Beratung und Entwicklung von Anwendungen mit Künstlicher Intelligenz

Im Rahmen eines Projekts zur Optimierung der SAP ERP-Systeme war das Ziel, die bestehende Systemlandschaft zu modernisieren und durch gezielte Automatisierungsmaßnahmen den Wartungsaufwand zu reduzieren. Herr Mathony unterstützte das Projektteam bei der Installation, Wartung und Administration der SAP ERP-Systeme. Ein zentraler Teil der Aufgaben war die Arbeit Bereich Transportwesen, wo er für die Durchführung und Überwachung von Transporten sowie die Sicherstellung eines reibungslosen Ablaufs innerhalb der SAP-Landschaft zuständig war. Darüber hinaus war er für die Analyse von Systemfehlern verantwortlich, stellte die Einhaltung von Sicherheitsstandards sicher und half bei der Durchführung von Releasewechsel sowie dem Einspielen von SAP Support Packages.

Im Zuge einer SAP S/4HANA Migration sollte die historisch gewachsene Formularlandschaft des Kunden auf Adobe Forms migriert werden. Ziel war es, den Wartungsaufwand der Formulare zu optimieren und eine moderne, zukunftssichere und effiziente Formularlandschaft zu schaffen Im Rahmen der SAP S/4HANA Migration unterstützte Herr Mathony das Entwicklungsteam bei der Migration der Formularlandschaft von SAPscript und Smart Forms zu Adobe Forms. Die Aufgaben umfassten die Anpassung und Optimierung bestehender Formulare sowie die Unterstützung bei der Sicherstellung von Qualitätsstandards.

Die Zielsetzung des Projekts bestand darin, den manuellen Aufwand beim Versenden von QM-Meldungen zu reduzieren und diese automatisiert an den richtigen Ansprechpartner (AP) zu leiten, um die gesamte Bearbeitungsdauer zu verkürzen. Meine Aufgabe in diesem Projekt war die vollständige Implementierung der Funktionalität entsprechend den Anforderungen. Dazu habe ich SAP Business Functions aktiviert und entsprechende implizite Erweiterungen und BAdIs implementiert.

- Analyse verschiedenen End-to-End Dienstleister für die automatische - Rechnungsverarbeitung - Vergleich der Anbieter anhand festgelegter Kriterien des Kunden - Betrachtung der Integrationsfähigkeit in die bestehende IT-Landschaft - Ausarbeitung einer Empfehlung für den Kunden

Im Rahmen eines Projektes zur Verbesserung der Datenqualität wurde eine Adressvalidierung bei der Eingabe und Änderung von Kundenadressen in den Transaktionen XD02 und VA01 implementiert. Ziel war es, die Genauigkeit und Konsistenz der erfassten Adressdaten zu erhöhen und fehlerhafte Adressen zu vermeiden, dabei jedoch im SAP Standard zu bleiben. Zur Umsetzung wurde der BAdI ADDRESS_CHECK genutzt, um während der Bearbeitung von Adressdaten einen Validierungsdialog zu integrieren. Dieser ermöglicht einen Dialog mit validierten Adressvorschlägen, aus dem der Nutzer eine Adresse auswählen kann, welche dann automatisch in die Dynpro-Felder übernommen wird.

Im Zuge der Optimierung des Angebotsprozesses wurde ein KI-Assistent mit RAG (Retrieval Augmented Generation) entwickelt, um die Effizienz und Genauigkeit der Angebotserstellung zu steigern. Ziel war es, durch eine intelligente Suche und Automatisierung den Zugriff auf proprietäre Unternehmensdokumente zu erleichtern und die relevanten Informationen schneller für die Angebotserstellung bereitzustellen. Herr Mathony konzipierte und setzte als leitender Entwickler die Lösung um. Er verantwortete die vollständige Implementierung des Assistenten basierend auf Microsoft Azure und Microsoft Azure AI Studio. Durch die Nutzung von Prompt Flow wurde die Integration der intelligenten Suchfunktionen effizient umgesetzt und an die spezifischen Anforderungen des Kunden angepasst. Herr Mathony stellte zudem sicher, dass der Assistent zukunftssicher und skalierbar für verschiedene geschäftliche Anwendungsfälle entwickelt wurde.

