{"id":3064,"date":"2024-09-25T08:00:00","date_gmt":"2024-09-25T07:00:00","guid":{"rendered":"https:\/\/www.orbis.de\/blog\/?p=3064"},"modified":"2025-11-27T10:02:09","modified_gmt":"2025-11-27T09:02:09","slug":"chatbot-just-ask-in-der-sac","status":"publish","type":"post","link":"https:\/\/www.orbis-group.com\/de-de\/blog\/prozesse\/analysen\/chatbot-just-ask-in-der-sac\/","title":{"rendered":"Augmented Analytics: Wie KI die SAP Analytics Cloud transformiert"},"content":{"rendered":"\n

Nichts treibt aktuell sowohl Privatpersonen als auch Unternehmen so sehr um, wie die Themen K\u00fcnstliche Intelligenz<\/strong> (KI<\/strong>, engl. AI<\/strong> Artificial Intelligence) und Maschinelles Lernen <\/strong>(ML<\/strong>, engl.Machine Learning) und deren Auswirkungen auf das private und berufliche Umfeld. Speziell im Berufsalltag stellt sich die Frage, ob und wie sich ChatGPT, Microsoft 365 Copilot<\/a> und Co. sinnvoll und gewinnbringend integrieren lassen.<\/p>\n\n\n\n

In diesem Blogbeitrag wollen wir die Frage beantworten, welche KI basierten Funktionen den Anwender, speziell im Umfeld der SAP Analytics Cloud<\/a> (SAC), unterst\u00fctzen und ihm dadurch einen direkten Mehrwert bieten. Dabei m\u00f6chte ich allerdings darauf hinweisen, dass auf Grund des Tempos, mit dem die SAP innerhalb der SAC KI basierte Neuerungen vorantreibt, die Informationen in diesem Beitrag als eine Momentaufnahme mit Wissensstand August\/September 2024 verstanden werden sollten.<\/p>\n\n\n\n

Traditional Analytics \u2013 Ein kurzer Blick in den R\u00fcckspiegel<\/h2>\n\n\n\n

Bevor wir uns den KI-Funktionen der SAC detailliert zuwenden, wollen wir den Begriff Augmented Analytics<\/a> umrei\u00dfen, unter dem diese KI-Funktionen in der SAC subsumiert werden.<\/p>\n\n\n\n

Am Anfang der Entwicklungen im Bereich Analytics<\/a> standen bei der SAP und in den Projekten unserer Kunden die grundlegenden Mechanismen zum Einbinden von Unternehmensdaten<\/strong> aus heterogenen Datenquellen und die anschlie\u00dfende Aufbereitung, Harmonisierung und Ablage von Daten in einem Datawarehouse.<\/p>\n\n\n\n

Darauf aufbauend wurden durch die IT-Abteilungen die unternehmensweit genutzten, vordefinierte Standardreports und Dashboards definiert und zus\u00e4tzlich M\u00f6glichkeiten geschaffen, durch die Endanwender in diesen Berichten ad-hoc mit Bedienungsmethodiken, wie sie von Excel Pivot Tabellen bekannt sind (Drag-and-Drop, Slice-and-dice, etc.) navigieren konnten. Getrieben durch neue Produkte wie die SAP Analytics Cloud (SAC) und die SAP Datasphere<\/a>, fand im Anschluss daran der n\u00e4chste Entwicklungs- bzw. Innovationsschritt zur Steigerung der Produktivit\u00e4t statt.<\/p>\n\n\n\n

Es erfolgte eine \u201eDemokratisierung\u201c der Berichtserstellung und eine \u201eF\u00f6deralisierung\u201c der Datenhoheit, weg von der alleinigen Verantwortung der IT-Abteilung, hin zu den potenziellen Data Ownern in den Fachbereichen. Stichwort: Self-service BI<\/strong>. Auch die strategische und zunehmend auch die operativen Planungen wandern aus den on-prem Business Warehouses<\/strong> (BW\/4HANA) und den operativen Systemen (S\/4HANA<\/a>) zunehmend in die SAC bzw. Datasphere.<\/p>\n\n\n\n

