Casos de negocio de IA con SAP - Escenarios, herramientas y mejores prácticas

Libro Multilingüe

🇩🇪 Alemán (Original) 🇺🇸 Inglés (Traducción) 🇪🇸 Español (Traducción)

✅ Todos los idiomas están incluidos en su compra

Editorial SAP PRESS

Año / Edición 2025 / 1

Páginas 461

Autores René Kessler, Marcel Kuchler

Casos de negocio de IA con SAP

¿Cómo puede beneficiarse su empresa de la IA? Este libro ofrece respuestas basadas en nueve casos prácticos y muestra cómo optimizar sus procesos empresariales con IA. Desde el inventario hasta la verificación de facturas y el desarrollo de software, René Kessler y Marcel Kuchler explican cómo implementar proyectos de IA con tecnologías SAP como SAP Business Technology Platform, SAP AI Core y Joule. Descubra qué requisitos debe cumplir y cómo evitar errores típicos.

Múltiples casos de aplicación en diferentes áreas especializadas
Herramientas y tecnologías para su propio proyecto de IA
Incluye SAP Business AI, SAP AI Core y SAP Generative AI Hub.

Aprenderás sobre:

Fundamentos y potencial de la IA:
Los autores explican los fundamentos de la IA, las disciplinas que la componen y cómo las empresas pueden beneficiarse de ella. Muestran cómo se utilizan las tecnologías de IA para diseñar procesos empresariales más inteligentes, eficientes y sostenibles.
El kit de construcción de IA de SAP:
Conozca las herramientas de IA de SAP: desde la plataforma tecnológica empresarial SAP hasta las funciones de IA predefinidas en SAP Business AI, pasando por soluciones personalizadas con los servicios de IA, este libro ofrece una visión general completa.
Nueve casos de uso prácticos:
A partir de ejemplos concretos de ámbitos como la logística, las finanzas y el desarrollo de software, los autores muestran cómo las empresas utilizan la IA de forma rentable, con todos los detalles sobre los objetivos, los requisitos técnicos y la implementación. Descubra también cómo implementar su proyecto de IA de forma segura y conforme a la normativa.

Aspectos Destacados:

Fundamentos de la IA
Plataforma tecnológica empresarial SAP
Núcleo de IA de SAP
julio
Requisitos del sistema
estrategias de implementación
Seguridad y cumplimiento normativo

