SAP-AI-&-Analytics-Konzeptkarten

SAP-AI-&-Analytics-Konzeptkarten (396)

• SAP Datasphere
• Spaces & Workspaces
• Connections & Quellsysteme
• Graphical vs. SQL vs. Script Views
• Replikationsflüsse
• Datenflüsse & Transformationen
• Task Chains & Terminplanung
• Datenzugriffskontrollen (DAC)
• SAP Business Data Cloud (BDC)
• Datenprodukte
• Data Product Studio in SAP Business Data Cloud
• BDC Capacity Units
• BW Data Product Generator
• Insight Apps
• BDC Connect
• Delta Sharing-Protokoll
• SAP Analytics Cloud (SAC)
• SAC Storys & Dashboards
• SAC Planungsmodelle
• Seamless Planning
• SAC Smart Insights
• Live- vs. Import-Connections
• Analytische Anwendungen
• Joule – SAPs KI-Assistent, Agenten und Skills
• Agentische KI bei SAP
• SAP AI Core
• Grounding & RAG (Retrieval-Augmented Generation)
• SAP Knowledge Graph
• EU-AI-Act-Konformität
• BW Bridge: Die Migrationsentscheidung
• ODP- & ODQ-Extraktion
• CDS Views
• Clean-Core-Prinzip
• Brownfield- vs. Greenfield-Migration
• Hybride Architekturmuster
• Migrationswellenplanung
• Datenherkunft (Data Lineage)
• Rollenbasierte Zugriffskontrolle (RBAC)
• Transportlandschaft
• HANA-Performance-Tuning
• Data-Quality-Frameworks
• Finanzkonsolidierung (EPM)
• Integrated Business Planning (IBP)
• CSRD & ESG-Reporting
• Operative Echtzeit-Analytik
• Predictive-Maintenance-Analytik
• Positionierung als BDC-Spezialist
• Triangulation von Tagessätzen
• Zertifizierungsstrategie
• Die BW-zu-BDC-Migrationswelle
• Ideales Kundenprofil (ICP)
• Account-Based Marketing (ABM)
• Stufen des Vertriebstrichters
• Net Promoter Score (NPS)
• Kundenlebenszeitwert (CLV)
• Value Proposition Canvas
• Cross-Selling & Upselling
• Empfehlungssysteme
• Wettbewerbsdifferenzierung
• MEDDIC-Vertriebsframework
• Klauseln zur höheren Gewalt
• Haftungsobergrenze
• Freistellungsklausel
• Auftragsverarbeitungsvertrag (AVV)
• IR35 (UK) / Artikel L.8221 (Frankreich) — Scheinselbstständigkeit
• DSGVO-Rechenschaftspflicht
• Escrow & Quellcode-Schutz
• Grenzüberschreitende Beratungsbesteuerung
• Cashflow-Prognose
• Runway (Finanzkennzahl)
• Rechnungsfactoring (Affacturage)
• Monatlich wiederkehrender Umsatz (MRR)
• PER & Madelin (Altersvorsorge)
• Holdingstruktur
• Betriebsausgabenoptimierung
• Bruttomarge im Consulting
• Autoritätsdreieck
• Content-Pyramide
• Persönlicher Burggraben
• Signature-Framework
• Vertrauensgeschwindigkeit (Trust Velocity)
• Plattformrisiko
• Konträre Positionierung
• Thought Leadership vs. Followership
• Deep Work
• Zweites Gehirn (PARA)
• KI-Orchestrierung
• Prompt-Bibliotheken
• Workflow-Automatisierung
• Kosten des Kontextwechsels
• Digitaler Minimalismus
• Persönliches Betriebssystem
• Burnout-Zyklus (Maslach)
• Flow-Zustand
• Erholungsprotokolle
• Cognitive-Load-Theorie
• Identitätsdiversifikation
• Kontrollüberzeugung (Locus of Control)
• Antifragilität (Taleb)
• Nachhaltiges Tempo (FIRE)
• SAP Business AI
• SAP × Prior Labs — Frontier-KI-Labor Europa
• SAP × Dremio – Iceberg-natives Lakehouse für agentische KI (Übernahme im Juli 2026 abgeschlossen)
• SAP × Google Cloud — Multi-Agenten-KI und A2A-Interoperabilität
• MCP für SAP — Strategie für Einführung und Integration
• Joule-Agenten-Bibliothek und Agent-Katalog
• TabPFN / TabICL — Tabellarische Foundation Models
• EU AI Act + Schrems II für Joule-Einführungen
• Databricks-in-BDC-Lakehouse-Muster
• Hybrides Grounding auf HANA Cloud – Vector Engine + Knowledge Graph Engine
