Eindelijk weer echt samen: SAP TechEd 2025 – dag 1

Gemist wat er op dag 2 en 3 gebeurde? Lees ons verslag van SAP TechEd 2025 dag 2 en SAP TechEd dag 3 .

Opvallend dit jaar: de keynote aan het einde van de dag. Dat werkte goed. We konden de aankondigingen direct spiegelen aan wat we overdag in hands-ons en roadmap-sessies zagen.

Dag 1: de ervaring

Vooraf was het schuiven met sessies. De hands-ons waren in no-time vol. Ter plekke was de drukte ouderwets. Lange rijen voor badges, zalen die snel dichtgingen. De akoestiek in sommige zalen was matig. Dat maakte de eerste contentblokken minder scherp dan gewenst.

Toch overheerste het gevoel van “eindelijk weer samen leren”. De kwaliteit van de inhoud was sterk.

In de ochtend doken we in SAP Business Data Cloud. Wat bleef hangen: data als product is de leidraad. De Data Product Studio maakt het aanmaken en beheren van standaard en eigen dataproducten concreet. We zagen een sterke use-case waarin Master Data Governance externe bronnen gebruikt om nieuwe business partners automatisch en verrijkt aan te maken.

Daarna volgde een volle sessie over Joule-implementatie en contextualisering. De uitdagingen die daar langskwamen herkenden we. Onze aanpak bleek volledig in lijn met SAP’s best practices. In de wandelgangen hoorden we dat op een paar pijnpunten versneld verbeteringen zullen komen.

Tussen de bedrijven door kozen we een hands-on die weinig nieuws bood. De les van de dag was duidelijk: alles met “AI” of “Joule” erop is onmiddellijk vol en levert de meeste nieuwe inzichten op.

De keynote in context

De dag eindigde sterk met een keynote die het AI-tempo van SAP onderstreepte.

Kernpunten

SAP Build krijgt directe integraties met ontwikkeltools als Cursor, Claude Code en Visual Studio Code. Developers gaan sneller van idee naar werkende flow.

Joule Studio breidt uit met meer mogelijkheden om eigen agents te modelleren en te orkestreren. Inclusief koppelingen met tools als n8n voor procesautomatisering.

Business Data Cloud wordt uitgebreid met Snowflake-integratie, naast bestaande connecties met Databricks en Google Cloud. Dat vereenvoudigt hybride data-architecturen.

SAP introduceerde SAP-RPT-1, een enterprise relational foundation model gericht op het voorspellen van bedrijfsuitkomsten zoals leveringsvertragingen en betalingsrisico’s.

SAP committeert zich om tegen 2030 twaalf miljoen professionals AI-ready te maken. Onder meer via trainingen en partnerschappen met Coursera.

Wat wij gedurende de dag al proefden, werd in de keynote bevestigd: AI gaat naar agents met governance. Joule beweegt van “copilot” naar “contextuele agent” die Sense–Reason–Act volgt. Eerst betrouwbare context, vervolgens uitlegbare redeneerstappen, en pas daarna gecontroleerde uitvoering.

Die lijn sluit aan op wat we in de labs zagen: document grounding, rollen en rechten als basis, en volledige traceability voor audit en EU AI Act-compliance.

De rode draad: data, agents, clean core

Drie trends verbinden alles met elkaar.

1. Data als fundament – Zonder dataproducten, lineage en toegangscontrole wordt AI niet release-safe of uitlegbaar. De combinatie van Business Data Cloud, Snowflake- en Databricks-integraties en een Data Product Studio geeft organisaties de middelen om data betrouwbaar en herbruikbaar te maken.
2. AI op enterprise-schaal – Op BTP zagen we hoe Generative AI Hub, AI Core/Launchpad en connectoren naar enterprise data samen een orkestratielaag vormen voor modellen, prompts en tools. In de ontwikkelpraktijk komt daar een ABAP AI SDK en een ABAP-client bovenop. ABAP-teams zetten AI capabel en beheerst in binnen bestaande CI/CD en kwaliteitscontroles.
3. Clean core en extensibility – SAP scherpt het extensibility-model aan met een A–D-classificatie en duidelijke guardrails. Wat side-by-side kan, hoort op BTP (CAP, events, API-first). Wat on-stack moet, werkt binnen ABAP Cloud via RAP en whitelisted API’s. Het doel blijft hetzelfde, maar de route is concreter: lagere TCO, voorspelbare upgrades en sneller profiteren van nieuwe S/4- en BTP-releases.

