{"id":10697,"date":"2023-12-28T11:54:51","date_gmt":"2023-12-28T11:54:51","guid":{"rendered":"https:\/\/www.clarity.cx\/blog\/clarity-show-mit-ki-den-vertrieb-veraendern-die-intelligente-produktempfehlung-von-sap\/"},"modified":"2026-01-14T14:33:28","modified_gmt":"2026-01-14T14:33:28","slug":"clarity-show-mit-ki-den-vertrieb-veraendern-die-intelligente-produktempfehlung-von-sap","status":"publish","type":"post","link":"https:\/\/www.clarity.cx\/de\/blog\/clarity-show-mit-ki-den-vertrieb-veraendern-die-intelligente-produktempfehlung-von-sap\/","title":{"rendered":"CLARITY.SHOW: Mit KI den Vertrieb ver\u00e4ndern: Die intelligente Produktempfehlung von SAP"},"content":{"rendered":"\n<div class=\"wp-block-columns post-content__video post-content__youtube-video is-layout-flex wp-container-core-columns-is-layout-9d6595d7 wp-block-columns-is-layout-flex\">\n<div class=\"wp-block-column post-content__iframe-youtube is-layout-flow wp-block-column-is-layout-flow\">\n<iframe loading=\"lazy\" width=\"560\" height=\"315\" src=\"https:\/\/www.youtube.com\/embed\/khpCmsCt6lo?si=8bkULNO0qTYRjix9&#038;controls=0\" title=\"YouTube-Video-Player\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" allowfullscreen=\"\"><\/iframe>\n<\/div>\n<\/div>\n\n<p id=\"viewer-34m04\">Podcast-Moderatorin <a href=\"https:\/\/www.linkedin.com\/in\/kmigalevich\/\" target=\"_blank\" rel=\"noreferrer noopener nofollow\">Karyna Mihalevich<\/a>, CPQ Functional Lead bei <a href=\"https:\/\/www.clarity.cx\/de\/\" target=\"_blank\" rel=\"noreferrer noopener\">CLARITY<\/a>, begr\u00fc\u00dft <a href=\"https:\/\/www.linkedin.com\/in\/matthias-hirsch-626943100\/\" target=\"_blank\" rel=\"noreferrer noopener nofollow\">Matthias Hirsch<\/a>, Senior Product Manager im Bereich Customer Experience &amp; Industries bei <a href=\"https:\/\/www.sap.com\/\" target=\"_blank\" rel=\"noreferrer noopener nofollow\">SAP<\/a>. Auf der Grundlage seiner umfangreichen Erfahrungen, die er seit 2007 in der diskreten Fertigungsindustrie gesammelt hat, und seiner entscheidenden Rolle bei SAP seit 2016, bietet Matthias Hirsch einen klaren Blick auf die Rolle der KI im Vertrieb, insbesondere bei der Verbesserung und Rationalisierung des Vertriebs komplexer Produkte. Die heutige Folge setzt die Diskussion \u00fcber das wichtige Thema der <a href=\"https:\/\/www.clarity.cx\/de\/blog\/clarity-show-podcast-die-transformative-kraft-der-ki-in-konfigurierbaren-produkten-erforschen\/\" target=\"_blank\" rel=\"noreferrer noopener\">transformativen Kraft der KI bei konfigurierbaren Produkten<\/a> fort, ein Thema, das in einem fr\u00fcheren Quote-to-Cash-Podcast ausf\u00fchrlich er\u00f6rtert wurde.  <\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\">\n<p>Unser Gast Matthias Hirsch, Senior Product Manager im Bereich Customer Experience &amp; Industries bei SAP, und die Moderatorin des Podcasts Karyna Mihalevich, CPQ Functional Lead bei CLARITY.<\/p>\n<\/blockquote>\n\n<div class=\"wp-block-columns post-content__spotify is-layout-flex wp-container-core-columns-is-layout-9d6595d7 wp-block-columns-is-layout-flex\">\n<div class=\"wp-block-column post-content__iframe-spotify is-layout-flow wp-block-column-is-layout-flow\">\n<iframe loading=\"lazy\" src=\"https:\/\/podcasters.spotify.com\/pod\/show\/quote-to-cash-podcast\/embed\/episodes\/Streamline-the-product-selection-with-SAP-Intelligent-Product-Recommendation--CLARITY-SHOW---Quote-to-Cash-Podcast-e2bvef2\/a-aak5noj\" height=\"102px\" width=\"400px\" frameborder=\"0\" scrolling=\"no\"><\/iframe>\n<\/div>\n<\/div>\n\n<div class=\"wp-block-rank-math-toc-block\" id=\"rank-math-toc\"><h2>Content<\/h2><nav><ul><li><a href=\"#key-functionalities-of-sa-ps-intelligent-product-recommendation\">Die