Das Projekt umfasste die vollständige Planung, Durchführung und Nachbereitung eines KI-Potentialworkshops im Unternehmen. In der Vorbereitungsphase wurden zunächst die Rahmenbedingungen für den Workshop festgelegt, relevante Stakeholder identifiziert und eine strukturierte Methodik zur Analyse von KI-Potentialen entwickelt. Zudem wurden erste interne Datenquellen und Geschäftsprozesse analysiert, um mögliche Anwendungsfälle für Künstliche Intelligenz gezielt vorzubereiten. Während des Workshops selbst lag der Fokus darauf, die bestehenden Prozesse und Herausforderungen im Unternehmen zu identifizieren und gezielt nach Optimierungsmöglichkeiten durch den Einsatz von KI zu suchen. Gemeinsam mit den Teilnehmern wurden verschiedene KI-Potentiale erarbeitet und anschließend in konkrete Anwendungsfälle (Use Cases) überführt. Dabei wurden sowohl kurzfristig realisierbare als auch strategisch relevante KI-Projekte mit langfristiger Wirkung betrachtet. Nach dem Workshop erfolgte eine detaillierte Nachbereitung, in der die gesammelten Erkenntnisse weiter strukturiert, bewertet und priorisiert wurden. Basierend auf den erarbeiteten Use Cases wurde eine umfassende KI-Roadmap erstellt, die eine schrittweise Einführung von KI-Technologien im Unternehmen ermöglicht. Diese Roadmap berücksichtigt sowohl technische als auch wirtschaftliche Aspekte und dient als strategischer Leitfaden für zukünftige KI-Initiativen.

Kurzbeschreibung: Konzeption und Realisierung eines Voicebot-Prototyps zur Entlastung des Service-/Kundendialogs der GWW. Zunächst strukturierte Anbieterauswahl mit Kriterienkatalog und Fit-Gap-Bewertung, anschließend technisches Zielbild mit Server-seitiger Python-Botlogik und Anbindung an die Azure OpenAI Realtime API. Abschließend Implementierung eines funktionsfähigen Prototyps als Entscheidungsgrundlage für den weiteren Rollout. Aufgaben & Verantwortlichkeiten: - Erstellung eines Anbieter-/Lösungsvergleichs anhand von Anforderungen (Dialog-Use Cases, Integrationsfähigkeit, Betrieb/Datenschutz, Kostenmodell, Erweiterbarkeit) - Bewertung & Empfehlung (Scoring, Fit-Gap, Entscheidungsfolie inkl. Risiken/Next Steps) - Technisches Konzept: Architekturentwurf mit Bot-Logik als Python-Service auf Kundenserver; Schnittstellen & Sicherheitsaspekte; - Anbindung Azure OpenAI Realtime API für Sprache-zu-Sprache-Interaktion (Streaming) - Prototyping/Implementierung: Aufbau der Bot-Logik, Session-Handling, Prompt-/State-Design, Fehlerbehandlung; Basis-Konfiguration für Testbetrieb - Wissenstransfer an IT/Fachbereich (Demo, README/Runbook, Übergabeempfehlungen) Ergebnisse & Mehrwert: - Entscheidungsvorlage auf Basis eines nachvollziehbaren Anbieter-Scorings - Referenzarchitektur für einen betreibbaren Voicebot auf dem Kundensystem (on-prem Server-Logik + Azure KI) - Laufender Prototyp als Beweis der Machbarkeit (Machbarkeits- und UX-Bewertung möglich) - Grundlage für Rollout-Planung (Backlog, Kostentreiber, nächste Ausbaustufen)