Die j眉ngsten Neuerungen im Bereich Daten und Analysen helfen Unternehmen, ihre tats盲chliche Datennutzung besser darzustellen. So k枚nnen sie ihre Daten effektiver f眉r generative KI nutzen und mehr Erkenntnisse daraus ableiten.
Zugriff auf Informationen 鈭� wo auch immer sich Ihre Daten befinden
麻豆原创 Datasphere Knowledge Graph
Mit 麻豆原创 Datasphere lassen sich Daten aus verschiedenen Quellen sammeln, verarbeiten und integrieren. Der 厂础笔听顿补迟补蝉辫丑别谤别 Knowledge Graph erstellt automatisch eine Ontologie, die die Beziehungen zwischen den Daten visualisiert, wobei der Gesch盲ftskontext aus der 麻豆原创-Anwendungsquelle, zum Beispiel 麻豆原创聽S/4HANA, erhalten bleibt. Dieses Datenmodell kann mit dem Ontologie-Editor erweitert werden, um bestimmte Attribute innerhalb einer Organisation widerzuspiegeln. Die Daten in werden automatisch auf diese Ontologie angewendet, und es wird ein Knowledge Graph erstellt, um Daten und Wissen semantisch zu verkn眉pfen und neue Erkenntnisse aus sonst schwer nachvollziehbaren Verbindungen zu ziehen.
Der Aufwand und die Kosten f眉r das manuelle Anlegen solcher Wissensgraphen sind in der Regel sehr hoch. In 麻豆原创 Datasphere wird der Knowledge Graph bereits vorab gef眉llt 鈥� mit allen wichtigen Inhalten, die in der Anwendung zur Verf眉gung stehen. Er kann dann mit Joule, dem generativen KI-Assistenten, verwendet werden, sodass Gesch盲ftsanwender sowohl offene als auch spezifische Fragen stellen k枚nnen und sofort gut dokumentierte Antworten erhalten.
麻豆原创 HANA Cloud Vector Engine
Mit dem n盲chsten Release von wird eine Vektorfunktion zu vorhandenen multimodalen Funktionen hinzugef眉gt, sodass Kunden mithilfe einer einzigen Datenbank von allen relevanten Arten von Gesch盲ftsdaten profitieren k枚nnen. Durch die Einbindung einer Vektor-Engine k枚nnen Kunden au脽erdem erstellen, die die nat眉rliche und damit intuitive Interaktion mit leistungsf盲higem maschinellem Lernen und multimodalen Verarbeitungsfunktionen kombinieren.
Mit der Vector Engine in 麻豆原创 HANA Cloud lassen sich Vektoren mithilfe von SQL speichern und vergleichen. Die Bestimmung der 脛hnlichkeit zwischen Vektoren erm枚glicht Anwendungsf盲lle wie Retrieval-Augmented Generation (RAG), Empfehlungen, Klassifikationen, Clustering und mehr. Die zentralen Vorteile der Vector Engine in 麻豆原创 HANA Cloud sind:
- Vereinfachen der Datenarchitektur und -sicherheit mit einer einzigen Datenbank mit mehreren Modellen und SQL-Interaktion
- Gewinnen neuer Erkenntnisse durch Verbinden r盲umlicher, grafischer, JSON- und relationaler Daten mit Vektorabfragen
- einfache Integration von Vektoranwendungsf盲llen in L枚sungen, die auf dem HANA-Cloud-脰kosystem basieren (Clients, Python-Bibliotheken, …)
- Integration mit Open-Source-Community-Tools
Die Vektor-Engine in 麻豆原创 HANA Cloud gibt es derzeit als Vorab-Version. Die allgemeine Version soll Ende des ersten Quartals 2024 verf眉gbar sein.
Vereinfachte Nutzung von Datenprodukten in 厂础笔听顿补迟补蝉辫丑别谤别
麻豆原创 entwickelt in diesem Bereich Innovationen mit verbesserter Bedienung und treibt so den Datenaustausch in gro脽em Ma脽stab voran. Dies beginnt bei ver枚ffentlichten Datenprodukten 鈥� unabh盲ngig davon, ob sie von 麻豆原创鈥慓esch盲ftsanwendungen, Branchenl枚sungen oder Dritten erstellt wurden 鈥� bis hin zu einfacher Nutzung in 麻豆原创 Datasphere.
