Artificial Intelligence in SAP Systems - The Comprehensive Guide

Multilingual Book

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

✅ All languages are included in your purchase

Publisher SAP PRESS

Year / Edition 2026 / 1

Pages 524

Authors Sebastian Sav, Michael Schwarzenberger

Artificial Intelligence in SAP Systems

Unlock the full potential of artificial intelligence in your SAP systems! In this handbook, Sebastian Sav and Michael Schwarzenberger explain SAP’s strategic direction in the field of AI and introduce you to all relevant tools and products. You’ll learn about preconfigured embedded AI solutions for finance, procurement, supply chain, HCM, and CRM, and discover how to develop your own custom AI applications. Practical examples guide you through the implementation process—from Joule and AI agents to development with ABAP and CAP on SAP BTP.

All SAP AI Tools: From Joule to SAP AI Core and Generative AI Hub
Practical examples from finance, SCM, HCM, and CRM, as well as specific custom AI implementations
ABAP RESTful Application Programming Model, CAP, ISLM, and Joule Studio

You'll learn about:

Understanding SAP’s AI Tools:
From SAP Business AI to Joule, SAP AI Core, and Generative AI Hub: Get an overview of SAP’s AI products and services. In this book, you’ll learn which standard solutions are available and what the solution architectures look like.
SAP Business AI in Practice:
Discover specific use cases across all areas of the business: AI-powered accounts receivable, automated delivery inspection, predictive maintenance, AI-powered career planning, lead boosters, and much more. Sebastian Sav and Michael Schwarzenberger explain the specific benefits these use cases bring to your company, how they’re technically implemented, and how they fit into your processes.
Developing and Operating Custom AI:
The authors will show you, step by step, how to develop your own AI solutions using Joule Studio, the ABAP RESTful Application Programming Model, and CAP. You’ll learn about the Generative AI Hub in SAP BTP and Intelligent Scenario Lifecycle Management (ISLM) in SAP S/4HANA Cloud, and discover how to use them to manage the entire lifecycle of your AI projects in a structured way—from the initial idea through to production.

Key Highlights:

SAP Business AI
Joule, SAP AI Core, and Generative AI Hub
Embedded AI
Custom AI
SAP Joule for Developers
SAP Joule for Consultants
Joule Studio
AI Development with ABAP and CAP
Intelligent Scenario Lifecycle Management
Train and Deploy Machine Learning Models

