Carsten Bansemir
Software Architect
12+ Jahre SAP. 20+ Jahre Softwarearchitektur. Sofort verfügbar.
12+
Jahre SAP
20+
Jahre Architektur
50%
Zeitersparnis (siehe hier — zum SAP Accelerator Toolkit)
100%
Verfügbar ab sofort
Anforderungsanalyse, Lösungs- und Technikkonzepte, Entwicklung und fachliche Begleitung im Team — inklusive Kundenworkshops und Go-Live-Betreuung. Enablement inklusive: Ihr Team setzt AI-Tools und strukturierte Methoden danach selbst ein.
12+ Jahre SAP Fiori, ABAP, BTP und MII/MES — u.a. für Schwarz IT/Lidl, Zeppelin und ARYZTA. Funktionaler Schwerpunkt: Produktion (PP, PM), Logistik (WM, eWM, YL), Serviceprozesse (CS). Von Custom ABAP bis Clean Core, von Shopfloor bis Boardroom.
Seit 2002 in der IT: 20+ Jahre Softwarearchitektur in 4 Branchen — Versicherung, Logistik, Lebensmittelproduktion und Bauindustrie. Davon 12 Jahre außerhalb der SAP-Welt (Java EE, WebSphere): Lösungsansätze jenseits des Standard-SAP-Wegs. Diplom-Informatiker (KI) — FAU Erlangen-Nürnberg.
Eigenes regelbasiertes Accelerator-Toolkit mit 170.000 Zeilen Code und 250+ SAP-Prüfregeln. Claude Code als tägliches Werkzeug. Kein LLM zur Laufzeit, keine externen Aufrufe — weder Code noch Fachdaten verlassen Ihre Umgebung. Messbare Ergebnisse statt Buzzwords.
Sechs spezialisierte Anwendungen. Regelbasiert, deterministisch, kein AI-Wrapper.
Am Anfang stand eine praktische Frage: Wie baue ich mit KI Anwendungen, die ich im Arbeitsalltag wirklich einsetze — keine Demos, sondern Werkzeuge, die einem echten Kundenprojekt standhalten und sich unter realen Bedingungen testen lassen?
Daraus folgte die zweite Frage: Was daran ist ein Wettbewerbsvorteil? Nicht der Zugang zu einem Modell — den hat jeder. Sondern das, was hineinfließt: zwölf Jahre SAP-Projekterfahrung, in Regeln gegossen, die sonst nur in den Köpfen einzelner Berater existieren. Ein Werkzeug, das diese Erfahrung bei jeder Anfrage anwendet, statt sie jedes Mal neu zu erzählen.
Und die dritte, die über den Einsatz beim Kunden entscheidet: Wie nutze ich KI, ohne dauerhafte Fixkosten zu erzeugen? Ein Werkzeug, das pro Aufruf Token verbrennt, rechnet sich in der Breite nicht — und ist in vielen Landschaften gar nicht genehmigungsfähig. Die KI steckt deshalb im Bauen, nicht im Betrieb: entwickelt mit Claude Code, ausgeliefert als deterministische Anwendung ohne einen einzigen Modellaufruf zur Laufzeit. Einmal gebaut, unbegrenzt nutzbar, zu laufenden Kosten von null.
Die meisten AI-Werkzeuge für SAP sind LLM-Wrapper: Prompt rein, Antwort raus. Sobald Nachvollziehbarkeit zählt, trägt das nicht — dieselbe Eingabe liefert beim zweiten Lauf ein anderes Ergebnis, und niemand kann begründen, warum. Für ein Review, das eine Freigabe stützen soll, ist das unbrauchbar.
Regelbasiert heißt hier: statische SAP-Fachregeln und score-basierte Klassifikation statt Wahrscheinlichkeiten. Gleiche Eingabe, gleiches Ergebnis, jederzeit reproduzierbar — und jeder Befund lässt sich auf die Regel zurückführen, die ihn ausgelöst hat. Ohne externe Aufrufe verlassen dabei weder Code noch Fachdaten die Umgebung des Kunden.
Alle sechs Anwendungen teilen dieselbe Architektur: eine Regel-Schicht aus versionierten SAP-Fachregeln, jede mit ID, Schweregrad und Begründung; eine Engine-Schicht, die Eingaben klassifiziert, bewertet und gegen diese Regeln prüft; eine Formatter-Schicht, die strukturiertes JSON und lesbares Markdown erzeugt.
Wo es belegbar ist, trägt eine Regel die Referenz auf die SAP-Dokumentation mit. Was das Werkzeug behauptet, lässt sich nachschlagen. Abgesichert wird das durch die Testsuiten — auf jede Fachregel kommen mehrere Testfälle. Python und FastAPI, jede App eigenständig lauffähig, Datenbank optional.
Score-basierte Klassifikation von Anforderungstickets nach Aufwand, Risiko und Umsetzbarkeit.
