CDC und Change Data Capture
Stand 2026-09-03
CDC & Change Data Capture entscheidet, ob ein Finanz- oder Logistik-Dashboard alle 15 Minuten oder nur einmal täglich aktualisiert wird — und ob die Extraktionslast jemals die eigene transaktionale HANA-Last gefährdet. Bei einer ACDOCA-Tabelle mit 900 Millionen Zeilen dauert ein vollständiger nächtlicher Ladevorgang 4,5 Stunden; dasselbe Delta, per SLT oder einem Datasphere-Replication-Flow erfasst, landet in Sekunden und wird in Minuten gemergt. Das Modul gibt dem Architekten eine belastbare Grundlage, um zwischen SLT, Replication Flows und Batch zu wählen, das Ziel-Merge unter At-least-once-Zustellung idempotent und korrekt geordnet zu halten und Drift mit einer taggleichen Abstimmungskontrolle zu erkennen — das Urteilsvermögen, das ein Lenkungsausschuss beim Kunden vor der Freigabe einer BW/S4-Modernisierungs-Umstellung erwartet.
Was Sie lernen
- Den richtigen SAP-CDC-Mechanismus (SLT, Datasphere Replication Flow oder Batch) für eine gegebene Quelltabelle und ein Latenz-SLA auswählen.
- Ein idempotentes, korrekt geordnetes Delta-Merge-Muster entwerfen, das At-least-once-Zustellung übersteht und harte Löschungen propagiert.
- Die fünf benannten CDC-Fehlermodi erkennen — Log-Wucherung, Schema-Drift, Initial-Load-Lücken, ODP-Modus-Verwechslung, fehlerhafte Handhabung von Währung/Einheit —, bevor sie in Produktion gelangen.
- Die Entscheidung CDC gegenüber Batch und ihre Abstimmungskontrolle vor einem kundenseitigen Lenkungsausschuss verteidigen.
CDC & Change Data Capture in der SAP-Analytics-Landschaft
Change Data Capture (CDC) ist die Disziplin, nur die Zeilen zu identifizieren, zu erfassen und auszuliefern, die sich seit der letzten Extraktion geändert haben — Inserts, Updates und Deletes —, statt bei jedem Zyklus eine gesamte Tabelle erneut zu lesen. In großen SAP-Umgebungen macht dieser Unterschied den Unterschied zwischen einer Datenpipeline mit fünf Minuten Latenz und einem sechsstündigen Batch-Fenster, das gleichzeitig HANA-Speicher, Netzwerkbandbreite und ABAP-Workload verbraucht. Jeder Senior-Architekt muss in der Lage sein, für eine gegebene SAP-Quelle den richtigen CDC-Mechanismus auszuwählen, ihn in ein modernes Lakehouse oder eine Datasphere-Landing-Zone zu integrieren und diese Wahl gegen den Druck zu verteidigen, ‚einfach jede Nacht einen vollständigen Ladevorgang zu machen'.
Warum CDC in SAP-Kontexten wichtig ist
SAP-ERP-Tabellen sind groß. BSEG (Buchungszeilen) übersteigt in ausgereiften Unternehmen routinemäßig eine Milliarde Zeilen. VBAP (Verkaufsauftragspositionen), MSEG (Materialbelege) und ACDOCA (Universal Journal) wachsen bei Tier-1-Herstellern mit mehreren Millionen Zeilen pro Arbeitstag. Ein vollständiger Extrakt von ACDOCA bei Spitzenauslastung der HANA blockiert andere analytische Workloads, verbraucht HANA-Row-Store-Speicher für den Export und sättigt den RFC- oder ODBC-Kanal. CDC löst dies, indem nur das Delta gelesen wird — die Zeilen, die sich seit dem letzten erfolgreichen Extraktionslauf geändert haben.
Voraussetzungen
- Fortgeschrittene praktische Erfahrung mit SAP-Analytics-Projekten
- Zunächst folgende Kernkonzepte wiederholen: C005, C087, C083
Lernergebnisse
- Ein realistisches Szenario durcharbeiten: Ein europäischer Fertigungskonzern braucht eine untertägige GuV in SAC, alle 15 Minuten aktualisiert.
- Das Anti-Pattern erkennen und vermeiden: Eine gepflegte Zeitstempel-Spalte als CDC behandeln.
- Die Kernentscheidung des Moduls anwenden: SLT vs. Datasphere Replication Flow vs. Batch-Vollladung — standardmäßig Datasphere Replication Flows (ODP/CDS) für jede S/4HANA-Quelle mit verfügbarem Extraktor wählen.
- Beherrschung mit dem KPI verfolgen: Delta-Zyklus-Latenz (von Commit an der Quelle bis Verfügbarkeit am Ziel).
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.