Vom KI-Pilot zum produktiven SAP-Betrieb

Der Übergang vom KI-Piloten in den SAP-Echtbetrieb gelingt dort, wo Datenverantwortung, Governance und Betriebsmodell vor dem ersten Testlauf geklärt sind.

Eine Erprobung in Form eines verkleinerten Produktivbetriebs verkürzt den Weg zur Skalierung erheblich.

KI-Anwendungsfälle im SAP-Umfeld liefern technisch überzeugende Ergebnisse. Dennoch bleibt der Schritt in den Produktivbetrieb häufig aus. Gute Trefferquoten und positives Feedback aus dem Fachbereich bilden ein solides Fundament für den Rollout. Für den Übergang sind weitere Voraussetzungen erforderlich: eindeutig zugeordnete Datenverantwortung, geeignete Governance sowie ein belastbares Betriebsmodell. Diese Faktoren bestimmen maßgeblich die Skalierung eines erfolgreichen Piloten. Frühzeitige Planung schafft dafür eine verlässliche Grundlage, denn Daten, Zuständigkeiten und Betriebsprozesse lassen sich bereits vor dem ersten Testlauf festlegen und gezielt vorbereiten.

Was der Pilot beweist – und was nicht

Ein Testversuch arbeitet bewusst unter vereinfachten Voraussetzungen. Kuratierte Datenausschnitte, ein einzelner Prozessablauf und ein Fachbereich schaffen einen Rahmen für die Testphase. Motivierte Anwender bringen schnelles Feedback, während Service-Level-Vereinbarungen und Revisionsanforderungen zunächst keine Berücksichtigung finden. Durch die Begrenzung lässt sich die fachliche Machbarkeit prüfen und es entstehen erste verlässliche Erkenntnisse.

Im Produktivbetrieb wächst der Rahmen merklich. Vollständige Datenbestände, mehrere Fachbereiche, verschiedene Prozessvarianten sowie verbindliche Anforderungen an Verfügbarkeit und Nachweise gehören zum Alltag. Ein erfolgreicher Pilot belegt, dass ein Ansatz technisch und fachlich funktioniert. Für den Übergang in den Produktivbetrieb zählt zudem der Aufwand unter realen Bedingungen. Eine Trennung zwischen Erprobung und Produktivbetrieb ermöglicht frühzeitig ein realistisches Bild.

Datenverantwortung als Fundament

Transformationsprojekte legen ein typisches Problem offen: Derselbe Kunde wird mehrfach im System erfasst, da ein verbindlicher Prozess für die einmalige Anlage fehlt. Historisch gewachsene SAP-Landschaften aufgrund von Zukäufen und Fusionen vereinen unterschiedliche Versionsstände. Identische Vorgänge laufen in einzelnen Ländern über verschiedene Prozesse.

Im manuellen Betrieb gleichen Sachbearbeiter solche Abweichungen aus. Ihre Erfahrung unterstützt sie bei der Auswahl des richtigen Datensatzes. Korrekturen erfolgen nebenbei und bleiben häufig unbemerkt.

Produktive KI-Anwendungen verändern diesen Ablauf grundlegend: Ohne die menschliche Korrekturschicht fließen vorhandene Datenabweichungen systematisch in die Verarbeitung ein. Stammdatenqualität bietet einen Ansatzpunkt. Dublettenquoten, Vollständigkeitsgrade und Pflegeverantwortlichkeiten lassen sich messen und gezielt optimieren. Saubere Stammdaten liefern Vorteile bei Reporting, Planung und Integration. Datenschulden wirken sich erst im Produktivbetrieb vollständig aus.

Governance und Organisation zusammen denken

Aus Harmonisierungsprojekten stammt ein Prinzip, das sich direkt auf KI-Vorhaben übertragen lässt: Einheitliche Abläufe brauchen eine passende Governance, sonst kehren frühere Strukturen nach wenigen Jahren zurück. Für KI-Anwendungen bedeutet das einen geordneten Anforderungseingang statt einzelner Initiativen, ein übergreifendes Entscheidungsgremium und klare Zuständigkeiten für Datenzugriffe. Ebenso wichtig sind feste Kriterien für die Freigabe und Abschaltung eines Agenten.

