Heutzutage scheint jedes Analysetool „KI-gestützt“ zu sein. Der Begriff taucht überall auf, ganz gleich, ob es sich bei der betreffenden Funktion um einen echten generativen Assistenten, ein Machine-Learning-Modell oder einfach um eine gut durchdachte Funktion zum Erkennen von Mustern in Daten handelt. In den letzten Jahren hat SAP Analytics Cloud (SAC) ein ganzes Portfolio an intelligenten Funktionen für Planung und Analyse aufgebaut, das von „Just Ask“ über „Smart Insights“ bis hin zu „Smart Predict“ reicht. In jüngerer Zeit hat SAP zudem begonnen, neue KI-gestützte Funktionen zu positionieren, die noch einen Schritt weiter gehen und auf generativer KI basieren.
In unserem Power BI-Blogbeitrag haben wir uns bereits mit den KI-Funktionen von Power BI befasst und eine einfache, aber wichtige Frage gestellt: Wie viel davon ist tatsächlich künstliche Intelligenz und wie viel ist „nur“ intelligente Statistik, maschinelles Lernen oder gut durchdachte Benutzerführung? Nun macht es Sinn, auch die SAP-Seite der Medaille zu betrachten. Da Power BI über eine Mischung aus explorativen Hilfsmitteln, Anomalieerkennung und Copilot-gesteuerter Assistenz verfügt, hat auch SAC seine eigene Lösung: eine Reihe klassischer intelligenter Funktionen, die Self-Service-Analysen schon seit Langem unterstützen, sowie eine neuere Ebene KI-gestützter Funktionen, die derzeit viel Aufmerksamkeit auf sich zieht. Die zentrale Frage bleibt jedoch dieselbe: Was leisten diese Funktionen in der Praxis tatsächlich?
In diesem Blogbeitrag werfen wir daher aus praktischer Sicht einen genaueren Blick auf die KI-Funktionen von SAC. Wir konzentrieren uns zunächst auf die Funktionen, die bereits im Produkt etabliert sind und in der täglichen Analysearbeit sinnvoll genutzt werden können. Anschließend gehen wir kurz auf die neueren KI-gestützten Funktionen und ihre aktuelle Rolle in SAC ein. Abschließend stellen wir einen Bezug zu dem Power BI-Artikel her und fassen die Ergebnisse in einer kompakten Vergleichsmatrix zusammen.
Bevor wir uns die einzelnen Funktionen genauer ansehen, lohnt es sich zu klären, was „KI“ im Zusammenhang mit der SAP Analytics Cloud eigentlich bedeutet. Die SAC vereint verschiedene Arten intelligenter Funktionen unter einem Dach. Einerseits gibt es die klassischen intelligenten Funktionen wie Just Ask, Smart Insights und Smart Predict. Diese Funktionen sind bereits seit einiger Zeit Teil der SAC und basieren in erster Linie auf statistischen Methoden, Mustererkennung und Machine-Learning-gestützter Unterstützung und weniger auf großen Sprachmodellen. Andererseits erweitert SAP die SAC zunehmend um eine neuere Kategorie von KI-gestützten Funktionen, die deutlicher in Richtung generativer KI ausgerichtet sind. Diese Unterscheidung ist aus zwei Gründen wichtig: erstens, weil die klassischen Funktionen derzeit für die tägliche Analysearbeit wesentlich relevanter sind, und zweitens, weil die neueren KI-gestützten Funktionen separate AI Units erfordern und daher in der Praxis nicht immer direkt verfügbar sind. Mit anderen Worten: Wer von „KI in SAC“ spricht, sollte nicht an einen einzigen, einheitlichen Funktionsumfang denken, sondern an ein breiteres Spektrum, das von etablierter Augmented Analytics bis hin zu neueren, GenAI-orientierten Assistenzfunktionen reicht.
Betrachtet man SAC in der Praxis, so sind die klassischen Smart-Funktionen nach wie vor der wichtigste Aspekt der KI-Funktionalität. Es handelt sich dabei um Funktionen, mit denen Nutzer in alltäglichen Analyse- und Planungsszenarien tatsächlich arbeiten können und deren Funktionsweise der intelligenten Unterstützung am nächsten kommt, die wir bereits in unserem Power BI-Artikel beschrieben haben. Anstatt sich auf die neueren KI-gestützten Funktionen zu konzentrieren, ist es daher sinnvoll, mit den bewährten SAC-Funktionen zu beginnen: „Just Ask“, „Smart Insights“ und „Smart Predict“.
