Lakehouse-Muster
Stand 2026-09-03
Lakehouse-Muster klärt die eine Architekturfrage, auf die jedes SAP-Business-Data-Cloud-Projekt (BDC) in Woche eins stößt: Wer besitzt die Governance, Databricks oder Datasphere, und wo lebt SAP-spezifische Logik — MANDT-Filterung, Währungsumrechnung, Statusauflösung — tatsächlich. Wird die Medaillon-Grenze falsch gezogen (Geschäftslogik in Bronze statt in Silver), extrahiert der Kunde bei jeder Regeländerung erneut aus SAP; wird das BDC-Muster falsch gewählt, driftet die Unity-Catalog-Autorisierung vom Profit-Center-Modell von SAP ab. Die Wirtschaftlichkeit ist konkret: Databricks auf Delta läuft für kalte historische Volumina über 5-50 TB rund 4-6-mal günstiger als HANA Cloud In-Memory, und Architekten, die den gesamten Stack beherrschen — SAP-Extraktion, Delta Live Tables, Unity Catalog, semantische Rückverbindung mit Datasphere — rechnen in DACH und den Benelux-Ländern freiberuflich 900-1.200 €/Tag ab. Dieses Modul liefert den Entscheidungsrahmen, keine Produkttour.
Was Sie lernen
- Die Medaillon-Architektur (Bronze-Silver-Gold) erklären und wo sie sich von einem klassischen EDW-Sternschema unterscheidet
- Eine Lakehouse-Integration für SAP-Quellen mit BDC + Databricks oder der Lake-Ebene von Datasphere entwerfen
- Zwischen Lakehouse- und EDW-Ansätzen anhand von Workload-Eigenschaften und Governance-Einschränkungen wählen
- Die architektonischen Kompromisse in Kundengesprächen sowie Gehalts- oder Satzverhandlungen artikulieren
Was ein Lakehouse tatsächlich ist (und was nicht)
Der Begriff „Lakehouse" ist überladen. Im SAP-Kontext bedeutet er zwei unterschiedliche Dinge, je nachdem, in welchem SAP-Produkt man gerade steht, und diese in einem Kundengespräch zu vermischen, ist ein unmittelbares Glaubwürdigkeitsrisiko.
Die Databricks-/Delta-Lake-Bedeutung -- spaltenorientierte Speicherung im offenen Format (Delta, Iceberg oder Hudi) auf günstigem Objektspeicher (ADLS Gen2, S3, GCS), mit ACID-Transaktionen, Schema-Erzwingung und einer Compute-Ebene (Spark, Photon, DuckDB), die direkt gegen diese Dateien laufen kann, ohne ein proprietäres Warehouse-Format. Ein Lakehouse in diesem Sinne ersetzt sowohl den Staging-Bereich als auch das Data Warehouse in einer einzigen physischen Ebene und eliminiert den ETL-Sprung vom Lake zum Warehouse.
Die SAP-BDC-Bedeutung -- Business Data Cloud (GA 2025) verpackt Databricks als vollwertige Compute- und Speicherebene neben SAP Datasphere. Innerhalb von BDC ist das Databricks-Lakehouse das Fundament im offenen Format; SAP Datasphere sitzt darüber und liefert eine governte Semantik-Ebene, Business-Content und Identitätsföderation. Sie werden auf Kunden treffen, die BDC gekauft, aber noch nicht entschieden haben, welche Workloads in Databricks bzw. in Datasphere leben.
Voraussetzungen
- Fortgeschrittene praktische Erfahrung mit SAP-Analytics-Projekten
- Zunächst folgende Kernkonzepte wiederholen: C035, C016, C087
Lernergebnisse
- Ein realistisches Szenario durcharbeiten: Ein Tier-1-Automobilzulieferer auf S/4HANA 2023 (RISE) braucht wöchentliche Bestandssichtbarkeit pro Werk-Material-Charge in SAC.
- Das Anti-Pattern erkennen und vermeiden: Silver-Logik in Bronze schreiben — Bronze verliert die Idempotenz —, sobald ein Fehler bei der Währungs- oder Statusdekodierung gefunden wird.
- Die Kernentscheidung des Moduls anwenden: Databricks-first- vs. Datasphere-first-BDC-Muster — standardmäßig Muster 1 wählen.
- Beherrschung mit dem KPI verfolgen: Erfolgsquote der Bronze-zu-Silver-Wiederholung (Ziel: 100 % der Silver-Tabellen aus Bronze rekonstruierbar, ohne erneut aus SAP zu extrahieren).
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.