Konzeptkarte

Deep Work

Stand 10. Oktober 2026

Redaktion: Cédric Mary, alleiniger Redakteur und verantwortlich für die Veröffentlichung — 27 Jahre im SAP-Ökosystem. Wie diese Seiten entstehen und wo Automatisierung eingesetzt wird.

Was ist Deep Work?

C. N.s Obergrenze für Deep Work liegt bei etwa vier fokussierten Stunden täglich – die meisten Berater erreichen tatsächlich nur ein bis zwei Stunden, und diese Lücke, nicht die eingesetzten Werkzeuge, ist meist die eigentliche Begrenzung der Umsetzungsgeschwindigkeit.

Worum es geht

C. N.s Konzept — kognitiv anspruchsvolle Arbeit, die in ablenkungsfreier Konzentration ausgeführt wird. 4 Stunden pro Tag sind die realistische Obergrenze; die meisten Wissensarbeiter erreichen tatsächlich nur 1-2 Stunden und fragen sich, warum der Output gering ist.

Beispiel: In einem realen Engagement der Kategorie M · Productivity & AI wird Deep Work eingesetzt, um Business Ownership, Datenverträge und die Umsetzungsreihenfolge abzustimmen, bevor der Aufbau der Lösung beginnt.

Gegenbeispiel: Teams, die ohne Klärung von Deep Work direkt in Dashboards einsteigen, erzeugen in der Regel Nacharbeit, semantische Drift und Misstrauen beim Sponsor.

Entscheidungsbaum: Ist die Geschäftsfrage stabil und wiederkehrend, hat die kanonische Modellierung Priorität; ist sie volatil, beginnt man mit einem begrenzten Pilotprojekt und expliziten Annahmen; ist die Datenqualität niedrig, erfolgt zunächst eine Bereinigung vor der Skalierung.

KPI-Übung: Baseline und 90-Tage-Ziel für Aktualität, Vertrauens-Score, Adoptionsrate und Entscheidungslatenz definieren; die Abweichung anschließend jeweils einer einzelnen Änderung zuordnen.

Fallbeispiel: Entwerfen Sie mit Deep Work einen Zwei-Sprint-Plan für ein länderübergreifendes SAP-Analytics-Programm in Productivity & AI, inklusive Trade-offs, Governance-Meilensteinen und Executive-Narrativ.

Warum es zählt

Die realistische tägliche Obergrenze für ablenkungsfreie kognitive Arbeit liegt bei ca. 4 Stunden — wer einen Delivery-Sprint auf mehr plant, überschätzt die reale Kapazität.
Die meisten Wissensarbeiter kommen auf 1-2 Stunden echter Deep Work, weshalb schon der Schutz eines bescheidenen Blocks ein größerer Hebel auf den Output ist als zusätzliches Personal.
Wird die Deep Work zur Abstimmung von Business Ownership, Datenverträgen und Umsetzungsreihenfolge vor Beginn des Aufbaus übersprungen, entstehen später im Mandat Nacharbeit und Misstrauen beim Sponsor.

Kernpunkte

C. N.s Konzept — kognitiv anspruchsvolle Arbeit, die in ablenkungsfreier Konzentration ausgeführt wird.
4 Stunden pro Tag sind die realistische Obergrenze; die meisten Wissensarbeiter erreichen nur 1-2 Stunden und fragen sich, warum der Output gering ist.
Bei einem SAP-Analytics-Projekt konzentriert sich Deep Work fast vollständig auf Build-Wochen (Datenmodellierung, CDS-View-Logik, Abstimmung von Calculation Views) — Workshop-Wochen sind strukturell oberflächlich und sollten entsprechend gescopt werden, statt in denselben Kalenderrhythmus vermischt zu werden.
Kalenderfragmentierung, nicht das Tooling, ist der häufigste Deep-Work-Killer bei einem Liefereinsatz — ein Kunde, der während einer Build-Phase standardmäßig tägliche Statusanrufe ansetzt, begrenzt die verfügbare Fokuszeit auf die zwischen den Meetings verbleibenden Lücken, oft unter einer Stunde.
Generative-KI-Werkzeuge (Joule Studios intentbasierte Generierung, ein KI-Erstentwurf-Workflow) komprimieren den oberflächlichen, mechanischen Teil einer Aufgabe — Scaffolding, Standardcode, eine erste Prompt-Vorlage —, ohne die Urteilsebene zu komprimieren, die entscheidet, ob das Ergebnis tatsächlich korrekt ist.
Die Prüfung KI-generierter Ausgaben ist eine anspruchsvollere Form von Deep Work als originäre Arbeit von Grund auf, weil ein KI-Fehler häufiger still plausibel als offensichtlich kaputt ist — eine Prüfung in den Lücken zwischen Meetings zu überfliegen ist genau die falsche Kalenderform für diese Aufgabe.
Ein erfahrener Berater verhandelt die Meeting-Taktung explizit beim Kickoff — feste Bürozeiten-Fenster für Ad-hoc-Fragen, der Rest des Tages geschützt — und überprüft sie phasenweise erneut, statt standardmäßig den internen Rhythmus des Kunden zu übernehmen.

Begriffe auf dieser Seite

Judgment layer: Der Teil der Arbeit, den KI nicht leisten kann — Priorisierung, Trade-offs, das Lesen des Kundenkontexts.
AI-first draft: Workflow, bei dem die KI den ersten Entwurf liefert (Code, Memo, Folie) und der Berater überarbeitet statt von Grund auf neu zu schreiben.
Agent reliability: Die Konsistenz, Kosten, Sicherheit und Policy-Konformität eines Agenten über wiederholte Durchläufe hinweg.
Kalenderfragmentierung: Eine Meeting-Taktung (z. B. tägliche Statusanrufe), die die verfügbare Deep-Work-Zeit auf die zwischen den Anrufen verbleibenden Lücken begrenzt, oft unter einer Stunde — der häufigste Deep-Work-Killer bei einem Liefereinsatz.
Aufmerksamkeitsrückstand: Die verbleibenden kognitiven Kosten eines Kontextwechsels — ein Grund, warum aufeinanderfolgende Kundengespräche während einer Build-Woche komplexe Modellierungsarbeit selbst in den Lücken dazwischen verschlechtern.
Stiller Fehler (KI-Prüfung): Eine KI-Ausgabe, die plausibel klingt, aber falsch ist, statt offensichtlich kaputt zu sein — der Grund, warum die Prüfung von KI-generierter Arbeit Deep Work statt eines oberflächlichen Überfliegens braucht.

Quellen

Vollständige Karte für Mitglieder. Was die vollständige Karte ergänzt: den vollständigen Entscheidungsrahmen · den Vergleich SAP · Snowflake · Databricks · Fabric · die häufigen Fallstricke und ihre Behebung · die Kurzreferenz · die Architekturschemata · die Codeblöcke · die zitierfähigen Kennzahlen.

In der App öffnen →

Offene SAP-Projekte

Aktuelle SAP-Analytics-Projekte und Stellen im DACH-Raum: SAP-Analytics-Projekte im DACH-Raum.