SAP geeft ontwikkelaars meer regie over business‑AI met nieuwe bouwstenen en beheerfuncties. Het Duitse softwarebedrijf wil dat teams sneller en veiliger algoritmen in bedrijfsprocessen gebruiken. De vernieuwingen richten zich op klanten in Europa en daarbuiten, met oog voor de Europese AI‑verordening en gevolgen voor overheid en bedrijfsleven. Doel is controle, naleving van regels en snellere invoering in de praktijk.
Ontwikkelaars krijgen meer zeggenschap
SAP zet een ontwikkelaar‑eerst aanpak neer voor kunstmatige intelligentie in bedrijfssoftware. Teams kunnen AI direct in processen als inkoop, HR en supply chain plaatsen. Zij bepalen zelf welke modellen worden gebruikt en hoe die zich gedragen.
De beheermogelijkheden draaien om prompts, veiligheid en monitoring. Een prompt is een korte instructie aan een generatief model. Ontwikkelaars kunnen richtlijnen instellen, testen en verbeteren zonder productiedata te riskeren.
Dit versnelt experimenten, maar houdt de regie bij IT en data‑teams. Integratie in bestaande SAP‑apps blijft centraal. Denk aan S/4HANA, SuccessFactors en klantprocessen op het Business Technology Platform.
Business‑AI is kunstmatige intelligentie die direct in bedrijfsprocessen is ingebouwd, zoals inkoop, HR en planning.
Bouwstenen in SAP BTP
De vernieuwingen landen op het SAP Business Technology Platform (BTP). Dat is het cloudplatform van SAP voor extensies en integraties. Het bundelt services voor data, beveiliging en AI.
SAP AI Core regelt het uitvoeren en beheren van AI‑taken over verschillende clouds. Orchestratie betekent hier: taken plannen, meten en bijsturen. Zo blijft een model schaalbaar en controleerbaar.
De Generative AI Hub biedt één toegangspunt tot meerdere generatieve modellen. Teams kunnen varianten testen, vergelijken en in dezelfde app wisselen. Dit maakt het eenvoudiger om een passend model per taak te kiezen.
SAP HANA Cloud heeft vectorfuncties voor zoeken in ongestructureerde data. Een vector database zet tekst of beelden om in getallen, zodat gelijkende informatie snel gevonden wordt. Samen met retrieval‑technieken voedt dit generatieve modellen met bedrijfscontext.
Keuze uit meerdere modellen
Ontwikkelaars krijgen toegang tot commerciële en open modellen via de hub. Voorbeelden zijn aanbieders als OpenAI of open modellen zoals Llama, afhankelijk van contracten. De feitelijke keuzes verschillen per klant en regio op het moment van schrijven.
Bedrijven kunnen eigen sleutels en verbindingen gebruiken voor modeltoegang. Dat helpt om data te scheiden en beleid te handhaven. Ook kunnen zij begrenzen welke data een model mag zien.
Monitoring is cruciaal, omdat modelprestaties kunnen verschuiven. SAP biedt hiervoor centrale dashboards en waarschuwingen. Zo zien teams fouten, vertragingen en kwaliteitsafwijkingen eerder.
Die aanpak verkleint het risico van leverancier‑afhankelijkheid. Als één model duurder of minder accuraat wordt, is wisselen eenvoudiger. Dat geeft meer onderhandelingsruimte en stabiliteit.
Governance en AVG‑by‑design
De AVG vraagt om dataminimalisatie en versleuteling. SAP benadrukt versleuteling tijdens transport en opslag, plus toegangsbeheer. Logboeken helpen om wie‑deed‑wat‑wanneer vast te leggen.
Europese klanten hechten aan datalocatie. SAP levert datacenters in de EU en opties voor soevereine cloud. Dat ondersteunt sectoren met strikte regels, zoals overheid en zorg.
Er zijn functies voor prompt‑beheer, inhoudsfilters en gevoelige data. Persoonsgegevens kunnen gemaskeerd of verwijderd worden. Een audittrail maakt beoordelingen en beslissingen later herhaalbaar.
Voor HR‑ en inkooptoepassingen is een DPIA vaak nodig. De combinatie van logging, toegangsrechten en modelkeuze helpt bij zo’n beoordeling. Het versnelt juridische checks zonder kwaliteit te verliezen.
Gevolgen AI‑verordening overheid
De Europese AI‑verordening (AI Act) introduceert risicoklassen. Voor overheden en gereguleerde sectoren wegen verplichtingen zwaarder. Documentatie en toezicht worden vaste onderdelen van elk AI‑project.
Systemen voor bijvoorbeeld werving of kredietbeoordeling kunnen hoog risico zijn. Dan zijn risicobeheer, datakwaliteit en menselijke controle vereist. Ook moet de werking uitlegbaar en traceerbaar zijn.
Tooling in SAP BTP kan documentatie, testen en loggen ondersteunen. Denk aan evaluaties, modelkaarten en herhaalbare experimenten. De eindverantwoordelijkheid ligt echter bij de gebruiker en diens juridische kader.
Inkoopteams doen er goed aan om extra vragen te stellen. Hoe wissel je van model zonder herschrijven? Waar staan de data, hoe verloopt audit, en wat kost schalen op termijn?
Kansen en knelpunten in Nederland
Nederlandse organisaties zien vooral kansen in backoffice‑taken. Denk aan factuurverwerking, klantenservice en planningsscenario’s. Snelle winst zit in herhalende handelingen met veel tekst.
Er is ook een vaardigheidskloof. Ontwikkelaars moeten prompten, evalueren en bewaken leren. SAP Build Code en de copilot Joule kunnen helpen; een copilot is een assistent die code en taken voorstelt.
Integratie blijft een struikelblok in gemengde IT‑landschappen. Datakwaliteit en rechten bepalen het resultaat. Hulpmiddelen zoals SAP Datasphere kunnen data ordenen en herbruikbaar maken.
Kosten en lock‑in vragen om beleid. Pilotprojecten horen heldere meetpunten en exit‑opties te hebben. Keuzevrijheid in modellen maakt strategie en budgetten voorspelbaarder.
