Mit dem Q3-2026-Release entwickelt SAP die Analytics Cloud (SAC) an gleich mehreren Stellen weiter. Besonders sichtbar ist dabei der zunehmende Einsatz von künstlicher Intelligenz. Mit der Story Code Generation soll KI künftig die Entwicklung von Stories unterstützen, während Prompt Insights generative KI direkt in Dashboards integriert. Gleichzeitig gibt es aber auch abseits von AI einige interessante Neuerungen. Vor allem im Planning verbessert SAP bestehende Abläufe, etwa durch die flexiblere Übergabe von Filtern an Data Actions und die engere Integration von Compass in Stories. Hinzu kommen neue Diagrammtypen, Verbesserungen im Data Analyzer und bei My Metrics sowie weitere Schritte in Richtung der neuen Table Build Experience.
Nicht jede Neuerung ist dabei gleichermaßen relevant und bei einigen Funktionen zeigen sich noch klare Einschränkungen. Wir haben uns deshalb die wichtigsten Änderungen des Q3-2026-Releases genauer angesehen und ordnen ein, welche davon im SAC-Alltag Verwendung finden können.
Story Code Generation
Beginnen wir mit den neuen AI-Features. Mit der Story Code Generation bringt SAP eine Funktion in die SAP Analytics Cloud, die auf den ersten Blick durchaus viel Potential hat.
Die Idee dahinter ist einfach, der Story-Ersteller beschreibt in natürlicher Sprache, welches Verhalten innerhalb einer Story umgesetzt werden soll. Auf dieser Basis erzeugt ein spezialisierter KI-Baustein den passenden Skript-Code und prüft diesen anschließend. Gerade bei wiederkehrenden oder technisch überschaubaren Aufgaben kann das die Entwicklung von Stories deutlich vereinfachen und beschleunigen. Der entscheidende Unterschied zu allgemeinen KI-Assistenten liegt dabei in der Spezialisierung. Der verwendete KI-Baustein soll über strukturiertes Wissen zur SAC Scripting API verfügen. Die Code-Generierung ist damit gezielt auf die Möglichkeiten und Besonderheiten von SAC Stories ausgerichtet und nicht lediglich auf die Erzeugung von generischem JavaScript.
Quelle: https://discovery-center.cloud.sap/ai-feature/6f863dc0-f047-4120-b632-99aa12b58484/
Wie zuverlässig das in komplexeren Praxisszenarien tatsächlich funktioniert, muss sich allerdings noch zeigen. Gerade bei umfangreichen Stories, Abhängigkeiten zwischen Widgets oder komplexeren Planungslogiken wird interessant sein, wie gut die KI den jeweiligen Kontext versteht und ob der erzeugte Code tatsächlich funktioniert.
SAP selbst positioniert die Funktion vor allem als Möglichkeit, die Einstiegshürde für Story Scripting zu senken. Dadurch sollen auch Fachanwender stärker in die Umsetzung von Logiken innerhalb einer Story eingebunden werden können, ohne tiefgehende Programmierkenntnisse mitbringen zu müssen. Als mögliche Einsatzbereiche nennt SAP unter anderem die Steuerung von Widgets, die dynamische Filterung von Diagrammen und Tabellen sowie die Automatisierung von Planungsabläufen, beispielsweise durch Data Actions oder das Sperren von Plandaten.
Um die neue Funktion nutzen zu können, müssen die entsprechenden Berechtigungen in der SAP Analytics Cloud vergeben sein. Benötigt werden die Berechtigungsart Execute für Generative AI sowie Create für Applications.Für etwas Verwirrung sorgt derzeit die SAP-Dokumentation selbst, auf der SAP-Help-Seite zu den AI-Assisted Features in SAP Analytics Cloud wird weiterhin eine erworbene Lizenz für SAP AI Units als Voraussetzung genannt. Für die Story Code Generation scheint diese Angabe jedoch nicht zuzutreffen beziehungsweise nicht mehr aktuell zu sein. SAP führt die Funktion als Base-AI-Feature, sodass für ihre Nutzung keine zusätzlichen AI Units verbraucht werden.
