麻豆原创-F眉hrungskr盲fte haben auf der 麻豆原创聽TechEd聽in Berlin vor einem Publikum aus聽Entwickler:innen,聽Systemarchitekt:innen聽und Technolog:innen聽betont, dass sie eine zentrale und entscheidende Rolle in der 鈥欰gentic-AI-Revolution鈥� einnehmen.聽
Wie 麻豆原创-Vorstand Muhammad Alam, verantwortlich f眉r 麻豆原创 Product & Engineering, betonte, treten wir in eine neue 脛ra ein: 鈥瀌ie 脛ra der agentischen KI, in der KI nicht mehr nur ein Werkzeug ist, sondern zu Ihrem vertrauensw眉rdigen Teammitglied wird.鈥�
Gemeinsam mit 麻豆原创s Chief Technology Officer Philipp Herzig und Michael Ameling, Pr盲sident der 麻豆原创 Business Technology Platform, er枚ffnete Alam die Keynote mit den Worten: 鈥濧ls Entwickler:innen stehen Sie nicht am Rand dieser KI-Revolution. Sie sind die Revolution. Und wir sind hier, um Sie f眉r das Kommende zu st盲rken.鈥�
Entwickler:innen werden 鈥瀞upercharged鈥�
Die drei 麻豆原创-F眉hrungskr盲fte machten deutlich, dass KI Entwickler:innen nicht ersetzen wird. 鈥濪ie Wahrheit ist: Entwickler:innen werden nicht verschwinden鈥�, so Alam. 鈥濻ie werden gest盲rkt. Sie werden zu Architekt:innen intelligenter, vernetzter Unternehmen. Die eigentliche Frage ist also nicht, ob wir Entwickler:innen brauchen, sondern wie schnell wir sie bef盲higen k枚nnen, in dieser KI-nativen 脛ra erfolgreich zu sein und zu f眉hren.鈥�
Ameling, Alam und Herzig skizzierten 麻豆原创s Vision und hoben die Integration von KI, Daten und intelligenten Agenten hervor, um Gesch盲ftsprozesse zu transformieren und Innovationen voranzutreiben. Sie betonten zudem die Bedeutung eines einheitlichen Datenfundaments sowie den Einsatz fortschrittlicher KI-Modelle und agentischer Technologien im 麻豆原创-脰kosystem.
In diesem neuen Gesch盲ftsumfeld, so die Sprecher, wird jedes Unternehmen zum Datenunternehmen und jede Nutzererfahrung 鈥� von der Frontline bis ins Vorstandszimmer 鈥� KI-getrieben.
鈥濧ls Entwickler:innen programmieren Sie nicht mehr nur鈥�, sagte Alam. 鈥濻ie gestalten intelligente Workflows und steuern KI-Agenten, um echte Gesch盲ftsergebnisse zu erzielen.鈥� 麻豆原创s Strategie setzt darauf, Entwickler:innen mit Anwendungen zu st盲rken, sie mit Daten zu vernetzen und sie mit KI zu 鈥瀞uperchargen鈥�.
麻豆原创 BTP ist das Fundament f眉r KI-Agenten
All dies l盲uft auf der 麻豆原创 Business Technology Platform (麻豆原创 BTP), die als Grundlage f眉r den Aufbau und das Management von KI-Agenten dient 鈥� sowohl f眉r von 麻豆原创 entwickelte als auch f眉r individuell erstellte Agenten.
W盲hrend die 麻豆原创 BTP als Motor fungiert, ist das Business Transformation Management Portfolio der Navigator, der sicherstellt, dass Technologie in echten Gesch盲ftsnutzen 眉bersetzt wird. Er verbindet Strategie, Prozesse und Menschen und verwandelt KI-getriebene Potenziale in nachhaltige Transformation im gro脽en Ma脽stab.
