Konzeptkarte

SAP × Dremio — Föderierte Daten für Agentic AI

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 × Dremio — Föderierte Daten für Agentic AI?

SAPs Dremio-Übernahme im Mai 2026 verschafft Joule-Agenten Zero-Copy-SQL-Zugriff auf S3, Snowflake und Databricks, ohne dass pro Quelle vorab ein BDC-Connect-Föderationspunkt aufgebaut werden muss.

Worum es geht

Dremio ist eine auf Open Source basierende Query-Engine, aufgebaut um Apache Arrow Flight und Apache Iceberg, die SQL über heterogene Datenquellen hinweg ausführt – S3, ADLS, GCS, Snowflake, Databricks Delta, RDBMS – ohne Daten in einen proprietären Speicher zu kopieren. Es positioniert sich selbst als „agentischer Lakehouse", weil jede Abfrage ein föderierter Plan ist, der Prädikate an die Quellen weitergibt und Ergebnisse über Arrow-Columnar-Buffer im Arbeitsspeicher zusammenstellt – gut geeignet für den Retrieval-Schritt in agentischen KI-Workflows, in denen ein Agent innerhalb eines einzigen Reasoning-Zyklus mehrere Quellen abfragen muss. SAP kündigte im Mai 2026 die Übernahme von Dremio an, um der agentischen KI-Schicht – vor allem Joule-Agenten – einheitlichen Abfragezugriff auf den gesamten heterogenen Datenbestand des Kunden zu verschaffen, ohne dass Daten zuvor in BDC oder Datasphere verschoben werden müssen.

Das Problem, das Dremio im SAP-Kontext löst, ist konkret. Ein Joule-Agent, der heute über eine Beschaffungsanomalie räsoniert, kann SAP-native Daten über Datasphere (S/4-Bestellungen, Lieferantenstammdaten) in einem einzigen Analytic-Model-Schritt abfragen. Aber die Evidenz, die die Analyse vervollständigt, kann in einer Nicht-SAP-Quelle liegen: ein Salesforce-CRM-Deal, ein Coupa-Spend-Analytics-Warehouse auf Snowflake, ein Lieferantenrisiko-Feed in einem eigenen AWS-S3-Bucket des Kunden. Heute kann der Agent entweder nicht auf diese Daten zugreifen, oder der Architekt muss für jede Quelle vorab einen BDC-Connect-Föderationspunkt aufbauen. Der Beitrag von Dremio ist eine Zero-Copy-Semantik-Föderationsschicht, die Joule-Agenten zur Laufzeit abfragen können, ohne vorgefertigte Connectoren für jede Quelle zu benötigen – der Agent stellt eine SQL-Abfrage, Dremio löst sie über die registrierten Quellen hinweg auf und gibt Ergebnisse im Arrow-Format an den Reasoning-Schritt der AI Foundation zurück.

Warum es zählt

Heute kann ein Joule-Agent, der eine Beschaffungsanomalie untersucht, SAP-native Datasphere-Daten abfragen, ist aber von einem Snowflake-Spend-Warehouse oder einem S3-Lieferantenrisiko-Feed ausgeschlossen, sofern nicht ein Architekt vorab den Connector aufbaut.
Dremio entfernt diesen Vorab-Bauschritt – der Agent gibt SQL aus, Dremio löst es zur Laufzeit über die registrierten Quellen hinweg auf und gibt Ergebnisse im Arrow-Format zurück.
Das erweitert agentische Reasoning-Zyklen direkt auf Evidenz, die außerhalb von SAPs eigenem Datenbestand liegt – zuvor eine harte Fähigkeitsgrenze.

Kernpunkte

Dremio = föderierte SQL-Engine auf Apache Arrow Flight + Iceberg; angekündigt im Mai 2026 (Übernahme-Abschluss für Q2/Q3 ausstehend); Integrationshorizont 12-24 Monate, noch nicht GA.
Zero-Copy: SQL läuft über S3, Snowflake, Databricks, RDBMS, ohne Daten zwischenzulagern – Arrow Flight liefert columnare Ergebnisse ~10× schneller als JDBC.
Für Agentik kritische Eigenschaft: Ad-hoc-SQL-Föderation zur Laufzeit des Agenten ohne Katalog-Vordefinition – Agenten wählen Quellen basierend auf dem Aufgabenkontext.
Ziel-Architektur mit drei Ebenen: heiß (Datasphere HANA <500ms) · warm (Dremio-Föderation 1-10s) · kalt (BDC-Delta-Batch 10-30s), alle unter einheitlicher BDC-Catalog-DAC.
Iceberg-Multi-Catalog-Broker: überbrückt gleichzeitig AWS Glue + Unity Catalog + Polaris – kritisch für Multi-Cloud-Kunden.
Nicht dasselbe wie die BDC-Connect-Föderation – Dremio ergänzt Laufzeit-Quellenerkennung, Arrow-Streaming und breitere Quellenheterogenität.
Aktuell GA für SAP-Nicht-SAP-Föderation: BDC Connect (Snowflake, Databricks, S3/Iceberg, BigQuery). Dremio = Roadmap.
SAP × Dremio — Federated Data for Agentic AI ist erst dann beherrscht, wenn es eine konkret benannte Entscheidung eines Auftraggebers verändert.
Beginnen Sie mit dem semantischen Vertrag und dem Kontrollmodell, bevor Sie das Tool vorführen.
Nutzen Sie aktuelle SAP-, Analysten-, Studien-, Knowledge-Graph- und News-Signale als Beleg, nicht als Dekoration.

Begriffe auf dieser Seite

Apache Arrow Flight: Ein binäreffizientes RPC-Framework, aufgebaut auf dem columnaren Arrow-Format für Datenübertragung mit hohem Durchsatz – ~10× schneller als JDBC für analytische Ergebnismengen.
Apache Iceberg: Offenes Tabellenformat für große analytische Datensätze – unterstützt Schema-Evolution, Time Travel und Multi-Engine-Zugriff (Spark, Flink, Dremio, Trino, Databricks, BDC).
Agentic lakehouse: Dremios Selbstbeschreibung: eine Lakehouse-Architektur, in der KI-Agenten den gesamten Datenbestand ohne vorgefertigte Katalogdefinitionen abfragen können, angetrieben durch föderiertes SQL zur Laufzeit.
Catalog reflection: Dremio-Metadatenschicht, die verfügbare Quellen, Schemata, Zeilenzahlen und Aktualität beschreibt – abfragbar von planenden Agenten zur Quellenerkennung.
Predicate pushdown: Abfrageoptimierung, bei der Filterbedingungen an das Quellsystem gesendet werden, um dort ausgeführt zu werden, bevor Daten es verlassen – reduziert Netzwerktransfer und quellseitige Scan-Kosten.
BDC Connect: SAPs aktueller Föderationsmechanismus in BDC – erfordert Katalog-Vorregistrierung; unterstützt Snowflake, Databricks, S3/Iceberg, BigQuery, OData. Dremio ergänzt und erweitert dies.
Decision owner: Die verantwortliche Person, die den Trade-off akzeptiert und die nächste Handlung finanziert.
Semantic contract: Die gemeinsame Definition von Geschäftsbegriffen, Kennzahlen, Entitäten und Zugriffsregeln, die von Tools und Teams verwendet wird.

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 →