Datasphere Blog-Digest

Dauerhaftes Archiv · Quelle: SAP Community via sap-docs · SAP Datasphere, SAP Business Data Cloud und SAP Databricks

Archivkopie: 69 Beiträge · Stand: 15.10.2026 06:58 UTC

Prüfe Server …

Recherche: noch kein protokollierter Importlauf.

User Insights: SAP Business Data Cloud practitioners’ recommendations for a Business AI foundation

Relevanz: mittelSAP Business Data CloudSAP Datasphere14.10.2026 · · 1 Likes

Der Business AI Builder-Praktiker-Profil definiert die Kernfragen für eine Business-AI-Grundlage: Können SAP-Transaktionen mit externen Signalen kombiniert werden? Sind die Definitionen konsistent? Können Data Scientists ohne Neuaufbau der Unternehmenssemantik trainieren?
Semantik, Maschinelles Lernen und Konsum sollten getrennt architekturiert werden – wiederverwendbare Business-Logik und Hierarchien in Datasphere modellieren, um Konsistenz über Reports, Dashboards und Planungs-Geschichten zu sichern.
Data Products sind die wiederverwendbare Liefer-Einheit: verpacken Sie Daten, Business-Definitionen, Besitzrecht und Governance in Assets, die über Analytics und AI-Initiativen wiederverwendbar sind – kontinuierliche Lieferung statt Einzel-Extracts.
Praktischer Checklisten-Ansatz: vor der Produktion mit einem fokussierten Use Case beginnen, externe Daten (Inflation, Währung, geopolitische Störungen) von Anfang an einplanen, Governance und Zugriffsentscheidungen in die Architektur aufnehmen.

Zum Blog →

SAP Datasphere Replication Flow Fails with CDS Views Having No Key Fields — What Actually Happens?

Relevanz: hochSAP Datasphere14.10.2026 · · 0 Likes

Ein Replication Flow in SAP Datasphere erfordert Schlüsselfelder in der CDS-View, da diese die Eindeutigkeit von Datensätzen für Insert/Update/Delete-Operationen sichern; ohne definierte Schlüssel bricht der Flow fehl.
Diagnose beginnt mit der Prüfung der CDS-View in SAP S/4HANA auf definierte Primärschlüssel, gefolgt von der Validierung der Replication-Flow-Konfiguration in SAP Datasphere.
Eine CDS-View kann in S/4HANA gültige Daten liefern und dennoch für den Datasphere-Replication-Flow ungeeignet sein – allein die Schlüsselstruktur entscheidet über die Eignung.

Zum Blog →

SAP PaPM Cloud Universal Model: Consuming Data Products from SAP BDC

Relevanz: hochSAP Business Data CloudSAP Datasphere9.10.2026 · SAP · 1 Likes

SAP PaPM Cloud Universal Model führt einen neuen BDC Data Product-Connection-Typ ein, der harmonisierte Data Products aus SAP BDC über ein Targeted HANA Schema anspricht – ohne Custom-Integration in Modellierungsprojekte.
Einrichtung: CSN Interop JSON oder BDC API Resource ORD ID aus dem SAP API Business Hub hochladen, Import BDC Metadata ausführen, Modelle konfigurieren, Sync Model und Activate – importierte Data Products sind read-only Model HANA Functions.
Häufige Fehler: Warnung Schema Does Not Expose BDC Data Product Objects und Error BDC Virtual Table or Consumption Not Found während Activation – beide bedeuten, dass das Target HANA Schema das Data Product nicht enthält oder für PaPM Cloud nicht sichtbar ist.

Zum Blog →

Did You Know? An SAP Business Data Cloud Series | Season 1, Episode 2 | Translation

Relevanz: hochSAP DatasphereSAP Business Data Cloud9.10.2026 · Community · 1 Likes

SAP Datasphere bietet die integrierte Translation-Funktion zur Mehrsprachigkeit von Metadaten und Masterdaten – ohne eigene Entwicklung; Metadata-Translation über die Translation-Dashboard per manueller Eingabe oder XLIFF-Export/Import, Masterdaten-Translation über eine Text Entity-Tabelle mit Semantic Usage: Text und Text Association zur Dimension.
Die Translation-Funktion ist in SAP Datasphere als Teil des SAP Business Data Cloud-Abonnements enthalten; Aktivierung pro Space mit Quellsprache, danach inkrementelle Übersetzung der genutzten analytischen Modelle und SAC-Storys.
S/4HANA-Masterdaten mit mehrsprachigen Text-Tabellen können direkt in die Datasphere-Analyse-Schicht übernommen werden, anstatt alles auf eine Sprache festzulegen – die Sprachauswahl erfolgt pro Nutzer über Data Access Language.

Zum Blog →

Why Your SAP Datasphere Measure Shows 0 Even When the Source Has Millions of Records ?

Relevanz: hochSAP Datasphere9.10.2026 · Community · 1 Likes

Die vollständige Datenpfad-Validierung von S/4HANA CDS über Replication Flow, RAW, Harmonization/Foundation, Semantic Logic, Analytical Model bis SAC muss durchlaufen werden, wenn ein Measure fälschlicherweise 0 anzeigt; ein gültiger Source-Datensatz garantiert kein gültiges analytisches Measure.
Der erste Validierungsschritt ist die Replication-Source und nicht der SAC-Story oder das Analytical Model; eine CDS-View mit Daten bedeutet nicht automatisch Eignung für den Replication Flow.
Schlüsselverfügbarkeit ist eine kritische Validierung – Replication erfordert ein zuverlässiges Mechanismus zur Datensatzidentifikation und -verarbeitung; ohne diesen bricht die Datenlieferung ab.

Zum Blog →

Managing the Custom Data Product Lifecycle in SAP Datasphere / SAP BDC

Relevanz: hochSAP DatasphereSAP Business Data Cloud9.10.2026 · SAP · 3 Likes

Der Data-Product-Lebenszyklus im Data Sharing Cockpit von SAP Datasphere / SAP BDC umfasst Listing, Versionierung, Artifact-Aktualisierung und Retirement; Verwaltung erfolgt über My Data Products unter Utilities → Data Sharing Cockpit, nicht als eigenständige App.
Delta-Share-Produkte (Formation BDC) unterscheiden sich von Public Data Marketplace-Produkten grundlegend im Liefermodus (Delta Share vs. Full/Live Access) und im Verwaltungskontext (Formations vs. Public Marketplace).
Jeder Statuswechsel eines Data Products unterliegt spezifischen Regeln für die möglichen nächsten Schritte; die Dokumentation listet die zulässigen Übergänge zwischen den Lifecycle-Status auf.

Zum Blog →

SAP Business Data Cloud and Datasphere News in September

Relevanz: mittelSAP Business Data CloudSAP Datasphere6.10.2026 · Community · 2 Likes

Replication Flows: Delta Load für Local Tables (File/Object Store) als Source sowie Transport von Runtime-Settings.
Translation-Robustheit: Validierung von Text-Entities + Fallback-Text bei fehlender Übersetzung.
Data-Product-Governance live: Contracts/Agreements mit Terms-Akzeptanz, Steward-Approval, Auto-Approval für Low-Risk.
Object-Store-Metering in 3 Kategorien (Control Plane / Read / Write) im Capacity Monitor.

