SAP generativeAI — KI-Integration in SAP-Prozesse
Generative KI wird in SAP-Landschaften selten am Modell scheitern, sondern an der Anbindung: Woher kommen die Daten, wer darf sie sehen, und was passiert, wenn das Modell falsch liegt. Das sind Schnittstellenfragen — und genau dort arbeiten wir seit über zwanzig Jahren.
AI Core und LLM-Anbindung
Über SAP AI Core und den Generative AI Hub lassen sich Sprachmodelle einbinden, ohne dass Unternehmensdaten unkontrolliert abfließen. Die Arbeit liegt darin, den Zugriff sauber zu schneiden und den Aufruf so in Prozesse einzuhängen, dass er nachvollziehbar bleibt.
RAG auf Unternehmensdaten
Ein Modell wird erst nützlich, wenn es die Daten des Hauses kennt. Retrieval Augmented Generation liefert dafür den Kontext zur Laufzeit, statt ein Modell teuer nachzutrainieren. Entscheidend ist, dass die Berechtigungen des Quellsystems auch im Abruf gelten und nicht am Index vorbeilaufen.
Governance, die den Betrieb übersteht
Protokollierung, Nachvollziehbarkeit der Antworten und ein definierter Umgang mit Fehlern gehören in den Entwurf. Ein KI-Baustein ohne Fehlerfall ist im Unternehmenseinsatz kein Baustein, sondern ein offenes Risiko.
Häufige Fragen
Bleiben unsere Daten bei generativer KI im Unternehmen?
Das hängt vollständig von der gewählten Architektur ab. Über den Generative AI Hub laufen Aufrufe kontrolliert und ohne Weitergabe an ein Modelltraining. Wer Modelle direkt bei einem Anbieter anspricht, muss die Vertragslage im Einzelfall prüfen. Diese Entscheidung gehört an den Anfang und nicht in den Betrieb.
Brauchen wir ein eigenes trainiertes Modell?
In den allermeisten Fällen nicht. Retrieval Augmented Generation liefert dem Modell den benötigten Kontext zur Laufzeit und ist deutlich günstiger, schneller anzupassen und leichter zu korrigieren als ein nachtrainiertes Modell. Feintuning lohnt sich erst bei sehr eng umrissenen, stabilen Aufgaben.
Wo lohnt sich generative KI in SAP-Prozessen zuerst?
Dort, wo heute Menschen unstrukturierten Text in strukturierte Daten übersetzen: Belegerfassung, Klassifikation eingehender Anfragen, Vorbefüllung von Stammdaten. Der Nutzen ist messbar, der Fehlerfall ist beherrschbar, und es gibt eine klare fachliche Prüfinstanz dahinter.
Wie hängt das mit unseren Schnittstellen zusammen?
Eng. Jeder KI-Baustein braucht Daten aus Quellsystemen und schreibt Ergebnisse zurück. Damit ist er eine Schnittstelle mit denselben Anforderungen an Berechtigungen, Fehlerbehandlung und Monitoring wie jede andere auch. Wer das trennt, baut zweimal.