1 KI und SAP: Die Intelligenz in Ihren Geschäftsprozessen

25

1.1 Die historische Entwicklung von KI

26

1.2 Begriffsdefinitionen und Abgrenzung

29

1.2.1 Grundlagen von KI und Data Science

30

1.2.2 Wichtige Disziplinen und Technologien der KI

30

1.2.3 Beispiele für KI im Alltag

32

1.3 Warum KI die DNA moderner Unternehmen grundlegend verändert

35

1.3.1 KI als Transformationsfaktor für Unternehmen

35

1.3.2 Der Nutzen von KI: Innovation trifft Effizienz

37

1.4 Relevanz für SAP-Anwenderinnen und Anwender

39

1.5 Zusammenfassung

42

2 Der KI-Baukasten von SAP: Ein Überblick über die SAP-Produktlandschaft

43

2.1 SAP BTP: Das Fundament für KI-Projekte im SAPKosmos

44

2.1.1 SAP Business AI

49

2.1.2 SAP AI Services

51

2.1.3 SAP AI Core und SAP AI Launchpad

52

2.1.4 Generative AI Hub

54

2.2 Joule: Der intelligente Assistent

56

2.2.1 Was ist Joule?

57

2.2.2 Wie funktioniert Joule?

60

2.2.3 Grounding-Mechanismen: Wie Joule spezifisches Fachwissen einbettet

60

2.3 Synergien zwischen KI und anderen Technologien

62

2.3.1 Process Mining und KI

63

2.3.2 Robotic Process Automation und KI

64

2.3.3 SAP Analytics Cloud und KI

64

2.3.4 Zusammenwirken von Process Mining, RPA und SAP Analytics Cloud mit KI

65

2.4 Zusammenfassung

65

3 Systemlandschaften und deren Folgen: Public, Private und On-Premise

67

3.1 Einführung in Systemlandschaften

68

3.1.1 Architektur der SAP-S/4HANA-Versionen und der SAP BTP

68

3.1.2 Vor- und Nachteile für KI-Anwendungen

72

3.2 Herausforderungen bei der KI-Integration

76

3.2.1 Technische Herausforderungen der KI-Integration und ihre Lösungen

76

3.2.2 Organisatorische Herausforderungen der KI-Integration und ihre Lösungen

78

3.3 Tools und Technologien für die Integration von KILösungen

80

3.4 Fallbeispiele

81

3.4.1 Fallbeispiel 1: KI-gestützte vorausschauende Wartung in der Fertigungsindustrie

82

3.4.2 Fallbeispiel 2: KI-gestützte Kundenanalyse im Einzelhandel

84

3.4.3 Fallbeispiel 3: Automatisierte Rechnungsverarbeitung mit KI in einem Finanzunternehmen

86

3.4.4 Fallbeispiel 4: KI-gesteuerte Automatisierung im Gesundheitswesen

89

3.5 Entscheidungsfindung: Die richtige Architektur für Ihre KI-Lösung

92

3.5.1 Hyperscaler und deren Bedeutung für KI-Architekturen

93

3.5.2 Betriebskosten der SAP BTP

95

3.6 Zusammenfassung

102

4 Anomalieerkennung in Finanztransaktionen

107

4.1 Einleitung und Zielsetzung

108

4.2 Die richtigen Voraussetzungen schaffen

110

4.2.1 Daten auswählen und vorbereiten

110

4.2.2 Normal und anomal definieren

113

4.2.3 Den passenden Algorithmus auswählen

115

4.3 Technische Umsetzung

121

4.3.1 Isolation Forest implementieren

122

4.3.2 API entwickeln

126

4.3.3 Docker-Umgebung für das Training und Deployment der API vorbereiten

131

4.3.4 Automatisierte KI-Workflows mit ArgoFlows in SAP AI Core erstellen

135

4.3.5 KI-Services mit KServe und SAP AI Core produktiv bereitstellen

140

4.4 Die KI-Lösung auf der SAP BTP bereitstellen

145

4.4.1 Administrative Grundlagen in SAP AI Core

146

4.4.2 Anwendung registrieren

150

4.4.3 Szenario konfigurieren

151

4.4.4 Workflow ausführen

152

4.4.5 Modell implementieren

154

4.4.6 Das Modell über eine API in neue oder bestehende Anwendungen integrieren

158

4.5 Zusammenfassung

161

5 Analyse und Optimierung von Transportwegen

163

5.1 Einleitung und Zielsetzung

164

5.2 Die richtigen Voraussetzungen schaffen

165

5.2.1 AI Agents

165

5.2.2 Joule

172

5.2.3 Generative AI Hub und Generative AI Hub SDK

173

5.3 Technische Umsetzung

176

5.3.1 Auswahl und Einbindung des LLMs

177

5.3.2 Implementierung des AI Agent

181

5.4 Der Agent in der praktischen Anwendung

205

5.5 Zusammenfassung

210

6 Automatisierte Rechnungsprüfung

213

6.1 Einleitung und Zielsetzung

214

6.2 Die richtigen Voraussetzungen schaffen: SAP Document AI

216

6.3 Technische Umsetzung

220

6.3.1 Automatisierte Informationsextraktion mit Standardschemas

221

6.3.2 Custom-Schemas

226

6.3.3 Automatisierte Informationsextraktion mit Custom-Schemas

227

6.3.4 SAP Document AI via API nutzen

231

6.4 Zusammenfassung

237

7 Inventur mit KI

239

7.1 Einleitung und Zielsetzung

