KI in SAP Incident Management

Incident Management in SAP-Systemen behandelt meist Systemverhalten, das in der Wahrnehmung des Users oder des Monitoring-Teams nicht der beabsichtigten Funktion entspricht.

Manchmal wird diese Wahrnehmung durch einen technischen Fehler verursacht. Manchmal durch falsche oder unerwartete Stammdaten. Manchmal durch Custom Code. Manchmal durch Timing, Berechtigung, Konfiguration, missverstandene Prozesslogik, fehlende Kommunikation oder einen echten Bug.

Business User melden in der Regel Symptome, keine Root Causes.

"Der Preis ist falsch."

"Der Artikel ist nicht verfügbar."

"Der Bestellvorschlag ergibt keinen Sinn."

"Der Bericht sieht anders aus als gestern."

"Der Wareneingang funktioniert nicht."

"Die Aktion wird nicht gezogen."

Diese Aussagen sind aus Sicht des Users oft korrekt. Gleichzeitig sind sie mehrdeutig. Die eigentliche Ursache kann in Stammdaten, Bewegungsdaten, Konfiguration, Schnittstellen, Custom Developments, Berechtigungen, Batch Jobs, geänderten Geschäftsregeln oder einfach in der Erwartung des Users liegen.

In einer idealen Welt erkennen Monitoring und Maintenance Probleme, bevor sie zu Incidents werden. In der realen Welt bleiben von Usern gemeldete Incidents ein zentraler Teil des SAP-Supports.

Einige Incidents stellen sich als kleine, nicht wiederholte Abweichungen heraus und werden als Incidents gelöst. Andere weisen auf größere Zusammenhänge hin. In diesem Fall müssen sie vielleicht in Problem- oder Change-Request-Prozesse überführt werden, um sauber behandelt zu werden.

Wie kann KI hierbei helfen?

Wir bei acceletail glauben, dass Incident Management einer der stärksten praktischen Use Cases für KI im SAP-Support ist.

Ein Incident ist in vielen Fällen eine Ausnahme von der Regel, beschrieben in menschlicher Sprache. Er verbindet die Mehrdeutigkeit von Sprache mit der Mehrdeutigkeit von Systemverhalten.

KI kann das Problem des Users zusammenfassen. Sie kann fehlende Informationen identifizieren und Rückfragen vorschlagen. Sie kann den Incident mit ähnlichen früheren Incidents vergleichen. Sie kann Logs, Dokumentation, Custom Code und bekanntes Prozessverhalten untersuchen. Sie kann relevante SAP-Daten prüfen, soweit erlaubt. Sie kann Hypothesen formulieren und den Berater auf mögliche Ursachen hinweisen.

Wenn ein ähnlicher Incident schon einmal aufgetreten ist, kann KI mit etwas kluger Systemarchitektur analysieren, ob der Incident wirklich ähnlich ist oder nur ähnlich wirkt.

Zwei Incidents können für den Business User gleich aussehen und völlig unterschiedliche Root Causes haben. Zwei technische Fehler können unterschiedlich aussehen und trotzdem durch dasselbe Stammdatenproblem verursacht sein. KI kann helfen, Wortlaut, betroffene Objekte, Timing, Systemmeldungen, beteiligten Custom Code und Lösungshistorie zu vergleichen.

KI ist auch nützlich darin, unerwartete Stammdatenabweichungen zu finden, die zu einem Systemfehler geführt haben könnten, sofern der passende Datenzugriff vorhanden ist.

Zum Beispiel kann ein Artikel nicht an einen Standort gelistet sein. Ein Konditionssatz kann fehlen oder unerwartet gültig sein. Eine Lieferantenänderung kann die Disposition beeinflusst haben. Eine Custom-Erweiterung kann für eine Artikelkategorie anders reagieren. Ein Hintergrundjob kann korrekt beendet worden sein, aber eine andere Selektion verarbeitet haben als erwartet.

In vielen dieser Fälle ist nicht der finale Fix der schwierige Teil. Der schwierige Teil ist zu verstehen, wo man suchen muss.

Eine Herausforderung in diesem Bereich ist, wie so oft, KI mit dem richtigen Kontext für den jeweiligen Incident zu versorgen.

Der richtige Kontext besteht aus Benutzer- und IT-Dokumentation des betroffenen Prozesses, SAP-Systemzugriff zur Online-Prüfung von Stamm- und Bewegungsdaten, Zugriff auf Custom Code, der das Verhalten beeinflusst, Tickethistorie, Monitoringdaten und Wissen über den Kundenprozess.

Die andere Herausforderung besteht darin, das KI-System nicht sich selbst zu überlassen.

Qualifizierte Beratungskompetenz wird gebraucht, um die Schlussfolgerungen der KI zu prüfen und zu hinterfragen, Maßnahmen freizugeben und zu entscheiden, wie dem User geantwortet wird. Eine KI-generierte Hypothese kann nützlich sein. Eine KI-generierte Antwort, die falsch, irreführend oder zu selbstsicher ist, kann zusätzlichen Schaden verursachen.

Als wichtige Rahmenbedingungen müssen alle Kundendaten und aller Code vertraulich bleiben, und alle DSGVO-Regeln müssen eingehalten werden.

Deshalb sehen wir den stärksten SAP-KI-Use-Case darin, Experten zu helfen, Incidents schneller, mit besserem Kontext und besserer Evidenz zu verstehen, statt KI frei produktive Systeme ändern zu lassen.

Zu diesem Zweck haben wir accelet.ai als unsere Support- und Monitoring-Plattform entwickelt. MCP-Server, einschließlich ABAP-Dokumentations- und ADT-Servern wie der hervorragenden Arbeit von Marian Zeis, sind wertvolle Ressourcen, um KI mit SAP-Systemen und Custom Code zu verbinden. Unsere eigenen MCP-Server ergänzen weitere Fähigkeiten.

Wir erwarten nicht, dass KI SAP-Support-Berater ersetzt. Wir erwarten, dass sie ihnen eine bessere Werkbank gibt: eine Möglichkeit, Userbeschreibung, frühere Incidents, Dokumentation, Logs, Systemdaten und Custom Code in eine strukturierte Analyse zu bringen, die geprüft, hinterfragt und in eine freigegebene Antwort oder Maßnahme übersetzt werden kann.

Was acceletail bietet: Mit accelet.ai unterstützen wir SAP Incident Management durch die Verbindung von Ticketkontext, Dokumentation, SAP-Systemzugriff, Custom-Code-Analyse, früheren Lösungen und Expertenreview. Ziel sind schnellere Root-Cause-Analyse, bessere User-Kommunikation, stärkere Dokumentation und qualifizierte menschliche Kontrolle über jede Maßnahme.

---