Zum Blog →

Data Access Control (DAC) Scenarios in SAP Datasphere

Relevanz: hochSAP Datasphere2.10.2026 · Community · 1 Likes

Regelsammlung an State/Category-Beispielen (Kaggle Sales Data): Einzel- und Mehrfach-DACs mit OR-/AND-Logik, Unrestricted-Werten (*), Exclusions, überlappenden Gruppen und konfligierenden Regeln ohne Treffer.
Vorgehen: Permission-Tabelle → DAC → Zuweisung an Views/Analytic Models; Best Practice ist ein eigener Permission-Space nur für Security-Verantwortliche.
Jeder Fall mit Screenshots und SAC-Ergebnis validiert.

Zum Blog →

★

Understanding Capacity Unit Consumption in SAP BDC and SAP Datasphere from Technical Perspective

Relevanz: hochSAP DatasphereSAP Business Data Cloud2.10.2026 · SAP · 8 Likes

Kernunterscheidung Always-On (HANA Compute Memory, Disk, Data Lake, Object Store, BW Bridge: Zähler läuft ab Provisionierung, kein kostenloser Leerlauf) vs. Activity-Triggered (DI Hours, ECN-Burst: nur bei Ausführung).
CU Estimator als maßgebliche Quelle für Sizing und Preise; der Blog erklärt jede Kachel aus technischer Sicht, nennt aber bewusst keine Preisbeträge.
Scope: Datasphere plus BDC-Dienste Data Lake, BW Bridge, Object Store, ECN, POI und BDC Connect; AI Units werden separat, Databricks/SAC/HANA gesondert abgerechnet.

Zum Blog →

User Insights: SAP Business Data Cloud practitioners' recommendations for BW modernization

Relevanz: mittelSAP Business Data CloudSAP Datasphere30.9.2026 · Community · 3 Likes

Leitprinzip (PeerSpot-Praktiker): Business Meaning von Implementierungsdetail trennen — wertvolle Semantik (Hierarchien, Berechtigungen, Regeln) als governed Data Products/semantische Assets neu aufbauen statt Objekt-für-Objekt zu migrieren.
Insight 1: Fit-Analyse zuerst (InfoCubes gegen Standard-Data-Products mappen, Gaps per Custom Products in Datasphere schließen) statt Migrationscode.
Insight 2: nur Bedeutungsvolles mitnehmen; Standardprodukte als Baseline, Custom nur mit Business-Zweck.

Zum Blog →

The Evolution of SAP Master Data Governance with SAP Business Data Cloud

Relevanz: mittelSAP Business Data Cloud30.9.2026 · SAP · 5 Likes

Strategie-Weiche: MDG (Governance an der Quelle, S/4-nah) plus Reltio (Vereinheitlichung, 360°) als BDC-Duo; BTP-basiertes MDG Cloud Edition wird abgekündigt (Verträge laufen aus, keine Renewals/Free Tier).
Entscheidungsregel: SAP-Quell-Governance → MDG (Public/Private je Deployment), quellenübergreifende Qualität → Reltio; beides bei governed creation + unification.
Community-Tags (MDG-Topic-Page) zum Dranbleiben empfohlen.

Zum Blog →

Publish SAP Databricks Views as Custom Data Products in SAP Business Data Cloud

Relevanz: hochSAP DatabricksSAP Business Data Cloud29.9.2026 · SAP · 6 Likes

Neu: BDC Connect SDK publiziert SAP-Databricks-Views (nicht nur physische Tabellen) als Custom Data Products — Typkonflikte löst ein View per CAST/HEX/TO_JSON auf SQL-Ebene.
Ablauf: View anlegen → pip install sap-bdc-connect-sdk → Share mit ORD-Metadaten registrieren → CSN generieren/registrieren → publish_data_product; kein Primary Key nötig.
View als Data Contract: sauberes typisiertes Schema für Konsumenten, Rohtabelle bleibt unberührt.

Zum Blog →

★

Connect to AWS S3 using SAP Cloud Connector for SAP Datasphere Replication flows

Relevanz: mittelSAP Datasphere29.9.2026 · SAP · 1 Likes

Architektur: S3 → VPC Interface Endpoint (PrivateLink) → EC2 mit SAP Cloud Connector → TLS-Tunnel nach Datasphere; kein Traffic über öffentliches Internet.
Schritte: EC2 (RHEL/AL2023, mind. 2 vCPU/4 GB), S3-Zugriff per AWS-CLI über Endpoint-DNS verifizieren, Cloud Connector (Linux Portable plus Machine JRE) installieren und als Replication-Flow-Quelle anbinden.
Ausdrücklich Lab-/POC-Charakter, kein Production-Setup.

Zum Blog →

Dynamic Top-N Waterfall Analysis in SAP Analytics Cloud: Why I Moved Ranking to SAP Datasphere

Relevanz: mittelSAP Datasphere29.9.2026 · Community · 1 Likes

Pattern: Top-6-Treiber plus „All Others“ nicht in SAC per Scripting, sondern in Datasphere berechnen; SAC übergibt den analytischen Kontext (Region, BU, Periode, Version) als Input-Parameter.
Datasphere aggregiert Version A/B, berechnet Varianzen, rankt und liefert genau 7 Zeilen zurück — SAC bleibt reine Visualisierung.
Faustregel: große Treffermengen nie in die Visualisierungsschicht holen, wenn die Datenschicht die finalen Zeilen bestimmen kann.

Zum Blog →

Building Your First Data Product in SAP Datasphere: Step-by-Step Practical Guide

Relevanz: hochSAP Datasphere29.9.2026 · Community · 6 Likes

End-to-End-Kette: Space → Tabelle plus Daten → Graphical View → Expose/Deploy → Context Management → Data Provider Profile → Data Product → Publish → Consumption.
Klare Abgrenzung: Tabelle (physischer Speicher), View (modellierte Sicht), Analytical Model (semantisch), Data Product (governed, mit Metadaten, Ownership und Doku).
Typische Anfängerfehler: falscher Space, fehlende User/Rollen, falsche Storage-Konfiguration, Space nach Anlage nicht aktiviert.

Zum Blog →

Did You Know? An SAP Business Data Cloud Series | Season 1, Episode 1 | Intelligent Lookup

Relevanz: mittelSAP Business Data CloudSAP Datasphere28.9.2026 · Community · 3 Likes

Intelligent Lookup (Data Builder) matcht Entities ohne verlässlichen Join-Key: Exact Match (deterministisch) plus Fuzzy Match (Score + Thresholds für Confirm/Review/Unmatched), verkettbar, Entscheidungen persistent.
Use Cases: CRM + Firmographics, Lieferanten-Harmonisierung, Produktkataloge über Partner, M&A-Master-Abgleich (Typos, Abkürzungen, Cases).
Ergebnis ist ein Output-View für Modelle/Flows/SAC — Serie mit S1E2 Translation (bereits im Index).