240

7.2 Die richtigen Voraussetzungen schaffen

241

7.3 Technische Umsetzung

246

7.3.1 Backend – Anwendungslogik und Integration

247

7.3.2 Frontend – Benutzeroberfläche im vertrauen SAP-Design

248

7.3.3 KI-Komponenten – Intelligente Bildauswertung für die Inventur

249

7.3.4 Schritt für Schritt durch die Inventur-App

251

7.4 Zusammenfassung

260

8 KI im Wareneingang und in der Warenkontrolle

263

8.1 Einleitung und Zielsetzung

264

8.2 Die richtigen Voraussetzungen schaffen

265

8.2.1 Hardware und Netzwerkanbindung

265

8.2.2 SAP-Lösungen und Integrationen

266

8.2.3 KI und Trainingsdaten

267

8.2.4 Notwendige Erweiterungen und Support

269

8.3 Technische Umsetzung

270

8.3.1 Destination in der SAP BTP anlegen

271

8.3.2 Services in der App für die Anlage einer Anlieferung nutzen

273

8.4 Zusammenfassung

277

9 Individuelle Chatbots mit RAG

279

9.1 Einleitung und Zielsetzung

280

9.2 Die richtigen Voraussetzungen schaffen

281

9.3 Technische Umsetzung

285

9.3.1 SAP BTP konfigurieren

286

9.3.2 Vom Workflow-Template zur Lösung

295

9.4 Zusammenfassung

308

10 Forecasting von Sales und Lagerbeständen

311

10.1 Einleitung und Zielsetzung

312

10.2 Die richtigen Voraussetzungen schaffen: SAP Analytics Cloud für Forecasting

314

10.2.1 Software-Stack

314

10.2.2 Architektur und Integration

318

10.3 Technische Umsetzung

320

10.3.1 Datenmodellierung

321

10.3.2 Integration in operative Prozesse

325

10.4 Ergebnisse und Nutzungspotenziale

327

10.5 Zusammenfassung

329

11 KI als Accelerator in der Softwareentwicklung

331

11.1 Einleitung und Zielsetzung

332

11.2 Die richtigen Voraussetzungen schaffen

333

11.3 Technische Umsetzung

336

11.3.1 Die Basis in der SAP BTP schaffen

337

11.3.2 Das erste Projekt einrichten

337

11.3.3 Projekt entwickeln

342

11.4 Zusammenfassung

355

12 Predictive Maintenance: Echtzeit-Einblicke durch Live-Datenanbindungen

357

12.1 Einleitung und Zielsetzung

358

12.2 Die richtigen Voraussetzungen schaffen

359

12.2.1 SAP Analytics Cloud für Predictive Maintenance

359

12.2.2 Live-Datenanbindung und Datenquellen

360

12.2.3 Architekturkonzept der SAP Analytics Cloud

365

12.3 Technische Umsetzung

367

12.3.1 Modellaufbau: Predictive Analytics mit Smart Predict

368

12.3.2 Operative Integration in Instandhaltungsprozesse

370

12.4 Organisatorische Auswirkungen und Change Management

372

12.5 Explainable AI

373

12.6 Risiken und Erfolgsfaktoren

375

12.7 Ergebnisse und Nutzungspotenziale

377

12.8 Zusammenfassung

378

13 Umsetzungsstrategie für KI mit SAP

383

13.1 Wie starte ich ein KI-Projekt?

384

13.1.1 Projektvorbereitung und Zieldefinition

384

13.1.2 Voraussetzungen: Daten, Technologien, Teams

393

13.1.3 Strategische Aspekte der KI-Implementierung

395

13.2 Best Practices für die Implementierung

399

13.2.1 Vorgehensmodelle

399

13.2.2 CRISP-DM-Prozess und MLOps

400

13.2.3 Integration in bestehende Systeme

402

13.2.4 Schulung und Akzeptanz

405

13.2.5 Leistungsmessung von KI-Implementierungen

407

13.3 Typische Fehler und wie man sie vermeidet

412

13.3.1 Fehlende Zielsetzung und strategische Anbindung

412

13.3.2 Schlechte Datenqualität

413

13.3.3 Silodenken und mangelnde Zusammenarbeit

415

13.3.4 Unnötige Komplexität und fehlende Skalierbarkeit

416

13.3.5 Verzerrte und intransparente KI

417

13.3.6 Unrealistische Erwartungen und Kostenfalle

418

13.3.7 Widerstand gegen Veränderung

420

13.3.8 Sicherheitsrisiken und technische Schulden

421

13.3.9 Fehlende Erfolgsmessung

422

13.3.10 Fehlende Governance

424

13.4 Zusammenfassung

426

14 Ein Blick in die Zukunft

429

14.1 Trends in der KI-Forschung und deren Implikationen für ERP-Systeme

429

14.1.1 Sprachmodelle, Prozessautomatisierung und Datenanalysen

430

14.1.2 Explainable AI, Transparenz und Mensch-KI-Kollaboration

435

14.2 Handlungsempfehlungen für Entscheiderinnen und Entscheider

437

14.3 Zusammenfassung

439

Anhang

441

A AI Use Case Canvas

443

B Checkliste: Ist Ihr Unternehmen bereit für KI?

445

C Checkliste: So planen und setzen Sie KIProjekte erfolgreich um

447

D Vollständiges Code-Beispiel aus Kapitel 9

449