Skalierbares Training, Management und Deployment von Machine-Learning-Modellen
Vollständige Integration in die SAP BTP
SAP AI Core ist die zentrale Infrastrukturkomponente innerhalb der SAP Business Technology Platform (BTP) für den produktiven Einsatz von Machine-Learning-Modellen. Es handelt sich dabei nicht um ein einzelnes Tool zur Modellierung, sondern vielmehr um einen skalierbaren Ausführungs- und Verwaltungsdienst für KI-Workloads. SAP AI Core ermöglicht es Unternehmen, eigene Machine-Learning-Modelle automatisiert zu trainieren, zu verwalten und bereitzustellen – vollständig integriert in die SAP-Landschaft.
Von generativer KI über skalierbare Pipelines bis hin zu performanten Inference-Service
Zentrale Funktionen und Stärken von SAP AI Core
Eine der Kernstärken von SAP AI Core liegt im Generative AI Hub. Hier können Anwender:innen aus einer Vielzahl generativer Modelle wählen, Prompts experimentell testen und den gesamten Prompt-Lifecycle verwalten. Damit lassen sich generative KI-Szenarien schnell und kontrolliert in Unternehmensprozesse integrieren.
Für klassische Machine-Learning-Aufgaben stellt SAP AI Core eine leistungsfähige Pipeline-Engine bereit. Diese basiert auf Argo Workflows, einem Open-Source-Projekt für container-native Workflows. Pipelines werden hier als gerichtete azyklische Graphen (DAGs) oder einzelne Schritte modelliert. Damit können Unternehmen Daten ingestieren, Vor- und Nachverarbeitungsschritte durchführen, Modelle trainieren oder Batch-Inferencing effizient ausführen. Durch die DAG-Struktur ist es zudem möglich, mehrere Schritte parallel ablaufen zu lassen – ein Vorteil für Performance und Skalierbarkeit. Gleichzeitig gilt es zu beachten, dass parallele Ausführungen auch Auswirkungen auf die Kosten haben können, was durch die integrierte Metering- und Pricing-Logik transparent nachvollziehbar ist.
Ein weiteres Feature ist die Möglichkeit, Inference-Services bereitzustellen. Trainierte Modelle lassen sich mit wenigen Schritten als hochperformante Webservices deployen, sodass Vorhersagen in Echtzeit oder als Batch-Service genutzt werden können.
Von Lifecycle-Management bis Multi-Tenancy
AI Core im Betrieb
Darüber hinaus bietet AI Core umfassende Funktionen für das Management des gesamten AI-Lifecycles: Alle relevanten Artefakte – von Trainingsdaten über Modelle bis hin zu Metriken und Deployments – lassen sich über eine einheitliche API steuern und überwachen.
Besonders für große Unternehmen wichtig ist die Unterstützung von Multi-Tenancy. Dadurch können KI-Artefakte und Ausführungen klar mandantengetrennt verwaltet werden. Das ermöglicht es, mehrere Geschäftsbereiche oder Kunden innerhalb derselben Plattform sauber voneinander zu isolieren.
Schließlich punktet SAP AI Core durch die nahtlose Integration in bestehende Cloud-Infrastrukturen. Docker-Registries lassen sich ebenso anbinden wie Git-Repositories oder Object Stores für Trainingsdaten und Modelle. So können Unternehmen ihre AI-Assets nicht nur entwickeln, sondern auch produktiv machen und als Services im SAP BTP Marketplace bereitstellen.
Workflow
Modelltraining in SAP AI Core
1. Erstellen Docker Image
2. YAML Datei erstellen
Im nächsten Schritt wird eine YAML-Datei definiert, die als Konfigurationsdokument dient. Darin werden die wesentlichen Parameter des Trainings festgelegt: etwa welche Datenquellen genutzt werden, welche Ressourcen (z. B. CPUs oder GPUs) benötigt werden und wie der Trainingsjob im Detail ausgeführt werden soll.
3. Job im AI Core
Anschließend wird dieser Job in SAP AI Core gestartet. Das System führt die Pipeline automatisiert aus, orchestriert die einzelnen Schritte und sorgt dafür, dass die Trainingsumgebung sauber auf Kubernetes-Clustern bereitgestellt wird. Hierbei können auch komplexe Abläufe wie Vorverarbeitung, Training und Evaluation in Form von Pipelines abgebildet werden.
4. Registrierung im AI Launchpad
Ist das Modell erfolgreich trainiert, erfolgt die Registrierung im SAP AI Launchpad. Von dort aus kann es mit wenigen Klicks als Inference-Service deployt werden. Unternehmen haben so die Möglichkeit, das Modell entweder in Echtzeit über REST-APIs oder im Batch-Modus produktiv einzusetzen.
Vorteile des AI Cores
Flexibilität ohne Abstriche
Kein Vendor-Lock
SAP AI Core bietet entscheidende Vorteile im Vergleich zu herkömmlichen Machine-Learning-Ansätzen. Ein zentrales Merkmal ist, dass es kein Vendor-Lock-in gibt: Data Scientists können mit offenen Frameworks wie TensorFlow, PyTorch oder scikit-learn arbeiten und bleiben dadurch technologisch flexibel. Gleichzeitig profitieren Unternehmen von der nahtlosen Integration in bestehende SAP-Systeme – Daten aus HANA, Datasphere oder anderen BTP-Services können direkt genutzt werden, ohne aufwendige Schnittstellen oder manuelle Exporte.
Sicherheit und Nachvollziehbarkeit integriert
Governance & Compliance
SAP AI Core hat Governance und Sicherheit fest in die Plattform eingebettet. Modelle, Daten und Workflows lassen sich jederzeit nachvollziehen, steuern und revisionssicher betreiben – ein entscheidender Vorteil für regulierte Branchen. Data Scientists behalten volle Flexibilität bei Entwicklung und Training, während Unternehmen die notwendige Compliance und Standardisierung erhalten, um KI-Lösungen zuverlässig in den produktiven Betrieb zu überführen.
Zentrale AI Core Features im Überblick
Die Plattform für produktives Machine Learning
Fazit
AI Core als Fundament für produktives Machine Learning
SAP AI Core schließt die Lücke zwischen experimentellem Machine Learning und produktivem Unternehmenseinsatz. Die Plattform kombiniert die Flexibilität offener Frameworks mit der starken Integration in das SAP-Ökosystem, wodurch Unternehmen sowohl Innovation als auch Stabilität gewinnen. Durch Funktionen wie Pipeline-Orchestrierung, Multi-Tenancy und einheitliches Lifecycle-Management wird KI nicht nur technisch skalierbar, sondern auch sicher, nachvollziehbar und compliance-konform. Damit eignet sich AI Core besonders für Unternehmen, die KI-Anwendungen zuverlässig in ihre Geschäftsprozesse einbetten und gleichzeitig den Freiraum für Data Scientists bewahren möchten.
