Konzeptkarte

SAP Data Services (BODS)

Stand 27. September 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 SAP Data Services (BODS)?

Das klassische SAP-ETL-Werkzeug — Batch-Dataflows, ein Thick-Client namens Designer und ein Job Server —, das unter einer großen Zahl von SAP-Beständen noch still im Hintergrund läuft. Dort wurde die Datenqualitätslogik des Unternehmens geschrieben, bevor Flows nach Datasphere umzogen.

Worum es geht

SAP Data Services, noch immer allgemein BODS genannt, nach dem Namen BusinessObjects Data Services, den es früher trug, ist das klassische Enterprise-ETL-Werkzeug des SAP-Bestands: ein Thick-Client namens Designer, Jobs aus Dataflows, ein Job Server, der sie nach Zeitplan ausführt, und ein Repository, das die Metadaten hält. Daneben steht SAP Information Steward, der Profiling- und Datenqualitäts-Begleiter, der BODS zu mehr machte als einem Bewegen von Zeilen.

Seine Relevanz besteht darin, dass es noch da ist. Data Services taucht selten in einer Strategiepräsentation auf, und es verschwindet auch selten aus einer Landschaft. Es ist das Werkzeug, das nachts das Warehouse lädt, den Kundenstamm bereinigt, Adressen abgleicht und dedupliziert und ein Dutzend nachgelagerte Systeme versorgt, an deren Abonnement sich niemand mehr erinnert. In einem Migrationsinventar wird es regelmäßig spät entdeckt, weil die Leute, die es gebaut haben, oft weitergezogen sind und die Jobs einfach weiterlaufen.

Die Datenqualitätslogik ist das Kapital, und die Falle. Bewegung ist der einfache Teil eines BODS-Bestands: ein Dataflow, der eine Tabelle liest und eine andere schreibt, hat eine offensichtliche Entsprechung in einem Datasphere-Replication-Flow. Was sich nicht leicht bewegt, ist alles, was BODS um die Bewegung herum trägt — Adressbereinigung mit Referenzverzeichnissen, Match-and-Consolidate-Regeln, benutzerdefinierte Funktionen, geschrieben in der Data-Services-Skriptsprache, und die angesammelte Ausnahmebehandlung, die eine nächtliche Ladung bei fehlerhaften Eingaben überleben lässt. Diese Logik kodiert Jahre an Geschäftsentscheidungen, und sie ist außerhalb der Jobs selbst meist undokumentiert.

Warum es zählt

Es ist die undokumentierte Schicht, die eine Migration spät entdeckt. Die Bereinigungs- und Matching-Logik in BODS-Jobs kodiert Jahre an Geschäftsentscheidungen, die es sonst nirgends gibt.

Kernpunkte

Das klassische SAP-ETL-Werkzeug: Designer-Client, Jobs aus Dataflows, Job Server, Metadaten-Repository.
Noch immer BODS genannt, nach seiner BusinessObjects-Data-Services-Ära; SAP Information Steward ist der Profiling- und Datenqualitäts-Begleiter.
Reine Bewegung lässt sich sauber als Datasphere-Replication-Flow neu ausdrücken.
🔴 Adressbereinigung, Match-and-Consolidate-Regeln und benutzerdefinierte Skriptfunktionen sind der Teil ohne sauberen Nachfolger — und der undokumentierte Teil.
Schätzen nach dem Verhältnis von Datenqualitäts-Dataflows zu Bewegungs-Dataflows, nie nach der Gesamtzahl.
Die Entscheidung ist pro Job: reine Bewegungs-Dataflows lassen sich sauber neu ausdrücken; Bereinigungs-, Matching- und Standardisierungslogik ist die eigentliche Entscheidung.
Eine Datenqualitätsregel neu auszudrücken bedeutet, sie exakt zu reproduzieren (nicht verifizierbar) oder neu zu vereinbaren (braucht einen Business Owner, den es möglicherweise nicht mehr gibt).
Das Inventar danach sortieren, an wessen Uhr ein Job hängt — quellsystemgetrieben versus unabhängig —, bevor irgendetwas angeboten wird.

Begriffe auf dieser Seite

Dataflow: Die Arbeitseinheit in Data Services: Quellen, Transforms und Ziele, im Designer zusammengestellt.
Job Server: Die Ausführungskomponente von Data Services, die Jobs nach Zeitplan ausführt.
Information Steward: Das SAP-Profiling- und Datenqualitäts-Begleitprodukt zu Data Services.
Match transform: Der Data-Services-Transform, der doppelte Datensätze identifiziert und konsolidiert — typischerweise die am wenigsten portable Logik im Bestand.
Dataflow: Die Data-Services-Arbeitseinheit: eine Quelle, eine Kette von Transforms und ein Ziel. Dataflows zu zählen ist kein Scoping; sie nach ihrem Inhalt zu klassifizieren schon.
Data-quality transform: Ein Bereinigungs-, Matching- oder Adressstandardisierungsschritt. Er trägt geschäftlich vereinbarte Regeln und ist der Teil eines BODS-Bestands ohne mechanischen Nachfolger.

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.