Cowboyhüte, Saloons und Holzschilder auf jeder DSAG-Folie, über dem Eingang der Koelnmesse eine Westernkulisse. Der DSAG-Jahreskongress 2026 stand unter dem Motto „Claim your ground - Lead your business“, und die DSAG hat ihre Claims gegenüber SAP gleich in der ersten Keynote abgesteckt. Wir waren drei Tage mit eigenem Stand, eigenem Vortrag und einem Messespiel vor Ort und haben uns vor allem in den Sessions zu Daten, Analytics, Planung und KI aufgehalten.
Besonders gespannt waren wir darauf, wie SAP selbst die SAP Business Data Cloud (BDC) in ihrer großen Erzählung von der Autonomous Enterprise platziert. Vor einem Jahr stand die BDC noch im Zentrum der SAP-Datenstrategie, in der Keynote kam sie jedoch nur am Rande vor. In den Fachvorträgen bekommt sie eine klare Aufgabe, sie soll den Agenten Kontext liefern, idealerweise auch aus der Non-SAP-Welt. Und Kontext war das Thema, das in fast jedem Vortrag wieder aufgegriffen wurde.
In seiner letzten Keynote als DSAG-Vorsitzender hat Jens Hungershausen die Ergebnisse einer DSAG-Umfrage entlang von fünf Herausforderungen vorgestellt, S/4HANA, Künstliche Intelligenz, Daten, Komplexität und Transformation. Beim ERP war die Botschaft deutlich. Die Kunden betreiben hybride Landschaften, der Großteil sieht die Zukunft des eigenen ERP in S/4HANA On-Premises, und Cloud ERP spielt im deutschsprachigen Raum bisher eine untergeordnete Rolle. Die DSAG fordert deshalb echte Wahlfreiheit beim Betriebsmodell, verlässliche Wartung und keine künstliche Benachteiligung derer, die nicht in die Cloud wollen.
Für uns am wichtigsten waren die Forderungen zu KI und Daten. Bei der KI geht es um niedrigere Einstiegshürden, Wirtschaftlichkeit vor Vision und vor allem keine Kopplung der KI-Nutzung an Cloud-Verträge. Das steht ziemlich direkt gegen die aktuelle SAP-Linie, Joule und die Agenten nur in der Cloud anzubieten. Bei den Daten forderte die DSAG „Produktreife statt Ankündigungsdichte“, dazu belastbare Roadmaps, transparente Lizenzmodelle und Integration in bestehende Architekturen. Diese Forderung bekommt mit den Übernahmen von Prior Labs, Reltio und Dremio zusätzliches Gewicht. Für die Business Data Cloud dürften die neuen Produkte wieder einiges verändern, offen ist nur, was genau. Wir schauen deshalb gespannt auf die SAP TechEd vom 27. bis 29. Oktober in Berlin, wo wir dazu weitere Ankündigungen erwarten.
Thomas Pfiester antwortete in der SAP-Keynote auf die DSAG-Forderung nach einem klaren Fahrplan mit einem individuellen Weg in die Autonomous Enterprise. SAP will gemeinsam mit jedem Kunden dessen aktuellen SAP-Footprint analysieren und ihn entlang der North Star Architecture mitnehmen, unterstützt von sieben angekündigten Migrationsassistenten etwa für Custom Code, Datenmigration und Tests. Ein großes Versprechen, aber ohne echte Überraschungen oder Neuigkeiten gegenüber der Sapphire. Welche Rolle die Business Data Cloud auf diesem Weg spielt, dazu sagte die Keynote erstmal nichts.
Etwas mehr Klarheit brachte am Nachmittag Hagen Jander. Sein Ausgangspunkt war der Context Gap.
Unternehmen investieren in KI, aber zwischen Modell und Geschäftsergebnis stehen undefinierte Prozesse, inkonsistente Kennzahldefinitionen und widersprüchliche Datensätze. Wer aus der BW-Welt kommt, kennt das Problem gut, wenn drei Systeme drei Versionen desselben Kunden führen und niemand sagen kann, welche die führende ist. Ein Agent, der darauf aufsetzt, kann nur so gut sein wie der Kontext, den er bekommt.
SAPs Antwort darauf heißt Knowledge Core. Gemeint ist das Geschäftswissen, das Agenten brauchen, um zuverlässig zu arbeiten. Darin kommen Semantik, Knowledge Graph, Datenprodukte, KI-Domänenmodelle und vereinheitlichte Stammdaten zusammen. Das Schaubild dazu tauchte eine Stunde später im Planungsvortrag wieder auf, es dürfte das neue SAP-Standardbild werden.
