Machine Learning ohne Expertise
Machine Learning da, wo Daten ausgewertet werden
SAP Analytics Cloud (SAC) ist die zentrale Plattform für Reporting, Planung und Analyse im SAP-Umfeld. Neben klassischen BI-Funktionalitäten bietet sie mit Smart Predict auch die Möglichkeit, Machine Learning direkt in Dashboards und Planungsprozesse einzubinden – ohne Programmieraufwand und ohne externe Tools.
Damit richtet sich Smart Predict insbesondere an Fachanwender:innen, die mit wenigen Klicks Prognosen erstellen, Klassifikationen durchführen oder Kundensegmente identifizieren möchten. Der Ansatz: Low-/No-Code Machine Learning direkt in der Cloud, eingebettet in die gewohnte SAC-Umgebung.
Vorhersagen per Wizard statt Programmierung
Was ist Smart Predict?
Smart Predict ist eine Funktion innerhalb der SAP Analytics Cloud, die es Business User:innen ermöglicht, Machine-Learning-Modelle zu erstellen und anzuwenden – ganz ohne Data-Science-Vorkenntnisse.
Die Bedienung erfolgt über einen Wizard-basierten Workflow:
- Auswahl der Datenquelle (z. B. ein SAC-Dataset oder Daten aus der SAP Datasphere)
- Festlegen der Zielvariable (z. B. „Kauf ja/nein“ oder „Absatzmenge in Q4“)
- Automatische Generierung und Training eines passenden ML-Modells durch die zugrunde liegende Automated Predictive Library (APL).
Im Hintergrund kümmert sich Smart Predict um die Auswahl der Algorithmen, Feature Engineering und die Bewertung des Modells. Nutzer:innen erhalten eine verständliche Auswertung mit Qualitätskennzahlen sowie eine einsatzbereite Vorhersage, die direkt in SAC-Dashboards oder Planungsmodelle integriert werden kann.
Zwei Schritte zum Erfolg: Modell trainieren und produktiv nutzen
Machine Learning Phasen in SAC Smart Predict
Der Einsatz von Smart Predict in der SAP Analytics Cloud folgt einem klar strukturierten Ablauf, der sich in zwei Hauptphasen unterteilt: Der Learning Phase und der Applying Phase.
1. Learning Phase – Modelltraining
In der Learning Phase wird ein Machine-Learning-Modell auf Basis historischer Daten trainiert.
- Wahl der Datenquelle (z. B. Verkaufszahlen, Kundenkontakte oder Finanzdaten) und Definition der Zielvariable – also der Größe, die vorhergesagt werden soll.
- Automatische Analyse der Daten, Smart Predict wählt passende Algorithmen aus der Automated Predictive Library (APL) und erstellt ein Prognosemodell.
- Modellbewertung durch Smart Predict mit Kennzahlen wie Predictive Power oder Prediction Confidence, die Business-Anwender:innen hilft, die Güte der Vorhersagen einzuschätzen.
2. Applying Phase – Modellanwendung
In der Applying Phase wird das trainierte Modell auf neue, aktuelle Daten angewendet.
- Das Modell erstellt auf Basis der gelernten Muster Vorhersagen oder Klassifikationen.
- Die Ergebnisse können direkt in SAC-Dashboards, Planungsmodelle oder Stories integriert werden.
Keine tiefen Machine Learning Kenntnisse notwendig
Automatisierte Modellerstellung
Fazit
Smart Predict als Brücke zwischen BI und Machine Learning
Mit Smart Predict bietet die SAP Analytics Cloud einen einfachen Einstieg in die Welt des Machine Learning. Fachanwender:innen können ohne Programmierkenntnisse Prognosen erstellen, Klassifikationen durchführen oder Kundensegmente identifizieren – direkt in der vertrauten SAC-Umgebung.
Die Stärke liegt in der Automatisierung: Datenvorbereitung, Ausreißerbehandlung, Imputation und Algorithmenauswahl laufen im Hintergrund ab. So können Business-User:innen sich auf ihre Geschäftsfragen konzentrieren, während die technische Komplexität verborgen bleibt.
Natürlich stößt Smart Predict an Grenzen, wenn es um hochkomplexe ML-Szenarien oder individuelle Modellarchitekturen geht. Hier bieten Werkzeuge wie HANA ML oder SAP Databricks deutlich mehr Flexibilität. Doch genau darin liegt der Mehrwert von Smart Predict: Es schließt die Lücke zwischen Business Intelligence und Data Science und macht Machine Learning für eine breite Nutzergruppe unmittelbar nutzbar.