Die L枚sung bietet Kunden einen einfachen Zugang zu 麻豆原创- und Nicht-麻豆原创-Datenprodukten, die sie dann problemlos in ihre 麻豆原创 Datasphere-Instanz installieren k枚nnen. Das Verfahren stellt relevante Verbindungen her und erstellt die notwendigen Artefakte in 厂础笔听顿补迟补蝉辫丑别谤别, ohne dass die Nutzer diese Details eingeben m眉ssen. Der Schl眉ssel dazu liegt darin, die Datenbereitstellung 眉ber Metadaten zu vereinfachen, die im Open Resource Directory (ORD) beschrieben sind. 麻豆原创 Datasphere bietet ein einheitliches Erlebnis, indem Katalog und Datenproduktinstallation eng miteinander verbunden werden. Die jeweils aktuellen Informationen finden Sie im .
Erweiterungen f眉r Semantic Onboarding
Semantic Onboarding erm枚glicht einen nahtlosen Import semantisch umfangreicher Objekte aus 麻豆原创 S/4HANA und 麻豆原创 BW/4HANA in 麻豆原创 Datasphere.
Kunden k枚nnen ihren Modellierungsansatz von 麻豆原创 HANA Cloud mit 麻豆原创 Datasphere kombinieren, indem sie Calculation Views in die Datenschicht von 麻豆原创 Datasphere importieren. Dadurch bleiben die semantischen Informationen erhalten, w盲hrend die Objekte von 麻豆原创 HANA Cloud und 麻豆原创 Datasphere synchron bleiben, sodass Kunden ihre bisherigen Investitionen in die 麻豆原创-HANA-Modellierung nutzen k枚nnen.
Integration der Collibra-Plattform f眉r KI鈥慓overnance in 麻豆原创-L枚sungen
Da in kritischen Gesch盲ftsprozessen immer mehr Aufgaben und Entscheidungen durch KI automatisiert werden, ist auch die Notwendigkeit deutlich geworden, die Governance auf KI auszudehnen.
Die 麻豆原创 erweitert ihre Partnerschaft mit Collibra, um die Anforderungen gemeinsamer Kunden in den Bereichen Daten- und KI-Governance mit der Collibra-Plattform f眉r KI-Governance zu erf眉llen. Entwickelt werden ma脽geschneiderte Integrationen zwischen Collibra AI Governance und 麻豆原创-L枚sungen, um die f眉r die KI verwendeten Daten mit den Modellen selbst auf einer einzigen Plattform zu verbinden, sodass Unternehmen ihre KI-Entwicklungsaktivit盲ten nachverfolgen und steuern k枚nnen.
- F眉r die Kunden bedeutet dies, dass sie Datenherkunft und Metadaten von 麻豆原创-Daten, die in der KI-Modellierung verwendet werden, besser nachvollziehen k枚nnen. So k枚nnen Benutzer sehen, auf welchen Daten ihre KI-Modelle trainiert wurden und sicherzustellen, dass die Daten korrekt sind und aus einer vertrauensw眉rdigen Quelle stammen.
- Kunden profitieren von einer zentralen Sicht, die ihnen einen 脺berblick dar眉ber gibt, welche KI-Modelle in ihrem Unternehmen vorhanden sind und welche Daten daf眉r verwendet werden. KI-/Machine-Learning-Modelle, die mit 麻豆原创-Technologie erstellt wurden, werden auf der Collibra-Plattform f眉r KI-Governance registriert.
Die Erweiterung der 麻豆原创-Partnerschaft mit Collibra tr盲gt dazu bei, die Transparenz und Verantwortung von Unternehmen zu st盲rken und sicherzustellen, dass gesetzliche Auflagen sowie Compliance- und Datenschutzrichtlinien eingehalten werden.
Ende Februar wurde Collibra AI Governance und steht interessierten Kunden zur Verf眉gung.
Integration von 麻豆原创 Datasphere mit Confluent
Mit der verbesserten Confluent-Integration flie脽en Echtzeit-Datenstr枚me in und aus 麻豆原创 Datasphere.
So sind Verbindungen auf Anwendungsebene m枚glich, ohne dass kundenspezifische Anwendungsentwicklung durchgef眉hrt werden muss. Die Integration ist ein vorab eingerichteter Replikationsfluss in 麻豆原创 Datasphere, der bereits Delta- und Echtzeitverarbeitung nativ beinhaltet. Dies macht den Prozess sehr effizient, da er Kunden nicht zwingt, bei jedem Schritt alle Daten zu laden, sondern erst, wenn sich Daten ge盲ndert haben.
