BDC + Databricks-Integration
Stand 2026-09-03
Databricks ist als „SAP Databricks" per OEM in BDC integriert und teilt Daten zero-copy über Delta Sharing — das löst das älteste Leiden der SAP-Analytics: SAP-Geschäftsdaten in ML/Data Science zu bringen, ohne ein brüchiges ETL, das die Semantik entfernt. Kernwert: bidirektional, zero-copy, semantikerhaltend — SAP-Daten stehen Databricks ML an Ort und Stelle zur Verfügung, Ergebnisse fließen zurück, kein nächtlicher Extrakt, kein doppelter Speicher. Der Unity Catalog steuert die Databricks-Seite gegenüber gesteuerten SAP Data Products (M033) unter einem gemeinsamen Governance-Dach. Architekturentscheidungen: Semantik in den BDC-Produkten belassen, Feature Engineering/ML in Databricks durchführen; die Governance-Nahtstelle entwerfen (Lineage M077, Zugriff M081); keine ungesteuerten Workspaces aufsetzen, die Silos nachbauen. Ehrlicher Vorbehalt: Die Integration ist gelöst, die Lösung muss trotzdem architektiert werden. Das ist die prägende Cross-Stack-Architekten-Kompetenz — die größte Knappheit am Markt.
Was Sie lernen
- Erklären, warum SAP Databricks (per OEM in BDC integriert) die ETL-Extraktion durch zero-copy, semantikerhaltendes Delta Sharing ersetzt
- Entscheiden, was ein governtes BDC Data Product bleibt versus was in Databricks-Notebooks/MLflow entwickelt wird
- Eine Governance-Nahtstelle entwerfen, sodass Unity Catalog und die BDC-Lineage-/Zugriffskontrollen zusammenhalten, statt in zwei Regime zu zerfallen
- Cross-Stack-SAP+Databricks-Architekturkompetenz im Tagessatz-Gespräch als knappe Senior-Berater-Kompetenz positionieren
Modulüberblick
Die Partnerschaft zwischen SAP und Databricks ist die architektonische Schlagzeile der Business-Data-Cloud-Ära. Databricks ist nativ per OEM in BDC integriert, als „SAP Databricks", und die beiden Plattformen teilen Daten zero-copy über Delta Sharing — das heißt, die Daten verbleiben physisch dort, wo sie sind, im governten Bestand von SAP, und werden dem Databricks-Compute ohne Kopierschritt zugänglich gemacht. Für einen Berater löst das eines der ältesten und teuersten Leiden der SAP-Analytics: SAP-Geschäftsdaten in eine Data-Science- oder Machine-Learning-Umgebung zu bringen, ohne eine brüchige, maßgeschneiderte Extraktionspipeline, die die Geschäftsbedeutung entfernt, die die Daten innerhalb von SAP trugen.
Voraussetzungen
- Mittlere praktische Erfahrung auf SAP-Analytics-Projekten
- Zunächst die Kernkonzepte wiederholen: C015, C012, C016
Lernergebnisse
- Erklären, warum SAP Databricks die brüchige ETL-Extraktion durch zero-copy, semantikerhaltendes Delta Sharing ersetzt.
- Entscheiden, was ein governtes BDC Data Product bleibt versus was in Databricks entwickelt wird (Feature Engineering, ML, MLflow).
- Die Unity-Catalog-↔-BDC-Governance-Nahtstelle entwerfen und verteidigen, sodass Lineage und Zugriffskontrollen durchgängig halten.
- Das BDC + Databricks Entscheidungs-Framework in einem 15-minütigen Lab anwenden und eine kundenreife Architekturnotiz erstellen.
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.