SAP-AI-Launchpad-Betrieb
Stand 2026-09-25
Das Betriebsmodell hinter SAP AI Launchpad, vollständig gestützt auf SAPs eigenen Benutzerleitfaden (help.sap.com, datiert 2026-09-04): die Aufteilung in Produzenten und Konsumenten sowie die drei sie bedienenden Anwendungsgruppen, die globalen Szenarien und Executables des Generative AI Hub (foundation-models, orchestration) und dessen vier zugangsbestimmende Rollen, das exakte sechsstufige Verfahren für ein Generative-AI-Deployment und die Modell-Lifecycle-Regime Auto Upgrade gegenüber Manual Upgrade, das AI-Use-Case/Szenario/Executable-Modell von ML Operations und dessen vier Lifecycle-Aufgaben, die Resource-Group-Isolation als zentrale Zugriffsgrenze der Plattform, sowie die Git-Repository-Namens- und Rollenregeln innerhalb der SAP-AI-Core-Administration. Geschrieben für den freiberuflichen Berater, der das Werkzeug tatsächlich betreibt, nicht nur präsentiert.
Was Sie lernen
- Die zwei Zielgruppen von SAP AI Launchpad (AI-Szenario-Produzenten, AI-Szenario-Konsumenten) und die drei sie bedienenden Anwendungsgruppen nennen
- Die vier zugangsbestimmenden Rollen des Generative AI Hub auflisten und angeben, welche Rollen keine Prompts speichern können
- Das sechsstufige Verfahren zur Erstellung eines Generative-AI-Deployments ausführen, einschließlich der zwei berechtigten Rollen und der Ein-Resource-Group-pro-Aktivität-Regel
- Die Modell-Lifecycle-Regime Auto Upgrade und Manual Upgrade sowie das Standardverhalten von modelVersion erklären
- Das Modell AI-Use-Case / Szenario / Executable erklären und jede ML-Operations-Lifecycle-Aufgabe ihrer Komponente zuordnen
- Die Resource-Group-Isolation erklären und ein Ticket zu deaktivierter Navigation diagnostizieren, das durch eine fehlende Resource-Group-Auswahl verursacht wurde
- Die Git-Repository-Namensregeln und die zur Verwaltung von Repositories in der SAP-AI-Core-Administration erforderliche Rolle nennen
Für wen dieses Modul gedacht ist. Man hat Sie gebeten, „jemanden in AI Launchpad einzurichten“ oder „zu prüfen, warum das Deployment nicht angezeigt wird“, und Sie wollen das tatsächliche Betriebsmodell, keine Bildschirm-Tour. Dieses Modul ergänzt M362/M363 im nächsten Batch dieses Lernpfads (SAP AI Core: Resource Groups, Szenarien und Executables) und setzt M333 (KI- und LLM-Grundlagen) voraus. Alles Folgende stützt sich auf SAPs eigenen AI-Launchpad-Benutzerleitfaden (help.sap.com, PUBLIC, datiert 2026-09-04).
1. Zwei Nutzertypen, drei Anwendungen — das Betriebsmodell in einem Absatz
SAP AI Launchpad wird von zwei unterschiedlichen Zielgruppen genutzt, die der Leitfaden präzise benennt: AI-Szenario-Produzenten — KI-Betriebsingenieure oder KI-Ingenieure, verantwortlich für die Entwicklung und Produktisierung von KI-Szenarien — und AI-Szenario-Konsumenten — typischerweise Business-Analysten, die einen Dienst abonnieren, der ein KI-Szenario anbietet, und es nutzen. Drei Anwendungsgruppen bilden diese Aufteilung ab: der Generative AI Hub (Prompt-Engineering und Prompt-Lifecycle-Management, von beiden Zielgruppen nutzbar), die AI-Scenario-Producer-Apps (Administration, ML Operations — wo Szenarien gebaut und betrieben werden) und die AI-Scenario-Consumer-Apps (Workspaces und der veraltete Functions Explorer). Zu wissen, zu welcher der drei ein Support-Ticket gehört, ist der größte Teil der Triage einer AI-Launchpad-Frage.
Voraussetzungen
- M333 (KI- und LLM-Grundlagen für SAP-Berater) oder gleichwertig
- Grundkenntnisse zu SAP AI Core (Serviceinstanzen, Servicekeys) sind hilfreich, aber nicht erforderlich
- Grundkenntnisse zu SAP-BTP-Rollensammlungen sind hilfreich, aber nicht erforderlich
Lernergebnisse
- Eine AI-Launchpad-Support-Anfrage der richtigen Anwendungsgruppe zuordnen (Generative AI Hub, ML Operations, Administration, Workspaces), bevor weiter untersucht wird.
- Ein Generative-AI-Deployment von Anfang bis Ende erstellen und das richtige Modell-Upgrade-Regime für eine Produktionslast wählen.
- Ein Resource-Group-bezogenes Zugriffsproblem diagnostizieren, ohne eine Konfigurationslücke als Produktfehler zu eskalieren.
- Eine konforme Git-Repository-Verbindung für Trainings- und Serving-Templates einrichten.
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.