Bevor Sie einen Prozess automatisieren, testen Sie ihn: Was die neuen KI- und Simulationsfunktionen von SAP Signavio verändern

Automatisierung gilt oft als Antwort auf langsame, teure oder uneinheitliche Prozesse. Doch ein schwacher Prozess wird durch Automatisierung nicht automatisch besser. Häufig werden seine Engpässe nur schwerer sichtbar und teurer zu korrigieren.

Deshalb verdient eine weniger offensichtliche Entwicklung bei SAP Signavio besondere Aufmerksamkeit. Das aktuelle Release erweitert die KI-gestützte Prozessmodellierung und führt datengestützte Business-Process-Simulation in SAP Signavio Process Intelligence ein. Teams können jetzt Bilder und Tabellen in BPMN-Prozessmodelle überführen, Modelle in natürlicher Sprache weiterentwickeln und die wahrscheinlichen Folgen geplanter Prozessänderungen mit eigenen Prozessdaten testen, bevor sie umgesetzt werden.

Für Organisationen, die S/4HANA-Änderungen, Shared-Service-Modelle, Workflow-Automatisierung oder KI-Agenten vorbereiten, verändert sich damit die zentrale Frage. Sie lautet nicht mehr nur: „Was können wir automatisieren?“ Sondern: „Was sollten wir testen, bevor wir automatisieren?“

Was ist neu bei SAP Signavio?

Das Juli-Release von SAP Signavio führt drei Funktionen zusammen, die sich in der Praxis sinnvoll ergänzen.

Erstens kann der KI-gestützte Process Modeler neben Text jetzt auch Bilder und Tabellen in strukturierte BPMN-Modelle überführen. Eine Workshop-Skizze, eine Tabelle oder eine bestehende Visualisierung kann damit zum Ausgangspunkt für ein standardisiertes Prozessmodell werden. Anschließend können Anwender das Modell über Anweisungen in natürlicher Sprache weiterentwickeln, statt jedes Element manuell neu aufzubauen.

Zweitens unterstützt SAP Signavio Process Intelligence nun datengestützte Business-Process-Simulation. Teams können Szenarien mit eigenen Prozessdaten untersuchen und mögliche Auswirkungen auf Performance, Kosten, Ressourcen und Engpässe bewerten, bevor sich der reale Prozess verändert.

Drittens kann SAP Signavio Process Governance KI-gestützte Dokumentationen zum Vergleich von Prozessmodellen nutzen. Änderungen zwischen Diagrammversionen werden zusammengefasst und in ihrer Bedeutung erläutert. Das beschleunigt Reviews, ohne die menschliche Kontrolle zu ersetzen.

Zusammen verkürzen diese Funktionen den Weg vom informellen Prozesswissen der Fachbereiche über ein überprüfbares Modell bis zu einer evidenzgestützten Entscheidung.

Warum schnelleres Modellieren nicht die Hauptsache ist

Die meisten Transformationsprogramme scheitern nicht daran, dass ein Team kein Prozessdiagramm zeichnen kann. Schwieriger wird es, wenn der geplante Zielprozess auf Annahmen basiert, die nie getestet wurden.

Ein zusätzlicher Freigabeschritt kann die Kontrolle stärken, aber gleichzeitig eine Warteschlange schaffen. Ein zentraler Service Desk kann Spezialisten entlasten, aber selbst zum neuen Engpass werden. Eine neue Automatisierung kann einen Schritt beschleunigen und an anderer Stelle Nacharbeit erhöhen. Ein neu gestalteter Order-to-Cash-Prozess kann bei durchschnittlichem Volumen funktionieren, aber bei saisonalen Spitzen scheitern.

Prozesssimulation ermöglicht es, solche Annahmen zu prüfen, bevor sich eine Organisation auf Customizing, Integrationsarbeit, Schulung oder einen großflächigen Rollout festlegt. SAP Signavio beschreibt Simulation als Möglichkeit, Prozessänderungen mit Prozessdaten zu testen, mögliche Auswirkungen auf Performance, Kosten und Ressourcen zu bewerten und Engpässe frühzeitig zu erkennen.