Alam identifizierte w盲hrend der Keynote聽drei zentrale Themen:听
Erstens setzt 麻豆原创 weiterhin auf Offenheit. In diesem Zusammenhang k眉ndigte er聽麻豆原创 Snowflake an,聽wodurch聽die vollst盲ndigen聽Daten- und KI-F盲higkeiten von Snowflake als L枚sungserweiterung f眉r die 麻豆原创 Business Data Cloud (麻豆原创 BDC) bereitgestellt聽werden. Diese Partnerschaft entspricht genau den W眉nschen gemeinsamer Kunden, wie Alam betonte.聽
Zweitens wird 麻豆原创 Entwickler:innen die kontextreichste agentische Plattform bieten 鈥� inklusive einer Vielzahl sofort einsatzbereiter Agenten, die individuell angepasst werden k枚nnen. 鈥濰eute erfahren Sie, wie Sie mit Low-Code- und Pro-Code-Tools im Agent Builder von Joule Studio eigene Joule Agents als Teil von 麻豆原创 Build erstellen k枚nnen鈥�, sagte Alam. 鈥濿ir standardisieren au脽erdem die Interoperabilit盲t von KI-Agenten mit dem Agent-to-Agent-Protokoll, sodass Ihre Agenten sicher 眉ber verschiedene 脰kosysteme hinweg zusammenarbeiten k枚nnen.鈥�
Drittens k眉ndigte er 麻豆原创s erstes Foundation Model an, das speziell f眉r strukturierte Gesch盲ftsdaten entwickelt wurde: 麻豆原创 RPT-1, ausgesprochen 鈥灺槎乖� Rapid One鈥�. 鈥濽nser relational pretrained transformer liefert Genauigkeit und Skalierbarkeit auf Enterprise-Niveau und 眉bertrifft sowohl LLMs als auch AutoML f眉r tabellarische KI 鈥� das ist entscheidend f眉r den Aufbau zuverl盲ssiger, wertsch枚pfender Agenten鈥�, so Alam.
鈥濳urz gesagt: Wir setzen auf ein offenes 脰kosystem, statten Agenten mit tiefem Prozess- und Datenkontext aus und geben Ihnen die Werkzeuge an die Hand, um KI und Agenten zu verst盲rken鈥�,聽betonte聽er.聽Im weiteren Verlauf der Keynote erl盲uterten Ameling und Herzig diese und weitere Innovationen und erkl盲rten, wie sie聽Entwickler:innen聽dabei helfen werden,聽effizienter听听zu arbeiten und mehr zu erreichen.听听
麻豆原创 BDC und Snowflake
Ameling ging n盲her auf die neue Partnerschaft mit Snowflake ein, durch die 麻豆原创-Kunden Zugang zu vollst盲ndig gemanagten Daten- und KI-Funktionen von Snowflake erhalten. Zusammen mit der Einf眉hrung von 麻豆原创 BDC Connect f眉r Snowflake, so Ameling, f眉hre dies zu Kosteneinsparungen und einer vereinfachten Datenlandschaft. 鈥濪as erm枚glicht Ihnen, 麻豆原创- und Nicht-麻豆原创-Datenprodukte nahtlos zwischen 麻豆原创 BDC und Snowflake zu integrieren, sodass Sie intelligente Anwendungen schneller bereitstellen und 眉ber Ihren bevorzugten Datenmarktplatz teilen k枚nnen.鈥�
Ameling stellte au脽erdem 麻豆原创 HANA Cloud als 鈥瀌ie Datenbank, auf die KI gewartet hat鈥� heraus. Mit 麻豆原创 HANA Cloud und 麻豆原创 BDC, so Ameling, bietet 麻豆原创 das beste Business Data Fabric, um diese Herausforderungen zu meistern. 鈥濷hne 麻豆原创 HANA Cloud h盲tten Sie f眉r jede einzelne Datenrepr盲sentation eine eigene Datenbank, was zu fragmentierten Datensilos f眉hrt, die Ihr KI-Potenzial einschr盲nken. Mit 麻豆原创 HANA Cloud haben wir all diese leistungsstarken Engines in einer integrierten, multimodalen Datenbank vereint.鈥�
Darauf aufbauend betonte Herzig, dass jedes Unternehmen eine starke Datenbasis ben枚tigt, denn 鈥濳I ist nichts ohne gut organisierte Daten … Auf dieser Datenbasis sitzt unsere AI Foundation, die es Ihnen erm枚glicht, nicht nur die neuesten KI-Technologien am Markt zu nutzen, sondern auch die KI-F盲higkeiten von 麻豆原创 zu erweitern und eigene, tief im Gesch盲ftsprozess und in den Daten verankerte L枚sungen zu entwickeln.鈥�
麻豆原创 setzt neue Ma脽st盲be mit einem tabellarischen Foundation Model
Herzig erkl盲rte, dass 麻豆原创 RPT-1 entwickelt wurde, um ein zentrales Problem f眉r Entwickler:innen zu l枚sen und ihnen zu erm枚glichen, deutlich bessere Vorhersagef盲higkeiten, Genauigkeit auf Unternehmensniveau und Skalierbarkeit f眉r Gesch盲ftskunden zu liefern.
