KI-gestützte Entwicklung im SAP-Umfeld: Vom Experiment zur produktiven Praxis

Künstliche Intelligenz ist in der Softwareentwicklung kein Zukunftsthema mehr. Sie unterstützt heute bereits bei Code-Erstellung, Refactoring, Tests, Dokumentation und der Analyse bestehender Codebasen. Der größte Nutzen entsteht jedoch nicht durch einzelne Prompts, sondern durch die feste Einbindung in den Entwicklungsprozess – direkt dort, wo Software geplant, gebaut, geprüft und weiterentwickelt wird.¹ ²

Genau diesen Ansatz verfolgt das P.I.T.-Team – Products, Innovation & Technology – der SWAN GmbH. KI-gestützte Entwicklung ist dort kein isoliertes Zusatzwerkzeug, sondern Teil der technischen Arbeitsweise: integriert, kontrolliert und ausgerichtet auf konkrete Anforderungen aus SAP-Logistikprojekten.

Warum KI im SAPUI5- und Fiori-Umfeld besonders gut passt

SAP-Logistikprojekte sind fachlich komplex. Anwendungen haben lange Lebenszyklen, müssen stabil bleiben und werden gleichzeitig regelmäßig erweitert. Gerade deshalb sind effiziente Entwicklungsprozesse wichtig – ohne Kompromisse bei Qualität und Wartbarkeit.

Im UI-nahen SAP-Umfeld mit SAPUI5 und Fiori ist KI besonders gut einsetzbar. Viele Anwendungen folgen klaren Strukturen: Komponenten, Views, Controller, Datenbindungen, Services und wiederkehrende UI-Patterns. SAPUI5 nutzt das Model-View-Controller-Konzept, um Darstellung, Interaktion und Datenlogik voneinander zu trennen.³ SAP Fiori elements arbeitet mit vordefinierten Anwendungsmustern, Metadaten und Annotationen, um typische Oberflächen effizient umzusetzen.⁴

Diese Struktur ist ein Vorteil: KI kann nicht nur einzelne Funktionen vorschlagen, sondern auch beim Aufbau, bei der Erweiterung und bei der Analyse kompletter Anwendungsteile unterstützen – zum Beispiel bei Views, Controllern, UI-Logik, Testdaten oder Schnittstellenmustern.

Dabei bleibt klar: KI ersetzt keine SAP-Expertise. Backend-Logik, ABAP-Erweiterungen und tief integrierte Prozesse erfordern weiterhin Erfahrung und sorgfältige Prüfung. UI-nahe Anpassungen lassen sich jedoch – abhängig von Architektur und Schnittstellen – häufig modularer eingrenzen und dadurch besonders gut mit KI-Unterstützung bearbeiten.

Produktivität entsteht nicht automatisch

Studien zeigen: KI kann Softwareentwicklung spürbar unterstützen, wenn sie sinnvoll in den Arbeitsalltag eingebunden ist. Eine Enterprise-Studie aus dem Jahr 2025 mit 300 Engineers berichtet beispielsweise kürzere Review-Zyklen und mehr ausgelieferten Code nach der Einführung einer integrierten KI-Plattform.⁵

Gleichzeitig zeigen andere Untersuchungen, dass KI nicht in jedem Szenario automatisch schneller macht. Besonders in komplexen, gewachsenen Codebasen kann zusätzlicher Prüf- und Korrekturaufwand entstehen.⁶ Entscheidend ist deshalb nicht die bloße Nutzung von KI, sondern der richtige Einsatz: mit klaren Aufgaben, guter Tool-Integration, Reviews, Tests und erfahrenen Entwicklerinnen und Entwicklern.

Für SWAN bedeutet das: KI wird dort eingesetzt, wo sie verlässlich Mehrwert schafft – bei strukturierten, wiederkehrenden und gut überprüfbaren Aufgaben. Dazu gehören etwa UI-Logik, Refactorings, Boilerplate-Code, Testdaten, Dokumentation und die Analyse bestehender Anwendungen.

Flexible Modelle, eigene Plugins, klare Verantwortung

Das P.I.T.-Team setzt nicht auf ein einzelnes KI-Werkzeug für alle Aufgaben. Je nach Anwendungsfall kommen unterschiedliche Large Language Models zum Einsatz – etwa für Codegenerierung, Analyse, Refactoring, Dokumentation oder Testunterstützung.