Ver Tabla de Contenidos Completa

Introducción
PARTE I Introducción: Las herramientas para su proyecto de IA
1 IA y SAP: inteligencia en sus procesos comerciales
- 1.1 La evolución histórica de la IA
- 1.2 Definiciones y delimitación de conceptos
  - 1.2.1 Fundamentos de la inteligencia artificial y la ciencia de datos
  - 1.2.2 Disciplinas y tecnologías importantes de la IA
  - 1.2.3 Ejemplos de IA en la vida cotidiana
- 1.3 Por qué la IA está transformando radicalmente el ADN de las empresas modernas
  - 1.3.1 La IA como factor de transformación para las empresas
  - 1.3.2 Las ventajas de la IA: la innovación se une a la eficiencia
- 1.4 Relevancia para los usuarios de SAP
- 1.5 Resumen
2 El kit de construcción de IA de SAP: una visión general del panorama de productos de SAP
- 2.1 SAP BTP: la base para proyectos de IA en el universo SAP
  - 2.1.1 Inteligencia artificial empresarial de SAP
  - 2.1.2 Servicios de IA de SAP
  - 2.1.3 SAP AI Core y SAP AI Launchpad
  - 2.1.4 Centro de IA generativa
- 2.2 Joule: el asistente inteligente
  - 2.2.1 ¿Qué es un julio?
  - 2.2.2 ¿Cómo funciona Joule?
  - 2.2.3 Mecanismos de conexión a tierra: cómo Joule integra conocimientos técnicos específicos
- 2.3 Sinergias entre la IA y otras tecnologías
  - 2.3.1 Minería de procesos e inteligencia artificial
  - 2.3.2 Automatización robótica de procesos e inteligencia artificial
  - 2.3.3 SAP Analytics Cloud e inteligencia artificial
  - 2.3.4 Interacción entre la minería de procesos, la RPA y SAP Analytics Cloud con IA
- 2.4 Resumen
3 Entornos de sistemas y sus consecuencias: públicos, privados y locales
- 3.1 Introducción a los entornos de sistemas
  - 3.1.1 Arquitectura de las versiones SAP S/4HANA y SAP BTP
  - 3.1.2 Ventajas y desventajas para las aplicaciones de IA
- 3.2 Retos en la integración de la IA
  - 3.2.1 Retos técnicos de la integración de la IA y sus soluciones
  - 3.2.2 Retos organizativos de la integración de la IA y sus soluciones
- 3.3 Herramientas y tecnologías para la integración de soluciones de IA
- 3.4 Ejemplos prácticos
  - 3.4.1 Caso práctico 1: Mantenimiento predictivo basado en IA en la industria manufacturera
  - 3.4.2 Caso práctico 2: Análisis de clientes basado en IA en el comercio minorista
  - 3.4.3 Caso práctico 3: Procesamiento automatizado de facturas con IA en una empresa financiera
  - 3.4.4 Caso práctico 4: Automatización controlada por IA en el sector sanitario
- 3.5 Toma de decisiones: la arquitectura adecuada para su solución de IA
  - 3.5.1 Los hiperescaladores y su importancia para las arquitecturas de IA
  - 3.5.2 Costos de operación del SAP BTP
- 3.6 Resumen
PARTE II Casos de uso de la IA
4 Detección de anomalías en transacciones financieras
- 4.1 Introducción y objetivos
- 4.2 Crear las condiciones adecuadas
  - 4.2.1 Seleccionar y preparar los datos
  - 4.2.2 Definición de «normal» y «anómalo»
  - 4.2.3 Seleccionar el algoritmo adecuado
- 4.3 Implementación técnica
  - 4.3.1 Implementar Isolation Forest
  - 4.3.2 Desarrollar API
  - 4.3.3 Preparar el entorno Docker para el entrenamiento y la implementación de la API
  - 4.3.4 Creación de flujos de trabajo de IA automatizados con ArgoFlows en SAP AI Core
  - 4.3.5 Implementación productiva de servicios de IA con KServe y SAP AI Core
- 4.4 Implementar la solución de IA en SAP BTP
  - 4.4.1 Fundamentos administrativos en SAP AI Core
  - 4.4.2 Registrar la aplicación
  - 4.4.3 Configurar escenario
  - 4.4.4 Ejecutar flujo de trabajo
  - 4.4.5 Implementar el modelo
  - 4.4.6 Integrar el modelo en aplicaciones nuevas o existentes mediante una API
- 4.5 Resumen
5 Análisis y optimización de las rutas de transporte
- 5.1 Introducción y objetivos
- 5.2 Crear las condiciones adecuadas
  - 5.2.1 Agentes de IA
  - 5.2.2 Julios
  - 5.2.3 Generative AI Hub y Generative AI Hub SDK
- 5.3 Implementación técnica
  - 5.3.1 Selección e integración del LLM
  - 5.3.2 Implementación del agente de IA
- 5.4 El agente en la aplicación práctica
- 5.5 Resumen
6 Verificación automatizada de facturas
- 6.1 Introducción y objetivos
- 6.2 Crear las condiciones adecuadas: SAP Document AI
- 6.3 Implementación técnica
  - 6.3.1 Extracción automatizada de información con esquemas estándar
  - 6.3.2 Esquemas personalizados