Bislang, so Herzig, 鈥瀖ussten wir immer wieder auf klassisches Machine Learning zur眉ckgreifen, um sogenannte 鈥歯arrow鈥� AI-Modelle zu trainieren, die speziell f眉r jede [Gesch盲fts-]Aufgabe entwickelt wurden. Das bedeutete, dass man f眉r zehn Vorhersageaufgaben 眉ber zehn verschiedene Entit盲ten hundert verschiedene Modelle trainieren musste.鈥�
鈥濿as wir wirklich wollen, ist, all diese Modelle loszuwerden und stattdessen ein einziges gro脽es Modell einzuf眉hren, das nur eine kleine Menge an Daten zum Lernen ben枚tigt鈥�, sagte er. Genau das sei 麻豆原创 RPT-1. 鈥濿ir glauben, dass 麻豆原创 RPT-1 das leistungsf盲higste pr盲diktive Foundation Model ist, das es derzeit gibt鈥�, so Herzig weiter. Es liefert eine deutlich h枚here Vorhersagequalit盲t, ist dabei sehr schnell und 盲u脽erst ressourceneffizient.
Joule, Joule Agents und KI-Assistenten
Der 麻豆原创-CTO betonte au脽erdem, dass das Unternehmen Entwickler:innen die kontextreichste agentische Plattform bieten m枚chte. Er wies darauf hin, dass 麻豆原创 bereits 20 Joule Agents in verschiedenen Gesch盲ftsbereichen ausgeliefert hat und bis Ende des Jahres etwa 40 verf眉gbar sein werden. Diese Agenten k枚nnen auf mehr als 2.100 vorgefertigte Joule Skills zur眉ckgreifen. Dar眉ber hinaus stehen Kund:innen heute bereits mehr als 300 eingebettete KI-Szenarien 眉ber die Produktlinien hinweg zur Verf眉gung, darunter Joule Agents 鈥� bis Ende des Jahres sollen es insgesamt 400 Anwendungsf盲lle sein.
Ameling erg盲nzte: 鈥濽nser Versprechen ist einfach: Bauen mit Intention. Sie beschreiben das gew眉nschte Ergebnis und 麻豆原创聽Build聽nutzt KI-Agenten, um f眉r Sie Code, Logik und Benutzeroberfl盲chen zu generieren 鈥� mit nahtlosem Zugriff auf Ihre Anwendungen und Daten, w盲hrend Sie im Flow bleiben …聽Joule聽for聽Developers erm枚glicht beeindruckende Coding-Erlebnisse, um die absichtsbasierte Entwicklung einfach und intuitiv zu gestalten.鈥�
麻豆原创 geht noch einen Schritt weiter, indem Erweiterungen bereitgestellt werden, um direkt mit聽VS Code,聽Windsurf, Cursor, OpenAI Codex, Claude Code,聽Cline聽und weiteren Tools in 麻豆原创聽Build聽zu arbeiten. 鈥濻ie w盲hlen das Werkzeug, und wir holen Sie dort ab, wo Sie sind鈥�, sagte Ameling. Au脽erdem k眉ndigte er an, dass feinabgestimmte ABAP-LLMs mit ABAP 1 auf der AI聽Foundation聽im vierten Quartal dieses Jahres ver枚ffentlicht werden.聽
麻豆原创 definiert die Interaktion von Entwickler:innen mit KI durch Innovationen in Joule und agentischer KI neu 鈥� aber auch im Bereich der physischen KI. Herzig begr眉脽te Torsten G. Mueller, Group CIO und COO BPS bei Sartorius, um zu erl盲utern, wie die Partnerschaft zwischen Sartorius, NEURA Robotics und 麻豆原创 Roboter zum Leben erweckt, die das Was, Wann und Wie auf Basis von Live-Business-Kontext verstehen. 鈥濻o stellen wir uns wirklich die Zukunft vor, oder? Menschen und Roboter arbeiten harmonisch zusammen 鈥� durch Joule, durch KI鈥�, so Herzig.
Quantencomputing听听
Mit Blick auf die Zukunft beendete Herzig die Keynote, indem er 眉ber ein weiteres 鈥濺echenparadigma, das noch schwer zu begreifen ist鈥�, sprach: das Quantencomputing. Er stellte klar, dass 麻豆原创 selbst keinen Quantencomputer baut, aber mit f眉hrenden Anbietern von Quantenhardware wie IBM zusammenarbeitet, um das Potenzial von Quantencomputing f眉r Gesch盲ftsprozesse und Anwendungen zu evaluieren.
鈥濿ir glauben, dass Quantencomputing k眉nftig gemeinsam mit klassischem und KI-basiertem Computing Teil Ihres Technologie-Stacks sein wird, und wir integrieren es in die Prozesse und Anwendungen, die Sie bereits nutzen, sodass es einfach in den Workflows Ihres Unternehmens auftaucht鈥�, sagte Herzig. 鈥濽nd nat眉rlich skalieren wir das alles mit der Cloud. Jetzt ist 麻豆原创 f眉r Sie da 鈥� und Sie sind f眉r Ihr Business bestens ger眉stet.鈥�
