Event | SAP Sapphire 2026
Op SAP Sapphire 2026 in Madrid presenteerde SAP 224 agents en een nieuw ai-platform voor de autonome enterprise. Procesmanager Erik Grave van Gasunie schetst wat er in de praktijk aan die ambitie voorafgaat.
Tijdens Sapphire 2026 in Madrid zette SAP zijn grootste strategische stap in jaren. Het bedrijf introduceerde de Autonomous Enterprise: een visie waarbij bedrijfssoftware niet langer wacht op instructies van medewerkers, maar processen zelfstandig uitvoert. Daarvoor presenteerde SAP het SAP Business AI Platform, een geïntegreerde omgeving waarin kunstmatige intelligentie, bedrijfsdata en proceskennis samenkomen.
Bovenop dat platform introduceert SAP de Autonomous Suite, met meer dan tweehonderd gespecialiseerde ai-agents voor uiteenlopende bedrijfsfuncties: van financiële afsluiting en inkoop tot personeelsbeheer en klantcontact. Vijftig zogeheten Joule-assistenten bundelen die agents en voeren complete processen van begin tot eind uit. Ceo Christian Klein verwoordde de ambitie scherp: ‘Bijna goed is voor de meest kritieke bedrijfsprocessen van onze klanten simpelweg niet goed genoeg.’
Een onderdeel van de aankondiging is Company Memory, een nieuwe laag binnen het SAP-platform die de informele beslislogica van een organisatie vastlegt (zie ook kader). Waar proceshandboeken en beleidsregels het formele kader beschrijven, zit veel praktische kennis in de hoofden van medewerkers: uitzonderingen die altijd op een bepaalde manier worden afgehandeld, goedkeuringspatronen die nergens zijn opgeschreven en ervaringen die in e-mails en vergaderverslagen zijn beland. Company Memory haalt die kennis op, structureert die als kleine kenniseenheden en stelt die beschikbaar aan agents. Wanneer een uitzondering wordt afgehandeld, leert het systeem daarvan en past het de kennisbasis direct aan voor alle actieve agents.
Wat is Company Memory?
Company Memory is een nieuwe SAP Signavio-functionaliteit die de informele beslislogica van een organisatie vastlegt en beschikbaar stelt aan ai-agents. Denk aan uitzonderingen die altijd op een bepaalde manier worden afgehandeld, goedkeuringspatronen die nergens zijn opgeschreven of ervaringen die in e-mails en vergaderverslagen zijn beland. Het systeem structureert die kennis en synchroniseert updates direct naar alle actieve agents. Wanneer een uitzondering wordt verwerkt, leert het systeem daarvan en past het de kennisbasis direct aan voor alle andere agents.
De praktijk bij Gasunie
Maar voordat agents autonoom kunnen opereren, moet de basis op orde zijn. Bij Gasunie draait S/4Hana anderhalf jaar in productie. Erik Grave, procesmanager Requisition to Pay bij het bedrijf, sprak tijdens Sapphire met Computable over zijn ervaringen. Die laten zien hoe groot de afstand tussen belofte en praktijk kan zijn.
Gasunie beheert een groot deel van de Nederlandse en Noord-Duitse energie-infrastructuur en zit midden in de energietransitie: naast gastransport groeit het aandeel waterstof- en warmteprojecten. Dat vergroot de diversiteit van het inkooplandschap. Ruim 3.400 medewerkers kunnen bestellingen plaatsen, van persoonlijke beschermingsmiddelen tot complexe dienstverleningsopdrachten voor de energie-infrastructuur. Als staatsdeelneming en speciaal sectorbedrijf is Gasunie voor een groot deel van de inkoop verplicht aan te besteden, opereert het in meerdere entiteiten en joint ventures en heeft het te maken met strikte compliancevereisten rond sanctiemonitoring. Circa negentig procent van de inkoopprocessen is inmiddels gestandaardiseerd, een bewuste keuze om handmatige stappen te elimineren en bestellingen zoveel mogelijk geautomatiseerd uit te sturen na financiële goedkeuring.
De implementatie van S/4Hana, project Max genaamd en uitgevoerd met Deloitte, ging op 1 oktober 2024 live via een greenfield big bang-migratie. De migratie nam twee jaar in beslag, waarbij 57,8 miljoen records werden geladen, meer dan zeventig interfaces en vijftig koppelingen werden gebouwd en meer dan vierhonderd medewerkers van Gasunie, Deloitte en SAP uit meerdere landen betrokken waren. Het doel was helder: twee losse inkoopstromen samenvoegen tot één geïntegreerd proces. ‘We wilden één plek waar orders worden aangemaakt en één kanaal met leveranciers, zodat voor hen ook duidelijk is hoe ze moeten factureren’, zegt Grave.
