Freiheit für Daten und Analysen

SAP hat die Data Warehouse Cloud durch Datasphere ersetzt

Die Aufgabenstellung ist so alt wie die IT selbst: Wie können Anwenderunternehmen ihre Daten wirtschaftlich nutzen? Und zwar unabhängig davon, wann und wo sie mit welcher Anwendung generiert und gespeichert wurden? Erfahrene SAP-Anwender erinnern sich an eine ganze Reihe von Versuchen des Anbieters, seinen Kunden dabei zu helfen. Allerdings ohne großen Erfolg, wie Experten immer wieder feststellten.

Entsprechend zurückhaltend reagierten viele Experten, als SAP im Frühjahr 2023 Datasphere vorstellte. Im Rahmen der virtuellen Veranstaltung „SAP Data Unleashed“ wurde Datasphere präsentiert als „eine einheitliche Lösung für Datenintegration, Datenkatalogisierung, semantische Modellierung, Data Warehousing, Datenföderation und Datenvirtualisierung“. Die Lösung soll es Datenexperten ermöglichen, „geschäftskritische Daten unter Beibehaltung des Geschäftskontexts und der Geschäftslogik problemlos über die gesamte Datenlandschaft zu verteilen“. Diese Darstellung könnte den Eindruck eines „Universalwerkzeugs“ und damit übertriebene Erwartungen hervorrufen. Doch dazu später mehr.

Zunächst die gute Nachricht: SAP hat die ungelöste Herausforderung einer einfachen Interaktion mit Unternehmensdaten aus unterschiedlichen Quellen erkannt. In ihrer Produktstrategie vereinheitlichen die Walldorfer jetzt die ganze Palette der Funktionalitäten für Datenmanagement und Analytics in einem Gesamtkonzept, damit Kunden künftig die von ihnen benötigten Services ganz nach ihrem Bedarf zusammenstellen können. Der Launch der Datasphere setzt die bisherige Entwicklung der Data-Warehouse-Cloud-Architektur konsequent fort in Richtung der sogenannten Business Data Fabric. Dabei handelt es sich um eine integrierte, semantisch vielseitige Datenschicht für den durchgängigen Zugriff auf Daten in allen Bereichen der Datenlandschaft einer Organisation.

Gleichzeitig erhalten die Nutzerinnen und Nutzer Informationen zu Geschäftskontext und Logik, die für die Generierung von Mehrwerten aus Daten erforderlich sind. Neu daran ist vor allem der Umstand, dass es tatsächlich leichter geworden ist, SAP- und Non-SAP-Daten integriert zu nutzen. Beispielsweise lassen sich durch diese Technologie Daten aus Oracle-Datawarehouse mit Daten aus einem BW/4 Hana kombinieren. Das ist ein wichtiger Schritt in die richtige Richtung, weil die bisherigen Aufwände für das Extrahieren, Transformieren und Wiederherstellen von Daten so manche erfolgreiche Innovation datenbasierter Geschäftsmodelle verhindert haben. 

Daten in den Fokus

Aus Sicht der Anwender liegt der größte Nutzen der aktuellen Neuerungen der Datasphere in der Fokussierung auf die Daten – und nicht auf die Technik oder deren Hersteller. Das gilt umso mehr, als es nicht bei einer Vision blieb. Vielmehr bringt Datasphere eine Reihe konkreter neuer Funktionen zur Erkennung, Modellierung und Verteilung unternehmenskritischer Geschäftsdaten. Zu deren Highlights gehört das Datasphere Analytic Model. Damit können Datenexperten komplexe Modellierungsanforderungen durch Wiederverwendung semantischer Definitionen aus SAP-Anwendungen lösen.

Neue multidimensionale Modellierungsmöglichkeiten mit umfangreichen analytischen Ansätzen unterstützen sowohl Business- als auch IT-Nutzer, wenn es darum geht, produktiv einsetzbare Modelle für das Business schneller zu entwickeln. So lassen sich die Tabellen für Bestellanforderungen und Materialien zu einem Analysemodell verbinden, das Key-Usern Informationen zur Optimierung des Materialflusses liefert. Dazu ist kein technisches Verständnis für die Prozesse im Hintergrund des Data Warehouse erforderlich, die von der Datasphere abgebildet werden.

Wenn datenbasierte Geschäftsmodelle funktionieren sollen, kommt es darauf an, manuelles Datenmanagement maximal zu minimieren. Ein wichtiges Hilfsmittel in diesem Zusammenhang ist der Datasphere Catalog. Er hilft, Daten automatisch zu finden, zu verwalten und zu steuern. Das vereinfacht auch die Einhaltung der Data-Governance-Regeln über den kompletten Lebenszyklus der Daten. Darüber hinaus enthält Datasphere zahlreiche Tools und Technologien, mit denen Unternehmen alle ihre Daten zusammenführen und sicherstellen, dass alle Beteiligten stets mit denselben Daten arbeiten.

