Unternehmen festlegen, welche Capabilities es für die zukünftige Umsetzung seiner Strategie benötigt. Der Enterprise Architect beginnt dann mit dem Design der Technologielandschaft, die zur Unterstützung dieser neuen Business Capabilities erforderlich ist. Die Standards dienen als Richtschnur für die Technologieentscheidungen, die das Unternehmen treffen muss.

Viele Unternehmen stehen dabei heute vor einer Herausforderung: Mit KI ist eine bahnbrechende neue Technologie aufgekommen. Diese Technologie hat das Potenzial, die Geschäftsabläufe von Unternehmen von Grund auf zu verändern. KI verspricht, die Produktivität und Effizienz schon bald durch die Automatisierung zeitaufwendiger manueller Aufgaben zu steigern.

Mit zunehmender Reife von agentenbasierter KI wird sich eine Vielzahl weiterer Möglichkeiten eröffnen. KI-Agenten werden dank ihrer Anpassungsfähigkeit und ihrer Fähigkeit, Schlussfolgerungen zu ziehen, nicht nur Arbeitsabläufe vom Kundensupport bis zum Lieferkettenmanagement verändern, sondern auch die Art der Aufgaben, die damit ausgeführt werden. KI kann und wird dabei Unternehmen grundlegend transformieren.

Unternehmensarchitektur und das transformierbare Unternehmen

Es gibt jedoch ein Problem: Die meisten Unternehmen sind für eine Transformation, wie sie für den Einsatz von KI erforderlich ist, nicht bereit. Sie können nicht ohne Weiteres auf die Daten zugreifen, die KI-Tools benötigen, um größtmögliche Wirkung zu entfalten. Noch dazu ist ihre Landschaft nicht so strukturiert, dass Agenten mühelos durch diese Landschaft navigieren können.

Genau aus diesem Grund steht die Unternehmensarchitektur derzeit im Rampenlicht. Im Wesentlichen bedarf es einer Transformation der Unternehmensarchitektur, um von den Vorteilen der KI-Revolution zu profitieren. Enterprise Architects sind bestens positioniert, die erforderliche Architektur zu gestalten und zu definieren. Da sie den Ist-Zustand kennen, sind sie auch in der Lage, die Kursrichtung vorzugeben, wie das Unternehmen den Soll-Zustand erreichen kann. Und da für sie Standards eine zentrale Rolle spielen, können sie die Rahmenbedingungen für die Entwicklung einer Technologielandschaft schaffen, die heutigen und zukünftigen Anforderungen gerecht wird.

Originaltext .

The post Warum die Unternehmensarchitektur derzeit im Rampenlicht steht appeared first on �鶹ԭ�� News Center.