SAP Autonomous Enterprise: Was SAPs neue KI-Strategie für HR bedeutet

Viele Unternehmen nutzen künstliche Intelligenz bereits im HR. Stellenanzeigen werden schneller formuliert, Entwicklungsziele sprachlich sauberer beschrieben, wiederkehrende Fragen automatisiert beantwortet. Das ist hilfreich. Aber es ist noch nicht das, was SAP mit der Autonomous Enterprise beschreibt.

Denn hinter dem Begriff steckt mehr als ein neues KI-Feature. Es geht um eine neue Vorstellung davon, wie Unternehmensprozesse künftig funktionieren können: weniger manuelle Übergaben, weniger Silos, weniger Koordination von Hand. Dafür mehr Assistenz, mehr Automatisierung und stärker vernetzte Entscheidungen.

Im Webinar „SAP Autonomous Enterprise: Was SAPs neue KI-Strategie konkret für HR bedeutet“ haben die tts digital HR experts eingeordnet, was diese Entwicklung für HR bedeutet – nicht als technischer Deep Dive, sondern als Orientierung für Unternehmen, die verstehen möchten, was auf HR in den kommenden Jahren zukommt.

Die kurze Antwort: SAP Autonomous Enterprise ist kein Thema, das HR isoliert betrachten sollte. Es betrifft Prozesse, Daten, Governance, Rollen und die Frage, wie HR künftig arbeiten möchte.

Viele KI-Anwendungen im HR unterstützen heute einzelne Aufgaben. Ein Recruiter lässt sich eine Stellenanzeige entwerfen. Eine Führungskraft nutzt KI, um Ziele klarer zu formulieren. Mitarbeitende stellen einer Assistenzlösung eine Frage zu Benefits oder Abwesenheiten.

Der Mensch bleibt dabei aber weiterhin derjenige, der den gesamten Prozess steuert: Informationen zusammentragen, Rückfragen klären, Aufgaben weiterleiten, Entscheidungen vorbereiten, Dokumentation nachhalten.

Mit Autonomous HCM verschiebt sich diese Logik. SAP beschreibt eine Welt, in der KI nicht mehr nur einen einzelnen Schritt unterstützt, sondern Prozessketten stärker begleitet. Assistenten verstehen Anfragen, interpretieren Absichten und koordinieren die passenden Agenten. Diese Agenten übernehmen spezialisierte Aufgaben innerhalb eines Prozesses.

Wichtig ist dabei: Der Mensch verschwindet nicht aus dem Prozess. Kritische Entscheidungen, Richtungsentscheidungen und Verantwortung bleiben weiterhin bei HR, Führungskräften oder anderen zuständigen Personen. Aber administrative und koordinative Tätigkeiten können stärker durch digitale Unterstützung übernommen werden.

Für HR ist das der eigentliche Perspektivwechsel. KI wird nicht nur Werkzeug, sondern Teil eines neuen operativen Arbeitsmodells.

HR ist in vielen Unternehmen stark durch wiederkehrende operative Arbeit gebunden. Fragen zu Policies, Benefits, Abwesenheiten oder Gehaltsabrechnungen wiederholen sich. Gleichzeitig müssen Aufgaben zwischen HR Services, Payroll, IT, Führungskräften und Mitarbeitenden koordiniert werden.

Genau hier setzt die SAP-Vision an. Autonomous Enterprise soll nicht einfach nur schneller machen. Der größere Hebel liegt darin, Prozessgrenzen und Zuständigkeitsgrenzen zu reduzieren. Assistenten und Agenten können Aufgaben über Systeme und Bereiche hinweg vorbereiten, weiterleiten oder ausführen – soweit die Regeln, Berechtigungen und Datenqualität das zulassen.

Das klingt technisch. Für HR ist die eigentliche Frage aber sehr praktisch:

Was passiert, wenn Prozesse nicht mehr an jeder Schnittstelle manuell angeschoben werden müssen?

Dann entstehen neue Möglichkeiten für Entlastung. HR kann sich stärker auf Beratung, Steuerung und strategische Workforce-Themen konzentrieren. Gleichzeitig steigen aber auch die Anforderungen an Transparenz. Wenn digitale Agenten Aufgaben übernehmen, muss nachvollziehbar bleiben, was sie tun, warum sie es tun und auf welcher Datengrundlage sie handeln.

Vertrauen entsteht hier nicht durch Automatisierung allein, sondern durch Auditierbarkeit, klare Verantwortlichkeiten und saubere Governance.

SAPs Ansatz lässt sich vereinfacht in drei Ebenen beschreiben.

Die erste Ebene ist die Interaktion mit den Nutzerinnen und Nutzern. Hier kommt Joule Work ins Spiel. Joule Work ist die neue Assistenzschicht, über die Mitarbeitende, HR oder Führungskräfte Anfragen stellen, Informationen abrufen oder Aufgaben anstoßen können. Es geht also um die Oberfläche, über die Menschen mit der KI arbeiten.

