Konzeptkarte

SAP Data Intelligence

Stand 2026-08-29

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 Data Intelligence?

Worum es geht

SAP Data Intelligence — vor der Umbenennung 2019 SAP Data Hub — ist ein containerisiertes Produkt zur Datenorchestrierung: ein grafischer Pipeline-Modeler, ein Metadatenkatalog und eine Ausführungs-Runtime, die Operatoren auf Kubernetes ausführt. Es war SAPs Antwort auf das Problem, Daten über SAP- und Nicht-SAP-Systeme hinweg zu bewegen und zu verarbeiten, ohne alles zuerst durch ein Data Warehouse zu leiten, und es kam in zwei Formen: Data Intelligence Cloud, von SAP betrieben, und eine On-Premise-Edition, die Kunden selbst betrieben.

Warum es jetzt zählt, ist überwiegend eine Richtungsfrage. Die Fähigkeiten, die Data Intelligence auszeichneten — Pipeline-Orchestrierung, Konnektivitätsbreite, Metadatenkatalogisierung —, sind dieselben Fähigkeiten, die SAP in SAP Datasphere als Replication Flows, Transformation Flows, Task Chains und den Katalog eingebaut hat. Für einen Bestand, der Data Intelligence heute betreibt, lautet die strategische Frage daher nicht „wie holen wir mehr daraus heraus“, sondern „was wird aus jeder Pipeline auf der anderen Seite“. Diese Frage hat echten Inhalt: ein Data-Intelligence-Graph mit benutzerdefinierten Python-Operatoren bildet sich nicht eins zu eins auf einen Datasphere-Flow ab, und die Operatoren, die Geschäftslogik trugen, sind genau diejenigen ohne direkten Nachfolger.

Das Muster ist vertraut, und es lohnt sich, es zu benennen. Das ist dieselbe Form wie die Übergänge BW-zu-Datasphere und BusinessObjects-zu-SAC: ein leistungsfähiges Produkt, dessen Funktionen innerhalb einer neueren, stärker konsolidierten Plattform neu ausgedrückt werden, mit einem Rest an Individualarbeit, der neu gebaut statt konvertiert werden muss. In diesem Rest liegen Aufwand und Risiko, und er ist in einem Lizenzvergleich fast nie sichtbar.

Was ein Berater tatsächlich inventarisieren sollte. Die Graphen zählen, dann klassifizieren: reine Bewegung (Quelle zu Ziel, keine Logik) lässt sich meist sauber als Replication Flow neu ausdrücken; Transformationsgraphen lassen sich mit einem zur Logik proportionalen Aufwand als Transformation Flow neu ausdrücken; benutzerdefinierte Operatoren — Python, Shell, maßgeschneiderte Container — sind Neubauten. Die Verbindungen dazuzählen, denn Konnektivitätsabdeckung ist dort, wo ein Migrationsplan eine Lücke am häufigsten spät entdeckt.

So betrachtet ist Data Intelligence kein totes Thema. Es ist ein lebendiges, auf der Migrationsseite der Bilanz — und genau dort zahlt dieser Markt.

Der Horizont 2027/2030 gilt nicht direkt, und genau darin liegt die Falle. Data Intelligence hängt nicht an der BW-Wartungsuhr — es ist ein eigenständiges SAP-Cloud-Produkt, dessen aktive Weiterentwicklung SAP nach Datasphere umgeleitet hat, sobald Replication Flows, Transformation Flows und Task Chains die Parität zu den Graphen erreichten, die sie ersetzen. Es gibt kein BW-artiges festes Ausmusterungsdatum, an dem sich ein Business Case verankern ließe; der Druck ist kommerziell und funktional, nicht vertraglich, was es einem Data-Intelligence-Bestand leicht macht, unbearbeitet liegen zu bleiben, während BW- und BusinessObjects-Programme das Migrationsbudget aufsaugen. Die ehrliche Planungsfrage ist nicht „wann endet es“, sondern „wann wird die Lücke zwischen dem, was Data Intelligence noch tut, und dem, was Datasphere jetzt tut, groß genug, dass beide zu betreiben die teurere Wahl ist“ — und dieser Kipppunkt ist für reine Bewegungs- und Transformationsgraphen bereits eingetreten; für Graphen mit benutzerdefinierten Operatoren ohne Datasphere-Entsprechung noch nicht.

Die Entscheidung, die das erzwingt. Sie wird pro Graph getroffen, nicht pro Bestand: jetzt in Datasphere neu ausdrücken, dort weiterlaufen lassen, wo er ist, oder ausmustern. Reine Bewegungs- und Transformationsgraphen entscheiden sich weitgehend von selbst — die Datasphere-Entsprechung existiert, und für sie zwei Runtimes zu betreiben ist auf jedem Horizont die teurere Option. Graphen mit benutzerdefinierten Operatoren sind die eigentliche Entscheidung, und der Trade-off besteht zwischen dem Neubau von Logik, die derzeit funktioniert, und dem Weiterbetrieb einer ganzen zweiten Plattform für eine schrumpfende Zahl von Pipelines. Die entscheidende Tatsache ist nicht die Anzahl, sondern die Bewegungsrichtung: jeder neu ausgedrückte Graph senkt die Kosten, den Rest zu halten, bis der verbleibende Rest klein genug ist, dass sein Neubau weniger kostet als ein weiteres Jahr der darunterliegenden Runtime. Diesen Kipppunkt zu benennen — mit Datum und Verantwortlichem — ist das, was aus einem festgefahrenen Data-Intelligence-Bestand einen Plan macht.

Warum es zählt

374 Community-Artikel behandeln es, und keine Academy-Karte hat es abgedeckt. Für Bestände, die es betreiben, liegt der Wert vollständig im Migrationsinventar — und die benutzerdefinierten Operatoren sind der Teil ohne Nachfolger.

Kernpunkte

Vormals SAP Data Hub; 2019 in SAP Data Intelligence umbenannt. Zwei Formen: Cloud (von SAP betrieben) und eine On-Premise-Edition.
Ein containerisiertes Orchestrierungsprodukt: grafischer Pipeline-Modeler, Metadatenkatalog, auf Kubernetes ausgeführte Operatoren.
Seine Fähigkeiten tauchen in SAP Datasphere als Replication Flows, Transformation Flows, Task Chains und der Katalog wieder auf.
🔴 Benutzerdefinierte Operatoren (Python, Shell, maßgeschneiderte Container) haben keinen direkten Nachfolger — sie sind Neubauten, keine Konvertierungen.
Das Migrationsinventar, das den Aufwand vorhersagt: Graphenzahl, klassifiziert in Bewegung · Transformation · benutzerdefiniert, plus Verbindungsabdeckung.
Die Entscheidung ist pro Graph — jetzt neu ausdrücken, weiterlaufen lassen oder ausmustern — und Bewegungs-/Transformationsgraphen entscheiden sich weitgehend von selbst.
Der Kipppunkt (wenn der Rest weniger kostet, ihn neu zu bauen, als ein weiteres Jahr Runtime) braucht ein Datum und einen Verantwortlichen, sonst stockt der Bestand, während andere Programme das Budget übernehmen.

Quellen

In der App öffnen →