Beratung
Erfahrung
Kompetenz in Finance, Accounting & IT
Beratung
Erfahrung
Kompetenz in Finance, Accounting & IT
Beratung
Erfahrung
Kompetenz in Finance, Accounting & IT
Kostenlose Beratung
Lesezeit: 10 Minuten
Geschrieben von: INSIRE Consulting
17. November 2026

Von der SAP Autonomous Suite zu Autonomous Finance: Die Rolle von Daten auf dem Weg von Erkenntnissen zu Maßnahmen 

Jetzt mehr erfahren

Lesezeit: 10 Minuten

Was wäre, wenn Finance weniger Zeit damit verbringen müsste, die Zahlen von gestern zu erklären, und mehr Zeit hätte, die Entscheidungen von morgen zu gestalten? 

Möglich wird das durch eine neue Rolle der KI: Sie ist nicht mehr nur Informationsquelle, sondern zunehmend auch Interpretationslayer zwischen Systemen und Daten. KI kann Zusammenhänge über Datenquellen hinweg erkennen, Ergebnisse einordnen und innerhalb von Systemen ebenso wie zwischen Systemen die Kommunikation sicherstellen 

Mit der SAP Autonomous Suite verfolgt SAP die Vision, AI stärker in Geschäftsprozesse zu integrieren und Unternehmen dabei zu unterstützen, den Schritt von der reinen Informationsbereitstellung hin zu konkreten Maßnahmen zu gehen. 

Gerade im Finance-Bereich wird besonders deutlich, welches Potenzial darin steckt. Doch in der Diskussion wird ein Aspekt häufig unterschätzt: die Datenbasis hinter jeder Entscheidung. 

Autonomous Finance beginnt mit einer fachlichen Fragestellung 

Nehmen wir ein Unternehmen, dessen Gewinnmarge zurückgeht. Der CFO möchte verstehen, warum. Liegt die Ursache in sinkenden Absatzmengen, steigenden Beschaffungskosten, einem ungünstigen Produktmix oder höheren operativen Aufwendungen? 

Was passiert, wenn sich dieser Trend fortsetzt? Und welche Maßnahmen sollte das Unternehmen daraus ableiten? 

Dabei handelt es sich nicht um reine Reporting-Fragen. Sie verbinden finanzielle Ergebnisse mit Vertrieb, Einkauf, operativen Prozessen und Planung. Heute erfordert die Beantwortung solcher Fragen häufig mehrere Reports, unterschiedliche Datenquellen und einen erheblichen Abstimmungsaufwand zwischen Finance und IT. 

Die Zahlen sind meist vorhanden. Das eigentliche Problem besteht darin, sie miteinander zu verbinden und ihre Auswirkungen zu verstehen. Die Vision von Autonomous Finance besteht darin, AI-Assistenten und AI-Agenten einzusetzen, um diesen Prozess stärker zu unterstützen. Sie können Veränderungen erkennen, relevante Informationen analysieren und definierte Aufgaben innerhalb von Finanzprozessen ausführen. 

Das Ziel besteht darin, frühere Erkenntnisse, bessere Entscheidungsunterstützung und weniger Routineaufgaben zu ermöglichen. 

Der entscheidende Punkt dabei: Autonomie beginnt nicht erst dann, wenn ein AI-Agent eine Aufgabe ausführt. Sie hängt maßgeblich davon ab, ob ein Unternehmen die Informationen und den Geschäftskontext bereitstellen kann, die eine solche Aktion überhaupt sinnvoll machen. 

Mit Analytics & Business Intelligence schaffen Sie Transparenz, verbinden Datenquellen und gewinnen fundierte Entscheidungsgrundlagen.

Jetzt mehr erfahren

Eine Finanz-KPI ist nur so wertvoll wie der Kontext dahinter

Ein Dashboard zeigt vielleicht, dass die Profitabilität um drei Prozentpunkte gesunken ist. Das ist hilfreich. 

Aber es beantwortet noch nicht die Frage, die ein CFO wirklich hat. Welche Produkte oder Kunden sind betroffen? Liegt die Ursache bei Preisen, Absatzmengen oder Kosten? Handelt es sich um einen kurzfristigen Effekt oder um einen Trend, der eine Anpassung des Forecasts erfordert? 

Um diese Fragen zu beantworten, muss Finance die finanziellen Kennzahlen mit den operativen Treibern dahinter verknüpfen. Genau hier müssen Business und IT zusammenarbeiten. Die IT muss Daten aus unterschiedlichen Systemen integrieren, Zugriffe steuern und verlässliche Datenmodelle bereitstellen. 

