Wo die SAP Analytics Cloud heute noch an ihre Grenzen stößt
Die SAP Analytics Cloud (SAC) ist ohne Frage das zentrale Planungs- und Analysetool der SAP. Sie ist in ihrer Architektur darauf ausgelegt, Planungsprozesse innerhalb definierter Datenmodelle abzubilden, die in der SAC angelegt und befüllt werden müssen. Daten aus externen Systemen (z. B. SAP Datasphere, BW, S/4HANA oder Non-SAP-Systemen) können über verschiedene Konnektoren importiert werden. Wer jedoch eine durchgängige, integrierte Planungslösung mit SAP-Technologien realisieren möchte, stand bisher immer vor zwei grundlegenden Herausforderungen:
- Die SAC ist kein Tool zur Arbeit mit (relationalen) Datenbanken.
- Die Nutzung von Planungsdaten in nachgelagerten Prozessen ist nur eingeschränkt über SAP Business Planning and Consolidation möglich.
Die Orchestrierung der Importe aus verschiedenen Quellsystemen erfordert einen hohen manuellen Aufwand, und erhöht die Fehleranfälligkeit und Abhängigkeiten. Joins und Merges müssen über Data Actions abgebildet werden, welche Planungsmodelle zusammenführen. In der Praxis führt dies oft dazu, dass Planungsmodelle händisch über Importe von .csv oder Excel-Tabellen befüllt werden.
Um eine nahtlose Verknüpfung der SAC in bestehende Daten-Landschaften zu ermöglichen, stellt SAP mit dem Seamless Planning eine Integration der SAC in die SAP Datasphere bereit. Im Seamless Planning liegen Planungsdaten in der Datasphere und können hier für die Weitergabe vom Controlling an andere Unternehmensbereiche (z. B. Finance, Produktion) verarbeitet werden. Auch der Export der Daten wird direkt aus der Datasphere ermöglicht.
Im Beispiel des Five1-Liquiditätsforecasts erlaubt uns die Persistenz der Planungsdaten in der Datasphere, diese in externen Systemen auszulesen und für die Inferenz eines tagesaktuellen Forecasts zu nutzen. Die KI-Vorhersage basiert so stets auf den aktuellen Daten des Planungsmodells.
Abbildung 1: Transfer von Actual-Daten aus der Datasphere zu DataBricks
Die Arbeit mit Importen wurde bisher durch das Seamless Planning jedoch kaum erleichtert. Für das Befüllen von Modellen mit Fakt-Daten aus der Datasphere mussten bisher händisch OData-Connections angelegt werden. Daraus ergaben sich ein hoher, initialer Entwicklungsaufwand, große Datentransfers, doppelte Datenhaltung und daraus resultierend, eine komplizierte Koordination der Ladevorgänge. In der Praxis erfüllte Seamless Planning damit nicht die Voraussetzungen für eine ganzheitliche Integration des Planungsprozesse über System- und Prozessgrenzen hinweg.
Voraussetzungen für echtes Seamless Planning
- Planungsdaten zentral gespeichert in einem planungsfähigen Backend (z. B. Datasphere mit persistierten Tabellen)
- Einheitliches Datenmodell, das sowohl transaktionale als auch planungsrelevante Daten integriert
- Nutzerrollen, Berechtigungen und Datenzugriffe, die systemübergreifend konsistent steuerbar sind
- Automatisierte Aktualisierung und Synchronisation – kein manuelles Triggern, keine Zwischenstände, konsistente und aktuelle Daten
- Zugriff und Bearbeitung über verschiedene Tools hinweg (SAC, S/4, DWC, eigene UIs)
Mit den Live-Versionen des Q4/2025 Release geht SAP nun einen wichtigen Schritt in Richtung einer echten Integration der Planung.
Was das Q4/2025 Release der SAP Analytics Cloud verändert
Im ersten Abschnitt haben wir beleuchtet, welche strukturellen und funktionalen Hürden derzeit noch zwischen Vision und Wirklichkeit von Seamless Planning stehen. Mit dem Q4/2025 Release geht SAP nun einen wichtigen Schritt in Richtung durchgängiger Planungsarchitektur – dank der neuen Live-Versions für SAC Planungsmodelle.
Bisher war die Integration von Daten aus der SAP Datasphere in SAC-Planungsmodelle mit Einschränkungen verbunden: Planungsdaten wurden oft lokal in der SAC gehalten, während benötigte Faktendaten aus der Datasphere über OData-Verbindungen eingespielt werden mussten – ein Ansatz, der komplex, fehleranfällig und kaum skalierbar war.