View Full Table of Contents

Introduction
I Fundamentals
1 Introduction to the World of Artificial Intelligence
- 1.1 The Evolution of Artificial Intelligence
  - 1.1.1 Origins in Symbolic AI
  - 1.1.2 From Symbolic AI to Machine Learning
  - 1.1.3 From Machine Learning to Deep Learning
- 1.2 Paradigm Shift: Deterministic vs. Probabilistic Systems
- 1.3 Narrow AI as a Foundation in the SAP Context
  - 1.3.1 Regression in Enterprise Applications
  - 1.3.2 Time Series Forecasting for Planning
  - 1.3.3 Classification of Business Transactions
  - 1.3.4 Clustering and Anomaly Detection
- 1.4 Generative AI and Large Language Models in the SAP System
  - 1.4.1 Large Language Models in Enterprise Applications
  - 1.4.2 SAP-Specific Foundational Models
  - 1.4.3 Joule, SAP’s AI Solution
- 1.5 Retrieval-Augmented Generation and Vector Databases
  - 1.5.1 The RAG Process
  - 1.5.2 SAP HANA Cloud Vector Engine
  - 1.5.3 Knowledge Graphs as the Semantic Backbone
- 1.6 Significance for the SAP Ecosystem
2 AI in the SAP World
- 2.1 Guiding Principles of Artificial Intelligence in SAP Systems
- 2.2 Capabilities of SAP Business AI Applications
  - 2.2.1 What Standard AI Solutions and Scenarios Does SAP Provide?
  - 2.2.2 Embedded Scenarios in SAP Cloud ERP
  - 2.2.3 Joule
  - 2.2.4 SAP Business Technology Platform
  - 2.2.5 SAP AI Core
  - 2.2.6 SAP AI Launchpad
  - 2.2.7 Generative AI Hub
  - 2.2.8 SAP Business Data Cloud
- 2.3 Solution Architectures for Using SAP Business AI
  - 2.3.1 Embedded AI
  - 2.3.2 Custom AI
- 2.4 Governance and AI Ethics at SAP
  - 2.4.1 AI Ethics
  - 2.4.2 AI Security
  - 2.4.3 AI Compliance
  - 2.4.4 Guidelines for SAP Development
- 2.5 SAP Licensing Model
II Application Examples
3 Embedded AI in Finance and Procurement
- 3.1 Accounting Accruals Agent
  - 3.1.1 Business Challenge
  - 3.1.2 AI-Based Solution and Implementation
  - 3.1.3 Business Benefits and Impact
- 3.2 Financial Statement Analysis with Artificial Intelligence
  - 3.2.1 Business Challenge
  - 3.2.2 AI-Powered Solution and Implementation
  - 3.2.3 Business Benefits and Impact
- 3.3 SAP Cash Application – AI-Supported Reconciliation of Open Items in Accounts Receivable
  - 3.3.1 Business Challenge
  - 3.3.2 AI-Supported Solution and Implementation in SAP Cash Application
  - 3.3.3 Business Benefits and Impact
4 Embedded AI in Supply Chain Management
- 4.1 Conversational Planning: Transportation Planning Using Natural Language
  - 4.1.1 Business Challenges in Transportation Planning
  - 4.1.2 AI-powered solution and implementation in SAP Transportation Management
  - 4.1.3 Application of Conversational Planning in the Transportation Cockpit
  - 4.1.4 Technical Architecture and Integration of Conversational Planning
  - 4.1.5 Business Benefits and Impact of Conversational Planning
- 4.2 SAP Document AI
  - 4.2.1 Quality Certificates in SAP S/4HANA Public Cloud
  - 4.2.2 Challenges in Processing Quality Certificates
  - 4.2.3 Intelligent Processing of Quality Certificates with SAP Document AI in SAP S/4HANA
  - 4.2.4 Technical Integration and System Setup
  - 4.2.5 Business Benefits of Using SAP Document AI in Quality Management
- 4.3 Automatic Prediction of the Supplier’s Delivery Date
  - 4.3.1 Business Challenges Resulting from Failure to Meet the Delivery Date
  - 4.3.2 AI-Based Solution in SAP for Predicting the Delivery Date
  - 4.3.3 Technical Architecture and Integration of Delivery Date Prediction
  - 4.3.4 Business Benefits of Delivery Date Prediction in Purchase Order Line Items
