SAP BTP AI Roadmap 2026 – was wirklich zählt, was Marketing ist

Worum es geht

SAPs AI-Strategie hat seit der Joule-Ankündigung 2023 mehrere Iterationen durchlaufen. 2026 sind die Konturen klarer als je zuvor – aber nicht alles, was auf der Bühne der TechEd angekündigt wird, ist in Schweizer Mittelstands-Setups produktiv einsetzbar. Diese Einordnung trennt strategisch relevante Bausteine vom Marketing-Lärm.

Vier strategische Bausteine, die 2026 zählen

1. AI Hub als zentraler Modell-Layer

Der AI Hub ist 2026 die wichtigste BTP-Innovation der letzten Jahre. Er löst das Modell-Lock-in, ermöglicht Cost-Tracking und macht die Region-Wahl explizit.

Reife: produktiv einsetzbar; Provider-Vertragslandschaft hat sich konsolidiert (Anthropic, OpenAI, Mistral, Meta, SAP-eigen).

Schwierigkeiten: Cost-Modelle pro Provider sind nicht trivial zu vergleichen; Pflege der Routing-Regeln braucht eine FinOps- Funktion.

Empfehlung: produktiv ja, aber mit etabliertem Cost-Governance.

2. Joule und Joule Studio

Joule als eingebetteter Assistent im Fiori-Launchpad ist 2026 sichtbar in jedem aktuellen S/4HANA-Cloud-System. Joule Studio als Skill Builder ist seit 2025 GA.

Reife: für klar abgegrenzte Skills produktiv; für komplexe Multi-Step-Agenten noch in Entwicklung.

Schwierigkeiten: Skill-Pflege braucht Owner im Fachbereich, nicht nur in der IT. Adoption-Lücke zwischen "Skill ist verfügbar" und "Skill wird aktiv genutzt" ist real.

Empfehlung: erste 3-5 Skills 2026 umsetzen, danach iterativ ausbauen.

3. HANA Cloud Vector Engine

Vektorsuche direkt in der HANA Cloud, ohne separate Vektor- Datenbank. Macht RAG-Setups deutlich einfacher.

Reife: produktiv. Performance ist gut für Schweizer Mittelstands-Volumina (< 10 Mio. Vektoren).

Schwierigkeiten: Embedding-Pipeline (Datenquellen- Anbindung, Aktualisierung) ist eigenes Vorhaben.

Empfehlung: für RAG-Use-Cases die natürliche Wahl, wenn HANA Cloud sowieso vorhanden ist.

4. Datasphere mit Semantic Layer

Daten-Plattform mit fachlicher Semantik (siehe separater Use Case). Für AI-Anwendungen die ideale strukturierte Datenquelle.

Reife: produktiv. BDC (Business Data Cloud) ergänzt 2025+ mit kuratierten SAP-Daten.

Schwierigkeiten: Modellierungs-Aufwand. Skill-Lücke gegenüber klassischem BW.

Empfehlung: strategische Wahl für mittel- und langfristige Daten- und AI-Strategien.

Drei Bausteine mit Marketing-Risiko

"Joule kann jetzt fast alles"

Marketing-Aussage 2025/2026, mehrfach gehört. Realität:

Joule ist kein Universal-Co-Pilot – es ist ein Skill-Framework, das mit Inhalt gefüllt werden muss.

"Wir trainieren ein eigenes Modell auf Ihre Daten"

Wird in Vertriebsgesprächen angeboten, ist aber meist das falsche Tool für das Problem. RAG (Retrieval-Augmented Generation) löst 80-90 % der Anwendungsfälle ohne Modell-Training. Custom-Training lohnt sich nur bei sehr spezifischen Domänen mit grossen, qualitativ hochwertigen Trainings-Daten – selten in einem Schweizer Mittelstands- Setup.

"GenAI ersetzt Berater"

Die ehrliche Antwort: GenAI verändert Arbeit, ersetzt aber keine Beratungs-Rolle, die Ende-zu-Ende-Verantwortung hat. Discovery, Solution Design, Tests, Cut-over, Hypercare – nichts davon ist GenAI-ablösbar.

Was sich verändert: bestimmte Aufgaben innerhalb dieser Rollen werden schneller (Custom-Code-Analyse, Test- Generierung, Dokumentation).

Was 2026 konkret kommt

Joule Pro Code Mode (GA Q2 2026)

Erweitert Joule um Code-Augmentation für ABAP- und CAP- Entwicklung. Code-Vervollständigung, Refactoring-Vorschläge, Test-Generierung. Konkurrenz zu GitHub Copilot in der SAP-Welt.

Einschätzung: nützliches Werkzeug für Entwicklungs-Teams, aber nicht strategisch. Wer GitHub Copilot bereits nutzt, wird wenig davon gewinnen.

SAP AI Foundation für hochregulierte Branchen

Modell-Hosting in SAP-Datacentern, mit dedizierter Hardware und vertraglich garantierten Subprozessor-Ketten. Zielgruppe: Banking, Versicherung, Pharma, Defense.

Einschätzung: für FINMA- oder GxP-relevante Setups relevant; höhere Kosten als Standard-AI-Hub-Konfiguration.

Datasphere Conversational Mode

Natural-Language-Interface zu Datasphere-Modellen, ohne eigenen Skill bauen zu müssen.

Einschätzung: vereinfacht den Einstieg in Reporting- AI; ersetzt aber keinen sauberen Semantic Layer.

Was 2026 nicht kommt (entgegen früher Ankündigungen)

Was sich für die Schweiz konkret heraushebt

  1. Schweizer Region für AI Hub verfügbar – kritisch für FINMA und sensible Workloads
  2. Joule auf Deutsch, Französisch, Italienisch inhaltlich gut; bei Schweizerdeutsch-Eingabe gemischt
  3. Schweizer Lokalisierung in SuccessFactors-AI-Skills (Lohn, Quellensteuer) seit 2025 vorhanden
  4. Schweizer Hyperscaler-Compliance (Azure, AWS, GCP Switzerland) für AI-Workloads etabliert

Empfehlungen für 2026/2027

  1. AI Hub jetzt einsteigen, mit FinOps-Disziplin von Tag 1
  2. Erste Joule-Skills in den Fachbereichen, in denen Volumen und Klarheit zusammenkommen (Finance Reporting, Operations, HR-Self-Service)
  3. RAG-Pipeline für Wissensdomänen aufbauen, mit Lifecycle- Konzept
  4. Datasphere-Strategie als Vorbereitung für GenAI-fähige Daten-Schicht
  5. Sicherheits-Governance parallel – nicht erst, wenn der erste Vorfall passiert ist

Was wir nicht empfehlen

Stand: 2026-05-10

SFOUR Consulting — Übersicht · Kontakt