KI · Use Case
Die SAP Business Data Cloud als Single Point of Truth?


Ronny Herrmann & Thorsten Füg
Stell dir vor, deine Datenstrategie wäre keine Sammlung isolierter ETL-Pipelines mehr, sondern eine durchgängige Datenautobahn. Statt Zeit in Datenaufbereitung und Systemintegration zu investieren, könnten sich Data Engineers auf das konzentrieren, was wirklich zählt: Business-Insights mit echtem Mehrwert.
Die SAP Business Data Cloud (BDC) macht genau das möglich. Mit Zero Copy verbindest du SAP Databricks, Snowflake, bald auch Microsoft Fabric und perspektivisch Google BigQuery und Reltio – ohne redundante Datenspeicherung.
Willkommen in der Ära der Data Products.
Und das Beste: In unserem kostenlosen Hands-On Video zeigen wir dir Schritt für Schritt, wie sich diese Architektur heute bereits produktiv umsetzen lässt. Details findest du am Ende der Case Study.

Drei Kernargumente für die BDC-Strategie
1. Zero Data Copy: Schluss mit dem Speicher-Wahnsinn
Doppelt gespeicherte Daten kosten Unternehmen jedes Jahr Millionen. Mit der SAP Business Data Cloud (BDC) und SAP Datasphere wird direkt auf Plattformen wie Databricks, Snowflake oder Microsoft Fabric zugegriffen – ohne Daten physisch replizieren zu müssen.
- Der Impact: Studien zeigen, dass rund 35 % aller Unternehmensdaten redundant gespeichert werden. Ein enormes Einsparpotenzial für Infrastruktur-, Storage- und Betriebskosten.
- Das Praxisbeispiel: Eine Materialbestellung aus SAP S/4HANA Cloud wird in Echtzeit mit Bestandsdaten aus SAP EWM kombiniert, um präzise Stock Forecasts zu ermöglichen – ohne zusätzliche Datenkopien oder Batch-Replikationen.
2. Fuel for Joule: AI braucht Kontext, keine Rohdaten
Artificial Intelligence ist nur so gut, wie die Datenbasis, auf der sie arbeitet. Fehlen Kontext, Konsistenz oder aktuelle Informationen, liefern selbst leistungsstarke AI-Agents wie Joule nur begrenzten Mehrwert. Genau hier setzt die SAP Business Data Cloud (BDC) an: Sie stellt integrierte, vertrauenswürdige Datenprodukte bereit – als Grundlage für sichere und skalierbare AI-Use-Cases.
- Der Impact: Rund 70 % aller AI-Projekte scheitern nicht an den Modellen selbst, sondern an unzureichender Datenqualität, fehlender Metadaten-Integration oder mangelnder Datenverfügbarkeit.
- Das Praxisbeispiel: Wir von Pagnos unterstützen dabei, Datenprodukte in der BDC so aufzubereiten, dass Joule nicht nur isolierte Kennzahlen wie „Umsatz” verarbeitet, sondern den vollständigen Geschäftskontext versteht – inklusive Vorhersagen aus Databricks-ML-Modellen. So entstehen aus einfachen Abfragen fundierte Handlungsempfehlungen für Fachbereiche und Entscheider.
3. Der geschlossene Kreislauf: Write-Back & Automation
Der wahre Mehrwert moderner Datenplattformen entsteht nicht im Dashboard, sondern im operativen Prozess. Mit der SAP Business Data Cloud (BDC) bleiben Erkenntnisse nicht isoliert in Analyse-Tools, sondern fließen direkt zurück in die Geschäftsprozesse – automatisiert, systemübergreifend und in Echtzeit.
- Der Impact: Unternehmen mit automatisierten Cross-System-Workflows reduzieren ihre operative Latenz im Durchschnitt um bis zu 30 % – und reagieren schneller auf Veränderungen in Supply Chain, Einkauf oder Produktion.
