الذكاء الاصطناعي – الجزء الثالث

في الجزء الثالث وقبل الأخير من سلسلة الذكاء الاصطناعي سأتطرق الى موضوع تأثير الذكاء الاصطناعي على عالم الأبحاث وسوق العمل. وبعدها سأنتقل للتحدث عن التأثير على المجتمع وعلاقة البشر. فكيف سيكون هذا التأثير وماذا سيكون دورنا؟

الذكاء الاصطناعي سيغير بشكل جذري عالم العلوم والأبحاث وسوق العمل.

حتى الآن تطرقنا إلى الوضع الحالي في مجال الأبحاث. الان دعونا نلقي نظرة على المستقبل.

على الرغم من أن أجهزة الذكاء الاصطناعي يتم إنشاؤها بناءً على غرار البشر، إلا أن البعض منها لديه نقاط قوة ونقاط ضعف مختلفة عن البشر. ما لا يفعلونه جيدًا، على سبيل المثال، هو تطوير النظريات حول العالم والحياة حيث تنقصهم الخبرة. ولكن مع ذلك، فعندما يتعلق الأمر بتحليل كميات كبيرة من البيانات، فإن أجهزة الكمبيوتر لا تُهزم. يمكنها تحليل كتل البيانات الكبيرة بسرعة والعثور على الارتباطات والعلاقات. سيستفيد عالم الأبحاث بشكل أكبر من نقاط القوة هذه للذكاء الاصطناعي في المستقبل ومن المحتمل أن يتم تحقيق تقدم كبير نتيجة لذلك.

من ناحية أخرى، ينطوي استخدام الذكاء الاصطناعي أيضًا على مخاطر معينة. على سبيل المثال، قد يقع المرء ضحية الإغراء ويرمي النظريات والفرضيات في مهب الريح. بدلاً من ذلك، يستخدم الذكاء الاصطناعي لتحليل كميات البيانات الهائلة. حيث يقوم الكمبيوتر بتحليل البيانات بدون هدف محدد مسبقا وبدون يقين من النجاح وبعدها نرى ما ينتج عنه. المشكلة في هذه الطريقة هي أن الذكاء الاصطناعي لا يستطيع في كثير من الأحيان التمييز بين السببية والارتباط. لذلك، غالبا ما يستخلص الاستنتاجات الخاطئة.

في كلتا الحالتين سيكون للذكاء الاصطناعي تأثير كبير على الطريقة التي يدار بها عالم العلوم والأبحاث في المستقبل. لكي يقوم الباحثون بذلك بشكل إيجابي حصرا، يجب أن يكونوا على دراية بالمخاطر. يجب أن يستمر الإنسان في توجيه البحث واستخدام الذكاء الاصطناعي بحيث يكون مفيدًا حقًا.

ليس عالم العلوم فقط الذي يتغير من خلال استخدام أجهزة الكمبيوتر الذكية ولكن سيتغير عالم العمل أيضًا. لقد بات أمرا واقعيا أن الآلات الذكية تتولى مهامنا. ولكن كم عدد المهن التي سنفقدها من خلال استخدام الذكاء الاصطناعي والروبوتات، هنا يكمن الاختلاف في الآراء حيث يتم التداول بنسب مختلفة. المؤكد أننا سنخسر الكثير من المهن.

قد يكون السائقون وعمال المستودعات أول من يفقدوا مهنهم. بالإضافة إلى ذلك، سيختفي جزء كبير من الوظائف المكتبية والروتينية. السكرتير الشخصي على سبيل المثال قد يصبح مهنة نادرة خلال 15 عامًا. والمهن الأخرى ستتأثر بالتغيير. سيكون العمل مع الذكاء الاصطناعي أمرًا لا مفر منه في أي موقع أو وظيفة.

يمكن لهذه التطورات أن تتسبب في اتساع الفجوة الحالية بين الأغنياء والفقراء أو بين أصحاب الكفاءات في تكنولوجيا المعلومات وغيرهم. إن كيفية التعامل مع هذا الأمر مسألة اجتماعية وسياسية ملحة. قد يكون الدخل الأساسي غير المشروط أحد الأجوبة على ذلك، لكن هذا الموضوع ما يزال مثيرا للجدل.

يمكن للذكاء الاصطناعي أن يقسم المجتمع ويزيد وحدة الإنسان.

