Name: AI business cases with SAP - Scenarios, tools and best practices
Brand: SAP
SKU: BOOK-SAPPRESS-EBOOK-2025-9783367109593

AI business cases with SAP - Scenarios, tools and best practices

Multilingual Book

🇩🇪 German (Original) 🇺🇸 English (Translation) 🇪🇸 Spanish (Translation)

✅ All languages are included in your purchase

Publisher SAP PRESS

Year / Edition 2025 / 1

Pages 461

Authors René Kessler, Marcel Kuchler

AI business cases with SAP

How can your company benefit from AI? This book provides answers based on nine practical business cases and shows how you can optimize your business processes with AI. From inventory and invoice verification to software development - René Kessler and Marcel Kuchler explain how to implement AI projects with SAP technologies such as SAP Business Technology Platform, SAP AI Core and Joule. Find out what prerequisites you need to create and how to avoid typical mistakes.

Diverse use cases from different specialist areas
Tools and technologies for your own AI project
Incl. SAP Business AI, SAP AI Core and SAP Generative AI Hub

You'll learn about:

Fundamentals and potential of AI:
The authors explain the basics of AI, which disciplines are involved and how companies can benefit from them. They show how AI technologies can be used to make business processes smarter, more efficient and more sustainable.
The AI toolkit from SAP:
Get to know the AI tools from SAP: From the SAP Business Technology Platform to predefined AI functions in SAP Business AI to individual solutions with AI Services - this book provides a complete overview.
Nine practical use cases:
Using concrete examples from areas such as logistics, finance and software development, the authors show how companies can use AI profitably, with all the details on objectives, technical requirements and implementation. You will also learn how to implement your AI project compliantly and securely.

Key Highlights:

AI basics
SAP Business Technology Platform
SAP AI Core
Joule
System requirements
Implementation strategies
Security and compliance

