SAP Knowledge Graph & der Linked Corpus
Stand 2026-09-03
Der SAP Linked Corpus macht aus SAP-Geschäftsdaten in Tabellen ein vernetztes, maschinell nachvollziehbares Beziehungsgeflecht — die Grounding-Schicht, die KI/Agenten wirklich klug über ein Geschäft macht, nicht nur sprachgewandt. Tabellen beschreiben (Beziehungen sind Schlüssel zum Verknüpfen); ein Graph verknüpft (Entitäten = Knoten, Beziehungen = typisierte semantische Kanten, durchlaufbar). Das ist es, was eine KI in die Lage versetzt, „welche Kunden trifft dieser verspätete Lieferant?" zu beantworten, ohne einen handgeschriebenen Join-Pfad. Der Corpus ist zentral für BDC- + Joule-Grounding (M031/M046) und agentisches Schlussfolgern (M049) — Schlussfolgern über das Geschäft, nicht über generischen Text. Der Graph trägt eine Ontologie, die mit dem Business-Glossar des Catalogs verbunden ist (M080) — die maschinenlesbare Form derselben gesteuerten Definitionen; die tiefere Version von „Data Products mit Verträgen" (M033). Beraterwert: die Ontologie des Kunden korrekt entwerfen — ein falscher Graph gründet KI auf einem falschen Geschäftsmodell. Ehrlicher Vorbehalt: nur so korrekt wie das Modellierte; die Ontologie zu bauen ist echte Entwurfsarbeit, nicht automatisch generiert. Tagessatz-Signal: Der SAP Linked Corpus erreichte GA im Q1 2026 — noch können nur wenige Berater die Ontologie korrekt entwerfen, und in dieser Knappheit liegt die Preisprämie.
Was Sie lernen
- Die Kernkonzepte hinter Knowledge Graph verstehen
- Knowledge Graph in einem typischen SAP-Analytics-Engagement anwenden
- Die 3-5 häufigsten Fehler erkennen und wissen, wie man sie vermeidet
- Diese Fähigkeit in der persönlichen Marke und im Tagessatz-Gespräch positionieren
Modulüberblick
Der SAP Linked Corpus ist die Fähigkeit, die SAPs Geschäftsdaten von einer Ansammlung von Tabellen in ein vernetztes, maschinell nachvollziehbares Geflecht von Beziehungen verwandelt — und er ist die Grounding-Schicht, die KI und Agenten echt klug über ein Geschäft macht, statt nur sprachgewandt. Für einen Berater bedeutet das Verständnis des Linked Corpus zu verstehen, wie Joule und autonome Agenten wissen, dass ein Kunde mit seinen Aufträgen zusammenhängt, dass Aufträge mit Lieferungen zusammenhängen, dass Lieferungen mit Rechnungen zusammenhängen und dass ein verspäteter Lieferant mit einem drei Schritte entfernten Margenrückgang zusammenhängt — als Geschäftsbedeutung, nicht als Fremdschlüssel, die ein Query-Autor erraten musste.
Voraussetzungen
- Mittlere praktische Erfahrung auf SAP-Analytics-Projekten
- Zunächst die Kernkonzepte wiederholen: C008, C028, C006
Lernergebnisse
- Ein realistisches Szenario durcharbeiten: Ein Hersteller möchte, dass Joule/Agenten entitätsübergreifende Fragen beantworten ('welche Kunden sind von dieser Lieferantenverspätung betroffen?'), die Kunde — Auftrag — Lieferung überspannen.
- Das Anti-Muster erkennen und vermeiden: von einem LLM erwarten, Join-Pfade über isolierte Tabellen zu erraten — kein Beziehungs-Reasoning; nur enge Antworten.
- Die Kernentscheidung des Moduls anwenden: Tabellenmodell versus Graph — den Linked Corpus wählen, wo KI Beziehungen durchqueren muss, nicht von einem LLM erwarten, Join-Pfade über isolierte Tabellen zu erraten.
- Die Beherrschung mit dem KPI verfolgen: Ontologie-Treue (Ziel: spiegelt das echte Geschäft des Kunden wider; Warnsignal: generische/automatisch erzeugte Ontologie, die die Realität falsch darstellt).
Vollständiges Modul für Mitglieder. Das vollständige Modul ergänzt: den Entscheidungsrahmen · das durchgehende Szenario · die KPI-Scorecard · die Anti-Muster · die Codeblöcke · die Wissenskontrolle · die Schemata.