Data Vault 2.0 auf SAP
Stand 2026-09-03
Data Vault 2.0 entscheidet, wie eine SAP-Landschaft mit mehreren Systemen integriert wird, wenn Master Data Governance die systemübergreifende Identität noch nicht vollständig aufgelöst hat: Die Hub-Link-Satellite-Modellierung tauscht eine langsamere Zeit bis zum ersten Bericht gegen vollständige Prüfhistorie und Schema-Flexibilität, die ein dimensionales Modell nicht bieten kann. Die Entscheidung, die ein Architekt in Woche eins trifft, ist nicht, ob Data Vault eingesetzt wird, sondern wo der Raw Vault endet und der Business Vault beginnt — wird der Raw Vault direkt exponiert, ertrinken Berichtsautoren in zeitpunktbezogenen Joins über Dutzende dünner Satelliten. Senior-Data-Vault-Architekten mit SAP-Stack-Tiefe befinden sich im obersten Quartil der SAP-Analytics-Tagessätze in DACH und den Benelux-Ländern — eine Knappheitsprämie, die verdient wird, indem man die Kosten der Methodik im selben Kundengespräch gegen ein einfacheres Sternschema verteidigt.
Was Sie lernen
- Entscheiden, wann Data Vault 2.0 seine Komplexität auf einer SAP-Landschaft rechtfertigt, gegenüber einem dimensionalen oder 3NF-Modell.
- Einen Hub-Link-Satellite-Raw-Vault und einen Hash-Key-Vertrag entwerfen, der über mehrere SAP-Systeme hinweg trägt.
- Die fünf Fallstricke benennen, die einen Data-Vault-Aufbau in der Produktion zum Scheitern bringen, von Hash-Kollisionen bis Satellite-Explosion, sowie die jeweilige Lösung.
- Data-Vault-Expertise in der eigenen Personal Brand und im Tagessatz-Gespräch positionieren.
Data Vault 2.0 auf SAP
Data Vault 2.0 ist eine Modellierungsmethodik und ein System von Ladevorschriften, entworfen für skalierbare, prüfbare und hochgradig agile Data Warehouses. Entwickelt von Dan Linstedt und im Data-Vault-2.0-Standard (ab 2013) formalisiert, zerlegt es jeden Geschäftsvorfall in drei atomare Strukturen — Hubs, Links und Satellites —, die zusammen vollständige Historisierung, Quellsystem-Unabhängigkeit und die Fähigkeit liefern, strukturelle Änderungen ohne Neumodellierung des Kerns aufzunehmen. Auf SAP-Landschaften, die Datasphere oder HANA Cloud betreiben, besetzt Data Vault eine spezifische und wertvolle Nische: Es ist die richtige Modellierungswahl für bestimmte schwierige Probleme und die falsche Wahl für andere. Senior-Architekten müssen beide Positionen präzise vertreten können.
Voraussetzungen
- Fortgeschrittene praktische Erfahrung in SAP-Analytics-Projekten
- Zuerst die Kernkonzepte wiederholen: C087, C083, C047
Lernergebnisse
- Ein realistisches Szenario durcharbeiten: Ein globaler Pharmakonzern betreibt drei S/4HANA-Systeme.
- Das Anti-Pattern erkennen und vermeiden: Raw Vault, direkt gegenüber Berichtskonsumenten exponiert — Fachanwender stoßen auf Point-in-Time-Join-Komplexität und Roh-Hash-Keys statt auf ein nutzbares Modell.
- Die Kernentscheidung des Moduls anwenden: Data Vault vs. dimensional (Kimball) vs. 3NF (Inmon) — Data Vault wählen, wenn MDG die systemübergreifende Identität noch nicht gelöst hat und ein Audit-Trail im Geltungsbereich liegt (SOX, Banken, Pharma).
- Die Beherrschung mit dem KPI verfolgen: Hash-Key-Kollisionsrate (Ziel: 0 Kollisionen über alle Quellsysteme hinweg; Warnsignal: jede Kollision — fast immer ein fehlendes Quellsystem-Präfix (MANDT) im Hash-Input).
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.