  - 6.3.3 Extracción automatizada de información con esquemas personalizados
  - 6.3.4 Utilizar SAP Document AI a través de la API
- 6.4 Resumen
7 Inventario con IA
- 7.1 Introducción y objetivos
- 7.2 Crear las condiciones adecuadas
- 7.3 Implementación técnica
  - 7.3.1 Backend: lógica de aplicación e integración
  - 7.3.2 Interfaz de usuario: interfaz de usuario con el diseño característico de SAP
  - 7.3.3 Componentes de IA: evaluación inteligente de imágenes para el inventario
  - 7.3.4 Paso a paso por la aplicación de inventario
- 7.4 Resumen
8 IA en la recepción y el control de mercancías
- 8.1 Introducción y objetivos
- 8.2 Crear las condiciones adecuadas
  - 8.2.1 Hardware y conexión de red
  - 8.2.2 Soluciones e integraciones SAP
  - 8.2.3 IA y datos de entrenamiento
  - 8.2.4 Ampliaciones necesarias y asistencia técnica
- 8.3 Implementación técnica
  - 8.3.1 Crear destino en SAP BTP
  - 8.3.2 Utilizar los servicios de la aplicación para crear una entrega
- 8.4 Resumen
9 chatbots personalizados con RAG
- 9.1 Introducción y objetivos
- 9.2 Crear las condiciones adecuadas
- 9.3 Implementación técnica
  - 9.3.1 Configurar SAP BTP
  - 9.3.2 De la plantilla de flujo de trabajo a la solución
- 9.4 Resumen
10 Previsión de ventas y existencias
- 10.1 Introducción y objetivos
- 10.2 Crear las condiciones adecuadas: SAP Analytics Cloud para la previsión
  - 10.2.1 Pila de software
  - 10.2.2 Arquitectura e integración
- 10.3 Implementación técnica
  - 10.3.1 Modelado de datos
  - 10.3.2 Integración en los procesos operativos
- 10.4 Resultados y potencial de uso
- 10.5 Resumen
11 La IA como acelerador en el desarrollo de software
- 11.1 Introducción y objetivos
- 11.2 Crear las condiciones adecuadas
- 11.3 Implementación técnica
  - 11.3.1 Crear la base en SAP BTP
  - 11.3.2 Configurar el primer proyecto
  - 11.3.3 Desarrollar el proyecto
- 11.4 Resumen
12 Mantenimiento predictivo: información en tiempo real gracias a las conexiones de datos en vivo
- 12.1 Introducción y objetivos
- 12.2 Crear las condiciones adecuadas
  - 12.2.1 SAP Analytics Cloud para el mantenimiento predictivo
  - 12.2.2 Conexión de datos en vivo y fuentes de datos
  - 12.2.3 Concepto arquitectónico de SAP Analytics Cloud
- 12.3 Implementación técnica
  - 12.3.1 Creación de modelos: análisis predictivo con Smart Predict
  - 12.3.2 Integración operativa en los procesos de mantenimiento
- 12.4 Repercusiones organizativas y gestión del cambio
- 12.5 IA explicable
- 12.6 Riesgos y factores de éxito
- 12.7 Resultados y potencial de uso
- 12.8 Resumen
PARTE III Consideraciones previas al inicio de su proyecto de IA
13 Estrategia de implementación de IA con SAP
- 13.1 ¿Cómo inicio un proyecto de IA?
  - 13.1.1 Preparación del proyecto y definición de objetivos
  - 13.1.2 Requisitos: datos, tecnologías, equipos
  - 13.1.3 Aspectos estratégicos de la implementación de la IA
- 13.2 Mejores prácticas para la implementación
  - 13.2.1 Modelos de procedimiento
  - 13.2.2 Proceso CRISP-DM y MLOps
  - 13.2.3 Integración en sistemas existentes
  - 13.2.4 Capacitación y aceptación
  - 13.2.5 Medición del rendimiento de las implementaciones de IA
- 13.3 Errores comunes y cómo evitarlos
  - 13.3.1 Falta de objetivos y vinculación estratégica
  - 13.3.2 Mala calidad de los datos
  - 13.3.3 Mentalidad aislada y falta de colaboración
  - 13.3.4 Complejidad innecesaria y falta de escalabilidad
  - 13.3.5 IA sesgada y poco transparente
  - 13.3.6 Expectativas poco realistas y trampa de costos
  - 13.3.7 Resistencia al cambio
  - 13.3.8 Riesgos de seguridad y deudas técnicas
  - 13.3.9 Falta de medición del éxito
  - 13.3.10 Falta de gobernanza
- 13.4 Resumen
14 Una mirada al futuro
- 14.1 Tendencias en la investigación sobre IA y sus implicaciones para los sistemas ERP
  - 14.1.1 Modelos lingüísticos, automatización de procesos y análisis de datos
  - 14.1.2 IA explicable, transparencia y colaboración entre humanos e IA
- 14.2 Recomendaciones de actuación para los responsables de la toma de decisiones
- 14.3 Resumen
Anexo
- Un lienzo de casos de uso de IA
- Lista de verificación: ¿Está su empresa preparada para la IA?
- Lista de verificación: cómo planificar e implementar con éxito proyectos de inteligencia artificial
- D Ejemplo de código completo del capítulo 9
Los autores
Índice

