Konzeptkarte

SAP HANA Cloud Multi-Model (Graph, Spatial, JSON Document Store)

Stand 2026-07-23

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

Was ist SAP HANA Cloud Multi-Model (Graph, Spatial, JSON Document Store)?

Die Graph-, Spatial- und JSON-Engines von HANA Cloud teilen sich dasselbe Transaktionsprotokoll und Sicherheitsmodell wie die relationalen Tabellen — eine einzige SQL-Anweisung kann einen Kundendatensatz, eine Graph-Traversierung und ein JSON-Dokument in Millisekunden verknüpfen.

Worum es geht

SAP HANA Cloud ist nicht nur eine spaltenorientierte In-Memory-Relational-Engine — es ist eine Multi-Model-Datenbank, die Graph-Traversierungen, räumliche Abfragen und JSON-Dokumentoperationen nativ gegen dieselben Daten, in derselben Transaktion, ohne ETL in eine separate Engine ausführt. Das ist relevant, weil ein nicht unerheblicher Anteil der SAP-Analytics-Use-Cases (Customer 360, Supply-Chain-Netzwerkoptimierung, IoT-on-the-Edge) grundlegend nicht-relational ist, und die Multi-Model-Fläche es dem Architekten erlaubt, sie aus einer einzigen Engine zu bedienen.

Drei nicht-relationale Engines laufen innerhalb von HANA Cloud mit. Die Graph-Engine behandelt jedes über einen Fremdschlüssel verbundene Tabellenpaar als Graph; der CYPHER-artige GRAPH-Workspace erlaubt es, Shortest-Path-, Community-Detection- und Ego-Network-Abfragen direkt in SQL zu schreiben. Die Spatial-Engine implementiert OGC-konforme Geometrietypen (POINT, POLYGON, LINESTRING) mit ST_*-Operatoren (ST_Distance, ST_Within, ST_Intersects); sie bedient die gesamte Geo-Analytics-Schicht für SAC Geo Maps und BDC-Standort-Use-Cases. Der JSON Document Store implementiert MongoDB-kompatible CRUD-Operationen auf JSON-Spalten; semi-strukturierte Payloads (IoT-Events, Web-Logs, Social Signals) landen nativ ohne erzwungenes Schema.

Warum es zählt

Es entfernt den ETL-Schritt zu einer separaten Graph- oder Dokumentdatenbank, wenn der Use Case Customer-360, Supply-Chain-Netzwerkoptimierung oder IoT-on-the-Edge ist.
Die ST_*-Operatoren der Spatial-Engine (ST_Distance, ST_Within, ST_Intersects) bedienen bereits direkt SAC Geo Maps und BDC-Standort-Use-Cases.
Es ist das falsche Werkzeug bei Graph-Analytik im Petabyte-Maßstab oder hochfrequenter IoT-Aufnahme — dafür braucht es eine dedizierte Graph-Datenbank oder eine vorgeschaltete Streaming-Plattform.

Kernpunkte

Graph-Engine — CYPHER-artiger GRAPH-Workspace in SQL; Shortest Path, Community Detection, Ego-Netzwerke auf bestehenden relationalen Daten ohne Schema-Duplizierung.
Spatial-Engine — OGC-konforme Geometrietypen und ST_*-Operatoren; treibt SAC Geo Maps und BDC-Standort-Use-Cases an.
JSON Document Store — MongoDB-kompatibles CRUD auf JSON-Spalten; semi-strukturierte Payloads (IoT, Web-Logs) landen ohne erzwungenes Schema.
Eine Transaktion, ein Sicherheitsmodell — eine einzige SQL-Anweisung verbindet relationale, Graph-, Spatial- und JSON-Operationen unter einheitlicher Row-Level-Security.
Grenzen — nicht für Graph-Analytik im Petabyte-Maßstab oder hochfrequente IoT-Aufnahme; dafür vorgeschaltete dedizierte Engines verwenden.
SAP HANA Cloud Multi-Model (Graph, Spatial, JSON Document Store) ist erst gemeistert, wenn es eine benannte Kaufentscheidung verändert.
Beginnen Sie mit dem semantischen Kontrakt und dem Kontrollmodell, bevor Sie das Tool demonstrieren.
Nutzen Sie aktuelle SAP-, Analysten-, Studien-, KG- und News-Signale als Beleg, nicht als Dekoration.
Trennen Sie verifizierte Fakten von richtungsweisenden Trends und modellierten Annahmen.
Definieren Sie Owner, Kennzahl, Schwellenwert, Support-Pfad und Rollback, bevor Sie skalieren.

Begriffe auf dieser Seite

Multi-Model-Datenbank: Eine Datenbank, die nativ mehr als ein Datenmodell unterstützt (relational, Graph, Dokument, räumlich, Key-Value) unter einem Transaktionslog und Sicherheitsmodell; eliminiert das Muster der Multi-Engine-Wildwuchs.
GRAPH workspace: HANA Clouds native Graph-Engine; definiert über bestehende relationale Tabellen, die durch Fremdschlüssel verbunden sind, abgefragt über eine CYPHER-inspirierte, in SQL eingebettete Pattern-Matching-Syntax.
OGC geometry: Geometrietypen und Operatoren nach dem Open-Geospatial-Consortium-Standard (POINT, POLYGON, ST_Within, ST_Intersects); HANA Clouds Spatial-Engine ist OGC-konform.
JSON Document Store: HANA Clouds MongoDB-kompatible API-Fläche über JSON-Spalten; CRUD-Operationen auf Dokumenten ohne ETL in eine separate Dokumentdatenbank.
Entscheidungsverantwortlicher: Die verantwortliche Person, die den Trade-off akzeptiert und die nächste Maßnahme finanziert.
Semantischer Kontrakt: Die gemeinsame Definition von Fachbegriffen, Kennzahlen, Entitäten und Zugriffsregeln, die von Tools und Teams verwendet wird.
Kontrollebene: Die Schicht, die Richtlinien, Zugriff, Lineage, Monitoring und Eskalation im gesamten Betriebsmodell durchsetzt.
Evidenzgrad: Ein Label, das verifizierte Fakten, richtungsweisende Signale, modellierte Annahmen und Feldbeobachtungen unterscheidet.

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.

In der App öffnen →