1. Warum jetzt — der 2030er Zeitdruck
SAP hat den Wartungsstopp für ECC 6.0 (das klassische SAP-ERP) auf Ende 2030 festgelegt. Wer bis dahin nicht migriert hat, läuft ohne Sicherheits-Patches, ohne Updates und ohne offiziellen Support. Für viele Unternehmen ist das ein No-Go — vor allem in regulierten Branchen.
Die typische S/4HANA-Migration dauert 18-30 Monate. Wer 2030 live sein will, sollte spätestens Ende 2027 starten. Das macht 2026/2027 zum Peak-Jahr für SAP-Transformationsprojekte. Externe Beraterkapazitäten werden bereits jetzt knapp; bis 2028 erwartet die Branche akute Engpässe.
Drei strategische Wege stehen offen:
- Brownfield (System Conversion): Vorhandenes ECC wird zu S/4HANA migriert — alle Daten, Customizing und (mit Anpassungen) Custom-Code bleiben. Geringeres Risiko, kürzere Laufzeit, aber wenig Innovation. Etwa 60 % der Projekte heute.
- Greenfield (New Implementation): S/4HANA wird komplett neu aufgesetzt. Daten werden selektiv migriert, Prozesse von Grund auf gedacht. Hohes Transformationspotenzial, aber doppelte Laufzeit und Kosten.
- Bluefield / Selective: Hybrid-Ansatz — Daten und Prozesse selektiv übernommen, kritische Bereiche neu gebaut. Methodisch anspruchsvoll, eignet sich für Multi-Site-Konzerne.
2. Die typische Projektstruktur in 6 Phasen
Unabhängig vom strategischen Ansatz folgt eine S/4HANA-Migration einer ähnlichen Phasen-Logik. Die SAP-Methodik heißt „SAP Activate" und besteht aus den folgenden Phasen:
| Phase | Aktivitäten | Dauer |
|---|---|---|
| 1. Discover | Readiness-Check, Business-Case, Strategie-Entscheidung Brownfield vs. Greenfield | 2-3 Monate |
| 2. Prepare | Detailplanung, Team-Setup, Infrastruktur-Vorbereitung, Custom-Code-Analyse | 2-4 Monate |
| 3. Explore | Fit-Gap-Analyse, Prototypen, Process-Design (Fiori, Universal Journal) | 3-5 Monate |
| 4. Realize | Konfiguration, Code-Migration, Datenmigration, Integrationstests | 6-12 Monate |
| 5. Deploy | UAT, Cutover-Plan, Go-Live, Hypercare (4-8 Wochen) | 2-4 Monate |
| 6. Run | Stabilisierung, Innovation Backlog, kontinuierliche Verbesserung | laufend |
Im Mittelstand (500-3.000 Mitarbeiter) sollten Discover + Prepare + Explore zusammen nicht länger als 6 Monate dauern. Wer hier zu lange braucht, riskiert Momentum-Verlust und Budget-Verschwendung in der Vorphase.
3. Realistische Budget-Ranges nach Unternehmensgröße
Die Frage „was kostet eine S/4HANA-Migration?" ist die am häufigsten gestellte und am schwersten zu beantworten. Grob — basierend auf Branchen-Benchmarks 2024/2025:
| Unternehmensgröße | Brownfield | Greenfield | Anteil Lizenzen |
|---|---|---|---|
| Klein (≤ 500 MA) | 800k - 2 Mio. € | 1,5 - 4 Mio. € | 15-20 % |
| Mittelstand (500-3.000) | 2 - 5 Mio. € | 4 - 12 Mio. € | 12-18 % |
| Konzern (3.000+) | 5 - 30 Mio. € | 15 - 80+ Mio. € | 8-15 % |
Was die Kostenrange so weit macht:
- Custom-Code-Volumen: Jedes Z-Programm kostet 2.000-8.000 € in der Migration. 3.000 Programme = bis 24 Mio. € allein für Code.