wichtigsten Funktionen der intelligenten Produktempfehlung von SAP<\/a><\/li><li><a href=\"#integration-with-other-business-platforms\">Integration mit anderen Gesch\u00e4ftsplattformen<\/a><\/li><li><a href=\"#ideal-users-for-product-recommendation-system\">Ideale Benutzer f\u00fcr das Produktempfehlungssystem<\/a><\/li><li><a href=\"#real-world-applications\">Real-World-Anwendungen<\/a><\/li><li><a href=\"#adapting-to-dynamic-product-catalogs\">Anpassen an dynamische Produktkataloge<\/a><\/li><li><a href=\"#future-innovations-in-product-recommendation\">Zuk\u00fcnftige Innovationen bei Produktempfehlungen<\/a><\/li><li><a href=\"#the-bottom-line\">Die Quintessenz<\/a><\/li><\/ul><\/nav><\/div>\n\n<h2 class=\"wp-block-heading\" id=\"key-functionalities-of-sa-ps-intelligent-product-recommendation\">Die wichtigsten Funktionen der intelligenten Produktempfehlung von SAP<\/h2>\n\n<p id=\"viewer-uz5ew55849\">Die Intelligente Produktempfehlung von SAP geh\u00f6rt, wie Matthias Hirsch erl\u00e4utert, zu den j\u00fcngsten Produktinnovationen von SAP, die bereits begonnen haben, den Ansatz f\u00fcr den Verkauf in verschiedenen Branchen zu ver\u00e4ndern. Dieses innovative System gliedert sich in zwei entscheidende Bereiche: <\/p>\n\n<ul class=\"wp-block-list\">\n<li>die Laufzeit  <\/li>\n\n\n\n<li>die Designzeit-Anwendungen.<\/li>\n<\/ul>\n\n<p id=\"viewer-kkgz155858\">Der Laufzeitaspekt erm\u00f6glicht die Anwendung von maschinellem Lernen innerhalb von <a href=\"https:\/\/www.clarity.cx\/blog\/5-reasons-companies-should-use-crm-to-instantly-reduce-organizational-costs\/\">CRM-<\/a> und Vertriebsprozessen, so dass die Benutzer direkt mit dem System interagieren k\u00f6nnen. In der Zwischenzeit funktioniert die Komponente f\u00fcr die Entwurfszeit \u00e4hnlich wie ein Produktkonfigurator, in dem Benutzer Regeln modellieren und Benutzeroberfl\u00e4chen entwerfen k\u00f6nnen, die auf ihre spezifischen Vertriebsanforderungen zugeschnitten sind. <\/p>\n\n<p id=\"viewer-oiglf55864\">Ein wesentliches Merkmal dieses Systems ist seine F\u00e4higkeit, die einzigartige Komplexit\u00e4t der industriellen Fertigung und des Ger\u00e4teverkaufs zu bew\u00e4ltigen. Produkte in diesen Sektoren, wie Roboter, Gabelstapler, W\u00e4rmetauscher, Pumpen und Kompressoren, haben oft individuelle Datenmodelle, Strukturen und Dom\u00e4nenmodelle. Das System f\u00fcr intelligente Produktempfehlungen ist flexibel genug, um diese Variationen zu ber\u00fccksichtigen und so sicherzustellen, dass die Empfehlungen so genau und relevant wie m\u00f6glich sind.  <\/p>\n\n<p id=\"viewer-zby3n55867\">Matthias verwendet ein Beispiel, um diesen Punkt zu illustrieren: ein Szenario, in dem ein Werkstattleiter in der Automobilindustrie einen neuen Lackierroboter ben\u00f6tigt. Im Gegensatz zu herk\u00f6mmlichen Ans\u00e4tzen, bei denen der Kunde genaue Modelle und Zubeh\u00f6rteile vorgibt, erm\u00f6glicht es dieses System dem Kunden, seine Bed\u00fcrfnisse zu \u00e4u\u00dfern &#8211; z. B. die Anzahl der zu lackierenden Karosserien innerhalb eines bestimmten Zeitrahmens und die Anforderung, die Farben h\u00e4ufig zu wechseln &#8211; und setzt diese Bed\u00fcrfnisse dann in technische Spezifikationen f\u00fcr den Roboter um. Dies stellt eine deutliche Abkehr von Standardproduktkonfigurationen dar, denn das System geht von den Kundenanforderungen aus und schl\u00e4gt dann auf der Grundlage dieser Anforderungen geeignete Produkte vor.  <\/p>\n\n<p id=\"viewer-wb47r55870\">Dar\u00fcber hinaus hebt Matthias hervor, dass die Integration des Systems in verschiedene Gesch\u00e4ftsprozesse, wie CPQ-, Handels- oder CRM-Systeme, Teil seiner Laufzeitfunktionalit\u00e4ten ist. Diese Integration ist von entscheidender Bedeutung, da sie es dem System erm\u00f6glicht, Teil des gesamten Verkaufsprozesses zu sein, von der Erstellung einer Empfehlung bis zum Abschluss eines Produktangebots. <\/p>\n\n<p id=\"viewer-mv6aw55873\">Dar\u00fcber hinaus bietet SAP vorgefertigte Modelle an, die Benutzer sofort verwenden k\u00f6nnen und die erste Empfehlungen auf der Grundlage allgemeiner Daten liefern. Um jedoch ma\u00dfgeschneiderte Ergebnisse zu erhalten, die mit den spezifischen historischen Daten oder dem Produktkatalog eines Unternehmens \u00fcbereinstimmen, hat SAP es den Anwendern erm\u00f6glicht, ihre eigenen Modelle zu trainieren, ohne dass sie umfangreiche Programmierkenntnisse ben\u00f6tigen. Diese Funktion demokratisiert die Verwendung von fortschrittlichen maschinellen Lernwerkzeugen f\u00fcr den Vertrieb und macht sie auch f\u00fcr Administratoren oder Endbenutzer zug\u00e4nglich, die keinen technischen Hintergrund haben.  <\/p>\n\n<h2 class=\"wp-block-heading\" id=\"integration-with-other-business-platforms\">Integration mit anderen Gesch\u00e4ftsplattformen<\/h2>\n\n<figure class=\"wp-block-image size-full\"><img decoding=\"async\" width=\"3092\" height=\"1666\" src=\"https:\/\/www.clarity.cx\/wp-content\/uploads\/2023\/12\/Image-2.jpg\" alt=\"SAP Intelligentes Produktempfehlungssystem, CLARITY\" class=\"wp-image-3735\" srcset=\"https:\/\/www.clarity.cx\/wp-content\/uploads\/2023\/12\/Image-2.jpg 3092w, https:\/\/www.clarity.cx\/wp-content\/uploads\/2023\/12\/Image-2-960x517.jpg 960w, https:\/\/www.clarity.cx\/wp-content\/uploads\/2023\/12\/Image-2-1920x1035.jpg 1920w, https:\/\/www.clarity.cx\/wp-content\/uploads\/2023\/12\/Image-2-768x414.jpg 768w, https:\/\/www.clarity.cx\/wp-content\/uploads\/2023\/12\/Image-2-1536x828.jpg 1536w, https:\/\/www.clarity.cx\/wp-content\/uploads\/2023\/12\/Image-2-2048x1103.jpg 2048w\" sizes=\"(max-width: 3092px) 100vw, 3092px\" \/><\/figure>\n\n<p id=\"viewer-q59f755880\">Wie Matthias Hirsch ausf\u00fchrt, bietet das System SAP Intelligent Product Recommendation umfassende Integrationsm\u00f6glichkeiten sowohl mit SAP- als auch mit Nicht-SAP-L\u00f6sungen, wodurch es sich als vielseitiges Instrument f\u00fcr verschiedene Gesch\u00e4ftsanwendungen etabliert. Diese nahtlose Integration ist von zentraler Bedeutung f\u00fcr die Infrastruktur des Systems. Sie erleichtert die Automatisierung von Verkaufsprozessen und sorgt f\u00fcr schlanke Abl\u00e4ufe mit verbesserter Effizienz w\u00e4hrend des gesamten Verkaufszyklus. <\/p>\n\n<p id=\"viewer-urfeh55883\">Matthias unterscheidet zwei prim\u00e4re Arten der Integration, die f\u00fcr das System relevant sind:<\/p>\n\n<ul class=\"wp-block-list\">\n<li>Aufzeichnungssysteme  <\/li>\n\n\n\n<li>Systeme des Engagements.  <\/li>\n<\/ul>\n\n<p id=\"viewer-ni9fp55893\"><strong>Datensatzsysteme<\/strong> beziehen sich auf Plattformen, auf denen wichtige Verkaufs- und Transaktionsdaten gespeichert werden. Diese Daten sind entscheidend f\u00fcr das Training des maschinellen Lernmodells, das dem Produktempfehlungssystem zugrunde liegt. Beispiele f\u00fcr solche Systeme sind <a href=\"https:\/\/www.clarity.cx\/packages\/sap-ecc-migration-s4hana\/\">S\/4HANA, ECC<\/a>, CPQ-Systeme oder alle Handelssysteme, in denen historische Verkaufsdaten wie Angebote, Warenk\u00f6rbe und Bestellungen gespeichert sind. Das SAP Intelligent Product Recommendation System l\u00e4sst sich mit diesen Plattformen integrieren, um die erforderlichen Daten zu extrahieren und so die Grundlage f\u00fcr pr\u00e4zise und effektive Produktempfehlungen zu schaffen.   <\/p>\n\n<p id=\"viewer-b96sm55897\">Auf der anderen Seite sind <strong>Engagement-Systeme<\/strong> die Plattformen, die von den Vertriebsmitarbeitern bei ihrer t\u00e4glichen Arbeit verwendet werden. Dabei kann es sich um CRM-L\u00f6sungen wie <a href=\"https:\/\/www.clarity.cx\/products\/sap-sales-cloud\/\">SAP Sales Cloud<\/a>, CPQ-L\u00f6sungen wie <a href=\"https:\/\/www.clarity.cx\/products\/sap-cpq\/\">SAP CPQ<\/a> oder verschiedene Handelsl\u00f6sungen handeln. Die Integration mit diesen Systemen ist von entscheidender Bedeutung, da sie es den Vertriebsteams erm\u00f6glicht, auf die Ergebnisse der Produktempfehlungen zuzugreifen und diese zu nutzen. Dies erleichtert die Automatisierung der Vertriebsprozesse und rationalisiert die Vertriebsaktivit\u00e4ten.  <\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\">\n<p>Ein wesentliches Merkmal der SAP AI-Integration ist das API-first-Paradigma.<\/p>\n<\/blockquote>\n\n<p id=\"viewer-if8op55902\">Ein Hauptmerkmal der SAP <a href=\"https:\/\/www.clarity.cx\/services\/ai-services\/\">AI-Integration<\/a> ist das API-first-Paradigma. Dieser Ansatz stellt sicher, dass die Benutzer eine Laufzeit-Benutzeroberfl\u00e4che (UI) erhalten, die auf der Grundlage des zugrunde liegenden Datenmodells dynamisch gerendert wird, \u00e4hnlich wie in <a href=\"https:\/\/www.clarity.cx\/products\/sap-lo-vc-avc\/\">LO-VC oder AVC<\/a>. Diese vorgefertigte Benutzeroberfl\u00e4che reduziert den Bedarf an benutzerdefiniertem UI-Design erheblich und rationalisiert den Implementierungsprozess. Matthias weist jedoch darauf hin, dass die Flexibilit\u00e4t des Systems so weit geht, dass Unternehmen ihre eigenen Benutzeroberfl\u00e4chen verwenden k\u00f6nnen, indem sie diese \u00fcber die von SAP bereitgestellten APIs integrieren.   <\/p>\n\n<p id=\"viewer-kxwnb55907\">Dieser duale Integrationsansatz erm\u00f6glicht nicht nur die Nutzung von Backend-Konfigurationssystemen, so genannten Systems of Records wie <a href=\"https:\/\/www.clarity.cx\/products\/sap-s4hana-public-cloud\/\">S\/4HANA<\/a> oder CPQ, sondern erleichtert auch die Integration mit Verbrauchssystemen. Als Teil der SAP-Suite f\u00fcgt sich die Intelligente Produktempfehlung nahtlos in das breitere SAP-\u00d6kosystem ein und steigert damit ihren Nutzen und ihre Anwendbarkeit in verschiedenen Gesch\u00e4ftskontexten. <\/p>\n\n<h2 class=\"wp-block-heading\" id=\"ideal-users-for-product-recommendation-system\">Ideale Benutzer f\u00fcr das Produktempfehlungssystem<\/h2>\n\n<p id=\"viewer-exilz55912\">Bei der Frage nach den idealen Nutzern f\u00fcr SAPs Intelligentes Produktempfehlungssystem bietet Matthias aufschlussreiche Perspektiven f\u00fcr die Eignung des Systems in verschiedenen Gesch\u00e4ftsszenarien. Er r\u00e4umt ein, dass das System besonders effektiv f\u00fcr komplexe Produktverk\u00e4ufe ist, die ein differenziertes Verst\u00e4ndnis der Kundenbed\u00fcrfnisse und technischen Spezifikationen erfordern. <\/p>\n\n<p id=\"viewer-7ud3h55915\">Matthias weist darauf hin, dass das maschinelle Lernen, die treibende Kraft hinter diesem System, von Natur aus datengesteuert ist. F\u00fcr eine effektive Implementierung w\u00fcrden Unternehmen idealerweise auf umfangreiche historische Verkaufsdaten der letzten 5 bis 10 Jahre zur\u00fcckgreifen, um das urspr\u00fcngliche Modell zu trainieren. Diese Anforderung kann f\u00fcr einige Kunden eine Herausforderung darstellen, insbesondere f\u00fcr kleine und mittlere Unternehmen (KMU), die m\u00f6glicherweise nicht \u00fcber umfangreiche Verkaufsdaten verf\u00fcgen. SAP begegnet dieser Herausforderung jedoch, indem es Methoden anbietet, um nat\u00fcrlich gewachsene Daten mit synthetischen Daten zu erg\u00e4nzen, so dass diese Unternehmen das System effektiv nutzen k\u00f6nnen.   <\/p>\n\n<p id=\"viewer-8hjd755918\">Bei der Frage, welche Kunden f\u00fcr dieses Produkt nicht geeignet sind, dreht Matthias die Perspektive um und betont diejenigen, die am meisten davon profitieren w\u00fcrden. Er erkl\u00e4rt, dass das System ideal f\u00fcr den Verkauf komplexer Produkte geeignet ist, bei denen technische Feinheiten und kundenspezifische Anforderungen im Vordergrund stehen. Dies steht im Gegensatz zu Verkaufsumgebungen, die sich auf emotionale oder verbraucher\u00e4hnliche Kauferlebnisse konzentrieren, bei denen die Produktempfehlung vielleicht unkomplizierter und weniger technisch ist.  <\/p>\n\n<p id=\"viewer-1inkk55921\">Matthias f\u00fchrt weiter aus, dass sich das System f\u00fcr intelligente Produktempfehlungen in Umgebungen auszeichnet, in denen Produkte in der Regel nicht ab Lager verkauft, sondern individuell angepasst oder in einer Losgr\u00f6\u00dfe von einem Prozess hergestellt werden. Dieser Anpassungsaspekt ist entscheidend f\u00fcr Unternehmen, die mit komplizierten Produkten zu tun haben, die eine detaillierte Konfiguration erfordern, wie z.B. Industrieanlagen oder Spezialmaschinen. <\/p>\n\n<h2 class=\"wp-block-heading\" id=\"real-world-applications\">Real-World-Anwendungen<\/h2>\n\n<figure class=\"wp-block-image size-full\"><img decoding=\"async\" width=\"1546\" height=\"833\" src=\"https:\/\/www.clarity.cx\/wp-content\/uploads\/2023\/12\/Image-4.png\" alt=\"Generative KI f&#xFC;r das intelligente Produktempfehlungssystem von SAP, CLARITY\" class=\"wp-image-3736\" srcset=\"https:\/\/www.clarity.cx\/wp-content\/uploads\/2023\/12\/Image-4.png 1546w, https:\/\/www.clarity.cx\/wp-content\/uploads\/2023\/12\/Image-4-960x517.png 960w, https:\/\/www.clarity.cx\/wp-content\/uploads\/2023\/12\/Image-4-768x414.png 768w, https:\/\/www.clarity.cx\/wp-content\/uploads\/2023\/12\/Image-4-1536x828.png 1536w\" sizes=\"(max-width: 1546px) 100vw, 1546px\" \/><\/figure>\n\n<p id=\"viewer-vd7mo55926\">Obwohl das intelligente Produktempfehlungssystem von SAP erst seit kurzem auf dem Markt ist, schl\u00e4gt es in der Praxis bereits hohe Wellen. Matthias erz\u00e4hlt, dass er auf dem DSHE-Gipfel in Deutschland, einem bedeutenden Treffen der deutschsprachigen SAP-Anwendergemeinschaft, einen Vortrag gehalten hat. Dort sprach er \u00fcber einen \u00fcberzeugenden Anwendungsfall bei einem Kunden, mit dem sie zusammenarbeiten.  <\/p>\n\n<p id=\"viewer-ls0ij55930\">Dieser Kunde hat sich auf die Entwicklung und Konstruktion von Stufenschaltern spezialisiert, einer wichtigen Komponente f\u00fcr gro\u00dfe Stromtransformatoren. Die Herausforderung, vor der er stand, war kompliziert: Er musste die Spezifikationen eines Transformators genau verstehen, um einen geeigneten Stufenschalter zu entwerfen.   <\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\">\n<p>&#8220;Dieses Szenario ist ein Paradebeispiel daf\u00fcr, dass unser Intelligentes Produktempfehlungssystem eine zentrale Rolle spielt. Mithilfe dieses innovativen Tools konnten wir ma\u00dfgeschneiderte Vorschl\u00e4ge f\u00fcr den am besten geeigneten Stufenschalter f\u00fcr einen bestimmten Transformator unter Ber\u00fccksichtigung der spezifischen Kundenanforderungen machen. Dieser Anwendungsfall geht \u00fcber die blo\u00dfe Pr\u00e4sentation der technischen F\u00e4higkeiten unseres Produkts hinaus. Es geht darum, die effektive Umsetzung von KI-gesteuerten Verkaufsstrategien in komplexen Verkaufsprozessen zu veranschaulichen und die Art und Weise zu ver\u00e4ndern, wie Produkte auf die Bed\u00fcrfnisse der Kunden abgestimmt werden.