Just Ask
„Just Ask“ wurde entwickelt, um Geschäftsanwendern den Zugriff auf Daten zu erleichtern. Anstatt ein Diagramm manuell zu erstellen, können Nutzer eine Frage in natürlicher Sprache eingeben und SAC ein passendes Ergebnis generieren lassen. In der Praxis ist die Funktion besonders nützlich für schnelle Ad-hoc-Analysen, obwohl ihre Qualität stark von der zugrunde liegenden Modellstruktur und den verwendeten Geschäftsbegriffen abhängt. In diesem Sinne ähnelt sie am ehesten der Q&A-Funktionalität von Power BI, die ebenfalls Fragen in natürlicher Sprache in modellbasierte Antworten übersetzt, anstatt wie ein echter KI-Assistent zu agieren.
Smart Insights
Smart Insights konzentriert sich eher auf die Erklärung als auf die Erkundung. Wenn ein Benutzer einen Wert oder einen Datenpunkt in einem Diagramm auswählt, generiert SAC automatisch eine Erklärung zu den Faktoren, die zu diesem Ergebnis geführt haben. Dies ist besonders nützlich im Bereich des Reportings, in dem die Hauptfrage nicht nur lautet, was passiert ist, sondern auch, warum es passiert ist. Das am ehesten vergleichbare Äquivalent in Power BI wäre die Kombination aus „Key Influencers“ und „Anomaly Detection“, die beide ebenfalls erste Anhaltspunktei für die Interpretation ungewöhnlicher Ergebnisse liefern, obwohl der Power BI-Artikel deutlich macht, dass diese Ergebnisse eher als Hypothesen denn als Beweis für eine Ursache betrachtet werden sollten.
Smart Predict
Smart Predict geht noch einen Schritt weiter, indem es SAC um Prognosefunktionen erweitert. Anstatt lediglich historische Daten zu erklären, unterstützt es Anwendungsfälle wie Zeitreihenprognosen, Regression und Klassifizierung. Damit ist es eine der fortschrittlichsten klassischen SAC-Funktionen, insbesondere für Geschäftsanwender, die Prognoseunterstützung wünschen, ohne die Analyseumgebung verlassen zu müssen. Im Vergleich zu Power BI geht SAC hier einen Schritt weiter, da
Power BI Prognosen hauptsächlich als relativ einfache visuelle Darstellung präsentiert und ausdrücklich darauf hinweist, dass Power BI nicht für das Modelltraining oder fortgeschrittenere prädiktive Workflows ausgelegt ist.
Während Funktionen wie „Just Ask“, „Smart Insights“ oder „Smart Predict“ auf Suche, Statistiken oder geführtes maschinelles Lernen basieren, sind die KI-gestützten Funktionen darauf ausgelegt, Inhalte im Kontext zu generieren oder zusammenzufassen. Laut SAP gehören dazu aktuell die folgenden Funktionen:
➔ KI-gestützte Berechnungen
Im Data Analyzer kann diese Funktion Berechnungsformeln aus Eingaben in natürlicher Sprache generieren. Außerdem kann sie bestehende Formeln in einer einfacheren Sprache erklären, was besonders dann nützlich ist, wenn Benutzer mit komplexeren Berechnungslogiken arbeiten.
➔ KI-gestützte Diagrammzusammenfassung
Im SAP Analytics Cloud-Add-in für Microsoft PowerPoint kann diese Funktion eine schriftliche Zusammenfassung eines ausgewählten SAC-Diagramms erstellen. Die generierte Zusammenfassung wird als bearbeitbarer Text in die Präsentation eingefügt und kann neu generiert werden, wenn sich die Diagrammdaten ändern.
➔ KI-gestützte Kommentarfunktion
In Stories hilft diese Funktion den Nutzern, effizienter mit Kommentaren umzugehen. Sie kann einzelne Kommentare oder ganze Kommentarthreads zusammenfassen und Texte vor dem Posten eines
Kommentars umformulieren, wodurch die Nutzer klarer kommunizieren können.
➔ KI-gestützte Datenaktionen
In erweiterten Formelschritten von Datenaktionen kann diese Funktion Skripte aus Kommentaren generieren oder Textkommentare aus bestehenden Skripten erstellen. Dies soll Skripting-Tasks vereinfachen und die Dokumentation bei der Planung von Arbeitsabläufen Verbessern.
SAP positioniert diese Funktionen als workflow-spezifische Hilfsmittel, die den manuellen Aufwand bei Tätigkeiten wie dem Erstellen von Formeln, dem Zusammenfassen von Kommentaren oder dem Generieren von Berechnungen aus Eingaben in natürlicher Sprache reduzieren.
