Clean Core Analytics
Stand 2026-09-03
Clean-Core-Konformität wird bei RISE-with-SAP-Deployments inzwischen vertraglich durchgesetzt. Berater, die Erweiterungen nicht klassifizieren können — In-App-Erweiterungen, BTP-Side-Car-Muster, stabile CDS-Erweiterungsviews und nicht konforme Z-Tabellen-/SAPI-Extraktoren voneinander unterscheiden —, erzeugen bei jedem S/4-Upgrade Regressionskrisen. Der Reifegrad-Scan (CCMIG / ATC) dauert bei typischem Scope 1-2 Tage; das dadurch ermöglichte Remediation-Design erspart Monate an Notfall-Nacharbeit. Drei Fehlerbilder verursachen > 85 % der Clean-Core-Analytics-Vorfälle: CDS Views auf internen Tabellen, Z-Tabellen unter Replication Flows und SAPI-Extraktoren, die sich als saubere Bridge ausgeben.
Was Sie lernen
- Sämtlichen vorhandenen analyticsbezogenen kundeneigenen Code eines S/4-Projekts mithilfe des Clean-Core-Reifegrad-Scans (CCMIG / ATC-Regeln) klassifizieren — mit Unterscheidung zwischen In-App-Erweiterungen, BTP-Side-Car-Mustern, stabilen CDS-Erweiterungen und nicht konformen Z-Tabellen-/SAPI-Extraktoren
- Die Clean-Core-Erweiterungsleiter für Analytics anwenden, um upgrade-sichere kundeneigene Analytics-Objekte zu entwerfen: kundeneigene Felder über die App Custom Fields & Logic, CDS-Erweiterungsviews auf freigegebenen VDM-Schnittstellen und BTP-Side-Car-Muster für komplexe Logik
- Die drei wichtigsten Clean-Core-Fehlerbilder diagnostizieren und beheben — CDS-Views auf internen Tabellen, Z-Tabellen unter Replication Flows und veraltete SAPI-Extraktoren — und dabei ein Sanierungs-Briefing mit Aufwandsschätzung und Compliance-Risiko erstellen
- Ein Clean-Core-Compliance-Assessment für einen Analytics-Extraktionsumfang erstellen: für jeden Extraktor den Konformitätsgrad klassifizieren, den Refactoring-Pfad benennen und die Upgrade-Risikokosten einer unterlassenen Sanierung schätzen
Modulüberblick
Clean Core ist SAPs Vorgabe für S/4HANA Cloud und zunehmend die praktische Voraussetzung für jedes Datasphere- oder BDC-Deployment, das kontinuierliche Innovationsupdates erhalten möchte, ohne bei jedem Release-Zyklus in eine Regressionskrise zu geraten. Zu verstehen, was Clean Core genau bedeutet — und es speziell auf der Analytics-Schicht durchzusetzen, nicht nur in der transaktionalen Anwendung —, ist inzwischen eine erstklassige Fähigkeit bei jedem S/4-Migrationsprojekt, und es ist eine Fähigkeit, die sich direkt darin niederschlägt, ob die Analytics-Plattform eines Kunden das nächste Upgrade unbeschadet übersteht.
Voraussetzungen
- Mittleres praktisches Erfahrungsniveau in SAP-Analytics-Projekten
- Zuerst Kernkonzepte wiederholen: C033, C032, C035
Lernergebnisse
- Ein realistisches Szenario durcharbeiten: RISE-with-SAP-Projekt, Einzelhandelskunde, S/4HANA 2022 — Upgrade auf 2023. Analytics-Umfang: 12 aktive Datasphere-Replication-Flows, davon 4 kundeneigen.
- Das Anti-Pattern erkennen und vermeiden: Den Reifegrad-Scan vor dem Entwurf der Datasphere-Extraktion auslassen — nicht konforme Extraktoren werden erst beim Upgrade entdeckt; Notfall-Nacharbeit verzögert den Go-Live um Wochen.
- Die zentrale Entscheidung des Moduls anwenden: Kundeneigene Felderweiterung — App Custom Fields & Logic wählen — upgrade-sicher, erscheint automatisch in ausgelieferten CDS-Interface-Views.
- Den Lernfortschritt mit dem KPI verfolgen: Konformitätsquote kundeneigener Extraktoren.
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.