Vereinfachte Datenlandschaft

Immer mehr Daten führen zwangsläufig zu immer mehr Komplexität, da die Anzahl möglicher Beziehungen zwischen einzelnen Datensätzen progressiv zur Datenmenge steigt. Umso größer ist der Bedarf an einfacher, sicherer und flexibler Handhabung der Infrastruktur zum Management dieser stark wachsenden Datenmengen. SAP Datasphere läuft deshalb in jeder Cloud und in hybriden Umgebungen. Das ermöglicht den ortsunabhängigen Zugriff auf alle Unternehmensdaten. Außerdem können so auch bisherige On-prem-Kunden des SAP Business Warehouse (BW) ihren Datenbestand künftig in der Datasphere nutzen.

Mit BW Bridge, einem speziellen Service von Datasphere zur Integration von Bestandsdaten in BW, erhalten Anwender von NetWeaver BW- und BW/4-Transfertools, um ihre bestehenden Datenmodelle und Konnektoren in die Public Cloud zu überführen. Einmal integriert, können die Daten dann mit Datasphere Spaces zu virtuellen Arbeitsbereichen zusammengefasst und bereitgestellt werden. Diese virtuellen Arbeitsbereiche eignen sich vor allem für Datenkonsumenten, die häufig auf bestimmte Datenkonstellationen zugreifen, etwa Marketing, Vertrieb, Lieferanten, Partner und KI-Teams. 

Besonders einfach ist der Eintritt in die Datasphere für Unternehmen, die bereits Data-Warehouse-Cloud-Kunden sind: Sie erhalten die neuen Funktionalitäten automatisch als zusätzliche Services in ihrer bestehenden Cloud-Oberfläche, ganz ohne Migration.

Datasphere kein Universalwerkzeug

Die eingangs zitierte Ankündigung könnte den Eindruck eines Universalwerkzeugs für alle datenbezogenen Anwendungen vermitteln. Umso wichtiger ist es, sich vor Augen zu führen, was Datasphere im Kern ist: eine Datenmanagement-Schicht, die dazu dient, Daten für die unterschiedlichsten Anwendungen verfügbar zu machen. Hier geht es nicht darum, alle möglichen Problemstellungen mit einer Lösung zu erschlagen. Vielmehr ist die Datasphere bewusst so offen konzipiert, dass Benutzer selbst entscheiden können, welche Aufgaben sie mit welchen Werkzeugen bearbeiten. Schließlich bietet SAP mit der SAP Analytics Cloud und der SAP Data Intelligence Cloud weitere Lösungen im Bereich Data und Analytics. Beide sind Bestandteile der SAP Business Technology Platform (BTP) – wie Datasphere. Wenn es darum geht, aus Daten wirtschaftlichen Nutzen zu generieren, ist das Zusammenspiel zwischen diesen Komponenten und gegebenenfalls auch weiteren Anwendungen unterschiedlicher Anbieter gefordert.

Wirtschaftlicher Nutzen

Das Zusammenwirken zwischen den verschiedenen Komponenten für Data und Analytics lässt sich beispielhaft an folgendem Szenario demonstrieren: Ein Unternehmen, das Werbung in Fußballstadien platziert, muss seinen Kunden berichten, wie oft und wie lange deren Logo oder -Werbemotiv während der TV-Übertragung eines Fußballspiels sichtbar war. Dazu nutzt es einen KI-basierten Bilderkennungsservice aus der Cloud, der die Streaming-Daten der TV-Übertragung analysiert.

Je nach Kundenvorgabe liefert der Service eine mehr oder weniger detaillierte Aufstellung der Zeiten, in denen das Motiv zu sehen war. Diese strukturierten Daten werden über einen SAP Open Connector von dem jeweiligen Service-Anbieter an die Datasphere übergeben. Von hier aus wandern sie direkt an den Kunden für dessen Reporting und intern in das ERP-System des Vermarkters zur Abrechnung an den Kunden. Die unstrukturierten Videodaten hingegen werden in die Analytics Cloud übermittelt, wo sie für weitere Auswertungen genutzt werden. So ließe sich beispielsweise eine datenbasierte Kundenempfehlung für eine andere Positionierung seines Motivs aussprechen. 

In einem weiteren Szenario möchte ein Maschinenbauer den Energiebedarf seiner Produktionslinien detailliert auswerten. Das Ziel: Kosten sparen, nachhaltiger produzieren und Daten für die CSR-Berichterstattung effizient bereitstellen. Dabei geht es darum, Streaming-Daten aus unterschiedlichen Quellen zusammenzuführen und auszuwerten. So laufen die Daten zunächst in die Data Intelligence Cloud, von wo sie nach automatisierter Integration und Orchestrierung in die Analytics Cloud übermittelt werden.

Mithilfe von Machine Learning und anderen KI-Technologien entstehen hier Prognosen und Simulationen zum künftigen Energiebedarf. Parallel dazu wandern die Ist-Daten in die Datasphere, wo sie jederzeit von überall für unterschiedliche Berichte und weitere Berechnungen abrufbar sind. 

Schon diese zwei holzschnittartigen Beispiele zeigen: Im Zusammenspiel mit der SAP Analytics Cloud und der Data Intelligence Cloud gibt Datasphere Unternehmen viel Raum, ihre datenbezogenen Workflows frei zu gestalten – je nachdem, welche Aufgaben und Zielsetzungen sie verfolgen. Diese Freiheit bestmöglich zu nutzen bleibt die Herausforderung.