Konzeptkarte

SAP AI Core

Stand 27. September 2026

Redaktion: Cédric Mary, 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 Core ist die SAP-BTP-Laufzeit für KI-Workloads — Argo-basierte Trainings- und Batch-Läufe, KServe-basiertes Model Serving — und beherbergt im Extended-Plan den Generative AI Hub. Alles hängt an einem Tenant pro Subaccount, gegliedert in Resource Groups; der Service Key ist die Eintrittskarte; abgerechnet wird in Capacity Units.

Was es ist

SAP AI Core ist ein Service der SAP Business Technology Platform, der Ausführung und Betrieb von KI-Assets „standardisiert, skalierbar und hyperscaler-agnostisch“ verwaltet (SAP AI Core Service Guide, September 2026). Er steht in den Umgebungen Cloud Foundry, Kyma und Kubernetes zur Verfügung und arbeitet mit zwei Geschwistern zusammen: SAP AI Launchpad, einer mandantenfähigen SaaS-Konsole, die KI-Szenarien über eine oder mehrere Laufzeiten verwaltet und Zugang zum Generative AI Hub bietet, und der AI API, der offenen Lifecycle-Spezifikation, die beide sprechen. Technisch läuft AI Core auf Kubernetes, nutzt Argo Workflows für Pipelines und KServe für das Serving, synchronisiert Vorlagen aus Ihrem Git-Repository, zieht Images aus Ihrer Docker-Registry und liest und schreibt Artefakte in Ihrem Object Store. Der Generative AI Hub ist kein eigenes Produkt: SAP beschreibt ihn als Fähigkeit von AI Core und AI Launchpad, die AI Core „erweitert“, und er ist nur im Service-Plan Extended verfügbar.

Das Objektmodell, das Sie beherrschen müssen

Fast jede Frage zu AI Core beantwortet sich über die Frage, wo ein Objekt lebt. Der Tenant ist der Subaccount: Mehrere Service-Instanzen im selben Subaccount erzeugen keine mehreren Tenants, sie verweisen alle auf denselben AI-Core-Tenant. Innerhalb des Tenants sind Resource Groups die Isolationseinheit. Eine Default-Resource-Group existiert ab dem Onboarding; Administratoren legen weitere über die AI API an, standardmäßig bis zu 50 pro Tenant. Executables (Workflow- und Serving-Templates), Szenarien und Docker-Registry-Secrets liegen auf Tenant-Ebene und werden von allen Resource Groups geteilt; Konfigurationen, Executions, Deployments, Artefakte und Resource-Group-Secrets gehören genau einer Resource Group und lassen sich nicht teilen. Jede Resource Group entspricht einem eigenen Kubernetes-Namespace.

Warum es zählt

Das Design der Resource Groups entscheidet über Kostenzuordnung und Zugriffstrennung des gesamten Programms — Laufzeitobjekte lassen sich nachträglich nicht zwischen Resource Groups verschieben.
Die Planwahl ist eine Einbahnstraße: Standard lässt sich auf Extended heben, aber nie zurückstufen — und ohne Extended gibt es keinen Generative AI Hub.
Das Audit-Log von AI Core erfasst Verwaltungsereignisse, keine Prompts — den Nachweis, was ein Modell gesehen hat, liefert erst die pro Anfrage aktivierte Inference Observability.

Kernpunkte

AI Core = BTP-Laufzeit für KI-Workloads auf Kubernetes: Argo Workflows für Trainings- und Batch-Executions, KServe fürs Serving, Git + ArgoCD für Templates.
Ein AI-Core-Tenant pro Subaccount; mehrere Service-Instanzen im selben Subaccount teilen sich diesen Tenant.
Resource Groups isolieren Laufzeitobjekte (Konfigurationen, Executions, Deployments, Artefakte); Executables, Szenarien und Docker-Secrets gelten tenantweit. Standardlimit: 50 Resource Groups.
Szenario → Executable → Konfiguration → Execution (Lauf) oder Deployment (Inferenz-URL): das Grundvokabular der AI API.
Pläne: Standard (kundeneigene KI, ohne GenAI) und Extended (mit Generative AI Hub). Nur Upgrade; der Free-Plan endete am 22. Mai 2026, ein 30-Tage-Trial bleibt.
Service Key = clientid/clientsecret (oder x.509) + XSUAA-url + AI_API_URL; die Rotation der Zugangsdaten ist Kundensache.
Abrechnung in Capacity Units: Knotenstunden, Speicher und eine auf 730 h/Monat gedeckelte Baseline für kundeneigene KI; tokenbasierte Messung für Foundation Models und Grounding.
ISO/IEC 42001 umfasst Joule, AI Core und AI Launchpad; das Audit-Log erfasst Verwaltungsereignisse, Prompt-Payloads nur über die optionale Inference Observability.

Begriffe auf dieser Seite

AI API: Offene Spezifikation zur Verwaltung von KI-Artefakten und -Workflows über Laufzeiten hinweg; SAP AI Core ist eine Implementierung, SAP AI Launchpad ein Client.
Resource Group: Isolationseinheit in einem AI-Core-Tenant, abgebildet auf einen Kubernetes-Namespace; besitzt Konfigurationen, Executions, Deployments, Artefakte und eigene Secrets.
Szenario: Bündel der Executables eines Anwendungsfalls; zu den von SAP verwalteten globalen Szenarien gehören foundation-models und orchestration.
Executable: Wiederverwendbare Workflow- oder Serving-Vorlage mit Platzhaltern; nicht deploybare ergeben Executions, deploybare Deployments.
Konfiguration: Bindung konkreter Parameterwerte und Artefaktversionen an ein Executable; Voraussetzung für jede Execution und jedes Deployment.
Execution: Ein Lauf eines Workflow-Executables — Training oder Batch-Inferenz —, der Ausgabeartefakte wie Modelle oder Ergebnismengen erzeugt.
Deployment: Instanz eines Serving-Executables, die einen Modellserver mit HTTPS-Inferenz-URL erzeugt.
Capacity Unit (CU): Abrechnungsmetrik der SAP BTP; AI Core rechnet Knotenstunden, Speicher, Baseline-Tenant-Stunden und GenAI-Tokens in CU um.

Quellen

Vollständige Karte für Mitglieder. Was die vollständige Karte ergänzt: den vollständigen Entscheidungsrahmen · den Vergleich SAP · Snowflake · Databricks · Fabric · die häufigen Fallstricke und ihre Behebung · die Kurzreferenz · die Architekturschemata · die Codeblöcke · die zitierfähigen Kennzahlen.

In der App öffnen →

Leitfäden, die mit dieser Seite antworten

Diese Leitfäden nennen diese Seite als eine der Quellen, auf die sich ihre Antwort stützt.

Offene SAP-Projekte

Aktuelle SAP-Analytics-Projekte und Stellen im DACH-Raum: SAP-Analytics-Projekte im DACH-Raum.