Augmented Analytics \u2013 Maschinen getriebene Analytik<\/h2>\n\n\n\n

Schaut man sich die Meilensteine in der Entwicklungshistorie im Bereich SAP Analytics an, stellt man fest, dass man Dank der Durchbr\u00fcche im Bereich KI an einem Punkt angelangt ist, an dem die Menschen getriebene Analytik durch Maschinen getriebene Analytik erg\u00e4nzt wird. Der Anwender ist nicht mehr darauf angewiesen, die Daten m\u00fchsam allein nach Zusammenh\u00e4ngen zu durchforsten, einen Data-Scientist mit der Erstellung mathematische hoch komplexer Prognose- und Forecastmodelle zu beauftragen und im Anschluss daran die Ergebnisse ansprechend aufzubereiten. Vielmehr bekommt er jetzt Unterst\u00fctzung durch die KI der SAC<\/strong>, die ihm ohne gro\u00dfen Vorbereitungsaufwand zus\u00e4tzliche Einsichten in die Daten bereitstellt und ihn bei der Aufbereitung der Daten und der Entscheidungsfindung unterst\u00fctzt.<\/p>\n\n\n\n

\"Entwicklung<\/figure>\n\n\n\n

Just Ask <\/strong>\u00fcber die Forecast- und Prognosefunktionen<\/strong> im Bereich der sogenannten Predictive Analytics bis hin zu Handlungsempfehlungen f\u00fcr die Zukunft<\/strong>, die unter dem Begriff Prescriptive Analytics zusammengefasst werden k\u00f6nnen.<\/p>\n\n\n\n

Kurzum: Augmented Analytics verkn\u00fcpft die traditionellen analytische Vorgehensweisen mit den M\u00f6glichkeiten parametrisierbarer generativer KI-Modelle. Die Funktionen der SAP S\/4HANA Cloud<\/a> Vector Engine<\/strong> k\u00f6nnen dabei die die Leistungsf\u00e4higkeit gro\u00dfer Sprachmodelle mit den relevanten Unternehmensdaten kombinieren und gew\u00e4hrleisten, dass in den Ergebnissen der generativer KI der Gesch\u00e4ftskontext des Kunden erhalten bleibt. Die Vector Engine ist in der Lage, Zusammenh\u00e4nge in den mehrdimensionalen Unternehmensdaten durch f\u00fcr diesen Zweck optimierte Algorithmen und Vektoroperationen zu ermitteln.<\/p>\n\n\n\n

Ein Bild, dass einem hilft, diesen Zusammenhang besser zu verstehen ist, sich das Large Language Model (LLM)<\/strong> mit der generativen KI als einen intelligenten Kollegen vorzustellen, mit dem man sich gut unterhalten und mit dem man prima diskutieren kann. Vielleicht kann der Kollege auch gut programmieren, aber er wei\u00df nichts \u00fcber die internen Unternehmensprozesse und Unternehmensdaten und au\u00dferdem vergisst er nach jeder Unterhaltung die diskutierten Inhalte. Als Assistent ist so ein LLM allein nur begrenzt von Nutzen. Das LLM kann nur mit den Trainingsdaten arbeiten, mit denen es geschult wurde. Die Vector Engine kann dabei helfen den Unternehmenskontext (Prozesse und Daten) bereitzustellen und das LLM mit allen notwendigen Daten des betrieblichen Kontexts zu versorgen. Dieser Prozess wird auch als \u201eRetrieval-Augmented Generation\u201c (RAG)<\/strong> bezeichnet.<\/p>\n\n\n\n

Eine KI Toolbox im Umbruch: Wohin geht die Reise?<\/h2>\n\n\n\n

Aktuell \u00fcberarbeitet und konsolidiert die SAP ihre KI basierten Funktionen in der SAC mit Hochdruck. Der neu definierte Entwicklungsfokus und -umfang ber\u00fccksichtigt dabei sowohl die Kundenakzeptanz bestehender Funktionalit\u00e4ten als auch allgemeine analytischer Trends am Markt.<\/p>\n\n\n\n

