E-Book, Deutsch, 597 Seiten
Beckmann / Blinkmann / Essers SAP Business Data Cloud
1. Auflage 2026
ISBN: 978-3-367-11374-3
Verlag: Rheinwerk
Format: EPUB
Kopierschutz: 0 - No protection
Das umfassende Handbuch
E-Book, Deutsch, 597 Seiten
ISBN: 978-3-367-11374-3
Verlag: Rheinwerk
Format: EPUB
Kopierschutz: 0 - No protection
Vernetzen Sie Ihre Datenquellen zentral und werten Sie sie in Echtzeit aus! Dieses Buch zeigt Ihnen, wie Sie die SAP Business Data Cloud für ganzheitliche Datenstrategien nutzen. Lernen Sie alle Komponenten kennen – von SAP Datasphere über SAP Databricks bis zur SAP Analytics Cloud. Erfahren Sie, wie Sie Datenprodukte erstellen und KI-gestützte Analysen umsetzen. Das erfahrene Autorenteam zeigt Ihnen anhand praxisnaher Szenarien, wie Sie Ihre Datenlandschaft modernisieren und zukunftssicher aufstellen.
- Architektur verstehen und Potenziale nutzen
- Alle Komponenten von SAP Datasphere über SAP Databricks bis SAP Analytics Cloud
- Konkrete Anwendungsbeispiele für das strategische Datenmanagement mit KI
Aus dem Inhalt:
- SAP-BW-Modernisierung
- SAP Datasphere
- Datenintegration und -modellierung
- SAP BW/4HANA Private Cloud Edition
- SAP Databricks und Delta Share
- Datenprodukte und Object Store
- SAP Analytics Cloud
- Seamless Planning und Compass
- Finanzplanung und Self-Service-BI
- SAP BDC Cockpit
- KI-gestützte Stammdatenharmonisierung
- Migration von SAP BW 7.5
Autoren/Hrsg.
Weitere Infos & Material
Einleitung ... 19
TEIL I. Komponenten der SAP Business Data Cloud ... 27
1. Einführung in die SAP Business Data Cloud ... 29
1.1 ... Einführung in die Architektur der SAP BDC ... 29
1.2 ... Analytics mit SAP im Kontext von Big Data und KI ... 36
1.3 ... Die SAP BTP als Basis ... 39
1.4 ... Mit der SAP BDC Daten in Kontext bringen ... 46
1.5 ... SAP Business AI: Agenten im Einsatz ... 55
1.6 ... Ethik und Recht im Kontext von KI ... 61
1.7 ... Eine gemeinsame Sprache finden in der SAP BDC ... 67
1.8 ... Zusammenfassung ... 70
2. SAP Datasphere als Kern der SAP Business Data Cloud ... 71
2.1 ... Die Architektur von SAP Datasphere ... 72
2.2 ... Funktionsumfang ... 94
2.3 ... Datenintegration ... 105
2.4 ... Datenmodellierung ... 123
2.5 ... Data Consumption ... 160
2.6 ... Zusammenfassung ... 169
3. SAP Business Warehouse oder SAP BW/4HANA, Private Cloud Edition ... 173
3.1 ... Einführung der SAP BDC und Versionen von SAP BW ... 173
3.2 ... Lift, Shift und Innovate ... 181
3.3 ... Hinweise für SAP-BW-On-Premise-Kunden ... 191
3.4 ... Hinweise für SAP-BW-Bridge-Kunden ... 193
3.5 ... Hinweise für Embedded-SAP-BW-Kunden ... 195
3.6 ... Zusammenfassung ... 197
4. SAP Databricks: Datenaustausch und KI ... 199
4.1 ... Kerneigenschaften von SAP Databricks ... 200
4.2 ... Delta Share ... 212
4.3 ... Partnerplattformen mit der SAP BDC verbinden ... 220
4.4 ... Unity Catalog ... 224
4.5 ... Notebooks ... 230
4.6 ... SQL ... 235
4.7 ... Data Science und Mosaic AI ... 239
4.8 ... Zusammenfassung ... 248
5. Datenprodukte und Object Store ... 249
5.1 ... Einordnung von Datenprodukten ... 250
5.2 ... Die verschiedenen Arten von Datenprodukten ... 255
5.3 ... Data Product Studio ... 267
5.4 ... Object Store ... 274
5.5 ... Künstliche Intelligenz ... 283
5.6 ... Zusammenfassung ... 291
6. SAP Analytics Cloud: Self-Service Reporting ... 295
6.1 ... Self-Service Reporting ... 296
6.2 ... Flexible Storys ... 299
6.3 ... Data Analyzer ... 315