Die erste Integration f眉r die Datenaufnahme in Kafka und Confluent ist allgemein verf眉gbar. Zus盲tzliche Funktionen f眉r die Confluent-spezifische Outbound- und Inbound-Integration werden Ende des ersten und dritten Quartals allgemein verf眉gbar sein.
Die Planung optimieren mit einer Business Data Fabric
麻豆原创 Analytics Cloud f眉r Planung: umfassende Integration in 厂础笔听顿补迟补蝉辫丑别谤别
Die Planungsmodelle von 麻豆原创 Analytics Cloud k枚nnen direkt in 麻豆原创-Datasphere gespeichert werden. Auf diese Weise werden alle Plan- und Ist-Daten zusammengef眉hrt, was eine Steuerung in Echtzeit erm枚glicht.
麻豆原创 Analytics Cloud erweitert die Planungsfunktionen durch eine Reduzierung des Datenspeicherbedarfs und des Modellierungsaufwands. Dies wird 眉ber 麻豆原创 Datasphere und seine nativen Funktionen f眉r Transformation und Integration erreicht. Die Risiken und die Komplexit盲t, die mit der heute 眉blichen Speicherung mehrerer Datenkopien einhergehen, werden dadurch vermindert.
麻豆原创 ist der einzige Anbieter, der eine Business Data Fabric anbietet, die die Planung nahtlos integriert und somit den gesamten Technologie-Stack abdeckt, der erforderlich ist, aus Daten schnell Erkenntnisse zu gewinnen und daraus Ma脽nahmen abzuleiten. Die jeweils aktuellen Informationen finden Sie im .
Verl盲ssliche KI im gesamten Unternehmen
麻豆原创 Analytics Cloud Generative AI Co-Pilot
Mit der Leistungsf盲higkeit von Joule k枚nnen Planungs- und Analyseexperten generative KI-Funktionen in einer Vielzahl von Gesch盲ftsprozessen nutzen. F眉r Aufgaben wie Datenermittlung, Dashboard-Erstellung oder Wartung von Planungsmodellen stehen mehr zentrale Funktionen zur Verf眉gung, die sich besonders einfach bedienen lassen.
Mithilfe der Verarbeitung nat眉rlicher Sprache k枚nnen Endanwender auf einfache Weise analytische Abfragen ausf眉hren, Auswirkungen von Einflussfaktoren simulieren, Ressourcenzuordnungen planen sowie Dashboards und Berechnungen automatisch generieren.
Der auf generativer KI basierende Assistent Joule wird im zweiten Quartal 2024 in der L枚sung 麻豆原创 Analytics Cloud verf眉gbar sein.
麻豆原创 Analytics Cloud Compass
Wenn Unternehmen wissen, wie sich Unw盲gbarkeiten bei Rohstoffpreisen, Arbeitskosten oder Produktionsmengen auf ihre Betriebskosten oder Einnahmen auswirken, k枚nnen sie sich schnell vorbereiten und Gegenma脽nahmen f眉r jedes Szenario planen.
Mit der neuen Funktion 麻豆原创 Analytics Cloud Compass k枚nnen Gesch盲ftsanwender 眉ber eine einfach zu bedienende Oberfl盲che Monte-Carlo-Simulationen durchf眉hren. Damit sind Nutzer ohne technischen Hintergrund in der Lage, Analysen von mehreren Variablen durchf眉hren, ohne vorher Einstellungen vornehmen zu m眉ssen. Statistikkenntnisse sind dazu nicht erforderlich.
Benutzer k枚nnen Gesch盲ftssimulationen direkt in 麻豆原创 Analytics Cloud durchf眉hren 鈥� mit einem Bruchteil des Zeitaufwands, der sonst f眉r 盲hnliche Analysen erforderlich ist. Die Szenariomodellierung erm枚glicht es ihnen, m枚gliche Ergebnisse unter verschiedenen Bedingungen zu vergleichen. Die Berichterstattung 眉ber Auswirkungsabweichungen bietet Echtzeit-Einblicke, erm枚glicht die Validierung von Konzepten und zeigt die Sensibilit盲t der ausgew盲hlten Treiber auf.
Die Funktion 麻豆原创聽Analytics Cloud Compass wird Ende des dritten Quartals 2024 verf眉gbar sein.