يعرف معظم الناس أن الذكاء الاصطناعي يساهم في تغيير وتشكيل حياتنا اليومية. ومع ذلك، لا يدرك الكثيرون كيف أن هذا يغير أيضًا موقفنا تجاه المجتمع. على سبيل المثال، بالكاد نلاحظ أن الذكاء الاصطناعي يهدم بالفعل التضامن في مجتمعنا.

بالنسبة لعمالقة الإنترنت مثل فايسبوك وغوغل، يعد الذكاء الاصطناعي ذا أهمية لسبب واحد على وجه الخصوص: إنه يمكن الشركات من تحليل مستخدميها وصولاً إلى أدق التفاصيل. من خلال هذه المعرفة، يمكنهم إبقاء المستخدمين على موقعهم لفترة أطول وتحقيق المزيد من المبيعات من خلال الإعلانات المخصصة لهم.

سيكون هذا أقل إثارة لو لم يكن له الآثار المقلقة علينا وعلى تعايشنا – هذه الآثار التي ستتفاقم في المستقبل. الأخبار المزيفة مثلا في ازدياد هذه الأيام. السبب في أن الرسائل المزيفة تنتشر بسرعة في الشبكات الاجتماعية هو أن الخوارزميات الذكية لا تفرق بين الصحيح والخطأ. عندما تحفز المعلومات المستخدم على التفاعل، يتم رفعها للأعلى في الملف الشخصي الزمني "تايم لاين" - بغض النظر عن محتواها.

بالإضافة إلى ذلك، تؤدي الخوارزميات المذكورة وظيفة التصفية. إنهم يعرضون لنا معلومات في الغالب تتوافق مع آرائنا ووجهات نظرنا. وهذا يخلق ما يسمى بفقاعات التصفية التي - مثل الأخبار المزيفة - تدعم وجهات النظر المتطرفة.

يعمل الذكاء الاصطناعي أيضًا على تعزيز مبدأ الأسعار المخصصة بشكل متزايد. إذا صنف الذكاء الاصطناعي على سبيل المثال شخصًا على أنه معرض للمخاطر المالية على أساس ملفه الشخصي على وسائل التواصل الاجتماعي، تصبح القروض أكثر تكلفة لهذا الشخص. أي شخص يفكر أكثر في هذا التطور سوف يدرك المخاطر الهائلة للذكاء الاصطناعي في هذا المجال. هذا يمكن أن يزيد التصدع في مجتمعنا، لأنه يسهل هذه التطورات الخطيرة في عالم الاقتصاد عبر الإنترنت.

ولكن ماذا يحدث عندما تصبح لحظات التقارب بين الأفراد والتضامن نادرة على نحو متزايد؟ تعمل العديد من الشركات حاليًا على تطوير الروبوتات التي ستساعدنا في المستقبل المنظور كمرافقين اجتماعيين زائفين. من المفترض أن تتولى هذه الروبوتات مهامًا مختلفة. على سبيل المثال، من المفترض أن تسهل الألعاب الذكية على الأهل رعاية الأطفال والمساهمة في التطور الفكري للصغار. من ناحية أخرى، تهدف الروبوتات التمريضية إلى تقديم المودة للمسنين على وجه الخصوص، وبالتالي استبدال الموظفين البشر.

قد يكون هذا مجرد حلم للمستقبل، ولكن اليوم يتم استبدال العديد من أنواع اللقاءات والتواصل الشخصي بتطبيقات الذكاء الاصطناعي. على سبيل المثال، أصبحت هواتفنا الذكية أقرب المقربين لنا. تقدم إمكانيات عديدة يمكن أن تقلل من التفاعل والتواصل بين الأشخاص إلى الحد الأدنى، وتعطينا في نفس الوقت الشعور بأننا لسنا وحيدين من خلال التوفر الدائم لإمكانية التراسل والتواصل. في الحقيقة، إنها تجعلنا أكثر وحدة.

الذكاء الاصطناعي – الجزء الثاني

في الجزء الثاني من سلسلة الذكاء الاصطناعي سأتطرق الى موضوع تعلم الالات. فهل هي تتعلم وكيف؟  وبعدها سأنتقل للتحدث عن الحدود بين الالة والانسان. هل هي موجودة وماهي؟

الآلات أيضًا عليها أن تتعلم وهي تتحسن في ذلك بفضل التعلم العميق والروبوتات.