- Schnittstellen: Pro Schnittstelle 15.000-80.000 € abhängig von Komplexität.
- Datenmigration und -bereinigung: 10-25 % des Gesamtbudgets, oft unterschätzt.
- Change Management: 8-15 % des Gesamtbudgets, oft komplett vergessen.
- Hypercare und Stabilisierung: 10-15 % des Gesamtbudgets, dauert länger als geplant.
Praxistipp: Plane immer 20-25 % Risikoreserve oberhalb des Initialbudgets. Eine Studie von Gartner (2024) zeigt: 67 % aller S/4HANA-Projekte überschreiten ihr Budget um durchschnittlich 28 %. Wer die Reserve nicht hat, eskaliert mitten im Projekt.
4. Wo KI heute wirklich hilft
„KI bei der SAP-Migration" wird in vielen Sales-Pitches überhöht. Realistisch hilft KI heute in drei klaren Anwendungsfeldern:
4.1 Readiness-Analyse und Custom-Code-Klassifikation
SAP Signavio und Tools wie Panaya oder snap_INSPIRE scannen den bestehenden ECC-Code und klassifizieren automatisch:
- Welche Z-Programme werden noch genutzt (Usage-Statistiken)?
- Welche sind S/4HANA-kompatibel, welche brauchen Anpassung, welche müssen neu gebaut werden?
- Welche Standardtransaktionen sind in S/4HANA simplifiziert oder ersetzt (Simplification List)?
Zeitersparnis: Was früher 12 Wochen manuell dauerte, läuft heute in 3 Wochen.
4.2 Projektplan-Generierung und Phasenstrukturierung
Tools wie PathHub AI oder spezialisierte SAP-Planungs-AI generieren aus Projektrahmen (Größe, Brownfield/Greenfield, Branche) realistische Projektpläne mit Phasen, Meilensteinen, Risiken und Budget-Ranges. Output ist nie 1:1 übernehmbar, spart aber 60-80 % Initialaufwand.
4.3 Test-Automatisierung und Defect-Klassifikation
SAP Tricentis und CrossLogic nutzen ML, um aus historischen Testfällen die kritischen Pfade zu identifizieren und automatisierte Regressionstests zu generieren. Bei großen Datenmigrationen klassifizieren KI-Modelle Anomalien (Plausibilitätsprüfung) und priorisieren Defects.
Wo KI noch nicht hilft (entgegen dem Hype)
- Strategische Brownfield/Greenfield-Entscheidung: weiter Business-Case + Beratung
- Process-Re-Design (Fit-to-Standard): braucht Fachbereichs-Expertise
- Change Management und Adoption: bleibt menschliche Aufgabe
- Cutover-Planung in komplexen Multi-System-Landschaften
5. Die kritischen Risiken — und wie du sie früh erkennst
- Custom-Code-Tsunami. Im Schnitt haben Mittelstands-ECC-Systeme 2.000-5.000 Z-Programme. 60-70 % davon sind ungenutzt. Wer das nicht früh klärt, migriert ungenutzten Code mit. Lösung: Usage-Tracking in Discover-Phase, mit Fachbereichen klären welche Programme noch gebraucht werden.
- Datenqualität. Doppelte Lieferanten, veraltete Materialstämme, leere Pflichtfelder — alles wird bei der Migration zum Problem. Pro 100.000 Stammsätze rechne 2-4 Wochen Cleanup pro Datenbereich. Lösung: Data-Cleanup-Track parallel zur Migration, nicht danach.
- Schnittstellen-Unterschätzung. Jede ECC-Schnittstelle muss neu getestet, oft neu gebaut werden. Wer nicht alle inventarisiert, findet später Geisterschnittstellen. Lösung: Schnittstellen-Inventur in Discover-Phase mit IT-Operations.
- Fachbereichs-Verfügbarkeit. Key-User aus Fachbereichen sind essenziell — und Tagesgeschäft will weiterlaufen. Ohne klare Freistellung (mindestens 30 % Kapazität) scheitert die Akzeptanz. Lösung: Freistellung im Steering-Committee als Hard-Constraint definieren.