AI Business Cases mit SAP

Wie kann Ihr Unternehmen von KI profitieren? Dieses Buch liefert anhand von neun praxisnahen Business Cases Antworten und zeigt, wie Sie Ihre Geschäftsprozesse mit KI optimieren. Von der Inventur über die Rechnungsprüfung bis zur Softwareentwicklung – René Kessler und Marcel Kuchler erklären, wie Sie KI-Projekte mit SAP-Technologien wie der SAP Business Technology Platform, SAP AI Core und Joule umsetzen. Erfahren Sie, welche Voraussetzungen Sie schaffen müssen und wie Sie typische Fehler vermeiden.

Vielfältige Anwendungsfälle aus verschiedenen Fachbereichen
Tools und Technologien für Ihr eigenes KI-Projekt
Inkl. SAP Business AI, SAP AI Core und SAP Generative AI Hub

Du lernst etwas über:

Grundlagen und Potenziale von KI:
Die Autoren erklären die KI-Grundlagen, welche Disziplinen es gibt und wie Unternehmen davon profitieren können. Sie zeigen auf, wie KI-Technologien genutzt werden, um Geschäftsprozesse intelligenter, effizienter und zukunftsfähiger zu gestalten.
Der KI-Baukasten von SAP:
Lernen Sie die KI-Tools von SAP kennen: Von der SAP Business Technology Platform über vordefinierte KI-Funktionen in SAP Business AI bis hin zu individuellen Lösungen mit den AI Services – dieses Buch gibt einen kompletten Überblick.
Neun Anwendungsfälle aus der Praxis:
Anhand konkreter Beispiele aus Bereichen wie Logistik, Finanzwesen und Softwareentwicklung zeigen die Autoren, wie Unternehmen KI gewinnbringend einsetzen, mit allen Details zu Zielsetzung, technischen Voraussetzungen und Umsetzung. Erfahren Sie auch, wie Sie Ihr KI-Projekt compliant und sicher umsetzen.

Aus dem Inhalt:

KI-Grundlagen
SAP Business Technology Platform
SAP AI Core
Joule
Systemvoraussetzungen
Umsetzungsstrategien
Security und Compliance

