Einen Analytics-Agenten mit Joule Studio bauen

Was Sie lernen

• Erklären, was ein Analytics-Agent gegenüber einem verankerten Frage-Antwort-Chatbot zusätzlich leistet, und warum die Entscheidungsschleife — nicht das Retrieval — den Agenten ausmacht
• Die drei Bestandteile eines Joule-Studio-Agenten (Anweisungen, Tools, Wissensquellen) beschreiben und erklären, wie Tools über eine MCP-fähige BTP-Destination Datasphere oder HANA Cloud erreichen
• Einen Analytics-Agenten für eine benannte Geschäftsfrage vollständig entwerfen: Tool-Schemas, Reihenfolge der Tool-Aufrufe und eine schriftliche Ablehnungsregel für nicht belegte Antworten
• Entscheiden, wann ein Agent in ein Multi-Agent-Design aufgeteilt wird und wann ein einzelner Agent mit kurzer Tool-Liste ausreicht
• Die Token/CU-Messung des Generative AI Hub korrekt von der AI-Unit-Messung von Joule-Agentenläufen trennen und keine abgelaufene Promotion in eine Kostenschätzung übernehmen
• Eine Produktionsreife-Checkliste für einen Joule-Agenten erstellen: Tool-Eigentümerschaft, Evaluationsset, Aufrufprotokollierung, Rückfallverhalten, Prüfrhythmus

Modulüberblick

Für wen dieses Modul gedacht ist. Sie haben in „Joule-Agenten mit Joule Studio bauen“ bereits einen ersten Joule-Agenten gebaut und wissen aus „MCP und A2A für SAP-Systeme“, was MCP ist. Dieses Modul tut genau eines: Es fügt diese Bausteine zu einem vollständigen Analytics-Agenten zusammen — einem Agenten, dessen Aufgabe es ist, eine mehrdeutige Geschäftsfrage („Warum ist die Bruttomarge in EMEA im letzten Quartal gesunken?“) zu beantworten, indem er reale Tools aufruft, deren Antworten abgleicht und die Zahl in Worten erklärt, mit denen eine Finanzleitung arbeiten kann. „Ein MCP-Server über Datasphere und HANA — praktisch umgesetzt“ behandelt den Bau des MCP-Servers, den dieser Agent aufruft; „RAG über SAP-Dokumente mit dem Generative AI Hub und Document Grounding“ behandelt seine Verankerung in Dokumenten; dieses Modul behandelt den Agenten selbst — seine Anweisungen, seine Tools, seine Guardrails und die Kosten eines Laufs.

Quelle: SAP — Joule Studio.

Voraussetzungen

• Joule-Agenten mit Joule Studio bauen (Agenten-Grundlagen)
• MCP und A2A für SAP-Systeme (Protokollkonzepte)
• Praktische Kenntnis eines Datasphere- oder HANA-Cloud-Datenmodells
• Empfohlen parallel zu der MCP-Server, den die Tools dieses Agenten aufrufen und Dokumentenverankerung für das zweite Tool

Lernergebnisse

• Ein schriftliches Agenten-Briefing (Entscheidung, Tools, Anweisungen, Guardrails) für eine echte Analytics-Frage aus Ihrem aktuellen Projekt erstellen.
• Ein Tool-Schema und ein Anweisungsset liefern, die einen Agenten eine nicht belegte Antwort ablehnen statt raten lassen.
• In einem Absatz eine Entscheidung zwischen Einzel- und Multi-Agent-Design begründen.
• Eine Mess-Zeile in einer Kostenschätzung bauen, die AI Units korrekt von Generative-AI-Hub-Capacity-Units trennt.