Vom PoC zur Produktion — der SAP-KI-Liefer-Lebenszyklus
Stand
Gibt SAP-AI-Lieferteams eine Lebenszykluskarte von einem genehmigten Piloten zu einem Produktivsystem, das Modellwechsel, Drift und sein erstes Audit übersteht. Nutzt SAPs eigenen AI Golden Path — Explore/Discover, Design, Deliver, Run & Scale, Evaluate & Improve, Extend — als Rückgrat und benennt den SAP-Dienst, der jede Phase besitzt (HANA Cloud PAL/APL/hana-ml für ML, der Generative AI Hub für einstufige generative Arbeit, Joule Studio und MCP-basierte Agent-Tools für agentische Arbeit, AI-Core-Ressourcengruppen für eigene Bereitstellung). Behandelt das Entscheidungsprotokoll der Design-Phase, Run & Scale als evaluationsgesteuerten Hochlauf statt eines einzelnen Go-live, eine kontinuierliche Evaluate-&-Improve-Kadenz verbunden mit den im SAP-Hinweis 3437766 dokumentierten Modellabkündigungen, und Extend als Test der Wiederverwendbarkeit. Drei Übungen und eine Selbsttest entscheiden über den Übergang zu „SAP-AI-Launchpad-Betrieb“/„Generative KI auf SAP-Daten evaluieren — ein Evaluationsharnisch aufbauen“/„LLMOps auf SAP BTP — Monitoring, Logging und Drift für produktive AI-Core-Workloads“/„Sicherheit für SAP AI — Prompt Injection, Datenexfiltration und Berechtigungen“.
Was Sie lernen
- SAPs eigenen sechsphasigen AI Golden Path benennen (Explore/Discover, Design, Deliver, Run & Scale, Evaluate & Improve, Extend) und wissen, wo SAP den Großteil des technischen Aufwands verortet
- Die Design-Entscheidung ML gegen LLM gegen agentisch explizit treffen, verworfene Alternativen und den SAP-Dienst je Option benennen
- Die Bereitstellung als SAP-AI-Core-Ressourcengruppen/-Szenarien/-Executables von Joules Paket-dann-Funktion-Aktivierungsfluss unterscheiden
- Run & Scale als Hochlauf mit evaluationsgesteuerten Kontrollpunkten statt eines einzelnen Go-live-Termins planen
- Eine Produktions-Evaluationskadenz (Evaluate & Improve) aufbauen, explizit verbunden mit SAPs dokumentiertem Modellabkündigungsplan
- Erklären, was die Extend-Phase benötigt (dokumentierte Schnittstelle, Berechtigungsmodell, wiederverwendbare Konfiguration), damit eine Lösung zu einem Muster statt einem Einzelfall wird
Modulüberblick
Sie haben einen Business Case und einen Sponsor, der einem Pilot zugestimmt hat. Dieses Modul ist der Weg von diesem Ja zu einem Produktivsystem, das seine erste Modellabkündigung, sein erstes Audit und seinen ersten hektischen Montag übersteht. Das Rückgrat ist SAPs veröffentlichter Lieferzyklus, der AI Golden Path im SAP Architecture Center; für jede Phase erhalten Sie das SAP-Objekt, das sie trägt, das Artefakt, das Sie erzeugen müssen, und das Gate, das über den Übergang entscheidet. Das Modul setzt Grundlagen voraus und speist Betrieb von AI Launchpad, Evaluierungs-Harness, LLMOps und Sicherheit für SAP AI.
Voraussetzungen
- KI- und LLM-Grundlagen für SAP-Berater und Den SAP-KI-Business-Case aufbauen
- Praktische Kenntnis mindestens eines von SAP AI Core, dem Generative AI Hub oder Joule Studio
- Sicherheit im Lesen eines Lieferplans oder einer Projektphasen-Freigabe
Lernergebnisse
- Eine reale SAP-AI-Initiative auf SAPs sechs AI-Golden-Path-Phasen abbilden und Phasen ohne Verantwortlichen oder Ergebnis identifizieren.
- Ein geschriebenes Entscheidungsprotokoll der Design-Phase erstellen, das den gewählten Ansatz, die verworfenen Alternativen und den SAP-Dienst je Option benennt.
- Einen Run-&-Scale-Hochlauf mit evaluationsgesteuerten Kontrollpunkten statt eines einzelnen Go-live-Meilensteins entwerfen.
- Eine Evaluate-&-Improve-Kadenz (Testset-Größe, Metriken, Wiederholungsfrequenz, Alarmverantwortlicher) festlegen, verbunden mit SAPs dokumentierter Modellabkündigungspraxis.
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.