Einige Funktionen wie Smart Insights<\/strong>, Smart Grouping<\/strong>, automatisiertes Forecasting<\/strong> in den Grafikkomponenten der Stories und Smart Discovery<\/strong> funktionieren derzeit nur im \u201eklassischen\u201c Story-Design Modus. Der klassische Design Modus ist allerdings abgek\u00fcndigt und wird innerhalb der n\u00e4chsten SAC-Releases verschwinden. Somit entfallen diese smarten Funktionalit\u00e4ten in der aktuell bekannten Form. Das gleiche Schicksal teilt nach einer gewissen \u00dcbergangsphase auch der Search to Insights Chatbot von SAP.<\/p>\n\n\n\n

Wir werden sehen ob und in welcher gegebenenfalls neuen Form diese abgek\u00fcndigten Funktionalit\u00e4ten in Zukunft im \u201eOptimized Design Experience\u201c Modus im Zuge der Story Erstellung vielleicht doch wieder auftauchen. Unter dem Suchbegriff \u201eInformationen zu Einschr\u00e4nkungen f\u00fcr optimiertes Story-Erlebnis\u201c k\u00f6nnen Sie sich hinsichtlich dieser Thematik im SAP Help Portal n\u00e4her informieren.<\/p>\n\n\n\n

Wir wollen uns im Folgenden auf die, unserer Meinung nach, bei SAP strategisch gesetzten KI-Funktionalit\u00e4ten fokussieren. Namentlich werden wir uns in diesem Blogbeitrag der zweiteiligen Serie zum Thema Augmented Analytics mit dem funktionellen Nachfolger von Search to Insight <\/strong>und dem Chatbot Just Ask<\/strong> besch\u00e4ftigen. Im zweiten Blogbeitrag werden wir dann auf die Smart Predict Funktionen: Zeitreihen Prognose (Time Series Forecast), Klassifikation (Classification) und Regression n\u00e4her eingehen.<\/p>\n\n\n\n

Just Ask, der Chatbot<\/h2>\n\n\n\n

Bei Just Ask handelt es sich um den seit dem ersten Quartal 2024 in die SAC integrierten Sprachassistenten<\/strong>, mit dem Sie schnell und effizient in nat\u00fcrlicher Sprache (NLQ \u201eNatural Language Querying\u201c<\/strong>) kommunizieren k\u00f6nnen. Der Chatbot kann direkt \u00fcber die SAC-Startseite aufgerufen werden.<\/p>\n\n\n\n

Die KI hinter dem Chatbot durchsucht Ihre Daten in den von Ihnen freigegebenen Datenmodellen, im Anschluss an die Eingabe Ihrer Frage, nach dem gew\u00fcnschten Ergebnis. Dabei formulieren Sie Ihre Frage in dem daf\u00fcr vorgesehenen Eingabeprompt in englischer Sprache. Im SAP Roadmap Explorer kann man nachlesen, dass geplant ist, im ersten Quartal 2025 die Abfragen auch in deutscher, franz\u00f6sischer, italienischer oder spanischer Sprache vornehmen zu k\u00f6nnen. Just Ask liefert das Ergebnis auf Wunsch in tabellarischer oder grafischer Form. In der Tabelle oder der Grafik k\u00f6nnen Sie auf Wunsch einen weiteren Drilldown in den Aufrissmerkmalen vornehmen, die Elemente sortieren oder ein Ranking vornehmen. Au\u00dferdem k\u00f6nnen Sie auf Wunsch per Copy-and-Paste in eine Story eingef\u00fcgt werden.<\/p>\n\n\n\n

\"Just
Ausschnitt des Just Ask Chatbots<\/figcaption><\/figure>\n\n\n\n

Formulieren Sie Ihre Frage einfach, in dem Sie die Ihnen vertrauten fachlichen Begrifflichkeiten verwenden, die sich in den Merkmalen, Merkmalswerten und Kennzahlen der zu Grunde liegenden Datenmodelle wiederfinden.<\/p>\n\n\n\n