ليس فقط للبشر، ولكن أيضًا لأنظمة الكمبيوتر، فإن فرصة التعلم هي جانب أساسي من ذكائهم.

التعلم العميق هو مفهوم أساسي في استكشاف وتطوير الذكاء الاصطناعي. هذا يعني مجموعة من طرق التحسين (الذاتي) للشبكات العصبية الاصطناعية، أو بعبارة أخرى: طريقة معينة للتعلم. الشبكات العصبية، والتي على أساسها يعمل التعلم العميق، هي مصنعة على غرار الدماغ وتتكون من العديد من "الخلايا العصبية" المتماثلة، والتي تقع جنبًا إلى جنب على مستويات مختلفة.

الجزء العلوي من هذه الطبقات هو طبقة الإدخال، والجزء السفلي هو طبقة الإخراج. وبينهم العديد من الطبقات الأخرى التي تجعل التعلم "عميق". ومع ذلك، لا نعرف حتى الآن ما يحدث بالضبط على هذه المستويات. ولكن بالرغم من ذلك، فإنه يعمل بشكل جيد.

هذه الشبكات العصبية ليست مبرمجة، ولكنها مدربة. وهي تعمل على الشكل التالي: أولاً، يتم تغذية الشبكة المعنية بمجموعة كبيرة جدًا من البيانات. يمكن أن تكون على سبيل المثال تحتوي على صور للكلاب والقطط بالإضافة إلى معلومات عن الصورة التي تظهر الكلب والقط. يتلقى الجهاز بعد ذلك عددًا من الصور الأخرى، ولكن بدون المعلومات المرتبطة بها. الآن عليه أن يعرف إن كانت الصورة تظهر قطة أو كلبًا. وأخيرًا، يتم تقييم النتائج من قبل المدرب. ويتلقى الكمبيوتر التقييم ويعود تكرار المهمة حتى تصبح النتيجة مثالية.

الذي يجب أن يفكر كالإنسان يحتاج أيضًا إلى جسد. إذ أن العقل البشري يرتبط بشكل وثيق بالجسد. يمكننا على سبيل المثال مشاهدة ذلك عند الرضع والأطفال الصغار إذ أنهم يتعلمون بطريقة ملموسة للغاية: عندما يكون الطفل جائعًا، يبكي فتستجيب الأم بإرضاعه فيخزن الطفل هذه المعلومة: البكاء والشبع مرتبطان. يوضح هذا المثال كيف يرتبط المنطق والفيزياء معا منذ البداية.

لهذا السبب، تلعب الروبوتات دورًا محوريًا في أبحاث التعلم الآلي. إذ يجب على الآلات الذكية التي تمتلك جسمًا توجيه نفسها في المكان والتحرك. عليها لمس أو رفع أو نقل الأشياء. المهارات المطلوبة لذلك مشابهة لتلك التي نتعلمها في الطفولة.

تم تجهيز معظم الروبوتات بالذكاء الاصطناعي "الجاهز" كوحدة تحكم. ومع ذلك، يعتقد بعض الباحثين أن الروبوتات يجب أن تمر بطفولة فكرية لفهم عالمنا بشكل أفضل. مثلا ICub هو روبوت مستوى معرفته مثل طفل عمره ثلاث سنوات. يتم تدريسه في عدة مراكز بحث أوروبية مختلفة. لهذا الغرض، يحمل "معلموه" مثلا صورة نجم أمام الكاميرا ويلقنوه: "هذه نجمة".

الحدود بين الإنسان والآلة تختفي تدريجيا في بعض المجالات. ومع ذلك، سنبقى محافظين على بعض معاقل البشرية - على الأقل في الوقت الحاضر.

نحن مدينون لأحد تطبيقات الذكاء الاصطناعي للنشاط الحيوي لأحد أهم العلماء في عصرنا في سنواته الأخيرة. يمكن القول إن ستيفن هوكينج وجهاز الكمبيوتر الصوتي هو أبرز مثال على كيفية عمل البشر والآلات معًا والتعامل مع بعضهم البعض.