View Full Table of Contents

Introduction
PART I Introduction: The tools for your AI project
1 AI and SAP: The intelligence in your business processes
- 1.1 The historical development of AI
- 1.2 Definition of terms and delimitation
  - 1.2.1 Basics of AI and data science
  - 1.2.2 Important AI disciplines and technologies
  - 1.2.3 Examples of AI in everyday life
- 1.3 Why AI is fundamentally changing the DNA of modern companies
  - 1.3.1 AI as a transformation factor for companies
  - 1.3.2 The benefits of AI: innovation meets efficiency
- 1.4 Relevance for SAP users
- 1.5 Summary
2 The SAP AI toolkit: an overview of the SAP product landscape
- 2.1 SAP BTP: The foundation for AI projects in the SAP cosmos
  - 2.1.1 SAP Business AI
  - 2.1.2 SAP AI Services
  - 2.1.3 SAP AI Core and SAP AI Launchpad
  - 2.1.4 Generative AI Hub
- 2.2 Joule: The intelligent assistant
  - 2.2.1 What is Joule?
  - 2.2.2 How does Joule work?
  - 2.2.3 Grounding mechanisms: How Joule embeds specific expertise
- 2.3 Synergies between AI and other technologies
  - 2.3.1 Process mining and AI
  - 2.3.2 Robotic process automation and AI
  - 2.3.3 SAP Analytics Cloud and AI
  - 2.3.4 Interaction of process mining, RPA and SAP Analytics Cloud with AI
- 2.4 Summary
3 System landscapes and their consequences: Public, private and on-premise
- 3.1 Introduction to system landscapes
  - 3.1.1 Architecture of the SAP S/4HANA versions and SAP BTP
  - 3.1.2 Advantages and disadvantages for AI applications
- 3.2 Challenges of AI integration
  - 3.2.1 Technical challenges of AI integration and their solutions
  - 3.2.2 Organizational challenges of AI integration and their solutions
- 3.3 Tools and technologies for the integration of AI solutions
- 3.4 Case studies
  - 3.4.1 Case study 1: AI-supported predictive maintenance in the manufacturing industry
  - 3.4.2 Case study 2: AI-supported customer analysis in retail
  - 3.4.3 Case study 3: Automated invoice processing with AI in a financial company
  - 3.4.4 Case study 4: AI-driven automation in the healthcare sector
- 3.5 Decision making: The right architecture for your AI solution
  - 3.5.1 Hyperscalers and their importance for AI architectures
  - 3.5.2 Operating costs of SAP BTP
- 3.6 Summary
PART II AI use cases
4 Anomaly detection in financial transactions
- 4.1 Introduction and objectives
- 4.2 Creating the right conditions
  - 4.2.1 Selecting and preparing data
  - 4.2.2 Defining normal and abnormal
  - 4.2.3 Selecting the right algorithm
- 4.3 Technical implementation
  - 4.3.1 Implementing the Isolation Forest
  - 4.3.2 Develop API
  - 4.3.3 Preparing the Docker environment for training and deploying the API
  - 4.3.4 Create automated AI workflows with ArgoFlows in SAP AI Core
  - 4.3.5 Deploying AI services productively with KServe and SAP AI Core
- 4.4 Deploying the AI solution on SAP BTP
  - 4.4.1 Administrative basics in SAP AI Core
  - 4.4.2 Register application
  - 4.4.3 Configuring the scenario
  - 4.4.4 Execute workflow
  - 4.4.5 Implementing the model
  - 4.4.6 Integrating the model into new or existing applications via an API
- 4.5 Summary
5 Analysis and optimization of transport routes
- 5.1 Introduction and objectives
- 5.2 Creating the right conditions
  - 5.2.1 AI Agents
  - 5.2.2 Joule
  - 5.2.3 Generative AI Hub and Generative AI Hub SDK
- 5.3 Technical implementation
  - 5.3.1 Selection and integration of the LLM
  - 5.3.2 Implementation of the AI Agent
- 5.4 The agent in practical application
- 5.5 Summary
6 Automated invoice verification
- 6.1 Introduction and objectives
- 6.2 Creating the right conditions: SAP Document AI
- 6.3 Technical implementation
  - 6.3.1 Automated information extraction with standard schemas
  - 6.3.2 Custom schemes
  - 6.3.3 Automated information extraction with custom schemas
  - 6.3.4 Using SAP Document AI via API
- 6.4 Summary
7 Inventory with AI
- 7.1 Introduction and objectives
- 7.2 Creating the right conditions
- 7.3 Technical implementation
  - 7.3.1 Backend - application logic and integration
  - 7.3.2 Front end - user interface in familiar SAP design
  - 7.3.3 AI components - intelligent image analysis for stocktaking
  - 7.3.4 Step by step through the inventory app
- 7.4 Summary
8 AI in incoming goods and goods inspection
- 8.1 Introduction and objectives
- 8.2 Creating the right conditions
  - 8.2.1 Hardware and network connection
  - 8.2.2 SAP solutions and integrations
  - 8.2.3 AI and training data
  - 8.2.4 Necessary extensions and support
- 8.3 Technical implementation
  - 8.3.1 Creating a destination in SAP BTP