Spannend finden wir, dass der Knowledge Graph darin nur noch ein Baustein unter mehreren ist. Vor einem Jahr stand er allein im Mittelpunkt. SAP hat offenbar verstanden, dass ein Knowledge Graph allein nicht reicht, um Agenten zuverlässig arbeiten zu lassen. Das deckt sich mit unserer Erfahrung. In unseren Projekten, in denen wir agentisch mit SAP Data & Analytics arbeiten, stehen Context Engineering und Context Management immer am Anfang, bevor Agenten Arbeitsabläufe übernehmen. Zwei Beispiele dafür beschreiben wir in unserem Beitrag Agentic AI in der Praxis.
Wie sich der Knowledge Core konkret manifestiert, bleibt allerdings offen. Ist er ein eigenes Produkt, eine Schicht in der BDC oder vor allem ein neuer Mantelbegriff für Bausteine, die es zum Teil schon gibt? SAP platziert den Knowledge Core zudem als zentrale Schicht der nächsten Evolutionsstufe, vom Lakehouse zur Data Fabric. Das ist mutig, wenn man bedenkt, dass sich SAP mit der BDC gerade erst auf den Weg zum echten Lakehouse gemacht hat und man in der Praxis, ob mit BW oder Datasphere, überwiegend noch klassische Data-Warehouse-Ansätze findet.
In diesen Zusammenhang hat Jander auch die Übernahmen von Reltio und Dremio eingeordnet. Reltio soll Stammdaten über SAP hinaus vereinheitlichen und deren Qualität überwachen, eng verzahnt mit SAP Master Data Governance. Dremio bringt vor allem die Iceberg-Integration und Datenföderation mit. Für uns als Dremio-Partner ist besonders spannend, wie das zur bisherigen BDC-Strategie passt. Die BDC ist mit Delta Lake und BDC Connect auf Basis von Delta Sharing gestartet, zuerst mit Databricks, heute auch mit Snowflake und Google BigQuery, Microsoft Fabric und AWS sollen Anfang 2027 folgen. Mit Dremio setzt SAP nun auf Apache Iceberg als Tabellenformat. Offen ist, ob das ein echter Bruch mit Delta wird, wie stark sich die BDC als Lakehouse-Plattform dadurch noch verändert und was das für alle bedeutet, die in Datasphere schon mit dem Object Store gestartet sind.
Für viele unserer Kunden war die BW-Modernisierung das wichtigste Thema des ersten Tages. SAP benennt das Dilemma selbst. Niemand wirft sein BW morgen weg, es erfüllt aber auch nicht die Anforderungen an eine künftige Datenplattform. SAPs Strategie dafür ist BW PCE in der BDC als erster Schritt, um das BW interoperabel zu machen. Für Kunden auf BW 7.5 ist das zugleich der Weg, sich Zeit zu erkaufen, denn mit BW PCE läuft die Wartung bis 2033.
Wer auf BW PCE umgestiegen ist, bekommt für den weiteren Weg heute zwei deterministische Werkzeuge, den Data Product Generator und den Query Template Generator. Ein KI-gestützter BW Migration Assistant, der ganze Datenflüsse nach Datasphere überführen soll, steht als Ankündigung auf der Roadmap.
Wir sind überzeugt, dass heute schon deutlich mehr möglich ist, ohne PCE und ohne weitere Werkzeuge einzukaufen. Der BW Modeling MCP Server ist ein Open Source Projekt, das wir entwickelt haben und das bei Kunden bereits im Einsatz ist. Ein KI-Agent, der im BW nicht nur alles lesen kann, bis hin zu Transformationen, Routinen und Legacy-Objekten, sondern dort auch selbst entwickelt, eröffnet ganz neue Möglichkeiten. Die Wege werden deutlich breiter, und die Modernisierung wird zu einer echten Wahl der eigenen Strategie.
Mehr dazu auf unserer Seite Agentic AI für SAP BW und in unserer Präsentation Agentische Entwicklung mit SAP BW.
