1 Einstieg in die Welt der künstlichen Intelligenz

25

1.1 Evolution der künstlichen Intelligenz

25

1.1.1 Ursprung in der symbolischen KI

26

1.1.2 Von der symbolischen KI zum maschinellen Lernen

26

1.1.3 Vom maschinellen Lernen zu Deep Learning

27

1.2 Paradigmenwechsel: deterministische vs. probabilistische Systeme

28

1.3 Narrow AI als Fundament im SAP-Kontext

30

1.3.1 Regression im Unternehmenseinsatz

30

1.3.2 Zeitreihenprognose für die Planung

31

1.3.3 Klassifizierung von Geschäftsvorfällen

31

1.3.4 Clustering und Anomalieerkennung

32

1.4 Generative AI und Large Language Models im SAP-System

33

1.4.1 Large Language Models im Unternehmenseinsatz

33

1.4.2 SAP-spezifische Foundational Models

35

1.4.3 Joule, die KI-Lösung von SAP

35

1.5 Retrieval-Augmented Generation und Vektordatenbanken

35

1.5.1 Der RAG-Prozess

36

1.5.2 SAP HANA Cloud Vector Engine

36

1.5.3 Knowledge Graphs als semantisches Rückgrat

36

1.6 Bedeutung für das SAP-Ökosystem

37

2 KI in der SAP-Welt

39

2.1 Leitprinzipien künstlicher Intelligenz in SAP-Systemen

39

2.2 Möglichkeiten von SAP-Business-AI-Anwendungen

43

2.2.1 Welche KI-Standardlösungen und -szenarien liefert SAP aus?

43

2.2.2 Eingebettete Szenarien in SAP Cloud ERP

48

2.2.3 Joule

51

2.2.4 SAP Business Technology Platform

53

2.2.5 SAP AI Core

54

2.2.6 SAP AI Launchpad

55

2.2.7 Generative AI Hub

57

2.2.8 SAP Business Data Cloud

58

2.3 Lösungsarchitekturen zur Verwendung von SAP Business AI

60

2.3.1 Embedded AI

60

2.3.2 Custom AI

61

2.4 Governance und KI-Ethik bei SAP

61

2.4.1 KI-Ethik

63

2.4.2 KI-Sicherheit

65

2.4.3 KI-Compliance

67

2.4.4 Leitlinien für die SAP-Entwicklung

67

2.5 SAP-Lizenzmodell

68

3 Embedded AI in Finanzen und Einkauf

77

3.1 Accounting Accruals Agent

77

3.1.1 Geschäftliche Herausforderung

78

3.1.2 KI-gestützte Lösung und Implementierung

79

3.1.3 Geschäftlicher Nutzen und Auswirkungen

86

3.2 Finanzberichtanalyse mit künstlicher Intelligenz

87

3.2.1 Geschäftliche Herausforderung

87

3.2.2 KI-gestützte Lösung und Implementierung

87

3.2.3 Geschäftlicher Nutzen und Auswirkungen

95

3.3 SAP Cash Application – KI-unterstützte Auszifferung von offenen Posten in der Debitorenbuchhaltung

95

3.3.1 Geschäftliche Herausforderung

97

3.3.2 KI-gestützte Lösung und Implementierung in SAP Cash Application

97

3.3.3 Geschäftlicher Nutzen und Auswirkungen

112

4 Embedded AI im Supply Chain Management

113

4.1 Conversational Planning: Transportplanung mit natürlicher Sprache

114

4.1.1 Geschäftliche Herausforderungen in der Transportplanung

114

4.1.2 KI-gestützte Lösung und Implementierung im SAP Transportation Management

115

4.1.3 Anwendung von Conversational Planning im Transport-Cockpit

115

4.1.4 Technische Architektur und Integration von Conversational Planning

120

4.1.5 Geschäftlicher Nutzen und Auswirkungen von Conversational Planning

129

4.2 SAP Document AI

130

4.2.1 Qualitätszertifikate in SAP S/4HANA Public Cloud

130

4.2.2 Herausforderungen bei der Verarbeitung von Qualitätszertifikaten

132

4.2.3 Intelligente Verarbeitung von Qualitätszertifikaten mit SAP Document AI in SAP S/4HANA

133

4.2.4 Technische Integration und Systemeinrichtung

140

4.2.5 Geschäftlicher Nutzen durch den Einsatz von SAP Document AI im Qualitätsmanagement

146

4.3 Automatische Vorhersage des Lieferanten über das Lieferdatum

147

4.3.1 Geschäftliche Herausforderungen bei Nichteinhaltung des Lieferdatums

147

4.3.2 KI-gestützte Lösung in SAP zur Vorhersage des Lieferdatums

148

4.3.3 Technische Architektur und Integration der Lieferdatumvorhersage

149

4.3.4 Geschäftlicher Nutzen der Lieferdatumvorhersage in Bestellpositionen

157

4.4 Kundenauftragserfüllung mit künstlicher Intelligenz und Joule als KI-Lösung

158

4.4.1 Geschäftliche Herausforderungen bei der Kundenauftragserfüllung

158