Zum Blog →

What AI-Native, Autonomous Master Data Looks Like in SAP Business Data Cloud

Relevanz: hochSAP Business Data Cloud28.9.2026 · Community · 8 Likes

Arbeitsteilung: MDG = Governance an der SAP-Quelle (Workflows, Validierung, S/4-Integration), Reltio = Vereinheitlichung über SAP/non-SAP (Dedup, 360°-Sicht, Echtzeit) — Ergebnis als Unified Data Products für SAC, BDC Connect, Joule/Agents.
AI-native als Designphilosophie: Matching beim Laden, Agenten-Enrichment mit Drittdaten, weniger manuelle Reviews.
Kontext: MDM-Renaissance durch AI-Druck; Vorgängerblog zur Architektur verlinkt.

Zum Blog →

SAP Datasphere's integration techologies

Relevanz: mittelSAP Datasphere28.9.2026 · Community · 2 Likes

Merksatz: Replication Flows bringen Daten effizient nach Datasphere (Initial plus Delta, quellschonend); Transformation Flows bereiten sie auf (Filtern, Joinen, Aggregieren, Cleansen).
Pipeline-Stufen: Acquisition → Harmonization → optional Business-/Mart-Layer; Views reichen meist, Persistierung nur bei Bedarf (Open Hub, Retraktion).
Analogie zur BW-Schichtenarchitektur; Verweis auf Training DSP01 und Live-Session zu Delta-Loads aus S/4HANA.

Zum Blog →

Unlocking Currency Conversion in SQLScript with CONVERT_CURRENCY() in SAP HANA XSA and Datasphere

Relevanz: mittelSAP Datasphere28.9.2026 · Community · 1 Likes

CONVERT_CURRENCY() nutzt das SAP-Standard-Framework (Betrag, Quell-/Zielwährung, Stichtag, Kurstyp, Fehlerbehandlung) statt eigener Kurslogik — gleiche Konzepte wie die Calculation-View-Semantik.
HDI-Pattern: TCUR*-Synonyme (TCURR_CV_SYN u. a.) als Tabellenparameter übergeben; Beispiel KBETR/KONWA → USD mit ERROR_HANDLING 'set to null'.
Praxis-Tipp: erst Mengeneinheit normalisieren (UMREZ/UMREN), dann Währung konvertieren; auch Unit Conversion kombinierbar.

Zum Blog →

Building a Custom SAP Analytics Cloud Widget for Databricks Genie

Relevanz: mittelSAP Databricks25.9.2026 · Community · 0 Likes

Custom SAC Widget als Chat-Oberfläche für Databricks Genie (Repo GenieWidget auf GitHub): Widget → Backend-API → Supervisor/Agent → Genie → Antwort ins SAC-Story.
Auth (OAuth inkl. Refresh) und Async-Status-Handling liegen im Backend, nie im Browser; erweiterbar um ContextWallet (SAC-Filter als Kontext), History und Visualisierungen.

Zum Blog →

SAP BW Diet Strategy: How to Reduce Your SAP BW Footprint on the Path to SAP Business Data Cloud

Relevanz: hochSAP Business Data CloudSAP Datasphere24.9.2026 · SAP · 24 Likes

Schritt 0 Housekeeping (Pflicht, billigster Hebel): ungenutzte Provider/Queries/Stagings/Flows/Redundanzen prüfen — Free Assessment + Pareto-Blick (wenige Objekte = Großteil Memory).
Fünf Pfade je InfoProvider: Lift & Shift (schnell, aber kein Diet-Effekt allein), Convert & Lift, Lift & Optimize, Lift & Split, Lift & Transform — Aufwand vs. Memory-Reduktion vs. Frontend-Impact abwägen.
Merksatz: übersized BW in die Cloud liften bleibt übersized — nur teurer (CU).

Zum Blog →

SAP BDC to Databricks: Sharing SAP Data Products with Enterprise Databricks and SAP Databricks

Relevanz: hochSAP Business Data CloudSAP Databricks24.9.2026 · SAP · 5 Likes

Zwei Wege: Brownfield (bestehendes Enterprise Databricks via BDC Connect) vs. Greenfield (SAP Databricks in BDC integriert); Konsum in beiden Fällen über Unity Catalog.
Sharing via OpenSharing (ehem. Delta Sharing, seit Juni 2026 offener Standard): Live-Zero-Copy statt ETL-Kopien, keine Replizierung durchs Sharing.
Teil 1 der Serie (BDC→Databricks am Workforce-Person-Produkt); Teil 2 reichert an und publiziert zurück nach BDC.

Zum Blog →

★

[DEMO] End-to-end governance in action with SAP Business Data Cloud and Collibra

Relevanz: mittelSAP Business Data Cloud21.9.2026 · Community · 2 Likes

Szenario (Video + Interactive Journey): Collibra-Control-Tower prüft per Graph-Query Report→Spalte→DQ-Rule→Threshold und entzieht bei Breach automatisch allen Downstream-Reports die Zertifizierung — vor Eskalation, mit Notify.
Fix statt Patch: Schatten-Pipeline (Snowflake-Staging per Excel-Skript) ersetzen durch Marketplace-Data-Product (Sales Forecasting, mit Owner/Contract/SLA), Access-Request mit Zweck/Frist, Steward-Approval, Datasphere-View umhängen, Lineage via Edge Harvester.
Botschaft: Governance als Consumption Driver — ein Audit-Trail vom Alert bis zur CFO-Freigabe.

Zum Blog →

SAP Business Data Cloud: A Practical Guide to Capacity Unit Optimization

Relevanz: hochSAP Business Data CloudSAP Databricks18.9.2026 · SAP · 7 Likes

10 goldene Regeln (u. a.): erst messen (SAP for Me + Datasphere-Monitoring), Zero-Copy ≠ Zero-Cost, nur Nötiges teilen, inkrementell als Default, Refresh am Bedarf ausrichten, Duplikat-Transforms vermeiden, Region/Hyperscaler alignen, Object Store entrümpeln, monatliche CU-Governance.
Zielbild: S/4HANA = vertraute Daten, BDC/Object Store = governed Products + Kontext, Connect = Sharing, Databricks = Engineering/AI — ohne unnötige Bewegung/Duplikate/Refreshes.
Erst verstehen wo/warum Verbrauch entsteht, dann umbauen — mehr Kapazität allein löst Strukturprobleme nicht.

Zum Blog →

Automate Datasphere Objects' transport with datasphere-cli

Relevanz: hochSAP Datasphere18.9.2026 · SAP · 8 Likes

Git-nativer Transport: Pull mit Content-Hash-Vergleich (nur Geändertes exportieren) → Review in VS Code → Push nach GitLab; Gegenrichtung mit interaktiver Auswahl, Create-mit-Update-Fallback und Audit-Log.
Dependency-Ordering automatisch über Package-Manifeste (topologischer Sort); Voraussetzung sind OAuth-Client mit Interactive Usage, CLI, Git und Python ab 3.9.
Ergänzt cTMS/Built-in-Transport für Teams mit Git-Workflow (Reviews, Branching, Pipelines).