- 4.4 Customer Order Fulfillment with Artificial Intelligence and Joule as an AI Solution
  - 4.4.1 Business Challenges in Customer Order Fulfillment
  - 4.4.2 AI-powered solution and implementation of customer order fulfillment in SAP
  - 4.4.3 Business Benefits and Impact of AI-Powered Order Fulfillment
5 Embedded AI in Human Capital Management
- 5.1 AI-Driven Insights into Career and Development Potential
  - 5.1.1 Business Challenges
  - 5.1.2 Solution and Implementation: From Competency Profile to AI-Driven Development Plan
  - 5.1.3 Business Benefits and Impact
- 5.2 AI-Driven Optimization of Job Descriptions
  - 5.2.1 Business Challenges
  - 5.2.2 Solution and Implementation: From Template Text to AI-Optimized Job Posting
  - 5.2.3 Business Benefits and Impact
- 5.3 AI-Supported Performance Goal Setting
  - 5.3.1 Business Challenges
  - 5.3.2 Solution and Implementation: From Bullet Points to Structured Performance Objectives
  - 5.3.3 Business Benefits and Impact
6 Embedded AI in Customer Relationship Management
- 6.1 AI-Supported Customer Overview
  - 6.1.1 Business Challenges
  - 6.1.2 Solution and Implementation
  - 6.1.3 Business Benefits and Impact
- 6.2 Lead Booster
  - 6.2.1 Business Challenges
  - 6.2.2 Solution and Implementation
  - 6.2.3 Business Benefits and Impact
- 6.3 SAP CX AI Toolkit
  - 6.3.1 Business Challenges
  - 6.3.2 Solution and Implementation
  - 6.3.3 Business Benefits and Impact
7 Embedded AI with Joule
- 7.1 SAP Joule for Consultants
  - 7.1.1 Business Challenges
  - 7.1.2 Solution and Implementation
  - 7.1.3 Business Benefits and Impact
- 7.2 Joule with SAP S/4HANA Cloud Public Edition
  - 7.2.1 Business Challenges
  - 7.2.2 Solution and Implementation
  - 7.2.3 Business Benefits and Impact
- 7.3 SAP Joule for Developers in the ABAP Development Tools
  - 7.3.1 Business Challenges
  - 7.3.2 Technical Prerequisites for SAP Joule for Developers
  - 7.3.3 SAP Joule for Developers in ABAP RESTful Application Programming Model Developments
- 7.4 SAP Joule for Developers in the SAP Cloud Application Programming Model
  - 7.4.1 SAP Cloud Application Programming Model
  - 7.4.2 Integrating SAP Joule for Developers into SAP Build Code
  - 7.4.3 CAP Storyboard
  - 7.4.4 Launching the Application Generated by Joule for Developers
8 Custom AI Examples
- 8.1 Invoice Approval with Artificial Intelligence
  - 8.1.1 Business Challenges of Invoice Approval
  - 8.1.2 Applying Invoice Approval with AI-Powered Extraction
  - 8.1.3 Technical Implementation of Invoice Approval Using AI
  - 8.1.4 Business Benefits and Impact
- 8.2 Agent-Based End-to-End Quality Management Process
  - 8.2.1 Business Challenges of the End-to-End Quality Management Process
  - 8.2.2 Application of the AI-Supported Process
  - 8.2.3 Technical Implementation of the End-to-End Quality Management Process
  - 8.2.4 Business Benefits and Impacts of the AI-Supported End-to-End Quality Management Process
- 8.3 AI-Supported Workflow Analysis
  - 8.3.1 Business Challenges of Workflow Analysis
  - 8.3.2 Application of Workflow Analysis
  - 8.3.3 Technical Implementation of AI-Based Workflow Analysis
  - 8.3.4 Business Benefits and Impact of Workflow Analysis
- 8.4 AI-Supported Creation of Shipments
  - 8.4.1 Business Challenges of AI-Assisted Creation of Inbound Shipments
  - 8.4.2 Application of AI-Supported Creation of Delivery Orders
  - 8.4.3 Technical Implementation of AI-Supported Creation of Delivery Orders