&#8221;<\/p>\n<\/blockquote>\n\n<p id=\"viewer-ug0vc55936\">Dar\u00fcber hinaus weist Matthias darauf hin, dass SAP an verschiedenen Proof-of-Work-Projekten mit anderen Kunden beteiligt ist. Diese Kooperationen sind von entscheidender Bedeutung, da sie die Kunden dabei unterst\u00fctzen, die M\u00f6glichkeiten der KI f\u00fcr ihre Vertriebsstrategien zu nutzen, und es SAP erm\u00f6glichen, solide Referenzen aufzubauen. Diese Referenzen sind wichtig, um eine solidere Pr\u00e4senz in der Branche aufzubauen und die praktischen Vorteile und greifbaren Erfolge der SAP Intelligent Product Recommendation bei der Nutzung von KI im Vertrieb zu demonstrieren. Sie unterstreichen die Wirksamkeit von KI-gesteuerten Vertriebsstrategien und sind ein Beweis f\u00fcr die F\u00e4higkeit des Systems, neue M\u00f6glichkeiten des maschinellen Lernens zu erschlie\u00dfen, insbesondere im Bereich des Vertriebs.   <\/p>\n\n<h2 class=\"wp-block-heading\" id=\"adapting-to-dynamic-product-catalogs\">Anpassen an dynamische Produktkataloge<\/h2>\n\n<p id=\"viewer-5zk6n55941\">Im Bereich der Unternehmenstechnologien ist eine der gr\u00f6\u00dften Herausforderungen die Anpassung an dynamische Produktkataloge. Die Flexibilit\u00e4t, sich an ver\u00e4nderte Produktspezifikationen und Angebote anzupassen, ist entscheidend. Matthias erkl\u00e4rt das Konzept, das beim maschinellen Lernen als &#8220;Kaltstartproblem&#8221; bekannt ist und das beim Umgang mit dynamischen Produktkatalogen besonders relevant ist. Er beschreibt den Ansatz des SAP-Systems als einen pr\u00e4ventiven Schritt vor dem Start des Produktkonfigurators. Der Schl\u00fcssel liegt laut Matthias darin, sich auf die &#8220;harten Faktoren&#8221; eines Produkts zu konzentrieren &#8211; also auf die Elemente, die wesentlich und weniger anf\u00e4llig f\u00fcr \u00c4nderungen sind &#8211; und nicht auf die &#8220;weichen Faktoren&#8221;, die anf\u00e4lliger f\u00fcr h\u00e4ufige Aktualisierungen sind.    <\/p>\n\n<p id=\"viewer-zstoh55944\">Wenn beispielsweise bestimmte grundlegende Aspekte eines Produkts wie die Kernfunktionalit\u00e4t oder die Schl\u00fcsselkomponenten konstant bleiben, obwohl sich andere Eigenschaften wie die Farbe oder kleinere Merkmale \u00e4ndern, kann sich das System reibungsloser anpassen. In Szenarien, in denen v\u00f6llig neue Komponenten eingef\u00fchrt werden, skizziert Matthias zwei Strategien. Erstens kann das System allm\u00e4hlich lernen und sich durch eine R\u00fcckkopplungsschleife anpassen, in der es mit neuen Daten, wie z.B. monatlichen Verkaufsangeboten, neu trainiert wird. Diese Methode stellt sicher, dass das Modell mit den Markttrends und Kundenpr\u00e4ferenzen Schritt h\u00e4lt.   <\/p>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\">\n<p>Der Vorteil der Verwendung synthetischer Daten liegt in ihrer Unmittelbarkeit. Sie erm\u00f6glichen es dem maschinellen Lernmodell, neue Parameter schnell zu integrieren, ohne darauf zu warten, dass umfangreiche Daten aus der realen Welt gesammelt werden.<\/p>\n<\/blockquote>\n\n<p id=\"viewer-dwlfj55947\">Als Alternative f\u00fcr eine schnellere Anpassung schl\u00e4gt Matthias die Erstellung von synthetischen Datens\u00e4tzen durch technische Produktmanager vor. Diese Datens\u00e4tze sind so konzipiert, dass sie m\u00f6gliche \u00c4nderungen oder neue Funktionen in Produkten widerspiegeln. Der Vorteil der Verwendung synthetischer Daten ist ihre Unmittelbarkeit. Sie erm\u00f6glichen es dem maschinellen Lernmodell, neue Parameter schnell zu integrieren, ohne auf die Ansammlung umfangreicher Daten aus der realen Welt zu warten.  <\/p>\n\n<p id=\"viewer-v5c8j55950\">Diese F\u00e4higkeit ist nicht nur auf das technische Team von SAP beschr\u00e4nkt, sondern steht auch den Endbenutzern zur Verf\u00fcgung. Jeder technische Produktmanager, der \u00fcber die Einsatzm\u00f6glichkeiten und Spezifikationen seines Produkts Bescheid wei\u00df, kann diese synthetischen Datens\u00e4tze entwickeln. Dieser proaktive Ansatz erm\u00f6glicht eine schnelle Reaktion auf Marktver\u00e4nderungen und stellt sicher, dass das SAP Intelligent Product Recommendation System ein robustes und anpassungsf\u00e4higes Instrument f\u00fcr den Vertrieb in einem dynamischen Marktumfeld bleibt.  <\/p>\n\n<h2 class=\"wp-block-heading\" id=\"future-innovations-in-product-recommendation\">Zuk\u00fcnftige Innovationen bei Produktempfehlungen<\/h2>\n\n<p id=\"viewer-00zgv55955\">W\u00e4hrend sich die Intelligente Produktempfehlung von SAP im Bereich des KI-gesteuerten Verkaufs weiter etabliert, sind bereits zuk\u00fcnftige Innovationen in Sicht, die die F\u00e4higkeiten des Systems weiter verbessern werden. Matthias betont die m\u00f6gliche Integration von generativer KI in das SAP Intelligent Product Recommendation System. Er stellt fest, dass gro\u00dfe Sprachmodelle wie Bard oder GPT-4 zwar ihre St\u00e4rken, aber auch ihre Grenzen haben, insbesondere bei Aufgaben wie der f\u00fcr die Produktkonfiguration entscheidenden Klassifizierung. Diese Modelle k\u00f6nnen jedoch eine entscheidende Rolle spielen, wenn sie in Verbindung mit spezialisierten neuronalen Netzen eingesetzt werden.   <\/p>\n\n<p id=\"viewer-85os755958\">Ein innovatives Beispiel, das Matthias vorstellt, ist die Verwendung einer Chat-Funktion oder einer E-Mail f\u00fcr die Produktkonfiguration. In diesem Szenario k\u00f6nnte die E-Mail eines Kunden, in der er seine Bed\u00fcrfnisse beschreibt, direkt in das intelligente Produktempfehlungssystem eingespeist werden. Das System w\u00fcrde dann ein umfangreiches Sprachmodell verwenden, um die notwendigen Informationen zu extrahieren und diese Bed\u00fcrfnisse mit einem speziellen maschinellen Lernmodell abzugleichen. Dieser Prozess vereinfacht nicht nur die Aufgabe der Produktkonfiguration, sondern stellt auch sicher, dass die Empfehlungen genau auf die spezifischen Anforderungen des Kunden zugeschnitten sind.   <\/p>\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" width=\"1920\" height=\"1035\" src=\"https:\/\/www.clarity.cx\/wp-content\/uploads\/2023\/12\/Image-3-1-1920x1035.jpg\" alt=\"Integration von generativen KI-Modellen, CLARITY\" class=\"wp-image-3740\" srcset=\"https:\/\/www.clarity.cx\/wp-content\/uploads\/2023\/12\/Image-3-1-1920x1035.jpg 1920w, https:\/\/www.clarity.cx\/wp-content\/uploads\/2023\/12\/Image-3-1-960x517.jpg 960w, https:\/\/www.clarity.cx\/wp-content\/uploads\/2023\/12\/Image-3-1-768x414.jpg 768w, https:\/\/www.clarity.cx\/wp-content\/uploads\/2023\/12\/Image-3-1-1536x828.jpg 1536w, https:\/\/www.clarity.cx\/wp-content\/uploads\/2023\/12\/Image-3-1-2048x1103.jpg 2048w\" sizes=\"(max-width: 1920px) 100vw, 1920px\" \/><\/figure>\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\">\n<p>Die Integration von generativen KI-Modellen geht \u00fcber die Analyse der Kundenbed\u00fcrfnisse hinaus.<\/p>\n<\/blockquote>\n\n<p id=\"viewer-uappe55961\">Die Integration von generativen KI-Modellen geht \u00fcber die Analyse der Kundenbed\u00fcrfnisse hinaus. Matthias stellt sich ein System vor, in dem eine maschinell generierte Empfehlung weiter verfeinert werden kann, indem sie in ein generatives KI-Modell zur\u00fcckgef\u00fchrt wird. Dieses Modell w\u00fcrde dann den Kontext des Kunden und die urspr\u00fcngliche Empfehlung ber\u00fccksichtigen, um ein ma\u00dfgeschneidertes Nutzenversprechen zu erstellen und so den personalisierten Aspekt des Verkaufsprozesses deutlich zu verbessern.  <\/p>\n\n<p id=\"viewer-y55w155964\">Dieser Ansatz f\u00fcr Produktempfehlungen stellt eine Verschmelzung der umfassenden Intelligenz gro\u00dfer Sprachmodelle und der Pr\u00e4zision spezialisierter maschineller Lernalgorithmen dar. Er veranschaulicht die Synergie zwischen verschiedenen KI-Disziplinen und zielt darauf ab, ein nahtloses Erlebnis zu bieten, bei dem sich der Endnutzer nicht um die zugrunde liegende Komplexit\u00e4t k\u00fcmmern muss. <\/p>\n\n<p id=\"viewer-ojfff55967\">Die Vision f\u00fcr die intelligente Produktempfehlung von SAP ist, dass es im Verkaufsprozess nicht nur um die Abwicklung von Gesch\u00e4ften geht, sondern auch um den Aufbau von Beziehungen und das Verst\u00e4ndnis der Kundenbed\u00fcrfnisse auf einer tieferen Ebene. Durch die Automatisierung sich wiederholender Aufgaben und die Verbesserung der Qualit\u00e4t von Kundeninteraktionen k\u00f6nnen sich Vertriebsmitarbeiter auf h\u00f6herwertige Aufgaben konzentrieren, wie die Pflege von Kundenbeziehungen und die Personalisierung von KI-gesteuerten Vertriebsstrategien. <\/p>\n\n<h2 class=\"wp-block-heading\" id=\"the-bottom-line\">Die Quintessenz<\/h2>\n\n<p id=\"viewer-dph1r55972\">Das SAP-System f\u00fcr intelligente Produktempfehlungen ist ein herausragendes Beispiel f\u00fcr die Produktinnovationen von SAP, das die bedeutende Rolle von KI und maschinellem Lernen in der Gesch\u00e4ftswelt, insbesondere im Vertriebsbereich, verdeutlicht. Mit seiner F\u00e4higkeit, komplexe Produktverk\u00e4ufe zu automatisieren, sich nahtlos in verschiedene Gesch\u00e4ftsplattformen zu integrieren und sich an dynamische Produktkataloge anzupassen, ist es ein entscheidender Faktor f\u00fcr die Gestaltung der Zukunft der Vertriebstechnologie. Dieses System rationalisiert nicht nur komplexe Verkaufsprozesse, sondern er\u00f6ffnet auch neue Wege f\u00fcr personalisierte Kundeninteraktionen und effizientere KI-gesteuerte Verkaufsstrategien.  <\/p>\n\n<p id=\"viewer-ly8p655976\">Karyna Mihalevich hebt das transformative Potenzial dieser Innovationen hervor und beobachtet einen bemerkenswerten \u00dcbergang von arbeitsintensiven, manuellen Methoden zu rationalisierten, KI-gesteuerten, passgenauen Angeboten. Als Verk\u00f6rperung des Engagements von SAP f\u00fcr die Weiterentwicklung der Vertriebstechnologie zielt die Zukunft des SAP Intelligent Product Recommendation Systems darauf ab, das Vertriebserlebnis zu revolutionieren und zu personalisieren. Dieser Sprung in der KI und im maschinellen Lernen markiert den Beginn einer neuen \u00c4ra in der Produktkonfiguration und -empfehlung und erweitert die Grenzen des M\u00f6glichen im Vertrieb.  <\/p>\n","protected":false},"excerpt":{"rendered":"<p>Unser Gast: Matthias Hirsch, Produktmanager im Bereich Customer Experience &amp; Industries bei SAP.<\/p>\n","protected":false},"author":3,"featured_media":0,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"content-type":"","footnotes":""},"categories":[],"tags":[79],"class_list":["post-10697","post","type-post","status-publish","format-standard","hentry","tag-ai"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.clarity.cx\/de\/wp-json\/wp\/v2\/posts\/10697","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.clarity.cx\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.clarity.cx\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.clarity.cx\/de\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/www.clarity.cx\/de\/wp-json\/wp\/v2\/comments?post=10697"}],"version-history":[{"count":1,"href":"https:\/\/www.clarity.cx\/de\/wp-json\/wp\/v2\/posts\/10697\/revisions"}],"predecessor-version":[{"id":10743,"href":"https:\/\/www.clarity.cx\/de\/wp-json\/wp\/v2\/posts\/10697\/revisions\/10743"}],"wp:attachment":[{"href":"https:\/\/www.clarity.cx\/de\/wp-json\/wp\/v2\/media?parent=10697"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.clarity.cx\/de\/wp-json\/wp\/v2\/categories?post=10697"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.clarity.cx\/de\/wp-json\/wp\/v2\/tags?post=10697"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}