6.4 ... Flexible Modellierung ... 321
6.5 ... Just Ask und KI-Unterstützung mit Joule ... 328
6.6 ... Zusammenfassung ... 337
7. SAP Analytics Cloud: Integriertes Planen ... 339
7.1 ... Dimensionen der Integration von Planung ... 340
7.2 ... Architekturansätze für die Planung mit SAP Analytics Cloud ... 341
7.3 ... Seamless Planning ... 352
7.4 ... Die Kompass-Funktion ... 360
7.5 ... Zusammenfassung ... 370
8. SAP BDC Cockpit ... 371
8.1 ... Aktivierung der SAP BDC und Zugriff auf das SAP BDC Cockpit ... 371
8.2 ... Provisionierung der SAP-BDC-Komponenten ... 378
8.3 ... Governance und Sicherheit ... 387
8.4 ... Data Packages ... 388
8.5 ... Zusammenfassung ... 395
9. Intelligent Applications ... 397
9.1 ... Architektur der Intelligent Applications ... 398
9.2 ... Intelligent Applications für verschiedene Geschäftsbereiche ... 402
9.3 ... Intelligent Applications aktivieren ... 408
9.4 ... Zusammenfassung ... 416
TEIL II. Einsatzszenarien für die SAP Business Data Cloud ... 419
10. Status quo: Ein Analytics-Best-of-Breed-Ansatz ... 421
10.1 ... Best of Breed vs. Best of Suite ... 422
10.2 ... Ausgangslage unseres Anwendungsfalls: Die Best-of-Breed-Architektur ... 423
10.3 ... Herausforderungen durch Best of Breed und Lösungsansätze mit der SAP BDC ... 425
10.4 ... Zusammenfassung ... 432
11. Status quo: Excel-basierte Finanzplanung ... 433
11.1 ... Historische Bedeutung und Rolle von Excel ... 433
11.2 ... Vorteile von Excel in der Unternehmensplanung ... 434
11.3 ... Schwächen und Herausforderungen von Microsoft Excel als Planungslösung ... 437
11.4 ... Maßnahmen zur Reduzierung von Risiken ... 441
11.5 ... Zusammenfassung ... 445
12. Status quo: Etabliertes SAP BW 7.5 on SAP HANA ... 447
12.1 ... SAP-BW-Modernisierungsoptionen ... 448
12.2 ... Vorgehensmodell für die Entscheidungsfindung ... 450
12.3 ... Praxisbeispiel einer hybriden Architektur ... 454
12.4 ... Zusammenfassung ... 456
13. Status quo: Embedded SAP BW reicht nicht mehr aus ... 457
13.1 ... Die trügerische Einfachheit von embedded SAP BW ... 457
13.2 ... Fallbeispiel: Wenn das Reporting mit embedded SAP BW zum Bremsklotz wird ... 459
13.3 ... Der strategische Ausweg: Ein separates Data Warehouse ... 461
13.4 ... Die Roadmap ... 463
13.5 ... Zusammenfassung ... 463
14. Status quo: Einsatz von Databricks Enterprise ... 465
14.1 ... Technologischer Hintergrund von Databricks Enterprise ... 465
14.2 ... Entscheidungsfaktor Data Gravity ... 467
14.3 ... SAP Databricks vs. Databricks Enterprise ... 469
14.4 ... Databricks Enterprise und SAP Databricks mit SAP verbinden ... 470
14.5 ... Zero Copy Data Sharing im Einsatz ... 475
14.6 ... Zusammenfassung ... 477
15. Status quo: Probleme mit der Datenqualität ... 479
15.1 ... Die Ausgangslage: Schlechte Datenqualität ... 479
15.2 ... Qualitätsdimensionen für Daten ... 480
15.3 ... Ein Datenqualitätsprojekt umsetzen ... 482
15.4 ... Vector Engine ... 484
15.5 ... Zusammenfassung ... 489
16. Status quo: Historische Datenmengen ... 491
16.1 ... Historische Datenmengen im SAP-Ökosystem -- damals und heute ... 492
16.2 ... Praxisbeispiel mit SAP Datasphere Finance ... 497
16.3 ... Zusammenfassung ... 506
17. Status quo: Kundeneigene Datenprodukte ... 507
17.1 ... Was sind kundeneigene Datenprodukte? ... 507
17.2 ... Anwendungsfall: Datenprodukte mit externen Datenplattformen teilen ... 513
17.3 ... Zusammenfassung ... 515