Komplettes Inhaltsverzeichnis

Einleitung
TEIL I Einführung: Das Handwerkszeug für Ihr KI-Projekt
1 KI und SAP: Die Intelligenz in Ihren Geschäftsprozessen
- 1.1 Die historische Entwicklung von KI
- 1.2 Begriffsdefinitionen und Abgrenzung
  - 1.2.1 Grundlagen von KI und Data Science
  - 1.2.2 Wichtige Disziplinen und Technologien der KI
  - 1.2.3 Beispiele für KI im Alltag
- 1.3 Warum KI die DNA moderner Unternehmen grundlegend verändert
  - 1.3.1 KI als Transformationsfaktor für Unternehmen
  - 1.3.2 Der Nutzen von KI: Innovation trifft Effizienz
- 1.4 Relevanz für SAP-Anwenderinnen und Anwender
- 1.5 Zusammenfassung
2 Der KI-Baukasten von SAP: Ein Überblick über die SAP-Produktlandschaft
- 2.1 SAP BTP: Das Fundament für KI-Projekte im SAPKosmos
  - 2.1.1 SAP Business AI
  - 2.1.2 SAP AI Services
  - 2.1.3 SAP AI Core und SAP AI Launchpad
  - 2.1.4 Generative AI Hub
- 2.2 Joule: Der intelligente Assistent
  - 2.2.1 Was ist Joule?
  - 2.2.2 Wie funktioniert Joule?
  - 2.2.3 Grounding-Mechanismen: Wie Joule spezifisches Fachwissen einbettet
- 2.3 Synergien zwischen KI und anderen Technologien
  - 2.3.1 Process Mining und KI
  - 2.3.2 Robotic Process Automation und KI
  - 2.3.3 SAP Analytics Cloud und KI
  - 2.3.4 Zusammenwirken von Process Mining, RPA und SAP Analytics Cloud mit KI
- 2.4 Zusammenfassung
3 Systemlandschaften und deren Folgen: Public, Private und On-Premise
- 3.1 Einführung in Systemlandschaften
  - 3.1.1 Architektur der SAP-S/4HANA-Versionen und der SAP BTP
  - 3.1.2 Vor- und Nachteile für KI-Anwendungen
- 3.2 Herausforderungen bei der KI-Integration
  - 3.2.1 Technische Herausforderungen der KI-Integration und ihre Lösungen
  - 3.2.2 Organisatorische Herausforderungen der KI-Integration und ihre Lösungen
- 3.3 Tools und Technologien für die Integration von KILösungen
- 3.4 Fallbeispiele
  - 3.4.1 Fallbeispiel 1: KI-gestützte vorausschauende Wartung in der Fertigungsindustrie
  - 3.4.2 Fallbeispiel 2: KI-gestützte Kundenanalyse im Einzelhandel
  - 3.4.3 Fallbeispiel 3: Automatisierte Rechnungsverarbeitung mit KI in einem Finanzunternehmen
  - 3.4.4 Fallbeispiel 4: KI-gesteuerte Automatisierung im Gesundheitswesen
- 3.5 Entscheidungsfindung: Die richtige Architektur für Ihre KI-Lösung
  - 3.5.1 Hyperscaler und deren Bedeutung für KI-Architekturen
  - 3.5.2 Betriebskosten der SAP BTP
- 3.6 Zusammenfassung
TEIL II KI-Anwendungsfälle
4 Anomalieerkennung in Finanztransaktionen
- 4.1 Einleitung und Zielsetzung
- 4.2 Die richtigen Voraussetzungen schaffen
  - 4.2.1 Daten auswählen und vorbereiten
  - 4.2.2 Normal und anomal definieren
  - 4.2.3 Den passenden Algorithmus auswählen
- 4.3 Technische Umsetzung
  - 4.3.1 Isolation Forest implementieren
  - 4.3.2 API entwickeln
  - 4.3.3 Docker-Umgebung für das Training und Deployment der API vorbereiten
  - 4.3.4 Automatisierte KI-Workflows mit ArgoFlows in SAP AI Core erstellen
  - 4.3.5 KI-Services mit KServe und SAP AI Core produktiv bereitstellen
- 4.4 Die KI-Lösung auf der SAP BTP bereitstellen
  - 4.4.1 Administrative Grundlagen in SAP AI Core
  - 4.4.2 Anwendung registrieren
  - 4.4.3 Szenario konfigurieren
  - 4.4.4 Workflow ausführen
  - 4.4.5 Modell implementieren
  - 4.4.6 Das Modell über eine API in neue oder bestehende Anwendungen integrieren
- 4.5 Zusammenfassung
5 Analyse und Optimierung von Transportwegen
- 5.1 Einleitung und Zielsetzung
- 5.2 Die richtigen Voraussetzungen schaffen
  - 5.2.1 AI Agents
  - 5.2.2 Joule
  - 5.2.3 Generative AI Hub und Generative AI Hub SDK
- 5.3 Technische Umsetzung
  - 5.3.1 Auswahl und Einbindung des LLMs
  - 5.3.2 Implementierung des AI Agent
- 5.4 Der Agent in der praktischen Anwendung
- 5.5 Zusammenfassung
6 Automatisierte Rechnungsprüfung
- 6.1 Einleitung und Zielsetzung
- 6.2 Die richtigen Voraussetzungen schaffen: SAP Document AI
- 6.3 Technische Umsetzung
  - 6.3.1 Automatisierte Informationsextraktion mit Standardschemas
  - 6.3.2 Custom-Schemas
  - 6.3.3 Automatisierte Informationsextraktion mit Custom-Schemas
  - 6.3.4 SAP Document AI via API nutzen
