SAP B1 Blog

Diese Reihe beschäftigt sich mit Künstlicher Intelligenz im Zusammenspiel mit SAP Business One. Nicht als Ansammlung von Produktankündigungen, sondern als Versuch, grundlegende KI-Prinzipien einmal in Ruhe durchzudenken und an einem Beispiel aus dem ERP-Alltag zu spiegeln. Diesmal geht es um eine Frage, die weit über reine Textgenerierung hinausreicht. Wie entscheidet ein KI-Modell, wenn eine Aufgabe nicht nur einen richtigen nächsten Satz, sondern mehrere aufeinander aufbauende Schritte verlangt? Der Fachbegriff dafür lautet Language Agent Tree Search, kurz LATS.

Weiterlesen: LATS: Mehrere Wege gleichzeitig durchdenkt mit KI — und die Verfügbarkeitsprüfung in SAP B1

Schnell ist nicht dasselbe wie richtig

Ein KI-Modell, das einfach die erste Idee zu Ende schreibt, wirkt schnell. Das will man doch.

Schnell ist aber nicht dasselbe wie richtig. Wer nur den ersten plausibel klingenden Gedanken sofort umsetzt, hat über dessen Qualität noch nichts gesagt. Bei einem Werbetext mag ein einziger Durchlauf reichen, weil sich das Ergebnis notfalls nachträglich korrigieren lässt. Bei Aufgaben mit mehreren aufeinanderfolgenden Schritten trägt dieselbe Haltung nicht mehr.

Warum das mehr ist als eine technische Frage

Für Geschäftsführer und Finanzverantwortliche ist das mehr als eine akademische Frage. Ein KI-Agent könnte künftig eigenständig Bestellvorschläge prüfen, Lieferantenangebote vergleichen oder einer Störung in einer Anwendung nachgehen. Entscheidend ist dabei eine einzige Weichenstellung: Wägt das Modell mehrere Wege gegeneinander ab, oder folgt es blind dem ersten Einfall? Ein System, das nur eine Spur verfolgt, kann sich in einer frühen Fehlannahme festfahren. Es merkt diese Fehlannahme nicht selbst. Ein System, das mehrere Spuren parallel verfolgt und miteinander vergleicht, hat wenigstens eine Chance. Es kann den Irrweg rechtzeitig verlassen.

Das gilt für viele Aufgaben im Betrieb, nicht nur für Software. Wer einen Liefertermin plant, eine Bestellentscheidung trifft oder einem Fehler in einer komplexen Anwendung nachgeht, entscheidet nicht einmal, sondern mehrfach hintereinander. Jede Entscheidung hängt von der vorherigen ab. Ein einzelner falscher Zwischenschritt reicht, um am Ende bei einer Antwort zu landen. Diese klingt zwar flüssig, geht aber am eigentlichen Problem vorbei. Genau diese mehrschrittige Struktur überfordert reine Textgenerierung, so leistungsfähig das einzelne Sprachmodell dahinter auch sein mag.

Ein Prinzip, das es schon gibt

Was fehlt, ist etwas sehr Alltägliches: das Abwägen zwischen mehreren Alternativen. Diese Abwägung findet statt, bevor man sich festlegt. Menschen tun das ständig, meist ohne es zu bemerken. Bei einer wichtigen Entscheidung im Betrieb wird nicht der erste Gedanke sofort umgesetzt. Zumindest überlegt man kurz, welche Alternativen es gibt. Erst danach fällt die Wahl. Genau dieses Prinzip lässt sich technisch nachbauen. Man muss nur wissen, wonach man suchen muss.

Bemerkenswert ist, dass genau dieses Abwägen sich in der Softwarelandschaft nicht neu erfinden lässt. Es existiert längst, nur unter einem anderen Namen und in einem anderen Werkzeug. Wer im Tagesgeschäft mit SAP Business One arbeitet, begegnet einer Funktion. Sie verkörpert genau dieses Prinzip. Niemand hat sie je als Künstliche Intelligenz bezeichnet.