18. Die SAP Business Data Cloud als einheitliche Datenquelle für Business AI ... 517
18.1 ... Was ist Business AI? ... 517
18.2 ... Die SAP BDC als einheitliche Datenbasis für Business AI ... 519
18.3 ... SAP Business AI Portfolio ... 522
18.4 ... Finance-Praxisbeispiel ... 525
18.5 ... Zusammenfassung ... 526
19. Stammdatenharmonisierung mit KI ... 527
19.1 ... Einführung in die Stammdatenharmonisierung mit KI ... 528
19.2 ... Fachliche Grundlage der Stammdatenharmonisierung ... 529
19.3 ... Stammdatenharmonisierung mit KI-Methoden umsetzen ... 531
19.4 ... Stammdatenharmonisierung mit SAP Databricks und Python umsetzen ... 535
19.5 ... Anwendungsfälle für KI-gestützte Stammdatenharmonisierung in der SAP BDC ... 538
19.6 ... Risiken, Grenzen und Erfolgsfaktoren ... 541
19.7 ... Zusammenfassung und Ausblick ... 543
20. Seamless Consolidation basierend auf der SAP Business Data Cloud ... 545
20.1 ... Bestehende SAP-Konsolidierungslösungen ... 545
20.2 ... NDC Financial Consolidation ... 548
20.3 ... Zusammenfassung ... 558
21. Status quo: Manuelle Absatzmengenplanung ablösen ... 559
21.1 ... Ausgangssituation der Absatzmengenplanung ... 559
21.2 ... Die aktuelle Praxis und ihre Nachteile ... 560
21.3 ... Absatzmengenplanung in der SAP BDC ... 564
21.4 ... Zusammenfassung ... 566
22. Wie Sie mit der SAP Business Data Cloud starten können ... 569
22.1 ... Der Erfolgsfaktor für Ihr SAP-BDC-Projekt ... 569
22.2 ... Lücken im SAP-BDC-Funktionsumfang ... 574
22.3 ... Zusammenfassung ... 577
Anhang. ... 579
A ... Vorlage für ein Positionspapier: Das datenintelligente Unternehmen schaffen ... 579
Das Autorenteam ... 591
Index ... 593
Einleitung
Im Februar 2025 wurde die SAP Business Data Cloud (SAP BDC) der Öffentlichkeit vorgestellt. Neben uns waren sicherlich viele weitere Partner- und Kundenunternehmen überrascht, in welch kurzer Zeit das neue Tool auf dem Markt erschienen ist. In zahlreichen anschließenden Events, Webinaren, Blogs und dergleichen wurden sukzessive weitere Informationen zu den einzelnen Komponenten bereitgestellt. Gleichzeitig ergaben sich auch immer mehr Fragen, die Kunden und Partner an SAP richteten.
Auf Kundenseite konnten wir unterschiedliche Reaktionen beobachten. Kunden, die bereits SAP Analytics Cloud oder SAP Datasphere einsetzen, sahen sich in ihrem bisherigen Vorgehen bestätigt. Die Einführung der SAP BDC zeigte ihnen, dass SAP auch künftig auf diese strategischen Produkte setzen und sie weiterentwickeln wird. Für Kunden, die noch SAP BW 7.5 on SAP HANA (oder ältere Versionen) nutzen und sich in der SAP-S/4HANA-Transformation befinden, ist die SAP BDC eine sehr spannende Option, um die eigene Analytics-Landschaft auf eine moderne und cloudbasierte Plattform zu heben.
Aus unserer Erfahrung sind hingegen diejenigen Kunden unzufriedener, die erst in jüngster Vergangenheit auf SAP BW/4HANA gewechselt sind oder sich in einem Migrationsprojekt nach SAP BW/4HANA befinden. Ihnen fehlte in ihrem Entscheidungsprozess hinsichtlich der Investition in SAP BW/4HANA die Option zur SAP BDC. Mit besonderem Interesse blickten Kunden mit einer heterogenen Analytics-Landschaft auf den Bereich SAP Databricks. Der Ausblick, SAP- und Nicht-SAP-Daten über den Object Store besser miteinander austauschen und integrieren zu können, ist äußerst vielversprechend. Hinzu kommen die umfangreichen Funktionen zur Verwendung von künstlicher Intelligenz (KI).
