SAP über Citrix automatisieren: warum UiPath-Selektoren scheitern und was hilft

SAP über Citrix zu automatisieren scheitert in UiPath-Projekten fast immer an derselben Stelle: den Selektoren. In einer Citrix-Sitzung sieht der Roboter kein echtes SAP-Fenster, sondern nur ein gestreamtes Bild des entfernten Desktops. Die Bedienelemente mit ihren Attributen, auf die ein Selektor zugreift, liegen auf dem Server und nicht auf dem lokalen Rechner. Genau deshalb greift der klassische Selektor-Ansatz ins Leere, sobald SAP über Citrix, VMware oder Remote Desktop läuft. Dieser Beitrag zeigt, warum das so ist und welche Ansätze in der Praxis stabil bleiben.

Warum funktionieren UiPath-Selektoren über Citrix nicht?

Über Citrix funktionieren UiPath-Selektoren nicht, weil eine virtuelle Sitzung nur Pixel überträgt und keine Bedienoberfläche. Der lokale Roboter erhält ein Videobild des entfernten SAP-GUI, aber keinen Zugriff auf die darunterliegenden Fenster, Felder und IDs. UiPath beschreibt in der eigenen Dokumentation, dass virtuelle Desktops es dem Roboter praktisch unmöglich machen, die benötigten Selektoren verlässlich zu erkennen. Was in einer lokalen SAP-Installation ein sauberer, eindeutiger Selektor wäre, existiert über Citrix schlicht nicht.

Dass dieses Problem kein Einzelfall ist, zeigt das UiPath Community Forum. Threads wie „Citrix SAP automation", „Not able to generate SAP selectors" und „Citrix, Remote-Desktop Problems with Selectors" tauchen dort seit Jahren immer wieder auf. Die Frage ist selten, ob Selektoren brechen, sondern womit man sie ersetzt.

Warum bricht Bild- und OCR-Erkennung über Citrix so oft?

Bild- und OCR-Erkennung ist der übliche Notausgang, als alleinige Grundlage ist sie aber fragil. Viele Teams greifen zu „Click Image" und OCR-Screen-Scraping, weil es der einzige sichtbare Weg scheint. Das Muster im Forum wiederholt sich: Ein Bild, das heute erkannt wird, löst am nächsten Tag eine „selector not found"-Ausnahme aus, und der OCR-Reader liest denselben Text mal richtig, mal falsch. Der Grund liegt nicht am Roboter, sondern an der Sitzung selbst.

• Auflösung und Skalierung: Ändert sich die DPI-Skalierung oder verschiebt sich ein Fenster über mehrere Monitore, wandert die Klickposition. UiPath führt genau das als bekannte Einschränkung für Citrix.
• Renderqualität: Farbtiefe, Kompression und Schriftglättung der Citrix-Sitzung verändern das Bild, auf das die Erkennung angewiesen ist.
• Sitzungsverhalten: Hintergrund-Automatisierung kann eine Citrix-Sitzung nach rund 30 Minuten Leerlauf trennen, und die UiPath-Extension für Citrix muss nach jedem Receiver- oder Workspace-Upgrade neu installiert werden.
• Wartungslast: Analysten von Gartner beziffern den Anteil, den ein RPA-Team allein für die Pflege bestehender Roboter aufwendet, auf 30 bis 40 Prozent der Arbeitszeit. Bildbasierte Citrix-Bots liegen am oberen Ende dieser Spanne.

Was funktioniert über Citrix zuverlässig? Computer Vision

Zuverlässiger als einzelne Bildvergleiche ist UiPath Computer Vision, das eigens für virtuelle Umgebungen entwickelt wurde. Statt einen Selektor zu suchen, schickt Computer Vision das Sitzungsbild an ein neuronales Netz. Dieses erkennt Bildschirmtext über eine eigene OCR, klassifiziert Elemente wie Felder, Schaltflächen und Tabellen und verortet sie über ein Mehrfach-Anker-System eindeutig. Ein Element wird also nicht über ein einzelnes gespeichertes Bild gefunden, sondern über seine Beziehung zu benachbarten Beschriftungen und Feldern.

Dieses Anker-Prinzip ist der Unterschied zu „Click Image". Verschiebt sich das Layout leicht oder ändert sich die Auflösung, hält der Anker den Bezug, wo ein starrer Bildvergleich bricht. Für SAP über Citrix ist Computer Vision damit in der Regel der belastbarere Standard als reines OCR-Scraping.