Zum Blog →

★

From BW to Datasphere: Translating Existing Reporting Logic

Relevanz: mittelSAP Datasphere17.9.2026 · Community · 2 Likes

Migration beginnt beim BW-Ergebnis, nicht beim BW-Objekt: Restriktionen und Kennzahlen InfoObject für InfoObject zurückverfolgen, undokumentierte Regeln mit den Report-Ownern klären.
Keine Syntax-Übersetzung, sondern Geschäftslogik: Beispiel GL-Kontengruppe als Restricted Column über Mapping-Tabelle statt statischem Filter — bleibt bei Kontenplan-Änderungen korrekt (Fallstrick: stille Intercompany-Ausnahmen).
Kernsatz: die gleiche Antwort mit neuer Technologie liefern, nicht denselben Report kopieren.

Zum Blog →

Safeguarding the Transition from SAP Data Intelligence to SAP Business Data Cloud and SAP Datasphere

Relevanz: mittelSAP Business Data CloudSAP Datasphere17.9.2026 · SAP · 2 Likes

Wartungsenden Data Intelligence On-Prem 31.12.2026 und Cloud 31.12.2028; kein 1:1-Feature-Parity — Übergang als Chance zur Modernisierung statt Kopie begreifen.
1:1-Abdeckung für Data Catalog (Metadata Explorer) und Replication Flows (inkl. Migrationstool über Premium Engagement); Pipelines (Processing, ML, Orchestrierung) brauchen szenariospezifische Neukonzeption aus BDC/Datasphere/BTP-Bausteinen.
SAP Focus Package bündelt Migrationsplanung, Enablement, Implementierung und Safeguarding.

Zum Blog →

SAP Datasphere CI/CD: Automating Deployments with GitHub Actions

Relevanz: hochSAP Datasphere15.9.2026 · Community · 3 Likes

Ein Workflow-File, zwei Pfade: manueller Dispatch (Export aus Space → Branch → Pull Request) und Push auf main (QA mit Approval-Gate → Verifikation → Planung → PROD mit zweitem Approval).
Rollback-Snapshot automatisch vor jeder PROD-Änderung; Git ist Source of Truth für Objektdefinitionen (local-tables, views, analytic-models, flows, task-chains u. a.).
Löst fehlenden Review-Trail bei direkter Arbeit im Space; Concurrency-Gruppe verhindert parallele Deployments.

Zum Blog →

★

How to connect HDLF instance to SAP Datasphere

Relevanz: mittelSAP Datasphere15.9.2026 · SAP · 3 Likes

Eingebaute HDLF-Instanz erlaubt keinen freien Datei-Zugriff (Parquet/CSV up-/downloaden geht nicht); dafür externe HDLF-Instanz im BTP provisionieren und anbinden.
Anbindung per Zertifikat: CA plus Client-Zertifikat plus Keystore (.p12) mit OpenSSL erzeugen, Trust/Auth in HDLF registrieren, REST-Endpoint als Connection in Datasphere eintragen.
Voraussetzungen: OpenSSL, Admin-Zugriff auf HDLF-Instanz und Datasphere-Tenant.

Zum Blog →

★

SAP BW Query vs. SAP Datasphere Analytic Model: Why Migration Often Means Rebuilding

Relevanz: hochSAP DatasphereSAP Business Data Cloud15.9.2026 · Community · 7 Likes

Leitfrage ist nicht „migrieren oder nicht“, sondern ob die BW-Logik fachlich noch relevant ist und in eine moderne Architektur passt; oft liefert ein fachlich getriebener Rebuild mehr Wert als ein 1:1-Transfer.
Analytic Model ist kein Query-Ersatz: Dimensionen/Measures/Assoziationen statt Zeilen/Spalten/Strukturen, Variablen im View-/Modell-Kontext statt am InfoObject, SAC greift direkt per InA zu.
Zwei Szenarien: hybride Architektur (BW bleibt teilweise) vs. Greenfield-Datasphere; SQL gewinnt für berechnete und eingeschränkte Kennzahlen an Bedeutung.

Zum Blog →

Dynamic Hierarchy Path Generation for Flexible Restricted Measures in SAP Datasphere

Relevanz: hochSAP Datasphere11.9.2026 · Community · 12 Likes

Problem: Restricted Measure auf Member Node (N) statt manuell gepflegter Leaf-Liste (Beispiel Apple-Produkte) — neue Produkte brechen die Pflege.
Lösung: Hierarchy Path je Leaf (Leaf→Root, Format HIERARCHY:Node, mehrere Hierarchien per ||) per SQLScript Table Function (Cursor-Traversierung, interne Tabellen lt_hierarchy/Final).
Wiederverwendbar: nur Quell-Node plus Spaltenmapping tauschen; gezeigt an Kategorie- (1001) und Brand-Hierarchie (2001).

Zum Blog →

Explore and reuse SAP Datasphere models from Databricks

Relevanz: hochSAP DatasphereSAP Databricks11.9.2026 · SAP · 9 Likes

Zwei Wege: Rebuild (Rohdaten teilen, Joins/Measures/Hierarchien neu bauen) vs. direkt konsumieren per Live-DB-Connection auf Semantic Layer (Logik bleibt, SAC-Definitionen gelten weiter).
Produktionsreife Absicherung: Zertifikats-Auth (eigene CA per openssl, Client-Zertifikat, PEM/PSE-Bundle) plus Databricks Secrets für Ablage/Rotation/Audit.
Auch für Rückschreiben von Predictions und Exploration vor vollem Data Product geeignet; Analytic Models nur per OData (Folgeblog).

Zum Blog →

Finding the Where-Used List for Replication Flows in SAP Datasphere

Relevanz: mittelSAP Datasphere8.9.2026 · Community · 5 Likes

Lücke: kein BW-ähnlicher Verwendungsnachweis (DTP→Kette) für Replication Flows — Workaround von der Task-Chain-Seite: alle Chains als JSON exportieren und per Python-Skript (Substring-Match, kein Schema-Parser) prüfen.
Output: where_used_result.csv (Flow × Chain × YES/no) plus discovered_replication_tasks.csv als Typo-Kontrolle; Ergebnis in Excel auf YES filtern.
Setup: Ordner mit task_chains-Unterordner, replication_flows.txt, find_rf_usage.py, python find_rf_usage.py — ohne Zusatzlibs, versionsrobust.

Zum Blog →

How Much Business Logic Is Too Much Business Logic in SAP Datasphere?

Relevanz: mittelSAP Datasphere4.9.2026 · Community · 4 Likes

Zentralisierung lohnt bei Reuse (Beispiel Net Revenue einmalig statt je Report), kippt bei: Layer wächst schneller als Governance, Logik ohne Reuse, unklare Ownership.
Frage ist nicht „kann?“, sondern „schafft Wert?“ — gleiche Logik kann in Quelle, S/4HANA, Datasphere oder SAC leben (Trade-offs Reuse/Governance/Ownership/Performance).
Folgeblog zum SAC-vs-Datasphere-Architekturpost (14447207).

