SAP Mehr Funktionalität rund um Künstliche Intelligenz

Anbieter zum Thema

SAP Deutschland SE & Co. KG

WatchGuard Technologies GmbH

Fsas Technologies GmbH

Zadara Ltd.

Mit neuen Tools und Funktionen erweitert SAP seine analytischen Kapazitäten. Basis dafür sind Data Fabric und Datasphere. Letzteres wurde vor einem Jahr angekündigt, nun sollen die analytischen Fähigkeiten gestärkt werden.

Unternehmen brauchen zunehmend sofortigen Zugriff auf wichtige geschäftliche Daten. Das gilt besonders für Software, in der diese Daten vorwiegend gespeichert werden wie beispielsweise die Enterprise-Anwendungen von SAP. Doch in historisch gewachsenen Datenlandschaften ist dieser übergreifende Zugriff oft genug nicht möglich.

Nun will SAP, aufbauend auf der Data Fabric „Datasphere“, Zeit und Aufwand für Datenaufbereitung und -zugriff für seine Kunden weiter reduzieren. SAP Datasphere wurde vor einem Jahr angekündigt. Außerdem sollen die analytischen Fähigkeiten gestärkt werden.

Bildergalerie

Umfassender Datenservice

Mit dem umfassenden Datenservice auf der SAP Business Technology Plattform (BTP) können Kunden reibungslos auf alle Daten und Metadaten zugreifen und auch Verbindungen zwischen diesen Daten herstellen. Die Geschäftslogik bleibt dabei erhalten, um den Zusammenhang zu den geschäftskritischen Prozessen zu gewährleisten.

Dabei sollen alle Zugriffe immer sicher sein, unabhängig davon, wo die Daten sich befinden. Sie können irgendwo in einer On-premises-, einer Cloud- oder einer hybriden Landschaft liegen.

Drei Portfolioelemente

SAPs Datenportfolio umfasst drei Produkte: SAP HANA Cloud als Datenbanklösung as a Service. Mit dieser Multi-Model-Applikation lassen sich intelligente Apps bauen. Sie kombinieren transaktionale und analytische Elemente, ML und KI.

Die Data Fabric Datasphere, integriert verschiedene Datenquellen (SAP und Nicht-SAP), um darauf Modelle oder Analysen zu fahren. Gleichzeitig liefert das System Informationen darüber, wer die Daten wofür verwendet. Das eröffnet die Chance, dass Dritte außer dem Data Owner inner- oder außerhalb des Unternehmens mit diesen Daten arbeiten können.

Das dritte Produkt ist die SAP Analytics Cloud. Damit lassen sich Datenanalysen und Planung sowie Soll-Ist-Vergleiche mithilfe von Daten durchführen.

Partnerschaften erweitern Datasphere

Um ein leistungsstarkes Umfeld für Datasphere aufzubauen, hat SAP im vergangenen Jahr vier Partnerschaften angekündigt: mit Dataprojects, Confluent, Collibra und Data Robot. Später kam dann Google hinzu.

SAP zielt laut Michael Ameling, Chief Product Officer BTP, darauf, die Datenlandschaften der Kunden weiter zu vereinfachen, indem SAP-Daten mit Nicht-SAP-Daten zusammengeführt werden. Das sollen die Kunden möglichst in einer Selbstbedienungs-Umgebung in eigener Regie tun können. Ameling: „Am Ende sollen die Kunden über alle Anwendungen hinweg, in denen Daten genutzt werden, höheren Nutzen aus diesen Daten ziehen.“

Einheitliche Schicht über alle Daten

Dafür legt SAP eine einheitliche Schicht über allen Daten. So bleiben bestehende Investitionen in Daten und Technologien geschützt. Anwender nutzen dieses Umfeld vor allem für analytische Anwendungen, aber auch für die Planung. Denn gerade bei Planungsprojekten ist es sinnvoll, sie intelligent mit Daten anzureichern. Neue Tools sollen dabei helfen, Zugriff und Analyse zu erleichtern.

Der SAP-Assistent Joule basiert auf generativer KI. Er steht nun auf der SAP Analytics Cloud zur Verfügung. Das Softwarewerkzeug hilft bei der automatisierten Erstellung nutzerspezifischer Berichte, Dashboards und Pläne. Der Assistent nutzt natürliche Sprache und ist damit auch für Mitarbeiterinnen und Mitarbeiter ohne Programmierkenntnisse zugänglich.

Sicherungsmechanismen gegen analytische Fehler

Dabei bietet die Software Sicherungsmechanismen dagegen, dass bei Analysen durch Personal, das keine datenanalytische Vorbildung hat, beispielsweise wichtige Parameter vergessen oder aus Ergebnissen falsche Schlüsse gezogen werden. So gibt es anwendungsspezifische Templates, etwa für den Finanzbereich, die passende Parameter vorschlagen.