Gleichzeitig lassen sich diese Funktionen in der Praxis auch schwerer bewerten. SAP weist darauf hin, dass KI-gestützte Funktionen separat aktiviert werden müssen und zusätzliche AI-Units erfordern, was bedeutet, dass sie in Projektumgebungen nicht immer ohne Weiteres verfügbar sind. Aus diesem Grund sind sie für das Verständnis der zukünftigen Ausrichtung von SAC zwar von großer Bedeutung, eignen sich jedoch weniger für eine praktische Bewertung als die klassischen Smart-Funktionen, die bereits heute direkt getestet werden können.
Eine einfache Gegenüberstellung der Funktionen reicht hier nicht aus. Die wichtigste Frage ist, wie ausgereift und nutzbar diese Funktionen im Arbeitsalltag sind. Hier zeigt sich derzeit der größte Unterschied: SAC bietet eine stimmige Mischung aus klassischen intelligenten Funktionen und neueren KI-gestützten Funktionen, doch Microsofts Copilot ist als Alltagsassistent für das Reporting, die Zusammenfassung und die Modellinteraktion bereits weiter fortgeschritten. Die neueren KI-gestützten
Funktionen von SAC sind vielversprechend, doch in vielen Fällen sind sie noch schwerer zugänglich und lassen sich nur schwer produktiv nutzen.
| Bereich | SAP Analytics Cloud | Power BI | Praxisbewertung |
| Zugriff auf Daten in natürlicher Sprache | Just Ask ermöglicht es Benutzern, Daten in natürlicher Sprache abzufragen und einfache visuelle Antworten zu generieren | Q&A und zunehmend auch Copilot decken einen ähnlichen Anwendungsfall für die natürliche Sprachinteraktion mit Berichten und Modellen ab | Ähnlich, aber durch Copilot wirkt Power BI momentan deutlich stärker in dem Bereich |
| Erläuterung von KPI-Veränderungen | Smart Insights konzentriert sich darauf, ausgewählte Werte und Abweichungen auf direkte und strukturierte Weise zu erklären | Key Influencers, Anomaly Detection und zugehörige Visualisierungen helfen dabei, mögliche Treiber und ungewöhnliche Muster zu identifizieren | Unterschiedliche Stärken: SAC konzentriert sich stärker auf die Erklärung, während Power BI bei der explorativen visuellen Analyse besser abschneidet |
| Predictive support | Smart Predict unterstützt Prognosen, Regressionen und Klassifizierungen in einem speziellen Predictive-Arbeitsbereich | Power BI bietet hauptsächlich einfachere Prognose- und KI-gestützte Berichtsfunktionen anstelle von geführter Predictive-Modellierung | SAC liegt vorn: Dies ist der Bereich, in dem SAC Power BI am deutlichsten übertrifft |
| Unterstützung durch generative KI | KI-gestützte Funktionen unterstützen Berechnungen, Diagrammzusammenfassungen, Kommentare und Datenaktionen innerhalb spezifischer Workflows | Copilot fungiert bereits als umfassender Assistent für die Berichterstellung, Zusammenfassung und Modellinteraktion | Power BI liegt derzeit vorn: Copilot ist derzeit ausgereifter und im Arbeitsalltag besser nutzbar als die KI-gestützten Funktionen von SAC |
| Praktische Zugänglichkeit | Klassische Smart-Funktionen sind breit einsetzbar, während neuere KI-gestützte Funktionen eine separate Aktivierung und AI-Units erfordern | Viele klassische KI-Funktionen sind leicht zugänglich, während Copilot von der Einrichtung und Lizenzierung abhängt | Power BI liegt derzeit vorn, da die neueren KI-gestützten Funktionen von SAC in vielen Umgebungen noch schwerer produktiv zu nutzen sind |
| Hauptstärke des Produkts | Besonders gut geeignet für Analysen, Planung und Prognoseunterstützung in einer Umgebung | Besonders gut geeignet für Erkundung, Berichterstellung und KI-gestützte Front-End-Analyse | Unterschiedlicher Schwerpunkt: SAC ist stärker dort, wo Planung und Prognosen wichtig sind, während Power BI bei der leicht zugänglichen Front-End-Unterstützung stärker ist |
Der Vergleich lässt daher keinen eindeutigen Sieger erkennen. Wenn das Ziel eine leicht zugängliche generative KI-Unterstützung für das Reporting und die Interaktion mit Modellen ist, erscheint Power BI im täglichen Einsatz derzeit ausgereifter. Wenn das Ziel darin besteht, Analyse, Planung und Prognoseunterstützung enger in einer Umgebung zu verknüpfen, hat SAC seine eigenen Stärken. In diesem Sinne geht es weniger darum, wer den Begriff „KI“ stärker in den Vordergrund stellt, sondern vielmehr darum, wo die Funktion dem Nutzer tatsächlich hilft, seine Arbeit besser zu erledigen.
