Konzeptkarte

BARC — Benchmark: Wie schnell ist Ihre BI-Plattform wirklich?

Stand 18. Oktober 2026

Redaktion: Cédric Mary, alleiniger Redakteur und verantwortlich für die Veröffentlichung — 27 Jahre im SAP-Ökosystem. Wie diese Seiten entstehen und wo Automatisierung eingesetzt wird.

Was ist BARC?

Die vier Dimensionen, die Enterprise-BI-Plattformen unterscheiden — Query-Latenz, Rendering, Nebenläufigkeit bei 10-500 Nutzern und Skalierung von 10 Mio. bis 1 Mrd. Zeilen — sind genau die, die in einer Laptop-Demo versagen, aber die Ausschreibung entscheiden.

Worum es geht

BARCs „Benchmark — How fast is your BI platform, really?“ ist eine laborartige Performance-Studie, die BI-Plattformen anhand repräsentativer Enterprise-Workloads vergleicht. Der URL-Slug verweist auf Qlik und Power BI als primäre Untersuchungsgegenstände, was aufschlussreich ist: Der Benchmark ist darauf ausgelegt, die Qlik-vs.-Power-BI-vs.-Feld-Performance-Debatte zu adressieren, die Enterprise-BI-Evaluierungen im großen Maßstab dominiert.

Die Benchmark-Methodik deckt vier Dimensionen ab: Query-Latenz (Zeit bis zur ersten Zeile unter definierten Datenvolumina), Dashboard-Rendering-Zeit (Vollbild-Time-to-Interactive unter gleichzeitiger Nutzerlast), Nebenläufigkeitsverhalten (wie sich die Latenz verschlechtert, wenn gleichzeitige Nutzer von 10 auf 100 auf 500 steigen) und Datenvolumen-Skalierung (wie jede Plattform performt, wenn die Faktentabelle von 10 Mio. auf 1 Mrd. Zeilen wächst). Diese vier Dimensionen sind es, die BI-Plattformen auf Enterprise-Ebene unterscheiden — jede Plattform ist auf einem 1-Mio.-Zeilen-Testdatensatz auf einem Entwickler-Laptop schnell.

Für SAP-Analytics-Berater ist der Benchmark in drei konkreten Szenarien am wertvollsten. Erstens ein Multi-Vendor-RFP, bei dem der Kunde bereits einen Power-BI- oder Qlik-Proof-of-Concept erhalten hat und diesen mit SAC Live vergleicht: Die BARC-Methodik zu kennen erlaubt es, den Vergleich präzise zu rahmen, statt Marketing-Behauptungen gegeneinander auszuspielen. SAC Live (HANA-In-Memory + Analytic Model) und Qlik Sense (In-Memory-assoziative Engine) performen beide anders als Power BI Direct Query bei der Nebenläufigkeitsdimension — dem Test, der in Operations-Analytics-Deployments am meisten zählt. Zweitens, wenn das IT-Team eines Kunden eine Performance-Behauptung über eine konkurrierende Plattform aufstellt, die Sie nicht unabhängig verifizieren können: BARCs Labor-Methodik als neutralen Schiedsrichter zu zitieren ist glaubwürdiger als die eigene Benchmark des konkurrierenden Anbieters zu zitieren. Drittens beim Scoping eines SAC-Deployments mit einem nebenläufigkeitssensitiven Use Case — die BARC-Benchmark-Dimensionen sind zugleich die Spezifikations-Checkliste für den Abnahmetest des Kunden.

Warum es zählt

Nebenläufigkeitsverhalten (10 bis 500 gleichzeitige Nutzer) ist die Dimension, die über Operations-Analytics-Deployments entscheidet, nicht die reine Query-Geschwindigkeit.
BARCs neutrale Labor-Methodik zu zitieren schlägt das Austauschen von Marketing-Behauptungen, wenn das IT-Team eines Kunden eine nicht verifizierbare Performance-Behauptung über einen Wettbewerber aufstellt.
Die vier Dimensionen des Benchmarks dienen zugleich als Abnahmetest-Checkliste beim Scoping eines nebenläufigkeitssensitiven SAC-Deployments.