Damit steht die Funktion grundsätzlich im Rahmen einer bestehenden SAP-Analytics-Cloud-Lizenz zur Verfügung, sofern die technischen Voraussetzungen erfüllt und die notwendigen Berechtigungen vergeben sind.
Prompt Insights
Das zweite KI-Feature geht einen Schritt weiter als die Story Code Generation. Die KI unterstützt nicht nur bei der Entwicklung, sondern wird direkt Bestandteil des fertigen Dashboards. Der Story-Designer fügt dafür ein Prompt-Insights-Widget ein und verknüpft es mit einer bestehenden Tabelle oder einem Diagramm. Deren Daten bilden gemeinsam mit einem frei formulierten Prompt die Grundlage für die generierte Auswertung. Dabei können grundsätzlich Tabellen und Diagramme unabhängig von der dahinter liegenden Datenquelle verwendet werden. Für die Verarbeitung steht eine schnellere und ausführlichere Variante mit längerer Analysezeit zur Verfügung.
Quelle: https://discovery-center.cloud.sap/ai-feature/95d0b6d9-803f-4597-a749-f3a6cd25b12e/
Die größte Einschränkung liegt in der Datenbasis. Prompt Insights arbeitet nur mit dem Datenkontext der verknüpften Tabelle beziehungsweise des verknüpften Diagramms und greift nicht selbstständig auf das zugrunde liegende Datenmodell zu. Varianzen und berechnete Kennzahlen können berücksichtigt werden, sofern ihre Werte im verknüpften Widget enthalten sind. Darstellungslogiken wie Schwellenwerte werden dagegen nicht automatisch als fachlicher Kontext übernommen und sollten bei Bedarf im Prompt beschrieben werden. Wie gut die Ergebnisse ausfallen, hängt daher stark davon ab, welche Daten und Vorgaben der Story Designer bereitstellt. Gerade hier zeigt sich auch die Grenze des Features. Die KI kann vorhandene Daten interpretieren, sie erschließt sich aber nicht eigenständig zusätzliche Zusammenhänge aus dem Datenmodell. Ein sauber aufgebautes Dashboard und die bewusste Auswahl des Kontexts bleiben daher entscheidend.
Bei der Governance setzt SAP auf einen kontrollierten LLM-Zugang und maskiert bestimmte personenbezogene Identifikatoren automatisch. Welches Sprachmodell für Prompt Insights verwendet wird, legt SAP innerhalb der SAC-Funktion fest. Eine freie Auswahl oder die Anbindung eines eigenen LLM ist nicht vorgesehen. Die für die Analyse benötigten Daten werden dennoch an den verwendeten LLM-Provider übermittelt. Da nicht sämtliche sensiblen oder vertraulichen Informationen automatisch erkannt und maskiert werden und bei Bedarf zusätzlich externe Quellen über eine Websuche in die Analyse einbezogen werden können, sollten Unternehmen mit hohen Datenschutzanforderungen genau prüfen, welche Daten und Analysefunktionen sie bereitstellen beziehungsweise nutzen.
Unterm Strich ist Prompt Insights interessant, weil SAP nicht einfach einen Chatbot in die Story integriert, sondern die KI bewusst über den Designer steuern lässt. Wie gut die Ergebnisse am Ende sind, hängt allerdings weniger vom Sprachmodell selbst als von der Qualität und Auswahl der bereitgestellten Daten ab.
Dynamische Filter für Data Actions
Story-Kontext und Data Actions sauber miteinander zu verbinden, war in SAC bisher eher umständlich als elegant gelöst. Anwender setzen Filter und Eingabesteuerelemente in der Story, die dahinterliegende Berechnung erkennt diesen Kontext aber nicht automatisch. Die Folge sind viele Einzelparameter, Umgehungslösungen für dynamische Filter und teilweise Berechnungen, die deutlich mehr Daten verarbeiten als notwendig.
Mit dem neuen Data Filter Parameter lassen sich mehrere Story-Filter und Eingabesteuerelemente gesammelt an Data Actions und Multi Actions übergeben. Unterstützt werden dabei auch dynamische Zeitfilter, Ausschlüsse und attributbasierte Filter. Ein einzelner Parameter kann mehrere Dimensionen aufnehmen und damit einen großen Teil der bisherigen Parameterlogik ersetzen.
