Zielführung Starten – Der Management-Podcast von CTcon

Transkript zu Folge 45:

KI mit SAP – Was heute möglich ist und was auf die Unternehmenssteuerung zukommt

[00:00:00] Podcast: Zielführung starten - der Management-Podcast von CTcon.
[00:00:21] Christian Bungenstock: Willkommen zu einer neuen Etappe von Zielführung starten, unserem Management Podcast. Mein Name ist Christian Bungenstock, ich bin Partner bei CTcon in Düsseldorf und begleite Sie durch diese Folge. Künstliche Intelligenz hält Einzug in die Anwendungen und Prozesse von Unternehmen. Auch SAP zielt starker denn je auf die Integration von KI in seine Anwendungsangebote, Daten- und Technologieplattformen. Für CFOs und Controller stellen sich damit wichtige Fragen: Was ist relevant? Was wird noch kommen? Wie verändert KI künftig die Unternehmenssteuerung? In dieser Folge werfen wir einen Blick auf die SAP-KI-Welt von Joule und KI-Agenten über die Business Data Cloud bis zu Anwendungsangeboten in Finance und Controlling. Es geht dabei nicht nur um Technologie, sondern mehr noch um Daten, Governance und die Veränderung der Verantwortung, wenn KI in Steuerungs- und Entscheidungsprozesse eingebunden wird. Zu Gast ist Tilman Hagen, Mitgründer und Managing Partner von IUNO. Mit ihm und dem Team verbindet uns eine langjährige Kooperation, in der sich unsere Kompetenzen in der Unternehmenssteuerung mit der Technologie- und SAP-Expertise von IUNO ergänzen. Tilman spricht mit Dr. Thomas Lührmann, Partner bei CTcon in Düsseldorf. Thomas berät Unternehmen zu Themen der Strategie, Transformation und Unternehmenssteuerung. Sein Fokus gilt der datenbasierten Unternehmenssteuerung wie dem dortigen Einsatz künstlicher Intelligenz. Gemeinsam wagen beide auch einen Blick nach vorn. Was sollten Unternehmen heute tun, um die Möglichkeiten von KI im SAP-Umfeld künftig sinnvoll für ihre Steuerung zu nutzen?
[00:02:05] Podcast: Zielführung starten.
[00:02:09] Dr. Thomas Lührmann: Tilman, hi!
[00:02:10] Tilman Hagen: Hallo Thomas.
[00:02:11] Dr. Thomas Lührmann: Freue mich, dich zu sehen und zu hören. Freue mich auf unser Gespräch. Bin sehr neugierig. Wir sprechen über KI und SAP. What's up? What's next? Ist unser gemeinsames Thema. Wir wollen die Landkarte so ein bisschen sortieren, aber wir wollen natürlich auch auf die Frage gucken, was heißt eigentlich das, was sich an der KI und SAP-Ecke gerade so tut für Steuerung, für Performance Management, für Governance. Ich glaube, extrem spannende Themen. Vorab, du bist Gründungspartner und Geschäftsführer von IJUNO. IJUNO und CTcon sind bewährte Kooperationspartner. Wir haben an ganz vielen Stellen ähnliche Perspektiven, aber komplementäre Fähigkeiten, mindestens da, wo es so um Technologie und SAP-nahe Themen geht. Aber sag doch vielleicht mal selber erstmal ein paar Takte zu dir und zu IUNO.
[00:02:53] Tilman Hagen: Ja, sehr gern. Also wir als IUNO, wir kommen sozusagen aus der bisschen gegenüberliegenden Richtung im Vergleich zu CTcon. Während ihr aus meiner Sicht vor allem aus der Perspektive Management und Steuerungslogik kommt, schließen wir da sozusagen aus der anderen Richtung an. Wir kommen aus der technologischen Übersetzung von Anforderungen, wir kommen aus der Umsetzung und wie sich das dann am Ende auch am besten mit einem Steuerungsmodell, das ihr beispielsweise oder im Idealfall entwickelt, am besten ergänzt und wie das dann eben auch zusammenpasst. Das heißt, am Ende sind es Datenarchitekturen. Du hast gesagt, SAP, das ist unser technologischer Umsetzungsschwerpunkt. Wir haben strategische Beratungsthemen. Wir kommen natürlich bei sehr vielen, auch gerade jetzt beim Thema KI, bei sehr vielen Unternehmen in die Situation, dass da eben nicht SAP alleine steht, sondern auch viele andere Technologien eine Rolle spielen. Und dementsprechend sind wir da auch breit aufgestellt, was die strategische Beratung angeht, um eben SAP auch in diesem Kontext bestmöglich einzusetzen. Aber in der Umsetzung sind wir tatsächlich mit unserem Team, das sind aktuell ca. 15 Consultants, in der in der Umsetzung auf SAP spezialisiert. Und natürlich das Thema KI, wie du sagst, das ist eines, was uns jetzt auch seit nicht nur gestern beschäftigt, sondern auch schon seit ein paar Jahren. Und was ja auch irgendwie ein fließender Übergang war. Und auch im Kontext KI, da kommen wir heute auch noch mal ein bisschen drauf zu sprechen, setzt es doch an vielen Stellen auch wieder Fragestellungen, mit denen wir uns, ja, dann doch auch schon seit mehr als zwei, drei, vier Jahren beschäftigen, sondern vielleicht sogar auch als einzelne Berater schon seit wesentlich längerer Zeit, also seit wie ich z. B. jetzt seit 20 Jahren eigentlich. Also von dem her vielen Dank für die Einladung und ich freue mich auf das Gespräch.
[00:04:27] Dr. Thomas Lührmann: Super, dann lass uns starten. Ich glaube, dass KI irgendwie ein Megathema ist, muss man nicht groß begründen, das ist das ist so. Und dass gerade auch ganz viel an der Ecke Performance Management, Controlling, Steuerung verändert, das ist auch eine Binsenweisheit. Und gleichzeitig schauen natürlich viele unserer Klienten, wahrscheinlich auch eurer Klienten, gebannt in Richtung SAP. Was tut sich eigentlich da? Was kann SAP jetzt schon an der KI-Ecke und was kommt da noch alles? Lass uns damit mal starten und mal so ein bisschen erstmal in das Sortieren der der Landkarte einsteigen. Wenn wir so auf die SAP-Landschaft gucken, dann begegnen uns da ganz viele Begriffe. Business AI, Joule, Agenten, AI Foundation, Data Cloud. Und bevor wir uns da in die einzelnen Themen reinbegeben und in die Einzelheiten stürzen, wenn du mal so heute summarisch auf die SAP-KI-Welt schaust und das mal auf einer Landkarte zeichnen müsstest, wo stehen wir da heute?
[00:05:22] Tilman Hagen: Ja, du hast jetzt sehr viele Begriffe genannt, sehr viele technologische in Anführungszeichen Buzzwords. Ohne das jetzt despektierlich zu meinen. Das liegt ja auch daran, dass gerade die SAP auch in den letzten Jahren immer sehr stark darin war, neue Begriffe auch teilweise für gleiche Dinge noch mal deutlich einzuführen. Und das hat es für uns als Berater natürlich einerseits interessant, andererseits auch nicht immer einfach gemacht. Für unsere Kunden und eure Mandanten auch nicht immer so einfach. Ich glaube, der große Wandel ist jetzt der, dass diese vielen einzelnen Lösungen gerade mit dem, was SAP jetzt auch in den letzten Monaten vorgestellt hat im Bereich AI und KI, doch wesentlich stärker ein ganzheitliches Bild entwickelt. Also SAP ist da hat natürlich auch erkannt, dass das jetzt der richtige Zeitpunkt ist, das zu tun, dass viele Unternehmen aus anderer Richtung kommend auch den Druck verspüren, KI ganzheitlich zu denken. Und ich glaube, die SAP hat da mit ihren Lösungen, die die auch teilweise schon in den letzten Jahren als einzelnes Fragment, also nicht die Lösung als sich in Fragmenten, sondern als einzelnes Fragment existiert hat, schon einen großen Schritt jetzt gemacht, diese Landkarte mal zu zeichnen. Also auf der einen Seite mit dem mit dem Joule, was eben bekannt war für den Zugang zu den Daten auf der einen Seite. Dann immer mehr auch diese Frage nach Agenten, die SAP zusätzlich auch um sogenannte Assistenten ergänzt, was kommen wir sicher später noch mal drauf zu sprechen, was eben auch zwei ein bisschen unterschiedliche Dinge sein sollen. Die AI-Plattform, die SAP Business AI Platform, die denke ich jetzt so der der zentrale neue Begriff ist, der glaube ich auch vom Wording her und auch von dem Zielbild, das damit verbunden ist, sehr stark ist. Und darin eingebettet dann eben sowas wie das Joule Studio, darüber sprechen wir sicher nachher noch mal, und die von dir angesprochene Business Data Cloud, die jetzt schon relativ reif ist, Knowledge Graph etc. pp. Also wir merken, ich glaube einerseits weiterhin sehr viele Begriffe, aber mit diesem Thema AI Platform, Business AI Platform jetzt mit einem Überbegriff, der uns wieder hilft, das auch als Berater besser verständlich zu machen und dann auch in diesem Dreigespann, in dem wir uns ja immer bewegen als Anwendungsunternehmen, als Berater und als Softwarehersteller, da mehr Klarheit und auch mehr Perspektive zu bieten. Ich glaube, das was die SAP jetzt als Autonomous Enterprise formuliert hat kürzlich in Orlando, das ist natürlich ein Zielbild, aber ich halte es auch für wichtig, dass ein solches Zielbild formuliert wird, damit auch klar ist, wo soll eigentlich die Reise hingehen. Also das ist sicher so, dass es heute das nicht gibt, aber das gibt's auch in den Unternehmen nicht. Ich denke, auch darüber werden wir später noch mal sprechen, weil da noch sehr viel zu tun sein wird, unabhängig von der Technologie.