Zum Blog →

Seamless Planning & Data Types: What SAC Actually Lets You Control in Datasphere

Relevanz: mittelSAP Datasphere3.9.2026 · Community · 3 Likes

Kurzformel: Attribute flexibel, Measures/IDs nicht — Measures immer DECIMAL(38, x) (früher 31), generische IDs NVARCHAR(256 bzw. 5000 ohne Stammdatentabelle), Version immer NVARCHAR(300).
Nur Datum (Wochengranularität), Properties (Typ/Länge) und Hierarchien (in SAC pflegen, in Datasphere neu aufbauen) sind gestaltbar.
SAC-Strategie erkennbar: im Zweifel Maximalwert statt passgenauer Typen — bei Sizing/Entscheidungen einkalkulieren.

Zum Blog →

A SAP Datasphere task chain monitoring agent

Relevanz: mittelSAP Datasphere3.9.2026 · Community · 6 Likes

Teams-Frage („lief der Finance-Load?“) beantwortet ein Agent per MCP-Tools (Space finden, Status, History, Log) — auch diagnostisch („warum?“, nicht nur Status).
Zwei Pfade: interaktiv per @-Mention im Channel plus werktäglicher Morgen-Digest (GitHub-Actions-Cron → Agent → Power Automate Adaptive Card mit Name/Status/Zeit/Dauer/logId).
Effekt: Routinefragen verschwinden, Berater-Interruptions entfallen, nur echte Follow-ups bleiben.

Zum Blog →

Execute and Monitor SAP Datasphere Task Chains from UC4

Relevanz: mittelSAP Datasphere28.8.2026 · Community · 4 Likes

Drei-Job-Pattern (UC4/Automic als Leitscheduler): Authenticate (OAuth Client Credentials, Token-File) → Execute (Task Chain triggern, Log ID fangen) → Monitor (Status per Log ID pollen bis final).
Lektionen: Token allein reicht nicht (Space-Rollen!), Least Privilege per scoped Role, Variablen SPACE/TASK_CHAIN/RUNID/STATUSID, Rotation/Timeouts definieren.
Ziel: Azure-Folgeprozesse erst nach erfolgreicher Chain starten.

Zum Blog →

SAP Datasphere Integration Patterns: Lessons Learned from Two Years of Implementations

Relevanz: hochSAP Datasphere17.8.2026 · Community · 7 Likes

Pattern 1 (S/4HANA Cloud PE, Finance/GL): Remote-Zugriff zu langsam → Replication Flows (kopiert, entkoppelt, planbar) plus Partitionierung, HANA/CDS-Tuning, Cloud-Connector-Skalierung.
Pattern 2 (Ariba): CAP + HDI-Container + Integration-Suite-iFlow (Jobs, Download, Transform, Upsert, Fehler/Monitoring) plus Task Chains.
Fokus: Volumen, Security, Orchestrierung, Monitoring, Automatisierung über SAP-/Non-SAP-Quellen (Files, Kafka).

Zum Blog →

Dynamic Current Month, Year-to-Date, Current Year and Previous Measures in SAP Datasphere

Relevanz: hochSAP Datasphere13.8.2026 · Community · 9 Likes

Muster: MTH/YTD/PY-MTH/PY-YTD/PY als Restricted Measures auf Reporting-Monat/Jahr (Defaults aus letzter geschlossener CO-Periode) — Ansatz 1 berechnete Spalten im Fact View (P0/P1/P2 per CASE/ADD_YEARS) ist einfach, blockiert aber Persistierung bei Parameter-Abweichung.
Empfohlen (Ansatz 2): Fact View variablenfrei halten, Restricted Measures dynamisch im Analytic Model über Helper-Views (BW-Customer-Exit-Analogie) auf Calendar-Month-Dimension.
BW-Hintergrund willkommen: MTH = Jahr+Monat, YTD = Monate <= Reporting, PY = Vorjahr.

Zum Blog →

Is Your SAP Datasphere Tenant Running Healthy? Meet the Tenant Health Check Agent (EAC)

Relevanz: hochSAP Datasphere12.8.2026 · Community · 12 Likes

Joule-Agent (Prompt „perform tenant health analysis“) prüft Disk, Memory-Quotas, Audit-Log-Verbrauch mit Ampel Healthy/Warning/Critical plus Maßnahmen — nichts ohne explizite Bestätigung.
Drei Use Cases: Quota Management, Space Cleanup (verwaiste/gelöschte Spaces), Audit-Log-Optimierung (Compliance vs. Speicher).
Voraussetzungen: Joule + Business AI, Note 3521983, AI Units, Space-(Files-)Manage-Rechte; EAC bis 17.11.2026, GA 18.11.2026.

Zum Blog →

SAP Datasphere and SAP Analytics Cloud: Keeping Data Integration and Analytics in the Right Place

Relevanz: hochSAP Datasphere7.8.2026 · Community · 7 Likes

Zwei Ansätze: SAC als Integrationsschicht (schnell, gut für klein) vs. Datasphere als Datenschicht (skalierbar, governbar) — mit Wachstum drohen in SAC doppelte KPI-Logik (Beispiel Net Revenue) und wachsende Integrationskomplexität.
Empfehlung: geteilte Definitionen (KPIs, Transformationen, Semantik) zentral in Datasphere, SAC für Visualisierung/Planung.
Beispielquellen S/4HANA, SuccessFactors, CRM, Excel; Dashboards, Sales, Finance, Planning.

Zum Blog →

How to Consume SAP Datasphere Analytical Models to SAP Fiori Using OData Services

Relevanz: hochSAP Datasphere6.8.2026 · SAP · 5 Likes

Kette: Fact View des Analytic Models „Expose for Consumption“ → Trust BTP↔Datasphere (Destination-Trust-XML, Provider Name + Signing Certificate unter App Integration) → OAuth (SAML Bearer für User-Propagation empfohlen, Client Credentials für Technical User) → BTP-Destination → Fiori/CAP.
Stolperfalle: Fact View exposen, nicht nur das Model — sonst kein OData.
Voraussetzungen: Admin-Rechte beidseitig, deploytes Model, OAuth-Client-Rechte.

Zum Blog →

Currency Conversion in SAP Datasphere: Understanding TCUR* Tables and Practical Implementation

Relevanz: mittelSAP Datasphere23.7.2026 · Community · 4 Likes

Framework: TCURC (Codes), TCURV (Kurstypen M/B/G), TCURR (Kurse), TCURF (Faktoren), TCURN (Notierungen), TCURX (Dezimalstellen) — Wechselkurs allein reicht nicht (Faktoren, Notierung, Datum, Genauigkeit).
Zwei Teile: Framework-Verständnis plus Umsetzung/Validierung/Troubleshooting in Datasphere (Abgleich gegen S/4HANA, Beispiel CAD/EUR→USD).
Ergänzt den CONVERT_CURRENCY-Praxisblog (Sep); GenAI-assistiert, vom Autor verifiziert.