Der neue Parametertyp wird gleichzeitig weiter ausgebaut. In Advanced Formula Steps können die übergebenen Filter nun ebenfalls genutzt werden, sodass Filterlogik aus der Story nicht erneut innerhalb der Formel aufgebaut werden muss. Besonders interessant ist der darauf aufbauende Version Changes Filter. Statt den Filterkontext ausschließlich aus der Story zu übernehmen, erkennt SAC automatisch, welche Bereiche einer öffentlichen Bearbeitungsversion oder privaten Version geändert wurden, und übergibt genau diesen Kontext an den Data Filter Parameter. Ändert ein Planer beispielsweise Werte für zwei Kostenstellen, kann die anschließende Data Action gezielt nur diese Bereiche verarbeiten. Gerade bei interaktiven Planungsszenarien kann das Laufzeiten und Systemlast reduzieren. Allerdings ist diese Delta-basierte Verarbeitung nicht für jede Berechnung geeignet. Benötigt eine Allokation oder Verteilung die vollständige Datenbasis, wäre eine Einschränkung auf die zuletzt geänderten Datensätze fachlich falsch. Der Version Changes Filter ist daher eine sinnvolle Erweiterung des Data Filter Parameters, aber bewusst ein Werkzeug für passende Anwendungsfälle und kein Automatismus für jede Data Action.
Etwas spezieller ist die Verwendung in Advanced Formulas. Dort müssen Filterparameter über CONFIG.DATA_FILTER_PARAMETERS aktiviert und die relevanten Dimensionen zusätzlich über CONFIG.DATA_FILTER_DIMENSIONS angegeben werden. Anders als bei den übrigen Schritttypen werden die übergebenen Dimensionen hier also nicht automatisch berücksichtigt. Werden entsprechende Dimensionen zusätzlich in DATA(), DELETE() oder RESULTLOOKUP verwendet, muss gegebenenfalls auch CONFIG.HIERARCHY gesetzt werden.
Insgesamt ist das vor allem eine sehr praktische Verbesserung, einfach den neuen Parametertyp anlegen und Data Actions lassen sich sauberer an den tatsächlichen Story-Kontext koppeln und gleichzeitig flexibler wiederverwenden.
Compass als Widget direkt in der Story
Bisher war Compass ein separates Modul innerhalb der SAP Analytics Cloud. Mit dem neuen Release lässt sich Compass nun direkt in eine SAC Story integrieren und damit deutlich enger in bestehende Planungs- und Analyseprozesse einbinden.
Die Simulation selbst wird weiterhin im Compass-Modul angelegt und konfiguriert. Veröffentlichte Szenarien können anschließend über das neue Compass-Widget in einer Story genutzt werden. Das Widget zeigt die Simulationsergebnisse entweder als interaktives Ergebnisdiagramm, als Drei-Fälle-Ansicht oder als Kombination aus beidem. Ändert sich ein Treiberwert im zugrunde liegenden Modell, erkennt das Widget diese Änderung und kann einen erneuten Simulationslauf anbieten, ohne dass die Story verlassen werden muss.
Ergänzt wird die Integration durch Smart Boundaries. Die Funktion unterstützt dabei, realistische Ober- und Untergrenzen für Treiberschwankungen zu bestimmen. Dafür können historische Werte mithilfe prädiktiver Zeitreihen ausgewertet werden, anstatt die Grenzen ausschließlich manuell festzulegen. Gerade dieser Punkt ist interessant, denn die Definition realistischer Unsicherheitsbereiche gehört häufig zu den subjektivsten Teilen einer Simulation. Smart Boundaries ersetzt die fachliche Einschätzung zwar nicht, liefert aber eine datenbasierte und damit besser nachvollziehbare Ausgangsbasis.
Über die Story-APIs loadSimulationResults(), validateSimulationResults() und rerunScenarios() lassen sich die einzelnen Schritte zusätzlich miteinander verbinden. So kann beispielsweise nach einer Data Action geprüft werden, ob sich relevante Treiber verändert haben, und anschließend eine neue Simulation angestoßen werden.