[00:07:53] Dr. Thomas Lührmann: In der Tat, ja. Jetzt hast du schon ganz viele Facetten genannt, von denen ich verstanden habe, dass sie jetzt auch neu sind und auch in der SAP-KI-Landschaft neu sind. Das ganzheitliche Bild genannt, du hast den Gedanken sozusagen der Plattform genannt. Wir schauen das uns gleich der Reihe nach noch mal an, auch in den einzelnen Themenfeldern, die du gerade besprochen hast. Jetzt vielleicht trotzdem noch mal, bevor wir da im Einzelnen reingehen: Was ist denn perspektivisch die Rolle der SAP und welche Positionierung nimmt sie ein? Ist sie primär Anbieter eigener KI, ist sie eine Integrationsplattform für unterschiedliche KI-Modelle, ist sie beides? Wie schaust du da drauf?
[00:08:31] Tilman Hagen: Ja, ich glaube grundsätzlich, gerade mit der eben angesprochenen Business AI Platform, alte Dinge in Anführungszeichen, Joule, aber auch die Business Data Cloud zusammenführt, weitere Dinge mit einbringt, hat die SAP, glaube ich, jetzt die Aufgabe auf der einen Seite bestehende Foundation Models zu integrieren. Also ich glaube, SAP hat jetzt da jetzt nicht die Vergangenheit so stark drin wie andere Marktanbieter jetzt Foundation Models noch mal für übergreifende Analysen oder Recherchen oder GenAI zu entwickeln. Da gibt's andere, die das wesentlich länger schon machen. Aber die SAP hat die Aufgabe, vor allem auch das zu verknüpfen mit den unternehmenseigenen Daten, mit den Prozessen, mit Berechtigungen, mit bestehenden Anwendungen, die es natürlich in ERP- und S/4-Systemen gibt. Und das eben auch in den Kontext dieser sehr spezifischen SAP-Domänen zu bringen. Und das ist, denke ich, das große Asset. Das hat man ist natürlich auch erkannt. Auf allen Seiten hat man das erkannt. Sowohl auf der Seite des Softwareherstellers, dass das sehr viel Chancen birgt. Und auf der anderen Seite natürlich auch auf Seiten der Anwenderunternehmen, die merken, dass sie das ja erstmal bereitstellen müssen, um am Ende auf eigenen Daten, auf eigenen Prozessen sinnvolle KI-Szenarien zu implementieren. Also ich glaube mit dem GenAI Hub, den es ja auch schon ein bisschen länger gibt z. B., ist die Integration sehr gut möglich. SAP bietet die Möglichkeit, Agenten auch von anderen Plattformen integriert zu steuern, aufzurufen, da wieder zu orchestrieren. Und das ist, glaube ich, schon die Aufgabe dann auch, die wir da zukünftig sehen werden. SAP als Orchestrierungs-Tool, Daten-Integrations-Tool und den Weg dorthin zu beschreiben, das ist jetzt unsere Aufgabe gemeinsam mit unseren mit unseren Partnern.
[00:10:11] Dr. Thomas Lührmann: Gut, ja, du hast gesagt, SAP hat die Landkarte jetzt gezeichnet und du hast sie gerade auch schon skizziert. Dann lassen sie uns mal tatsächlich systematisch durchgehen. Und so ein bisschen aus einer Perspektive CFO, Controller, eher Anwender als der Techniker selbst. Was muss ich denn da eigentlich verstehen von all dem, was es da an unterschiedlichen Elementen auf dieser Landkarte gibt? Wollen wir da von oben wahrscheinlich starten, mit Joule mal einsteigen und dann in die anderen Elemente reingucken? Was sind da die wesentlichen Funktionalitäten hinter diesen Elementen? Was können die? Und was ist der Blick nach vorn?
[00:10:43] Tilman Hagen: Ja, also ich würde es jetzt mal grundsätzlich in fünf Stufen klassifizieren oder aufteilen. Zunächst einmal ist es die Interaktionsebene. Das heißt der Einstieg in das Arbeitsszenario, kann man ja sagen. Das passiert über die Joule-Oberfläche, die jetzt eben auch schon seit Längerem bekannt ist, dann eben auch über Joule Work zukünftig, was es dann ermöglicht, mehr und mehr auch integrative Szenarien zu Ende zu bearbeiten. Und da kann man schon sagen, dass es darum geht, eigentlich solche Intentions umzusetzen, ja. Also ich habe einen bestimmten Bedarf, ich habe eine bestimmte Aufgabe, die ich zu erledigen habe. Das formuliere ich und Joule übernimmt sozusagen die Interpretation dessen. Aber nicht die Ausführung. Joule greift dann wiederum auf Assistenten zu und Agenten. Also das muss man so ein bisschen differenzieren. Assistenten können dann wiederum verschiedene Agenten nutzen, die dann wiederum auch auf verschiedenen technologischen Plattformen laufen können. Also man kann jetzt sagen, dass ein Assistent, der z. B. einen Einkaufsprozess steuern soll, dass der einerseits SAP-Daten oder SAC-Transaktionen ausführt im SAP-System, ERP-System, auf der anderen Seite vielleicht aber auch in einem ganz anderen Bestellsystem am Ende eine E-Mail auslöst oder eine offizielle Bestellung auslöst. Und das kann dann auch ein ganz anderer Agent sein von einer anderen Technologie. Oder vielleicht auch dabei hilft, irgendeine E-Mail zu formulieren. Das soll relativ losgelöst möglich sein und ist dann eben auch über diese Orchestrierung am Ende gegeben. Die darunterliegende Ebene ist dann die die AI Platform, die SAP Business AI Platform, die uns eben hilft, das Ganze zu bauen, zu integrieren, zu deployen, also dann wirklich auch in so einen Enterprise-Kontext zu bringen, wo man jetzt eben nicht, ja, der gute Stellen ja auch viele gerade fest, dass es dann eben nicht reicht, mal einen kleinen Use Case aufzubauen, sondern dass das Ganze ja auch irgendwie im Unternehmen funktionieren muss mit all dem, was da noch drumherum so passiert. Und auf der untersten Ebene, in Anführungszeichen auf der untersten, weil ich glaube, das ist die Ebene, wo jetzt gerade wir uns sehr intensiv aktuell mit beschäftigen, finden wir dann diese SAP Business Data Cloud, die die Datenplattform vor allem darstellt mit der SAP Datasphere, die die Business Data Fabric implementiert und die dann auch am Ende so etwas wie ein Knowledge Graph mitbringt, also diese ganzen semantischen Informationen, die uns helfen, Daten überhaupt zu verstehen, die dann am Ende der KI helfen, auch Daten zu verstehen und mit dem richtigen Domänenwissen zusammenzuführen. Also das sind aus meiner Sicht so die die Ebenen, ja, mit denen wir uns beschäftigen müssen. Das muss jetzt nicht der CFO oder der CIO alles im Detail kennen, aber ich glaube, so wie wir als Berater sollten schon mal von diesen Begriffen gehört haben.
[00:13:11] Dr. Thomas Lührmann: Ja, in der Tat zwei Nachfragen, und zwar einmal ganz oben. Du hast sprachst von den drei Ebenen, also an der obersten Schicht, Interaktionsebene, und dann an der von dir genannten untersten Ebene. Weil so aus einer Perspektive, wenn wir gestalten Performance Management, Steuerung neu, wollen starker in eine datengetriebene Steuerung reinkommen, sind das so die zwei Ebenen, die mich gerade am meisten bewegen. Aber fangen wir mal oben an, die Interaktionsebene. Nur, dass wir das klar haben. Ist Joule perspektivisch eigentlich das Frontend der SAP, mit dem ich als Anwender hauptsächlich interagiere, oder ist das parallel zu bestehenden Frontends? Wie muss ich mir das vorstellen?