Ein Schachspieler, der mehrere Züge im Kopf durchspielt

Ein guter Schachspieler zieht selten einfach den ersten Zug, der ihm einfällt. Im Kopf entstehen mehrere mögliche Fortsetzungen gleichzeitig: Zieht er hierhin, antwortet der Gegner wahrscheinlich so, und daraus ergibt sich eine bestimmte Stellung. Eine zweite gedachte Zugfolge führt zu einer anderen Stellung, eine dritte zu wieder einer anderen. Erst nach diesem inneren Durchspielen mehrerer Wege entscheidet sich der Spieler für einen einzigen, tatsächlich ausgeführten Zug.

Nach der Partie blickt derselbe Spieler häufig zurück und stellt fest, welche der gedachten, aber nicht gespielten Fortsetzungen eigentlich die bessere gewesen wäre. Dieses Vor-Denken mehrerer Pfade und das anschließende Bewerten, welcher Pfad sich gelohnt hätte, ist im Grunde nichts anderes als eine Baumstruktur im Kopf. Ein Ausgangspunkt, mehrere Äste, die von dort abgehen, und an jedem Ast wieder neue Äste. Genau diese Struktur bildet ein Verfahren namens LATS technisch nach, nur eben nicht auf einem Schachbrett, sondern bei Aufgaben mit vielen aufeinander aufbauenden Schritten.

Wenn ein Modell nicht nur weiterschreibt, sondern vorausdenkt

Was LATS aus Chain-of-Thought und ReAct macht

Der Fachbegriff LATS steht für Language Agent Tree Search. Er stammt aus einer 2023 veröffentlichten Forschungsarbeit mit dem Titel “Language Agent Tree Search Unifies Reasoning, Acting, and Planning in Language Models”. Zwei bereits bekannte Verfahren bilden die Grundlage. Chain-of-Thought lässt ein Modell seine Gedanken in einzelnen Schritten aufschreiben, bevor es zu einer Antwort kommt. ReAct erweitert das um Handlungen in einer Umgebung, etwa Werkzeugaufrufe, gefolgt von einer Beobachtung des Ergebnisses. Wie das im Detail funktioniert, beschreibt ein früherer Beitrag dieser Reihe über ReAct und den automatischen Bankabgleich in SAP Business One. LATS geht einen Schritt weiter. Es ordnet diese Schritte nicht mehr in einer einzigen Reihe an, sondern in einer Baumstruktur, ergänzt um eine Selbstreflexion am Ende jedes Durchlaufs.

Der sechsstufige Zyklus

Ein einzelner Durchlauf des Verfahrens läuft in sechs Schritten ab, die sich mit jeder Wiederholung erneut anstoßen:

1. Selection: Ausgehend vom bestehenden Suchbaum navigiert das Verfahren entlang der bisher am besten bewerteten Äste zu einem Knoten, an dem weitergesucht wird.
2. Expansion: An diesem Knoten erzeugt das Modell mehrere mögliche nächste Aktionen gleichzeitig und führt jede davon in der jeweiligen Umgebung aus.
3. Evaluation: Jede neu entstandene Aktion erhält einen Bewertungswert, gebildet aus einer Modell-Einschätzung (“LLM as a Judge”) und der Häufigkeit ähnlicher Aktionen. Diese Aktionen tauchen unter vielen Versuchen unterschiedlich häufig auf.
4. Simulation: Der bestbewertete neue Zweig wird bis zu einem Erfolg, einem Fehlschlag oder dem Ende des verfügbaren Budgets fortgeführt.
5. Backpropagation: Das Ergebnis dieser Simulation aktualisiert rückwirkend die Bewertungen aller Knoten, die auf dem Weg dorthin durchlaufen wurden.
6. Reflection: Das Modell verfasst eine kurze sprachliche Einschätzung dazu, was am Durchlauf gut lief und was nicht. Diese Einschätzung legt es für die nächste Runde ab.

UCT: wie die Auswahl zwischen Ästen funktioniert

Die Selection-Phase entscheidet nicht zufällig, welchem Ast sie folgt. Eine Formel namens UCT wägt zwei Größen gegeneinander ab: den bisher gemessenen Wert eines Astes und das Verhältnis der bisherigen Besuche. Dieses Verhältnis zeigt, wie oft ein Ast im Vergleich zu seinen Nachbarn bereits besucht wurde. Ein Ast mit hohem bisherigem Wert wird bevorzugt. Ein selten besuchter Ast bekommt trotzdem gelegentlich eine Chance. Ohne diesen Ausgleich würde das Verfahren entweder zu früh auf einen scheinbar guten, aber tatsächlich schwächeren Ast festlegen. Oder es würde endlos neue Äste ausprobieren, ohne je in die Tiefe zu gehen.