Eine praktische Einschränkung bleibt allerdings bei der Darstellung bestehen: Pro Widget kann nur eine Zielkennzahl verwendet werden. Sobald mehrere KPIs gemeinsam betrachtet oder verglichen werden sollen, kann das die Gestaltung komplexerer Dashboards einschränken.
Insgesamt macht die Integration den Compass deutlich alltagstauglicher. Risikosimulationen müssen nicht mehr als separate Sonderanalyse betrachtet werden, sondern können direkt dort eingebunden werden, wo Planungs- und Forecast-Entscheidungen ohnehin diskutiert werden.
Wir hatten bereits vor dem Release die Möglichkeit, das neue Compass-Widget zu testen und sehen die Weiterentwicklung grundsätzlich positiv. Gleichzeitig bestehen noch einige Einschränkungen. So können aktuell nur öffentliche Szenarien im Widget dargestellt werden. Dabei werden neben den Ergebnissen auch Treiberkonfigurationen und die Baseline-Daten des letzten Simulationslaufs sichtbar. Gerade bei sensiblen Annahmen sollte deshalb bewusst entschieden werden, wer Zugriff auf diese Szenarien erhält. Einige Punkte, die wir bereits in unserem ausführlichen Beitrag zu SAP Analytics Cloud Compass angesprochen haben, sind zudem weiterhin offen. Entsprechend bleibt spannend, wie SAP Compass in den kommenden Releases weiterentwickelt.
Data Analyzer & My Metrics
Auch die Data Analyzer und My Metrics erhalten mit dem neuen Update einige praktische Verbesserungen, die vor allem bestehende Abläufe vereinfachen.
Eine der interessantesten Neuerungen im Data Analyzer betrifft den Absprung aus einer Story. Dynamische Zeitfilter bleiben nun auch dort dynamisch, anstatt beim Öffnen in feste Werte umgewandelt zu werden. Unterstützt werden unter anderem Filter auf Story-, Seiten- und Widget-Ebene sowie BW-Fiskaldimensionen, Restricted Dimensions und Strukturen. Gerade bei relativen Zeiträumen wie der laufenden Periode bleibt die Analyse damit konsistent zur ursprünglichen Story. Daneben lassen sich gespeicherte Insights künftig ohne vorbelegte Pflichtvariablen sichern. Jeder Anwender trifft seine Auswahl damit erst beim Öffnen selbst. Neu sind außerdem externe Hyperlinks auf Dimensionselementen in Data-Analyzer-Tabellen, über die beispielsweise direkt zu weiterführenden Informationen oder Quellsystemen gesprungen werden kann.
Auch My Metrics wird flexibler. Bestehende Kennzahlen lassen sich nun nachträglich bearbeiten, etwa bei Filtern, Varianzen oder Darstellungsoptionen, anstatt sie neu anlegen zu müssen. Bei Kennzahlen in einem Abonnement ist allerdings Vorsicht geboten, eine Änderung am Filterkontext können bereits aufgezeichnete Werte löschen. My-Metrics-Links öffnen zudem nun zunächst im Lite Viewer und können bei Bedarf weiterhin in den Full Viewer wechseln.
Vor allem die Übernahme dynamischer Filter ist eine sinnvolle Verbesserung, da sie verhindert, dass relative Zeiträume beim Wechsel in den Data Analyzer unbemerkt zu statischen Auswertungen werden. Die übrigen Neuerungen sind eher kleinere Komfortverbesserungen und dürften bestehende Arbeitsabläufe vereinfachen.
Neue Diagrammtypen: Sankey, Funnel, and Gauge Charts
Mit Sankey-, Gauge- und Funnel-Charts erweitert SAP die SAC um drei Visualisierungstypen, für die bisher häufig kombinierte Diagramme, Hilfskennzahlen oder Custom Widgets notwendig waren. Hinter den drei Typen stecken insgesamt sieben Varianten mit unterschiedlichen Einsatzmöglichkeiten.
Sankey Charts visualisieren Flüsse über bis zu fünf Stufen. Eine Variante kann dabei Kontenhierarchien darstellen, beispielsweise eine GuV als Flussdiagramm. Die Farbgebung orientiert sich am Wasserfalldiagramm: positive Konten werden grün, negative rot und dimensionale Gruppierungen grau dargestellt. Eine zweite Variante verteilt eine Kennzahl über mehrere Dimensionen und Prozessstufen.