Parallel dazu entscheidet die Organisation über den tatsächlichen Nutzen. Produktionshallen, Logistikbereiche und Vertriebsbüros zeigen, ob eine Anwendung im Alltag angenommen und sinnvoll eingesetzt wird. Enablement bildet dafür eine wichtige Grundlage und gehört damit in die Planung. Besonders im Vertrieb ist eine überzeugende Begründung vonnöten, weil dort traditionell große Freiheitsgrade bestehen und neue Anwendungen unmittelbar in bestehende Arbeitsweisen eingreifen.

Vom Projektteam zum Betriebsmodell

Eine zentrale Frage zeigt schnell, wie weit ein Vorhaben auf den Produktivbetrieb vorbereitet ist: Wer trägt Verantwortung, wenn das Ergebnis am Montagmorgen abweicht? Im Regelbetrieb braucht es eine benannte Prozessverantwortung, Monitoring der Ergebnisqualität, einen Eskalationsweg und Second-Level-Support. Hinzu kommen ein fester Zyklus für Nachjustierungen sowie eine nachvollziehbare Protokollierung von Entscheidungen.

Testläufe leben von Engagement, der Produktivbetrieb lebt von eindeutigen Rollen. Bestehende Betriebsstrukturen halten den Aufwand gering, wenn sie die erforderlichen Rollen übernehmen und keine zusätzlichen Strukturen nötig sind.

Die Erprobung als verkleinerten Produktivbetrieb aufsetzen

Frühe Entscheidungen prägen den künftigen Produktivbetrieb über Jahre hinweg. Daraus ergibt sich ein definierter Anspruch an die Erprobung: Der Pilot soll nicht nur die Machbarkeit zeigen, sondern den Zielzustand im kleinen Maßstab abbilden. Sieben Punkte konkretisieren diesen Ansatz:.

• Echter, unbereinigter Datenausschnitt statt eines kuratierten Testsets.
• Der spätere Prozessverantwortliche gehört von Beginn an ins Team, nicht erst in den Rollout.
• Produktivkriterium und Abbruchkriterium sind vor dem Start schriftlich fixiert.
• Kosten je Transaktion werden im Zielvolumen kalkuliert, nicht im Testvolumen.
• Protokollierung und Freigabelogik aus Revision und Compliance greifen ab Tag eins.
• Der Skalierungspfad benennt die Werke und Länder, die später folgen.
• Der Enablement-Aufwand für die betroffenen Nutzer ist beziffert.

Die zusätzliche Vorbereitung dauert wenige Wochen. Sie verkürzt die Zeit zwischen erfolgreichem Testlauf und Freigabe spürbar und schafft zugleich eine tragfähige Entscheidungsgrundlage für den Steuerkreis. Zahlen aus dem Zielvolumen, definierte Verantwortlichkeiten und ein realistischer Zeitplan geben die nötige Basis für eine fundierte Investitionsentscheidung.

Der Anfang ist ausschlaggebend

Erfolgreiche Testläufe und produktive Anwendungen trennen sich bereits am Anfang eines Vorhabens. Datenverantwortung, Governance und Betriebsmodell klärt das Team schon vor dem ersten Testlauf. Das geht deutlich schneller, als eine zweite Erprobung dauert. So verändert sich der Charakter des Projekts: Aus einem Nachweis wird ein Vorlauf.

Fachleute mit Prozesskenntnis übernehmen die Bewertung der Ergebnisse. Die Zuständigkeit für die Vorbereitung liegt bei der Organisation. Erfahrungen aus jedem Anwendungsfall verkürzen die Vorbereitung des nächsten und rücken ihn näher an den Produktivbetrieb.