SAP S/4HANA-Migration – Warum wir Capture/Replay durch KI-gestützte Coded Automation ersetzt haben

Die Ausgangslage: Das Versprechen von Low Code

Ziel des Projekts war die automatisierte Absicherung geschäftskritischer Prozesse im Rahmen der S/4HANA-Migration. Der Kunde entschied sich zunächst für ein zertifiziertes Low-Code-Testwerkzeug. Die Idee: Tests in der bestehenden Umgebung aufzeichnen und nach der Migration einfach wieder abspielen.

Was nach einer schnellen und effizienten Lösung klang, erwies sich in der Praxis als Trugschluss.

Key Learning 1: Capture/Replay ist häufig ein falsches Versprechen. Was in Demos einfach wirkt, skaliert in komplexen SAP-Landschaften nur selten zuverlässig.

Nach 14 Szenarien kam das Projekt zum Stillstand

Bereits nach 14 automatisierten Testfällen geriet das Vorhaben ins Stocken. Statt weitere Szenarien zu automatisieren, war das Team nahezu ausschließlich damit beschäftigt, bestehende Tests zu reparieren und instabile Skripte zu stabilisieren.

Die Ursachen lagen in den typischen Herausforderungen einer komplexen SAP-Umgebung:

• Instabile Lokatoren und fragile Strukturen:Bereits kleine Änderungen technischer IDs in der neuen Fiori-Oberfläche führten dazu, dass aufgezeichnete Tests ihre Zielobjekte nicht mehr fanden.
• Variierende Prozessabläufe:Zusätzliche Dialoge oder neue Prozessschritte – beispielsweise bei der Auswahl eines Company Codes – machten lineare Aufzeichnungen unbrauchbar.
• Performance- und Timing-Probleme:S/4HANA reagierte teilweise langsamer als das Altsystem. Da der Recorder keine intelligenten Wartebedingungen unterstützte, scheiterten Tests regelmäßig an Timing-Problemen.
• Technologieübergreifende Prozesse:Die End-to-End-Automatisierung über SAP- und Non-SAP-Systeme hinweg ließ sich mit dem gewählten Ansatz nicht zuverlässig umsetzen.

Wechsel zu Coded Automation mit KI-Unterstützung

Wir entschieden uns für einen grundlegenden Strategiewechsel: weg von fragilen Aufzeichnungen, hin zu einer modularen und wartbaren Coded-Automation-Architektur.

Ziel war es, technische Schulden systematisch abzubauen, Stabilität zu erhöhen und technologische Brüche zwischen SAP- und Non-SAP-Anwendungen zu überbrücken.

Key Learning 2: Coded Automation bleibt das Fundament erfolgreicher Testautomatisierung in Großprojekten. Ein modularer Code-Ansatz ist unverzichtbar, um langfristig stabile und wartbare Test-Suites aufzubauen. Dafür sind fundierte Entwicklungskenntnisse nach wie vor entscheidend.

GenAI als Beschleuniger für Experten

In der neuen Architektur kam KI gezielt als produktiver Co-Pilot zum Einsatz:

Fiori- und Webanalyse mit MCP

Unser SAP Fiori Analyzer (MCP) analysierte die komplexen Oberflächen von S/4HANA sowie relevante Non-SAP-Webanwendungen automatisiert. Dadurch konnten Page Objects und robuste Lokatorstrategien innerhalb weniger Sekunden erstellt werden.

Effiziente Entwicklung mit GitHub Copilot

GitHub Copilot unterstützte bei der Erstellung wiederkehrender Code-Strukturen und technischer Komponenten. Das beschleunigte die Entwicklung erheblich und sorgte für einen konsistenten Workflow über verschiedene Technologien hinweg.

Robuste Fallback-Mechanismen

KI-gestützte Analysen halfen dabei, intelligente Lokatorstrategien zu entwickeln, die auch kleinere UI-Änderungen tolerieren und dadurch den Wartungsaufwand deutlich reduzieren.

Key Learning 3: GenAI ist kein Allheilmittel, aber ein wirkungsvoller Beschleuniger für repetitive Entwicklungsaufgaben – beispielsweise bei der Generierung von Page Objects oder modularen Komponenten.

Stellen an denen der Mensch unverzichtbar bleibt

In der technischen Umsetzung konnten wir eine reale Effizienzsteigerung von rund 20 Prozent erzielen. Insbesondere bei der Analyse von Weboberflächen und der Erstellung technischer Artefakte erwies sich KI als wertvolle Unterstützung.

Gleichzeitig zeigte das Projekt deutlich: KI automatisiert vor allem das Handwerk. Die strategischen und fachlichen Herausforderungen bleiben weiterhin Aufgabe erfahrener Experten.

Die größten Zeitfresser liegen häufig außerhalb des eigentlichen Codings:

• Testdaten und Systemzugänge:Anforderungen abstimmen, Verantwortlichkeiten klären und notwendige Freigaben organisieren kann keine KI übernehmen.
• Teststrategie und Priorisierung:Die Auswahl geschäftskritischer Szenarien erfordert tiefes Prozess- und Domänenwissen.

Key Learning 4: Die tatsächlichen Produktivitätsgewinne liegen bei etwa 20 Prozent. Der Grund: Fachliche Abstimmungen, Prozessverständnis und organisatorische Abhängigkeiten bleiben unverändert bestehen.