Bei Gauge bzw. Tacho Charts stehen drei Varianten zur Verfügung: die Darstellung einer Kennzahl gegenüber definierten Schwellenbereichen, gegenüber einer Zielkennzahl oder als Versionsvergleich in Planungsmodellen, beispielsweise Ist gegen Plan.
Funnel Charts zeigen neben der Conversion Rate zur ersten Stufe auch die sogenannte Stage Rate, also die Veränderung gegenüber der jeweils vorherigen Stufe.
Ganz ohne Einschränkungen kommen die neuen Visualisierungen allerdings nicht aus. Sankey Charts unterstützen derzeit keine SAP-BW-Modelle und sind auf maximal fünf Stufen, 15 Knoten je Stufe und insgesamt 75 Knoten begrenzt. Für größere Strukturen müssen die Daten daher entsprechend gefiltert oder aggregiert werden. Beim Gauge Chart sollte zudem die Overshoot-Eigenschaft beachtet werden. Wird sie deaktiviert, endet die Skala am Zielwert und eine Übererfüllung ist nicht mehr direkt sichtbar. Beim Funnel wiederum wird die Stage Rate aktuell nur im Tooltip angezeigt und kann nicht dauerhaft im Diagramm eingeblendet werden.
Insgesamt erweitern die neuen Diagrammtypen die Visualisierungsmöglichkeiten in SAC sinnvoll, allerdings ist nicht jeder Typ gleichermaßen relevant für den Alltag. Gauge Charts dürften noch am einfachsten einen Platz in operativen Dashboards finden, insbesondere für die schnelle Bewertung einzelner KPIs gegenüber Ziel- oder Schwellenwerten, während für Vergleiche und zeitliche Entwicklungen meist andere Diagrammtypen aussagekräftiger bleiben. Beim Funnel Chart ist der mögliche Einsatzbereich noch enger. Sinnvoll ist die Darstellung vor allem dann, wenn eine Kennzahl oder Menge über eindeutig aufeinanderfolgende Prozessstufen betrachtet wird, beispielsweise von Leads über Opportunities bis zu Abschlüssen. Für allgemeine KPI-Vergleiche oder Zeitreihen ist ihr Einsatz dagegen nur begrenzt sinnvoll. Beim Sankey Chart schränken aktuell insbesondere die fehlende Unterstützung für SAP-BW-Modelle sowie die Begrenzung der Stufen und Knoten den Einsatz ein. In unserem Test ließ sich das Diagramm zwar im Bearbeitungsmodus problemlos erstellen und anzeigen, im fertigen Dashboard trat jedoch wiederholt ein „Failed to fetch data“-Fehler auf - selbst bei deutlich reduziertem Datenumfang.
Verbesserte Suche und Filterauswahl
Mit dem Q3-2026-Release überarbeitet SAP die Suche innerhalb von Filtern und orientiert sich dabei stärker an der Bedienlogik von Excel. Neu sind die beiden Aktionen Replace und Update. Mit Replace wird die bisherige Auswahl vollständig durch das aktuelle Suchergebnis ersetzt. Update ergänzt dagegen die bestehende Auswahl um weitere Suchergebnisse. Zusätzlich werden Treffer automatisch vorausgewählt, sodass das bisher oft notwendige manuelle Abwählen von „Alle“ entfällt. Die neue Logik soll für Story-, Seiten- und Widget-Filter zur Verfügung stehen und macht insbesondere größere oder schrittweise aufgebaute Filterauswahlen deutlich komfortabler.
Kein Feature, das die SAC grundlegend verändert, aber eine sinnvolle Verbesserung im Detail. Gerade Anwender, die häufig mit umfangreichen Filterlisten arbeiten, dürften im Alltag etwas Zeit und unnötige Klicks sparen.
