Retrieval-Augmented Generation für SAP: Unternehmenssuche der nächsten Generation

SAP-Daten liegen in Tausenden von Tabellen vor. Eine Frage wie „Welche Lieferanten haben in Q1 2026 Lieferkettenstörungen?“ braucht RAG-Magie – nicht SQL-Abfragen von Analysten.

Die SAP-Herausforderung: Der Daten-Labyrinth

SAP-Systeme sind Meisterwerke der Komplexität mit Millionen Transaktionsdatensätzen, hierarchischen Strukturen und versteckter Geschäftslogik.

RAG für SAP: Die Architektur

Phase 1: SAP-Daten-Extraktion

• RFC (Remote Function Call): Nutzen Sie SAP’s eigene APIs
• ODATA Services: S/4HANA stellt moderne REST-APIs zur Verfügung
• Incremental Sync: Nur Änderungen seit letztem Run

Phase 2: Intelligente Chunk-Transformation

Bauen Sie Chunks mit Kontext, Quantitäten, Problemen und actionable Info – nicht nur rohe Tabellen.

Phase 3: Schema-Aware Embeddings

• Fine-tuning auf SAP-spezifische Vokabeln
• Hybrid Retrieval: Text + Keyword-Matching

Use-Cases für deutsche Unternehmen

• Einkauf: „Wer sind unsere besten Lieferanten?“
• Verträge: „Welche Kunden haben Rabattverträge?“
• Finanzen: „Top-3-Kostencentre nach Ausgaben“
• Bestand: „Artikel mit kritischen Beständen“

Tech-Stack für SAP-RAG

• SAP-Connector: pyrfc
• ETL: Apache Airflow
• DB: PostgreSQL
• Embeddings: Jina v3
• Vector DB: Weaviate
• LLM: Llama 3.3 70B lokal

Implementierungs-Roadmap (12 Wochen)

• Woche 1–2: Audit, Use-Cases, Data-Governance
• Woche 3–5: RFC-APIs, PostgreSQL, Airflow
• Woche 6–8: Embeddings, Weaviate, Llama 3.3
• Woche 9–10: Benchmarking, Testing, Security
• Woche 11–12: Dokumentation, Schulung, Go-Live