Company Memory braucht mehr als KI: Warum MCP und intelligente Archivierung zur Schlüsseltechnologie der SAP-AI-Strategie werden

Im Zentrum dieser Entwicklung steht ein Begriff, der sich durch zahlreiche Keynotes und Architekturansätze zog: Company Memory. SAP beschreibt damit die Fähigkeit von KI-Systemen, nicht nur strukturierte ERP-Daten zu verarbeiten, sondern organisatorisches Wissen im Unternehmenskontext nutzbar zu machen. Dazu gehören unter anderem:

Dokumente, Freigabe- und Prozesshistorien, Richtlinien und Compliance-Vorgaben, Collaboration-Inhalte, E-Mails, historische Entscheidungen, Metadaten und Berechtigungsinformationen.

Mit SAP Joule, dem SAP Knowledge Graph und der Business Data Cloud entsteht damit eine neue Zielarchitektur für Enterprise AI. Die zentrale Herausforderung beginnt jedoch genau an diesem Punkt:

Woher erhält Enterprise AI ihren sicheren, konsistenten und governance-konformen Unternehmenskontext?

KI braucht Kontext – nicht nur Modelle

Viele Unternehmen investieren derzeit massiv in Large Language Models und AI-Assistenten. Gleichzeitig zeigt sich zunehmend: Die Leistungsfähigkeit von Enterprise AI hängt weniger vom verwendeten Modell ab – sondern vielmehr von der Qualität des verfügbaren Unternehmenskontexts. Ein AI-Agent kann nur dann zuverlässig agieren, wenn er versteht:

Welche Prozesse gelten, welche Informationen relevant sind, welche Rollen beteiligt sind, welche Regeln eingehalten werden müssen und welche Inhalte überhaupt sichtbar sein dürfen.

Genau hier verändert sich die Rolle moderner Archivierungsplattformen grundlegend. Archive sind längst nicht mehr nur Speicher- oder Compliance-Systeme. Sie entwickeln sich zu:

Kontextquellen für AI, Governance-Layern, semantischen Wissensspeichern und organisatorischen Gedächtnissen der Enterprise-Architektur.

Warum „Company Memory“ ohne Governance nicht funktioniert

Die Vision autonomer AI-Agenten klingt vielversprechend:

• Prozesse analysieren
• Entscheidungen vorbereiten
• Workflows orchestrieren
• Aufgaben automatisiert ausführen.

Mit zunehmender Autonomie steigt jedoch auch die Komplexität der Governance. Denn eine zentrale Frage bleibt bestehen: Wie wird sichergestellt, dass AI-Systeme ausschließlich auf Informationen zugreifen, die ein Benutzer tatsächlich sehen darf?

Genau an diesem Punkt stoßen viele aktuelle AI-Projekte an ihre Grenzen. Typische Herausforderungen sind:

• überprivilegierte AI-Systeme
• duplizierte Berechtigungsmodelle
• isolierte Datensilos
• fehlende Nachvollziehbarkeit und inkonsistente Zugriffskonzepte.

Für produktive Enterprise AI reicht es deshalb nicht aus, Dokumente lediglich „durchsuchbar“ zu machen. AI benötigt: Kontextbezogene Berechtigungen, revisionssichere Informationsquellen, nachvollziehbare Zugriffspfade sowie eine sichere Verbindung zwischen Prozessen, Dokumenten und Benutzerrechten.

MCP als neue Verbindungsschicht für Enterprise AI

Parallel zur SAP-AI-Strategie gewinnt derzeit ein weiterer technologischer Ansatz stark an Bedeutung: das Model Context Protocol (MCP). MCP etabliert sich zunehmend als standardisierte Schnittstelle, um AI-Agenten kontrolliert mit Unternehmenssystemen, Archiven und Fachanwendungen zu verbinden. Anstelle individueller Punkt-zu-Punkt-Integrationen ermöglicht MCP eine standardisierte Kommunikation zwischen:

• AI-Modellen
• Kontextquellen
• Business-Anwendungen und Governance-Systemen.

Gerade in heterogenen Enterprise-Landschaften wird dies entscheidend. Denn zukünftige AI-Agenten müssen gleichzeitig mit:

• SAP-Systemen, Archivplattformen, Wissensdatenbanken, Collaboration-Tools und Non-SAP-Anwendungen

interagieren können. MCP reduziert dabei nicht nur Integrationsaufwand und Komplexität, sondern schafft gleichzeitig eine kontrollierbare Governance-Schicht für AI-Zugriffe.

Warum intelligente Archivierung strategisch relevant wird

Im Zuge dieser Entwicklung verändert sich auch die strategische Bedeutung moderner Archivierungsplattformen. Archive enthalten heute weit mehr als reine Dokumente. Sie beinhalten unter anderem: Metadaten, Versionierungen, Objektbeziehungen, Prozesshistorien, Audit-Trails, Berechtigungsinformationen, und organisatorische Zusammenhänge.

Genau diese Informationen bilden die Grundlage dessen, was SAP als „Company Memory“ beschreibt. Für AI-Agenten sind diese Kontextinformationen häufig wertvoller als das eigentliche Dokument selbst. Denn erst die Kombination aus:

• Inhalt
• Prozesskontext
• Historie
• Semantik
• Governance und Berechtigungen

ermöglicht vertrauenswürdige Enterprise AI.

Die neue Architektur des AI-gestützten Unternehmens

Die Entwicklungen rund um SAP Joule, Company Memory und MCP deuten auf eine neue Zielarchitektur hin:

• AI-Agenten orchestrieren Prozesse,
• MCP verbindet Systeme und Kontextquellen,
• Archive liefern Governance und organisatorisches Wissen,
• Berechtigungen verbleiben in den führenden Systemen,
• Knowledge Graphs schaffen semantische Zusammenhänge.

Die Zukunft von Enterprise AI wird deshalb nicht allein durch bessere Modelle entschieden. Sie wird entschieden durch:

• Kontextqualität
• Governance
• semantische Verknüpfung
• sichere Zugriffskonzepte
• und kontrollierbare AI-Architekturen.

Fazit

Die Sapphire-Keynotes haben deutlich gemacht, wohin sich Enterprise AI entwickelt: weg vom isolierten Chatbot – hin zum kontextbewussten AI-Operating-System. Doch „Company Memory“ entsteht nicht automatisch durch ein Large Language Model. Es entsteht durch:

• strukturierte Unternehmenskontexte
• intelligente Archivierung
• sichere Berechtigungsmodelle
• semantische Verknüpfung
• und standardisierte Schnittstellen wie MCP.

Gerade deshalb wird Archivierung künftig eine deutlich strategischere Rolle im Enterprise-AI-Stack einnehmen, als viele Unternehmen heute noch erwarten.

‍