New Table Build Experience als neuer Standard
Auch die New Table Build Experience wird weiter ausgebaut und zunehmend zur zentralen Tabellenoberfläche in SAC. Bei breiten Tabellen verbessert SAP die Performance. Durch Lazy Loading für Spalten werden beim Öffnen zunächst nur die sichtbaren Spalten geladen und weitere Inhalte erst beim horizontalen Scrollen nachgezogen. Gerade bei sehr breiten Planungs- und Analysetabellen war die initiale Darstellung bislang immer wieder ein Performance-Thema. Künftig rendert SAC zunächst nur die sichtbaren Spalten und lädt weitere erst beim horizontalen Scrollen nach. Das klingt zunächst nach einer kleinen technischen Optimierung, kann die wahrgenommene Performance im Alltag aber spürbar verbessern. Wichtig zu beachten ist, dass Lazy Loading vor allem das Rendering im Frontend optimiert. Langsame BW- oder HANA-Abfragen werden dadurch nicht schneller.
Eine kleine Verbesserung bekommt auch der Excel-Export. Mit dem neuen Option Format “as True Value Type” lassen sich Zahlen, Datumswerte, Währungen und Prozentwerte als echte Excel-Datentypen exportieren, inklusive der in SAC verwendeten Formatierung.
Für Story-Designer wird zudem die Bedienung einfacher. Dimensionen und Kennzahlen können per Drag & Drop direkt aus dem Data Panel in Tabellen gezogen, ersetzt oder umsortiert werden. Gleichzeitig wird der aktive Versionsfilter sichtbarer und erscheint nun auch im Kontextmenü und im Untertitel der Tabelle.
In Summe sind das keine spektakulären Einzelneuerungen, sie machen die neue Tabellenoberfläche aber schneller, verständlicher und im täglichen Arbeiten angenehmer. Für Projekte, die noch stark auf die bisherige Tabellenoberfläche setzen, wird der Wechsel damit zunehmend attraktiver.
Modellierung und Datenintegration
Kommen wir zum Schluss noch zur Modellierung und Datenintegration. Auch hier gibt es einige sinnvolle Erweiterungen. Erwähnenswert ist die neue Unterstützung für Import Connections zur SAP HANA Cloud. HANA-Cloud-Datenbanken lassen sich damit direkt an SAC anbinden, inklusive der TLS-Zertifikatsprüfung über JDBC. Im Unterschied zu On-Premise-Verbindungen werden weder SAP Analytics Cloud Agent noch Cloud Connector benötigt. Ladeaufträge und Replikationen nach SAC sind dennoch im gleichen Umfang möglich.
Eine Anpassung, die viele freuen wird, ist die Vereinheitlichung des Stammdatenimports. Für öffentliche Dimensionen kommt nun derselbe Data Wrangler zum Einsatz wie bereits bei Bewegungsdaten und bei der Modellerstellung. Zudem lassen sich bestehende Ladeaufträge nachträglich bearbeiten, statt sie bei Änderungen oder Konfigurationsfehlern komplett neu anlegen zu müssen. Eine kleine, aber aus unserer Sicht längst überfällige Anpassung.
Mehr Transparenz gibt es zudem rund um den Job Monitor. Mit dem Embedded Job Monitor können Planer und Story-Nutzer den Status von Data Actions und Multi Actions direkt in der Story verfolgen, ohne dafür in den separaten Monitor wechseln zu müssen. Benutzer mit entsprechenden administrativen Berechtigungen erhalten darüber hinaus Einblick in weitere beziehungsweise alle Jobs. Gleichzeitig werden nun auch Data-Import-API-Aufträge im zentralen Job Monitor angezeigt. Zusätzlich kann aus einem Modell direkt zu den zugehörigen Import- und Exportjobs gesprungen werden. Damit wird die Überwachung sowohl für fachliche Planungsschritte als auch für technische Ladeprozesse etwas übersichtlicher.
Abschaltung alter Oberflächen und neue Story-Berechtigungen
Nicht unerwähnt wollen wir die Abschaltung alter Oberflächen lassen. Mit QRC3 zieht SAP bei mehreren älteren SAC-Komponenten endgültig den Stecker. Classic Stories und Analytic Applications werden abgeschaltet, sodass spätestens jetzt der Wechsel auf die Optimized Story Experience abgeschlossen sein sollte. Auch der alte Home Screen entfällt vollständig; damit gibt es künftig nur noch die neue Startseite ohne Rückwechselmöglichkeit.