  - 8.4.4 Business Benefits and Impact of AI-Assisted Creation of Inbound Shipments
- 8.5 AI-Based Analysis of Log Files in SAP TM Planning
  - 8.5.1 Business Challenges of Log File Analysis in SAP TM
  - 8.5.2 Application of AI-Based Analysis of Log Files in SAP TM Planning
  - 8.5.3 Technical Implementation of AI-Based Analysis of Log Files in SAP TM
  - 8.5.4 Business Benefits and Impact of AI-Based Log File Analysis in SAP TM Planning
- 8.6 Edith, an AI-powered Enablement Assistant
  - 8.6.1 Business Challenges
  - 8.6.2 Application and Use of Edith
  - 8.6.3 Technical Implementation
  - 8.6.4 Business Benefits and Impact
III AI Development on SAP BTP
9 SAP AI Reference Architecture and Solution Building Blocks
- 9.1 SAP BTP Reference Architecture for Artificial Intelligence Applications
  - 9.1.1 SAP AI Launchpad
  - 9.1.2 SAP AI Core
  - 9.1.3 SAP HANA Cloud
- 9.2 ISLM Architecture
  - 9.2.1 Embedded Intelligent Scenarios
  - 9.2.2 Side-by-Side Scenarios
10 Joule Studio
- 10.1 Introduction to Joule Studio
- 10.2 Business Challenges
- 10.3 Setting Up Joule Studio
  - 10.3.1 Configuring SAP S/4HANA Cloud Public Edition with Joule Studio
  - 10.3.2 Configuration on SAP BTP
- 10.4 End-to-End Example for Sales Order Analysis
  - 10.4.1 Creating Actions to Call APIs
  - 10.4.2 Creating a Project in Joule Studio
- 10.5 Creating a Sales Order Based on an Email
- 10.6 Debugging and Analysis in Joule
- 10.7 Business Benefits of Joule Studio and Its Impact
- 10.8 Outlook: The New Joule Studio
11 Custom AI with ABAP RESTful Application Programming Model Development
- 11.1 Development Using the ABAP RESTful Application Programming Model
- 11.2 Integrating RAP Development with Custom AI
  - 11.2.1 Business Challenges of RAP Development
  - 11.2.2 Solution and Implementation of RAP Development
  - 11.2.3 Business Benefits and Impact of RAP Development
12 Custom AI in CAP Development
- 12.1 Visual Inspections Using Machine Learning
  - 12.1.1 Business Challenges of Visual Inspection in Production
  - 12.1.2 Mapping Visual Inspection in an SAP Fiori App
  - 12.1.3 Technical Implementation of the Application
  - 12.1.4 Business Benefits and Impact of Visual Inspection
- 12.2 End-to-End Scenario for AI-Based Fault Reporting
  - 12.2.1 Business Challenges of AI-Supported Fault Report Entry
  - 12.2.2 Mapping AI-Supported Fault Report Entry in SAP Fiori Apps
  - 12.2.3 Technical Implementation of the Application
  - 12.2.4 Business Benefits and Impact of AI-Supported Incident Reporting
13 AI Development with Intelligent Scenario Lifecycle Management
- 13.1 Features and Integration of ISLM
  - 13.1.1 Core Functions of ISLM
  - 13.1.2 Integration with Other SAP Solutions
  - 13.1.3 Business Benefits of ISLM
- 13.2 Possible Applications for ISLM
- 13.3 Training and Deployment of Custom AI Models
- 13.4 Application Example: Generative AI in ISLM
  - 13.4.1 Requirement: Supporting the Configuration of a Robot
  - 13.4.2 Solution Using ISLM and Advanced Variant Configuration
  - 13.4.3 Applying the Solution in Advanced Variant Configuration
14 Strategically Designing and Implementing AI Innovations
- 14.1 Preparation
  - 14.1.1 Analyzing the Solution Landscape and Licensing Situation
  - 14.1.2 Reviewing AI Strategy and Governance
  - 14.1.3 Aligning the Roadmap
  - 14.1.4 Data-Driven Analysis
  - 14.1.5 Inspiration-Based Use Case Identification
- 14.2 Strategic Planning
- 14.3 Implementation and Validation
  - 14.3.1 Prototyping
  - 14.3.2 Proof of Concept
- 14.4 Summary
The Authors
Index