- 6.4 Zusammenfassung
7 Inventur mit KI
- 7.1 Einleitung und Zielsetzung
- 7.2 Die richtigen Voraussetzungen schaffen
- 7.3 Technische Umsetzung
  - 7.3.1 Backend – Anwendungslogik und Integration
  - 7.3.2 Frontend – Benutzeroberfläche im vertrauen SAP-Design
  - 7.3.3 KI-Komponenten – Intelligente Bildauswertung für die Inventur
  - 7.3.4 Schritt für Schritt durch die Inventur-App
- 7.4 Zusammenfassung
8 KI im Wareneingang und in der Warenkontrolle
- 8.1 Einleitung und Zielsetzung
- 8.2 Die richtigen Voraussetzungen schaffen
  - 8.2.1 Hardware und Netzwerkanbindung
  - 8.2.2 SAP-Lösungen und Integrationen
  - 8.2.3 KI und Trainingsdaten
  - 8.2.4 Notwendige Erweiterungen und Support
- 8.3 Technische Umsetzung
  - 8.3.1 Destination in der SAP BTP anlegen
  - 8.3.2 Services in der App für die Anlage einer Anlieferung nutzen
- 8.4 Zusammenfassung
9 Individuelle Chatbots mit RAG
- 9.1 Einleitung und Zielsetzung
- 9.2 Die richtigen Voraussetzungen schaffen
- 9.3 Technische Umsetzung
  - 9.3.1 SAP BTP konfigurieren
  - 9.3.2 Vom Workflow-Template zur Lösung
- 9.4 Zusammenfassung
10 Forecasting von Sales und Lagerbeständen
- 10.1 Einleitung und Zielsetzung
- 10.2 Die richtigen Voraussetzungen schaffen: SAP Analytics Cloud für Forecasting
  - 10.2.1 Software-Stack
  - 10.2.2 Architektur und Integration
- 10.3 Technische Umsetzung
  - 10.3.1 Datenmodellierung
  - 10.3.2 Integration in operative Prozesse
- 10.4 Ergebnisse und Nutzungspotenziale
- 10.5 Zusammenfassung
11 KI als Accelerator in der Softwareentwicklung
- 11.1 Einleitung und Zielsetzung
- 11.2 Die richtigen Voraussetzungen schaffen
- 11.3 Technische Umsetzung
  - 11.3.1 Die Basis in der SAP BTP schaffen
  - 11.3.2 Das erste Projekt einrichten
  - 11.3.3 Projekt entwickeln
- 11.4 Zusammenfassung
12 Predictive Maintenance: Echtzeit-Einblicke durch Live-Datenanbindungen
- 12.1 Einleitung und Zielsetzung
- 12.2 Die richtigen Voraussetzungen schaffen
  - 12.2.1 SAP Analytics Cloud für Predictive Maintenance
  - 12.2.2 Live-Datenanbindung und Datenquellen
  - 12.2.3 Architekturkonzept der SAP Analytics Cloud
- 12.3 Technische Umsetzung
  - 12.3.1 Modellaufbau: Predictive Analytics mit Smart Predict
  - 12.3.2 Operative Integration in Instandhaltungsprozesse
- 12.4 Organisatorische Auswirkungen und Change Management
- 12.5 Explainable AI
- 12.6 Risiken und Erfolgsfaktoren
- 12.7 Ergebnisse und Nutzungspotenziale
- 12.8 Zusammenfassung
TEIL III Überlegungen vor dem Start Ihres KI-Projekts
13 Umsetzungsstrategie für KI mit SAP
- 13.1 Wie starte ich ein KI-Projekt?
  - 13.1.1 Projektvorbereitung und Zieldefinition
  - 13.1.2 Voraussetzungen: Daten, Technologien, Teams
  - 13.1.3 Strategische Aspekte der KI-Implementierung
- 13.2 Best Practices für die Implementierung
  - 13.2.1 Vorgehensmodelle
  - 13.2.2 CRISP-DM-Prozess und MLOps
  - 13.2.3 Integration in bestehende Systeme
  - 13.2.4 Schulung und Akzeptanz
  - 13.2.5 Leistungsmessung von KI-Implementierungen
- 13.3 Typische Fehler und wie man sie vermeidet
  - 13.3.1 Fehlende Zielsetzung und strategische Anbindung
  - 13.3.2 Schlechte Datenqualität
  - 13.3.3 Silodenken und mangelnde Zusammenarbeit
  - 13.3.4 Unnötige Komplexität und fehlende Skalierbarkeit
  - 13.3.5 Verzerrte und intransparente KI
  - 13.3.6 Unrealistische Erwartungen und Kostenfalle
  - 13.3.7 Widerstand gegen Veränderung
  - 13.3.8 Sicherheitsrisiken und technische Schulden
  - 13.3.9 Fehlende Erfolgsmessung
  - 13.3.10 Fehlende Governance
- 13.4 Zusammenfassung
14 Ein Blick in die Zukunft
- 14.1 Trends in der KI-Forschung und deren Implikationen für ERP-Systeme
  - 14.1.1 Sprachmodelle, Prozessautomatisierung und Datenanalysen
  - 14.1.2 Explainable AI, Transparenz und Mensch-KI-Kollaboration
- 14.2 Handlungsempfehlungen für Entscheiderinnen und Entscheider
- 14.3 Zusammenfassung
Anhang
- A AI Use Case Canvas
- B Checkliste: Ist Ihr Unternehmen bereit für KI?
- C Checkliste: So planen und setzen Sie KIProjekte erfolgreich um
- D Vollständiges Code-Beispiel aus Kapitel 9
Die Autoren
Index