Ergänzt wird dieser Ansatz durch eigene Plugins, die wiederkehrende Aufgaben automatisieren. Sie unterstützen zum Beispiel bei der Generierung von Testdaten, der Vorbereitung von Handler-Methoden, standardisierten Code-Strukturen und technischen Anbindungen an Backend-Schnittstellen.

So entsteht ein Zusammenspiel aus generativer KI, projektspezifischem Tooling und etablierten Entwicklungsstandards. Die KI unterstützt bei Struktur, Analyse und Umsetzung. Die Plugins reduzieren manuelle Routine. Die Verantwortung bleibt beim Entwicklungsteam.

Qualität, Governance und Datenschutz bleiben entscheidend

Gerade im SAP-Umfeld darf KI nicht unkontrolliert eingesetzt werden. Clean-Core-Prinzipien, Erweiterungsstrategien, Schnittstellenstabilität und langfristige Wartbarkeit bleiben zentrale Anforderungen. KI-generierter Code muss geprüft, verstanden und in den jeweiligen Projektkontext eingeordnet werden.

Deshalb setzt SWAN auf klare Leitplanken: Code Reviews, Tests, Architekturvorgaben, bewusste Modellwahl sowie Datenschutz- und Sicherheitsanforderungen. Fraunhofer IESE hebt ebenfalls hervor, dass Prozessintegration, Datenschutz und menschliche Kontrolle zentrale Erfolgsfaktoren beim Einsatz von AI Coding Assistants sind.²

Ein wichtiger Baustein ist der Schutz sensibler Projekt- und Kundendaten. Die KI-gestützte Entwicklung bei SWAN erfolgt daher in Zusammenarbeit mit einem deutschen Partnerunternehmen, das KI-Modelle und APIs kontrolliert und DSGVO-konform bereitstellt. Ziel ist, sensible Informationen nicht unkontrolliert an Dritte weiterzugeben und KI-Nutzung nachvollziehbar in bestehende Sicherheits- und Governance-Strukturen einzubetten.

Fazit

KI-gestützte Entwicklung ist im SAP-Umfeld kein Experiment mehr, sondern wird zur produktiven Realität. Ihr Nutzen entsteht dort, wo sie kontrolliert in den Entwicklungsprozess eingebunden wird: mit klaren Aufgaben, technischer Qualitätssicherung und fachlicher Verantwortung.

Für SWAN bedeutet das: weniger manuelle Routine, schnellere Umsetzung wiederkehrender Anforderungen und mehr Fokus auf das, was in SAP-Projekten entscheidend bleibt – saubere Architektur, fachliche Qualität und langfristig wartbare Lösungen.

Fußnoten / Quellen

¹ IBM beschreibt KI-gestützte Entwicklung als Unterstützung über den Software Development Lifecycle hinweg — unter anderem bei Planung, Coding, Testing, Deployment, Modernisierung, Governance und Security. (IBM Newsroom)

² Fraunhofer IESE beschreibt AI Coding Assistants als Werkzeuge zur Entlastung bei Routineaufgaben, Codegenerierung und Prozessbeschleunigung. Zugleich werden Integration in den Entwicklungsprozess, Datenschutz und menschliche Kontrolle als wichtige Erfolgsfaktoren eingeordnet. (iese.fraunhofer.de)

³ SAP beschreibt das Model-View-Controller-Konzept in SAPUI5 als Trennung von Informationsdarstellung und Nutzerinteraktion; diese Trennung erleichtert Entwicklung und unabhängige Änderungen einzelner Teile. (SAP Help Portal)

⁴ SAP beschreibt Smart Templates beziehungsweise SAP Fiori elements als Framework zur Generierung von UIs auf Basis von Metadaten, Annotationen und vordefinierten Anwendungsmustern. (SAP)

⁵ Die Studie „Intuition to Evidence: Measuring AI’s True Impact on Developer Productivity“ berichtet in einer Enterprise-Umgebung mit 300 Engineers unter anderem eine 31,8-%-Reduktion der PR-Review-Zykluszeit und einen 28-%-Anstieg des ausgelieferten Code-Volumens. Diese Werte sind als kontextabhängige Studienergebnisse zu verstehen, nicht als pauschale Garantie für jedes Entwicklungsprojekt. (arXiv)

⁶ Die Studie „Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity“ fand bei erfahrenen Entwicklern in reifen Open-Source-Codebasen eine Verlangsamung um 19 %. Die Autoren warnen selbst davor, dieses Ergebnis zu verallgemeinern; es zeigt aber, dass KI-Wirkung stark von Kontext, Codebasis und Arbeitsweise abhängt. (arXiv)