[00:13:45] Tilman Hagen: Teilweise ja. Also, wie eben schon gesagt, also dieses Joule, das kann man verstehen als so eine Art Intentionsschicht. Also ich habe eine bestimmte Absicht, dass etwas getan werden soll. Das ist jetzt mal in dem Fall, wo wir auch nicht nur über automatisierte Agenten sprechen, sondern wirklich eine Interaktion noch habe. Dann formuliere ich diese Intention und die wird dann abgearbeitet. Das gibt's heute auch schon. Es gibt dieses Embedded Joule, das gibt's im S/4-System z. B. Da kann ich bestimmte Aktivitäten schon ausführen. Ich kann z. B. in der SAC kann ich solche Analytical Insights generieren. Das heißt, mit einer Frage Informationen aus den Daten bekommen. Das ist also in Summe relativ klar, ähnlich wie heute vielleicht ChatGPT, ohne jetzt da an irgendwelche Agenten zu denken. Die nächste Stufe ist Joule Work, wo wir also über verschiedene Anwendungen auch hinweg sogenannte Workspaces haben, wo wir also Aktivitäten orchestrieren können, die dann über Joule ausgelöst werden können. Kann natürlich auch automatisiert sein, aber die können dann beispielsweise über Joule ausgeführt werden. So, das sind so die zwei Ebenen, die jetzt neu dazu kommen. Aber es wird mit Sicherheit so sein, dass die klassische UI auch noch an vielen Stellen jetzt kurz- und mittelfristigen Sicht noch sehr, sehr wichtig sein wird. Wenn es gerade aus unserer Sicht komplexe Modellierungsanfälle für Daten gibt, wo wir vielleicht irgendwie mal schnell Massendatenbearbeitung im S/4-System machen müssen, wo wir jetzt Agenten, dieses ganze Konstrukt vielleicht vollkommen ungeeignet ist oder wo ich auch vielleicht gar nicht diesen Agent vorbereitet habe, um das überhaupt zu können. Wo ich vielleicht bestimmte Kontrollmechanismen habe, Ausnahmefälle, die gibt's ja auch dann doch hin und wieder. Und das alles, das wird nicht in einem ersten Schritt mit Sicherheit nicht auch über diese neue Interaktions- und Intentionsfläche zustande kommen.
[00:15:27] Dr. Thomas Lührmann: Verstanden. Das eine ist ja, wie gesagt, wie interagiere ich denn als Anwender mit dem System in Anführungszeichen, das haben wir jetzt gerade besprochen und hast es tiefer gelegt. Die andere für mich immer relevante Frage ist natürlich, wie sieht denn der Datenschatz aus, auf den ich da zugreife und wie ist der sozusagen von SAP eigentlich gedacht? Und ich glaube, das ist eben die von dir auch gerade angesprochene unterste Schicht, also die SAP Business Data Cloud. Vielleicht können wir da noch mal kurz ein paar Sätze drauf verwenden. Was steckt genau dahinter und was ist denn da das Neue im Vergleich zu herkömmlichen SAP-Lösungen?
[00:16:00] Tilman Hagen: Ja, also ich denke, das ist jetzt ein guter Anknüpfungspunkt. Also wir merken ja auch, dass sich SAP in ihrem Portfolio da iterativ weiterentwickelt. In den letzten Jahren, da hat man vor Data Warehouse Cloud gesprochen, dann gab's die SAP Datasphere, jetzt gibt's zusätzlich noch die Business Data Cloud. Und wir merken, das basiert ja schon auf etablierten Technologien. Also auch die dann die Business AI Platform als nächster Schritt, auch das. Aber es kommt natürlich dann auch, je weiter ich sozusagen diese Abstraktionsebene nach oben schiebe, mehr neue Sachverhalte dazu. Bei der Business Data Cloud ist es so, dass die schon sehr stark auf die Datasphere aufsetzt, die schon sehr stark ist inzwischen, die auch schon einige Jahre jetzt auf dem Buckel hat, eben mit der Vorgängertechnologie. Und diese BDC, kurz gesprochen, bietet uns eben die Möglichkeit, zwei ganz spannende Dinge zu tun. Auf der einen Seite gibt es diesen Ansatz Data Products, Datenprodukte. Können wir auch gerne noch mal später drüber sprechen, was das genau sein kann, die es eben für die KI, was für die KI also wertvoll ist, eben nicht nur diese reinen Daten zu liefern, sondern eben auch den Kontext von Daten zu Semantik, zu Spezifika im Unternehmen, zu SAP-Domänen-Informationen, zu Domänenwissen. Und das kommt da eben mit und da gibt's eben auch schon ein ziemliches Bundle an Standarddatenprodukten. Und auf der anderen Seite, was eben auch noch neu dazu kommt, ist ein Open Data Ecosystem. So kann man das, denke ich, gut formulieren, indem es eben diesen abgeschotteten Bereich, den wir ja auch, du wahrscheinlich aus deiner Vergangenheit und ich aus meiner auch sehr gut kenne, das heißt, hier sind die SAP-Daten und da sind irgendwelche anderen Daten. Es gibt eigentlich keine Möglichkeit, die zusammenzukriegen oder wenn dann, ist es ein immenser Aufwand. Und durch dieses System, das ich jetzt beschreibe, ist es eben möglich über einen sogenannten Zero-Copy-Mechanismus Daten aus der SAP-Welt auch in die Nicht-SAP-Welt zu nicht mal zu übertragen, sondern bereitzustellen. Und andersrum eben so. Und da gibt es eben mit Standardkonnektoren Richtung Snowflake, in Richtung Databricks, in Richtung Google Cloud Platform, AWS, also wirklich ein breites Spektrum. Und mit Hilfe dessen erspare ich mir das, was wir so viele Jahre jetzt getan haben. Und das ist, glaube ich, schon ein Quantensprung. Und gerade natürlich für diese KI-Szenarien ist das ja sehr, sehr wichtig, weil ich hier nicht sagen kann, ich mache jetzt irgendwie meinen Prozess. Ich hatte eben das sehr abstrakte Beispiel eines Einkaufsprozesses. Und da war ja schon der Fall, es ist nicht nur SAP. Und wenn ich da erstmal Ewigkeit brauche, um die Nicht-SAP-Daten einzubinden, dann ist natürlich dieses Vorhaben auch sehr schwierig.
[00:18:25] Dr. Thomas Lührmann: Ja, prima. Wenn ich jetzt mal aus einer Perspektive draufgucke, ich bin CFO, ich bin Controller, dann stellt sich hier die Frage, was muss ich mir denn von all dem, was sich so an der technologischen Ecke tut, merken? Mit welchen Begriffen muss ich hantieren können und was nehme ich da eigentlich mit? Ich nehme jetzt aus dem, wie du es geschildert hast, erstmal mit, und ich bitte dich gleich um Ergänzung und Korrektur. Auf der einen Seite werde ich über das, was die SAP gerade an der Frontend-Ecke tut, perspektivisch ganz anders noch mit Daten interagieren können. Das ist das eine, und das zweite, und das sprachen wir gerade über Joule und über Joule Works. Und das andere ist, dass ich eben auch auf einen noch breiteren Datenschatz zugreifen kann, weil ich eben nicht limitiert bin auf das, was nativ im SAP-System liegt, sondern ich kann breiter auf meinen gesamten Datenschatz, unabhängig davon, in welchen Lösungen er gerade vorhanden ist, zugreifen. Das verändert natürlich dramatisch die Frage, welche Erkenntnisse mir die KI liefern kann. Ist es das, ist es noch was anderes? Wie gesagt, Blick als CFO und Controller. Welche zwei oder drei Begriffe aus diesem ganzen Begriffs-Sammelsurium muss ich denn da wirklich kennen, womit muss ich mich wirklich tiefer auseinandersetzen und was kann ich auch getrost den Experten überlassen, die eben näher an der Technik sind?
