Konzeptkarte

SAP Datasphere vs SAP Analytics Cloud — Welche Schicht verantwortet was

Stand 2026-08-02T20:30:00Z

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 Datasphere vs SAP Analytics Cloud — Welche Schicht verantwortet was?

Keine Alternativen: Datasphere modelliert und regelt, SAC konsumiert. Die eigentliche Entscheidung ist, wie viel semantische Modellierung in welche Schicht gehört — Wiederverwendbarkeit entscheidet, und ein KPI, der in einer Story definiert wird, ist für alles andere unsichtbar.

„Datasphere oder SAP Analytics Cloud?" ist die häufigste falsche Wahl im SAP-Analytics-Stack, und sie kostet Projekte echtes Geld, weil sie meist von jemandem gestellt wird, der nur eines von beiden kaufen will. Es sind keine Alternativen. Datasphere ist der Ort, an dem Daten modelliert und governt werden; SAP Analytics Cloud ist der Ort, an dem sie konsumiert werden — Stories, Dashboards, Planung. Das eine ist die Küche, das andere das Esszimmer, und ein Restaurant braucht beides.

Die Entscheidung, die wirklich zählt, ist enger gefasst und viel nützlicher: wie viel semantische Modellierung in Datasphere gehört gegenüber dem, was in SAC leben kann, und darauf gibt es eine begründbare Antwort, die nicht von Geschmack abhängt.

Was jede Schicht tatsächlich verantwortet

Datasphere ist die vereinheitlichte Daten- und Semantikschicht: Föderation (Live-Query-Durchreichung ohne Kopie), Replikation (Delta-Bewegung in den eigenen Speicher) und Modellierung (grafische, SQL- oder skriptbasierte Views, die Rohdaten oder föderierte Daten in geschäftsfertige Objekte verwandeln). Sie läuft auf HANA Cloud mit integriertem Delta Lake. Alles lebt innerhalb eines Space — einer governten Partition mit eigener Sicherheit, eigenen Verbindungen und eigenem Lebenszyklus — und der Space-übergreifende Konsum läuft über den Catalog als versionierte Data Products, niemals als Ad-hoc-Tabellenfreigabe.

SAP Analytics Cloud ist die Konsumoberfläche: Stories, Analytic Applications und die Planungs-Engine. Sie erreicht Datasphere über Live-Verbindungen (die Query wird nach unten durchgereicht, nichts wird kopiert) oder Import-Verbindungen (Daten werden in SACs eigenen Speicher gehoben), und sie kann auch direkt mit S/4HANA verbunden werden, ohne Datasphere dazwischen.

Warum es zählt

Eines der beiden zu kaufen und alles dort zu modellieren, ist der teuerste Standard in diesem Stack, und die Rechnung kommt, nachdem der Pilot bereits zum Erfolg erklärt wurde.

Kernpunkte

Es sind Schichten, keine Alternativen: Datasphere modelliert und governt, SAP Analytics Cloud konsumiert (Stories, Apps, Planung).
Die eigentliche Entscheidung ist, wo semantische Modellierung lebt — und Wiederverwendung ist das Kriterium, nicht Vorliebe.
Modellieren Sie in Datasphere, sobald ein zweiter Konsument dasselbe Measure braucht; ein in einer SAC-Story definierter KPI ist für alles andere unsichtbar.
Modellieren Sie in SAC, wenn die Logik präsentationsbezogen und lokal ist — story-spezifische Measures, Formatierung, Chart-Einschränkungen.
Datasphere zu überspringen ist legitim bei einem einmaligen Report über ein oder zwei Tabellen: SAC live zu S/4HANA ist schneller und ehrlich.
Datasphere verdient sich seinen Platz durch Wiederverwendung und Governance, nicht dadurch, im Architekturdiagramm zu erscheinen.
Live vs. Import ist eine SEPARATE Entscheidung, die Teams mit dieser vermischen und dann Datasphere für das Ergebnis verantwortlich machen.
Alles in Datasphere lebt in einem Space; Space-übergreifender Konsum läuft über den Catalog als versionierte Data Products, niemals als Ad-hoc-Tabellenfreigabe.
Datasphere ist die Schicht ÜBER HANA Cloud, kein Ersatz — sie gleichzusetzen zählt Kapazität beim Sizing doppelt.
Dasselbe Measure, definiert in beiden Schichten, ist keine Redundanz; es ist ein terminierter Widerspruch.

Begriffe auf dieser Seite

Space: Datasphere's governte Partition — mit eigener Sicherheit, eigenen Verbindungen und eigenem Lebenszyklus. Space-übergreifender Konsum läuft über den Catalog, niemals über Ad-hoc-Tabellenzugriff.
Analytic Model: Das Datasphere-Objekt, das die Geschäftssemantik trägt — Measures, Dimensionen, Hierarchien — und die Einheit, die ein governter Konsument liest.
Data Product: Ein versionierter, katalogisierter Datensatz mit einem Owner und einer Aktualitätszusage; so überschreitet Semantik eine Space-Grenze.
Live-Verbindung: SAC reicht die Query an die Quelle durch und kopiert nichts. Eine Kopie der Wahrheit, auf Kosten der Query-Last auf der Quellseite.
Import-Verbindung: SAC hebt Daten in den eigenen Speicher. Schnellere Interaktion, erkauft mit einem Veraltungsfenster, das benannt werden muss.
Föderation: Live-Query-Durchreichung zu einem Quellsystem ohne Datenbewegung — eine der drei Kernfähigkeiten von Datasphere.
Replikation: Delta-basierte Bewegung von Daten in Datasphere's eigenen Speicher, für Fälle, in denen Föderation das Latenz- oder Lastprofil nicht erfüllen kann.
HANA Cloud: Der In-Memory-Speicher, auf dem Datasphere läuft. Datasphere ist die Governance- und Konsumschicht darüber, kein Ersatz dafür.

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 →