Finance muss KPI-Definitionen, Geschäftsregeln und Zusammenhänge definieren, die den Zahlen ihre Bedeutung geben. Beide Seiten müssen sich darauf verständigen, was eine Kennzahl tatsächlich bedeutet. Ohne dieses gemeinsame Verständnis entstehen häufig mehr Dashboards, aber nicht zwangsläufig bessere Antworten.

Die eigentliche Herausforderung besteht heute nicht mehr in der Verfügbarkeit von Daten. Sie besteht in der Verfügbarkeit von Business-Kontext. Es reicht nicht aus, Daten bereitzustellen. Geschäftsinformationen müssen konsistent, wiederverwendbar und fachlich verständlich über die gesamte Organisation hinweg sein. 

Wenn Unternehmen den Schritt von Erkenntnissen zu Maßnahmen machen möchten, benötigen sie eine Grundlage, die Daten, Business-Kontext, Planung und AI miteinander verbindet. Genau hier wird SAP Business Data Cloud relevant. 

Welche Rolle SAP Business Data Cloud dabei spielt 

BDC vereint Datenmanagement, Analytics, Planung und AI-Funktionen, um SAP- und Non-SAP-Daten nutzbar zu machen und dabei den fachlichen Kontext zu erhalten. Für den Finance-Bereich sind dabei insbesondere drei Bausteine relevant. 

SAP Datasphere: Daten verbinden und ihre Bedeutung erhalten 

SAP Datasphere bietet Funktionen zur Integration und Modellierung von Daten über Systemgrenzen hinweg. Dabei geht es nicht nur um Datenintegration, sondern um den Aufbau gemeinsamer Business-Semantik. Informationen sollen organisationsweit konsistent verstanden und wiederverwendet werden können. 

Umsatz, Kosten oder Profitabilität sollten beispielsweise nicht in jedem Report unterschiedlich berechnet werden, nur weil unterschiedliche Teams eigene Modelle erstellt haben. 

Data Products: Geschäftsdaten wiederverwendbar machen 

Data Products bündeln fachlich zusammengehörige Daten für einen klar definierten Geschäftszweck. Ein Beispiel wäre ein wiederverwendbares Data Product für Ist-Daten oder Profitabilitätsanalysen. Anstatt die gleiche Datengrundlage für jeden Report erneut aufzubauen, können Teams auf ein etabliertes Datenprodukt mit dokumentierter Bedeutung und klarer Governance zurückgreifen. 

Das ersetzt weder Datenmodellierung noch Datenqualitätsmanagement. Es schafft jedoch einen strukturierten Ansatz, geschäftlich relevante Daten wiederverwendbar bereitzustellen. 

SAP Analytics Cloud: Daten in Erkenntnisse und Planung überführen 

SAP Analytics Cloud unterstützt Analytics, Reporting und Unternehmensplanung. Finance möchte nicht nur verstehen, was passiert ist. Finance möchte verstehen, was als Nächstes passieren könnte. Unternehmen können SAP Analytics Cloud nutzen, um KPIs zu überwachen, Abweichungen zu analysieren, Ist-Werte mit Budget- und Forecast-Daten zu vergleichen und verschiedene Zukunftsszenarien zu simulieren. 

Gemeinsam schaffen diese Fähigkeiten die Verbindung zwischen der Datenbasis und den Informationen, die Finance zur Steuerung des Unternehmens benötigt. In Kombination mit SAP Business AI, Joule und den zunehmenden Business-Knowledge-Graph-Initiativen von SAP entsteht dabei eine immer stärker kontextbezogene Grundlage für intelligente und perspektivisch autonome Geschäftsprozesse. 

Wie ein End-to-End-Szenario aussehen könnte

Kehren wir zum Beispiel der sinkenden Gewinnmarge zurück. Zunächst werden finanzielle und operative Daten in einem gemeinsamen Business-Kontext zusammengeführt. Relevante Data Products stellen wiederverwendbare Informationen bereit, während die zugrunde liegenden Datenmodelle die Beziehungen zwischen Kennzahlen definieren. 

Reporting zeigt anschließend, wo sich Margen verändert haben. Finance kann die Ursachen analysieren, die Ergebnisse mit dem Plan vergleichen und die Auswirkungen auf die zukünftige Geschäftsentwicklung bewerten. 

Die Planung hilft dabei, mögliche Reaktionen zu simulieren. Was passiert bei weiter steigenden Beschaffungskosten? Was passiert, wenn sich Absatzmengen erholen? Welche Produkte oder Märkte bieten das größte Potenzial zur Verbesserung der Profitabilität? 