[00:19:28] Tilman Hagen: Ja genau, also ich glaube, Letzteres, was man jetzt nicht unbedingt kennen muss, ist sowas wie MCP oder A2A, also Protokolle, die dazu dienen überhaupt so Agenten zu steuern beispielsweise oder auch zwischen heterogenen Modellen integriert und orchestriert zu arbeiten. Das ist, glaube ich, jetzt nicht unbedingt notwendig. Schadet vielleicht nicht, aber ist mit Sicherheit nicht notwendig. Ich glaube von den technologischen Begrifflichkeiten, die du genannt hast, ist das sehr sicher so, dass es Joule und die Agenten sind, dieser Einstieg in Anführungszeichen, weil das halt auch dazu führt, dass es Änderungen gibt in der Arbeitsteilung zwischen Mensch und Software. Und, ja, gut, jetzt können wir verraten, wann wir heute aufnehmen, aber es gab es kürzlich von Bill Gates die Aussage, die kann man sich da vielleicht auch noch mal zu Gemüte führen in dem Kontext. Wir denken jetzt mal hier erstmal kleiner, aber auch da gerade in unserem Themenfeld Performance Management, Unternehmenssteuerung sind das sind das schon gravierende Änderungen, die so was nachziehen kann und aus Unternehmenssicht wahrscheinlich sollte. BDC, Business Data Cloud und die Möglichkeit darüber Semantik herzustellen zu Daten ist, glaube ich, auch ein ganz wesentlicher Punkt, das sollte ich auch kennen, Business Data Cloud als Begriff. Und ich sollte mich auch schon mal mit, das hat jetzt zwar mit der Technologie nichts zu tun, also ist ja auch ein Buzzword, das kann man immer als Stichwort einbringen, ist das Thema Governance. Das, was die KI zutage führen wird und das sehen du und ich wahrscheinlich tagtäglich, ist, dass das, was man halt in der Vergangenheit mal irgendwie so machen kann, weil es irgendjemand weiß oder weil es jemand schon seit Ewigkeiten so gemacht hat, das wird halt mit der KI nicht mehr funktionieren, weil die KI halt nicht weiß, was irgendjemand irgendwann mal gemacht hat oder warum der jetzt daraus irgendwo eine Verantwortlichkeit hat, die nicht dokumentiert ist. Und das sind eben Themen, die müssen wahrscheinlich sogar vorher gemacht werden. Also es macht jetzt wahrscheinlich keinen Sinn jetzt KI zu starten und dann erst sich darüber Gedanken zu machen, wie man so was überhaupt aufsetzt.
[00:21:15] Dr. Thomas Lührmann: In der Tat, ja. Zum Governance-Thema sollten wir gleich nochmal kommen und auch das Thema Datenprodukte würde ich gern gleich nochmal vertiefen, bevor wir dahin kommen. Jetzt haben wir über die Architektur gesprochen, über einzelne Elemente in dieser Architektur, auch über die Funktionalitäten, die quasi für Performance Management und Steuerung da ein Stück weit schon drinstecken. Du hast über Agenten gesprochen. Und damit bewegen wir uns natürlich immer mehr jetzt auch in die Richtung, was heißt denn das eigentlich tatsächlich für die Steuerung? Weniger jetzt der Blick auf welche KI-Komponenten sind es denn da eigentlich und was bietet die SAP an, hin zur Frage, wo verändert das eigentlich die Unternehmenssteuerung? Und da ist natürlich immer ganz viel Fantasie dabei und würde gern mit dir mal so ein bisschen eintauchen in die Frage, wie viel davon ist Fantasie, was ist schon Realität und wo können wir aus den Marketingsprüchen erstmal abzinsen? Wo siehst du denn heute schon aus dem, was ihr beobachtet beim Einsatz der Module, die du geschildert hast, belastbare Use Cases für Performance Management, für Finance, für Controlling?
[00:22:11] Tilman Hagen: Ja, das setzt, glaube ich, da an, wo wir auch aus unserer Beratungssicht schon seit vielen Jahren dran rumarbeiten. Erstmal klassische Reporting- und Management-Informationsbereitstellungsprozesse zu optimieren. Also da, wo es jetzt lange Zeit darum ging, Daten und Berichte bereitzustellen, automatisiert etc. Dashboards zu entwickeln, da geht's eben noch mal einen Schritt weiter, dass ich eben diese Aktivität auch gar nicht mehr in dem Umfang habe, sondern eben mit, wie ich eben schon gesagt habe, mit natürlicher Sprache Fragen formulieren kann. Wo ich vielleicht automatisiert Charts, Berichte, einzelne Kennzahlen rausbekomme, vielleicht auch Daten zusammengefasst bekomme und Kommentierungen erzeuge. Das sind auch Dinge, die sind schon verfügbar, natürlich auch nicht in jeder Ausprägung, teilweise noch als Beta, teilweise jetzt mit der General Availability, also Verfügbarkeit für den breiten Markt seitens SAP schon da oder auch kurzfristig geplant. Da ist aus meiner Sicht jetzt schon und zeitnah der größte Hebel. Auf der anderen Seite geht's dann auch um so was wie Analysen, Abweichungsanalysen, also das, was jetzt unser Wunsch war lange Zeit, dem Controller mehr Zeit dafür zu geben. Im besten Fall braucht er die Zeit dafür auch nicht mehr, aber wahrscheinlich überspringen wir da den ersten vor dem zweiten Schritt. Auch da wieder Governance. Ich glaube, da sind erstmal ganz viele andere Hausaufgaben zu tun als Technologie. Treiberbäume zu definieren z. B. und das dann eben auch als Basis für solche Anomalieerkennungen und Analysen zu nutzen. Und das Thema Planung. Auch bei der Planung stehen jetzt ein paar Neuerungen an, Agenten, die in der SAC Planungsprozesse übernehmen können, rollieren lassen können. Stichwort Enterprise Planning, was dann eben auch eine Lösung sein wird, die kurzfristig zur Verfügung gestellt werden soll, als Assistent für Planung in der SAC. Und aber das sind so die Schritte, wo wir jetzt mal starten. Angefangen klassisches Reporting zu vereinfachen im Prozess, Analysen durchzuführen und letzter Schritt in der Denke, nicht zeitlich unbedingt, in der Planung.
[00:24:24] Dr. Thomas Lührmann: Wenn ich dir jetzt zuhöre, dann höre ich da ganz viel Themen rund um wir können Prozesse einfacher machen, werden effizienter, die KI unterstützt uns beim Durchführen von Aufgaben, die eher so einen transaktionalen Charakter haben oder die nicht wirklich wertschöpfend sind. Also ich erziele Produktivitätsgewinne durch den KI-Einsatz. Mit Sicherheit ein ganz wesentliches Thema. Ein zweites, das uns immer bewegt und das auch viele unserer Klienten bewegt, ist die Frage, verändert sich denn mit der Art und Weise, wie wir KI einsetzen, grundlegend die Art und Weise, wie wir steuern? Führen und steuern wir perspektivisch anders, weniger mit Blick auf Financials, mehr mit Blick auch auf Non-Financials, weniger orientiert an so den ganz klassischen Monatsrhythmen, starker in einer Ad-hoc-Steuerung reinkommend, weniger mit Blick auf KPIs, mehr mit Blick auf die tatsächlichen operativen Daten? Also verändert sich die Art und Weise, wie wir steuern und erzielen wir damit noch mal ganz andere Vorteile als nur in Anführungszeichen, wir werden effizienter? Was ist da deine Beobachtung und wie weit ist das, was die SAP mit KI da liefern kann aktuell und was kommt da noch?
[00:25:39] Tilman Hagen: Genau, wie du schon gesagt hast. Also diesen Effizienzgewinn, Produktivitätsgewinn muss man auch nicht kleinreden. Also, wenn wir uns unsere Klienten anschauen, wo Heerscharen damit beschäftigt sind, irgendwelche Daten aufzubereiten, Kommentare zu erzeugen, dann ist das mit Sicherheit schon ein großer Gewinn, wahrscheinlich schon eine ausreichende Argumentation. Auf der anderen Seite ist es aber so, wie du sagst, dass das natürlich jetzt keinen inhaltlichen Mehrwert bietet bis zu dem Zeitpunkt. Und ich glaube, das, was wir in der Vergangenheit haben, wir haben irgendwie einen Plan erstellt, wir haben irgendwie einen Monat gewartet, dann kamen irgendwie Ist-Zahlen, dann haben wir eine Analyse gemacht, dann haben wir uns überlegt, okay, was könnten jetzt Auswirkungen dessen sein, was wir jetzt feststellen, was könnten Szenarien sein, um dem entgegenzuwirken, wie sehen konkrete Aktionen aus, wie passe ich dadurch meinen Forecast an. Das ist schon in der Ausführung jetzt sehr umfassend. Und da geht's natürlich darum, dass wir durch KI es schaffen, diesen Zeitrahmen und diese vielen Schritte zusammenzudampfen und möglichst durch Agenten natürlich zu automatisieren und am Ende eine kürzere Time-to-Decision zu bekommen. Ich glaube, da seid ihr inhaltlich oder bist du jetzt konkret wesentlich mehr der Experte als ich das bin. Und aus der technologischen Sicht kann ich aber sagen, dass das eben über diese über all das, was wir besprochen haben, der automatisiert gegeben ist, automatisiert jetzt nicht technisch automatisiert, sondern in der Schlussfolgerung, wenn ich sage, ich habe eine Business Data Cloud, die es mir ermöglicht, diese verschiedenen Daten zu integrieren und Informationen bereitzustellen, die für Entscheidungen erforderlich sind. Und das in Echtzeit, ja, das kann die Technologie. Dann ist das ja schon mal die Grundvoraussetzung. Wenn ich dann noch Agenten habe, die auf diesen Daten Dinge feststellen können und damit auch wiederum Aktionen auslösen können, mir vielleicht noch einen Hinweis geben, was jetzt genau getan werden kann, dann ist das auch schon mal eine wichtige Voraussetzung. Und dann wird's spannend, weil dann fehlt halt das drumherum, weil dann muss ich ja noch sagen, ja, was darf jetzt die KI entscheiden? Was sind z. B. Kennzahlendefinitionen, wie sehen Prozesse eigentlich im Standard aus und so weiter.
