Schwerpunkt: Joule Work-Patterns, Intent Recognition, Wissensrepräsentation im SAP Knowledge Graph.
Offizielles Video-Replay ansehen
Kern-Erkenntnisse (Key Takeaways)
- „The future of AI is not determined by the intelligence of the model. It is determined by the quality of the business context surrounding it.“
- Der SAP Knowledge Graph verknüpft unstrukturierte Absichten (Intents) mit strukturierten ERP-Entitäten.
- „AI inherits the task. Humans provide the judgment.“ – Kontext als gemanagtes Unternehmensasset.
- Vermeidung von Halluzinationen durch Grounding an realen ERP-Stammdaten und Geschäftsobjekten.
1. Das „Intent to Action“-Paradigma
Der Übergang von rein informativen Chatbots zu handlungsfähigen Agenten erfordert ein tiefes Verständnis von Benutzerabsichten (Intents). Das System muss Absichten erkennen, in konkrete Geschäftsobjekte übersetzen und als valide API-Aufrufe im ERP ausführen.
2. SAP Knowledge Graph als semantisches Bindeglied
Der SAP Knowledge Graph überführt isolierte Tabellenbeziehungen in ein vernetztes Bedeutungsnetzwerk. Er verknüpft Kunden, Bestellungen, Lieferanten und Richtlinien so, dass Sprachmodelle den vollen betriebswirtschaftlichen Kontext erfassen können.
3. Grounding & Halluzinationsvermeidung
Durch die Bindung der Modellausgaben an den Knowledge Graph wird sichergestellt, dass generierte Aktionen auf realen Unternehmensdaten basieren und gültige ERP-Geschäftslogiken widerspiegeln.
Praxis-Empfehlungen für SAP-Architekten
- Kontext vor Modellwahl: Investition in saubere Stammdaten und semantische Beziehungen vor dem Feintuning von Modellen.
- Einführung von Intent-Katalogen: Definition der erlaubten Benutzerabsichten und deren Mapping auf BTP-Services.
- Human-in-the-Loop-Muster: Kritische Folgeaktionen stets mit einer expliziten menschlichen Bestätigung absichern.