SAP AI APIs

SAP AI APIs bzgl. Automated Intelligence

SAP bietet eine Reihe von APIs im Bereich Automated Intelligence (automatisierte Intelligenz), die es ermöglichen, KI-gestützte Prozesse in SAP-Systeme zu integrieren und zu automatisieren. Diese APIs konzentrieren sich auf die Anwendung von maschinellem Lernen, Automatisierung und prädiktiven Modellen, um Geschäftsprozesse effizienter zu gestalten. Sie ermöglichen es, KI-Modelle für Aufgaben wie Datenverarbeitung, Prozessautomatisierung und Entscheidungsfindung zu nutzen, und sind insbesondere auf die Integration in bestehende SAP-Anwendungen ausgerichtet.

  • Endpunkte:
    • POST /v1/robots/{robotId}/start – Startet einen automatisierten Prozess, der durch KI-gesteuerte Entscheidungen und Regeln gesteuert wird.
    • GET /v1/robots/{robotId}/status – Ruft den Status eines laufenden Roboters ab, der für eine bestimmte Aufgabe arbeitet.
    • POST /v1/robots/{robotId}/stop – Stoppt den laufenden automatisierten Prozess.
  • JSON-Schema:
    • Anfrage (Roboter starten): { "robot_id": "robot_01", "task": "invoice_processing", "parameters": {"invoice_id": "1001"} }
    • Antwort (Roboterstatus): { "robot_id": "robot_01", "status": "running" }
  • Endpunkte:
    • POST /v1/ai-models/automated-decision – Führt eine automatisierte Entscheidung basierend auf den bereitgestellten Daten durch.
    • POST /v1/ai-models/{modelId}/evaluate – Bewertet die Performance eines automatisierten Entscheidungsmodells.
    • POST /v1/ai-models/{modelId}/predict – Führt eine Vorhersage durch, um Entscheidungen zu treffen.
  • JSON-Schema:
    • Anfrage (Automatisierte Entscheidung treffen): { "data": {"feature1": "value1", "feature2": "value2"}, "decision_criteria": ["criteria1", "criteria2"] }
    • Antwort (Entscheidungsergebnis): { "decision": "approved", "model_id": "automated_decision_model_123" }
  • Endpunkte:
    • POST /v1/pipelines/automated – Startet eine Pipeline, die automatisch KI-gesteuerte Prozesse zur Datenvorbereitung und -integration umfasst.
    • GET /v1/pipelines/{pipelineId}/status – Ruft den Status einer laufenden automatisierten Pipeline ab.
    • POST /v1/pipelines/{pipelineId}/execute – Führt eine Pipeline aus, die maschinelles Lernen und automatisierte Entscheidungsfindung umfasst.
  • JSON-Schema:
    • Anfrage (Automatisierte Pipeline erstellen): { "pipeline_name": "automated_data_pipeline", "steps": [ {"action": "data_cleaning"}, {"action": "ai_model_inference"} ] }
    • Antwort (Pipeline-Status): { "pipeline_id": "automated_data_pipeline", "status": "running" }
  • Endpunkte:
    • POST /v2/bots/{bot_id}/automated – Startet eine Konversation, die durch KI-gestützte Automatisierung den Dialog basierend auf Benutzereingaben steuert.
    • POST /v2/bots/{bot_id}/train – Trainiert den Chatbot, um automatisch auf spezifische Benutzerfragen zu antworten.
    • GET /v2/bots/{bot_id}/analytics – Analysiert die Konversationsdaten, um Verbesserungen im automatisierten Dialog zu erzielen.
  • JSON-Schema:
    • Anfrage (Automatisierte Konversation starten): { "message": "How can I assist you?", "bot_id": "helpdesk_bot" }
    • Antwort (Bot-Trainingsergebnis): { "status": "training", "training_accuracy": 95 }
  • Endpunkte:
    • POST /v1/predictive_models/automated – Erstellt ein automatisiertes prädiktives Modell basierend auf historischen Daten.
    • POST /v1/predictive_models/{modelId}/predict – Führt eine Vorhersage durch, basierend auf einem prädiktiven Modell.
    • GET /v1/predictive_models/{modelId}/evaluate – Bewertet die Genauigkeit eines prädiktiven Modells.
  • JSON-Schema:
    • Anfrage (Prädiktives Modell erstellen): { "data": [ {"feature1": 15, "feature2": 30}, {"feature1": 20, "feature2": 45} ], "model_type": "forecasting" }
    • Antwort (Prädiktive Analyse): { "model_id": "forecast_model_123", "prediction": 52.3 }
  • Endpunkte:
    • POST /v1/ai/models/deploy – Deployt ein KI-Modell in die SAP Cloud für automatisierte Prozesse.
    • GET /v1/ai/models/{modelId}/status – Ruft den Status eines automatisierten Modells ab, das in die Cloud integriert wurde.
    • POST /v1/ai/models/{modelId}/predict – Startet die automatische Vorhersage durch das Cloud-basierte KI-Modell.
  • JSON-Schema:
    • Anfrage (Modell in Cloud deployen): { "model_name": "automated_sales_forecast", "training_data": [ {"feature1": 5, "feature2": 10}, {"feature1": 7, "feature2": 14} ] }
    • Antwort (Modell-Status in der Cloud): { "model_id": "automated_sales_forecast", "status": "deployed" }