يتم العمل في عدد كثير من المختبرات حاليًا على إنشاء واجهات أخرى بين أجهزة الكمبيوتر والبشر أو الحيوانات أو على تحسين تلك الموجودة. السايبورج Cyborgs، على سبيل المثال، هم الأشخاص الذين يشاركون أجسادهم مع أجهزة ذكية من أجل استخدام التكنولوجيا الرقمية لتوسيع مهاراتهم. الملحن أعمى الألوان نيل هربيسون على سبيل المثال لديه حساس مزروع يلتقط الألوان عبر الكاميرا وينقلها إلى دماغه - كنغمات. حاليا تجذب حركة السايبورج المزيد من المتابعين.

إن مستوى تطور هذه الواجهات بين الحاسوب والدماغ حاليا متقدم. بالفعل يمكن الذكاء الاصطناعي المزروع العديد من الأشخاص المقعدين والغير القادرين على الانتقال من التواصل مع الاخرين، وهو الأمر الذي لم يكن ممكنًا بدون الذكاء الاصطناعي. يتواصلون مع الاخرين من خلال الحاسوب، الذي يتحكمون به عن طريق افكارهم. قد تسأل نفسك الان هل هذا نقل للأفكار؟

في الواقع، طرق نقل الفكر الرقمي قيد التطوير بالفعل وقد تم اختبارها بنجاح على الفئران. في الوقت نفسه، يتم العمل على تطوير ما يسمى بالروبوتات الهجينة الحيوية. تتكون هذه على سبيل المثال من خلايا قلب الفئران أو الدجاج التي يتم إدخال الروبوتات الصغيرة المجهرية العائمة فيها. الهدف أن تصبح هذه الروبوتات الصغيرة في نهاية المطاف مساعدة للأطباء تسبح في مجرى الدم.

الجسد والكمبيوتر يقتربان من بعض أكثر وأكثر. ومع ذلك، هناك بعض المناطق في أذهاننا لن يغزوها الكمبيوتر في الوقت القريب. هذه هي معاقل البشرية وتشمل المشاعر والوعي.

تتكون العواطف من مكونين: الوظيفة والتجربة. الألم مثلا يفي بوظيفة الإنذار. وهو مسؤول عن إبعادنا عن مصادر الألم مثل الموقد الساخن. يسهل نقل هذا الجانب نسبيًا إلى الروبوتات من خلال تجهيزها بأجهزة استشعار مناسبة. من الصعب تقليد المكون الآخر للألم - التجربة - رقمياً. إذ أن ذلك يتطلب الوعي.

بالنسبة للوعي فإننا نفهم ما يفعله ولكننا لا نعرف حتى الآن كيف ينشأ. بإمكاننا شرح ما هو الوعي. يسود الاعتقاد بأن الوعي مرتبط بالقدرة على التأمل الذاتي. هذا يعني أن كل كائن واعي لديه تصور ذهني عن نفسه. ومع ذلك، لا نعرف المزيد من التفاصيل حتى الآن. تثير محاولات لنسخ وخلق الوعي بشكل اصطناعي أسئلة مركزية حول الإنسانية. وهي ما زالت موضوع بحث في مجال الذكاء الاصطناعي العام.

الذكاء الاصطناعي - الجزء الأول

في هذا المقال عن الذكاء الاصطناعي سأشرح لفرصه وأخطاره الحقيقية وما هي قدرته حاليا حقًا وكيف ستتطور وأي الأفكار والمخاوف تنتمي جليا إلى الخيال العلمي.

لأن المقال سيتحدث عن جوانب ومجالات عدة فقررت تقسيمه إلى عدة أجزاء. أبدأ هنا بالجزء الأول منها.

فهم الذكاء الاصطناعي والتعرف على فرصه ومخاطره

ما هو الشيء المشترك بين Netflix وchatbots وآلات الحرب الحديثة؟ جميعها تعمل بأنظمة الكمبيوتر الذكية. للذكاء الاصطناعي العديد من الوجوه وهو بالفعل جزء لا يتجزأ من حياتنا اليومية. ولكن لا يزال هناك خلاف حول كيفية المضي قدما.

البعض يريد أن تسير الأمور بسرعة أكثر. طائرات بدون طيار، وبوتات bots كمساعد شخصي وأجهزة منزلية ذكية - هذا ما يبدو عليه المستقبل المثالي لهم. بينما يحذر آخرون من مخاطر الذكاء الاصطناعي. إنهم يرون أنفسهم كضحايا لآلات بلا قلب وبلا روح تتولى السيطرة على العالم وتريد إبادة منشئيها.