Künstliche Intelligenz in SAP-Systemen

Nutzen Sie das volle Potenzial künstlicher Intelligenz in Ihren SAP-Systemen! Sebastian Sav und Michael Schwarzenberger erklären Ihnen in diesem Handbuch die strategische Ausrichtung von SAP im KI-Bereich und stellen Ihnen alle relevanten Tools und Produkte vor. Sie lernen vorkonfigurierte Embedded-AI-Lösungen für Finanzen, Einkauf, Supply Chain, HCM und CRM kennen und erfahren, wie Sie eigene Custom-AI-Anwendungen entwickeln. Praxisnahe Beispiele führen Sie durch die Implementierung – von Joule und KI-Agenten bis zur Entwicklung mit ABAP und CAP auf der SAP BTP.

Alle SAP-KI-Tools: von Joule bis SAP AI Core und Generative AI Hub
Praxisbeispiele aus Finanzen, SCM, HCM und CRM sowie konkrete Custom-AI-Implementierungen
ABAP RESTful Application Programming Model, CAP, ISLM und Joule Studio

Du lernst etwas über:

SAPs KI-Tools verstehen:
Von SAP Business AI über Joule bis zu SAP AI Core und Generative AI Hub: Verschaffen Sie sich einen Überblick über die KI-Produkte und -Services von SAP. Sie erfahren in diesem Buch, welche Standardlösungen verfügbar sind und wie die Lösungsarchitekturen aussehen.
SAP Business AI in der Praxis:
Lernen Sie konkrete Anwendungsfälle in allen Unternehmensbereichen kennen: KI-gestützte Debitorenbuchhaltung, automatische Lieferprüfung, vorbeugende Instandhaltung, KI-gestützte Karriereplanung, Lead-Booster und vieles mehr. Sebastian Sav und Michael Schwarzenberger erläutern Ihnen, welchen konkreten Nutzen die Anwendungsfälle für Ihr Unternehmen bringen, wie sie technisch umgesetzt werden und in Ihre Prozesse passen.
Custom AI entwickeln und betreiben:
Die Autoren zeigen Ihnen Schritt für Schritt, wie Sie eigene KI-Lösungen mit Joule Studio, ABAP RESTful Application Programming Model und CAP entwickeln. Sie lernen den Generative AI Hub in der SAP BTP und das Intelligent Scenario Lifecycle Management (ISLM) in SAP S/4HANA Cloud kennen und erfahren, wie Sie damit den gesamten Lebenszyklus Ihrer KI-Projekte strukturiert managen – von der Idee bis zum produktiven Betrieb.

