ERP & S/4HANA
AI, Data & Analytics
Von der Vision zur Wirklichkeit
Wie moderne Datenstrategien mit SAP Datasphere und der Business Data Cloud neue Maßstäbe setzen
In einer zunehmend datenzentrierten Welt wird klar: Die Art, wie Unternehmen mit Informationen umgehen, entscheidet über ihre Wettbewerbsfähigkeit. Doch klassische Datenarchitekturen stoßen immer häufiger an ihre Grenzen. Es ist Zeit, Datenstrategien neu zu denken – nicht nur technologisch, sondern auch kulturell und organisatorisch. Genau hier setzen moderne SAP-Lösungen wie Datasphere und die Business Data Cloud an.
Die wichtigsten Punkte des Blogs
Wandel als Konstante: Datenstrategie im Zeitalter der Beschleunigung
Wandel als Konstante: Datenstrategie im Zeitalter der Beschleunigung
Der Veränderungsdruck auf Unternehmen ist größer denn je. Neue Geschäftsmodelle entstehen in rasantem Tempo, datengetriebene Innovationen dominieren Märkte. Parallel steigt die Nachfrage nach fundierten, integrierten Daten aus unterschiedlichsten Quellen: Kunden, Partner, interne Prozesse. Unternehmen brauchen daher nicht nur Daten – sie brauchen eine durchdachte, fachlich fundierte Datenstrategie.
In vielen Organisationen zeigt sich jedoch ein Ungleichgewicht: Während technologische Lösungen oft verfügbar sind, fehlt es an einer übergeordneten, fachbereichsgetriebenen Vision. Dabei geht es nicht um Technologie allein, sondern um gezieltes Data Enablement – also die befähigende Nutzung von Daten für alle relevanten Stakeholder.
Der Status quo: Demokratisierung und technische Schulden
Der Status quo: Demokratisierung und technische Schulden
In der Praxis zeigt sich: Daten sind heute demokratischer zugänglich denn je. Immer mehr Mitarbeitende – vom Einkauf bis zum Vertrieb – haben häufig leichten Zugriff auf die Daten anderer Bereiche und Abteilungen. Doch diese Entwicklung bringt auch Herausforderungen mit sich. In vielen Fällen existieren veraltete Architekturmodelle mit fragmentierten Rechtestrukturen oder historisch gewachsenen BW-Systemen, die schwer wartbar sind.
Der technologische Wandel ist deutlich messbar. Rechenleistung ist günstiger und verfügbarer geworden, neue Architekturkonzepte wie Data Fabrics oder semantische Datenmodelle entstehen. Der nächste Paradigmenwechsel hat mit KI längst begonnen – inklusive neuer Anforderungen an Datenverfügbarkeit, -qualität und Auswertungsmöglichkeiten
Von Operational Stores bis Data Products: Die neue Referenzarchitektur
Von Operational Stores bis Data Products: Die neue Referenzarchitektur
Ein zukunftsorientiertes Datenmanagement braucht mehr als eine gute BI-Lösung. Die moderne Datenreferenzarchitektur umfasst drei zentrale Schichten.
Diese Ebenen werden durch einen Data Governance Layer verbunden, der Transparenz, Zugriffsrechte und Metadatenmanagement sicherstellt. Kulturell bedeutet das: mehr Verantwortung und Möglichkeiten für Fachbereiche – weniger technikzentrierte Silo-Architekturen.
1. Data Acquisition Layer
Quellen wie ERP, CRM, externe Feeds oder IoT-Systeme speisen die Datenbasis.
2. Data Refinement Layer
Hier entstehen Datenprodukte in Data Warehouses, Data Lakes oder Data Science Plattformen. Das Data Lakehouse-Konzept ist dabei omnipräsent und wird auch von SAP mittlerweile nativ integriert (SAP Databricks).
3. Data Consumption & Creation Layer
In dieser Schicht finden konkrete Business-Anwendungen statt: Reporting, Planung, Forecasting, Embedded Analytics und Self-Service BI.
