Das Modell hinter Ihrer SAP AI wählen — Claude, GPT, Gemini, Llama, Mistral und SAPs eigene Modelle im Generative AI Hub

Was Sie lernen

• Erklären, wer das Modell in von SAP gelieferten Funktionen (Joule) und in Eigenentwicklungen im Generative AI Hub wählt, und nur wiedergeben, was SAP veröffentlicht hat
• Aus Discovery-Endpunkt und What’s-New-Protokoll einen datierten Modellkatalog bauen und jedes Modell als verifiziert, nur angekündigt oder nicht verifiziert markieren
• Reasoning (reasoning_effort, Rückgabe von reasoning_content), Prompt Caching und Fallbacks in Orchestration V2 konfigurieren und die betroffenen Modelle benennen
• Mit der Evaluations-Funktion des Hubs eine reproduzierbare Evaluierung auf maskierten eigenen Daten durchführen: feste Versionen, Wiederholungen, validierter Judge
• Kosten je Aufgabe in GenAI Tokens und Capacity Units berechnen, AI Units und Anbieterpreise getrennt halten und Modelle nach Kosten je korrekter Aufgabe ordnen
• Für Residenz und Lebenszyklus entwerfen: Betreiber, Region und Sovereign-Grenzen, Restriktionsliste, Pinning gegenüber latest, Abschaltwarnungen

Für wen dieses Modul ist. Sie wissen bereits, wie man den Generative AI Hub aufruft (M325), kennen Tokens, Kontextfenster und Grounding (M333), und ein Kunde hat die Frage gestellt, die jedes SAP-AI-Projekt im ersten Monat erreicht: „Welches Modell sollen wir nehmen – Claude, GPT, Gemini, Mistral, Llama oder eines von SAPs eigenen?“ Dieses Modul behandelt das als Architekturentscheidung mit Belegen. Alles Folgende wurde am 4. Oktober 2026 gegen die SAP-AI-Core-Dokumentation (einschließlich des Protokolls „What’s New for SAP AI Core“, letzte Revision 7. September 2026), SAP News, SAPs AI-Preisseite und die Dokumentation der Modellanbieter geprüft. Steht ein Fakt nur in einer SAP-Note hinter dem Login, sagt das Modul es.

1. Wer wählt das Modell wirklich – drei Ebenen

Bevor Sie Modelle vergleichen, fragen Sie, wer die Wahl hat: Die Antwort bestimmt, was Sie überhaupt optimieren dürfen.

Voraussetzungen

• Abschluss von M325 (SAP Generative AI Hub — Hands-on) oder gleichwertig: Sie können ein Orchestrierungs-Deployment anlegen und mit einer Konfiguration aufrufen
• Abschluss von M333 (KI- und LLM-Grundlagen für SAP-Berater) oder gleichwertiges Arbeitswissen zu Tokens, Kontextfenstern und Grounding
• Zugriff auf den Discovery-Aufruf eines Generative-AI-Hub-Tenants (oder dessen Export) — das Labor lässt sich sonst aus dem What’s-New-Protokoll bearbeiten

Lernergebnisse

• „Welches Modell nehmen wir?“ mit datiertem Katalog, durch Randbedingungen begründeter Vorauswahl und gemessener Bestehensquote beantworten, nicht mit einem Ranking-Screenshot
• Einem Kunden genau sagen, was über die Modelle hinter Joule bekannt ist und was nicht, und welche Modellnamen im Hub verifiziert sind und welche nur beim Anbieter
• Ein reproduzierbares Evaluierungspaket (maskierter Datensatz, feste Versionen, Wiederholungen, validierter Judge) liefern, das eine zweite Beraterin wiederholen kann
• Kosten je korrekter Aufgabe in Capacity Units mit expliziten Annahmen nennen, ohne AI Units oder Anbieterpreise zu vermischen
• Ein Lebenszyklus-Design mit Fallback-Kette, Restriktionsliste, Rate-Limit-Behandlung und Rhythmus für die Prüfung von Abschaltdaten liefern