Vast
Dat plan liep gaandeweg vast op de integratie tussen twee SAP-systemen: Ariba Guided Buying, de inkoopfrontend die medewerkers gebruiken om aanvragen in te dienen, en S/4Hana, het centrale erp-systeem waarin orders worden aangemaakt en verwerkt. Halverwege het implementatietraject wijzigde SAP zijn advies: de eerder gehanteerde best-practice bleek te complex. Gasunie had die aanpak niet zelf bedacht, maar gevolgd omdat het binnen de SAP-standaard wilde blijven. SAP stopte ermee, maar Gasunie was al vergevorderd. ‘Dat is gewoon heel vervelend als je er zelf al bijna klaar voor bent’, zegt Grave.
Anderhalf jaar later werkt zijn team nog steeds met work-arounds: van contractinformatie die niet correct doorkomt tot eindgebruikers die onduidelijke foutmeldingen krijgen.
Toch is Grave niet bitter. Wie met SAP werkt, weet dat een langdurige relatie vraagt om pragmatisme aan beide kanten. ‘Het is altijd een kwestie van geven en nemen’, zegt hij. ‘De relatie met SAP is goed.’ Hij hoopt via dit soort gesprekken zijn behoeften bij SAP te articuleren en goodwill op te bouwen voor de momenten dat hij die nodig heeft. De structurele oplossing is in aantocht: SAP herbouwt de Ariba-omgeving volledig op het Business Technology Platform, waardoor de integratie met S/4Hana op dataniveau wordt verenigd en als één systeem kan functioneren. Grave verwacht die overgang ergens in 2027, afhankelijk van afstemming met it en SAP. ‘De trein rijdt, maar het spoor wordt nog gelegd’, zegt hij daarover.
Versnelling
Ondertussen verkent Gasunie actief de mogelijkheden van ai binnen het inkoopproces, maar altijd vanuit concrete procesbehoeften en de vraag hoe ai kan zorgen voor versnelling en productiviteitsgroei. ‘De vraag die ik altijd stel is: waar zit het probleem dat ai kan oplossen?’ zegt Grave.
In de praktijk gaat het vaak mis bij de aanvraag zelf: een besteltekst die niet klopt, een verkeerde leverancier of een te vage specificatie. ‘Maar dat soort fouten kom je later in het proces pas tegen.’ Gasunie heeft daarom een procurement desk ingericht die niet-standaard aanvragen controleert voordat ze het proces ingaan. Ai-agents zouden een deel van die controles kunnen overnemen, zeker bij routinematige opdrachten. Voor complexe bestellingen blijft menselijk oordeel leidend. ‘De mens controleert, tenzij’, formuleert Grave het.
De aankondiging van Company Memory volgt hij met interesse. Gasunie is een studie gestart naar procesanalyse, vooralsnog op basis van een andere tool, maar kijkt ook naar SAP Signavio, waarop Company Memory is gebaseerd. Toch waarschuwt Grave voor te hoge verwachtingen. ‘AI wordt vaak gezien als het duizend-dingen-doekje, maar dat is het niet. Wat levert het ons écht op? Waar gaat het ons daadwerkelijk iets brengen?’ Vanuit de Raad van Bestuur is de opdracht om ai toe te passen, maar implementatie vraagt om het identificeren van zinvolle use-cases, zegt hij.
Dat is precies de context die de SAP-boodschap nuanceert. SAP-cto Philipp Herzig erkende in een gesprek met Computable dat de verantwoordelijkheid voor ai-governance primair bij de klant ligt. Gaat een agent de fout in, dan is de verantwoordelijkheid ‘gedeeld’ tussen SAP en klant, stelde hij, maar wie bepaalt wat een agent wel en niet mag doen? Dat is de klant, via de eigen it-afdeling, aldus SAP. Voor Gasunie, met aanbestedingsverplichtingen, strenge compliance-eisen en inkoopprocessen die raken aan kritieke energie-infrastructuur, is dat geen abstracte beleidskwestie maar dagelijkse praktijk. En die vraagt om een fundament dat op orde is vóórdat agents echt autonoom aan het werk gaan.