Aus dem Inhalt:

SAP Business AI
Joule, SAP AI Core und Generative AI Hub
Embedded AI
Custom-AI
SAP Joule for Developers
SAP Joule for Consultants
Joule Studio
KI-Entwicklung mit ABAP und CAP
Intelligent Scenario Lifecycle Management
Machine-Learning-Modelle trainieren und deployen

Komplettes Inhaltsverzeichnis

Einleitung
I Grundlagen
1 Einstieg in die Welt der künstlichen Intelligenz
- 1.1 Evolution der künstlichen Intelligenz
  - 1.1.1 Ursprung in der symbolischen KI
  - 1.1.2 Von der symbolischen KI zum maschinellen Lernen
  - 1.1.3 Vom maschinellen Lernen zu Deep Learning
- 1.2 Paradigmenwechsel: deterministische vs. probabilistische Systeme
- 1.3 Narrow AI als Fundament im SAP-Kontext
  - 1.3.1 Regression im Unternehmenseinsatz
  - 1.3.2 Zeitreihenprognose für die Planung
  - 1.3.3 Klassifizierung von Geschäftsvorfällen
  - 1.3.4 Clustering und Anomalieerkennung
- 1.4 Generative AI und Large Language Models im SAP-System
  - 1.4.1 Large Language Models im Unternehmenseinsatz
  - 1.4.2 SAP-spezifische Foundational Models
  - 1.4.3 Joule, die KI-Lösung von SAP
- 1.5 Retrieval-Augmented Generation und Vektordatenbanken
  - 1.5.1 Der RAG-Prozess
  - 1.5.2 SAP HANA Cloud Vector Engine
  - 1.5.3 Knowledge Graphs als semantisches Rückgrat
- 1.6 Bedeutung für das SAP-Ökosystem
2 KI in der SAP-Welt
- 2.1 Leitprinzipien künstlicher Intelligenz in SAP-Systemen
- 2.2 Möglichkeiten von SAP-Business-AI-Anwendungen
  - 2.2.1 Welche KI-Standardlösungen und -szenarien liefert SAP aus?
  - 2.2.2 Eingebettete Szenarien in SAP Cloud ERP
  - 2.2.3 Joule
  - 2.2.4 SAP Business Technology Platform
  - 2.2.5 SAP AI Core
  - 2.2.6 SAP AI Launchpad
  - 2.2.7 Generative AI Hub
  - 2.2.8 SAP Business Data Cloud
- 2.3 Lösungsarchitekturen zur Verwendung von SAP Business AI
  - 2.3.1 Embedded AI
  - 2.3.2 Custom AI
- 2.4 Governance und KI-Ethik bei SAP
  - 2.4.1 KI-Ethik
  - 2.4.2 KI-Sicherheit
  - 2.4.3 KI-Compliance
  - 2.4.4 Leitlinien für die SAP-Entwicklung
- 2.5 SAP-Lizenzmodell
II Anwendungsbeispiele
3 Embedded AI in Finanzen und Einkauf
- 3.1 Accounting Accruals Agent
  - 3.1.1 Geschäftliche Herausforderung
  - 3.1.2 KI-gestützte Lösung und Implementierung
  - 3.1.3 Geschäftlicher Nutzen und Auswirkungen
- 3.2 Finanzberichtanalyse mit künstlicher Intelligenz
  - 3.2.1 Geschäftliche Herausforderung
  - 3.2.2 KI-gestützte Lösung und Implementierung
  - 3.2.3 Geschäftlicher Nutzen und Auswirkungen
- 3.3 SAP Cash Application – KI-unterstützte Auszifferung von offenen Posten in der Debitorenbuchhaltung
  - 3.3.1 Geschäftliche Herausforderung
  - 3.3.2 KI-gestützte Lösung und Implementierung in SAP Cash Application
  - 3.3.3 Geschäftlicher Nutzen und Auswirkungen
4 Embedded AI im Supply Chain Management
- 4.1 Conversational Planning: Transportplanung mit natürlicher Sprache
  - 4.1.1 Geschäftliche Herausforderungen in der Transportplanung
  - 4.1.2 KI-gestützte Lösung und Implementierung im SAP Transportation Management
  - 4.1.3 Anwendung von Conversational Planning im Transport-Cockpit
  - 4.1.4 Technische Architektur und Integration von Conversational Planning
  - 4.1.5 Geschäftlicher Nutzen und Auswirkungen von Conversational Planning
- 4.2 SAP Document AI
  - 4.2.1 Qualitätszertifikate in SAP S/4HANA Public Cloud
  - 4.2.2 Herausforderungen bei der Verarbeitung von Qualitätszertifikaten
  - 4.2.3 Intelligente Verarbeitung von Qualitätszertifikaten mit SAP Document AI in SAP S/4HANA
  - 4.2.4 Technische Integration und Systemeinrichtung
  - 4.2.5 Geschäftlicher Nutzen durch den Einsatz von SAP Document AI im Qualitätsmanagement
- 4.3 Automatische Vorhersage des Lieferanten über das Lieferdatum
  - 4.3.1 Geschäftliche Herausforderungen bei Nichteinhaltung des Lieferdatums
  - 4.3.2 KI-gestützte Lösung in SAP zur Vorhersage des Lieferdatums
  - 4.3.3 Technische Architektur und Integration der Lieferdatumvorhersage
  - 4.3.4 Geschäftlicher Nutzen der Lieferdatumvorhersage in Bestellpositionen
- 4.4 Kundenauftragserfüllung mit künstlicher Intelligenz und Joule als KI-Lösung