سأخبرك في هذا المقال بما هو واقعي حقًا، وما يمكن أن نتوقعه وما الأفكار والآمال والمخاوف التي ستظل خيالا خالصا. سأشرح أيضا ما يمكن أن تفعله الآلات الذكية اليوم ولما سيتم استخدامها في المستقبل. سيمكنك التعرف على المجالات المختلفة لتطبيقات الذكاء الاصطناعي ومعرفة كيف غيرت وستغير المجتمع بالفعل - سواء من الناحية الإيجابية أو السلبية.

سأتحدث أيضًا عن الأمور التالية:

·         لماذا تمر بعض الروبوتات بمرحلة طفولة

·         لماذا لا تعاني الروبوتات من الألم

·         كيف يمكن للذكاء الاصطناعي أن يساهم في اقتصاد أكثر عدالة.

الذكاء الاصطناعي هو مجال بحث واسع يخبرنا الكثير عن كيفية تفكير الناس والآلات

الخوارزمية التي ترسل إلينا الإعلانات المخصصة عندما نتصفح الانترنت هي مثال عن تطبيقات الذكاء الاصطناعي وكذلك ال   chatbots  لخدمة العملاء والسيارات الذاتية القيادة أيضًا. ولكن ماذا يعني ذلك بالضبط: الذكاء الاصطناعي؟

أولاً وقبل كل شيء، يشير مصطلح الذكاء الاصطناعي إلى حقل بحثي ضخم ومتنوع للغاية. تقع جميع محاولات التنفيذ الرقمي أو المحاكات للقدرات الذهنية البشرية وأنماط أعمالها ضمن هذا المجال الفرعي لعلوم الكمبيوتر. وتشمل هذه على سبيل المثال التعرف على الكلام والصور ولكن أيضا المهارات العقلية اللازمة للعب الشطرنج. ويسمى هذا النوع من الذكاء الاصطناعي أيضًا بالذكاء الاصطناعي الضعيف.

بالإضافة إلى ذلك، يجري العمل على تطوير الذكاء الاصطناعي العام أو القوي. وهذا يعني الذكاء الاصطناعي، الذي يخدم الانسان ليس فقط في مجالات معينة فحسب، بل في جميع المجالات، أي الذكاء الاصطناعي كما نعرفه في الخيال العلمي حتى الآن. ولكن ما زلنا بعيدين عن تحقيق مثل هذا.

يمر عالم الأبحاث حاليًا بمرحلة يتم فيها ربط مناهج بحثية مختلفة ودمج مزايا كل منها. الدافع وراء هذه البحوث ليس الاهتمام فقط وليست كلعا عن حسن نية. يقدم مجال الذكاء الاصطناعي إمكانيات اقتصادية هائلة، وهذا هو السبب أيضًا في إنشاء عدد لا يحصى من مراكز الأبحاث في الشركات والجامعات والمؤسسات العسكرية. الهدف هو تطوير الذكاء الاصطناعي واستغلال إمكاناته المستقبلية المحتملة.

من أجل محاكاة الذكاء رقميًا وتحقيق الربح والمنفعة منه، يجب علينا أولاً أن نفهم ما هو الذكاء البشري. نحن نعرف طريقة واحدة فقط للتفكير وهي طريقة البشر. فإذا أردنا صنع ذكاء، لا يمكننا القيام بذلك إلا على صورتنا. لذلك الطريقة التي تفكر بها الآلات يمكنها أن تخبرنا الكثير عن كيفية تفكيرنا نحن البشر.

يعمل علماء النفس والأعصاب وتكنولوجيا المعلومات حاليًا معًا لاستكشاف الذكاء البشري. حيث يجب تحليل مفاهيم مثل "الأفكار" و "طرق التفكير" وتقسيمها إلى أصغر مكوناتها المنطقية والكيميائية والإلكترونية. عندها فقط يمكن استخدامها بواسطة أجهزة الكمبيوتر.

ومع ذلك، لا تزال بعض جوانب الذكاء غامضة. على سبيل المثال، لا نعرف حتى الآن بالضبط كيف ينشأ الإبداع، ولماذا لدينا وعي أو لماذا نشعر بفرحة كبيرة عندما يفرز دماغنا هرمون الإندورفين. لهذا السبب، ليس من الممكن تعليم الكمبيوتر الإبداع أو الوعي. ولكن حتى بدون الوعي، يمكن للذكاء الاصطناعي أن يقدم الكثير للبشرية.