4.4.2 KI-gestützte Lösung und Implementierung der Kundenauftragserfüllung in SAP

159

4.4.3 Geschäftlicher Nutzen und Auswirkungen durch KI-gestützte Auftragserfüllung

173

5 Embedded AI im Human Capital Management

175

5.1 KI-gestützte Einblicke in Karriere- und Entwicklungspotenziale

176

5.1.1 Geschäftliche Herausforderungen

177

5.1.2 Lösung und Implementierung: vom Kompetenzprofil zum KI-gestützten Entwicklungsplan

178

5.1.3 Geschäftlicher Nutzen und Auswirkungen

186

5.2 KI-gestützte Optimierung von Stellenbeschreibungen

187

5.2.1 Geschäftliche Herausforderungen

187

5.2.2 Lösung und Implementierung: vom Vorlagentext zur KI-optimierten Ausschreibung

188

5.2.3 Geschäftlicher Nutzen und Auswirkungen

196

5.3 KI-gestützte Leistungszielerstellung

197

5.3.1 Geschäftliche Herausforderungen

197

5.3.2 Lösung und Implementierung: vom Stichpunkt zum strukturierten Leistungsziel

199

5.3.3 Geschäftlicher Nutzen und Auswirkungen

206

6 Embedded AI im Customer Relationship Management

209

6.1 KI-unterstützte Kundenübersicht

210

6.1.1 Geschäftliche Herausforderungen

210

6.1.2 Lösung und Implementierung

211

6.1.3 Geschäftlicher Nutzen und Auswirkungen

214

6.2 Lead-Booster

215

6.2.1 Geschäftliche Herausforderungen

215

6.2.2 Lösung und Implementierung

216

6.2.3 Geschäftlicher Nutzen und Auswirkungen

221

6.3 SAP CX AI Toolkit

222

6.3.1 Geschäftliche Herausforderungen

222

6.3.2 Lösung und Implementierung

223

6.3.3 Geschäftlicher Nutzen und Auswirkungen

237

7 Embedded AI mit Joule

239

7.1 SAP Joule for Consultants

239

7.1.1 Geschäftliche Herausforderungen

240

7.1.2 Lösung und Implementierung

241

7.1.3 Geschäftlicher Nutzen und Auswirkungen

253

7.2 Joule mit SAP S/4HANA Cloud Public Edition

254

7.2.1 Geschäftliche Herausforderungen

254

7.2.2 Lösung und Implementierung

255

7.2.3 Geschäftlicher Nutzen und Auswirkungen

262

7.3 SAP Joule for Developers in den ABAP Development Tools

263

7.3.1 Geschäftliche Herausforderungen

264

7.3.2 Technische Voraussetzungen für SAP Joule for Developers

265

7.3.3 SAP Joule for Developers in ABAP-RESTful-Application-Programming-Model-Entwicklungen

267

7.4 SAP Joule for Developers in SAP Cloud Application Programming Model

283

7.4.1 SAP Cloud Application Programming Model

283

7.4.2 Integration von SAP Joule for Developers in SAP Build Code

284

7.4.3 CAP-Storyboard

289

7.4.4 Die von Joule for Developers generierte Applikation starten

291

8 Custom-AI-Beispiele

293

8.1 Rechnungsfreigabe mit künstlicher Intelligenz

294

8.1.1 Geschäftliche Herausforderungen der Rechnungsfreigabe

295

8.1.2 Anwendung der Rechnungsfreigabe mit KI-Extraktion

295

8.1.3 Technische Umsetzung der Rechnungsfreigabe mit KI

297

8.1.4 Geschäftlicher Nutzen und Auswirkungen

304

8.2 Agent-basierter End-to-End-Qualitätsmanagement-Prozess

305

8.2.1 Geschäftliche Herausforderungen des End-to-End-Qualitätsmanagement-Prozesses

305

8.2.2 Anwendung des KI-unterstützten Prozesses

306

8.2.3 Technische Implementierung des End-to-End-Qualitätsmanagement-Prozesses

325

8.2.4 Geschäftlicher Nutzen und Auswirkungen des KI-unterstützten End-to-End-Qualitätsmanagement-Prozesses

330

8.3 Workflow-Analyse mit KI-Unterstützung

331

8.3.1 Geschäftliche Herausforderungen der Workflow-Analyse

332

8.3.2 Anwendung der Workflow-Analyse

332

8.3.3 Technische Implementierung der KI-Workflow-Analyse

339

8.3.4 Geschäftlicher Nutzen und Auswirkungen der Workflow-Analyse

342

8.4 KI-unterstützte Erstellung von Anlieferungen

343

8.4.1 Geschäftliche Herausforderungen der KI-unterstützten Erstellung von Anlieferungen

343

8.4.2 Anwendung der KI-unterstützten Erstellung von Anlieferungen

344

8.4.3 Technische Implementierung der KI-unterstützten Erstellung von Anlieferungen

349

8.4.4 Geschäftlicher Nutzen und Auswirkungen der KI-unterstützten Erstellung von Anlieferungen