• Autonomes Unternehmen
• SAP Business Suite 2026
• Joule Studio – Classic Edition und das neue intentbasierte Studio
• Agentic-AI-Liefermodell
• SAP × Anthropic — Claude in der SAP Business AI Platform
• Vector Store des Document Grounding (der „AI Foundation Vector Store“)
• Modellzugriff im Generative AI Hub (die Frage nach dem „SAP Model Gateway“)
• SAP Prompt Registry
• SAP Generative AI Hub
• Joule-Leitplanken — SAPs Vertrauensschichten für Joule und den Orchestration Service
• SAP Joule for Consultants
• SAP Build with AI — Joule in Build Code, Build Apps, Process Automation und Joule Studio
• WalkMe Digital Adoption + KI
• SAP LeanIX – BTP-Landschaftserkennung, KI-Unterstützung und SAP AI Agent Hub
• SAP Signavio Process Intelligence – KI, Joule und Agenten auf Prozessdaten
• Datasphere Replication Flows für KI-Grounding
• Datasphere-Catalog-Hygiene für das Joule-Grounding
• KI-Kostenzuordnung in SAP AI Core — Tokens, Capacity Units und Resource Groups
• KI-Observability in SAP AI Core — Token-Verbrauch, Halluzination, Drift
• KI-Red-Teaming für SAP — Adversariales Prompt-Testing
• Multi-Agent-Orchestrierung in Joule Studio
• Agentenkommunikation in SAP — MCP vs. A2A, Hop für Hop
• Human-in-the-Loop-Checkpoints für autonome Workflows
• EU-KI-Verordnung Art. 6 + Anhang III: Risikoklassifizierung für SAP
• DORA-Betriebsresilienz für SAP-KI
• CSRD: KI-gestützte ESG-Berichterstattung via SAP Sustainability
• Schrems II: Datenresidenz für Foundation Models in der EU
• EU-KI-Verordnung Art. 9-49: Dokumentationsaufwand
• Auswahl des Foundation Model — OpenAI vs. Claude vs. Gemini vs. Llama
• SAP-KI-Qualitäts-Gates — Genauigkeit, Latenz, Kosten, Sicherheitsschwellen
• Daimler Truck North America – der SAP-Business-AI-Fall zu Ausschreibungen (was belegt ist)
• AB InBev — S/4HANA + Datasphere-Architektur
• KI für die diskrete Fertigung — PP/MRP-Ausnahme-Agenten
• KI im Bankwesen — AML, KYC und Kredit-Scoring mit SAP
• KI in der Pharmaindustrie — Optimierung der Lieferkette für klinische Studien
• KI für Handel & Konsumgüter — Demand Sensing und dynamische Preisgestaltung
• KI im öffentlichen Sektor — Sovereign Cloud und Compliance
• Rahmenwerk zur Messung des KI-ROI — TCO der KI-Eigentümerschaft
• AI Center of Excellence — Gestaltung des Betriebsmodells
• SAP-KI-Fachkräftelücke — Die Kompetenzen, die SAP-KI-Programme tatsächlich brauchen (2026)
• Transformer-Architektur
• Tokenisierung
• Token-Ökonomie
• Embeddings (Vektoreinbettungen)
• Kontextfenster-Mechanik
• Sampling-Strategien
• Attention-Varianten
• LayerNorm und RMSNorm
• Positionskodierung
• KV-Cache
• SAP Joule Skill Builder
• SAP Joule Agent Builder
• A2A — Das Agent-to-Agent-Protokoll in Joule
• MCP — Model Context Protocol in SAP (Mechanik)
• SAP-RPT (RPT-1 → 1.5 → 1.6) — Das tabellarische Foundation Model von SAP nutzen
• BDC Connect for Databricks
• BDC Connect for Microsoft Fabric
• BDC Connect for Snowflake (+ SAP Snowflake Solution Extension)
• SAP Snowflake — Solution Extension
• Joule for Consultants für SAP-Partner – kaufen, bereitstellen, nutzen
• Joule for Developers und SAP-MCP-Server – agentische IDEs (VS Code, Eclipse, Claude Code, Cursor, Cline)
• SAP Datasphere Catalog (Governance-Schicht)
• Databricks Agent Bricks — Agenten auf Databricks bauen und steuern
• Databricks Genie — Text-to-SQL-Agent
• Snowflake Cortex Analyst — NL-to-SQL
• Snowflake Cortex Agents