Was es macht Nimmt unstrukturierten Tickettext auf Deutsch oder Englisch und erzeugt ein zehnteiliges technisches Assessment: Anforderungstyp (10 Typen, 28 Subtypen), offene Rückfragen, Lösungsoptionen aus über 60 Vorlagen, Impact-Mapping, Aufwandschätzung, Risiken, Umsetzungsplan und Testsicht — dazu eine kundentaugliche Fassung. Zehn Domänen-Packs, darunter EWM, Yard Logistics, Service, MII/MES und FI/CO.
Nutzen Aus „der Kunde will irgendwas mit Lieferungen“ wird eine belastbare Aufwandsaussage mit benannten Annahmen. Die Kundenfassung erspart die zweite Übersetzungsrunde ins Fachliche.
Erzeugt aus einem Joule-Use-Case und bestehender On-Premise-Landschaft einen vollständigen Enablement-Blueprint: Zieloperating-Modell, IAS/IPS-Identity, Cloud-Connector- und Destination-Design, Joule-Studio-Skills, Governance und AI-Unit-Abschätzung.
Was es macht Erzeugt aus einem Joule-Use-Case und der bestehenden On-Premise-Landschaft einen Enablement-Blueprint: Zielbetriebsmodell samt UX-Muster, IAS/IPS-Identity, Cloud-Connector- und Destination-Design, Joule-Studio-Skills und -Agenten, Governance und AI-Unit-Abschätzung — plus Starter-Scaffolds und den Alternativpfad über SAP AI Core beziehungsweise das ABAP AI SDK.
Nutzen Beantwortet die Frage, die in jedem Joule-Vorgespräch kommt: Was genau müssen wir tun, damit das in unserer Landschaft läuft? Als prüfbarer Blueprint statt als Foliensatz — jede tragende Aussage ist gegen die SAP-Primärdokumentation abgeglichen.
Embedded Readiness Accelerator. Prüft eine S/4HANA-Cloud-Private-Edition-Landschaft (RISE) darauf, ob embedded Joule aktiviert werden kann — Readiness-Gap-Analyse, Aktivierungs-Runbook und ausfüllbare Aktivierungsartefakte.
Was es macht Nimmt den beschriebenen Ist-Zustand einer RISE-Landschaft und prüft ihn je Joule-Fähigkeit — navigational, informational, transaktional, analytisch — gegen einen Katalog dokumentierter Voraussetzungen. Ergebnis: Lückenliste, geordnetes Aktivierungs-Runbook und vorbereitete Artefakte als JSON und Markdown.
Nutzen Klärt vor dem Projekt, was RISE-Kunden sonst im Projekt herausfinden: Welche Voraussetzung fehlt noch, und in welcher Reihenfolge wird freigeschaltet? Das Schwesterstück zum On-Premise-Accelerator — dort geht es darum, Joule überhaupt zu erreichen, hier um die Freischaltung des eingebetteten Joule.
Automatisierte Anforderungsanalyse auf Basis von Felddefinitionen und Änderungshistorie.
Was es macht Nimmt eine Feldanforderung wie „Feld X in App Y ergänzen“ und erzeugt daraus einen technischen Lösungsentwurf: Klassifikation des Änderungstyps (13 Typen), Impact-Analyse über neun SAP-Schichten von der Tabelle über CDS, BOPF/RAP und OData bis ins UI, dazu Risikobewertung und Testfälle.
Nutzen Die Frage „was hängt da eigentlich alles dran?“ wird nicht mehr aus dem Gedächtnis beantwortet. Statt einen Entwurf zu schreiben, prüft man einen — und sieht sofort, welche Schicht man sonst übersehen hätte.
Statische Analyse mit 250+ SAP-spezifischen Prüfregeln für ABAP, CDS und Fiori.
Was es macht Automatisiertes Review für ABAP, CDS Views, RAP Behavior Definitions, UI5-XML-Views und Controller. Über 250 Regeln in 21 Modulen: Deprecation-Erkennung, manifest.json-Validierung, Clean-Core-Prüfungen wie DML auf SAP-Tabellen oder Upgrade-Sicherheit von BDEF-Erweiterungen, und Konsistenzprüfungen über mehrere Artefakte hinweg.
Nutzen Findet, was der UI5-Linter nicht sieht — besonders die artefaktübergreifenden Brüche zwischen CDS, BDEF und UI. Jeder Fund kommt mit Regel-ID, Schweregrad und konkretem Lösungsvorschlag, ist also diskutierbar statt nur behauptet.
Skelettgenerierung für RAP Business Objects und Fiori Elements Apps aus Fachspezifikationen.
Was es macht Erzeugt aus einer fachlichen Zielbeschreibung vollständige Entwicklungsskelette: CDS Views, Behavior Definitions mit Determinations und Validations, Service Definitions, Fiori-Elements-Konfiguration über sechs Floorplans sowie UI5-TypeScript-Freestyle-Scaffolds.
Nutzen Der immer gleiche Teil eines RAP/Fiori-Projekts entsteht in Sekunden statt in Tagen — einheitlich benannt und annotiert. Die gesparte Zeit fließt in die Fachlogik, nicht in Boilerplate.
Erfahrungswert: ca. 30–50% schnellere Entwicklungszyklen bei höherer Qualität.