SAPs Weg in die Cloud: Von BW über HANA bis Datasphere und Business Data Cloud
SAPs Weg in die Cloud: Von BW über HANA bis Datasphere und Business Data Cloud
SAPs Reise im Bereich Datenarchitektur begann mit dem BW (Business Warehouse) im Jahr 1998. Mit der Einführung von SAP HANA 2010 folgte der Paradigmenwechsel hin zu einer In-Memory-Datenbankstrategie. Die Integration von BW on HANA markierte den nächsten Schritt.
Ab 2019 legte SAP den Fokus stärker auf cloudbasierte Architekturen. Der nächste Meilenstein: Datasphere – ehemals Data Warehouse Cloud – als Herzstück der neuen Business Data Fabric. Ergänzt wird das durch die im Februar 2025 angekündigte Business Data Cloud mit Fokus auf semantische Datenprodukte und Integration von SAP- sowie Non-SAP-Systemen.
Ein besonderes Augenmerk liegt auf sogenannten Foundation Models und semantischen Graph-Netzen. Diese bilden die Voraussetzung für die Integration von KI-Agenten wie Joule, dem SAP Assistant für Finance und weitere Fachbereiche. Das Ziel: Datenprodukte auf offenen Standards, domänenspezifisch modelliert – modular, flexibel und zukunftsfähig.
Projekterfahrungen aus der Praxis: Drei Wege in die Datenzukunft
Projekterfahrungen aus der Praxis: Drei Wege in die Datenzukunft
Anhand realer Kundenprojekte zeigt sich, wie vielfältig der Übergang zur modernen Datenstrategie sein kann.
1. Der Ersatz gewachsener BW-Landschaften
Ein Einzelhändler stand vor der Herausforderung, veraltete Schnittstellen (RFC) durch konforme und nachhaltige Lösungen zu ersetzen. Die Entscheidung fiel auf Datasphere als zentrale Datendrehscheibe – auch um nicht nur SAP-, sondern auch Drittanbieterquellen zu integrieren. Der Business Case: geringere Betriebskosten, erhöhte Skalierbarkeit, bessere Wartbarkeit.
Die Einführung erfolgte iterativ in einem agilen Setup – mit klarer Priorisierung der Must-haves. Ziel war eine Sunset-Entscheidung für das alte BW-System bis Dezember 2025.
2. Parallelbetrieb und schrittweise Modernisierung
Ein anderer Kunde betreibt aktuell BW 7.5, Datasphere sowie Databricks auf Azure. Die Herausforderung: bestehende Planungs- und Konsolidierungsfunktionen im BW sollen langfristig in eine neue, integrierte Landschaft überführt werden. Datasphere wurde bereits als Plattform für globales Reporting, Omni-Channel Sales und Branding-Analysen eingesetzt. Eine vollständige Ablösung des BW wird hier mittelfristig geprüft mit dem Ziel höhere Flexibilität für zukünftige Anforderungen und möglichem Investitionsschutz durch Weiterverwendung.
3. Cloud-First mit SAP-Stack und offener Integration
Ein drittes Beispiel zeigt einen Kunden mit starkem SAP-Fokus (S/4HANA Public & Private Edition, Ariba, SuccessFactors, Concur), ergänzt durch Non-SAP-Datenquellen. Ziel war es, Datasphere als Single Point of Truth zu etablieren und über Spaces auch Self-Service und KI-Szenarien zu fördern. Die Integration von Databricks war von Beginn an mitgedacht – Kunden werden vom Zero-Copy-Zugriff-Ansatz profitieren, einer direkten, nativen Integration von Databricks in SAP BDC.
Vom Use Case zum Datenprodukt: Das SMART Framework
Vom Use Case zum Datenprodukt: Das SMART Framework
Damit Datenstrategien nicht im Konzept verharren, hat KPS das SMART Analytics Framework entwickelt – ein pragmatischer Ansatz zur datengetriebenen Transformation:
- Strategy: Klärung der Unternehmensziele und Use Cases
- Metrics: Definition der KPIs zur Erfolgsmessung
- Action: Aufbau von Piloten und Prototypen zur Validierung
- Realise full potential: Skalierung und Plattform-Etablierung
- Trust & Quality: Datenqualität sichern, Prozesse intelligent steuern
Dieses Vorgehen ermöglicht es, schnell zu starten – und gleichzeitig strukturiert in eine langfristig tragfähige Plattform zu investieren.
