• Beispiel aus der alten SAPGUI Welt
• Daten-Segmentierung für Marketingkampagnen
  • Aus verschiedenen Datenquellen (z.B. ERP, BW, Excel) werden Daten beschafft
  • Diese einzenlnen Segmente werden miteinander abgemischt, veredelt und weiter verarbeitet
  • Die umgesetzte UI ermöglich parallele Aktivitäten und damit sehr konmplexe Modellierungen
• Einsatz von Objektorientierung:
  • Oberfläche: Favoriten, Navigationsmenü, vordefinierte Knoten, Arbeitsbereich
  • Knotentypen: Extraktion, Mengenoperation, Filter, Veredelung, Export durch Farben symbolisiert
  • Typabhängige Eigenschaften: Anzahl möglicher Ein- und Ausgänge, Beschreibungstexte, Konfiguration
  • Objektspezifische Aktionen: alle Vorgängerknoten aktualisieren, Transparente Zwischenergebnisse

• Eine kundeneigene ABAP-basierende Toolbox für die Unterstützung von S/4 HANA Projekten und den Umstieg auf modernes ABAP und Clean Clore
• Fragestellung: Welche Themen kommen auf uns zu und wie können wir diese einheitlich umsetzen?
• Von der eigenen IT gemanaged und eingefordert, ggf. im eigenen Namensraum
• Strukturiert nach technischen Architekturschichten und Fachdomänen
• Objektorientiertes API Design mit Erweiterbarkeit durch Konfiguration
• Einsatz von Factory Pattern und Utilities (z.B. Logger)
• Domänenspezifische Standards und Vorgaben (z.B. wiederverwendbare CDS oder BL)
• Monitoring und Key User Tools (z.B. Applikation Log, Queues)

• Events aus verschiedenen Quellen werden harmonisiert: z.B. SalesOrder Changed
• Je nach Event-Quelle kann zusätzlicher Kontext ergänzt werden
• Events werden an einen Event-Channel weitergeleitet oder führen zur Erstellung von Daten-Produkten
• Datenprodukte werden für die Verwendung über die Daten-Produkt-API gespeichert (Pull-Modus), über einen Daten-Broker veröffentlicht oder an KI Services weitergereicht (z.B. RAG-Szenarien)
• Der Daten-Broker versorgt den den Real-Time-Message-Hub (z.B. SAP APC, Websockets) oder leitet die Datenprodukte an registrierte Daten-Konsumenten weitergeleitet
• Interne und externe Daten-Konsumenten werden aktiv mit den Datenprodukten versorgt (Push), schreiben Änderungszeiger oder erzeugen weitere Events (z.B. abhängige Objekte informieren)

Quelle: https://python.langchain.com/docs/tutorials/rag/

Wie funktioniert ein (einfaches) KI RAG?

Daten werden in natürlicherweise Sprache extrahiert, vektorisiert und in einer Vektordatenbank gespeichert. Für eine Frage im KI Chatbot wird die Frage ebenfalls vektorisiert und durch Ähnlichkeitssuche passender Kontext ermittelt. Aus diesem und seinem eigenen Wissen formuliert dann ein LLM eine Antwort.

Wie kann SAP davon profitieren?

1. Extrahieren der relevanten Informationen aus einem komplexen Business Objekt ist keine Herausforderung (inkl. Markdown-Formatierungen)
2. Das Szenario "Talk-to-Your-Business-Objekt" dann auch nicht mehr
3. Abfallprodukt KI Suche: funktioniert auch mehrsprachig und Unschärfen, weil auch ähnliche Bedeutungen erkannt werden