Das Thema »Datenprodukt« stach uns direkt ins Auge. »Das Kind hat endlich einen Namen«, dachten wir spontan. Selbst nach all den Jahren, in denen wir BI-Lösungen konzipiert, implementiert und weiterentwickelt haben, bleibt das Kernthema stets dasselbe. Technisch werden immer Berichte, Datenmodelle, Kennzahlen etc. implementiert, die im Rahmen eines klassischen Datenverarbeitungsprozesses bereitgestellt werden. Das erfolgreiche »Mappen« dieser technischen Methodik mit dem fachlichen, betriebswirtschaftlich eindeutigen Kontext war und ist seit jeher der Dreh- und Angelpunkt für erfolgreiche BI-Lösungen. Wie vermutlich alle Menschen in der BI-Welt setzen wir uns immer wieder mit Datenqualitätsthemen auseinander. Wir erinnern uns an zahlreiche Projekte, in deren Testphasen alte oder neue fachliche Diskussionen aufgetreten sind, in denen intensiv darüber diskutiert wurde, ob nun der SAP-BW-Bericht an sich unvollständig definiert ist, die Berechnungslogik in der Transformationsroutine falsch programmiert wurde oder der Extraktor die falschen Werte liefert.
Am Ende vieler Diskussionen blieb (leider) die Erkenntnis, dass das Quellsystem die Daten sauber weitergegeben hat, die Daten in SAP BW technisch korrekt extrahiert wurden, die Datentransformation korrekt berechnet wurde und der Bericht die Daten so wiedergibt, wie sie sind. Die Ursache der Probleme lag in der Regel in unterschiedlichen Annahmen darüber, wer wie was mithilfe welcher Transaktion, mit welchen Pflichtwerten einträgt und ob optionale Felder befüllt werden sollen und wenn ja, mit welchen Werten. Wir sind überzeugt, dass eine schlechte Datenqualität das Ergebnis schlechter Prozesse und fehlender Verantwortlichkeiten ist.
Zielgruppe dieses Buches
Mit diesem Buch wagen wir einen Spagat: Wir wenden uns an erfahrene SAP-BW-Expertinnen, Data-Warehouse-Experten außerhalb des SAP-Kontexts, KI-Spezialisten, Datenverantwortliche, IT-Architektinnen, Entscheider in Fachbereichen sowie die Vielzahl an Nutzerinnen und Nutzern, die sich täglich mit Daten, Kennzahlen und Analysen beschäftigen. Unser Ziel ist es, all jene zu unterstützen, die regelmäßig Entscheidungen vorbereiten oder treffen, um damit ihr Business täglich voranzubringen. Viele von Ihnen sind sicherlich seit Jahren in der IT tätig und haben in der Projektarbeit umfangreiche eigene Erfahrungen mit Einführungen, Erweiterungen und Stilllegungen von Systemen gesammelt. Trotz der Innovationen, die die SAP BDC bereithält, werden diese wertvollen Erfahrungen auch auf einer neuen Plattform wie der SAP BDC erneut wichtig und entscheidend für den Erfolg sein. Daher vermitteln wir in diesem Buch nicht nur theoretische Inhalte und Funktionsumfänge der SAP BDC, sondern liefern auch praktische Erfahrungen, Beispiele und konkrete Handlungsempfehlungen.
Zielsetzung dieses Buches
Aufgrund Ihrer Erfahrungen ist Ihnen sicherlich bewusst, dass neue Produkte immer eine gewisse Anlaufzeit benötigen. Das heißt, bis sie ihre notwendige Reife erreichen, sind sie mit einer gewissen Unsicherheit behaftet. Gleichzeitig wurde mit der Veröffentlichung der SAP BDC schnell klar, welche Potenziale diese neue Cloud-Plattform bietet und dass ihre Weiterentwicklung definitiv weitreichend und umfangreich, aber auch dynamisch sein wird. Die wesentliche Zielsetzung dieses Buches ist es daher, die Grundsäulen der SAP BDC zu erläutern (siehe Teil I, »Komponenten der SAP Business Data Cloud«) und mithilfe von Einsatzszenarien in einen praktischen Kontext zu bringen (siehe Teil II, »Einsatzszenarien für die SAP Business Data Cloud«).
