Künstliche Intelligenz (KI) für Unternehmenssoftware (ERP)

Dieses Buch erklärt, wie Künstliche Intelligenz (KI) in ERP Software integriert werden kann, um digitalisierte Geschäftsprozesse zu optimieren. Es adressiert zwei zentrale Herausforderungen: die systematische Integration von KI in ERP Prozesse und die Anpassung der KI an Unternehmensanforderungen wie Compliance, Erklärbarkeit, Erweiterbarkeit, Modellvalidierung und -degradation. Der erste Teil bietet eine Einführung in intelligente ERP Systeme, gefolgt von einer Referenzarchitektur und -prozessen für ERP Software. Der zweite Teil vertieft die technische Einbettung von KI und behandelt alle notwendigen Konzepte dazu. Im letzten Teil wird ein Implementierungsframework präsentiert, ergänzt durch Fallstudien von SAP S/4HANA in Logistik, Finanzen und Vertrieb. Das Buch richtet sich an Entwickler, Business Analysten, Berater und Manager, die KI in ERP-Systemen umsetzen oder nutzen möchten.

Der Autor
Siar Sarferaz ist leitender Softwarearchitekt für die Enterprise Resource Planning (ERP) Lösung SAP S/4HANA und arbeitet in der Forschungs- und Entwicklungsabteilung der SAP-Zentrale in Walldorf, Deutschland. In dieser Rolle treibt er die digitale Transformation voran, indem er die Lösungsarchitektur für das Produkt definiert und innovative Konzepte zur Skalierung unternehmenskritischer Geschäftsprozesse liefert. So ist er zum Beispiel der leitende Architekt für die Implementierung von KI in SAP S/4HANA und verantwortlich für alle Konzepte, wie man Geschäftsprozesse mit Intelligenz ausstatten kann. Im Zusammenhang mit ERP Software besitzt er mehr als 30 Patente. Siar hat Informatik und Philosophie studiert und ist promovierter Informatiker. Er begann seine Karriere als Methodenforscher bei Siemens, bevor er zu SAP wechselte, wo er nun seit mehr als 20 Jahren beschäftigt ist.

1. Methodologie. - Teil I: ERP Grundlagen. - 2. Intelligentes ERP. - 3. ERP Referenzprozesse. - 4. ERP Referenzarchitektur. - 5. ERP Referenztechnologie für Künstliche Intelligenz. - 6. Geschäftsanforderungen und Anwendungsmuster. - Teil II: Konzepte zur Einbettung Künstliche Intelligenz . - 7 Lösungsarchitektur. - 8. Lebenszyklusmanagement. - 9. Dataintegration. - 10. Datenschutz. - 11. Konfiguration. - 12. Erweiterbarkeit. - 13. Modelldegradation. - 14. Erklärbarkeit der Ergebnisse. - 15. Workload-Management und Performance. - 16. Auditierbarkeit. - 17. Modellvalidatierung. - 18. Design der Benutzeroberfläche. - 19. Einbetten von generativer KI. - Teil III: Implementierungsframework und Fallstudien. - 20. Implementierungsframework. - 21. Vertrieb und Forschung. - 22. Bezugsquellenfindung und Beschaffung. - 23. Bestand und Lieferkette. - 24. Finanzwesen. - 25. Epilogo Ethische Aspekte.