Zum Blog →

Mastering SAP Datasphere Replication Scheduling

Relevanz: mittelSAP Datasphere22.7.2026 · Community · 4 Likes

Drei Verfahren: Frequency-Based (5/10/15/20/30 Min. bis monatlich, ohne Expertise), Simple Schedule (grafisch, Zeitzonen/DST-sicher, Standard für ETL/ELT), Cron (z. B. viertelstündlich nur werktags, letzter Sonntag — volle Präzision).
Faustregeln: stündlich Transaktionen, täglich Stammdaten off-peak, wöchentlich Partner, monatlich Snapshots; passend zum Bedarf wählen statt überkomplex.
Nutzen: Frische, weniger Betrieb, verlässliches Reporting, Ressourcenschonung.

Zum Blog →

SAP Datasphere Master Data – Attributes, Texts, and Hierarchies

Relevanz: hochSAP Datasphere21.7.2026 · SAP · 11 Likes

Ende-zu-Ende am G/L-Account: Quellen per Replication Flow holen (Stamm, Texte, Hierarchy Nodes + Texte) → zwei Graphical Views (Hierarchie per Union, Konten mit Text) → Dimension → SAC Seamless Planning.
Wichtig: Seamless Planning konsumiert Hierarchien anders als Analytic Models (dort Assoziationen + Hierarchy Semantics) — Modellierung darauf ausrichten.
Muster übertragbar auf Customer, Product, Cost/Profit Center u. a.; Folgeblog zu Analytic Models angekündigt.

Zum Blog →

SAP Business Data Cloud Architecture: Datasphere, Databricks, and the Unified Data Layer

Relevanz: mittelSAP Business Data CloudSAP DatasphereSAP Databricks14.7.2026 · SAP · 1 Likes

3 Schichten: Datasphere (Semantik/Governance: Spaces, Business Layer, DACs, Replication Flows), Databricks/Unity Catalog (Lakehouse, ML, Delta/Feature Store), SAC (BI/Planung) plus Content Packages (Finance/SC/HR).
Setup-Muster: ein Space je Domäne (FIN mit ACDOCA/BSEG/FAGLFLEXT + DAC je Buchungskreis), Databricks-Connection (URL, Token/Service Principal, SQL Warehouse), Unity-Katalog sap_business_data (USE/CREATE), Data Flows mit Watermark-CDC, Semantik-Check in Delta.
Gilt für BDC GA 2024+, jointly engineered Connector (nicht alter HANA-Connector).

Zum Blog →

Start remote Process/Actions in BTP ABAP via Task Chains from SAP Datasphere

Relevanz: hochSAP Datasphere14.7.2026 · SAP · 6 Likes

Drei Optionen: (1) direkter API-Call (einfach, Batch/Event-Driven), (2) Integration Suite (komplexe Mappings, Governance, iFlow-Reuse), (3) CAP-App (eigene Logik, Persistenz, Microservice).
Aufbau: Task Chain mit API-Task → generische HTTP-Connection → ABAP-Cloud-Inbound-Web-API; dort Communication System/Arrangement, Inbound Service/Binding, Szenario, Service Definition, Klassen (z. B. processData).
Voraussetzungen: Datasphere Dev+Admin, ABAP-Umgebung Dev, OAuth/Communication-Arrangements, Web-API-Entwicklung.

Zum Blog →

SAP S/4HANA Custom ABAP CDS View to Datasphere: Replication Flow Setup, Status & Delta Processing

Relevanz: hochSAP Datasphere10.7.2026 · SAP · 26 Likes

CDC-Kette: DB-Trigger auf Basistabellen → Master Logging → Subscriber Logging → Buffer Table → Replication Flow; Rollen RMS (Orchestrierung), APE (ABAP-Extraktion, Initial/Delta), Modi Initial-only/Delta/Initial+Delta.
RMS-Jobs (SM37, DDIC): CDC_HEALTH_CHECK, DHCDC_DISPATCHER, OBSERVE_LOGTAB (~1h), PUSH_CDS_DELTA (~6h); Monitoring DHCDCMON/DHRDBMON, Tuning Intervalle/WP mit Basis abstimmen.
Designrat: Standard-CDS/Data Products bevorzugen statt direkter ABAP-Tabellen (Kontextverlust); Custom-CDS per Annotation CDC-mappen, Inserts/Updates/Deletes Ende-zu-Ende validieren.

Zum Blog →

Unit Conversion in SAP Datasphere using T006 (LB to KG Example)

Relevanz: mittelSAP Datasphere8.7.2026 · Community · 3 Likes

Standard statt Eigenlogik: T006D (Dimension, z. B. MASS mit SI-Einheit KG) plus T006 (Einheiten + Faktoren G/KG/OZ/LB/TON) — nur innerhalb einer Dimension konvertieren.
Umsetzung: Fact View auf Quelltabelle (z. B. ACDOCA, MSL/RUNIT), zwei berechnete Spalten (MSL_Converted, RUNIT_Converted) per CONVERT_UNIT im Formula-Node.
Use Cases: Inventory, Procurement, Materialbewegungen, länderübergreifendes Reporting; Validierung gegen Erwartungswerte.

Zum Blog →

Need to Know - Beyond SAP Analytics Cloud AI and Using SAP Databricks in SAP Business Data Cloud

Relevanz: mittelSAP Business Data CloudSAP Databricks11.6.2026 · SAP · 7 Likes

Überblicksserie: BDC-Bausteine (Data Products, Foundation Services/ORD, Intelligent Apps, SAC, Datasphere, BW PCE, BDC Connect) und Abgrenzung SAC-Bordmittel vs. Databricks.
Beispiel-Walkthrough: BDC Intelligent App abonnieren → Delta Sharing → Training in SAP Databricks → Ergebnisse zurück → Datasphere/SAC-Report.
Einordnung: BDC ist Managed SaaS + Business Data Fabric (kein Rebranding), GA seit 2024.

Zum Blog →

Create a Custom SAP BDC Data Product share it with Enterprise Databricks, extend it and send it back

Relevanz: hochSAP Business Data CloudSAP DatabricksSAP Datasphere18.5.2026 · Community · 13 Likes

Roundtrip: Custom Data Product in BDC → Enterprise Databricks anreichern → zurück nach BDC (Governance/Lineage bleibt erhalten).
Sizing-Hinweis: mind. 4.150 CU, Storage 384 GB + Memory 128 GB, Object Store je 1 Block Storage/Memory/Requests (Estimator).
Voraussetzungen: BDC Core + Datasphere + BDC Connect in gleicher Region (Egress!), HDLF-Space mit Scope-Rolle, Cloud Connector für S/4 (4 Hilfenotes verlinkt).

