Konzeptkarte

SAP HANA Automated Predictive Library (APL) — die automatisierte Prognosebibliothek in HANA

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 HANA Automated Predictive Library (APL)?

APL ist SAP HANAs automatisierte-ML-AFL-Komponente: SAPs eigener Beispielcode zeigt, wie das Flag APL/VariableAutoSelection die Feature-Selection-Arbeit übernimmt, die ein PAL-Aufruf dem Aufrufer überlässt, über eine Funktionsmenge, die Klassifikation, Regression, Prognose, Schlüsseleinflussfaktoren, Empfehlungssysteme, Social-Network-Modellierung und Data-Drift-Überwachung abdeckt. Es ist die einzige Bibliothek, die SAP direkt als das benennt, an das Smart Predict bei Live-On-Premise-HANA-Verbindungen delegiert.

Was APL automatisiert, und wie SAPs eigener Code es beweist

Die Automated Predictive Library (APL) ist das automatisierte-Machine-Learning-Gegenstück zu PAL (C343) in SAP HANA: Beide sind AFL-Komponenten (Application Function Library), beide rechnen innerhalb von HANA, aber APL verkleinert die Fläche, die ein Aufrufer konfigurieren muss. Wo ein PAL-Klassifikationsaufruf eine explizite Parametertabelle übergibt, die einen Algorithmus und dessen Hyperparameter benennt (C343), setzt SAPs eigener APL-Beispielcode für ein Klassifikationsmodell drei Konfigurationseinträge und überlässt den Rest APL: APL/ModelType ("binary classification"), APL/CuttingStrategy ("random with no test"), und — der wichtigste — APL/VariableAutoSelection, gesetzt auf true. Genau dieses Flag ist der konkrete, dokumentierte Mechanismus hinter dem Wort "automatisiert" in APLs Namen: Die Bibliothek entscheidet, welche der Eingabevariablen tatsächlich ins Modell gehören, statt dass ein Data Scientist dies vorab festlegt.

APL läuft in seinem eigenen Schema, SAP_PA_APL, mit eigenen Tabellentypen für Modelle, Logs, Zusammenfassungen und Debrief-Kennzahlen (MODEL_BIN_OID, OPERATION_LOG, SUMMARY, DEBRIEF_METRIC_OID, DEBRIEF_PROPERTY_OID) — allein der Schemaname lohnt sich, im System eines Kunden als Beleg dafür zu erkennen, dass APL installiert und im Einsatz ist.

Warum es zählt

APL/VariableAutoSelection ist der konkrete, dokumentierte Mechanismus hinter „automatisiert“ in APLs Namen — ein Berater kann auf dieses spezifische Flag verweisen, statt Automatisierung vage zu beschreiben.
APLs Funktionsmenge ist deutlich breiter als die drei Szenarien, die Smart Predict in der SAC-Oberfläche zeigt (C341): Empfehlungssysteme, Social-Network-Modellierung und Data-Drift-Überwachung sind APL-Fähigkeiten ohne direktes Smart-Predict-UI-Äquivalent.
SAP benennt APL direkt als das, an das Smart Predict bei Live-On-Premise-HANA-Verbindungen delegiert — die einzige Stelle in der Dokumentation, die C341, C343 und C344 konkret verbindet.

Kernpunkte

APL ist HANAs automatisierte-ML-AFL-Komponente; SAPs eigener Beispielcode setzt APL/ModelType, APL/CuttingStrategy und APL/VariableAutoSelection=true, statt einen Algorithmus zu benennen und Parameter zu tunen.
APL läuft in seinem eigenen Schema SAP_PA_APL mit eigenen Tabellentypen für Modelle, Logs, Zusammenfassungen und Debrief-Kennzahlen.
Prädiktive Modellfunktionen (Lebenszyklus): CREATE_MODEL(_AND_TRAIN), TRAIN_MODEL, RETRAIN_MODEL, UPDATE_MODEL, APPLY_MODEL(_AND_TEST), TEST_MODEL, PUBLISH_MODEL, EXPORT_APPLY_CODE, GET_MODEL_INFO/DEBRIEF, GET_VARIABLE_INDICATORS.
Prädiktive Geschäftsfunktionen (Szenarioabdeckung): FORECAST/FORECAST_AND_DEBRIEF (Zeitreihen), KEY_INFLUENCERS, RECOMMEND-Familie (Empfehlungssysteme), CREATE_SOCIAL_MODEL_AND_TRAIN/APPLY_SOCIAL_MODEL (Social-Network-Modellierung), PROFILE_DATA-Familie, SCORING_EQUATION.
Data-Drift-Erkennung ist eine eigenständige, dokumentierte APL-Fähigkeit mit Lern-/Berichts- und Erkennungs-/Berichtsbeispielen, einschließlich Segmentierung nach einer Dimension wie Land.
EXPORT_APPLY_CODE lässt APL Scoring-Code generieren, der außerhalb von HANA einsetzbar ist — aber die automatisierten Variablenauswahl-Entscheidungen dahinter bleiben die von APL.
Aufrufbar per direktem SQL gegen AFL-Prozeduren, oder über hana-mls hana_ml.algorithms.apl-Modul in Python — beide Wege führen dieselbe automatisierte Logik aus.
SAPs eigene Dokumentation zur Live-Konnektivität von Smart Predict besagt, dass die Ausführung bei On-Premise-Live-Verbindungen an APL delegiert wird — die einzige Stelle, an der diese Abhängigkeit direkt benannt wird.

Begriffe auf dieser Seite

APL/VariableAutoSelection: Das in SAPs eigenem Beispielcode dokumentierte APL-Konfigurationsflag, das die automatisierte Feature-/Variablenauswahl aktiviert.
SAP_PA_APL: Das eigene HANA-Schema, in dem APL läuft, mit eigenen Tabellentypen für Modell, Log, Zusammenfassung und Debrief.
EXPORT_APPLY_CODE: APL-Funktion, die auf Basis eines trainierten APL-Modells Scoring-Code generiert, der außerhalb von SAP HANA einsetzbar ist.
Data Drift (APL): APLs eigenständige Fähigkeit, eine Referenzverteilung zu erlernen und Abweichungen davon zu erkennen und zu berichten, optional segmentiert nach einer Dimension.
SCORING_EQUATION: APL-Funktion, die ein trainiertes Modell als portable Scoring-Formel exportiert.

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 →