[00:27:44] Dr. Thomas Lührmann: Absolut, ja. In der Tat. Stichwort Zuweisung von Verantwortung, also wer ist eigentlich für einen Prozess verantwortlich, der im Zweifel den die KI ausgelöst hat? Wer trägt Verantwortung für Entscheidungen, die zumindest mal teilautonom getroffen sind? Das sind so, ich glaube, die Metafragen, fast schon philosophische Fragen, die sich eben auch stellen. Aber bevor wir dahin kommen, ich würde gerne das Thema Agenten noch mal kurz beleuchten, weil so die ganze Thematik agentische KI, die KI immer mehr als Pilot und weniger als Co-Pilot, das sind ja so Fantasien, die mindesten mal Fantasien, an manchen Stellen auch schon Realität, die da herumgeistern. Und da würde ich gerne deine Perspektive auch mit Blick auf SAP noch mal verstehen. Also wie weit sind die SAP-Agenten, wie sehr sind sie tatsächlich schon Agenten, die quasi in eigenem Namen und nicht ungesteuert, aber eben autonom agieren? Wie viel ist davon schon Realität und wie viel ist davon noch irgendwann das im Hype Cycle anzufordern?
[00:28:50] Tilman Hagen: Ja, also wie schon gesagt, das Zielbild Autonomous Enterprise, das ist erst mal so der North Star, die Richtung, in die es gehen soll. An vielen Stellen sind glaube ich Unternehmen noch nicht so weit, dass sie das überhaupt könnten. Also man muss ja auch überlegen, jetzt in einem typischen deutschen Konzern, da gibt's halt auch nicht das eine SAP-System, sondern da gibt's dann N SAP-Systeme mit unterschiedlichsten Versionen. Dann gibt's in der Regel noch ein paar Nicht-SAP-Systeme und in den seltensten Fällen ist ein solcher Ende-zu-Ende-Prozess dann wirklich auch nur in einem System beheimatet. Und das ist, denke ich, die sehr, sehr große Herausforderung. Es gibt inzwischen eine Vielzahl von Agenten und Assistenten, die SAP auch schon bereitstellt, die natürlich in den meisten Fällen, oder wahrscheinlich in allen Fällen, so sicher bin ich mir da Stand heute nicht, im Wesentlichen auf die SAP, das Ökosystem der SAP aufsetzen. Und da ist sehr viel geplant, auch bis zum Ende des Jahres noch. Auch wir als Partner sind da tief drin, auch mitzuwirken, auch andere Partner, um eben solche Lösungen zu schaffen. Jetzt gerade im Bereich Planning noch mal Enterprise Planning, da gibt es eben dann für das Q3, Q4 diesen Jahres schon die Ankündigung, dass eben eine solche Lösung jetzt zur Verfügung steht. Die wird natürlich dann auch nicht im ersten Schritt alles können, sondern erstmal auch ein Gefühl dafür geben sollen, wo die Reise hingehen wird. Und das ist, denke ich, der Start. Aber es sind sehr, sehr viele Aktivitäten dort vorhanden. Es gibt auch schon einiges. Es gibt auf der SAP-Seite auch einen entsprechenden Katalog, wo ich mir ansehen kann, was steht zur Verfügung. Und da kann ich mir auch anschauen, ob was zusammenpasst. Und ich glaube, es bringt auch einem nicht so viel, wenn man da jetzt X verschiedene Agenten hat, die man ausprobieren kann, was natürlich schon wünschenswert wäre, was aber auch unrealistisch ist, nicht nur aus Sicht eines Softwareherstellers, sondern eben vor allem aus Sicht der Unternehmen, das einfach dann nur zu legen. Du hast eben gesagt, wer ist denn dann z. B. verantwortlich für das, was da getan wird? Ich glaube, da einen Knopf zu drücken und so ein Agenten zu aktivieren, ist die einfachste Arbeit. Aber das alles, was damit verbunden ist an Organisation, das ist, glaube ich, eine ganz schöne Mammutaufgabe.
[00:29:44] Dr. Thomas Lührmann: Wie muss ich mir das vorstellen, wenn ich jetzt all das, was du gerade geschildert hast an SAP-Architektur, bei mir im Haus installiert habe, was ist die Denke gerade auch aus der SAP? Habe ich dann perspektivisch aus dem, was die SAP im Standard anbietet, habe ich dann den SAP Reporting Agent, den SAP Planungs-Agent, den SAP Forecasting Agent, und die übernehmen in den einzelnen Bereichen so jeweils vordefinierte agentische Aufgaben? Ist das das Bild oder ist ein ganz anderes?
[00:30:11] Tilman Hagen: Genau, also wichtig ist halt diese Abgrenzung noch mal zwischen Assistenten und Agenten. Also Assistenten führen dann wirklich übergreifende Tätigkeiten aus. Aber grundsätzlich ist das das Zielbild, ja. Aber auch da, das ist natürlich an vielen Stellen unwahrscheinlich, dass mir der Standard-SAP-Agent oder Assistent genau den Prozess abnimmt oder automatisiert oder vereinfacht, der auch bei mir gerade im Unternehmen vorhanden ist oder vielleicht auch der, der gerade besonders wichtig ist, dass der in irgendeiner Form durch KI unterstützt wird oder durch KI übernommen wird. Also das sind, glaube ich, dann eher so die Herausforderungen, die es dann in der Realität gibt.
[00:30:44] Dr. Thomas Lührmann: Also das ist ja die, du hast es schon angetriggert, die spannende Anschlussfrage. Also wie viel von dem ist denn Standard und kommt sozusagen, wenn ich mir das SAP-System hinstelle, erstmal mit auf den Hof und wie viel muss ich dann noch selber drumherum bauen auf Basis eines Standards, also wie viel Entwicklung und Development-Aufwand habe ich denn da eigentlich, um das so passfähig zu machen, dass ich dann eben meinen Reporting-Prozess, mein Working Capital Management, mein Forecasting, mein Bestellprozess und so weiter agentisch oder assistentsseitig begleiten kann? Also wie viel ist Standard und wie viel ist Entwicklung, die drumherum erforderlich ist? Hast du da ein Bild oder lässt sich die Frage irgendwie einfach beantworten?
[00:31:22] Tilman Hagen: Na ja, ich glaube das ist ähnlich wie im SAP S/4 oder ERP-System auch definiert, ja. Also da gibt's ja auch dieses Mantra des Clean Core, was jetzt natürlich aus der heutigen Sicht noch mehr Sinn macht. Hätte man wahrscheinlich auch damals schon antizipieren können, dass das Sinn macht, aber aus Sicht einer KI macht das natürlich dann zusätzlich noch mal Sinn, dass eben wesentlich einfacher ist, ein Agenten und ein Assistenten zu entwickeln, der auf Standardprozessen aufsetzt, als einen, der eben den historisch gewachsenen, 20 Jahre alten oder 30 Jahre alten aus einem alten ECC mühsam in ein S/4-System überführten Prozess dann auch noch mit einem KI-Agenten zu verknüpfen oder durch diesen übernehmen zu lassen. Das liegt, glaube ich, auf der Hand, dass das dann eben schwieriger ist. Und ich glaube, das wird sich da auch noch zeigen. Und es sind ja auch da wieder Governance und Prozesse. Das sind ja auch an vielen Stellen, mir zumindest bekannt, auch Lösungen aus alten ERP-Systemen in S/4-Systeme überführt worden, wo auch teilweise gar nicht mehr klar ist, was da überhaupt passiert. Aber klar ist, dass wenn das Programm, Z-Programm XYZ nicht vorhanden ist, dass dann wesentliche Funktionen des Unternehmens nicht mehr stattfinden können. Und das erstmal zu lösen, da steckt, glaube ich, eine sehr große Herausforderung drin. Da bin ich sehr gespannt, wie das realisiert werden kann. Oder ob man sich dann durchringt, so was noch mal neu zu denken.
