SAP Datasphere Jahresüberblick 2025

2025 war ein Meilensteinjahr für SAP Datasphere. Die Veröffentlichung von SAP Business Data Cloud (BDC) setzte eine neue strategische Richtung für SAPs Datenportfolio und positionierte Datasphere als zentrales Element in einer modernen Datenarchitektur. Im Zentrum stand die Einführung eines gemeinsamen Object Stores, der einen bidirektionalen, zero-copy Datenaustausch mit einem wachsenden Partnerökosystem mit den Anbietern Databricks, Snowflake, Microsoft Fabric und Google BigQuery unterstützt.Dadurch hat sich  die Position von SAP Datasphere auf dem Markt für Datenplattformen dieses Jahr deutlich gestärkt.

Falls Sie neu in dem Thema sind, werfen Sie gern einen Blick in unsere Blogserie zur Business Data Cloud (BDC).

Heute wollen wir einen genaueren Blick auf SAP Datasphere werfen und uns die bedeutendsten neuen Features ansehen, die es 2025 erhalten hat, bevor wir einen kurzen Blick auf das werfen, was 2026 und darüber hinaus zu erwarten ist.

Datenintegration

Es ist klar, dass SAP sich in diesem Jahr hauptsächlich auf Replication Flows konzentriert hat. Dieser Bereich erhielt die meiste Entwicklungsaufmerksamkeit und füllte effektiv die Lücken, die beim ersten Start des Tools noch existierten.

Die Updates für Replication Flows decken viele Bereiche ab. Die Konnektivität wurde mit neuen Quellen wie Microsoft OneLake, Microsoft SQL Server und SFTP (jetzt sowohl als Quelle als auch Ziel unterstützt) sowie SQL Views erweitert. Auch die Benutzerfreundlichkeit wurde verbessert, indem Funktionen wie die Wiederverwendung von Quellobjekten über mehrere Flows hinweg und E-Mail-Benachrichtigungen bei Objektfehlern hinzugefügt wurden. Kürzlich wurden auch die maximalen parallelen Jobs erhöht. Besonders bemerkenswert ist, dass wir die neueste vielversprechende Ergänzung noch nicht ausreichend erkunden konnten: Die Replikation von ODP-Quellen mit Ladetypen "initial+delta" ohne Primärschlüssel. Dies könnte sich als sehr nützlich für die Integration von Legacy-SAP-ECC-Systemen erweisen.

Replication Flows haben sich seit ihrer Einführung erheblich verbessert. Sie decken jetzt die meisten Quellen ab, die zuvor SDI (Smart Data Integration) für die automatische Delta/CDC-Verarbeitung benötigten, und sie bieten einzigartige Quellanbindungen an, die von anderen Objekttypen nicht unterstützt werden. Auch die Stabilität und Enterprise Readiness haben sich deutlich verbessert. In der Praxis haben wir jedoch noch einige Bedenken:

1. Das Monitoring ist in einigen Fällen nach wie vor schwierig. Bestimmte Replikationsfehler (insbesondere bei S/4HANA) sind auf den ersten Blick nicht immer klar.

2. Es ist unbedingt notwendig, dass der Delta-Ladezeitpunkt in Zukunft selbst definiert werden kann. Derzeit kann nicht genau gesteuert werden, wann Delta-Ladevorgänge ausgeführt werden, was eine schwere Einschränkung für viele architektonische Designs darstellt.

Im Vergleich dazu waren die Updates für andere Flow-Objekte kleiner im Umfang. Transformation Flows erhielten Funktionen wie die Generierung von PlanViz für Performance-Simulationen und Batch-Verarbeitung zur Vermeidung von Out-Of-Memory-Fehlern. Data Flows erhielten nichts Erwähnenswertes.

