SAP: KI-Agenten im Unternehmen brauchen Wissensgraphen, Governance und Kontext
Wichtige Erkenntnisse
- •McPhee sagte, KI-Agenten im Unternehmen benötigten Zugang zu unternehmensspezifischem Kontext, statt sich nur auf allgemeines Wissen zu stützen.
- •Wissensgraphen und Vektor-Embeddings können Agenten dabei helfen, interne Daten, Prozesse und Terminologie mit breiterem Sprachverständnis zu verbinden.
- •SAPs Governance-Modell verlangt, dass sowohl der Nutzer als auch Joule über passende Systemberechtigungen verfügen, um eine Umgehung von Zugriffskontrollen zu verhindern.
- •SAP nutzt LeanIX, Signavio und n8n, um Unternehmensarchitekturen abzubilden und Agenten-Workflows über Nicht-SAP-Systeme hinweg zu unterstützen.
- •McPhee sagte, ältere On-Premises-Systeme müssten möglicherweise modernisiert werden, um technische Grenzen zu vermeiden, wenn Unternehmen autonome Agenten einsetzen.

Präsentiert von SAP
Auf der VB Transform 2026 sprach Max McPhee, Senior Solution Advisor bei SAP, mit Rob Stretchay, Lead Analyst bei VentureBeat Research, darüber, was Unternehmen benötigen, um über Chatbots hinauszugehen und autonome KI-Agenten einzusetzen, die reale Geschäftsprozesse ausführen können. McPhee sagte, der entscheidende Unterschied liege darin, ob diese Agenten im eigenen operativen Kontext eines Unternehmens verankert sind, statt sich nur auf allgemeines Wissen zu stützen.
https://www.youtube.com/watch?v=SRf9t-wSZSo
"Where we're starting to see more emergent behavior of it feeling like a coworker rather than an assistant, is where we're able to provide context on the actual enterprise rather than being able to use more of the standard knowledge," McPhee said.
Dieser Kontext, so seine Argumentation, unterscheidet die meisten Enterprise-Chat-Tools weiterhin von Systemen, die tatsächlich agentisch arbeiten können. Die Unterscheidung ist wichtig, weil von Unternehmensagenten nicht nur erwartet wird, Fragen zu beantworten, sondern auch mit Geschäftsanwendungen zu interagieren, unternehmensspezifische Daten abzurufen und Arbeitsabläufe zu unterstützen, bei denen Genauigkeit, Zugriffskontrolle und Prüfbarkeit zentrale Anforderungen sind.
Unternehmenskontext mit Wissensgraphen aufbauen
McPhee sagte, Unternehmen sollten das Onboarding von KI-Agenten ähnlich betrachten wie die Einarbeitung neuer Mitarbeiter, dabei aber berücksichtigen, dass Software Informationen anders abruft und nutzt als Menschen.
"When you are onboarding a new agent, I think it's important to acknowledge how you might onboard a new employee, but tune that for an agent," McPhee said. "The way that is really powerful is using knowledge graphs and having vector-embedded data, because that's a really easy format for an agent to be able to find and retrieve information."
Wissensgraphen werden häufig genutzt, um Beziehungen zwischen Entitäten, Prozessen und Datenquellen darzustellen, während Vektor-Embeddings KI-Systemen helfen, semantisch verwandte Informationen abzurufen. In einem Unternehmensumfeld, sagte McPhee, könne die Kombination dieser Ansätze Agenten dabei helfen, allgemeines Sprachverständnis mit der spezifischen Struktur der Abläufe eines Unternehmens zu verbinden.
Diese Verankerung kann Agenten außerdem helfen, interne Terminologie und unternehmensspezifische Abkürzungen zu verstehen — ein Thema, das McPhee als besonders wichtig in SAP-Umgebungen beschrieb.
"Being able to provide that tribal knowledge in the format that's easy for it to consume helps to provide a really nice result with your agents versus a chatbot that might say, 'Well, what does that acronym mean?'" he said.