Darunter liegt die Ebene der Business-Systeme. Im HR-Kontext sind das beispielsweise SAP SuccessFactors oder angrenzende SAP-Systeme. Dort liegen Stammdaten, Prozesse, Workflows, Berechtigungen und Geschäftsregeln. Das ist ein zentraler Unterschied zu generischen KI-Tools: Die Agenten arbeiten nicht losgelöst von der Unternehmensrealität, sondern sollen auf vorhandene Prozess- und Datenstrukturen zugreifen.

Die dritte Ebene ist die SAP Business AI Platform. Hier werden unter anderem eigene Agenten, Datenverknüpfungen und Erweiterungen möglich. Begriffe wie Joule Studio oder SAP Knowledge Graph gehören in diesen Kontext.

Für HR ist dabei weniger entscheidend, jedes technische Detail zu kennen. Wichtiger ist zu verstehen: Je besser Daten, Prozesse und Berechtigungen im Unternehmen strukturiert sind, desto sinnvoller können KI-Funktionen darauf aufbauen.

Die Entwicklung wird besonders in drei HR-Bereichen greifbar: Plan & Hire, Manage & Pay und Develop & Grow.

Plan & Hire: Recruiting wird koordinierter

Im Recruiting liegt der größte Aufwand oft nicht in der Formulierung einer Stellenanzeige. Der größere Aufwand entsteht durch Abstimmung: Anforderungen erfassen, Hiring Manager einbinden, Kandidatenprofile vergleichen, Interviews koordinieren, Feedback nachhalten und den Übergang ins Onboarding vorbereiten.

Ein Recruiting-Assistent könnte künftig stärker genau diese Koordination unterstützen. Nicht nur Texte erstellen, sondern Bewerbungen priorisieren, Abstimmungen vorbereiten und Prozessschritte miteinander verbinden.

Der Nutzen liegt damit nicht nur in ein paar Minuten Zeitersparnis pro Aufgabe. Der eigentliche Business Case entsteht durch schnellere Abstimmung, konsistentere Qualität und eine bessere Candidate Experience.

Manage & Pay: Verlässlichkeit wird zum zentralen Wert

In Core-HR-Prozessen wie Time, Payroll oder HR Services geht es weniger um spektakuläre KI-Anwendungen. Hier zählt vor allem Verlässlichkeit.

Ein Payroll-Assistent könnte beispielsweise dabei helfen, Auffälligkeiten in Lohnläufen früher zu erkennen. HR- und Zeitdaten könnten besser miteinander abgeglichen werden. Mitarbeitende könnten bei Fragen zur Abrechnung schneller zur richtigen Information oder zum nächsten Schritt geführt werden.

Das klingt auf den ersten Blick weniger visionär als andere KI-Szenarien. Für HR kann es aber besonders wertvoll sein. Denn wenn Payroll, Zeitwirtschaft und HR Services stabiler laufen, sinkt das Anfragevolumen, Fehler werden früher sichtbar und Vertrauen in HR steigt.

Develop & Grow: Entwicklung wird vernetzter

Im Bereich Talent, Learning und Entwicklung geht es darum, Daten stärker miteinander zu verbinden. Viele Unternehmen haben bereits Prozesse für Ziele, Performance, Learning, Skills oder Karriereentwicklung. Oft laufen diese Prozesse aber nebeneinander.

Autonomous HCM kann hier helfen, Zusammenhänge sichtbarer zu machen: Welche Fähigkeiten sind vorhanden? Wo entstehen Skill Gaps? Welche Entwicklungsziele passen zu Rollen, Karrierewünschen oder Unternehmensanforderungen? Welche Lernangebote sind sinnvoll?

Der Nutzen liegt nicht nur in besseren Trainingsempfehlungen. Der größere Hebel liegt darin, Entwicklung individueller und skalierbarer zu machen.

So viel Potenzial die Vision hat: Sie setzt Grundlagen voraus.

Autonomous Enterprise funktioniert nur dann sinnvoll, wenn die darunterliegenden Daten, Prozesse und Berechtigungen belastbar sind. KI kann schlechte Daten nicht dauerhaft heilen. Sie kann unklare Prozesse nicht zuverlässig automatisieren. Und sie sollte fehlende Governance nicht ersetzen.

Unternehmen sollten deshalb nicht mit der Frage starten:

Welche KI-Funktion können wir aktivieren?

Sinnvoller ist die Frage:

Welche HR-Prozesse sind klar genug, digital genug und regelbasiert genug, damit KI dort wirklich unterstützen kann?

Dazu gehören mehrere Voraussetzungen:

• saubere Stammdaten
• klare Prozesslogik
• definierte Verantwortlichkeiten
• nachvollziehbare Berechtigungen
• ein realistisches Verständnis von Automatisierung
• Governance für Entscheidungen und Ausnahmen
• Change Management für die spätere Nutzung

Je autonomer ein Prozess unterstützt wird, desto wichtiger werden diese Grundlagen.

Noch ist vieles in Bewegung. Roadmaps verändern sich, Funktionen werden schrittweise ausgerollt, Lizenzmodelle müssen je nach Use Case geprüft werden. Genau deshalb ist jetzt nicht der Moment für Aktionismus.

Es ist aber ein guter Moment für Orientierung.