[00:32:41] Dr. Thomas Lührmann: Jetzt haben wir gesprochen über die KI-SAP-Architektur und alles, was da reinspielt. Wir haben jetzt zuletzt gesprochen über die Frage, wie verändert das eigentlich, was da schon da ist und was sich ankündigt, die Frage, wie effizient und wie effektiv wir steuern. Jetzt lass uns mal zu den Voraussetzungen kommen, die dahinter liegen. Und du hast es gerade auch im Grundsatz unter dem Schlagwort Datenprodukt schon angesprochen. So die Grundhypothese ist erstmal: Keine intelligente KI ohne einen guten und auch intelligent sortierten Datenschatz. Wir haben schon gemeinsam drauf geguckt zu Beginn des Gesprächs, was die SAP da anbietet. Welche Bedeutung hat die Data Cloud im KI-Zielbild von SAP? Und vor allem Dingen, zurückkommend auf das Thema Datenprodukt: Was ist eigentlich so ein Datenprodukt? Und was unterscheidet das? Lass uns da bitte einfach noch mal tiefer einsteigen und genauer verstehen, was so ein Datenprodukt eigentlich ist.
[00:33:28] Tilman Hagen: Also Datenprodukt, das ist eben im SAP-Kontext nicht getrennt zu betrachten von der Business Data Cloud, die eben auch ein bisschen mehr ist als jetzt die Datasphere solitär betrachtet. Und es ist eben auch nicht so, man kann jetzt nicht sagen, dass das jetzt irgendwie das neue Data Warehouse, also weder die Datasphere noch die Business Data Cloud, sondern da geht's eben um wesentlich mehr. Und zwar geht's eben um einmal Daten, die in den Kontext von Datenprodukten gebracht werden und jetzt nicht mehr einfach so da stehen, wie es ja dann doch oft der Fall ist. Auch da noch mal Klammer auf, Klammer zu. Ich glaube, da sind wir im SAP-Kontext auch schon seit vielen Jahren weiter als Nicht-SAP-Datensituationen, um es mal so sperrig zu formulieren, weil wir z. B. in einem SAP Business Warehouse, SAP BW, auch schon in der Vergangenheit schon relativ viel an Metainformationen vorhanden hatten. Also sei es jetzt Hierarchien, Attribute, Texte, auch die Zusammenhänge zwischen Daten. Gab's den Business Content z. B. Also das war jetzt nicht alles komplett losgelöst, sondern man hat eigentlich schon auch so ein gewisses Set gehabt, ohne jetzt alle Metainformationen, die Datenprodukte am Ende auch ausmachen und alles, was ein Datenprodukt ausmacht. Aber das war jetzt schon wesentlich mehr, als man das jetzt an anderen Stellen sieht, wo Daten einfach komplett ohne Kontext vorhanden sind. Wo, glaube ich, auch KI zunächst mal drauf trainiert wurde auch in den letzten Jahren. Und da kommt natürlich auch dieser Datenproduktansatz vor allem her, weil man da gemerkt hat, okay, wir brauchen irgendwie mehr Kontextinformationen. So, das heißt nicht, dass jetzt in der SAP-Welt alles da schon perfekt ist, aber dass das jetzt so eine Business Data Cloud auf etwas aufsetzen kann. Und die Business Data Cloud kombiniert eben Datenprodukte, die stellt her diese Data Fabric, also ein Architekturprinzip, was es sagt auch, dass eigentlich nicht alle Daten unbedingt in einem richtigen Zielformat oder einem Zielsystem vorhanden sein müssen. Auch da noch mal Stichwort Zero Copy. Die Datasphere eben als eigentlichen technologischen Kern und dann die BDC, die Ende-zu-Ende-Lösung darstellt über das Ganze. Und wenn wir jetzt noch mal uns anschauen, was jetzt genau die Datenprodukte sind: Also Datenprodukte, das ist jetzt nicht unbedingt ein Bericht. Also ist jetzt nicht so, dass wir sagen können, ein Report ist jetzt ein Datenprodukt. Da kann man sich jetzt aus so ein bisschen darüber streiten oder ein bisschen philosophisch werden, aber die reine Lehre sagt eher nein. Und auch nicht einfach irgendeine Tabelle, die ich jetzt irgendwo abgelegt habe, sondern es geht darum, dass es ein Datenbestand ist, Datenbestand wohl gewählter Begriff, der eben auf der einen Seite wiederverwendbar ist, der eine Governance hat, wahrscheinlich der wichtigste Aspekt, und der verbunden ist mit Semantik, mit bestimmten Qualitätsanforderungen. Auch da, das kommt, denke ich, schon auch eher aus der Nicht-SAP-Welt, weil bei uns ist, glaube ich, der Qualitätsanspruch in der Regel der gleiche und in der Regel auch verhältnismäßig hoch, dass Daten halt eine gewisse Qualität haben. Auch da noch mal Hinweis: SAP hat ja auch dieses Jahr eine Akquisition initiiert mit Reltio, die auch sich stark auf das Thema Data Management fokussiert haben oder Data Management machen. Und das ist, denke ich, auch ein Wink in die Richtung, dass da noch mehr passieren soll, nur als kleine Randinformation. Datenprodukte darüber hinaus: Dokumentation ist wichtig, auch da gibt's Standardprotokolle, wie dokumentiert werden soll, Lifecycle Management und am Ende auch die Konsumierbarkeit, dass ich jetzt nicht eben sagen kann, ein Datenprodukt, das kann ich jetzt für meinen SAC-Bericht benutzen oder für meine KI, die in der SAC läuft, aber genauso gut kann ich da jetzt auch ein Databricks Forecasting-Modell drauf laufen lassen und habe da gewiss Sicherheiten. Ich kann davon ausgehen, dass sich da jetzt nicht grundsätzlich die Strukturen ändern. Wenn sie sich ändern, werde ich informiert, da gibt's Prozesse. Und das ist, glaube ich, der wesentliche Unterschied zu einem reinen Datensatz. Und wenn man noch Datenprodukte noch mal von der Begrifflichkeit her betrachtet, ist es ja auch genau das: Es soll ein Produkt sein. Also ein Produkt, was auch einen Produktlebenszyklus hat, was jemand hat, der sich um dieses Produkt kümmert. Und ich glaube, das ist das Sehr, Sehr Wichtige daran, weniger die Daten an sich, sondern das drumherum.
[00:37:19] Dr. Thomas Lührmann: Was ist ein gutes Beispiel, um es konkret zu machen? Wie kann so ein Datenprodukt aussehen? Wie kann man das mal an einem Beispiel konkret durchdeklinieren?
[00:37:25] Tilman Hagen: Ja, das kann beliebig granular aussehen. Also wir könnten jetzt sagen, wir haben einfach ein Datenprodukt, das nennen wir Net Revenue. Ja, da ist unser Net Revenue über bestimmte Gesellschaften aufgelistet, über einen bestimmten Zeitraum. Das ist jetzt sehr banal, das kann ich aber für meine SAC-Story nutzen und genauso auch für irgendein KI-Szenario. Und das hat eben nicht nur den reinen Wert, sondern da ist z. B. auch drin, wie ist eigentlich Net Revenue definiert? Ist das jetzt mit IFRS Sonder-Effekten oder ohne oder ist das jetzt in Euro oder in US-Dollar? Wer hat am Ende auch die Verantwortung für dieses Datenprodukt? Ist natürlich auch ein sehr, sehr wichtiger Punkt. Wie granular ist das, sind da bestimmte Hierarchien mit verknüpft? Woher kommt das, woher kommen die einzelnen Daten, ist das ein System, ist das ein SAP-System, kommen die aus verschiedenen Systemen vielleicht auch, diese sehr einfache Kennzahl Net Revenue, weil ich vielleicht viele Gesellschaften habe? Und am Ende aber auch die Frage, was darf ich damit eigentlich machen? Also es kann ja auch sein, dass sind jetzt vielleicht sogar regulatorische Dinge, wie das sind personenbezogene Daten und die darf ich zwar in meinem SAC-Dashboard mir anzeigen lassen, aber die darf ich jetzt nicht für irgendwelche KI-Szenarien nutzen. Dann ist das schon relativ viel, was mitkommt. Bei Net Revenue wird das wahrscheinlich eher nicht relevant sein, außer es ist der Revenue, den einzelne Personen machen.
