Kommentar von Dr. Ulrich Faisst, All for One Group SE Was SAPs RPT-1 für den Mittelstand bedeutet

Anbieter zum Thema

SAP Deutschland SE & Co. KG

Board Deutschland GmbH

INFOMOTION GmbH

QUNIS GmbH

SAP verschiebt den Fokus von generativer Künstlicher Intelligenz (KI) hin zu operativer, prozessnaher Intelligenz. Mit RPT-1 liegt erstmals ein Modell vor, das nicht auf Sprachdaten, sondern auf Geschäftsdaten trainiert wurde. Für mittelständische Unternehmen markiert das einen Wendepunkt.

Während die KI-Entwicklung der vergangenen zwei Jahre vor allem von text- und bildgenerativen Anwendungen geprägt war, verfolgt SAP mit RPT-1 (Relationale Transformer Model) einen anderen Ansatz. Das Modell wurde darauf trainiert, Muster, Beziehungen und numerische Strukturen aus Geschäftsdaten zu verstehen. Dieser Fokus ist entscheidend, denn operative Entscheidungen entstehen in Unternehmen überwiegend auf Basis tabellarischer und relationaler Informationen und selten aus freien Texten.

Eine zentrale Besonderheit liegt im In-Context-Learning: RPT-1 benötigt keine klassische Modell-Entwicklung mit Training und Finetuning pro Use Case, was den Trainingsaufwand drastisch reduziert. Stattdessen orientiert sich RPT-1 an Beispielen aus dem Unternehmenskontext und erzeugt daraus Prognosen sowie fachlich konsistente Empfehlungen in Echtzeit. Für viele mittelständische Unternehmen bedeutet das eine spürbare Entlastung, da sie zwar über wertvolle Daten verfügen, jedoch selten die Ressourcen besitzen, für jede Fragestellung bestehende KI-Modelle für ihre individuellen Anwendungsfälle anzupassen oder langfristig zu betreiben. RPT-1 wird so zu einem universellen Fundament, das viele Szenarien abdeckt und die bisher verbreitete KI-„Inseln“ ablösen kann.

Kommentar von Markus Marsch, SAP

Wie Führungskräfte KI-Kompetenz nachhaltig aufbauen können

Mit dieser Ausrichtung reagiert SAP auf einen klaren Trend: In vielen Unternehmen verläuft die KI-Einführung bislang eher schleppend und häufig fragmentiert, etwa über Chatbots oder isolierte Automatisierungen, die kaum Einfluss auf die Kernprozesse haben. Der fehlende End-to-End-Kontext begrenzt ihren Nutzen. RPT-1 schließt diese Lücke, indem es, eingebettet in SAP-Anwendungen, Kontext aus Transaktionen, Stammdaten und Prozesslogiken ableiten kann. So entsteht eine Form der Unterstützung, die nicht nur zusätzliche Informationen liefert, sondern direkt im operativen Geschäft ansetzt.

Wenn KI nicht nur analysiert, sondern handelt

Parallel zur Einführung von RPT-1 treibt SAP den Aufbau von Agenten-Systemen voran. Während das neue KI-Modell die Prognose- und Interpretationsschicht bildet, nutzen KI-Agenten diese Ergebnisse, um innerhalb der Prozesse zu handeln. Ein solcher Agent führt nicht nur direkte Anweisungen aus, sondern setzt vorgegebene Ziele um, indem er die dafür notwendigen Schritte weitgehend autonom ableitet. Er interpretiert Situationen, priorisiert Vorgänge, prüft Dokumente, erkennt Abweichungen und stößt darauf aufbauend Folgeaktionen an.

Dafür greift er auf Modelle wie RPT-1 zu, um den fachlichen Kontext zu verstehen, und führt anschließend Workflows und Transaktionen aus. Damit entsteht eine Prozessunterstützung, die über die klassische Automatisierung hinausgeht. Während regelbasierte Systeme nur vordefinierten Pfaden folgen, können Agenten-Systeme flexibel auf neue Konstellationen reagieren und Entscheidungen vorbereiten, die sich nicht vollständig im Voraus modellieren lassen.

Perspektivisch arbeitet SAP an Multi-Agenten-Systemen, in denen mehrere spezialisierte Agenten parallel agieren, sich gegenseitig Informationen bereitstellen und so komplexe End-to-End-Prozesse orchestrieren. In solchen Szenarien lassen sich Finanzkennzahlen, Bestandsdaten, Lieferzeiten oder Serviceintervalle miteinander verknüpfen, um Abläufe ganzheitlich und vorausschauend zu steuern. Erste Ansätze hierfür zeichnen sich bereits in der Produktentwicklung ab und werden in den kommenden Jahren schrittweise in Anwendungen sichtbar.

