KI in SAP Monitoring und Event Management

Frameworks wie ITIL wurden entwickelt und unzählige Texte geschrieben, um die Feinheiten von Monitoring, Event Management, Incident Management, Problem Management und Change-Prozessen zu beschreiben.

Für diesen Artikel halte ich es einfach.

Kurz gesagt ist Monitoring, oder Event Management in ITIL-Terminologie, die Überwachung von Systemen und Prozessen, ihre Klassifizierung und die Anwendung korrektiver Maßnahmen im Fall erwarteter oder unerwarteter Fehler über Incident- oder andere Prozesse.

In SAP-Systemen, besonders in SAP Retail, wird Monitoring oft technisch verstanden. Ist der Job fertig geworden? Ist das IDoc fehlgeschlagen? Hängt die Queue? Gab es einen Dump? Ist eine Schnittstelle rot?

Diese Fragen sind wichtig, decken aber nicht alle relevanten Fälle ab.

Viele SAP-Retail-Prozesse können technisch "grün" enden und trotzdem ein Ergebnis produzieren, das Aufmerksamkeit verdient. Ein Dispolauf kann abgeschlossen sein, aber Bestellvorschläge erzeugen, die verdächtig hoch oder niedrig sind. Ein Listing-Prozess kann durchlaufen, aber wichtige Standorte auslassen. Eine Preisaktivierung kann erfolgreich laufen, aber unerwartete Konditionskombinationen oder Margen erzeugen. Eine Artikelstammdaten-Schnittstelle kann ohne technischen Fehler verarbeiten und trotzdem Änderungen erzeugen, die im Vergleich zum bisherigen Verhalten dieses Lieferanten, dieser Warengruppe oder dieses Standorts ungewöhnlich wirken.

In einer idealen Welt erkennt Maintenance Probleme, bevor sie zu Incidents werden.

Hier sehen wir bei acceletail einen der stärksten Einsatzbereiche für KI.

Events und überwachte Prozesse behandeln Abweichungen von der Regel. Einige Abweichungen sind offensichtliche technische Fehler. Andere sind Abweichungen von erwarteten Ergebnissen, verursacht durch Systemschwächen oder Änderungen, Umgebungsfaktoren wie ungetestete Kombinationen von Stamm- oder Bewegungsdaten, Custom Code oder menschliche Fehler.

KI ist, wenn sie mit passendem Kontext versorgt wird, sehr gut darin, Abweichungen zu erkennen.

Gibt man KI hunderte Seiten Logs, Prozessergebnisse oder Änderungsdaten mit der Aufgabe, Abweichungen zu finden, kann sie in Sekunden finden, wofür ein Mensch Stunden brauchen würde. Wichtiger noch: Sie kann mehrere Informationsquellen verbinden: Application Logs, Job Logs, IDoc-Meldungen, Stammdatenveränderungen, Prozessdokumentation, frühere Incidents und, wo erlaubt, Online-SAP-Daten.

Der Wert liegt nicht nur im Finden technischer Fehler. Er liegt auch darin zu prüfen, ob das Ergebnis eines abgeschlossenen Prozesses noch sinnvoll ist.

Ein Monitoring-System kann sagen, dass ein Prozess gelaufen ist. Eine KI-unterstützte Monitoring-Schicht kann hinzufügen, dass der Prozess gelaufen ist, das Ergebnis aber im Vergleich zu ähnlichen Läufen ungewöhnlich wirkt, und dies die wahrscheinlichsten Gründe sind.

In SAP Retail ist das hoch relevant. Viele Prozesse sind automatisiert, weil die Menge an Artikeln, Standorten, Lieferanten, Preisen, Aktionen, Warenbewegungen und Kundeninteraktionen schlicht zu groß für manuelle Überwachung ist. Gleichzeitig sind diese Prozesse businesskritisch. Wenn falsche Preise aktiviert werden, Bestellvorschläge falsch sind, Artikel nicht gelistet werden oder Stammdatenveränderungen unbemerkt bleiben, kann der Business Impact erheblich sein.

Eine Herausforderung in diesem Bereich ist, wie so oft, KI mit dem richtigen Kontext für die jeweilige Aufgabe zu versorgen.

Der richtige Kontext kann aus Benutzer- und IT-Dokumentation des betroffenen Prozesses bestehen, aus SAP-Systemzugriff zur Online-Prüfung von Stamm- und Bewegungsdaten, aus Zugriff auf Custom Code, der das Verhalten beeinflusst, aus Wissen über frühere Incidents und aus Wissen darüber, was der Prozess erreichen soll.

Eine Abweichung kann bei einem Retailer relevant und bei einem anderen irrelevant sein. Ein plötzlicher Anstieg von Bestellvorschlägen kann ein Fehler sein, oder die beabsichtigte Folge einer Aktion, eines Wetterereignisses, einer saisonalen Verschiebung oder einer geänderten Lieferantenvereinbarung. KI kann helfen, das Muster zu identifizieren, aber die Beurteilung seiner Relevanz muss mit dem Prozess- und Businesskontext des Kunden verbunden bleiben.

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

Qualifizierte Beratungskompetenz wird weiterhin gebraucht, um die Schlussfolgerungen der KI zu prüfen und zu hinterfragen, festzulegen, was überwacht werden sollte, zu entscheiden, welche Abweichungen relevant sind, und Maßnahmen oder Kommunikation an das Business freizugeben.

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

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-Systeme mit SAP-spezifischem Kontext zu verbinden. Unsere eigenen MCP-Server ergänzen weitere Fähigkeiten.

Den stärksten Einsatz von KI in diesem Bereich sehen wir darin, Experten zu helfen, relevante Abweichungen früher zu erkennen, schneller zu verstehen und mit besserer Evidenz zu entscheiden, ob Handlungsbedarf besteht.

Was acceletail bietet: Mit accelet.ai bauen wir KI-unterstütztes SAP Monitoring rund um Prozesskontext, Dokumentation, SAP-Systemzugriff, Custom-Code-Verständnis und Expertenreview. Ziel ist es, auffällige Ergebnisse früher zu erkennen, manuellen Analyseaufwand zu reduzieren und korrektive Maßnahmen unter qualifizierter menschlicher Kontrolle zu halten.

---