Mit den neuen Live-Versions ändert sich das grundlegend. Statt Daten aufwendig zu replizieren, können sie jetzt direkt aus der Datasphere (und auch aus anderen Systemen) live in das Planungsmodell der SAP Analytics Cloud eingebunden und Planungsversionen zugeschrieben werden. Das heißt:
- Kein Import mehr nötig – die Daten bleiben physisch in der DS
- Daten können auf verschiedenen Versions geschrieben werden - insbesondere für Actual- oder Forecast-Daten aus Drittsystemen
- Volle Integration in Model-Berechnungen, Storys, Simulationen (Compass) und DA-Komponenten
- Konfiguration direkt im SAC-Planungsmodell möglich – ohne externe Modellpflege
Die Planung findet also nicht mehr auf einer Kopie der Daten statt, sondern direkt auf der gemeinsamen, aktuellen Datenbasis, auf die auch andere Teams zugreifen – sei es Finance, Controlling oder Produktion. Das vereinfacht nicht nur die Datenpflege, sondern reduziert auch Medienbrüche und manuelle Aufwände.
Für den oben angesprochenen five1-Liquiditätsforecast werden die Daten aus Databricks wieder auf einen eigenen Datasphere Local Table geschrieben. Diese können nun ohne Brüche im SAC Planungsmodel als Forecast verwendet werden. Dies gibt dem Kunden die Sicherheit, stets die neueste KI-Vorhersage zu sehen.
Abbildung 2: Integration des Liquiditätsforcast (DataBricks) mit Seamless Planning
Die Datasphere wird zur Drehscheibe der Planung
Die zuvor beschriebene Neuerung unterstreicht die strategische Rolle der SAP Datasphere: Sie entwickelt sich mehr und mehr zum zentralen Backbone für SAP-Unternehmensplanung. Damit wird die Datasphere zur operativen Umsetzung dessen, was SAP als Business Data Fabric beschreibt: eine konsolidierte, zugriffssteuerbare Plattform, auf der unterschiedliche Geschäftsbereiche mit denselben, stets aktuellen Daten arbeiten.
Konkret bietet die Datasphere als Planungs-Backend:
- Zentrale Datenhaltung: Unternehmensdaten aus SAP- und Non-SAP-Quellen werden konsolidiert und zentral verwaltet – aktuell, konsistent und jederzeit abrufbar.
- Flexible Datenintegration: Ob via Replication Flows (low-code), OData, HANA ML Scripting oder JDBC – verschiedene Schnittstellen ermöglichen einen breit aufgestellten Datenaustausch.
- SQL-basierte Datenverarbeitung: Komplexe Transformationen, Aggregationen und Logiken lassen sich performant direkt in der Datenquelle umsetzen.
- Semantische Modellierung: Datenmodelle lassen sich domänenübergreifend definieren und vereinheitlichen – Grundlage für integrierte Planung und Reporting.
- Data Governance und Zugriffskontrollen: Rollenbasierte Sicherheitskonzepte sorgen für eine kontrollierte und nachvollziehbare Datenverwendung.
- Planung auf Live-Daten: Statt statischer Datenimporte greifen Planungsprozesse direkt auf persistierte Tabellen zu – für verlässliche Prognosen und Simulationen in Echtzeit.
Damit wird die Datasphere zur tragenden Infrastruktur für Seamless Planning – und zur Brücke zwischen technischer Architektur und fachlicher Steuerung.
Ein Meilenstein – aber nicht das Ende der Reise
Mit Blick nach vorn rücken auch neue Partnerschaften und Plattformen in den Fokus:
Die Integration von SAP mit Databricks im Rahmen der Business Data Fabric-Strategie öffnet neue Wege für die Verbindung von Planung, Analyse und KI auf einer gemeinsamen Plattform. Ziel ist es, Daten nicht nur zu konsolidieren, sondern sie auch governed und skalierbar für verschiedene Anwendungsfälle, von Dashboards über Forecasts bis Machine Learning, nutzbar zu machen. Seamless Planning ist dabei nur ein Baustein. Die künftige SAP-Datenarchitektur bringt Planung, Reporting und Data Science ohne Medienbrüche zusammen.
Mit dem Q4-Release ist SAP ein wichtiger Schritt gelungen. Die Vision von Seamless Planning, also einer nahtlosen, systemübergreifenden Planungsarchitektur, rückt ein gutes Stück näher.
Wie starten Sie mit Seamless Planning?
Sprechen Sie uns an - wir zeigen Ihnen, wie SAC und Datasphere zu einer durchgängigen Planungsarchitektur werden.