Zum Blog →

Sharing SAP S/4HANA Data with Databricks Using BDC Connect and Delta Sharing

Relevanz: hochSAP DatasphereSAP Business Data CloudSAP Databricks10.4.2026 · Community · 4 Likes

Kette: S/4HANA (nur released CDS, APRS Push Replication) → Datasphere Object Store (Parquet) → Managed Data Product → BDC Connect → Delta Sharing → Databricks (zero-copy, governed).
S/4-Voraussetzungen: Note 3500131 (ABAP Integration), Note 3561739 (Technical Jobs), SJOBREPO-Jobs grün (Dispatcher, Daemons, Housekeeper), CDC-Jobs healthy.
Danach Data Packages im BDC Cockpit aktivieren (Dauer je Volumen/CDS-Anzahl/Paralleljobs); Delta Sharing geht nur auf Object Store, nicht HANA-Tabellen.

Zum Blog →

Why SAP Databricks Genie Is a Game‑Changer: Key Benefits and Expert Tips

Relevanz: mittelSAP Databricks27.3.2026 · SAP · 4 Likes

Genie Code: kontextsensitiver Assistent in Notebooks/SQL/Dashboards/Jobs — NL→SQL/Python, Fix-Vorschläge, Agent Mode für mehrstufige Tasks.
MCP nur im Agent Mode: Workspace-MCP-Server als Tools (ETL, APIs, Reporting), dynamischer Kontext statt hartcodierter Prompts.
Nutzen: No-Code-Analytics, schnelleres Entwickeln, Self-Service-BI, weniger Fehler (Demo Incentive Mgmt via MCP).

Zum Blog →

How to use SAP Business Data Cloud Capacity Unit Estimator for SAP BDC Connect for Databricks?

Relevanz: mittelSAP Business Data CloudSAP Databricks19.3.2026 · SAP · 4 Likes

Verbrauch nur aus Inter-Region Transfer (GB, nur bei anderem Hyperscaler/Region) plus Processing Requests (Blöcke à 2500 API-Calls); Beispiel 500 GB + 1000 Blöcke = 147,50 CU.
5 Klicks im Estimator: Hyperscaler/Datacenter → Add → BDC Connect → Mengen eintragen → CU/Monat ablesen.
Einordnung: BDC Connect = Sharing, kein Replikationsersatz (dafür POI); Stand Feb 2026 nur Databricks, BigQuery/Snowflake/Fabric geplant.

Zum Blog →

Triggering SAP Databricks Jobs through SAP Datasphere Task Chains

Relevanz: hochSAP DatasphereSAP Databricks17.3.2026 · SAP · 7 Likes

Generic-HTTP-Connection (Host, Port 443, Pfad /api/2.1, Auth User „token“ + PAT als Passwort) plus API-Task auf Jobs-endpoint runs/submit.
PAT unter User → Settings → Developer → Access Tokens erzeugen; Use Cases von Pipeline-Automatisierung bis ML-Training per Datenfluss.
Voraussetzungen: Datasphere-Rechte für Connections/Task Chains, Notebook-Zugriff, REST-Grundlagen.

Zum Blog →

Integrating SAP Databricks with SAP CPQ and SAP Datasphere for Analytics & Reporting

Relevanz: hochSAP DatabricksSAP Datasphere6.3.2026 · SAP · 8 Likes

4 Schichten: CPQ-REST-APIs (OAuth2) → Databricks (PySpark-ETL, Unity Catalog, Delta Lake) → Delta Sharing + BDC/ORD → Datasphere/SAC-Konsum.
Anforderungen: <5 Min. Latenz bei 100k+ Angeboten/Tag, RBAC + Verschlüsselung, GDPR/SOX; Entitäten Quotes, Line Items, Kunden, Produkte.
Ziel: Single Source of Truth für CPQ mit Lineage und (Near-)Real-Time.

Zum Blog →

Breaking SAP Data Barriers with Datasphere & Databricks: A Medallion Journey (Bronze, Silver, Gold)

Relevanz: hochSAP DatasphereSAP Databricks23.2.2026 · SAP · 4 Likes

Rollenbild: Datasphere = SAP-zentrische Modellierung + Governance, Databricks = offenes Lakehouse + Transforms + AI/ML; Datasphere ersetzt Medallion nicht, sondern ergänzt es.
Bronze (roh: IDocs, ABAP-Extrakte, ODP/SLT, CDS, Files; Lineage + Delta), Silver (cleansen, harmonisieren, MATNR/WERKS/EBELN auflösen, Währungen), Gold (GL/AR/AP, CO-PA, OTIF, Spend für SAC/ML/Agents).
Quellen: ODP, SLT-Echtzeit, BW-Extraktoren, CDS-Views, App-Server-Files.

Zum Blog →

Automating Invoice Predictions from SAP Databricks with SAP Datasphere Task Chain

Relevanz: hochSAP DatabricksSAP DatasphereSAP Business Data Cloud11.2.2026 · Community · 22 Likes

Task Chain orchestriert Databricks-Jobs per REST (run-now/get-run, Service Principal): Notebook triggern, Ausführung überwachen, Prognosen aktuell in BDC halten — vollautomatisch bei neuen Rechnungen.
Drei Komponenten: DSP Task Chains (REST API Task + Generic HTTP Connection), Databricks Jobs API, Delta Sharing + Unity Catalog für Live-Konsum in BDC.
Finance-Nutzen: schnellere Mahnläufe, weniger Überfälliges, besseres Working Capital; technisch valide, aber offiziell nicht supportet.

Zum Blog →

Hands-on Tutorial (SAP) Databricks triggering ML in SAP Datasphere

Relevanz: hochSAP DatabricksSAP Datasphere9.2.2026 · SAP · 15 Likes

Databricks-Notebook ruft SAP PAL-Prognose in Datasphere auf — ohne Datenbewegung; Use Case Bedarfsforecast auf 80 Mio. Versandzeilen für Workforce Planning (Repo auf GitHub).
Voraussetzungen: Datasphere Script Server, Database User (Credentials in Databricks Secrets), hochgeladene Daten, Demand-Forecast-Flow mit Exploration/Preparation/Time-Series.
Prognose zurück in Datasphere weiterverwendbar.

Zum Blog →

Developing HANA ML models with SAP Databricks

Relevanz: hochSAP DatabricksSAP Business Data Cloud4.2.2026 · SAP · 8 Likes

hana-ml plus Databricks-managed MLflow: Training/Inferenz auf HANA-Cloud-Daten (SQL-Zugriff, HANA-Compute) mit Notebook-Komfort und ohne eigenen MLflow-Server.
Anbindung: 4 Parameter (URL, Port 443, User, Passwort via Databricks Secrets), Databricks-IP auf Allow-List, DB-Rechte AFLPAL/AP L (OpenSQL-User mit APL/PAL in Datasphere).
Gilt für SAP Databricks in BDC und Enterprise Databricks via bdc-connect; Datensätze aus HANA, HDLFS-Föderation oder installierten BDC Data Products.

Zum Blog →

Connecting SAP Analytics Cloud to Databricks model serving endpoint

Relevanz: hochSAP Databricks31.12.2025 · SAP · 8 Likes

SAC Multi Action mit API-Schritt ruft Databricks Model Serving Endpoint auf; beide Seiten OAuth 2.0, Service Principal außerhalb der Databricks-UI.
SAC-HTTP-Connection braucht 5 Parameter: Data Service URL, OAuth Client ID, Secret, Token URL, Scope.
Gilt für native und SAP Databricks gleichermaßen; Voraussetzungen SAC BI-Admin/Planning plus Databricks Workspace Admin.