Wie erwartet, scheinen Data Flows weiterhin als Unterstützungstool für Legacy-Verbindungen zu dienen, die noch nicht von Replication Flows abgedeckt werden. Bei den Transformation Flows hoffen wir weiterhin auf eine flexiblere Delta-Verarbeitungslogik, um komplexe Szenarien in der Zukunft zu unterstützen.

Task Chains erhielten verschiedene Updates, einschließlich Deep Retries, 5-minütiges Scheduling und Layout-Controls. Die wichtigste neue Funktion ist die Verbindungsmöglichkeit zu externen Systemen über eine generische HTTP Verbindung und damit einhergehend das Ausführen von API-Tasks in Task Chains, was es ermöglicht, externe REST-APIs anzusprechen. Dies ermöglicht eine flexible Integration und Orchestrierung innerhalb Ihrer übergeordneten Systemlandschaft.

Fun Fact: Eine der von uns  noch im Jahr 2024 geforderten Funktionen, die Unterstützung von Eingabeparametern in Task Chains, wurde ebenfalls in diesem Jahr implementiert. Ursprünglich hatten wir dies in Verbindung mit Data Flows angefordert, aber SAP hat es passend zu Ihrer strategischen Ausrichtung für Transformation Flows implementiert. 

Sehen Sie sich die Aufzeichnung unseres Webinars an: 
"SAP Datasphere and the Databricks Lakehouse Approach"

Datenmodellierung

Der Fokus im Bereich der Datenmodellierung lag in diesem Jahr eindeutig auf dem Analytic Model. Updates beinhalteten u.a. die Möglichkeit, analytische Modelle zu stapeln (ein Modell als Quelle für ein anderes zu verwenden), Faktquellen einfacher zu ersetzen und verbesserte Lineage Analyse für Measures. Wir sahen auch einige praktische Ergänzungen wie die direkte Formatierung von Dezimalstellen und eine dedizierte fiskalische Zeitdimension.

Wenn man über Analytic Models spricht, muss man zwangsläufig auch über die Parität zu BW sprechen. Die größten Lücken für Nutzer zwischen den beiden Systemen finden sich in der Regel beim Vergleich von SAP BW-Queries mit dem SAP Datasphere Analytic Model (AM).

Um einen Teil dieser Lücke zu schließen, hat SAP nun endlich auch die Möglichkeit hinzugefügt, Strukturen innerhalb von Analytic Models zu erstellen, welche Einschränkungen und Berechnungen über alle Measures eines AM ermöglichen. Dies ist ein guter Start und eine notwendige Grundlage für die weitere Entwicklung, aber diese erste Version war begrenzter, als viele Benutzer erwartet hatten. Wir hoffen, dass SAP die verbleibenden Funktionen, wie die Gruppierung und Sequenzierung von Strukturelementen, bald liefert.

Eine weitere bedeutende Neuerung war die Einführung von Objektversionierungen. Dies ermöglicht Entwicklern, ältere Versionen von Views, Analytic Models und anderen Objekten zu öffnen und wiederherzustellen. Dies ist eine immense Verbesserung für die tägliche Arbeit der Entwickler und eine Notwendigkeit für die Enterprise Readiness der Plattform, da es ein Sicherheitsnetz beim Ändern von Inhalten bietet. Während wir immer noch auf eine vollständige Git-Integration in der Zukunft warten, dient die Objektversionierung als notwendige Zwischenlösung, bis diese vollständige Integration kommt.

Weitere nennenswerte Bereiche

Künstliche Intelligenz

SAP spricht häufig über KI, aber die tatsächlich verfügbaren Funktionen in Datasphere stehen bisher in keinem Verhältnis zu der  Aufmerksamkeit, die diesem Thema zuteilwird. Es scheint, dass SAP noch nach Wegen sucht, KI-Funktionen sinnvoll in Datasphere zu integrieren.