Die Verfügbarkeitsprüfung kennt das Prinzip schon: nur ohne Bewertung

Legt ein Anwender in SAP Business One einen Kundenauftrag an und übersteigt die bestellte Menge eines Artikels den verfügbaren Bestand, reagiert das System automatisch. Es blendet dann mehrere Lösungsoptionen gleichzeitig ein. Der Anwender sieht auf einen Blick vier Optionen. Er kann die Bestellung trotzdem in voller Höhe anlegen und später nachliefern. Er kann auch nur die tatsächlich verfügbare Teilmenge einplanen. Oder er bezieht den Artikel aus einem anderen Lager oder wechselt auf einen hinterlegten Alternativartikel.

Diese Mehrfach-Anzeige ist strukturell nah an dem, was LATS in der Expansion-Phase tut. Statt einer einzigen Aktion erzeugt das System mehrere konkrete, bereits geprüfte Optionen gleichzeitig, aus denen eine ausgewählt wird. Der Unterschied zu einer simplen Fehlermeldung (“nicht genug Bestand”) liegt genau hier: Es entsteht keine Sackgasse, sondern ein kleiner Baum aus Handlungsalternativen.

SAP Business One bewertet diese Optionen nicht selbst und wählt auch keine automatisch aus. Es gibt keine Instanz im System, die eine der vier Optionen als “die beste” markiert. Die Evaluation-Phase von LATS würde das mit einem Bewertungswert tun. Es gibt ebenso wenig eine Rückwärtsaktualisierung, die aus dem Ausgang eines Falls lernt und künftige Anzeigen beeinflusst. Genau das sieht die Backpropagation-Phase vor. Diese beiden Schritte bleiben vollständig beim Anwender.

Ein Gedankenexperiment: Wenn sich die Prüfung erinnern würde

Was jetzt folgt, ist ein Gedankenexperiment, keine Ankündigung. Eine solche Erweiterung ist bis jetzt nicht in SAP Business One enthalten, aber mit Künstlicher Intelligenz durchaus denkbar.

Heute zeigt die Verfügbarkeitsprüfung ihre vier Optionen. Sobald der Anwender eine Wahl getroffen hat, vergisst das System den Fall wieder. Denkbar wäre eine Erweiterung, die zusätzlich mitschreibt, wie ein Fall ausgegangen ist. Führte die Teillieferung zu einer pünktlichen Anlieferung oder zu einer Rückfrage des Kunden? Ging der Wechsel auf den Alternativartikel reibungslos durch, oder folgte eine Reklamation? Eine solche Erfahrung könnte in die nächste Anzeige einfließen. Optionen, die in ähnlichen Fällen gut abgeschnitten hätten, würden hervorgehoben. Optionen mit schlechterer Erfahrungsbilanz bekämen zumindest einen Hinweis.

Eine solche Rückkopplung bräuchte einen Maßstab dafür, was “gut ausgegangen” überhaupt bedeutet. Dieser Maßstab müsste sich in eine Zahl übersetzen lassen, damit ein System ihn überhaupt verarbeiten könnte. Ob “pünktlich” allein reicht oder auch Folgekosten, Reklamationsquote und Kundenzufriedenheit einfließen müssten, wäre eine Definitionsfrage. Diese Frage wäre vor jeder Zeile Programmcode zu klären. Diesen Maßstab festzulegen, dürfte im Zweifel schwerer sein als die Technik, die ihn am Ende verarbeitet.

Für wen sich das lohnt

Dieser Artikel richtet sich an Geschäftsführer und Finanzverantwortliche im Umfeld von SAP Business One. Er richtet sich an alle, die den Unterschied zwischen dem Begriff “KI-Agent” und einem einfachen Chatbot verstehen wollen. Er richtet sich außerdem an alle, die selbst mit Kundenaufträgen, Lagerlogistik oder Alternativartikeln zu tun haben. Wer in seinem Betrieb weder mit mehreren Lagern noch mit hinterlegten Alternativartikeln arbeitet, findet im Beispiel dieses Textes wenig Anschluss an die eigene Praxis. Die Begriffsklärung zu LATS kann er trotzdem mitnehmen.