Konzeptkarte

Task Chains & Terminplanung

Stand 2026-07-24T14:00:00Z

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 Task Chains & Terminplanung?

Der Schachzug erfahrener Berater besteht darin, die Task Chain schon in Woche 1 rückwärts vom SLA aus zu entwerfen – ohne das leben Abhängigkeiten nur als stillschweigendes Erfahrungswissen, und das 6-Uhr-Dashboard versagt lautlos.

Was eine Task Chain ist, und welches Problem sie löst

Eine Task Chain ist die Orchestrierungsschicht von Datasphere: ein gerichteter azyklischer Graph, der Replication-Flow-Läufe, Data-Flow-Läufe, View- oder Tabellen-Refreshes und HTTP-Callouts an nachgelagerte Systeme sequenziert, mit bedingter Verzweigung bei Erfolg oder Fehlschlag an jedem Node. Ohne sie läuft jede Pipeline-Komponente nach ihrem eigenen unabhängigen Zeitplan, die Abhängigkeiten zwischen ihnen leben nur als stillschweigendes Erfahrungswissen im Kopf einer Person, und das erste Mal, dass jemand entdeckt, dass der Finance-Feed sich verzögert hat, ist dann, wenn das Sieben-Uhr-Dashboard leer ist. Eine Task Chain macht aus einer Sammlung unabhängig geplanter Jobs eine einzige, beobachtbare, SLA-getriebene Pipeline mit einer einzigen Stelle, an der man nachschaut, wenn etwas kaputtgeht.

Rückwärts vom SLA aus entwerfen

Die Gewohnheit erfahrener Berater ist es, die Chain rückwärts von der Zusage aus zu entwerfen, nicht vorwärts von den Datenquellen aus. Muss das Dashboard um sieben Uhr morgens mitteleuropäischer Zeit bereitstehen, muss die Chain bis etwa sechs Uhr fünfundvierzig fertig sein — mit einem echten Puffer, nicht einem theoretischen. Rückwärts von diesem Termin aus durch Synthese, dann Modellierung, dann Ingestion zu arbeiten gibt jeder Stufe ein Laufzeitbudget — den Gesamtpuffer aufgeteilt auf die Tiefe der Chain. Jede Aufgabe, die ihr Budget regelmäßig sprengt, ist ein Kandidat für ein Redesign, nicht einfach ein Kandidat für mehr Rechenleistung; einer strukturell zu langsamen Aufgabe (ein unindizierter Join, ein Python-Node, der tut, was SQL tun sollte) Capacity Units nachzuwerfen, behandelt das Symptom, nicht die Ursache.

Warum es zählt

Rückwärts-vom-SLA-Planung (SLA ÷ Chain-Tiefe = Laufzeitbudget pro Aufgabe) macht aus Aufgaben, die ihr Budget verfehlen, Redesign-Kandidaten, nicht Anträge auf mehr CU.
Fehlermodi pro Aufgabe — Retry-with-Backoff, Skip-and-Alert, Halt-and-Alert, Conditional-Route — trennen Betriebsteams, die 3-Uhr-morgens-Anrufe überstehen, von solchen, die es nicht tun.
Task Chains gegenüber einem externen Orchestrator wie Airflow hängt davon ab, ob die Pipeline Datasphere-intern bleibt — vermischter Scope erzeugt Integrationsaufwand ohne Governance-Gewinn.

Kernpunkte

DAG aus Replication-, Data-Flow-, Refresh- und Callout-Nodes
SLA-Rückwärtsplanung: Budget = SLA / Tiefe, mit Puffer
Fehlermodi pro Aufgabe: Retry · Skip · Halt · Conditional
Harte Abhängigkeit bei Daten, weiche Abhängigkeit nur bei der Reihenfolge
BTP Audit Log verpflichtend; HTTP-Callout an das Ops-Dashboard
Benachrichtigung Skip-on-Fail (blockiert die Chain nie)
Spike-Test vor Go-live + vierteljährlich
Runbook + Eskalationsmatrix bei der Übergabe
Task Chains & Terminplanung ist erst dann beherrscht, wenn es eine konkret benannte Käuferentscheidung verändert.
Beginnen Sie mit dem semantischen Vertrag und dem Kontrollmodell, bevor Sie das Werkzeug demonstrieren.

Begriffe auf dieser Seite

Task chain: Datasphere-DAG, der Replication, Data Flow, Refresh und Callouts orchestriert
DAG: Gerichteter azyklischer Graph; Nodes sind Aufgaben, Kanten sind Abhängigkeiten
Failure mode: Aktion pro Aufgabe bei Fehlschlag: Retry, Skip, Halt, Conditional
SLA backward planning: Bemessung des Laufzeitbudgets der Chain durch Rückwärtsrechnung vom Abnehmer-SLA
MTTR: Mittlere Zeit bis zur Wiederherstellung nach einem Fehlschlag
Spike test: Test mit Spitzentag-Datenvolumen vor Go-live
BTP Audit Log: Von SAP BTP verwaltetes Protokoll für Ereignisse auf Tenant-Ebene
Chain depth: Längster Pfad vom Blatt zur Wurzel im DAG

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 →