Derzeit können Nutzer Datenkatalogobjekte anreichern, indem automatisch Zusammenfassungen, Beschreibungen und Tag-Beziehungen generiert werden. Eine weitere Funktion kann Semantik generieren, die Entwicklern hilft, semantische Nutzungstypen für Entitäten vorzuschlagen und Kennzahlen sowie Attribute zu identifizieren.

Ein bedeutender Nachteil ist derzeit das Lizenzmodell. Die Nutzung dieser Funktionen erfordert ein separates Abonnement für KI-Einheiten. Dies schafft eine Barriere für viele Nutzer, die diese Tools ansonsten ausprobieren würden. Wir hoffen, dass SAP diesen umständlichen Prozess bald entfernt, um eine breitere Nutzung zu fördern.

Object Store

Der Object Store (Space) wurde im April dieses Jahres allgemein verfügbar gemacht, nachdem er im Dezember 2024 bereits initial in einem Restricted Release verfügbar war. Im Laufe des Jahres hat SAP außerdem einige grundlegende fehlende Funktionen hinzugefügt, darunter die Möglichkeit, Entwicklungen zwischen Tenants zu transportieren. Der Object Store ist damit bereit für seine beabsichtigte Rolle als zentrale Integrationsschicht der Business Data Cloud. So wird die notwendige Grundlage für den „Zero-Copy“-Architekturansatz der Plattform geschaffen.

Erst kürzlich hat ein Update eine weitere, bisher große Lücke geschlossen:  die Fähigkeit, Daten aus einem regulären HANA Space in den Object Store (Space) zu laden. Zuvor war das Zero-Copy-Ökosystem auf Quellsysteme beschränkt, die von Replikationsflüssen direkt im Object Store Space unterstützt wurden. Jetzt können Daten aus einem Standard-HANA-Space in den Object Store übertragen werden. Diese Änderung macht eine viel breitere Palette von Quellsystemen für Zero-Copy-Integration verfügbar, was die Nützlichkeit erheblich steigert.

Ausblick auf 2026

Mit Blick auf 2026 erwarten wir, dass SAP seinen Fokus noch stärker auf die Business Data Cloud (BDC) verlagern und Funktionen für SAP Datasphere entwickeln wird, um das damit verbundene Ökosystem zu fördern.

Ein wesentlicher Teil dieser Verschiebung wird wahrscheinlich das Data Product Studio sein, das SAP im letzten Jahr häufig angeteasert hat. Wir erwarten, dass dieses Tool die Art und Weise verändert, wie Entwickler Datenassets erstellen und verwalten. Anstatt mit rohen Tabellen oder Views zu arbeiten, sollte das Studio es Entwicklern ermöglichen, Daten und Metadaten in standardisierte „Produkte“ zu bündeln, die für Business-Nutzer leichter zu finden und zu konsumieren sind.

Wir gehen auch davon aus, dass das Angebot an vorgefertigten Datenprodukten, die direkt aus operationalen Systemen wie SAP S/4HANA stammen, zunehmen wird. Darüber hinaus erwarten wir ebenfalls mehr SAP-verwaltete Insight-Apps. Diese Anwendungen zielen darauf ab, vorgefertigte Datenmodelle, Visualisierungen und Business-Logik zu kombinieren, um eine schnelle Entwicklung von Reporting-Lösungen zu ermöglichen und gleichzeitig die Kosten für die Wartung dieser Lösungen zu reduzieren.

Wir hinterlassen Ihnen eine Liste der wichtigsten Roadmap-Punkte und Features, die wir in 2026 beobachten werden. Lassen Sie uns nächstes Jahr schauen, wie sich die Situation entwickelt hat:

 

Was war Ihr Top-Feature von 2025? Auf welche Funktionen freuen Sie sich am meisten im Jahr 2026?

Haben Sie Fragen zu SAP Datasphere? Oder benötigen Sie Unterstützung bei einer konkreten Fragestellung? Wir helfen Ihnen gerne dabei. Nehmen Sie einfach Kontakt zu uns auf!