  - 4.4.1 Geschäftliche Herausforderungen bei der Kundenauftragserfüllung
  - 4.4.2 KI-gestützte Lösung und Implementierung der Kundenauftragserfüllung in SAP
  - 4.4.3 Geschäftlicher Nutzen und Auswirkungen durch KI-gestützte Auftragserfüllung
5 Embedded AI im Human Capital Management
- 5.1 KI-gestützte Einblicke in Karriere- und Entwicklungspotenziale
  - 5.1.1 Geschäftliche Herausforderungen
  - 5.1.2 Lösung und Implementierung: vom Kompetenzprofil zum KI-gestützten Entwicklungsplan
  - 5.1.3 Geschäftlicher Nutzen und Auswirkungen
- 5.2 KI-gestützte Optimierung von Stellenbeschreibungen
  - 5.2.1 Geschäftliche Herausforderungen
  - 5.2.2 Lösung und Implementierung: vom Vorlagentext zur KI-optimierten Ausschreibung
  - 5.2.3 Geschäftlicher Nutzen und Auswirkungen
- 5.3 KI-gestützte Leistungszielerstellung
  - 5.3.1 Geschäftliche Herausforderungen
  - 5.3.2 Lösung und Implementierung: vom Stichpunkt zum strukturierten Leistungsziel
  - 5.3.3 Geschäftlicher Nutzen und Auswirkungen
6 Embedded AI im Customer Relationship Management
- 6.1 KI-unterstützte Kundenübersicht
  - 6.1.1 Geschäftliche Herausforderungen
  - 6.1.2 Lösung und Implementierung
  - 6.1.3 Geschäftlicher Nutzen und Auswirkungen
- 6.2 Lead-Booster
  - 6.2.1 Geschäftliche Herausforderungen
  - 6.2.2 Lösung und Implementierung
  - 6.2.3 Geschäftlicher Nutzen und Auswirkungen
- 6.3 SAP CX AI Toolkit
  - 6.3.1 Geschäftliche Herausforderungen
  - 6.3.2 Lösung und Implementierung
  - 6.3.3 Geschäftlicher Nutzen und Auswirkungen
7 Embedded AI mit Joule
- 7.1 SAP Joule for Consultants
  - 7.1.1 Geschäftliche Herausforderungen
  - 7.1.2 Lösung und Implementierung
  - 7.1.3 Geschäftlicher Nutzen und Auswirkungen
- 7.2 Joule mit SAP S/4HANA Cloud Public Edition
  - 7.2.1 Geschäftliche Herausforderungen
  - 7.2.2 Lösung und Implementierung
  - 7.2.3 Geschäftlicher Nutzen und Auswirkungen
- 7.3 SAP Joule for Developers in den ABAP Development Tools
  - 7.3.1 Geschäftliche Herausforderungen
  - 7.3.2 Technische Voraussetzungen für SAP Joule for Developers
  - 7.3.3 SAP Joule for Developers in ABAP-RESTful-Application-Programming-Model-Entwicklungen
- 7.4 SAP Joule for Developers in SAP Cloud Application Programming Model
  - 7.4.1 SAP Cloud Application Programming Model
  - 7.4.2 Integration von SAP Joule for Developers in SAP Build Code
  - 7.4.3 CAP-Storyboard
  - 7.4.4 Die von Joule for Developers generierte Applikation starten
8 Custom-AI-Beispiele
- 8.1 Rechnungsfreigabe mit künstlicher Intelligenz
  - 8.1.1 Geschäftliche Herausforderungen der Rechnungsfreigabe
  - 8.1.2 Anwendung der Rechnungsfreigabe mit KI-Extraktion
  - 8.1.3 Technische Umsetzung der Rechnungsfreigabe mit KI
  - 8.1.4 Geschäftlicher Nutzen und Auswirkungen
- 8.2 Agent-basierter End-to-End-Qualitätsmanagement-Prozess
  - 8.2.1 Geschäftliche Herausforderungen des End-to-End-Qualitätsmanagement-Prozesses
  - 8.2.2 Anwendung des KI-unterstützten Prozesses
  - 8.2.3 Technische Implementierung des End-to-End-Qualitätsmanagement-Prozesses
  - 8.2.4 Geschäftlicher Nutzen und Auswirkungen des KI-unterstützten End-to-End-Qualitätsmanagement-Prozesses
- 8.3 Workflow-Analyse mit KI-Unterstützung
  - 8.3.1 Geschäftliche Herausforderungen der Workflow-Analyse
  - 8.3.2 Anwendung der Workflow-Analyse
  - 8.3.3 Technische Implementierung der KI-Workflow-Analyse
  - 8.3.4 Geschäftlicher Nutzen und Auswirkungen der Workflow-Analyse
- 8.4 KI-unterstützte Erstellung von Anlieferungen
  - 8.4.1 Geschäftliche Herausforderungen der KI-unterstützten Erstellung von Anlieferungen
  - 8.4.2 Anwendung der KI-unterstützten Erstellung von Anlieferungen
  - 8.4.3 Technische Implementierung der KI-unterstützten Erstellung von Anlieferungen
  - 8.4.4 Geschäftlicher Nutzen und Auswirkungen der KI-unterstützten Erstellung von Anlieferungen
- 8.5 KI-basierte Analyse von Protokolldateien in der SAP-TM-Planung
  - 8.5.1 Geschäftliche Herausforderungen der Analyse der Protokolldateien in SAP TM
  - 8.5.2 Anwendung der KI-basierten Analyse von Protokolldateien in der SAP-TM-Planung