Processing incremental data load of SAP datasources (extractors) with Xtract QV and QlikView

Incremental data load (delta load) is a very common task when extracting data from SAP, especially when extracting a big amount of data (e.g. transaction data like accounting line items).

SAP delivers business content datasources (i.e. extractors) that can be extracted using the DeltaQ component in Xtract QV. Many of those extractors provide a delta mechanism (Update mode) that is managed by SAP. Executing an extractor in the Delta update mode delivers new, changed or deleted records since the last extraction.

This sample uses the SAP extractor 0CUSTOMER_ATTR (for Customer Attributes) to develop a template to process new and changed SAP data using Xtract QV and QlikView (QVD files).

How to build perfect SAP Integration using Xtract Universal and Kettle

In this blog I will show how to use Kettle to run SAP extractions created with Xtract Universal to load it into an Oracle Database. Xtract Universal is an SAP connector by Theobald Software, a leading vendor of SAP Integration products. Xtract Universal supports integration of your SAP data in the most different target systems, like SQL Server, Oracle, IBM DB2, Teradata, flat files and others – fast, straight-forward and user-friendly. Kettle (aka Pentaho Data Integration (PDI)) is an open source data integration (ETL) engine that allows the user to define data integration jobs and transformations.

Extracting an Open Hub Destination based on InfoObject from SAP BW with SSIS / Xtract IS into SQL Server

In the following tutorial (pdf) I show how to create an Open Hub Service (OHS) destination and a Data Transer Process (DTP) on SAP BW 7.3 based on InfoObject Texts. After that I create a Process chain to execute the Data Transfer Process.

In the second step I use the Xtract IS OHS component within the Server Server Integration Services (SSIS) to extract the OHS Destination from BW and to load to a SQL Server table.

Links:
OHS with Xtract IS (pdf)
http://www.theobald-software.com/download/xtractis/ClickThroughXtractISOHS.pdf Xtract IS:
http://www.theobald-software.com/en/products/xtractis.htm 
SAP Open Hub Service:
http://help.sap.com/saphelp_nw04/helpdata/en/ce/c2463c6796e61ce10000000a114084/frameset.htm

A BDC Sample with Visual Studio connecting SAP using ERPConnect Services Runtime

This sample is a Visual Studio 2012 solution that creates a BDC / BCS model (external content type) in SharePoint connected to SAP using ERPConnect Services Runtime (ECS).

Activating Datasources in the SAP OLTP System

To be able to extract OLTP Datasources from SAP ERP, you first of all have to activate the relevant DataSources in the SAP OLTP system. After activating the DataSources you can extract data from all the active DataSources using the DeltaQ component.

Thoses steps have to be carried out in the SAP ERP system (OLTP). No SAP BW system is required.

How to use an SQL Configuration Table with Xtract IS

SQL Server Integration Services (SSIS) provides package configurations that you can use to update the values of properties at run time.

In this blog I will show how to store your package configuration in an SQL table. In my sample I will use Xtract IS to load the SAP table T001 for company codes using a where statement. The goal is to use the SQL configuration table to update the value of the where statement and the value of the SAP connection string.

How to schedule Xtract Universal extractions to load data from SAP

Xtract Universal supports integration of your SAP data in the most different target systems. After creating an extraction (Refer to the online help), you can run an extraction by just calling the correspondent URL that can be found in the Run Dialog (e.g. http://nbelzein:8065/?name=plants)

 

In this blog I will show you how to schedule the run of the Xtract Universal extractions that is as easy as calling a URL. Xtract Universal delivers the command tool XtractUniversalCmd.exe (to be found in the installation folder, e.g. C:\Program Files\XtractUniversal) to run an extraction using the cmd. We will use this approach to schedule an extraction with the windows Task Scheduler and the SQL Server Agent.

How to: Load data into a BW InfoObject with Xtract BW Loader

Xtract BW Loader is one out of the nine components of Xtract IS,  the SAP Connector for the SQL Server Integration Services (SSIS) by Theobald Software.

BW Loader allows to load data to SAP BW objects using an InfoPackage (refer to SAP help to know more about InfoPackages).

