Verzeichnis der Abschlussarbeiten

Die vorliegende Arbeit untersucht die Frage, ob Large Language Models (LLMs), insbesondere OpenAIs GPT-4, den Zugang zu und die Pflege von kundenspezifischen Informationen im Kontext von oft hochkomplexen und maßgeschneiderten SAP-Implementierungen, die häufig unter Lücken und Inkonsistenzen in der Dokumentation leiden, fördern können.

Ein Prototyp-Chatbot, der mit GPT-4 betrieben wird und auf SAPUI5 basiert, wurde entwickelt, um die Interaktion von Consultants und (Key) User mit wesentlichen SAP-bezogenen Informationen zu erleichtern. Die Studie verwendete qualitative Inhaltsanalysen durch geführte Interviews mit wichtigen Stakeholdern, die Erfahrung mit SAP-Implementierungen haben, um die praktische Anwendung des Chatbots in unternehmensspezifischen Kontexten zu bewerten.

Die Ergebnisse zeigen, dass LLMs erheblich dazu beitragen können, das Verständnis zu SAP-Implementierungen zu verbessern, jedoch ohne die statische Dokumentation vollständig ersetzen zu können. Die Studie betont auch die Bedeutung der kontinuierlichen Verbesserung, um die Fähigkeiten von LLMs vollständig auszuschöpfen, insbesondere zur Pflege bestehender Dokumentation.

Diese Arbeit liefert wertvolle Einblicke in die Rolle generativer KI-Technologien im ERP-Systemmanagement und zeigt auf, dass LLMs wie GPT-4 kritische Dokumentationslücken überbrücken und die User Experience in komplexen SAP-Umgebungen verbessern können.

This thesis investigates the question of whether Large Language Models (LLMs), specifically OpenAI's GPT-4, are able to foster access to and maintenance of customer-specific information in the context of often highly complex and customized SAP implementations, which often suffer from gaps and inconsistencies in documentation.

A prototype chatbot powered by GPT-4 and based on SAPUI5 was developed to facilitate interaction of both consultants and (key) users with essential SAP-related information. The study employed qualitative content analysis through guided interviews with key stakeholders experienced in SAP implementations to evaluate the chatbot's practical application within company-specific contexts.

The findings indicate that LLMs can significantly help improving the understanding of SAP implementations, however without being able to completely replace static documentation. The study also highlights the importance of continuous model improvement to fully leverage the capabilities of LLMs, especially for maintaining existing documentation.

This thesis contributes valuable insights into the role of generative AI technologies in ERP system management, suggesting that LLMs like GPT-4 can bridge critical documentation gaps and enhance the overall user experience in complex SAP environments.