Der stabilste Hebel: SAP direkt ansprechen statt das Citrix-Bild

Am stabilsten wird die Automatisierung, wenn sie das Citrix-Bild ganz umgeht und SAP direkt anspricht. SAP bringt dafür eine offizielle Schnittstelle mit: SAP GUI Scripting. Ist sie aktiv, steuert der Roboter das SAP-GUI über dessen Skripting-Objekte statt über Pixel, unabhängig von Auflösung und Renderqualität. Aktiviert wird sie serverseitig über die Transaktion RZ11 mit dem Parameter sapgui/user_scripting auf den Wert TRUE, zusätzlich muss das Skripting im SAP-GUI-Client freigegeben sein.

Der entscheidende Architekturschritt ist oft ein anderer: den Roboter dorthin bringen, wo SAP tatsächlich läuft. Statt vom lokalen Rechner quer durch die Citrix-Sitzung zu automatisieren, läuft der UiPath-Roboter innerhalb der Server- oder Citrix-Sitzung, in der das SAP-GUI nativ installiert ist. Damit fällt die Citrix-Grenze weg, echte Selektoren und SAP GUI Scripting funktionieren wieder und die fragile Bilderkennung wird überflüssig. Ob das möglich ist, hängt von der IT-Landschaft ab. Wo es geht, ist es der verlässlichste Weg.

Wie geht NordFlux SAP-Automatisierung über Citrix an?

NordFlux entscheidet die Methode nach der Landschaft, nicht nach dem Werkzeug. Vor dem ersten Roboter klären wir drei Dinge: Läuft SAP nur als über Citrix veröffentlichte Anwendung oder gibt es einen Server, auf dem der Roboter mitlaufen kann? Lässt sich SAP GUI Scripting freischalten? Und wenn nicht, welche Elemente lassen sich über Computer Vision sicher ankern? Erst danach steht fest, ob der Prozess über SAP GUI Scripting, über Computer Vision oder über eine Kombination läuft.

In der Praxis heißt das meist: SAP GUI Scripting, wo die IT es erlaubt, Computer Vision für die Strecken, die zwingend über das Citrix-Bild führen, und bewusst kein reiner „Click Image"-Bot, der jede Woche neu bricht. Diese Vorabklärung kostet einen Tag und spart die Wartungsschleife, die bildbasierte Citrix-Automatisierung sonst dauerhaft erzeugt.

Mehr zur grundsätzlichen Entscheidung zwischen klassischem RPA und SAPs eigener Automatisierung lesen Sie in unserem Beitrag RPA, SAP oder SAP Process Automation. Wenn Sie einen Prozess nicht nur anklicken, sondern als betreuten Ablauf übergeben wollen, lohnt der Blick auf unsere KI-Agenten.

Häufige Fragen

Warum brechen UiPath-Selektoren in einer Citrix-Umgebung?

Weil eine Citrix-Sitzung nur ein Bild des entfernten Desktops überträgt. Die Bedienelemente mit ihren Attributen liegen auf dem Server und sind für den lokalen Roboter nicht erreichbar. Der Selektor findet daher keine Zielelemente und die Automatisierung schlägt fehl.

Reicht OCR für die SAP-Automatisierung über Citrix?

Für einfache Ausgaben kann OCR genügen, als alleinige Grundlage ist es aber fragil. Auflösung, DPI-Skalierung und Farbtiefe der Sitzung verändern das Bild, sodass dieselbe Erkennung mal funktioniert und mal nicht. Stabiler sind Computer Vision mit Anker-System oder direkt SAP GUI Scripting.

Was ist SAP GUI Scripting und warum hilft es?

SAP GUI Scripting ist SAPs offizielle Automatisierungsschnittstelle. Der Roboter steuert das SAP-GUI über Skripting-Objekte statt über Pixel und ist damit unabhängig von der Bildqualität der Citrix-Sitzung. Aktiviert wird es serverseitig über den RZ11-Parameter sapgui/user_scripting und zusätzlich im SAP-GUI-Client.

Kann man SAP über Citrix ohne Bilderkennung automatisieren?

Ja, wenn der Roboter innerhalb der Server- oder Citrix-Sitzung läuft, in der SAP nativ installiert ist. Dann entfällt die Citrix-Grenze, echte Selektoren und SAP GUI Scripting funktionieren wieder und Bilderkennung wird überflüssig.