In this blog I will show you how to use BW Loader in conjunction with an Infopackage to load data into  InfoObject Texts. You can use BW Loader in conjunction with other Infopackages too, to load data to other BW objects, like InfoObject attributes, hierarchies or InfoCubes.

How to open SAP GUI from browser

In this blog I will show how to launch SAP GUI from IE Browser using Javascript.

In Javascript we will use an ActiveXObject (wscript.shell) to call SAPshortcut.exe with the required parameters to open the SAP GUI.

The result should be as the following:

ERPConnect Services Video Tutorials

ERPConnect Services - Seamless connection of SAP and SharePoint 2010 ERPConnect Services (ECS) consists of two components, which allow you the complete range of data integration between SharePoint and SAP. No additional middleware is required – the integration runs completely within your SharePoint architecture.

• · ERPConnect Services Runtime (ECS Runtime) for interface programming with .NET
• · BCS Connector for connecting SharePoint lists with SAP objects or tables.

Extracting Datasources with the DeltaQ component

In this blog I will give an overview about extracting Datasources with the DeltaQ component to extract

• Extractors / Datasources from SAP ERP / ECC or


• Export Datasources from SAP BW / BI

and give some tips how to troubleshoot errors that may occur.

A Datasource is a set of fields that provide the data for a business unit (e.g. Customer, Material). Datasources are one of the data retrieval mechanisms in the SAP source system. Generally Datasources are used to transfer data from SAP ERP / ECC into SAP BW / BI. Export Datasources are used to transfer data from one SAP BW / BI system to another one.

With the DeltaQ component you can extract those Datasources to any third-party destination system supported by the Theobald Software products, even if you don't have an SAP BW / BI system.

The 1 Million Cell Limit when extracting BEX Queries and InfoCubes with the BWCube component from SAP BW

The BWCube component enables you extracting a BEX query or an InfoCube via the MDX Interface.
The MDX interface of the SAP BW system has a known restriction, if the Result contains too many cells (more than 1 million cell).
SAP officially states: "In general the MDX interface is not suitable for accessing mass data".

In this blog I will show you how to proceed in this case.

How to load SAP-data with Xtract Universal to Microsoft Access (and Excel)

Xtract Universal is since 2011 the newest member of the Xtract product line. Eight different SAP extraction types allow the BI architect to create an optimal, stable and fast data layer between SAP and different consumer applications.

Xtract Universal essentially consists of two components: a server component and a designer (client). The server component is responsible for the actual extraction. The consumer application communicates with the Server component, and these in turn with SAP. You use the Xtract designer for the design and configuration of the extractions.

Fore more information refer to the products page: http://www.theobald-software.com/en/products.htm
or to the help page: http://help.theobald-software.com

In this blog, I will show you how to load SAP-data with Xtract Universal to Microsoft Access.

How to extract a BEx Query and a BW Hierarchy with SSIS / Xtract IS from SAP BW and build them in SSAS

In this blog I will use Xtract IS to extract a BEx query and a BW hierarchy from an SAP BW system and load them into SQL Server. Then I will show how to build a cube in SSAS upon the BEx query and the BW hierarchy.

How to load a BW Hierarchy into QlikView using Xtract QV

In this blog I will use Xtract QV to extract a BW hierarchy from an SAP BW system and load it into QlikView.

SAP BW hierarchies are modeled as parent-child hierarchies. I will show how to convert it to a naturalized Hierarchy to use in QlikView.

How to load a BW Hierarchy into PowerPivot using Xtract PPV

In this blog I will use Xtract PPV to extract a BW hierarchy and a BEx query from an SAP BW system and load them into PowerPivot. Then I will show how to build the relation between the Hierarchy and the BEx query in PowerPivot.

Create Generic Datasource using Function Module and Timestamps

You can create a generic datasource using a function module.

For delta functionality you need a delta field. Some tables like VBAK (Sales Document: Header Data) don't have a timestamp field for creation/change that we can use as a unique delta field but have separate fields for creation date (ERDAT), creation time (ERZET) and change date (AEDAT). To get the data of the VBAK table by using delta functionality we will create a generic datasource using a custom function module which implements the necessary logic.

We will create an extraction structure that has a timestamp field and we will use this field to implement the delta functionality. In this blog I will explain this concept.