• Copilot for Fabric auf F-SKU-Kapazität (F2-Untergrenze seit April 2025)
• Tableau Agent + Pulse (ehemals Einstein Copilot for Tableau)
• Tableau Next — von Salesforce gebaute agentische Plattform neben dem klassischen Tableau
• Qlik Answers + Qlik Talend AI
• Delta Sharing in SAP Datasphere
• SAP HANA Cloud Multi-Modell (Graph, Geodaten, JSON Document Store)
• BDC Joule Agents (agentische Workflows in Business Data Cloud)
• SAC Scripting-API (Skripting analytischer Anwendungen)
• SAP Analytics Cloud Mobile
• SAP-BW/4HANA-aDSO-Typen (Standard, schreiboptimiert, Direct-Update)
• SAP BW Bridge: Die Laufzeitumgebung innerhalb von Datasphere
• Databricks Unity Catalog — Data Sharing (extern + intern)
• Microsoft Fabric & SAP-Integration
• SAP HANA Cloud — Migration von Adaptive Server Enterprise (ASE)
• Benutzerdefinierte SAC-Widgets
• Planung & Prädiktion — SAP IBP for Supply Chain
• SAP HANA Smart Data Access (SDA)
• Data Governance — DSGVO & EU-KI-Verordnung für SAP Analytics
• SAP Ariba Analytics & Beschaffungsintelligenz
• SAP Datasphere — Open-SQL-Schemas
• SAP Analytics Cloud — Kollaborative Planung
• Side-by-Side-Erweiterungen auf SAP BTP (ehemals „SAP Extension Suite“) — Clean Core im Zeitalter der KI
• SAP Datasphere — Verbindungskatalog
• SAP SuccessFactors People Analytics
• Transformer-Architektur für SAP-Praktiker
• Tokenisierung und Embeddings in Enterprise-LLM-Pipelines
• RAG vs. Fine-Tuning vs. In-Context Learning für SAP-Wissen
• LLM-Evaluation, Benchmarks und Guardrails für Unternehmen
• Inferenz-Ökonomie — Kosten, Latenz, Quantisierung, Distillation
• Vision-Foundation-Modelle im SAP-Kontext
• Audio- und Sprach-Foundation-Modelle in SAP-Workflows
• Multimodale Foundation-Modelle und SAP-Integration
• Zeitreihen-Foundation-Modelle vs. klassisches IBP-Forecasting
• Tabellarische Foundation-Modelle vs. XGBoost für prädiktive SAP-Anwendungsfälle
• SAP AI Agent Hub — herstellerneutrale Agenten-Governance
• Attention-Mechanismus — vom Scaled Dot-Product zum Produktiveinsatz
• Multi-Head Attention vs. Grouped-Query Attention vs. Multi-Query Attention
• FlashAttention 2 + 3 — speicherbewusste Attention-Kernels
• Rotary Position Embeddings (RoPE) — warum Llama, Mistral und Claude sie nutzen
• Sliding Window Attention — Mistrals Trick für langen Kontext
• Sparse-Attention-Muster — im Stil von Longformer, BigBird, Mixtral
• Mixture-of-Experts-Architekturen (MoE) — Mixtral, DeepSeek, Grok
• Encoder-Decoder vs. Decoder-Only — warum GPT, Claude und Gemini alle auf Decoder-Only setzen
• Speculative Decoding — wie Claude, GPT-4 und Llama 3 eine TTFT unter 100 ms erreichen
• KV-Cache-Optimierung — PagedAttention, quantisierter KV, Speculative Cache
• Model Context Protocol (MCP) — vertiefte Betrachtung der Spezifikation
• MCP-Server-Architektur — Tools, Resources, Prompts
• MCP-Tool-Spezifikationsstandard — JSON Schema und Annotationen
• MCP Resources vs. Prompts vs. Tools — wann welche Oberfläche die richtige ist
• MCP-Autorisierung — OAuth 2.0 und stufenbasiertes API-Gating
• MCP Streamable-HTTP-Transport — für produktive Mandanten-Deployments
• MCP-stdio-Transport — für Claude Desktop, Claude Code, lokale Agenten
• Agent-to-Agent-Protokoll (A2A) — herstellerübergreifende Agenten-Orchestrierung
• OpenAI Assistants API vs. MCP — Abwägungen und Migrationsmuster
• LangChain / LlamaIndex / Mosaic AI vs. MCP — Framework vs. Protokoll
