Abfrage in natürlicher Sprache auf SAP-Daten — Text-zu-SQL-Muster und Grenzen
Stand
Vergleicht die drei realen Natural-Language-to-Query-Systeme, denen ein Berater in einer SAP-Landschaft begegnet — Just Ask von SAP Analytics Cloud (Fachanwender, 2024 Q1 QRC, SAC- + Datasphere-Modelle, ersetzt Search-to-Insight), Joules SQL-Erzeugung im Entwickler-Tooling von SAP HANA Cloud (ein Coding-Assistent, der SQL erzeugt, das ein Mensch prüfen muss, keine Fachanwender-Abfrage), und Databricks Genie innerhalb der SAP Business Data Cloud (Unity-Catalog-gesteuert, mit dokumentierten Konfigurationsschichten: Beschreibungen als „Leitsätze“, Synonyme/Vokabular, Wertwörterbücher, Trusted Functions). Nutzt Databricks' eigene veröffentlichte Best-Practice-Anleitung, um die gemeinsamen Fehlermuster zu benennen — mehrdeutiger Umfang, kardinalitätsbedingte Doppelzählung, fehlender Benchmark — und gibt einen plattformübergreifenden Vier-Regel-Leitfaden: die Zielgruppe kennen, vor der Konfiguration benchmarken, Logikdrift mit Trusted Functions beheben, und schreibfähiges erzeugtes SQL immer als geprüften Entwurf behandeln. Drei Übungen klassifizieren reale Fragen, bauen ein Benchmark-Set und diagnostizieren einen Join-Fehler. Baut auf „KI-taugliche Daten — Qualität, Semantik und Herkunftsnachweis“ und „Die Semantikschicht als LLM-Kontext“ auf; führt zu „Embeddings und Vektorsuche auf HANA Cloud aus analytischen Daten“.
Was Sie lernen
- Drei echte Kundenfragen auf Just Ask, die Joule-SQL-Erzeugung in HANA Cloud oder einen Genie Agent verteilen und angeben, ob der Fragende je SQL sieht
- Einen Genie Agent mit dem Klickpfad Genie Agents → New → Configure → Data / Settings → Share anlegen, innerhalb seiner Grenzen von 50 Objekten und 100 Anweisungen
- Einen Eins-zu-viele-Join und einen vertrauenswürdigen SQL-Ausdruck deklarieren, sodass eine Frage nach dem Kopfwert 2.300 EUR statt 5.100 EUR liefert
- Die sechsteilige Tool-Definition für ein von Agenten aufrufbares Abfrage-Tool schreiben: Zielgruppe, Nur-Lese-Rolle, festes Schema, zurückgegebenes SQL, Audit-Log, beigelegter Benchmark
- Einen Benchmark mit 20 Fragen und Ground Truth aufbauen und nach jeder Konfigurationsänderung als Freigabeschwelle ausführen
- Die Punkte von TechEd 2026, die in Phasen GA sind, von den für Q1 2027 geplanten trennen, bevor man sie in einem Designdokument zusagt
Für wen dieses Modul ist. Ein Kunde hat eine Demo gesehen, in der jemand eine Frage tippt und ein Diagramm erscheint, und erwartet jetzt von Ihnen eine genaue Erklärung, was dazwischen passiert. Dieses Modul vergleicht die Systeme für Abfragen in natürlicher Sprache, die Ihnen in einer SAP-Landschaft begegnen — Just Ask in SAP Analytics Cloud, die SQL-Erzeugung von Joule in SAP HANA Cloud und Databricks Genie in SAP Business Data Cloud — und gibt Ihnen einen Genie-Klickpfad in sechs Schritten, eine Benchmark-Methode mit 20 Fragen und eine Checkliste mit sechs Punkten für Tool-Definitionen, die Sie am Montag einsetzen können. Es baut auf „KI-taugliche Daten — Qualität, Semantik und Herkunftsnachweis“ und „Die Semantikschicht als LLM-Kontext“ auf; die Genie-Fakten stammen aus der Databricks-Genie-Dokumentation, gelesen am 28. Okt. 2026.
1. Zwei Zielgruppen, zwei Produkte, ein Muster
Text-zu-SQL ist ein Muster: natürliche Sprache hinein, strukturierte Abfrage heraus, ausgeführt auf gesteuerten Daten. SAP und seine Partner liefern es dreimal (Just Ask, Joule-SQL in HANA Cloud, Genie in BDC), für zwei Zielgruppen (zur Just-Ask-Pipeline siehe SAP Architecture Center — Analytical Insights in Joule). Wählen Sie das System nach der Zielgruppe, nicht nach der Demo.
Voraussetzungen
- Die Semantikschicht als LLM-Kontext oder Arbeitswissen zu analytischen Modellen und Business-Schicht-Design
- KI-taugliche Daten oder Verständnis von Catalog-Metadaten, Glossarbegriffen und Berechtigungsabgrenzung
- Vertrautheit mit SAP Analytics Cloud und idealerweise Berührung mit einer Databricks- oder SAP-Business-Data-Cloud-Umgebung
Lernergebnisse
- Den Bedarf eines Kunden an Abfragen in natürlicher Sprache anhand von Zielgruppe und Risiko korrekt zu Just Ask, Joules SQL-Erzeugung oder Databricks Genie leiten.
- Die Metadatenschichten konfigurieren (oder für das Team eines Kunden spezifizieren), die ein Text-zu-SQL-System tatsächlich liest, nicht die Prompt-Formulierung.
- Ein Benchmark-Fragenset aufbauen und verteidigen als Grundlage zur Beurteilung jeder Konfigurationsänderung.
- Die Regel der menschlichen Prüfung für jedes erzeugte SQL, das Daten schreiben kann, nennen und durchsetzen.
Vollständiges Modul im Consultant-Tarif — 19,90 €/Monat. Das vollständige Modul ergänzt: den Entscheidungsrahmen · das durchgehende Szenario · die KPI-Scorecard · die Anti-Muster · die Codeblöcke · die Wissenskontrolle · die Schemata.
Offene SAP-Projekte
Aktuelle SAP-Analytics-Projekte und Stellen im DACH-Raum: SAP-Analytics-Projekte im DACH-Raum.