Zum Blog →

How to provision SAP BDC Connect for Databricks?

Relevanz: hochSAP Business Data CloudSAP Databricks27.11.2025 · SAP · 10 Likes

17-Schritte-Anleitung (Stand Jan 2026): SAP for Me → Portfolio & Products → BDC → Applications → Start Provisioning; Name, Resource Group, CU-Quote (nur Richtwert, Estimator), Connection Identifier aus Databricks.
Voraussetzungen: Super-/Cloud-Admin mit BDC-Installation, BDC Cockpit provisioniert, gleiche Region/Hyperscaler, Databricks-Workspace mit Unity Catalog + Delta Sharing, CREATE PROVIDER/RECIPIENT-Rechte.
Danach Formation aus BDC Connect, Datasphere und Cockpit bilden; bis 30 Min. warten, URL aus Notification in Databricks einkleben.

Zum Blog →

Integrating Non-SAP Semi-Structured Invoices Data with SAP BDC Using SAP Databricks

Relevanz: hochSAP DatabricksSAP Business Data Cloud27.11.2025 · Community · 14 Likes

PDF-Rechnungen aus S3 als binaryFile streamen, mit pypdf parsen (Checkpoint in Unity-Catalog-Volume), nach Delta-Tabelle bt_delta_table_invoice_pdf schreiben.
RandomForestRegressor (scikit-learn) für Payment Delays, Registry in Unity Catalog, Batch Inference nach bt_invoices_payment_delay_predictions_new.
Ergebnis per Delta Share zero-copy als customer-managed Data Product in den BDC Catalog publizieren und dort abrufen.

Zum Blog →

SAP Business Data Cloud – Leveraging SAP Databricks' assistant to easily build predictive scenarios

Relevanz: hochSAP DatabricksSAP Business Data Cloud26.11.2025 · SAP · 5 Likes

7 Schritte am Beispiel Absatzprognose auf S/4HANA-Aufträgen: Data Product teilen → Notebook → Daten holen → transformieren → Forecast → visualisieren → Ergebnistabelle Product_Forecast materialisieren.
Databricks Assistant generiert Zugriffs-, Transformations- und Prognosecode — auch ohne Databricks-Tiefenwissen.
Ergebnisse als Tabelle für Folgeanalysen weiterverwendbar.

Zum Blog →

SAP BDC - Enhance a BW Data product with SAP Databricks - Part II

Relevanz: hochSAP Business Data CloudSAP Databricks3.11.2025 · SAP · 6 Likes

Teil 2 der Serie: Anomalieerkennung auf GL-Buchungen (Isolation Forest, unüberwacht) direkt auf dem geteilten BW-Data-Product in Databricks-Notebooks (Python).
Use Case Abschlussprüfung: falsche Kontotyp-Kombinationen, falsche Beträge, untypische Proportionen als Betrugs-/Fehlerhinweise statt manuellem Sampling.
Datensatz-Exploration über Unity Catalog (Delta Shares Received, s4_figl4_raw_data) plus SQL Explorer.

Zum Blog →

BW Data Product Generator to Databricks Enterprise Capability

Relevanz: hochSAP Business Data CloudSAP Databricks31.10.2025 · SAP · 12 Likes

4 Schritte: DPG installieren (Note 3590400, Note Analyzer, STRUST-Zertifikate, Task SAP_BW_BDC_CONFIGURATION re-runnable), DPG auf BW-Content laufen lassen, Data Product anlegen, per Delta Share nach Enterprise Databricks teilen.
Subscription-Typen: Base Provider (Cubes, DSO classic/advanced, InfoObjects), Composite/MultiProvider, Query-as-Infoprovider; nach Save noch aktivieren.
Zugang über Data-Subscriptions-Kachel im BW-Cockpit (BW/4HANA) bzw. SAP GUI (BW 7.5).

Zum Blog →

Building Bridges Between SAP and Databricks: A Dream Team for Your Data and AI-Powered Analytics

Relevanz: mittelSAP DatabricksSAP Business Data Cloud28.10.2025 · Community · 7 Likes

Strategiebild: SAP als semantische Datengrundlage, Databricks als Innovations-Engine (ML, Skalierung); SAP Databricks voll gemanagt und sofort betriebsbereit.
Bausteine: Unity Catalog (Governance, Delta Tables), Workspace (Notebooks in SQL/Python/R/Scala), MLflow (Training, Versionierung, Deployment; Betrieb strategisch eher in SAP AI Core).
Blick über Deskription hinaus: von „Was passierte?“ zu „Warum?“ und „Was wird passieren?“.

Zum Blog →

Sharing Data Products from SAP Databricks to SAP Business Data Cloud - Official Python SDK

Relevanz: hochSAP DatabricksSAP Business Data Cloud18.10.2025 · SAP · 5 Likes

Voraussetzung: Unity-Catalog-Privilegien (CREATE CATALOG/SHARE, SET SHARE PERMISSION, USE PROVIDER/RECIPIENT/SHARE) für den Sharing-User.
Ablauf: Delta Share anlegen (Schemas/Tabellen wählen, Recipient sap-business-data-cloud) und per iPython-Notebook mit Metadaten als Data Product publizieren.
Richtung Databricks→BDC (Gegenstück zum Konsum in Datasphere).

Zum Blog →

SAP BDC - Enhance a BW Data product with SAP Databricks

Relevanz: hochSAP Business Data CloudSAP Databricks15.10.2025 · SAP · 13 Likes

Teil 1 der Serie: Data-Product-Subscription auf Custom-BW-Infoprovider (DPG, Rolle SAP_BW4_MODELER_FOR_BDC) und Replikation nach BDC; Voraussetzung BW 7.50 SP26+/BW/4HANA 2021 SP04+/2023 SP04+ plus Note 3590400.
Unterstützte Infoprovider: physisch (Cubes, DSO/ADSO, InfoObjects), virtuell (Composite/MultiProvider) sowie Query-as-Infoprovider; Full- oder Delta-Modus mit Filtern und Prozessketten-Varianten.
Teil 2 nutzt die GL-Daten für ML-Anomalieerkennung in Databricks.

Zum Blog →

Tagesrecherche. Englischsprachige SAP-Community-Blogs zu SAP Datasphere, SAP Business Data Cloud und SAP Databricks: praktische Anleitungen und relevante Neuigkeiten. Fragen, Forenbeiträge und reine Veranstaltungsankündigungen werden ausgeklammert. Recherchezeitraum und Importstatus stehen in der Archivstatusanzeige; nach Fehlern wird das offene Recherchefenster nachgeholt.

Manuelle Auswahl. Über „Blog hinzufügen“ können Sie SAP-Community-Blogs unabhängig von Alter, Sprache und Themenbezug aufnehmen. Diese Beiträge werden auf Deutsch zusammengefasst und als „Manuell hinzugefügt“ gekennzeichnet.