Konzeptkarte

SAP HANA Cloud

Stand 2026-08-14T00:00:00Z

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 HANA Cloud?

SAPs In-Memory-Datenbank, ausgeliefert als verwalteter Cloud-Dienst auf BTP — und die Engine, auf der SAP Datasphere und darunter Business Data Cloud tatsächlich laufen. Bemessen in Capacity Units, quartalsweise veröffentlicht und nicht dasselbe Produkt wie das On-Premise SAP HANA 2.0.

Worum es geht

SAP HANA Cloud ist SAPs In-Memory-Multi-Model-Datenbank, ausgeliefert als verwalteter Dienst auf SAP Business Technology Platform. Ihre Bedeutung für alle, die in der SAP-Analytik arbeiten, ist strukturell und nicht optional: Sie ist die Speicher- und Rechen-Engine unter SAP Datasphere und damit auch unter SAP Business Data Cloud. Ein Gespräch über Performance, Kosten oder Dimensionierung von Datasphere ist, eine Ebene tiefer, ein Gespräch über HANA Cloud.

Es ist nicht das On-Premise-HANA mit einem Hosting-Vertrag. SAP HANA 2.0 und SAP HANA Cloud teilen sich Herkunft und einen Großteil der SQL-Oberfläche, werden aber als unterschiedliche Produkte betrieben. HANA Cloud folgt einem quartalsweisen Release-Zyklus statt Support-Package-Stacks; die Administration wandert von HANA Cockpit und hdbsql auf einem Host zum BTP-Cockpit und einer verwalteten Kontrollebene; und mehrere On-Premise-Betriebshebel — Kernel-Parameter, direkter Dateisystemzugriff, manche Scale-out-Topologien — sind schlicht nicht verfügbar. Teams, die einen Umzug von HANA 2.0 zu HANA Cloud als reine Datenbankmigration planen, unterschätzen konsequent das operative Umlernen, das damit einhergeht.

Compute und Storage sind getrennt, und das ist das Kostenmodell. HANA Cloud dimensioniert Speicher, Rechenleistung und Storage als getrennt skalierbare Elemente, verbraucht in BTP-Capacity-Units, und kombiniert die In-Memory-Datenbank mit zwei kälteren Stufen: Native Storage Extension für warme Daten, die abfragbar bleiben, aber nicht resident sein sollen, und den HANA-Cloud-Data-Lake — eine relationale Engine plus ein Dateispeicher — für Volumina, die Speicher nie rechtfertigen. Die Stufenzuordnung falsch zu treffen, ist der häufigste Weg, wie ein Datasphere-Bestand teuer wird, ohne schneller zu werden.

Warum es zählt

Jede Frage zu Dimensionierung, Kosten und Performance von Datasphere und BDC löst sich eine Ebene tiefer, in HANA Cloud, auf. Ein Berater, der nur die semantische Schicht besprechen kann, kann eine Schätzung nicht verteidigen.

Kernpunkte

Die Engine unter Datasphere und, dadurch, unter Business Data Cloud — kein benachbartes Produkt.
Verwalteter Dienst auf BTP: quartalsweiser Release-Zyklus, verwaltete Kontrollebene, mehrere On-Premise-Betriebshebel nicht verfügbar.
Compute und Storage skalieren getrennt und werden in BTP-Capacity-Units verbraucht.
Drei Stufen, eine Entscheidung: In-Memory · Native Storage Extension (warm) · HANA-Cloud-Data-Lake (kalt). Falsches Tiering ist die übliche Ursache eines teuren, aber langsamen Bestands.
Multi-Model — Graph, Spatial, JSON-Dokumentspeicher und eine Vektor-Engine —, weshalb es in Joule- und agentischen KI-Architekturen auftaucht.
🔴 SAP HANA 2.0 und SAP HANA Cloud werden als unterschiedliche Produkte betrieben; ein Umzug zwischen beiden ist keine reine Datenbankmigration.

Begriffe auf dieser Seite

Capacity unit (CU): Die kommerzielle BTP-Einheit, in der HANA-Cloud-Rechenleistung, -Speicher und -Storage verbraucht und abgerechnet werden.
Native Storage Extension (NSE): Die warme Stufe: Daten, die abfragbar bleiben, ohne im Speicher resident zu bleiben, zu geringeren Kosten pro Gigabyte.
HANA Cloud data lake: Die kalte Stufe — eine relationale Engine plus ein Dateispeicher — für Volumina, die Speicher nie rechtfertigen.
QRC (Quarterly Release Cycle): Der Cloud-Auslieferungsrhythmus, der On-Premise-Support-Package-Stacks ersetzt.
Vector engine: Die HANA-Cloud-Fähigkeit, die Embeddings speichert und durchsucht, genutzt für Retrieval-Augmented Generation über SAP-Daten.

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 →