350

8.5 KI-basierte Analyse von Protokolldateien in der SAP-TM-Planung

350

8.5.1 Geschäftliche Herausforderungen der Analyse der Protokolldateien in SAP TM

354

8.5.2 Anwendung der KI-basierten Analyse von Protokolldateien in der SAP-TM-Planung

354

8.5.3 Technische Implementierung der KI-basierten Analyse von Protokolldateien in SAP TM

359

8.5.4 Geschäftlicher Nutzen und Auswirkungen der KI-basierten Analyse von Protokolldateien in der SAP-TM-Planung

362

8.6 Edith, ein KI-gestützter Enablement-Assistent

363

8.6.1 Geschäftliche Herausforderungen

364

8.6.2 Anwendung und Verwendung von Edith

365

8.6.3 Technische Implementierung

370

8.6.4 Geschäftlicher Nutzen und Auswirkungen

375

9 SAP-AI-Referenzarchitektur und Lösungsbausteine

379

9.1 SAP-BTP-Referenzarchitektur zur Anwendung künstlicher Intelligenz

379

9.1.1 SAP AI Launchpad

383

9.1.2 SAP AI Core

385

9.1.3 SAP HANA Cloud

387

9.2 ISLM-Architektur

389

9.2.1 Eingebettete intelligente Szenarien

391

9.2.2 Side-by-Side-Szenarien

392

10 Joule Studio

393

10.1 Einführung in Joule Studio

393

10.2 Geschäftliche Herausforderungen

395

10.3 Joule Studio einrichten

396

10.3.1 Konfiguration von SAP S/4HANA Cloud Public Edition mit Joule Studio

397

10.3.2 Konfiguration auf der SAP BTP

398

10.4 End-to-End-Beispiel zur Kundenauftragsanalyse

401

10.4.1 Aktionen zum Aufruf von APIs anlegen

401

10.4.2 Projekt in Joule Studio anlegen

405

10.5 Kundenauftragsanlage basierend auf einer E-Mail

417

10.6 Debugging und Analyse in Joule

420

10.7 Geschäftlicher Nutzen von Joule Studio und Auswirkungen

422

10.8 Ausblick: das neue Joule Studio

424

11 Custom AI mit ABAP-RESTful-Application-Programming-Model-Entwicklung

427

11.1 Entwicklung mit dem ABAP RESTful Application Programming Model

427

11.2 Integration der RAP-Entwicklung mit Custom AI

429

11.2.1 Geschäftliche Herausforderungen der RAP-Entwicklung

430

11.2.2 Lösung und Implementierung der RAP-Entwicklung

431

11.2.3 Geschäftlicher Nutzen und Auswirkung der RAP-Entwicklung

456

12 Custom AI bei der CAP-Entwicklung

457

12.1 Visuelle Prüfungen mit Machine Learning

458

12.1.1 Geschäftliche Herausforderungen der visuellen Prüfung in der Produktion

458

12.1.2 Abbildung der visuellen Prüfung in einer SAP-Fiori-App

459

12.1.3 Technische Umsetzung der Anwendung

464

12.1.4 Geschäftlicher Nutzen und Auswirkungen der visuellen Prüfung

471

12.2 End-to-End-Szenario für KI-basierte Störungsmeldungen

471

12.2.1 Geschäftliche Herausforderungen der KI-gestützten Störungsmeldungserfassung

472

12.2.2 Abbildung der KI-gestützten Störungsmeldungserfassung in SAP-Fiori-Apps

472

12.2.3 Technische Umsetzung der Anwendung

474

12.2.4 Geschäftlicher Nutzen und Auswirkungen der KI-gestützten Störungsmeldungserfassung

483

13 KI-Entwicklung mit Intelligent Scenario Lifecycle Management

485

13.1 Funktionsumfang und Integration von ISLM

485

13.1.1 Kernfunktionen von ISLM

486

13.1.2 Integration mit anderen SAP-Lösungen

487

13.1.3 Geschäftlicher Nutzen von ISLM

487

13.2 Anwendungsmöglichkeiten für ISLM

488

13.3 Training und Deployment eigener KI-Modelle

489

13.4 Anwendungsbeispiel: Generative KI in ISLM

492

13.4.1 Anforderung: Unterstützung der Konfiguration eines Roboters

493

13.4.2 Lösung mit ISLM und Advanced Variant Configuration

493

13.4.3 Anwendung der Lösung in Advanced Variant Configuration

500

14 KI-Innovationen gezielt gestalten und umsetzen

505

14.1 Vorbereitung

505

14.1.1 Lösungslandschaft und Lizenzsituation analysieren

505

14.1.2 KI-Strategie und Governance prüfen

506

14.1.3 Roadmap-Abgleich

507

14.1.4 Datengestützte Analyse

507

14.1.5 Inspirationsbasierte Use-Case-Findung

508

14.2 Strategische Planung

508

14.3 Realisierung und Validierung

509

14.3.1 Prototyping

510

14.3.2 Proof of Concept

510

14.4 Zusammenfassung

510