Unternehmen können heute bereits prüfen, wie KI-ready ihre HR-Organisation ist. Dabei geht es nicht nur um Technik, sondern um die Frage, ob HR-Prozesse, Daten und Teams auf eine stärker KI-gestützte Arbeitsweise vorbereitet sind.

Ein sinnvoller erster Schritt kann sein:

1. die eigene HR-Systemlandschaft einordnen
2. Prozesse auf Automatisierbarkeit prüfen
3. Datenqualität und Berechtigungen bewerten
4. relevante Use Cases priorisieren
5. Führungskräfte und HR-Teams frühzeitig einbinden
6. Roadmap-Entwicklungen von SAP beobachten
7. Pilotbereiche definieren, in denen Nutzen messbar wird

Die wichtigste Erkenntnis: Autonomous Enterprise ist kein einzelnes Projekt. Es ist eine Entwicklung, die HR über die kommenden Jahre begleiten wird.

Welche Voraussetzungen müssen in SAP HCM oder SAP SuccessFactors erfüllt sein, damit KI-Agenten sinnvoll genutzt werden können?

Die wichtigste Grundlage sind verlässliche Daten und klare Prozesse. KI-Agenten können nur dann sinnvoll unterstützen, wenn Stammdaten gepflegt, Berechtigungen sauber definiert und Prozessregeln eindeutig sind. Je stärker HR-Prozesse standardisiert und digital abgebildet sind, desto leichter können Agenten darauf aufsetzen.

Das bedeutet nicht, dass alles perfekt sein muss. Aber Unternehmen sollten wissen, wo Datenlücken, Sonderlogiken oder manuelle Umgehungen bestehen. Genau diese Punkte können sonst später die Automatisierung erschweren.

Besteht die Gefahr, dass KI fehlende Standardisierung und Harmonisierung einfach überdeckt?

Diese Sorge ist berechtigt. KI sollte nicht dazu genutzt werden, uneinheitliche Prozesse oder schlechte Daten nur oberflächlich zu kaschieren. Kurzfristig kann ein System vielleicht mit Unschärfen umgehen. Langfristig steigt aber das Risiko für falsche Ergebnisse, unklare Entscheidungen oder hohe Komplexität.

Gerade deshalb bleiben Standardisierung und Harmonisierung wichtig. Autonomous Enterprise macht gute Prozess- und Datenarbeit nicht überflüssig. Im Gegenteil: Sie wird noch wichtiger.

Welche zusätzlichen Lizenzen werden für Joule, SAP Business AI oder Agenten benötigt?

Das hängt stark vom konkreten Use Case ab. Im SAP-Umfeld gibt es Basisfunktionen und erweiterte beziehungsweise verbrauchsbasierte Modelle. Welche Lizenzen notwendig sind, lässt sich daher nicht pauschal beantworten.

Für Unternehmen ist es sinnvoll, nicht abstrakt über „KI-Lizenzen“ zu sprechen, sondern konkrete Szenarien zu prüfen: Welche Funktion soll genutzt werden? Welche Systeme sind beteiligt? Wie hoch ist das erwartete Nutzungsvolumen? Erst dann lässt sich bewerten, welche Lizenz- und Kostenlogik relevant wird.

Welche Modelle stecken hinter Joule und den SAP-Agenten?

Für viele HR-Anwendungsfälle ist weniger entscheidend, welches einzelne Foundation Model im Hintergrund arbeitet. Wichtiger ist, wie kontrolliert die KI auf Unternehmensdaten zugreifen darf, welche Berechtigungen gelten und wie Entscheidungen nachvollzogen werden können.

SAP setzt bei Joule und den neuen KI-Funktionen auf eine Business-AI-Architektur, bei der Modelle, Business-Daten und Prozesskontext zusammenspielen. Für HR ist dabei besonders wichtig, dass personenbezogene Daten geschützt bleiben und Berechtigungen sauber greifen.

Wird SAP auch für SAP HCM Agenten bereitstellen oder liegt der Fokus auf SAP SuccessFactors?

Der Innovationsfokus liegt klar auf der Cloud- und SuccessFactors-Welt. Gleichzeitig gibt es einzelne Bereiche, etwa rund um Employee Central Payroll, in denen auch angrenzende HCM-nahe Szenarien relevant werden können.

Für Unternehmen mit klassischen SAP-HCM-Landschaften bedeutet das: Es lohnt sich, die Roadmap genau zu beobachten und zu prüfen, welche KI-Funktionen direkt nutzbar sind und wo individuelle Erweiterungen oder Übergangsszenarien sinnvoll sein können.

Werden heutige SAP Discovery Use Cases später automatisch zu echten Agenten?

Nicht automatisch. Ein Discovery Use Case kann zeigen, wo KI Mehrwert stiften könnte. Ein Agent geht aber einen Schritt weiter: Er muss Aufgaben ausführen, Prozessschritte koordinieren, Berechtigungen beachten und nachvollziehbar handeln können.

Ob aus einem Use Case später ein Agent wird, hängt daher von mehreren Faktoren ab: technischer Machbarkeit, Datenbasis, Prozessklarheit, Governance und wirtschaftlichem Nutzen.