  - 8.3.2 Using services in the app to create an inbound delivery
- 8.4 Summary
9 Individual chatbots with RAG
- 9.1 Introduction and objectives
- 9.2 Creating the right conditions
- 9.3 Technical implementation
  - 9.3.1 Configuring SAP BTP
  - 9.3.2 From workflow template to solution
- 9.4 Summary
10 Forecasting sales and stock levels
- 10.1 Introduction and objectives
- 10.2 Creating the right conditions: SAP Analytics Cloud for forecasting
  - 10.2.1 Software stack
  - 10.2.2 Architecture and integration
- 10.3 Technical implementation
  - 10.3.1 Data modeling
  - 10.3.2 Integration into operational processes
- 10.4 Results and utilization potential
- 10.5 Summary
11 AI as an accelerator in software development
- 11.1 Introduction and objectives
- 11.2 Creating the right conditions
- 11.3 Technical implementation
  - 11.3.1 Creating the basis in SAP BTP
  - 11.3.2 Setting up the first project
  - 11.3.3 Develop project
- 11.4 Summary
12 Predictive maintenance: real-time insights through live data connections
- 12.1 Introduction and objectives
- 12.2 Creating the right conditions
  - 12.2.1 SAP Analytics Cloud for predictive maintenance
  - 12.2.2 Live data connection and data sources
  - 12.2.3 Architectural concept of the SAP Analytics Cloud
- 12.3 Technical implementation
  - 12.3.1 Model structure: Predictive analytics with Smart Predict
  - 12.3.2 Operational integration into maintenance processes
- 12.4 Organizational effects and change management
- 12.5 Explainable AI
- 12.6 Risks and success factors
- 12.7 Results and utilization potential
- 12.8 Summary
PART III Considerations before starting your AI project
13 Implementation strategy for AI with SAP
- 13.1 How do I start an AI project?
  - 13.1.1 Project preparation and definition of objectives
  - 13.1.2 Prerequisites: Data, technologies, teams
  - 13.1.3 Strategic aspects of AI implementation
- 13.2 Best practices for implementation
  - 13.2.1 Procedure models
  - 13.2.2 CRISP-DM process and MLOps
  - 13.2.3 Integration into existing systems
  - 13.2.4 Training and acceptance
  - 13.2.5 Performance measurement of AI implementations
- 13.3 Typical mistakes and how to avoid them
  - 13.3.1 Lack of objectives and strategic connection
  - 13.3.2 Poor data quality
  - 13.3.3 Silo mentality and lack of cooperation
  - 13.3.4 Unnecessary complexity and lack of scalability
  - 13.3.5 Biased and non-transparent AI
  - 13.3.6 Unrealistic expectations and cost trap
  - 13.3.7 Resistance to change
  - 13.3.8 Security risks and technical debt
  - 13.3.9 Lack of performance measurement
  - 13.3.10 Lack of governance
- 13.4 Summary
14 A look into the future
- 14.1 Trends in AI research and their implications for ERP systems
  - 14.1.1 Language models, process automation and data analysis
  - 14.1.2 Explainable AI, transparency and human-AI collaboration
- 14.2 Recommendations for decision-makers
- 14.3 Summary
Appendix
- A AI Use Case Canvas
- B Checklist: Is your company ready for AI?
- C Checklist: How to successfully plan and implement KI projects
- D Complete code example from chapter 9
The authors
Index

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 How to purchase this book?

This product has a special price upon request. You can start your order or clarify any doubts using the Contact for Price button on the page.

We have also prepared a step-by-step guide to explain how to easily request your quote.

Read the guide here →

Disclaimer

SAP, other SAP products and services mentioned herein as well as their respective logos are trademarks or registered trademarks of SAP SE (or an SAP affiliate company) in Germany and other countries. Our Company is not affiliated to SAP SE or any of its affiliated companies including but not limited to: Sybase, Business Objects, Hybris, Ariba and SuccessFactors. All other names, brands, logos, etc. are registered trade or service marks of their respective owners.

Warranty

Receive the product you were expecting or we will refund your money

Free shipping

Free shipping to your email

Would you like a sample course/book?

If you need a sample of a course/book, request it in the chat below and we will be happy to provide it to you.

1 installment of $0.00 USD without interest		Total $0.00 USD
2 installments of $0.00 USD without interest		Total $0.00 USD
3 installments of $0.00 USD without interest		Total $0.00 USD
4 installments of $0.00 USD without interest		Total $0.00 USD
5 installments of $0.00 USD without interest		Total $0.00 USD
6 installments of $0.00 USD without interest		Total $0.00 USD