[00:38:39] Dr. Thomas Lührmann: Klasse, ja, ich glaube das macht's schön konkret, vielen Dank. Jetzt mal zum Thema Governance und Verantwortung, weil es jetzt schon mehrfach angeklungen ist in unserem Gespräch. Wem gehört eigentlich die KI und wer verantwortet das, was da rauskommt an Prozessen und an Entscheidungen? Lass uns da mal näher draufgucken. Haben wir ja schon gesagt am Anfang, als es um die Frage ging, wie verändert sich eigentlich die Steuerung. Das eine der Facetten ist, die sich perspektivisch wahrscheinlich durch stärkere Datennutzung, durch datengetriebene Steuerung, durch KI-gestützte Steuerung verändern, ist, dass wir Entscheidungen und Transaktionen näher beieinander haben. Also wir entscheiden auf Basis transaktionaler Daten, nicht nur auf Basis der am Ende eines Prozesses entstehenden finanziellen Daten, und wir sind damit näher auch am tatsächlichen Geschäft und an Geschäftsrhythmen dran, als das in der herkömmlichen Entscheidungslogik im herkömmlichen Performance Management eigentlich abgebildet ist. Und dann stellt sich natürlich die Frage, wer ist da eigentlich perspektivisch verantwortlich? Und wir fangen mal oben an bei der Frage, wo liegt eigentlich in deiner Wahrnehmung die Verantwortung für die Unternehmens-KI? Wo muss man das organisatorisch abbilden? Ist das eine CIO-Aufgabe, ist das eine CFO-Aufgabe, gibt's den Chief Data Officer, wo ist es typischerweise angelegt, was funktioniert gut und was vielleicht auch noch nicht?
[00:39:58] Tilman Hagen: Also wenn man sich die Situation vorstellen, in der man sich befindet, wenn man KI nutzen möchte im Bereich Performance Management, dann können das ja schon unterschiedlichste Situationen sein, in denen ich Dinge organisieren muss. Also das einfachste ist Technologie, würde ich jetzt mal sagen aus organisatorischer Sicht. Aber dann sind es eben so Sachen wie, welche Zahl ist am Ende die richtige oder wie ist die Definition einer Kennzahl? Wer ist zuständig oder welcher Prozess ist zuständig für irgendetwas oder welche Personen, die einen Prozess verantwortet, ist für diesen Prozess eigentlich dann auch wirklich verantwortlich? Wer trifft Entscheidungen und warum trifft dieser Entscheidungen, in welchem Rahmen darf vielleicht auch eine KI eigenständig Entscheidungen treffen? Und das zeigt schon, es sind viele organisatorische Dinge, es sind Datenqualitätsthemen, es ist IT, es sind Prozesse. Und so muss man das aus meiner Sicht auch verorten. Also ich glaube auf der einen Seite haben wir die IT, die Verantwortung trägt, wenn es darum geht, eine Plattform bereitzustellen, und das finde ich muss auch klar definiert sein, dass das auch getan wird. Merkt man ja auch so oft, dass dann schnell verschiedenste Tools eingeführt werden, auch teilweise dezentral und durch den Fachbereich, weil es mal schnell gehen muss. Und dann hat man am Ende einen Bildwuchs und jetzt will ich dann am Ende eine orchestrierte Lösung haben, die über verschiedene Agenten hinweg irgendwas tut, dann wird das schon wieder sehr, sehr schwierig oder unnötig schwierig, wenn ich mir einfach diese grundsätzlichen Gedanken vorher gemacht hätte. Da geht's dann auch um so Fragen wie Security, Integration von verschiedenen Systemen, also all die klassischen Dinge, die wir auch schon aus anderen Szenarien kennen. Dann haben wir den eigentlichen Fachbereich, in unserem Fall jetzt sehr oft Finance, die sich um die Prozesslogik kümmern müssen, die dort die Verantwortung tragen, die auch inhaltlich Verantwortung tragen für die Qualität an Prozessergebnissen, die entsteht, aber auch an Daten, die sie nutzen, sofern sie dafür die Verantwortung tragen. Das ist ja auch wieder ein sehr spannendes Thema. Da könnten wir wahrscheinlich eine eigene Session hier drüber machen. Aber dann am Ende natürlich auch die Verantwortung tragen für den Business Outcome, also das, was aus diesem KI-Prozess, was dieser Agent eigentlich am Ende tut und an Ergebnissen vollführt. Und zusätzlich eben so was wie ein Data Office, also irgendwie ein Chief Data Officer mit seinem Team oder mit seinem Bereich, der schlussendlich die Datenprodukte verantwortet, der die Semantik verantwortet, der die Qualität verantwortet. Und da merken wir natürlich schon, das sind dann oftmals auch Grauzonen oder nicht ganz eindeutige Schnittstellen, gerade zwischen diesen zwei Bereichen: Wer ist eigentlich Data Officer und wer ist eigentlich Fachbereich? Und das ist dann die Extrasendung, die wir die wir dann irgendwann noch mal machen.
[00:42:13] Dr. Thomas Lührmann: Ja, vielleicht brauchen wir für die nächste Frage auch eine Extrasendung, aber wir probieren's trotzdem mal. Weil auf der einen Seite, man könnte da jetzt ja herauslesen, dass es so ein bisschen Zielkonflikt gibt. Auf der einen Seite wollen wir irgendwie schnell ins Tun kommen, Sandboxing, KI einsetzen, experimentieren und machen. Und dann kommen wir irgendwie gleichzeitig mit dem erhobenen Zeigefinger und sagen: Moment, da gibt's ganz viele Governance-Themen, ihr müsst erstmal klären, sonst entsteht da ein Wildwuchs. Also, ne, sehr platt formuliert, jetzt kommt plötzlich die Bürokratie und wirkt hier als große Innovationsbremse. Governance hindert uns daran, ins Tun zu kommen. Das wird man jetzt nicht komplett auflösen können, aber vielleicht gibt's ja irgendwie so die zwei, drei, vier, fünf Themen, wo du sagst, die müssen wir governanceseitig in jedem Fall gelöst haben und alles andere ist dann auch noch nett, aber was sind so die Prioritäten, wo du sagen würdest: Also, wenn ihr die nicht gelöst habt, wenn ihr da nicht eine Klarheit habt, dann wird's schwierig und die müssen wir in jedem Fall angehen.
[00:43:05] Tilman Hagen: Ja, also ich glaube, das ist die allseits beschworene Aufgabe, die eigentlich jetzt getan werden müsste, bevor man sich damit beschäftigt, welche jetzt eigentlich die richtige Technologie ist. Vielleicht darf man das auch parallel machen, aber zumindest sollte man jetzt starten, sich mit der mit der AI-Governance zu beschäftigen. Und da geht's vor allem darum auch zu wissen, wie erkenne ich eigentlich oder woher weiß ich, welche KI-Assets, welche Dinge eigentlich bei mir im Unternehmen entstanden sind. Also da einen Katalog zu entwickeln, ein Inventar, wer ist dafür der Owner, welche Risikoklassen hat dieser dieses jeweilige Szenario? Das ist der Punkt, den du jetzt auch eben angesprochen hast. Komme ich auch gleich nochmal drauf zu sprechen. Welche Daten sind für was erlaubt im Zusammenhang mit Datenprodukten, wie sehen Modelle und Agenten aus, was sind auch Freigabeprozesse, wie monitore ich das Ganze? Also das ist, denke ich mal, so die Grundvoraussetzung, das muss ich definieren und das muss dann auch verbindlich sein. Und in diesem Kontext eben Risikoklassen zu definieren, ist, glaube ich, auch ein sehr, sehr sinnvoller Anwendungsfall beziehungsweise die Kernaufgabe, eine der Kernaufgaben, so herum, die auch vollführt werden muss, weil die dann eben auch die Voraussetzung schafft, um dann doch auch schnell zu sein an einigen Stellen. Aber was genau diese Risikoklasse ausmacht, das ist natürlich auch sehr stark abhängig davon, was das jeweilige Unternehmen tut. Wenn ich jetzt mit vielen kritischen Daten arbeite und die auch nutze, dann habe ich natürlich andere Regularien hier noch mal, als wenn ich das nicht tue oder wenn die einfach für mich jetzt nicht so wichtig sind in meinen Szenarien. Und das muss, glaube ich, jeder für sich individuell erarbeiten, wie das jetzt genau aussieht. Ich glaube, wichtig ist nur, dass man am Ende verschiedene Kategorien hat, dass man sagt, es gibt Themen, die haben kein Risiko oder ein sehr geringes Risiko, dass es Themenfelder hat, die haben ein mittleres Risiko und ein hohes Risiko. Und dass es dann auch entsprechende Freigaben gibt. Und wenn es jetzt Use Cases sind, die ein niedriges Risiko haben, dass ich dann eben auch eher so eine Art Fast Lane habe und schnell Dinge umsetzen kann, aber das dann eben auch bewusst mache und nicht dann einfach durch Zufall, weil ich eben eine solche Governance nicht hatte.