• Anthropic Claude (Modellreihe 2026) — Architektur, Fähigkeiten, Positionierung im Unternehmenseinsatz
• OpenAI-GPT-6-Familie (Astra, Sol, Luna) — Architektur, Reasoning, Abwägungen im Unternehmenseinsatz
• Google Gemini — multimodales Reasoning, langer Kontext, Distribution im Unternehmenseinsatz
• Meta Llama — offene Spitzenmodelle für den Produktiveinsatz
• Mistral — europäische Spitzenoption für regulierte Unternehmen
• SAP-RPT — Wie der Relational Pretrained Transformer funktioniert (Architektur)
• Stanford HAI AI Index Report 2026 — Erkenntnisse mit Relevanz für SAP
• KI-Fähigkeits-Benchmarks 2026 — MMLU-Pro, GPQA, ARC-AGI, SWE-Bench
• Reasoning-Modelle — Claude Extended Thinking, GPT-o4, Gemini Thinking
• Landschaft multimodaler Modelle 2026 — Bild, Audio, Dokument
• LLM-Inferenz-Engines — vLLM vs. TensorRT-LLM vs. llama.cpp vs. SGLang
• Quantisierungsstrategien — INT8, INT4, AWQ, GPTQ, GGUF
• Modell-Distillation — kleine Modelle von großen Lehrmodellen trainieren
• Continuous Batching — wie vLLM den 10-fachen Durchsatz erreicht
• PagedAttention — Speicherverwaltung für LLMs mit langem Kontext
• Tensor-Parallelismus vs. Pipeline-Parallelismus — Multi-GPU-Inferenz
• LLM-Inferenz am Edge — Apple Silicon, NPUs, On-Device
• Kosten-pro-Token-Ökonomie 2026 — Spitzenmodelle vs. offene Gewichte
• Abwägung zwischen Latenz und Durchsatz — TTFT, TPOT, SLA-Design
• LLM-Observability — Tracing, Token-Abrechnung, Halluzinationserkennung
• Kuratierung von Pretraining-Daten — Common Crawl, The Pile, proprietärer Mix
• Instruction Tuning (SFT) — vom vortrainierten zum hilfreichen Modell
• RLHF — Bestärkendes Lernen aus menschlichem Feedback
• Constitutional AI und RLAIF — wie Anthropic/Claude den Human-in-the-Loop entfernten
• DPO — Direct Preference Optimization (RLHF ohne das RL)
• Continual Pre-training — Domänenanpassung ohne Vergessen
• LoRA und QLoRA — parametereffizientes Fine-Tuning im Produktivmaßstab
• Training für langen Kontext — von 8.000 auf über 1 Million Tokens
• Synthetische Datengenerierung für das Training — Self-Instruct, Self-Play
• KI-Red-Teaming und Sicherheitsevaluation — adversariale Prompts, Jailbreaks, Schadensevaluation
• Die KI-Modelle hinter SAP Joule – Partner-LLMs, SAP-Modelle und wer entscheidet
• Knowledge Core – Business Data Cloud als Kontextschicht für KI
• SAP Business AI Platform – Bauen, Kontextualisieren und Schlussfolgern, Steuern
• SAP Autonomous Suite – fünf autonome Domänen, Assistenten und Agenten
• SAP Snowflake Solution Extension — Die dritte Best-in-Class-Runtime
• SAP BDC Roadmap 2026 — Lieferkalender Q2 / Q3 / Q4
• SAP BDC Connect — Standarddienst für Partnerintegrationen
• SAP Data Products — Der Katalog mit 300+
• SAP BW Data Product Generator — Der BW-Modernisierungspfad
• Joule in Business Data Cloud – eingebettete KI in der täglichen Datenarbeit
• Cloud ERP Intelligence + People Intelligence: Executive-Oberflächen
• BARC — Data Sovereignty 2026: Realität, Relevanz, Roadmap
• BARC zu SAP Business Data Cloud und Datenintegration im SAP-Umfeld
• BARC — Data Products und Data Contracts 2026: Fundament für KI
• BARC — Lessons from the Leading Edge: erfolgreiche KI/GenAI-Umsetzung
• BARC — Reality Check: Souveränes Datenmanagement – Made in Europe?
• BARC — Data, BI & Analytics Trend Monitor 2026
• BARC — CPM Trend Monitor 2026
• BARC — Resiliente Planung in volatilen Märkten
• BARC — Benchmark: Wie schnell ist Ihre BI-Plattform wirklich?