AI-Funktionen können auf dieser Grundlage relevante Muster identifizieren, Analysen unterstützen und ausgewählte Aktionen innerhalb definierter Prozesse und Kontrollmechanismen ausführen. Die grundlegende Reise sieht dabei folgendermaßen aus: 

Geschäftstransaktionen → Vernetzte Daten → Konsistente KPIs → Reporting und Analyse → Planung und Forecasting → AI-gestützte Entscheidungen und Maßnahmen 

Diese Darstellung ist bewusst konzeptionell. Sie bedeutet nicht, dass alle Schritte automatisch „out of the box“ miteinander verbunden sind. Die konkrete Umsetzung hängt von Architektur, Datenqualität, Prozessen und den eingesetzten SAP-Funktionen ab. 

Dennoch verdeutlicht sie das Potenzial: Die Distanz zwischen einem Ereignis im Geschäft, dem Verständnis seiner Ursache und der Ableitung einer Handlung deutlich zu verkürzen. 

Warum das nicht nur für Finance relevant ist

Für den CFO bedeutet dies bessere Transparenz über die Unternehmensperformance, schnellere Analysen und mehr Zeit für zukunftsorientierte Entscheidungen. Für CIOs und Data-Leader bietet sich die Möglichkeit, wiederverwendbare Datenprodukte und konsistente Business-Definitionen aufzubauen, anstatt zahlreiche isolierte Reporting-Lösungen zu betreiben. 

Für das Business bedeutet es, finanzielle Ergebnisse im Kontext der Entscheidungen und Aktivitäten zu verstehen, die diese Ergebnisse verursachen. Und für SAP-Kunden ergibt sich die Chance, Anwendungen, Daten und Analytics nicht mehr als getrennte Technologien, sondern als zusammenhängende Fähigkeiten zu betrachten. 

Genau hier wird die strategische Bedeutung von SAP Business Data Cloud sichtbar. Der Mehrwert liegt nicht darin, einen weiteren Ort für Daten bereitzustellen. Der Mehrwert liegt darin, Business-Kontext, Data Products, Analytics und AI so zu verbinden, dass unterschiedliche Anwendungsfälle auf einer gemeinsamen Grundlage unterstützt werden können. 

Technologie allein garantiert keine besseren Entscheidungen. Das Ergebnis hängt davon ab, wie gut Unternehmen ihre KPIs definieren, ihre Daten modellieren, ihre Prozesse gestalten und den Einsatz von AI steuern.

Meine Sichtweise: Autonomie braucht ein Fundament 

Für mich sind Autonomous Finance, SAP Business Data Cloud, SAP Datasphere, Data Products, Reporting und Planung eng miteinander verbundene Bestandteile derselben Herausforderung. AI kann Unternehmen dabei unterstützen, mehr aus ihren Informationen herauszuholen. 

Sie kann jedoch weder Inkonsistenzen in den Daten noch unklare Geschäftsdefinitionen automatisch beseitigen. Wenn Finance, IT und Fachbereiche auf unterschiedlichen Wahrheiten arbeiten, besteht die Gefahr, dass bestehende Probleme lediglich schneller skaliert werden. 

Die eigentliche Chance liegt darin, Geschäftsaktivitäten, finanzielle Performance, Planung und konkrete Maßnahmen zuverlässig miteinander zu verbinden. 

Autonomous Finance ist kein AI-Projekt. Autonomous Finance ist eine Business-Transformation, die durch vertrauenswürdige Daten, Planung, Analytics und AI ermöglicht wird. 

Genau das macht die Entwicklung in Richtung Autonomous Finance für mich so spannend. Nicht nur die Automatisierung einzelner Aufgaben. Sondern die Möglichkeit, Finance dabei zu unterstützen, von der Erklärung von Ergebnissen zur aktiven Gestaltung von Unternehmensergebnissen überzugehen. 

Die entscheidende Frage lautet nicht, ob AI handeln kann. Die entscheidende Frage lautet, ob wir den notwendigen Business-Kontext geschaffen haben, damit diese Handlung überhaupt sinnvoll ist. 

Deshalb würde ich Business- und IT-Verantwortlichen folgende Frage stellen: 

Schaffen wir heute das Daten- und Prozessfundament, das AI künftig sinnvolle Entscheidungen und Maßnahmen ermöglicht oder ergänzen wir lediglich AI zu den bestehenden Arbeitsweisen? 

envelopephone-handsetcalendar-fullarrow-downcheckmark-circle