Konzeptkarte

SAP AI Hub

Stand 2026-07-24T14:00:00Z

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 Hub?

Der Hub ist die „Paket-Registry" für Modelle – ein Modell erreicht die Produktion erst, wenn es die eigene Evaluierungssuite des Hub anhand des SAP-spezifischen Testdatensatzes der einführenden Organisation besteht, nicht anhand eines generischen Benchmarks.

Worum es geht

Der SAP AI Hub ist die Katalog- und Lifecycle-Instanz für jedes KI-Modell, das innerhalb der SAP Business AI Platform verfügbar ist — Foundation-Modelle von Drittanbietern, SAPs eigene feinabgestimmte Modelle sowie Modelle, die ein Kunde oder Partner selbst feinabgestimmt hat und intern nutzen möchte. Er liegt unterhalb des Model Gateway und oberhalb von SAP AI Core: AI Core stellt die rohe Compute- und Trainingsinfrastruktur bereit, der AI Hub ist die Registry, die entscheidet, welche Modellversionen vertrauenswürdig genug sind, um dorthin geroutet zu werden, und das Model Gateway übernimmt das eigentliche Routing zum Zeitpunkt der Inferenz. Ein hilfreiches Denkmodell ist eine Software-Paket-Registry: Das Gateway ist die Anwendung, die eine Abhängigkeit aufruft, der Hub ist die Registry, die festlegt, welche Versionen dieser Abhängigkeit veröffentlicht, geprüft und sicher zu installieren sind.

Warum es zählt

Ausgemusterte Modelle bleiben für ein Mindest-Dokumentationsfenster von 10 Jahren nach dem EU AI Act abfragbar, statt bei der Ausmusterung gelöscht zu werden
Die Beförderung zu Production wird durch Scorecards auf den eigenen Datensätzen der Organisation (Finance-Hauptbuch, Supply-Chain-Anomalien, HR-Richtlinien-Q&A) abgesichert, nicht durch Hersteller-Ranglisten
Das Model Gateway kann nur zu dem routen, was der AI Hub registriert hat — die Governance sitzt eine Schicht unterhalb des Routings, nicht nachträglich angeflanscht

Kernpunkte

Modellkatalog: durchsuchbares Inventar von SAP- und Drittanbietermodellen mit Metadaten inklusive EU-AI-Act-Risikoklassifizierung und Datenresidenz-Region.
Lifecycle-Stufen: Development → Staging → Production → Deprecated — abgesicherte Übergänge mit evaluierungsbasiertem Freigabe-Workflow.
Evaluierungs-Framework: standardisierte SAP-spezifische Testdatensätze (Finance-Hauptbuch, SCM-Anomalieerkennung, HR-Q&A); Scorecard für die Production-Beförderung erforderlich.
Deprecation-Registry: Modelle werden für den Dokumentationszeitraum des EU AI Act aufbewahrt (10 Jahre bei Hochrisiko); über das SAP Audit Journal für rückwirkende Compliance abfragbar.
Model Card: SAP veröffentlicht Model Cards nach Art. 53 EU AI Act für alle feinabgestimmten Modelle — Ausgangsvorlage für die Risikoklassifizierungsanalyse eines Beraters.
Drift-Erkennung: Der AI Hub überwacht die Qualität aktiver Production-Modelle; Warnung, wenn der Inferenz-Score um mehr als 5 % gegenüber der Beförderungs-Baseline sinkt.
Hosting feinabgestimmter Modelle: kundeneigene feinabgestimmte Modelle werden registriert und über dasselbe Model-Gateway-Routing bereitgestellt wie SAP-Standardmodelle.
Der SAP AI Hub ist erst dann beherrscht, wenn er eine konkret benannte Kaufentscheidung verändert.
Vor der Tool-Demonstration mit dem semantischen Vertrag und dem Kontrollmodell beginnen.
Aktuelle Signale aus SAP-Quellen, Analystenberichten, Studien, dem Knowledge Graph und News als Beleg nutzen, nicht als Dekoration.

Begriffe auf dieser Seite

Modell-Lifecycle-Stufe: Eine definierte Phase im Modell-Governance-Workflow des AI Hub: Development (experimentell, nicht routebar), Staging (Kandidat für Production, in Evaluierung), Production (live, vom Model Gateway routebar), Deprecated (ausgemustert, für das Audit aufbewahrt).
Model Card: Ein strukturiertes Dokumentationsartefakt für ein KI-Modell, das dessen Trainingsdaten, vorgesehene Anwendungsfälle, Limitationen, Evaluierungs-Benchmarks und Risikoklassifizierung beschreibt — nach Artikel 53 des EU AI Act für GPAI-Modellanbieter vorgeschrieben.
Daten-Drift: Die allmähliche Divergenz zwischen den statistischen Eigenschaften der Produktionsdaten, die das Modell verarbeitet, und den Trainingsdaten, auf die das Modell optimiert wurde — führt über die Zeit zu einer Verschlechterung der Modell-Performance, ohne dass sich die Modellgewichte ändern.
Evaluierungsdatensatz: Ein kuratierter Testdatensatz zur Messung der Modell-Performance bei einem bestimmten Aufgabentyp; der SAP AI Hub stellt SAP-spezifische Evaluierungsdatensätze (Finance-Hauptbuch-Klassifizierung, SCM-Anomalieerkennung, HR-Richtlinien-Q&A) für das Production-Beförderungsgate bereit.
Entscheidungsverantwortlicher: Die verantwortliche Person, die den Trade-off akzeptiert und die nächste Aktion finanziert.
Semantischer Vertrag: Die gemeinsame Definition von Geschäftsbegriffen, Kennzahlen, Entitäten und Zugriffsregeln, die von Tools und Teams verwendet wird.
Kontrollebene: Die Ebene, die Policy, Zugriff, Lineage, Monitoring und Eskalation über das Betriebsmodell hinweg durchsetzt.
Evidenzgrad: Eine Kennzeichnung, die verifizierte Fakten, richtungsweisende Signale, modellierte Annahmen und Feldbeobachtungen voneinander unterscheidet.

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 →