• BARC — The BI & Analytics Survey
• BARC — The Planning Survey
• BARC — The Data Fabric Survey
• BARC — The Financial Consolidation Survey
• BARC Score — Integrated Planning & Analytics (IP&A) 2026
• BARC Score — Financial Performance Management (FPM) 2026
• BARC Score — Enterprise BI & Analytics Platforms 2025
• SAP Sapphire 2026: Das autonome Unternehmen ist glaubwürdig, bringt aber Konzentrationsrisiko mit sich
• Five-Eyes-Leitlinien für agentische KI, umgesetzt mit AEGIS
• BNY hat seine digitale Belegschaft rückwärts aufgebaut — und es funktioniert
• Das menschliche Fundament des KI-gestützten Unternehmens aufbauen
• Übernehmen Sie die Kontrolle über Ihre KI-Reise — Ihre Kunden haben es verdient
• KI ist überall im Go-to-Market. Kundennutzen nicht.
• Warum Business-Führung über den Erfolg von APIs entscheidet
• Der Anbruch KI-gestützter Telcos: Wie sich CSPs mit KI neu erfinden werden
• KI-gestützte AppSec-Triage — Käuferfragen und tokenbasierte Preise
• GSTACK — Governance-Disziplin für SAP-Analytics-Berater
• Threat-First SAP Analytics Architecture (das T in GSTACK)
• Secure-by-Default für die SAP-Analytics-Umsetzung (das S in GSTACK)
• SAP Datasphere vs Databricks — Entscheidungsrahmen für die SAP-Datenplattform
• SAP Datasphere vs SAP Analytics Cloud — Welche Schicht verantwortet was
• SAP Analytics Cloud vs Power BI — Was tatsächlich entscheidet
• SAP Business Data Cloud vs Datasphere — Was BDC tatsächlich hinzufügt
• SAC Planning (SAP Analytics Cloud Planning) — Was es ist und wann man es einsetzt
• SAP BW End of Support — Was tatsächlich endet, und die vier Migrationspfade
• Custom SAC Visualizations — Vier Optionen, bevor man ein Widget baut
• Portage Salarial für SAP-Berater — Versicherung gegen Umqualifizierung, kein Gehaltstrick
• SAP Datasphere für eine Décisionnel-Praxis — das klassische Modell abbilden, ohne es zu brechen
• SAP BW (Business Warehouse)
• SAP BW/4HANA
• SAP Business Data Cloud Use Cases — Die sechs Aufgaben, für die es gekauft wird
• SAP HANA Cloud
• SAP Data Intelligence
• SAP Data Services (BODS)
• SAP BPC (Business Planning and Consolidation)
• SAP BusinessObjects BI-Plattform
• SAP BusinessObjects Web Intelligence (WebI)
• SAP Crystal Reports
• SAP BusinessObjects Design Studio
• SAP Lumira (Discovery & Designer)
• SAP BEx (Business Explorer)
• SAP Analysis for Microsoft Office (AfO)
• SAP S/4HANA
• Databricks
• SAP Document AI
• SAP AI Units und das kommerzielle Modell von SAP Business AI
• SAP Cloud SDK for AI & CAP LLM Plugin
• Joule in SAP Analytics Cloud – Just Ask und generative Analytik
• Joule for ABAP — SAP Joule for Developers, ABAP-AI-Funktionen (ADT, SAP Build, SAP-ABAP-1)
• SAP AI Foundation auf SAP BTP — die Landkarte in drei Schichten
• SAP AI Services — vorgefertigte KI auf der BTP (Data Attribute Recommendation, Translation Hub, Personalized Recommendation, Document AI)
• Die Orchestrierungspipeline des Generative AI Hub — die sechs Module in ihrer Reihenfolge
• SAC Predictive Planning — Zeitreihenprognosen innerhalb von Planungsmodellen
• SAC Smart Predict — Klassifikation, Regression, Zeitreihen
• SAC Smart Insights und Smart Discovery — und was Just Ask ändert
• SAP HANA Predictive Analysis Library (PAL) — Bibliothek für Analysen
• SAP HANA Automated Predictive Library (APL) — die automatisierte Prognosebibliothek in HANA
• hana-ml — Machine Learning in Python innerhalb von SAP HANA Cloud
• Intelligent Scenario Lifecycle Management (ISLM) im S/4HANA-System
• Eingebettete KI-Szenarien in der S/4HANA-Analytik