Grundsätzlich beschreiben wir Funktionen, die bereits in der SAP BDC bereitgestellt werden. Aufgrund der hohen Entwicklungsgeschwindigkeit bleibt es jedoch nicht aus, dass wir teilweise auf angekündigte Funktionen verweisen, was wir dann im Text entsprechend kenntlich machen.
In diesem Buch werden Sie außerdem Screenshots in deutscher und englischer Sprache vorfinden. Wir beschreiben Tools, die teilweise noch recht neu sind. Deren Oberflächen werden generell zunächst in Englisch veröffentlicht, weitere Sprachversionen folgen zeitversetzt. Daher sind die englischen Varianten in der Regel die aktuellsten. Um Ihnen den bestmöglichen Einblick in Funktionen und Bedienlogik zu geben, verwenden wir daher teilweise englische Screenshots.
Aufbau des Buches
Wir starten in Kapitel 1, »Einführung in die SAP Business Data Cloud«, mit der grundlegenden Positionierung der SAP BDC im Portfolio von SAP. Anschließend folgt eine Einordnung des Funktionsumfangs dieser Plattform in den allgemeinen IT- und Datenkosmos sowie in die aktuellen Markttrends.
Kapitel 2, »SAP Datasphere als Kern der SAP Business Data Cloud«, legt den Fokus auf den Kern der SAP BDC – SAP Datasphere. Dort erfolgt das gesamte Handling der Daten, deren Modellierung und Aufbereitung für Reporting, Planung, Analyse und Datenprodukte sowie die Vorbereitung von Maschinellem Lernen (ML) und KI.
In Kapitel 3, »SAP Business Warehouse oder SAP BW/4HANA, Private Cloud Edition«, beleuchten wir verschiedene Optionen, wie Sie mit SAP BW weiter voranschreiten können. Es gibt unterschiedliche Ansätze mit individuellen Vor- und Nachteilen, die jeder Kunde für sich selbst bewerten und priorisieren muss.
Die Komponente SAP Databricks ist für viele ein neues Thema. In Kapitel 4, »SAP Databricks: Datenaustausch und KI«, erläutern wir den grundlegenden Funktionsumfang von SAP Databricks und die wesentlichen Einsatzbereiche sowie das Zusammenspiel mit den anderen Komponenten der SAP BDC.
In Kapitel 5, »Datenprodukte und Object Store«, widmen wir uns dem zentralen Konzept der SAP BDC: dem Datenprodukt. Ausgehend von der theoretischen Herleitung eines Datenprodukts gehen wir auf die unterschiedlichen Typen von Datenprodukten ein und erläutern, wie diese erzeugt, gespeichert und für ML/KI zur Verfügung gestellt werden.
Nachdem wir uns in den ersten Kapiteln intensiv mit dem Management von Daten auseinandergesetzt haben, betrachten wir in Kapitel 6, »SAP Analytics Cloud: Self-Service Reporting«, und Kapitel 7, »SAP Analytics Cloud: Integriertes Planen«, die Nutzung der Daten für Reporting und Planung. Wir fokussieren uns hierbei insbesondere auf den von uns empfohlenen Self-Service-Ansatz für das Reporting und darauf, welche Voraussetzungen hierfür unserer Meinung nach sehr hilfreich sind. In Bezug auf die Planungsfunktionalität von SAP Analytics Cloud beleuchten wir unterschiedliche Architekturansätze mit ihren jeweiligen Vor- und Nachteilen und widmen uns ebenfalls dem Seamless Planning, also der immer enger werdenden Integration der Planungskomponente von SAP Analytics Cloud mit SAP Datasphere. In Kapitel 8, »SAP BDC Cockpit«, beschäftigen wir uns mit dem Cockpit in der SAP BDC und geben einen Überblick über dessen Funktionsumfang. Zum Abschluss von Teil I gehen wir in Kapitel 9, »Intelligent Applications«, auf die Intelligent Apps ein und zeigen, dass es sich hierbei um deutlich mehr handelt als um den von früher bekannten SAP BW Content.
In Teil II dieses Buches, »Einsatzszenarien für die SAP Business Data Cloud«, haben wir einige der üblichen Herausforderungen der letzten Jahre ausgewählt und unsere Erfahrungen aus Kundenprojekten einfließen...