Kernpunkte

BARC-Labor-Performance-Benchmark von BI-Plattformen.
URL-Slug verweist auf Qlik und Power BI — vermutlich primäre Untersuchungsgegenstände.
Methodik-Kategorien: Query-Latenz, Dashboard-Rendering, Nebenläufigkeit, Datenvolumen-Skalierung.
Einsetzen, um SAC Live in einem Multi-Vendor-RFP zu verteidigen — liefert einen unabhängigen Vergleichspunkt.
Zahlenergebnisse und Anbieterranglisten paywalliert.
Keine der vier BARC-Dimensionen wurde entwickelt, um KI-Agenten-Abfrageverkehr zu messen (Joule ‚just ask‘, über MCP verbundene LLM-Clients) — eine für menschliche Nebenläufigkeit dimensionierte Plattform kann dennoch von deutlich weniger Agenten unter Druck gesetzt werden, die mehrere Abfragen pro Frage abfeuern.
Microsofts eigene DirectQuery-Dokumentation nennt ein Limit von einer Million Zeilen für Zwischenergebnisse pro Abfrage sowie eine Standard-Nebenläufigkeitsgrenze von 10 Verbindungen je Datenquelle für Power BI Pro — konkrete, belegte Einschränkungen, die vor dem Zitieren einer Power-BI-Benchmarkzahl zu prüfen sind.
Die Schlagzeilenzahl eines Benchmarks ist nur so übertragbar wie seine Testkonfiguration — Schemakomplexität, Nebenläufigkeitskurve (nicht nur die Kopfzahl) und die Offenlegung des Sponsorings ändern jeweils, wofür die Zahl ein Beleg ist.

Begriffe auf dieser Seite

In-Memory-BI: BI-Plattform, die Daten vorab in den RAM lädt, um Sub-Sekunden-Antwortzeiten bei Abfragen zu erreichen — die Qlik- und SAC-Live-Architektur. Im Gegensatz zu Direct Query / Pass-through, wo jede Dashboard-Interaktion eine Datenbankabfrage auslöst.
Direct Query: Power BIs Architektur für die Live-Verbindung zu einer Datenbank (z. B. Azure SQL, Fabric, SAP HANA) ohne Import — geringere Latenz bei frischen Daten, aber es gelten Nebenläufigkeits- und Größenbeschränkungen.
Nebenläufigkeitstest: Benchmark-Szenario, das mehrere gleichzeitige Nutzer simuliert, die dasselbe Dashboard abfragen — der aussagekräftigste Test für Enterprise-BI-Performance, weil er die Produktionslast widerspiegelt.
Zwischenergebnis-Limit: Eine Obergrenze für die Zeilenzahl, die eine einzelne Abfrage (oder ein Zwischenschritt) zurückgeben darf, bevor sie fehlschlägt — Power BI DirectQuery erzwingt laut Microsofts eigener Dokumentation eine Million Zeilen, eine konkrete, von jedem Labor-Benchmark unabhängige Einschränkung.
Query Folding: Der Prozess, bei dem die Transformationsschritte eines BI-Tools in eine einzige, an die Quelle weitergereichte native Abfrage übersetzt werden, statt clientseitig ausgeführt zu werden — für die Skalierung von DirectQuery erforderlich; ein Bruch des Foldings ist eine häufige Ursache für die Beschwerde ‚DirectQuery ist langsam‘.
Agenten-Abfragemuster: Die eigenständige Lastform, die ein KI-Agent (Joule, ein über MCP verbundener LLM-Client) erzeugt, wenn er eine natürlichsprachliche Frage mit mehreren schnellen explorativen Abfragen beantwortet — strukturell verschieden vom menschlichen Klick-und-Warten-Muster, um das BARCs Nebenläufigkeitsdimension herum entworfen wurde.

Quellen

Vollständige Karte für Mitglieder. Was die vollständige Karte ergänzt: den vollständigen Entscheidungsrahmen · den Vergleich SAP · Snowflake · Databricks · Fabric · die häufigen Fallstricke und ihre Behebung · die Kurzreferenz · die Architekturschemata · die Codeblöcke · die zitierfähigen Kennzahlen.

In der App öffnen →

Offene SAP-Projekte

Aktuelle SAP-Analytics-Projekte und Stellen im DACH-Raum: SAP-Analytics-Projekte im DACH-Raum.