\u201eShow me Sales by Country\u201c, \u201eShow me Return on Assets and Return on Equity by Quarter\u201c, \u201cSales revenue by business area and by customer group as stacked hart by years\u201d oder \u201cQuantity Sold Gross Margin for Year 2016 on Monthly Level and Material Group Dark Beer as Time Series Chart\u201d (wie oben im Screenshot gezeigt) sind typische Beispiele f\u00fcr eine solche Abfrage.<\/p>\n\n\n\n

Anhand dieser Beispiele ist zu sehen, dass in einer Abfrage auch mehrere beliebige Merkmale und Kennzahlen kombiniert, die zeitliche Granularit\u00e4t beliebig gew\u00e4hlt und auf Wunsch der Default Grafiktyp, den die KI initial ausw\u00e4hlt, bewusst abge\u00e4ndert werden kann.<\/p>\n\n\n\n

Bei der Formulierung Ihrer Frage werden Sie durch eine eingebaute Auto-Complete Funktion<\/strong> und eine Fuzzy-Matching Logik<\/strong> unterst\u00fctzt. Au\u00dferdem k\u00f6nnen Sie, wenn sich bestimmte Fragen im Zeitablauf wiederholen, sogenannte Sample Questions (vor) definieren<\/strong> und diese anstatt einer erneuten manuellen Eingabe ausw\u00e4hlen, um bei der Eingabe nochmals Zeit zu sparen.<\/p>\n\n\n\n

Unter dem Punkt \u201eManage Models\u201c k\u00f6nnten die SAC-Administratoren diejenigen Modelle ausw\u00e4hlen, die als Datenquelle f\u00fcr den Just Ask Chatbot von den Anwendern prinzipiell verwendet werden d\u00fcrfen. Man spricht in diesem Kontext von der Indexierung des Datenmodells. Dabei kann Just Ask sowohl auf die Datenmodelle der SAC als auch auf die Datenmodelle der SAP Datasphere, die ebenso nahtlos integriert werden k\u00f6nnen, zugreifen.<\/p>\n\n\n\n

Die Administratoren k\u00f6nnen, falls notwendig, die Akzeptanz und Benutzerfreundlichkeit an dieser Stelle aktiv verbessern in dem sie geeignete, von ihrer Datenstruktur ma\u00dfgeschneiderte Datenmodelle verwenden oder durch die Definition von (zus\u00e4tzlichen) Synonymen f\u00fcr bestimmte, im Unternehmen verwendete betriebswirtschaftliche Begriffe, eine flexiblere Eingabe gestatten. So k\u00f6nnte man beispielsweise f\u00fcr das im Datenmodell verwendete technische Merkmal Department die im Fachbereich gebr\u00e4uchlichere Bezeichnung Business Area als Synonym hinterlegen. Des Weiteren lassen sich Regeln definieren<\/strong>, die bei einer Nutzerabfrage automatisch vom System ausgef\u00fchrt<\/strong> werden.<\/p>\n\n\n\n

\"Just<\/figure>\n\n\n\n

Eine Regel hat folgenden Aufbau: (1) Regelname, (2) Eine Bedingung, wann die Regel auszuf\u00fchren ist und (3) die durchzuf\u00fchrende Aktion. Eine solche Regel k\u00f6nnte z.B. wie folgt lauten: Wenn die Prompteingabe den Begriff, bzw. die Kennzahl \u201eQuantity Sold\u201c enth\u00e4lt, soll das Ergebnis automatisch (ohne, dass es im Prompt explizit gefordert wird) nach dem Merkmal \u201eStore\u201c aufgerissen, und das Ergebnis nach \u201eQuantity Sold\u201c absteigend sortiert werden:<\/p>\n\n\n\n

Einige wichtige Use Cases des Just Ask Chatbots:<\/h3>\n\n\n\n