Wie weit das heute schon trägt, haben wir am Stand spielerisch gezeigt. Für den Kongress haben wir ein kleines Western-Arcade-Spiel gebaut, das das DSAG-Motto aufgreift. In DATA DRIVE treiben 60 Sekunden lang verstreute Quellsysteme über die Prärie, von Excel-Wildwuchs über Datensilos bis zum Legacy-Koloss, und der Spieler fängt sie ein und migriert sie in die harmonisierte Datenplattform.
Das eigentlich Spannende beginnt aber nach dem Spiel, und dazu gehört die Geschichte, wie das Ganze entstanden ist. Jedes Ergebnis läuft über einen Workflow in n8n in unser SAP BW, und ein Dashboard in Claude liest es über den BW Modeling MCP Server live aus. Jeder Spieler sieht sofort sein Ergebnis, sein Ranking und wie clever er im Vergleich gespielt hat.
Nichts davon wurde manuell entwickelt. Aus einer fachlichen Spezifikation hat ein KI-Agent das Spiel, den n8n-Workflow und über den BW Modeling MCP Server das komplette BW-Modell mitsamt Queries und Kennzahlen gebaut. Das ist agentisches Data Engineering, spec-driven von der Anforderung bis zum aktivierten Objekt. Auch das Dashboard ist agentisch entstanden, aus fachlichen Fragen nach aussagekräftigen Kennzahlen und ihrer Darstellung, und zeigt, was Agentic Analytics bedeutet. Der MCP Server läuft bei uns zentral auf der SAP BTP und greift mit Principal Propagation auf unser Demosystem zu, genau so, wie es auch in produktiven Kundenumgebungen möglich ist.
Im gemeinsamen Vortrag mit Jie Deng hat Kristian Rümmelin gezeigt, wohin SAP die Planung bringen will. Er beschrieb Planung als Willensbildung für die Zukunft. Für etwas, das in der Praxis oft komplex und langwierig ist, eine angenehm einfache Definition, die wir uns gemerkt haben. Genau dahin soll sich auch die Plattform entwickeln, zur Decision-Management-Plattform, auf der Agenten planen und Menschen entscheiden. Mit Joule kommt dazu eine erste Reihe von Agenten in die SAP Analytics Cloud.
SAP geht beim Thema Planung damit spürbar voran. Agenten wie diese können Planungsprojekte massiv beschleunigen und machen es deutlich leichter, eine Planungslösung genau so zu bauen, wie sie gebraucht wird. Man kann sich auf das konzentrieren, was den Mehrwert schafft, und muss sich weniger darum kümmern, wie Data Actions im Unterbau technisch funktionieren. Wie gut das gelingt, bleibt abzuwarten, gerade in komplexen Planungsszenarien, die eher die Regel als die Ausnahme sind. Offen ist auch, wer die Agenten nutzen kann, denn als Joule-Funktionen sind sie keine Basisfeatures, die einfach jeder hat. Zum Abschluss ließ Rümmelin einen Agenten eine komplette Planungsstory bauen.
Daran knüpfte Jie Deng an und zeigte, wohin SAP Stories und Dashboarding bringen will. SAC Stories entstehen nicht nur über Joule-Agenten, sondern auch direkt in der SAC über den Story Wizard, und neu ist, dass er statt einer klassischen Story auch eine HTML5-Seite erzeugen kann. Die Widgets darin bleiben SAC-Widgets, das Layout drumherum ist aber offenes HTML5. Damit ist ziemlich klar, woher der Wind weht. HTML5-Seiten kann auch Joule Work erzeugen, und Story- und Dashboard-Generierung genau wie das Sprechen mit den eigenen Daten dürfte künftig vermehrt dort stattfinden. Das zeigt, wie stark sich die SAP Analytics Cloud mit KI und Joule gerade verändert. Einen Haken gibt es allerdings, der SAC Story Wizard funktioniert vorerst nur mit SAC-Modellen, nicht mit Livemodellen auf Datasphere oder BW Queries.