[00:44:57] Dr. Thomas Lührmann: Super. Über das Governance-Thema haben wir ja vorhin schon angedeutet, kann man locker nochmal zwei, drei weitere Podcasts füllen. Ich würde sagen, die grundlegende Frage, wie verändert sich eigentlich Entscheidung, wie verändert sich Verantwortung für eine Entscheidung, die ich als Manager, als Controller, als Mensch dann nicht mehr vollständig selbst getroffen habe, sondern die mir die KI ein Stück weit abgenommen hat, die parken wir mal und heben sie uns für den nächsten Dialog auf. Und werfen jetzt vielleicht nur einmal summarisch den Blick nach vorn. Was tut sich noch so in den nächsten zwei, drei Jahren an der SAP-KI-Ecke, was wir im Moment vielleicht, was du weißt, aber was als jemand, der eher aus der Performance Management Steuerungsbrille draufguckt im Moment vielleicht noch nicht so auf dem Schirm hat und was sind da wesentliche Themen, die aktuell vielleicht noch unterschätzt werden?
[00:45:41] Tilman Hagen: Ich glaube nicht, dass da jetzt, oder mir ist nicht bekannt, dass da jetzt noch Dinge geplant sind, mit Sicherheit noch Dinge, die uns überraschen werden, positiv mit Sicherheit. Sondern die verschiedenen Bausteine, die ich eingangs beschrieben habe, mit Joule, mit Joule Work als Intentionsschicht, ich glaube, da ist schon mal ein sehr, sehr großes Potenzial. Mit den Assistenten, die eben auch mehrere Agenten und Systeme zusammenführen können, das ist, denke ich, was, wo viel Raum ausgefüllt werden kann in den nächsten zwei, drei Jahren. Und eben das ja, das glaube ich jetzt nicht nur wichtig ist jetzt, das noch das nächste, noch perfektere LLM zu entwickeln, sondern dass es jetzt eben darum geht, diese Integration zu schaffen in die eigentliche transaktionale Datenwelt, die jetzt auch schon da ist. Und das ist jetzt, glaube ich, die große Aufgabe drin in den nächsten zwei, drei Jahren, die Voraussetzungen zu schaffen, muss man noch mal aufgreifen das Thema Governance. Und dann wird SAP da auch flankieren mit den entsprechenden Lösungen. Und das muss jetzt irgendwie Hand in Hand gehen. Also ich glaube, wichtig ist, dass diese Agenten kommen, dass die Möglichkeit auch mit Joule Studio, das jetzt auch noch mal neu aufgerollt wird, dass da die Möglichkeit besteht, das auch zu entwickeln. Und da werden wir, glaube ich, alle auch sehr, sehr viel Arbeit vor uns haben, das auf die Straße zu bringen, weil das am Ende ja auch ein ganz wichtiger Vorteil sein wird oder Nachteil, wenn nicht, den Unternehmen haben, wenn sie zukünftig wesentlich stärker auf diese Agenten setzen, die es ja auch vorher gar nicht gab. Und da werden wir alle viel viel Spaß dabei haben, das entsprechend konzeptionell, fachlich, prozessual, vielleicht Prozesse noch mal neu zu denken oder komplett anders zu denken. Ich glaube, das unabhängig von der Technologie wird, glaube ich, komplett unterschätzt, dass Dinge, die heute so gemacht werden, dass die wahrscheinlich im in drei, vier, fünf Jahren um 180° gedreht gemacht werden, weil es einfach nicht notwendig ist, das so zu tun, wie man's als Mensch getan hat oder als Team getan hat. Und das wird uns wahrscheinlich, das wird uns wahrscheinlich überraschen.
[00:47:45] Dr. Thomas Lührmann: Absolut, davon bin ich auch überzeugt. Ist ja die bekannte Aussage: Man überschätzt das, was die KI am kurzen Ende oder was eine neue Technologie am kurzen Ende tun kann und unterschätzt, was sie am langen Ende tun wird.
[00:47:59] Tilman Hagen: Ja genau.
[00:48:01] Dr. Thomas Lührmann: Abschlussfrage. Wir versetzen uns mal in die Rolle eines CFOs, eines Controlling-Leiters eines größeren Unternehmens. Klar, dass sie auf SAP setzen. So gut wie klar, dass KI auf der Agenda steht, aber es gibt eben auch noch vieles, was ungeklärt ist, was vielleicht auch unübersichtlich ist. Was soll ich denn jetzt am Montag tun, Montag früh? Und ich will jetzt SAP und KI angehen als CFO und Controlling-Leiter. Welche drei Dinge sollte ich auf der Agenda haben und unmittelbar angehen?
[00:48:13] Tilman Hagen: Ich gebe erst mal die einfache Antwort, die Verkaufsantwort, dann doch. Und dann wahrscheinlich das Aber. Ich denke, was man als CFO machen kann, ist, sich einfach mal einen konkreten Steuerungsprozess auszuwählen, den man aktuell hat. Sich zu überlegen zweitens, welche Daten ich für diesen Prozess brauche, und auch festzustellen, wie da eigentlich diese, ich sag mal, Semantik-Readiness vorhanden ist, also wie weit bin ich da überhaupt mit diesen ganzen Informationen, die ich brauche, Kontextinformationen. Und auch zu überlegen, ist das überhaupt prozessual alles einheitlich und eindeutig definiert? Wer Verantwortung trägt, wie Entscheidungen getroffen werden dann auf Basis dieses Prozesses. Also ich glaube, das wirklich mal wie ein eigentlich wie ein klassisches Fachkonzept sozusagen herunterzuschreiben. Das wäre der zweite Schritt. Und der letzte Schritt, dann eben auch noch mal zu überlegen, wie dann konkret eine Autonomie dieses Prozesses aussehen kann in der zukünftigen Welt. Also kann ich den dann überhaupt komplett losgelöst laufen lassen über Agenten, über Assistenten oder an welchen Stellen müsste dann noch jemand interagieren mit diesem Agenten oder mit diesem Assistenten, um Entscheidungen final freizugeben anhand eines Korridors beispielsweise? Also ich glaube, das würde ich machen, um ein Gefühl dafür zu kriegen, unabhängig von der wirklichen Umsetzung. Und das würde ich wahrscheinlich als Anlass nehmen und dann mit diesen Erkenntnissen da hineingehen und wirklich darüber zu sprechen, wie kann ich jetzt KI in meinem Unternehmen wirklich ausrollen? Weil ich glaube ich mit diesen drei Fragen, die ich gestellt habe, schon einige grundsätzliche Hürden festgestellt habe, um die ich mich noch wesentlich intensiver kümmern muss, bevor ich damit beginne, eine AI Governance aufzusetzen und eine geeignete technologische Lösung zu finden.
[00:49:51] Dr. Thomas Lührmann: Klasse. Vielen Dank, Tilman, das war ein toller Ritt durch das, was KI aktuell und zukünftig kann und wie die SAP mit den unterschiedlichen Elementen ihrer Architektur dazu beiträgt und was sich da noch tun wird. Ich glaube, das macht neugierig auf das, was da schon da ist und was noch kommt. Und ist auch ein Call to Action: Ins Machen kommen, loslegen. Von daher war das inspirierend und hat viel Spaß gemacht. Vielen Dank für das Gespräch.
[00:50:15] Tilman Hagen: Vielen Dank für die Einladung, vielen Dank für die Chance. Und ich freue mich mal wieder im Gespräch zu sein mit dir, wo wir dann uns überlegen können, vielleicht in einem Jahr, ob das, was wir jetzt hier in der im Jetzt und in der Zukunft gesehen haben, dann tatsächlich eingetreten ist.
[00:50:27] Dr. Thomas Lührmann: Absolut, so machen wir das. Tausend Dank, alles Gute!
[00:50:29] Tilman Hagen: Bis dann, tschüss!
[00:50:33] Christian Bungenstock: Nehmen Sie aus dieser Etappe Impulse für den KI-Einsatz in der Unternehmenssteuerung in einem SAP-Umfeld und darüber hinaus mit, dann hat sich die gemeinsame Reise gelohnt. In einem Monat geht es weiter mit einer neuen Etappe von Zielführung starten. Wenn Sie keine Folge verpassen möchten, abonnieren Sie uns in Ihrer Podcast-App. Für Fragen, Resonanz und Anregungen für weitere Themen erreichen Sie uns jederzeit unter podcast@ctcon.de. Wir freuen uns auf unseren Austausch. Danke fürs Zuhören und bis zur nächsten Etappe von Zielführung starten.
[00:51:13] Podcast: Das war "Zielführung starten", der Management-Podcast von CTcon.

Zurück zum Podcast