  - 8.5.3 Technische Implementierung der KI-basierten Analyse von Protokolldateien in SAP TM
  - 8.5.4 Geschäftlicher Nutzen und Auswirkungen der KI-basierten Analyse von Protokolldateien in der SAP-TM-Planung
- 8.6 Edith, ein KI-gestützter Enablement-Assistent
  - 8.6.1 Geschäftliche Herausforderungen
  - 8.6.2 Anwendung und Verwendung von Edith
  - 8.6.3 Technische Implementierung
  - 8.6.4 Geschäftlicher Nutzen und Auswirkungen
III KI-Entwicklung auf der SAP BTP
9 SAP-AI-Referenzarchitektur und Lösungsbausteine
- 9.1 SAP-BTP-Referenzarchitektur zur Anwendung künstlicher Intelligenz
  - 9.1.1 SAP AI Launchpad
  - 9.1.2 SAP AI Core
  - 9.1.3 SAP HANA Cloud
- 9.2 ISLM-Architektur
  - 9.2.1 Eingebettete intelligente Szenarien
  - 9.2.2 Side-by-Side-Szenarien
10 Joule Studio
- 10.1 Einführung in Joule Studio
- 10.2 Geschäftliche Herausforderungen
- 10.3 Joule Studio einrichten
  - 10.3.1 Konfiguration von SAP S/4HANA Cloud Public Edition mit Joule Studio
  - 10.3.2 Konfiguration auf der SAP BTP
- 10.4 End-to-End-Beispiel zur Kundenauftragsanalyse
  - 10.4.1 Aktionen zum Aufruf von APIs anlegen
  - 10.4.2 Projekt in Joule Studio anlegen
- 10.5 Kundenauftragsanlage basierend auf einer E-Mail
- 10.6 Debugging und Analyse in Joule
- 10.7 Geschäftlicher Nutzen von Joule Studio und Auswirkungen
- 10.8 Ausblick: das neue Joule Studio
11 Custom AI mit ABAP-RESTful-Application-Programming-Model-Entwicklung
- 11.1 Entwicklung mit dem ABAP RESTful Application Programming Model
- 11.2 Integration der RAP-Entwicklung mit Custom AI
  - 11.2.1 Geschäftliche Herausforderungen der RAP-Entwicklung
  - 11.2.2 Lösung und Implementierung der RAP-Entwicklung
  - 11.2.3 Geschäftlicher Nutzen und Auswirkung der RAP-Entwicklung
12 Custom AI bei der CAP-Entwicklung
- 12.1 Visuelle Prüfungen mit Machine Learning
  - 12.1.1 Geschäftliche Herausforderungen der visuellen Prüfung in der Produktion
  - 12.1.2 Abbildung der visuellen Prüfung in einer SAP-Fiori-App
  - 12.1.3 Technische Umsetzung der Anwendung
  - 12.1.4 Geschäftlicher Nutzen und Auswirkungen der visuellen Prüfung
- 12.2 End-to-End-Szenario für KI-basierte Störungsmeldungen
  - 12.2.1 Geschäftliche Herausforderungen der KI-gestützten Störungsmeldungserfassung
  - 12.2.2 Abbildung der KI-gestützten Störungsmeldungserfassung in SAP-Fiori-Apps
  - 12.2.3 Technische Umsetzung der Anwendung
  - 12.2.4 Geschäftlicher Nutzen und Auswirkungen der KI-gestützten Störungsmeldungserfassung
13 KI-Entwicklung mit Intelligent Scenario Lifecycle Management
- 13.1 Funktionsumfang und Integration von ISLM
  - 13.1.1 Kernfunktionen von ISLM
  - 13.1.2 Integration mit anderen SAP-Lösungen
  - 13.1.3 Geschäftlicher Nutzen von ISLM
- 13.2 Anwendungsmöglichkeiten für ISLM
- 13.3 Training und Deployment eigener KI-Modelle
- 13.4 Anwendungsbeispiel: Generative KI in ISLM
  - 13.4.1 Anforderung: Unterstützung der Konfiguration eines Roboters
  - 13.4.2 Lösung mit ISLM und Advanced Variant Configuration
  - 13.4.3 Anwendung der Lösung in Advanced Variant Configuration
14 KI-Innovationen gezielt gestalten und umsetzen
- 14.1 Vorbereitung
  - 14.1.1 Lösungslandschaft und Lizenzsituation analysieren
  - 14.1.2 KI-Strategie und Governance prüfen
  - 14.1.3 Roadmap-Abgleich
  - 14.1.4 Datengestützte Analyse
  - 14.1.5 Inspirationsbasierte Use-Case-Findung
- 14.2 Strategische Planung
- 14.3 Realisierung und Validierung
  - 14.3.1 Prototyping
  - 14.3.2 Proof of Concept
- 14.4 Zusammenfassung
Das Autorenteam
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.

Home > SAP Books > Multilingual Books > Artificial Intelligence in SAP Systems - The Comprehensive Guide

Artificial Intelligence in SAP Systems - The Comprehensive Guide

Name: Artificial Intelligence in SAP Systems - The Comprehensive Guide
Brand: SAP
SKU: BOOK-SAPPRESS_DE-EBOOK-2026-9783367114450
Availability: InStock

Warranty

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

Would you like to see a sample of the course or book?

If you need a sample of the course or 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