Am Mittwoch ging es im Vortrag „SAP Business Data Cloud 360°” von Jie Deng und Maximilian Gander noch einen Schritt weiter. In der Planning-Demo startet nach dem Monatsabschluss ein Workflow in n8n, holt Ist und Budget aus SAP Analytics Cloud und SAP Datasphere und legt bei einer Abweichung über dem Schwellwert eine Flash-Prognose an. Ein Agent mit MCP-Anbindung an die SAC informiert das Controlling per Mail und Teams, die Planungsstory erklärt die Ursache und schlägt Wege zurück zum Budget vor. Der Planer beschreibt seine Maßnahmen dann in Joule in eigenen Worten, und Joule schreibt die Werte in die Prognoseversion. Jeder Schritt bleibt in der Versionshistorie nachvollziehbar, veröffentlicht wird erst, wenn der Mensch zustimmt. Dass n8n hier auftaucht, ist kein Zufall, denn SAP hat sich im Mai an n8n beteiligt und bettet die Plattform in Joule Studio ein. Uns hat die Demo trotzdem besonders gefreut, weil unser Messespiel auf denselben Bausteinen läuft, mit n8n im Workflow und MCP als Zugang ins SAP-System.
Auch bei Seamless Planning hat SAP gezeigt, was als Nächstes kommt. Daten sollen sich künftig über Task Chains aus Datasphere direkt in Planungsmodelle schreiben lassen, was genau das Szenario aus unserem Beitrag SAP Seamless Planning, drei Wege externe Daten zu integrieren vereinfacht. Dazu kommen Werkzeuge, mit denen sich bestehende Planungslösungen nach Seamless Planning überführen lassen, und das dürfte für viele SAC-Kunden die Hürde für den Umstieg deutlich senken.
Unser eigener Vortrag am Mittwochabend kam aus einem laufenden Projekt bei der DEGES. Dr. Rene-Reiner Starke und Joschka Kuhrt haben gezeigt, wie die DEGES parallel zur S/4HANA-Transformation ein Data Mesh einführt. Ausgangspunkt war eine heterogene Systemlandschaft, in der weder Datenflüsse noch Verantwortlichkeiten noch die geschäftskritischen Datenobjekte transparent waren.
Das Projekt setzt auf drei Bausteine. In Data Domains übernehmen die Fachbereiche die Verantwortung für ihre Daten, ein moderner Data Hub führt sie technisch zusammen, und ein Data Catalog macht sichtbar, was es gibt und wem es gehört. Begonnen wurde mit zwei geschäftskritischen Domains, in denen die Fachbereiche ihre Datenprodukte selbst definiert und beschrieben haben. Auf dieser Grundlage werden jetzt die neue Datenplattform und der Data Catalog eingeführt.
Damit schließt sich ein Kreis zum Anfang des Kongresses. Was Jander als Context Gap beschrieben hat, also uneinheitliche Definitionen, widersprüchliche Datensätze und unklare Verantwortung, ist genau das, woran die DEGES arbeitet, nur von der fachlichen Seite her. Beschriebene Datenprodukte mit klarer Ownership sind der Kontext, den ein Agent später braucht, um zuverlässig zu arbeiten. Wer heute ein Data Mesh einführt, baut damit auch das Fundament für Agentic AI.
SAPs Richtung ist klar, die Autonomous Enterprise soll auf Agenten laufen. Die BDC spielt dabei mit, als Datenschicht, die den Agenten vor allem dort Kontext liefern soll, wo Daten über Anwendungen und über SAP hinaus zusammenkommen. Wie zentral sie am Ende wird, ist noch offen, und vieles ist noch Ankündigung, vom Migration Assistant bis zur Frage, was Dremio und Iceberg für die BDC bedeuten. Die DSAG-Forderung nach Produktreife statt Ankündigungsdichte bleibt also aktuell.
Der rote Faden über alle drei Tage war Kontext. Agenten werden nur so gut wie das Wissen, das man ihnen mitgibt, ob in der Planung, im Data Engineering oder in Agentic Analytics. Wer heute Verantwortlichkeiten, Definitionen und Metadaten sauber aufbaut, schafft die Grundlage, auf der Agenten zuverlässig arbeiten.
Genauso spannend wie die Vorträge waren die Gespräche an unserem Stand. Viele drehten sich um die Einführung der BDC und um die Frage, wie BDC und Databricks zusammenspielen, ob sich an der Strategie etwas geändert hat und ob es dafür einen klaren Best-Practice-Weg gibt. Für manche BW-Kunden war es außerdem ein Augenöffner zu sehen, dass Agentic AI im BW heute schon funktioniert, live an unserem Messespiel.
Möchten Sie wissen, was diese Ankündigungen konkret für Ihre BW-, Datasphere- oder SAC-Landschaft bedeuten, oder wie ein erster Agent auf Ihren eigenen Daten aussehen könnte? Sprechen Sie uns an, wir begleiten Sie von der Bestandsaufnahme bis zum produktiven Einsatz.