- Das Praxisbeispiel: Ergebnisse aus ML-Analysen werden aus Databricks direkt in die BDC integriert und steuern Folgeprozesse automatisiert über Systemgrenzen hinweg. Beispielsweise kann ein Forecast aus Databricks automatisch eine Bestellauslösung in SAP S/4HANA Cloud triggern.
Deep Dive: SAP Datasphere (DSP) vs. SAP Databricks (DBX)
In unseren Projekten hören wir oft dieselbe Frage: „Warum brauche ich neben SAP Datasphere überhaupt noch Databricks?“
Die Antwort ist einfach: Beide Plattformen lösen unterschiedliche Probleme – und entfalten ihren vollen Mehrwert erst im Zusammenspiel innerhalb der SAP Business Data Cloud (BDC).
| Feature | SAP Datasphere (DSP) | SAP Databricks (DBX) |
|---|---|---|
| Fokus | Business Semantik & SAP Integration | Heavy-Duty Data Science & Engineering |
| Python | Eingeschränkt (Script-Task) | Voller Python-Stack inklusive MLflow & Spark |
| Data Governance | Optimiert für Fachbereiche & Business-User | Fokus auf Data Lakehouse & Engineering |
| Use Case | Dashboards, semantische Modelle, Joule-Ready Produkte | Komplexe Transformationen, Forecasting, Deep Learning |
Warum SAP Databricks?
SAP Datasphere ist stark, wenn es um Business-Kontext, Governance und SAP-nahe Datenprodukte geht. Sobald jedoch große Datenmengen, anspruchsvolle Python-Workloads oder Machine-Learning-Modelle ins Spiel kommen, stößt DSP an natürliche Grenzen.
Genau hier übernimmt SAP Databricks die Rolle der skalierbaren Processing- und AI-Engine.
Die SAP Business Data Cloud verbindet beide Welten zu einer integrierten Architektur: Datasphere liefert Governance und Business-Semantik, Databricks übernimmt die datenintensive Verarbeitung und KI-Logik.
Fazit
Die SAP Business Data Cloud schafft eine offene Datenarchitektur, die verteilte Datenquellen ohne redundante Speicherung verbindet und Datenbestände als konsistente Data Products bereitstellt.
So entstehen durchgängige Prozesse – von Integration und Analytics über KI bis hin zur Automatisierung. Mit allen Funktionen der BDC schaffen wir gemeinsam eine übergreifende Daten-Plattform, auf der Fachbereiche, Data Engineers und AI-Agents mit derselben vertrauenswürdigen Datenbasis arbeiten können.
Hands-On: Vom Konzept zur Umsetzung
Strategie-Wissen ist gut – aber spannend und relevant wird es erst mit der Umsetzung. Deshalb zeigen unsere Business Analytics Experts in der Videoreihe „Hands-On-Session Guide - SAP Business Data Cloud” wie eine moderne BDC-Architektur heute bereits produktiv aufgebaut werden kann.
Gemeinsam mit Thorsten spielt ihr einen vollständigen End-to-End-Use-Case durch: vom Excel-Upload über SAP Datasphere und SAP Databricks bis hin zum fertigen SAC-Dashboard – inklusive Data Products, KI-Integration und automatisierter Prozesslogik.
Alle Schritte sind nachvollziehbar, praxisnah und direkt nachbaubar – ideal für Architekten, Data Engineers und Analytics-Teams. Nicht nur für ein besseres Verständnis der gezeigten Architektur, sondern für die direkte Implementierung im eigenen System.
Interesse an der Videoreihe inklusive Step-by-Step Guide & hilfreichem Datenmaterial?
Gemeinsam Kurs aufnehmen.
Ein erstes Gespräch genügt, um zu sehen, wohin die Reise gehen kann.
Weitere Cases & Insights
Cloud · Case Study
From Logs to Insights – Part II: In 5 Schritten zu besserer Observability
Cloud · Case Study
From Logs to Insights – Part I: Die Observability-Journey
Data · Use Case
Der Weg von SAP BW zur SAP Datasphere - mit PAGNOS erfolgreich in die Cloud
Cloud · Case Study
Effiziente und sichere Deduplizierung von Kundendaten
Cloud · Case Study



