BDC: Einführung & Architektur
Stand 2026-09-03
BDC (angekündigt im Februar 2025) ist SAPs Angebot für die KI-Datensteuerungsebene — es vereint drei vormals getrennte Produkte (Datasphere, SAC, BW) plus eine OEM-Databricks-Engine in einer verwalteten SaaS-Ebene. Geschichtete Architektur: gesteuerte, SAP-verwaltete Data Products (M033) → offenes Lakehouse (Delta/Iceberg) → SAP-Databricks-Engine (M034) → Insight Apps → Joule-KI-/Agentenschicht (M046/M049). Der Kern ist „eine Ebene" — SAP-Daten kommen mit erhaltenem fachlichem Kontext an, sodass eine Kennzahl in SAC, Databricks oder Joule dasselbe bedeutet. Kein BW-Lift-and-Shift, kein umbenanntes SAC, kein generisches Lakehouse — der Wert liegt im gesteuerten semantischen Fundament. < 2.000 BDC-Architekten weltweit gegenüber 10.000+ benötigten bis 2028 → die steilste Tagessatzprämie am Markt.
Was Sie lernen
- Die Kernkonzepte hinter BDC: Einführung & Architektur verstehen
- BDC in einem typischen SAP-Analytics-Engagement anwenden
- Die 3-5 häufigsten Fehler erkennen und wissen, wie man sie vermeidet
- Diese Fähigkeit in der eigenen persönlichen Marke und im Tagessatzgespräch positionieren
Modulüberblick
SAP Business Data Cloud (BDC), im Februar 2025 angekündigt, ist SAPs Anspruch, die KI-Datensteuerungsebene für das Unternehmen zu sein (die Plattform-Charta; Forrester-Einordnung). Für einen Berater ist die architektonische Verschiebung die Schlagzeile: BDC vereint, was früher drei separat verkaufte Produkte waren — SAP Datasphere, SAP Analytics Cloud und SAP BW — sowie eine OEM-Databricks-Engine zu einer einzigen verwalteten SaaS-Datenebene. Diese Konsolidierung zu verstehen macht den Unterschied zwischen dem Verkauf von „noch einem Data Warehouse" und dem Verkauf der Plattform, auf die SAP das Unternehmen setzt.
Die geschichtete Architektur. Von unten nach oben: (1) ein Fundament aus gesteuerten, SAP-verwalteten Data Products — geschäftsfertige, semantisch reichhaltige Datenpakete aus S/4HANA, SuccessFactors, Ariba und mehr (Begleitmodul M033); (2) eine offene Lakehouse-Speicherschicht (Delta/Iceberg) mit Zero-Copy-Sharing; (3) die Databricks-Engine, als „SAP Databricks" OEM-vertrieben, für Data Engineering und ML direkt auf SAP-Daten (Begleitmodul M034); (4) Insight Apps — vorgefertigte Analyseanwendungen auf dem Fundament; und (5) Joule als KI-/Agentenschicht darüber (Begleitmodule M046, M049). SAC- und Datasphere-Modellierung leben innerhalb dieser Ebene, nicht als aufgesetzte Zusatzprodukte.
Voraussetzungen
- Zunächst die Kernkonzepte durcharbeiten: C015, C012, C008
Lernergebnisse
- Ein realistisches Szenario durcharbeiten: ein Unternehmen auf S/4HANA + Legacy-BW + einem separaten Databricks-Lakehouse, das BDC evaluiert und unsicher ist, ob es „nur wieder BW" ist.
- Den Anti-Pattern erkennen und vermeiden: BDC als BW-Upgrade oder „umbenanntes SAC" zu pitchen — unterverkauft die Plattform; der Kunde scopt die Gelegenheit falsch.
- Die Kernentscheidung des Moduls anwenden: BDC framen als … — die vereinte, gesteuerte, semantische Datenebene wählen, nicht „noch ein Data Warehouse" / „umbenanntes SAC".
- Die Beherrschung mit dem KPI verfolgen: Value framing (Ziel: Stakeholder sehen BDC als die vereinte Ebene; Warnsignal: BDC wird als „BW v2" / „umbenanntes SAC" verstanden).
Vollständiges Modul für Mitglieder. Das vollständige Modul ergänzt: den Entscheidungsrahmen · das durchgehende Szenario · die KPI-Scorecard · die Anti-Muster · die Codeblöcke · die Wissenskontrolle · die Schemata.