Parallel dazu wird die Berechtigungssteuerung für Stories granularer. In benutzerdefinierten Rollen lassen sich Rechte zum Erstellen, Lesen, Ändern, Löschen und Teilen von Stories nun gezielt vergeben oder entziehen. Zusätzlich wird sichtbar, welche Story-Berechtigungen in den Standardrollen enthalten sind. Gerade aus Governance-Sicht ist das sinnvoll, weil sich Story-Erstellung und reiner Konsum sauberer voneinander trennen lassen. Organisationen sollten nach dem Update allerdings ihre Rollen prüfen und gegebenenfalls auch interne Schulungsunterlagen zur neuen Oberfläche aktualisieren.
Das Q3-2026-Release der SAP Analytics Cloud ist weniger ein einzelner großer Technologiesprung als vielmehr eine Mischung aus neuen Ansätzen und vielen sinnvollen Verbesserungen bestehender Funktionen. Gerade im Planning werden einige bislang umständliche Abläufe deutlich sauberer gelöst. Der Data Filter Parameter ist dafür ein gutes Beispiel. Er klingt zunächst unspektakulär, kann in komplexeren Planungsanwendungen aber einen Unterschied machen. Auch Compass wird durch die Integration in Stories deutlich näher an den tatsächlichen Analyse- und Planungsprozess gebracht.
Am meisten Aufmerksamkeit dürften trotzdem die neuen KI-Funktionen bekommen. Die Story Code Generation kann die Einstiegshürde beim Story Scripting deutlich senken und ist vor allem deshalb interessant, weil sie gezielt auf die SAC Scripting API ausgerichtet ist. Erfreulich ist zudem, dass die Funktion als Base-AI-Feature ohne zusätzliche AI Units genutzt werden kann. Wie gut sie sich bei komplexeren Stories, Abhängigkeiten zwischen Widgets oder umfangreichen Planungsszenarien bewährt, muss sich allerdings erst in der Praxis zeigen. Auch Prompt Insights zeigt, in welche Richtung SAP die Analytics Cloud entwickeln möchte. Gleichzeitig sollte man die Erwartungen hier nicht zu hoch ansetzen. Die Qualität der Ergebnisse hängt weiterhin stark davon ab, welchen Datenkontext die KI erhält und wie sauber Stories, Daten und Prompts vorbereitet sind. Hinzu kommen Fragen rund um Datenschutz und Governance, die Unternehmen vor einem breiteren Einsatz berücksichtigen sollten. Ein weiteres Feature, auf das viele vermutlich schon länger gewartet haben, ist Lazy Loading für Tabellenspalten. Gerade bei sehr breiten Tabellen kann das die initiale Darstellung spürbar beschleunigen, da zunächst nur die sichtbaren Spalten gerendert werden. Ähnlich gemischt fällt das Bild bei den neuen Visualisierungen aus. Sankey, Funnel und Gauge schließen zwar Lücken im SAC-Standard, Einschränkungen wie die fehlende BW-Model-Unterstützung beim Sankey Chart zeigen aber auch, dass nicht jedes neue Feature sofort für jedes bestehende SAC-Szenario geeignet ist.
Insgesamt wirkt Q3 2026 deshalb vor allem wie ein Release, mit dem SAP viele Bausteine der SAC konsequent weiterentwickelt. Einige der eher unscheinbaren Neuerungen dürften im Projektalltag sogar schneller einen spürbaren Mehrwert liefern als die prominent beworbenen Funktionen. Bei den neuen KI-Features ist das Potenzial dagegen deutlich größer, zugleich aber auch schwerer einzuschätzen. Spannend wird daher vor allem sein, ob SAP sie in den kommenden Releases so weiterentwickelt, dass aus interessanten Einzelwerkzeugen tatsächlich ein fester Bestandteil der täglichen Arbeit mit SAC wird.
Prüfen Sie derzeit, wie diese neuen Funktionen optimal in Ihre Roadmap passen, oder benötigen Sie Unterstützung bei der Umsetzung in Ihren aktuellen SAC-Projekten? Sprechen Sie uns gerne an - unsere Experten unterstützen Sie bei der passgenauen Implementierung.