Konzeptkarte

SAP AI Core: Resource Groups, Szenarien und Executables

Stand 2026-09-25

Redaktion: Cédric-Olivier Mâry, alleiniger Redakteur und verantwortlich für die Veröffentlichung — 27 Jahre im SAP-Ökosystem. Wie diese Seiten entstehen und wo Automatisierung eingesetzt wird.

Was ist SAP AI Core?

SAP AI Cores Objektmodell besteht aus sechs Teilen: Szenarien und Executables (Templates), Konfigurationen (konkrete Parameterinstanzen), Executions und Deployments (Läufe) sowie Artefakte (Daten, die zwischen ihnen fließen). Resource Groups isolieren Executions, Deployments, Konfigurationen und Artefakte je Team oder Workload — aber Szenarien, Executables und Docker-Registry-Secrets werden mandantenweit geteilt, mit einer dokumentierten Obergrenze von 50 Resource Groups je Mandant.

Das Vokabular, präzise

SAP AI Cores eigene Dokumentation definiert sechs Objekte, und ihre Beziehungen richtig zu erfassen macht den Unterschied zwischen dem Lesen eines AI-Core-Projekts und dem bloßen Herumklicken in seiner Oberfläche aus. Ein Szenario (scenario) ist die Implementierung eines bestimmten KI-Anwendungsfalls: eine vordefinierte Menge von KI-Fähigkeiten in Form von Executables und Templates, die verwandte Arbeit gruppiert und Versionen nachverfolgt, während sich Modelle weiterentwickeln — SAPs eigene Beispiel-Szenario-ID ist „foundation-models“. Ein Executable ist ein wiederverwendbares Template, das einen Workflow oder eine Pipeline definiert — ein Modell trainieren, eine Inferenz ausführen, ein Deployment erstellen — und kommt in zwei Arten: nicht-deploybare Executables, die Executions erzeugen, und deploybare Executables, die Deployments erzeugen. Eine Konfiguration (configuration) ist die konkrete Instanz eines Executables: eine Sammlung von Parametern, Artefaktreferenzen (Datensätze, Modelle) und Umgebungseinstellungen, die eine Execution oder ein Deployment instanziieren und ausführen; ein Executable kann viele Konfigurationen haben. Eine Execution ist ein einzelner Lauf — Trainings-Executions erzeugen trainierte Modelle, Batch-Inferenz-Executions erzeugen Ergebnismengen. Ein Deployment ist eine Instanz eines Modell-Serving-Templates, konfiguriert mit einem Modellartefakt und angewendet auf Daten in einer Serving-Anfrage; es erstellt einen Modellserver und eine Inferenz-URL. Und ein Artefakt (artifact) ist jedes greifbare Nebenprodukt, das eine Execution oder ein Deployment konsumiert oder erzeugt — Daten, Dateien, Binärdateien, Bibliotheken —, das als Ein- oder Ausgabe zwischen den anderen durch den KI-Lebenszyklus fließt.

Warum es zählt

Szenarien und Executables werden mandantenweit geteilt, während Executions, Deployments, Konfigurationen und Artefakte je Resource Group isoliert sind — falsches Verständnis darüber, welche Objekte geteilt oder isoliert sind, führt zu fehlerhaften Annahmen über teamübergreifenden Zugriff.
SAPs eigene Sicherheitsleitlinien warnen ausdrücklich davor, denselben Object-Store-Bucket und dieselben AWS-IAM-Anmeldedaten über Resource Groups hinweg wiederzuverwenden, da dies die von der Resource-Group-Grenze beabsichtigte Isolation stillschweigend aushebelt.
Das Löschen einer Resource Group deprovisioniert unter dem XSUAA-Multitenancy-Modell direkt alle darin enthaltenen Scenario-Consumer-Mandanten — keine umkehrbare Aufräumaktion, worauf hinzuweisen ist, bevor jemand sie in einem gemeinsam genutzten Mandanten ausführt.

Kernpunkte

Szenario: eine vordefinierte Menge von Executables und Templates, die einen bestimmten KI-Anwendungsfall implementiert, mit Versionsverfolgung (Beispiel-ID: „foundation-models“).
Executable: ein wiederverwendbares Workflow-/Pipeline-Template; nicht-deploybare Executables erzeugen Executions, deploybare Executables erzeugen Deployments.
Konfiguration: die konkrete Parameter-/Artefaktreferenz-/Umgebungsinstanz eines Executables, erstellt über POST /v2/lm/configurations unter Angabe einer scenarioId und executableId; ein Executable kann viele Konfigurationen haben.
Execution vs. Deployment: Eine Execution ist ein einzelner Lauf (Training → trainiertes Modell; Batch-Inferenz → Ergebnismenge); ein Deployment ist ein dauerhafter Modellserver mit einer Inferenz-URL.
Artefakt: jedes greifbare Daten-/Datei-/Binär-/Bibliotheksnebenprodukt, das von einer Execution oder einem Deployment konsumiert oder erzeugt wird.
Resource Groups: mandantenbezogene Isolationseinheiten, eine Standard je Mandant, maximal 50 je Mandant, erstellt/gelöscht über die AI API.
Mandantenweit geteilt: Szenarien, Executables, Docker-Registry-Secrets, Workflow-/Serving-Templates, UAA. Je Resource Group isoliert: Executions, Deployments, Konfigurationen, Artefakte.
Der Serviceplan (Standard vs. Extended) bestimmt, ob generative-KI-Szenarien überhaupt nutzbar sind, unabhängig vom Resource-Group-/Szenario-/Executable-Modell.

Begriffe auf dieser Seite

Szenario (scenario): Eine vordefinierte Menge von KI-Fähigkeiten (Executables und Templates), die einen bestimmten KI-Anwendungsfall implementiert, geteilt über alle Resource Groups eines Mandanten.
Executable: Ein wiederverwendbares Workflow-/Pipeline-Template; nicht-deploybare Executables erzeugen Executions, deploybare Executables erzeugen Deployments; mandantenweit geteilt.
Konfiguration (configuration): Die konkrete Parameter-, Artefaktreferenz- und Umgebungseinstellungsinstanz eines Executables, verwendet zum Starten einer Execution oder eines Deployments; je Resource Group isoliert.
Execution: Ein einzelner Lauf eines nicht-deploybaren Executables — Training (erzeugt ein trainiertes Modell) oder Batch-Inferenz (erzeugt eine Ergebnismenge); je Resource Group isoliert.
Deployment: Eine laufende Instanz eines Modell-Serving-Templates, konfiguriert mit einem Modellartefakt, das eine Inferenz-URL bereitstellt; je Resource Group isoliert.
Artefakt (artifact): Jedes greifbare Nebenprodukt (Daten, Datei, Binärdatei, Bibliothek), das von einer Execution oder einem Deployment konsumiert oder erzeugt wird; je Resource Group isoliert.
Resource Group: Ein mandantenbezogener Isolationsnamensraum für Executions, Deployments, Konfigurationen und Artefakte; bis zu 50 je Mandant, eine Standard automatisch erstellt.

Quellen

Vollständige Karte für Mitglieder. Was die vollständige Karte ergänzt: den vollständigen Entscheidungsrahmen · die häufigen Fallstricke und ihre Behebung · die Kurzreferenz · die Codeblöcke · die zitierfähigen Kennzahlen.

In der App öffnen →