SAP-RPT-1: Das erste tabellenbasierte KI-Modell
Lesezeit: 3 Min
Payroll-Tabellen vergleichen oder Fluktuation aus Mitarbeiter:innen-Daten vorhersagen – einfach ChatGPT machen lassen? Ganz so easy ist es nicht, denn viele der Gen AI Anwendungen sind textbasiert. Doch gerade die SAP-Systeme enthalten riesige Mengen tabellarischer Daten. Wie lassen sich also diese Daten mittels KI analysieren? SAP liefert die Antwort: Mit SAP-RPT-1 – einem neuen tabellenbasierten KI-Modell. Aber was steckt hinter dem Modell und wie können Unternehmen es nutzen? Unser Team Lead SAP AI, Maximilian Spranz, klärt auf.
Was ist SAP RPT-1?
SAP-RPT-1 ist ein vortrainiertes relationales Foundation Model (Relational Pre-Trained Transformer). Dieses hochentwickelte KI-Modell wurde entwickelt, um präzise prädiktive Einblicke aus strukturierten Geschäftsdaten zu generieren.
Das Kernprinzip von SAP-RPT-1 ist das kontextbezogene Lernen (In-Context Learning). Dieses ermöglicht sofortige, zuverlässige Vorhersagen ohne den zeitraubenden Prozess des Modelltrainings. Anwender stellen lediglich Beispieldatensätze (Context Rows) in ihren Aufrufen bereit.
Das Modell nutzt diesen Kontext, um Muster zu erkennen und eine Vielzahl von Aufgaben zu lösen, darunter Klassifikations- und Regressionsaufgaben. Dies umfasst typische Szenarien wie die Vorhersage von Abwanderungsrisiken (Churn), Bedarfs- oder Umsatzprognosen (Forecasting) und andere geschäftsrelevante Analysen.
Die vortrainierte relationale Architektur von SAP-RPT-1 bietet ein integriertes Verständnis für tabellarische Datenstrukturen, Beziehungen und Geschäftslogik. Das Modell ist resilient gegenüber Datenqualitätsproblemen und kann unvollständige oder wechselnde Geschäftsdaten sowie variable Werte mühelos verarbeiten. Ein wesentlicher Vorteil ist, dass dadurch kostspieliges und zeitraubendes Modelltraining sowie manuelle Vorverarbeitung oder Funktionsentwicklung (Feature Engineering) entfallen.
Was unterscheidet SAP RPT-1 von klassischen ML-Modellen?
Der größte Unterschied liegt in der Effizienz und Anpassungsfähigkeit durch das In-Context Learning (ICL) und die Art der verarbeiteten Daten. SAP zufolge ist die Vorhersage-Qualität 3,5 x höher als bei LLMS-Modellen.
Welche Voraussetzungen müssen für die Implementierung erfüllt sein?
Die Nutzung von RPT-1 erfordert eine moderne und standardisierte SAP-Landschaft. Da RPT-1 als Cloud-Service über die SAP AI Foundation konsumiert wird, ist die SAP Business Technology Platform (BTP) der zentrale technische Enabler.
Erfolgsfaktoren der SAP-RPT-1-Implementierung
- Legen Sie klare Ziel und KPIs pro Use Case fest.
- Connecten Sie HR, IT und Data Analytics.
- Binden Sie Ihr Datenschutz- und Compliance-Team ein, um DSGVO- und EU-AI-Act-Konformität zu gewährleisten.
- Sorgen Sie für ein klares Datenmodell.
Schritte SAP-RPT-1-Implementierung
- Use Case Definition: Wählen Sie das konkrete Vorhersage-Problem (z. B. Churn Prediction) aus.
- Daten-Extraktion & Governance: Extrahieren Sie die historischen Daten aus S/4HANA oder SuccessFactors in Richtung BTP unter Einhaltung der Datenschutzrichtlinien. Auf Basis dessen bewerten Sie Datenqualität, Governance und technische Anbindung.
- API-Aufruf: Die Anwendung sendet die Daten in zwei Teilen über die API an RPT-1:
– Kontext-Beispiele: Eine kleine Stichprobe des historischen Datensatzes (z. B. 100 Zeilen).
– Integration: Die Vorhersage-Ergebnisse von RPT-1 werden direkt in die Ziel-Anwendung (z. B. CAP Anwendung in der BTP) zurückgespielt. - Vorhersage-Daten: Die aktuellen Datenzeilen, für die ein Ergebnis gewünscht wird.
Welche SAP-RPT-1-Use-Cases gibt es im SAP-HCM-Bereich?
Der Personalbereich ist aufgrund der Fülle an strukturierten, aber sensiblen Daten ein idealer Anwendungsfall für RPT-1.
Vorhersage des Abwanderungsrisikos (Employee Churn Prediction)
Das Abwanderungsrisiko lässt sich mittels RPT-1 vorhersagen. Das Ziel: Frühzeitige Identifizierung von Mitarbeiter:innen, die das Unternehmen verlassen wollen. Von historischen Informationen zu Vergütungsentwicklungen über Performance-Review-Scores, oder die Dauer in der aktuellen Position bis hin zum organisatorischen Wechsel können Sie viele strukturierte Daten heranziehen. Auf Basis dessen liefert RPT-1 eine präzise Wahrscheinlichkeitsbewertung für alle Mitarbeiter:innen. Dadurch kann HR proaktiv Interventionsmaßnahmen wie Gehaltsanpassungen oder Mentoring-Programme einleiten.
Recruiting-Präzision und Eignungsprognose
Ein weiterer wichtiger Bereich ist die Recruiting-Präzision und Eignungsprognose. Hierbei wird die langfristige Eignung und Leistung der Kandidat:innen basierend auf den ersten Prozessdaten vorhergesagt. Als Datenbasis dienen anonymisierte Daten von erfolgreich eingestellten und nicht eingestellten Personen. Dazu zählen Recruiting-Kennzahlen, Assessment-Scores und die Korrelation zu späteren Performance-Scores ähnlicher, bereits eingestellter Mitarbeiter. Abschließend liefert RPT-1 einen Eignungs-Score, der eine objektivere Vorauswahl von Kandidat:innen ermöglicht und Fehleinstellungen reduziert.
Fazit: SAP-RPT-1 revolutioniert Predictive Analytics
Sie kämpfen mit der Auswertung einer enormen Menge an strukturierten Daten? Dann bietet SAP-RPT-1 eine Möglichkeit, ihre tabellarischen Daten präzise, kontextbezogen und mit 3,5 x höherer Qualität als LLMS-Modelle zu analysieren und Trends vorherzusagen – von der Prophezeiung des Abwanderungsrisikos bis hin zur Eignung von Bewerber:innen. Man kann den Einsatz von SAP-RPT-1 mit der Verwendung eines hochbegabten Nachhilfelehrers vergleichen, der ohne Vorbereitung ein völlig neues Fachgebiet übernimmt: Sie müssen dem Lehrer (RPT-1) lediglich zwei bis drei gelöste Beispielaufgaben (Context Rows) aus dem aktuellen Test (Query Row) zeigen. Anhand dieser Beispiele versteht der Lehrer sofort das Thema, die Regeln und die zugehörigen Muster (In-Context Learning) und kann Ihnen die Lösung für die unbekannte Aufgabe (Prediction) sofort liefern, ohne dass er vorher ein wochenlanges Studium (Modelltraining) absolvieren musste. Was dafür benötigt wird? Ein zielgerichteter Use Case und klares Datenmodell.