Wenn Datenstrategie zur Geschäftsstrategie wird

Doch die Leistungsfähigkeit solcher Systeme hängt unmittelbar vom Datenfundament beziehungsweise von der entsprechenden Datenqualität ab. Viele Unternehmen arbeiten mit historisch gewachsenen Datenlandschaften. Unterschiedliche Definitionen, schwankende Qualität und nicht verbundene Datenbestände führen dazu, dass Informationen zwar vorhanden sind, aber nicht in einer Form, die Agenten-Systeme zuverlässig nutzen können. Unter diesen Bedingungen entstehen widersprüchliche Prognosen oder verschiedene Interpretationen identischer Sachverhalte.

Erst konsolidierte Stammdaten, bereinigte Dubletten und einheitliche semantische Strukturen schaffen die Grundlage für stabile, wiederholbare Entscheidungen. Datenqualität wird damit zu einem Produktionsfaktor. Sie bestimmt, wie belastbar Vorhersagen im Prozess sind, wie zuverlässig KI-Agenten Aufgaben analysieren, priorisieren sowie umsetzen und ob sich aus einem einzelnen Szenario ein skalierbares Portfolio von KI-Anwendungen entwickeln lässt.

SAP TechEd 2025: Cloud wird Fundament für KI-gesteuerte Geschäftstransformation

SAP HANA Cloud – „die Datenbank, auf die KI gewartet hat“

Unter diesen Voraussetzungen wird die Datenstrategie zunehmend zur Geschäftsstrategie. Sie definiert, wie ein Unternehmen steuert, plant und operative Entscheidungen automatisiert. Zudem entscheidet sie darüber, wie schnell Organisationen neue KI-Funktionalitäten produktiv adaptieren können.

Cloud-Plattformen als technologische Klammer

Damit prozessnahe KI verlässlich wirken kann, müssen Daten, Modelle und Anwendungen in einer gemeinsamen Architektur zusammengeführt werden. Diese Aufgabe übernimmt die SAP Business Technology Platform in Verbindung mit der Business Data Cloud und der AI Foundation. Sie stellen die Integrations- und Semantikschichten bereit, über die Daten harmonisiert und Modelle wie RPT-1 nutzbar werden. Gleichzeitig bieten sie die Basis für Agenten-Systeme, die Workflows orchestrieren und direkt im Prozess operieren.

RPT-1 wird über den Generative AI Hub bereitgestellt und kann dort über integrierte Schnittstellen auf Geschäftsobjekte und Prozessdaten zugreifen. Dadurch entstehen keine separaten KI-Landschaften, sondern Erweiterungen des operativen Kerns. Datenprodukte, semantische Modelle oder Agenten, die einmal entwickelt wurden, lassen sich in dieser Architektur über verschiedene Bereiche hinweg wiederverwenden und konsistent weiterentwickeln. Unternehmen profitieren damit von einer Umgebung, in der Integration, Governance und Betrieb einheitlich geregelt sind und in der neue Funktionen ohne zusätzliche Schnittstellenprojekte ausgerollt werden können.

Für viele Unternehmen markiert dies eine Abkehr von punktuellen Integrationen. KI-Funktionalitäten entstehen nicht mehr als isolierte Lösungen, sondern als wiederverwendbare Bausteine, die sich in Prozesse einfügen und dort skalieren lassen.

Was bedeutet das für den Mittelstand?

Aus dieser Entwicklung ergibt sich für den Mittelstand vor allem eine organisatorische Konsequenz. Viele Unternehmen müssen ihre Systeme modernisieren, regulatorische Anforderungen erfüllen, Datenqualität erhöhen und erste KI-Use-Cases aufbauen – oft parallel zum laufenden Tagesgeschäft. Die Herausforderung liegt dabei weniger im fehlenden Willen oder im technologischen Know-how, sondern in der Gleichzeitigkeit all dieser Aufgaben.

Hier zeigt sich, wie wichtig die Rolle externer Digitalisierungspartner geworden ist. Nicht als reiner Implementierer einzelner Projekte, sondern als Orchestrierer und Begleiter eines kontinuierlichen Transformationsprozesses. Sie helfen, Abhängigkeiten sichtbar zu machen, Prioritäten zu sortieren und technische Schritte so zu takten, dass der operative Betrieb stabil bleibt. Ohne diese koordinierende Funktion geraten Initiativen schnell ins Stocken, bevor sie ihren Nutzen entfalten.

Die KI-Roadmap von SAP, von RPT-1 bis hin zu Agenten-Systemen, verstärkt diesen Wandel: Innovation wandert in die Prozesse, weg von isolierten Experimenten hin zur operativen Intelligenz. Für den Mittelstand heißt das konkret: KI schafft nur dort Wert, wo Daten, Prozesse und Cloud-Plattformen als zusammenhängendes System gedacht und gepflegt werden.

Wer jetzt diese Grundlage legt, verbindet Datenmodell und Prozesslogik und schafft so die Voraussetzung, kommende KI-Funktionen frühzeitig und wirtschaftlich zu nutzen.

(ID:50652028)