Activate: Wie SAP-Projekte schnell und zuverlässig Wirklichkeit werden
Activate: Wie SAP-Projekte schnell und zuverlässig Wirklichkeit werden
Im Rahmen von S/4HANA-Transformationen lässt sich Datasphere ideal als Datenplattform einbinden – auch mit der SAP Activate Methodik. Phasen wie „Explore“, „Realise“ und „Deploy“ lassen sich in iterativen Schleifen durchlaufen, um Fachbereiche sukzessive zu integrieren. Eine neue Plattform wird dabei nicht in einem Big Bang ausgerollt, sondern wächst mit den Anforderungen der Organisation.
Drei Wege, wie Unternehmen BW weiterdenken
Drei Wege, wie Unternehmen BW weiterdenken
Die vorgestellten Projekte lassen sich grob drei Architekturszenarien zuordnen:
So gelingt der Einstieg – von der Idee zum Projekt
So gelingt der Einstieg – von der Idee zum Projekt
1. Initiales Scoping
In einem ersten Gespräch schaffen wir ein gemeinsames Verständnis für die aktuelle Lage: Herausforderungen, engagierte und innovationsfreudige Fachbereiche, Ziele.
2. Discovery Workshop
Use Cases und KPIs werden strukturiert erarbeitet. Business Cases entstehen, Prioritäten werden festgelegt.
3. Pilotphase / Bootcamp
Technisches Setup, erste Use Cases, Integration bestehender Modelle. Projektdauer meist zwischen 1 und 6 Monaten.
Fazit: Datenstrategie ist mehr als Technologie
Fazit: Datenstrategie ist mehr als Technologie
Die vorgestellten Projekte und Ansätze zeigen: Datenstrategie umfasst die Bereiche Geschäftsstrategie, Datenmanagement und Analytik. SAP Business Data Cloud hält die entsprechenden Werkzeuge bereit: Datasphere, SAP Analytics Cloud, BW PCE und Databricks. Entscheidend ist jedoch, dass Unternehmen ins Handeln kommen – zielgerichtet und iterativ, damit zügig ein Nutzen realisiert wird.
Wer Datenstrategie neu denkt, schafft nicht nur Ordnung im System – sondern neue Möglichkeiten für Wertschöpfung, Innovation und eine erfolgreiche Umsetzung der Geschäftsstrategie.
Möchten Sie mehr erfahren? Fordern Sie jetzt ein unverbindliches Erstgespräch an!
Eric Niedling
Associate Partner
Experte für Erstellung und Umsetzung von Data & Analytics Strategien
Das könnte Sie auch interessieren:
Future Ready Sales
Vertriebsorganisationen sind heute täglich mit einer wahren Datenflut und steigenden Kundenanforderungen konfrontiert. Darum benötigen Unternehmen leistungsfähige und zugleich flexibel anpassbare CRM-Systeme.
Testdatenmanagement (TDM): Ein Bereich, der nicht vernachlässigt werden darf
Testdatenmanagement (TDM) ist ein entscheidender Aspekt des Testprozesses, der oft unterschätzt wird.
Nachhaltigkeit in der Logistik: Herausforderungen und Wege zur grünen Supply Chain
Nachhaltigkeitsstrategien wie Circular Economy und neue Geschäftsmodelle im Schienengüterverkehr ermöglichen eine umweltfreundlichere Logistik. Unser Blog beleuchtet die Herausforderungen, Potenziale und Strategien.
S/4HANA Cloud Public Edition Retail: Das ERP System für den Mittelstand?
Neue ERP Software für den Mittelstand gesucht? Warum das neue SAP Cloud ERP System für Retail, Fashion und Vertical Business die Lösung sein könnte.