Zu Ergebnissen werden Konfidenzintervalle angegeben. Dadurch können Domänen-Spezialisten etwa aus dem Finanzbereich die Relevanz von Ergebnissen einschätzen oder eine lückenhafte Parameterauswahl verhindern.

SAP HANA Cloud Vector Engine für generative KI-Abfragen

Die SAP HANA Cloud Vector Engine steht jetzt generell zur Verfügung. Bereits im vergangenen Jahr konnten sie ausgewählte Testkunden nutzen. Damit lassen sich generative KI-Abfragen wie „Wie viele Produkte habe ich in Deutschland verkauft?“ beantworten.

SAP HANA Cloud Vector Engine behebt das Problem der Aktualität großer Sprachmodelle. Echtzeit- und echtzeitnahe Daten lassen sich über die Vektordatenbank in die Analysen mit generativen Sprachmodellen integrieren, wobei der Geschäftskontext erhalten bleibt. Dasselbe gilt mithilfe von GenAI Hub auch für Dokumente wie PDF- oder Textfiles. Ammon: „Sogar Excel-Sheets lassen sich in die Analysen einbeziehen.“

Best Practises und Ethik-Guide für den Praxiseinsatz

Allerdings liefere SAP auch Best Practises, denn es sei durchaus nicht überall sinnvoll, viele externe Daten in Analysen einzuschließen. Das hänge ganz vom Anwendungsfall ab. Hier verweist SAP auch auf seinen AI Ethics Guide, der Regeln für den Umgang mit externen Daten vorschlägt. Ammon: „Wir sind hier Vorreiter.“

Im Bereich Mustererkennung ermöglicht Knowledge Graph in SAP Datasphere, bislang intransparente Muster und Zusammenhänge in Daten, Metadaten und Geschäftsprozessen zu entdecken oder besser zu verstehen. Außerdem steigt damit die Effektivität von maschinellem Lernen und großen Sprachmodellen.

Durchgängiges Datenmanagement

Durch die Integration von SAP Datasphere in SAP Analytics Cloud entsteht ein durchgängiges Datenmanagement. Damit können Anwender auch komplexe Analysen für die organisationsübergreifende Planung durchführen. Daten lassen sich nahtlos in flexiblen Modellen verknüpfen. Ein Tool reicht für Datenaufbereitung, -modellierung und -planung.

Im übrigen arbeitet SAP mit kundenspezifischen Modellen. Man wolle sich nicht an einen Anbieter binden. Denn der Markt der Large Language Models und übrigen Modelle entwickle sich rasant. Ziel sei es, die Flexibilität zu erhalten, sodass für jeden Anwendungsfall das am besten passende Modell gewählt werden kann. Dafür unterhält SAP Partnerschaften mit den wichtigsten Modellanbietern.

Modelle werden mit Kundendaten verfeinert

Die Verfeinerung erfolgt dann oft direkt mit Kundendaten. Ameling: „Erstaunlich viele Kunden ermöglichen uns, ihre Daten für das Anlernen von Modellen zu nutzen, sodass wir hier die Geschäftslogik der Kunden sehr gut abbilden können.“ Das ermögliche die Beantwortung von ganz praktischen Fragen wie: „Darf ich Business Class fliegen?“ im Anwendungskontext. Diesen kundenspezifischen Ansatz zieht SAP dem Aufbau eines großen LLM vor.

Auf diese Weise entstehen neuartige spezifische Applikationen für bestimmte Zwecke. Ameling nannte die HR-Software Success Factors. Sie enthält die für einen Arbeitsplatz nötige Expertise, die jeweiligen Jobbeschreibungen des SAP-Kunden und viele weitere Parameter, um die optimale Besetzung für den Arbeitsplatz zu finden. Ein anderes Beispiel sei der sehr schnelle Document Extraction Service.

Partnerschaft mit Collibra wird vertieft

Weil Datensicherheit und Compliance immer wichtiger werden, vermeldet SAP zudem die Erweiterung seiner Partnerschaft mit Collibra. Das Unternehmen bietet eine Plattform für KI-Governance an, die mit den SAP-Daten integriert werden kann.

Der Sicherheit dient auch der föderierte Datenansatz: Daten werden da analysiert, wo sie sich befinden, statt sie an einen zentralen Ort zu transportieren. Außerdem arbeiten die Analysen jeweils nur mit den Daten, die für die jeweilige Analyse nötig sind.

Der Datenzugriff über Datasphere sorgt dabei für die nötige Datensicherheit und die Berücksichtigung aller Regeln. Sowohl Knowledge Graph als auch Joule greifen über Datasphere auf die Daten zu und berücksichtigen damit alle Sicherheitseinstellungen und -regeln.

(ID:49969863)