• SAP Datasphere als Grounding-Quelle für Joule und Agenten
• SAP-Business-Data-Cloud-Datenprodukte als KI-Kontext
• Die Intelligent Applications von SAP Business Data Cloud
• Databricks Mosaic AI innerhalb von SAP Business Data Cloud
• KI-bereite Daten — Qualität, Semantik und Lineage
• Die semantische Schicht als LLM-Kontext — analytische Modelle, Geschäftssemantik
• Natural-Language-Abfragen über SAP-Daten — Text-to-SQL-Muster und Grenzen
• Embeddings und Vektorsuche aus Datasphere- und HANA-Cloud-Tabellen
• Joule für Finance in SAP S/4HANA Cloud
• Joule für SAP SuccessFactors
• Joule in SAP Ariba und Procurement
• Joule in der Supply Chain (SAP IBP, S/4HANA-Supply-Chain)
• Joule in SAP Sales Cloud und SAP Service Cloud
• Joule und Microsoft 365 Copilot — bidirektionale Integration
• SAP AI Launchpad — die Betriebskonsole für KI auf SAP BTP
• SAP AI Core: Resource Groups, Szenarien und Executables
• Modelle auf SAP AI Core trainieren und bereitstellen
• Datenmaskierung und Anonymisierung im Orchestration Service
• Content Filtering im Generative AI Hub
• LLM-Kostenengineering auf SAP — AI Units, Token-Budgets, Caching
• Generative KI auf SAP-Daten evaluieren
• Agenten in SAP Build Process Automation
• KI in SAP Signavio
• KI in SAP LeanIX
• SAPs KI-Ethikrichtlinie im Projektalltag
• SAP Business AI — Datenschutz und Datennutzung
• KI-Anwendungsfall-Entdeckung und -Priorisierung für SAP-Kunden
• Der SAP-KI-Business-Case und die Wertverfolgung
• Vom Proof of Concept zur Produktion — der SAP-KI-Liefer-Lebenszyklus
• Vom SAP-Analytics-Berater zum SAP-KI-Spezialisten — die Kompetenzkarte
• Change Management und Adoption für Joule
• SAP-KI-Projekte scopen und bepreisen
• Bluefield — selektive Datentransformation nach S/4HANA
• Joule Work — SAPs persönlicher KI-Arbeitsplatz (Web, Mobile 3.2, Desktop) und seine MCP-Erweiterbarkeit
• SAP Managed Joule — Joule, Joule Work und Joule Studio über SAP for Me bereitstellen
• SAP HANA Cloud Agent Memory Service — persistentes, gesteuertes Gedächtnis für Geschäftsagenten
• Laufzeitgrenzen für Agenten — NVIDIA OpenShell in Joule Studio
• Souveräne KI bei SAP — EU AI Cloud, souveräne Betriebsoptionen und europäische Modellpartner
• Joule für Ausgaben und externe Arbeitskräfte — SAP Concur, SAP Fieldglass und SAP Business Network
• KI für Integration und Betrieb — Joule in SAP Integration Suite und SAP Cloud ALM
• SAP Pay — in SAP Cloud ERP eingebettete Zahlungsausführung
• TechWolf und Work Intelligence — die Skills-Schicht von SAP Autonomous HCM
• SAP Domain Models (SAP-native Foundation Models)
• SAP Reltio — KI-taugliche Stammdaten in SAP Business Data Cloud und die Folgen für SAP Master Data Governance (MDG)
• SAP Company Memory (Preview) — was der SAP-TechEd-2026-Katalog beschreibt
• SAPs drei Architektur-Beratungsmethoden – Application Extension, Data & Analytics Advisory, Integration Solution Advisory (ISA-M)
• Joule Assistants — SAPs rollenbasierte Expertenassistenten und ihr Verhältnis zu Agents, Skills und Joule Work
• Agentenidentität, Vertrauen und Agent Gateway bei SAP — was dokumentiert ist und was TechEd 2026 beschreibt
• KI-native UX in SAP — das Compositional Design System, SAP Fiori elements und Joule Work
• Physical und Embodied AI in SAP — Robotik, EWM und die Joule-Lösung
• Industry AI bei SAP und Forward-Deployed Engineering (FDE)
• Von SAP empfohlene Architekturen für KI und Daten
• Prompt Engineering und Prompting-Techniken für SAP KI
• KI-Verzerrung, Fairness und Erklärbarkeit in SAP AI
• Generative Modellfamilien — LLMs, Diffusion, GANs, VAEs und Multimodal