Wat dit betekent voor SAP-gebruikers

Drie duidelijke stappen als je zicht wilt op trends en richting.

1. Veranker clean core in de architectuur – Definieer expliciet wat on-stack mag binnen ABAP Cloud-regels. Verplaats de rest naar side-by-side extensies met event-gedreven integratie.
2. Maak AI adoptief – Start met afgebakende Joule-skills en één of twee agents in processen met aantoonbare businesswaarde. Denk aan credit checks in order-to-cash of intake-naar-purchase-order. Borg governance via Control Tower-achtige policies met masking, RBAC, logging en kostenbewaking.
3. Investeer in de datalaag – Breng datakwaliteit en lineage op orde. Bepaal de rolverdeling tussen Business Data Cloud, Snowflake of Databricks binnen het bestaande landschap.

Daarnaast vragen kosten en performance expliciete aandacht. Agents die generatieve modellen en externe tools combineren, hebben FinOps-discipline nodig: budgetten, alerts, modelkeuze en efficiënte prompt- en tool-flows.

Koppel dit aan explainability en risk-assessments. Zo toon je richting de EU AI Act aan wat een agent doet, met welke data, en onder welke waarborgen.

In de ontwikkeling zien we ABAP Cloud en CAP als de standaardset. RAP-services voor release-veilige on-stack scenario’s en CAP-services voor side-by-side. Het effect is minder technische schuld en snellere doorvoering van upgrades.

Hoe wij dit vertalen naar actie

SAP beweegt duidelijk richting een combinatie van clean core, agent-gebaseerde AI en een stevig datafundament. Daarom sluiten wij onze koers aan op SAP’s eigen guardrails en roadmap.

Voor extensibility volgen we het A–D-model: side-by-side op BTP als voorkeursroute met CAP, events en API-first, en on-stack alleen binnen ABAP Cloud met RAP en whitelisted API’s.

In AI nemen we SAP’s “compliance-first” lijn over: adoptie via Joule Studio en de Control Tower, met document grounding, rollen en rechten, auditbaarheid en cost-observability zoals in de keynote en labs benadrukt.

Op data zetten we in op Business Data Cloud en dataproducten, met de aangekondigde Snowflake-aansluiting naast Databricks en bestaande connecties. Lineage en toegangscontrole zijn geborgd.

Voor ontwikkeling volgen we de SAP-toolingrichting: integraties met Cursor, Claude Code en Visual Studio Code in Build, én de ABAP AI SDK en ABAP-client voor de Generative AI Hub. Passend binnen bestaande CI/CD en kwaliteitscontroles.

Kort gezegd: we schalen pas op waar SAP’s referentiemodellen en governance klaarstaan. We beginnen met afgebakende scenario’s in processen met hoge waarde. En we meten effect op release-safety, kwaliteit, kosten en compliance in lijn met SAP’s richting.

Wat volgt

Dag 1 in Berlijn was intens en veelbelovend. De timing van de keynote onderstreepte wat we in de labs al voelden: SAP’s koers verbindt data-betrouwbaarheid, agent-gebaseerde AI en clean core tot een uitvoerbare strategie.

Voor ons is de richting duidelijk. Wie nu inzet op dataproducten, release-veilige extensibility en AI met governance, maakt snelheid zonder upgradepijn. Je houdt controle over kosten en risico’s.

We gaan morgen verder met verdieping in Joule Studio en de AI-lifecycle op BTP. Die inzichten nemen we mee naar concrete assessments, pilots en moderniseringstrajecten bij onze klanten.