- Cutover-Dauer. Der finale Cutover (Stilllegung ECC → Hochfahren S/4HANA) dauert 3-7 Tage und muss in Produktionszeiten passen. Wer das erst am Ende plant, eskaliert. Lösung: Cutover-Strategie schon in Prepare-Phase festlegen.
- Beraterabhängigkeit. Externe Berater sind teuer und nach Projekt weg. Ohne internen Know-how-Aufbau bleibt das Unternehmen abhängig. Lösung: 20-30 % internes Team-Ramp-Up als verpflichtenden KPI.
6. Praxisbeispiel: Mittelständischer Maschinenbauer
Ein Maschinenbauunternehmen aus Baden-Württemberg, 1.200 Mitarbeiter, 3 Werke, ECC 6.0 seit 2008 im Einsatz.
Discover (3 Monate, Q1/2025): Readiness-Check via SAP Signavio. Ergebnis: 2.847 Z-Programme, davon 1.640 ungenutzt (letzte 12 Monate). 47 Schnittstellen, 14 mit kritischen Abhängigkeiten. Custom Reports überwiegend durch Standard-Fiori-Apps ersetzbar. Entscheidung: Brownfield-Konversion, Budget 3,8 Mio. €, 22 Monate Laufzeit, Go-Live Q3/2027.
Prepare (3 Monate): Team-Setup mit 14 Internen + 18 Externen. Cleanup-Track für Material- und Lieferantenstämme startet parallel. Cutover-Strategie: 5-Tage-Wochenendcutover über Pfingsten 2027.
Explore + Realize (12 Monate): Fit-Gap-Workshops pro Modul (FI, CO, MM, SD, PP). Universal Journal Setup ohne New GL-Migration (war schon S/4-ready). Custom-Code von 2.847 auf 487 reduziert (83 % weniger). Datenmigration in 4 Wellen.
Deploy (3 Monate, Q2-Q3/2027): Stress-Test mit 1,2 Mio. Datensätzen. UAT mit 80 Key-Usern. Cutover am Pfingstwochenende: 87 Stunden Downtime, kontrollierter Restart mit 4 kritischen Bugs (alle in Hypercare-Phase gefixt).
Run (laufend): Hypercare 8 Wochen, danach normaler Betrieb. Performance-Vergleich: Berichtsgenerierung 4× schneller, monatlicher Periodenabschluss von 7 auf 3 Tage verkürzt.
Lessons Learned: Custom-Code-Cleanup hätte schon vor Discover starten können (6 Monate Zeitgewinn). Change Management wurde initial unterschätzt (eskaliert auf doppeltes Budget). KI-Readiness-Check sparte ca. 4 Personen-Monate in der Analyse.
7. Pre-Projekt-Checkliste
Bevor du den ersten Vertrag unterschreibst:
- ✓ Wartungsfristen ECC im Klaren: bis wann zwingend Migration nötig?
- ✓ Strategie-Entscheidung Brownfield vs. Greenfield mit Vorstand abgestimmt?
- ✓ Internes Team identifiziert und freigestellt (mindestens 30 % Kapazität)?
- ✓ Externes Beratungs-Budget realistisch (50-70 % des Gesamtbudgets)?
- ✓ Risikoreserve von 20-25 % oberhalb des Initialbudgets?
- ✓ Cutover-Zeitfenster mit Operations grob abgestimmt?
- ✓ Data-Cleanup-Track als eigener Arbeitsstrang geplant?
- ✓ Change Management mit eigenem Budget (8-15 %) eingestellt?
- ✓ Steering-Committee mit klar definierten Eskalationspfaden?
- ✓ Internes Know-how-Aufbau als verpflichtender KPI definiert?
Wenn du bei mehr als 3 Punkten „nein" sagst, ist das Projekt noch nicht ready zum Start. Lieber 3 Monate Discover länger als ein 3 Mio. €-Reißzug im Realize.