Governance, Identität und Sicherheit für autonome Agenten
McPhee sagte, Governance sei ein Bereich, in dem SAPs Geschichte als Unternehmen für Geschäftsprozesse relevant sei, insbesondere da sich Kontrollen für Systeme weiterentwickeln, die flexibler handeln können als frühere Generationen der Automatisierung.
"That's where SAP really has a good home, around that governance and process control," McPhee said. "We're a 50-year-old process company, modernizing that governance to be able to handle the flexibility that comes with agents running."
Er verwies außerdem auf eine erneuerte Rolle des maschinellen Lernens bei der Validierung des Agentenverhaltens.
"It's becoming a bit of a revival of machine learning," McPhee added, referring to customers that run agents inside a process and then add anomaly detection and machine-learning-based validation as a guardrail. He said this is the same type of approach SAP has long used for intelligent approval recommendations.
Identität und Berechtigungen übertragen diese Governance in die Ausführung. In diesem Modell müssen sowohl der menschliche Nutzer als auch SAPs Joule, der generative KI-Assistent, der in SAPs Cloud-Anwendungen und die Business Technology Platform eingebettet ist, über die erforderlichen Rechte verfügen, um auf ein bestimmtes System zuzugreifen. Selbst wenn ein Nutzer für den Zugriff auf S/4 autorisiert ist, kann er Joule dafür nicht nutzen, sofern Joule nicht ebenfalls für diesen Zugriff bereitgestellt wurde. McPhee sagte, diese Struktur solle verhindern, dass ein Agent zur Umgehung von Zugriffskontrollen eingesetzt wird.
Standard-SAP und angepasste Unternehmenslandschaften
Ein wesentlicher Teil von McPhees Arbeit besteht darin, SAPs eigenes Wissen mit jahrzehntelangen Kundenanpassungen und mit Systemen außerhalb von SAP in Einklang zu bringen. Viele Kunden sagten SAP, so McPhee: "You’re only 10% of my landscape," — eine Realität, die die jüngste Strategie des Unternehmens beeinflusst habe.
Jüngste Übernahmen, darunter LeanIX, das McPhee mit "Google Maps for your architecture" verglich, sowie das Process-Mining-Unternehmen Signavio sollen dazu beitragen, diese Nicht-SAP-Mehrheit abzubilden, damit SAPs Agenten verstehen können, wie Unternehmenssysteme miteinander verbunden sind. SAP hat außerdem in das Berliner Automatisierungsunternehmen n8n investiert und bindet es nativ in Joule Studio ein, die absichtsbasierte Low-Code-Umgebung des Unternehmens zum Aufbau von Agenten.
Dieser Schwerpunkt verweist auf eine breitere Implementierungsherausforderung für große Unternehmen: KI-Agenten müssen häufig über standardisierte Software, angepasste Geschäftslogik und Drittanbietersysteme hinweg arbeiten, die ursprünglich nicht für autonome KI-Workflows konzipiert wurden. Die Abbildung dieser Abhängigkeiten ist eine Voraussetzung dafür, Agenten verlässlichen Kontext darüber zu geben, woher Daten stammen und welche Systeme an einem Prozess beteiligt sind.
McPhee sagte, Unternehmen müssten möglicherweise auch ältere On-Premises-Systeme modernisieren, wenn sie den Einsatz autonomer Agenten ausweiten, da sie sonst auf technische Einschränkungen stoßen könnten.
"You're going to probably run into throughput issues, and you're kind of trying to drive a Ferrari around a dirt track," he said. "You've got to upgrade the track first if you want to drive a Ferrari."
Gesponserte Artikel sind Inhalte, die von einem Unternehmen erstellt werden, das entweder für den Beitrag bezahlt oder eine Geschäftsbeziehung mit VentureBeat unterhält; sie werden entsprechend klar gekennzeichnet.