KI in der Variantenkonfiguration: Wo sie hilft, wo nicht
von Florian Roßner, Geschäftsführer, TeamR GmbH
Der KI-Hype trifft auf SAP VC
Seit ChatGPT ist KI im Mainstream angekommen – und damit auch die Erwartung, dass KI jedes Problem lösen kann. In der SAP-Welt manifestiert sich das in Versprechen wie „KI-gesteuerte Konfiguration", „automatisierte VC-Optimierung" oder „intelligente Variantenreduktion".
Einige dieser Ansätze haben Substanz. Viele nicht. Eine ehrliche Einordnung.
Wo KI in SAP VC echten Hebel hat
Konfigurationsqualität analysieren
KI-Modelle können große VC-Landschaften scannen und Muster erkennen, die menschlichen Analysten entgehen: redundante Regeln, widersprüchliche Constraints, nie genutzte Konfigurationspfade. Das ist kein Ersatz für manuelle Analyse – aber ein Beschleuniger, der Wochen auf Tage reduziert.
Fehlermuster erkennen
Wenn ein Konfigurationsmodell in der Praxis regelmäßig zu Fehlern führt (Stücklisten-Fehler, Preisfindungsprobleme, Fertigungsabbrüche), kann KI-gestützte Analyse die Ursachen schneller identifizieren als manuelle Fehlersuche in tausenden Dependency-Nets.
Entscheidungsunterstützung
Bei der Frage „Welche Varianten streichen wir?" kann KI historische Konfigurationsdaten auswerten und zeigen, welche Varianten tatsächlich nachgefragt werden, welche Marge sie bringen und welche Komplexitätskosten sie verursachen. Das macht Entscheidungen datengetrieben statt politisch.
Wo KI (noch) nicht hilft
Architekturentscheidungen treffen
Ob ein VC-Modell modular oder monolithisch aufgebaut sein sollte, ob LO-VC oder AVC die richtige Technologie ist, ob SSC einen Mehrwert bringt – das sind Architekturentscheidungen, die Domänenwissen, Prozessverständnis und Urteilsvermögen erfordern. KI kann Daten liefern, aber nicht urteilen.
Implizites Wissen externalisieren
Wenn Regelwissen in Köpfen steckt, kann KI es nicht herausziehen. Sie kann Muster in existierenden Modellen erkennen – aber nur, wenn diese Modelle das Wissen bereits enthalten. Der Bus-Factor lässt sich nicht mit Machine Learning lösen.
Governance ersetzen
KI kann zeigen, was im Modell falsch ist. Aber wer darf Regeln ändern, wie werden Änderungen freigegeben, und warum wurde eine Entscheidung so getroffen – das erfordert organisatorische Strukturen, keine Algorithmen.
TeamRs Position
Wir setzen KI gezielt dort ein, wo sie echten Hebel hat: bei der Analyse, bei der Mustererkennung, bei der Entscheidungsvorbereitung. Aber wir versprechen keine „KI-gesteuerte Konfiguration" – weil die eigentliche Arbeit in der Architektur liegt, nicht im Algorithmus.
KI ist ein Werkzeug. Kein Ersatz für Denken.