Das ist besonders wertvoll, wenn eine geplante Änderung teuer oder nur schwer rückgängig zu machen ist.

Wo Simulation vor der Automatisierung Mehrwert schafft

Ein Prozess muss nicht perfekt sein, bevor er automatisiert wird. Teams sollten aber die neuen Zielkonflikte verstehen. Vier Anwendungsfälle sind besonders relevant.

1. Einen Finance-Prozess vor dem S/4HANA-Rollout neu gestalten

Finance-Transformationen standardisieren häufig Schritte wie Rechnungsverarbeitung, Freigaben, Dispute Management oder Abschlussaktivitäten. Bevor der Zielprozess konfiguriert wird, können Teams den geplanten Ablauf modellieren und unterschiedliche Volumina, Übergabezeiten, Freigabepfade und Annahmen zur Personalverfügbarkeit testen.

Ziel ist nicht, die Zukunft mit absoluter Sicherheit vorherzusagen. Ziel ist, Bedingungen sichtbar zu machen, unter denen der Prozess langsam, teuer oder überlastet wird. Dadurch können Teams bessere Designentscheidungen treffen, bevor diese zu Customizing, Integrationen und Betriebsabläufen werden.

2. Prüfen, ob Self-Service tatsächlich Arbeitslast reduziert

Self-Service-Portale, Wissensartikel und KI-gestützter Support können Service-Teams entlasten. Sie können aber auch neue Arbeit schaffen, wenn Requests schlecht kategorisiert sind, Wissen unvollständig ist oder der Eskalationsweg unklar bleibt.

Eine Simulation kann den aktuellen Ablauf mit verschiedenen Zielzuständen vergleichen. Was passiert etwa, wenn 20 Prozent der Routineanfragen im Self-Service gelöst werden? Was geschieht, wenn die verbleibenden Eskalationen länger dauern, weil sie komplexer sind? Welche Wissensqualität und Personalkapazität ist notwendig, damit der erwartete Nutzen tatsächlich entsteht?

3. Einen Prozess auf KI-Agenten vorbereiten

KI-Agenten sollten mit klaren Grenzen, brauchbarem Kontext und einem verantwortlichen Eskalationsweg in einen Prozess integriert werden. Simulation hilft Teams, die operativen Auswirkungen zu testen, bevor Arbeit an einen Agenten übergeben wird.

Mögliche Fragen sind: Welche Aufgaben kann der Agent sicher erledigen? An welchen Stellen bleibt eine menschliche Freigabe erforderlich? Was passiert bei geringer Konfidenz? Wie gelangen Ausnahmen zurück zu einer Person? Und welche zusätzliche Arbeit kann ein erfolgreicher Agent an anderer Stelle im Prozess erzeugen?

So werden Prozessgestaltung und KI-Governance miteinander verbunden. Ein technisch leistungsfähiger Agent ist noch kein gut gestaltetes Betriebsmodell.

4. Den Business Case für Automatisierung belastbarer machen

Viele Automatisierungsprogramme starten mit einer geschätzten Rendite, ohne dass die Annahmen zu Volumen, Kosten, Qualität und Kapazität transparent modelliert sind. Eine szenariobasierte Simulation kann diese Annahmen sichtbar machen.

Sie ersetzt keinen finanziellen Business Case. Sie stärkt ihn jedoch, indem sie zeigt, warum ein erwarteter Nutzen realistisch ist, was dafür eintreten muss und wo die wesentlichen Risiken liegen.

Welche Daten Sie für eine brauchbare Simulation benötigen

Simulation ersetzt kein Prozessverständnis. Sie setzt es voraus.

Für jede wichtige Aktivität sollten Teams grundsätzlich Ausführungszeit, Fallvolumen, Verzweigungswahrscheinlichkeit, Ressourcenverfügbarkeit und, soweit relevant, Kosten verstehen. [2] Bestehende Prozessdaten können einen großen Teil dieser Informationen liefern. Wenn eine Aktivität im Zielprozess noch nicht existiert, sind Schätzungen, Piloten oder kontrollierte Tests notwendig.

Starten Sie mit einem begrenzten Scope. Wählen Sie einen Prozess, für den eine konkrete Entscheidung ansteht, etwa ein neues Freigabedesign, der Übergang zu Shared Services oder ein Automatisierungskandidat. Definieren Sie anschließend:

• den Ist-Prozess und seine beobachtbare Ausgangsbasis;
• das vorgeschlagene Zielprozessmodell;
• die unsicheren Variablen, etwa Volumen, Kapazität, Automatisierungsquote oder Bearbeitungszeit;
• die relevanten Ergebnisse, etwa Durchlaufzeit, Kosten, Arbeitslast, Backlog oder Service Level;
• die Entscheidung, die durch die Simulation unterstützt werden soll.

Eine Simulation ohne Entscheidung kann eine interessante Übung bleiben. Eine Simulation mit Entscheidungsbezug kann kostspielige Nacharbeit verhindern.

KI-generierte Modelle benötigen weiterhin menschliche Validierung

Die Möglichkeit, ein Bild oder eine Tabelle in ein BPMN-Modell zu überführen, ist hilfreich, weil sie den Aufwand für einen ersten Entwurf reduziert. Sie garantiert nicht, dass das Modell den tatsächlichen Ablauf korrekt beschreibt.

Process Owner, operative Anwender, Compliance-Teams und Technologieverantwortliche müssen Reihenfolge, Ausnahmen, Ownership, Kontrollen und Übergaben weiterhin validieren. Dasselbe gilt für die Simulation: Die Qualität ihrer Ergebnisse hängt von der Qualität des Modells, der Daten und der Annahmen hinter dem Szenario ab.

Nutzen Sie KI als Beschleuniger für Prozesserhebung und Dokumentation, nicht als Autorität über den Prozess.

Ein praxistauglicher Start in vier Wochen

Organisationen benötigen kein großes Prozess-Transformationsprogramm, um zu beginnen. Ein fokussierter Pilot kann schnell belastbare Erkenntnisse liefern.

Woche 1: Die Entscheidung wählen. Wählen Sie eine Prozessänderung, die wichtig genug für einen Test, aber klar genug für eine saubere Modellierung ist.

Woche 2: Den Ist-Zustand aufbauen. Führen Sie Prozessdaten, Wissen der Beteiligten und den bestehenden Ablauf zusammen. Validieren Sie, wo sich die tatsächlichen Engpässe und Ausnahmen befinden.

Woche 3: Zielzustands-Szenarien entwickeln. Modellieren Sie den Zielprozess und variieren Sie die Annahmen, die das Ergebnis verändern können, etwa Nachfrage, Kapazität, Nacharbeit oder Automatisierungsquote.

Woche 4: Entscheiden und dokumentieren. Nutzen Sie die Ergebnisse, um das Prozessdesign zu verbessern, den Automatisierungsumfang zu bestätigen, Kontrollen zu identifizieren und Annahmen festzuhalten, die nach dem Go-live weiter überwacht werden müssen.

Erst den Prozess testen, dann die Technologie skalieren

Die Bedeutung der neuen SAP-Signavio-Funktionen liegt nicht darin, dass Teams BPMN-Diagramme schneller erstellen können. Entscheidend ist, dass Prozessmodellierung, Prozessdaten und Szenariotests zusammenkommen, bevor eine Organisation Automatisierung oder Transformation großflächig umsetzt.

Der beste Zeitpunkt, einen Engpass zu entdecken, ist bevor er zum Produktionsproblem wird. Der beste Zeitpunkt, Ownership zu klären, ist bevor ein KI-Agent Arbeit übernimmt. Und der beste Zeitpunkt, einen Business Case zu hinterfragen, ist bevor ein Programm sein Budget ausgegeben hat.

Wenn Ihre Organisation Prozessautomatisierung bewertet, eine S/4HANA-Transformation vorbereitet oder KI-gestützte Workflows entwirft, unterstützt Sie Lupus Consulting dabei, Prozessanalyse mit praxistauglicher SAP-Implementierung und langfristigem Betrieb zu verbinden.