ℹ️ ¿Cómo adquirir este libro?

Este producto tiene un precio especial bajo consulta. Puedes iniciar tu pedido o aclarar cualquier duda en el botón Consultar precio de la página.

También hemos preparado una guía paso a paso para explicarte cómo solicitar tu cotización fácilmente.

Ver paso a paso aquí →

Descargo de responsabilidad

SAP, otros productos SAP y servicios mencionados aquí así como sus respectivos logos son marca registrada de SAP SE (o una compañía afiliada de SAP) en Alemania y otros países. Nuestra compañía no está afiliada con SAP SE ni con ninguna de sus compañías afiliadas incluyendo pero no limitada a: Sybase, Business Objects, Hybris, Ariba y SuccessFactors. Todos los otros nombres, marcas, logos, etc. son marcas o servicios registrados de sus respectivos propietarios.

Inicio > Libros SAP > Libros Multilingüe > Casos de negocio de IA con SAP - Escenarios, herramientas y mejores prácticas

Casos de negocio de IA con SAP - Escenarios, herramientas y mejores prácticas

Name: Casos de negocio de IA con SAP - Escenarios, herramientas y mejores prácticas
Brand: SAP
SKU: BOOK-SAPPRESS-EBOOK-2025-9783367109593

Garantía

Recibe el producto que esperabas o te devolvemos tu dinero

Envío gratis

Envío gratis a tu cuenta de correo electrónico

¿Desea una muestra de un curso/libro?

Necesita una muestra de un curso/libro, solicítela en el chat de abajo y se la brindamos con gusto.

1 mes de $0.00 sin intereses		Total $0.00
2 meses de $0.00 sin intereses		Total $0.00
3 meses de $0.00 sin intereses		Total $0.00
4 meses de $0.00 sin intereses		Total $0.00
5 meses de $0.00 sin intereses		Total $0.00
6 meses de $0.00 sin intereses		Total $0.00