Auch wenn der aktuelle Vergleich Power BI einen Vorteil bei der alltäglichen Nutzung generativer KI zuspricht, bedeutet dies nicht zwangsläufig, dass dieser Vorsprung bestehen bleibt. In den aktuellen Aussagen von SAP zu SAC wird das Produkt bereits rund um Joule als „Copilot“ für die Automatisierung der Berichterstellung, die Gewinnung von Erkenntnissen und die Unterstützung von Planungsabläufen positioniert, während jüngste Informationen zur SAP-Roadmap konkreter auf Joule mit SAP Analytics Cloud, einen Story Generation Agent sowie Conversational & Agentic Planning als Teil der zukünftigen Ausrichtung von SAC hinweisen.
Das ist von Bedeutung, da es auf einen anderen langfristigen Ansatz für SAC hindeutet. Power BI und Copilot wirken derzeit ausgereifter bei der täglichen Front-End-Unterstützung, insbesondere bei der Berichterstellung, Zusammenfassung und dialogorientierten Interaktion. Doch SAP könnte die Chance haben, durch eine engere Integration mit dem Geschäftskontext in der gesamten SAP-Landschaft aufzuholen. Wenn die zukünftige KI-Ebene von SAC Joule mit umfangreicheren Erkenntnissen aus Systemen wie S/4HANA und SuccessFactors kombinieren kann, könnte SAP letztendlich einen Vorteil bei der geschäftskontextbezogenen KI-Unterstützung entwickeln. Derzeit ist dies für die meisten Nutzer eher ein Signal in der Roadmap als praktische Realität, aber es ist ein wichtiger Teil des Gesamtbildes.
Die SAP Analytics Cloud bietet bereits eine praktische und überzeugende Palette an KI-bezogenen Funktionen für die alltägliche Analyse und Planung. Mit Just Ask, Smart Insights und Smart Predict unterstützt die SAC drei wichtige Anwendungsfälle besonders gut: einfacheren Datenzugriff, schnellere Erläuterung von KPI-Veränderungen und eine auf Geschäftsanwender ausgerichtete Unterstützung bei Prognosen. Dies macht die SAC besonders relevant in Umgebungen, in denen Analyse und Planung eng miteinander verbunden sind und in denen Anwender eher eine angeleitete Unterstützung als vollständige technische Kontrolle benötigen.
Gleichzeitig sollten die Stärken von SAC im Bereich KI realistisch betrachtet werden. Ein Großteil des aktuellen Nutzens stammt nach wie vor eher aus den klassischen Smart Features als aus den neueren KI-gestützten Funktionen. Diese neueren Funktionen sind ein wichtiger Schritt hin zu einer stärker workflow-orientierten generativen KI in SAC, lassen sich in der Praxis jedoch noch schwerer bewerten und sind nicht immer flächendeckend verfügbar. In diesem Sinne zeigen sie deutlicher, in welche Richtung sich das Produkt entwickelt, als das, worauf sich die meisten Nutzer bereits in ihrer täglichen Arbeit verlassen können.
Im Vergleich zu Power BI scheint SAC besonders stark dort zu sein, wo sich Analyse, Planung und Prognoseunterstützung überschneiden. Power BI hingegen wirkt derzeit ausgereifter bei der leicht zugänglichen Front-End-Unterstützung und der alltäglichen Nutzung generativer KI durch Copilot. Vielmehr zeigt sich, dass beide Tools KI aus unterschiedlichen Blickwinkeln angehen: Power BI liegt derzeit bei der praktischen GenAI-Unterstützung vorn, während SAC Stärken dort hat, wo Geschäftskontext, Planung und Prognose zusammenkommen.
Haben Sie Fragen zu diesem oder anderen Themen? Möchten Sie in Ihrer Abteilung das erforderliche Know-how aufbauen oder benötigen Sie Unterstützung bei einer konkreten Frage? Wir helfen Ihnen gerne weiter. Fordern Sie noch heute ein unverbindliches Beratungsangebot an.