SAP-Partner: Qualtrics und Databricks 2.0

Das Ende eines monolithischen Alleingangs

SAP und Databricks befinden sich im strategischen Kontext und Databricks kann das eigene Glück kaum fassen: Mit der Partnerschaft gewinnt Databricks nicht nur weltweite Sichtbarkeit, sondern auch exklusiven Zugang zu den SAP-Bestandskunden. Der Vertrieb bei Databricks hat einen Turbo bekommen.

Ähnlich war es mit Qualtrics vor vielen Jahren. Qualtrics ist ein US-amerikanisches Softwareunternehmen, spezialisiert auf Enterprise Feedback Management. Von 2018 bis 2023 gehörte es zum deutschen Softwarekonzern SAP. Aufgrund der Wertsteigerung in diesem Zeitraum konnte SAP aus der geplanten Übernahme mit einem finanziellen Gewinn aussteigen. Technisch und organisatorisch hat die Zusammenarbeit nie funktioniert, aber Qualtrics war intelligent genug, die Partnerschaft mit SAP bei vielen Bestandskunden als Türöffner zu nutzen. Nun befindet sich Databricks in dieser komfortablen Position. Der technische Pionier für das Datenmanagement bekommt durch SAP weltweite Aufmerksamkeit. Auf einem Kongress von Databricks in München waren Anfang November fast 3000 Besucher.

Die Ankündigung der vertieften Partnerschaft zwischen der SAP und dem Data-Intelligence-Spezialisten Databricks markierte einen der folgenträchtigsten Kurswechsel in der jüngeren Geschichte der ERP-Datenarchitektur von SAP. Jahrelang versuchte der Softwarekonzern, komplexe Datenintegrations- und Big-Data-Szenarien über ehrgeizige Eigenentwicklungen wie den SAP Data Hub abzubilden – ein Versuch, der in der betrieblichen Praxis der Anwenderunternehmen häufig an technischer Komplexität, enormem Ressourcenverbrauch und mangelnder Wirtschaftlichkeit scheiterte.

Über die Zwischenstation der SAP Data Warehouse Cloud gelangte SAP schließlich zu SAP Datasphere und zum übergeordneten Lösungsbündel der Business Data Cloud (SAP BDC). Aus einer analytischen Perspektive ist der Schulterschluss mit Databricks das offizielle Eingeständnis der SAP-Konzernspitze, dass man die Themen Big Data, Data Engineering und Master Data Management über Jahre hinweg vernachlässigt hat und die hochinnovative Rechenleistung moderner Data-Lakehouse-Plattformen nicht mehr im Alleingang bereitstellen kann.

Für den SAP-Bestandskunden bedeutet diese Allianz jedoch eine spürbare Entlastung von starr vorgegebenen ERP-Monolithen. Anstatt geschäftskritische Daten in proprietären Silos einzuschließen, öffnet sich SAP für die marktführende Data-Intelligence-Plattform von Databricks. Während SAP weiterhin die semantische Hoheit über den Geschäftskontext aus S/4 Hana, SuccessFactors oder Concur für sich reklamiert, steuert Databricks die skalierbare Analyse-Engine, das Data Engineering auf Basis von Apache Spark sowie fortgeschrittene Umgebungen für Machine Learning (ML) und künstliche Intelligenz bei. SAP und Databricks definieren damit das Zusammenspiel von transaktionaler Betriebssoftware und zukunftsorientierter KI-Datenverarbeitung grundlegend neu.

Offenheit und die Evolution zum Enterprise Lakehouse

Auf den weltweiten Entwicklerkonferenzen, insbesondere der SAP TechEd in Berlin, unterstrich SAP die strategische Tragweite der Partnerschaft mit Databricks. Die BDC wurde den Entwicklern nicht als isoliertes Einzelprodukt präsentiert, sondern als offenes, cloudübergreifendes Datenökosystem (Business Data Fabric), das heterogene Datenlandschaften ohne Barrieren zusammenführen soll. Auf der TechEd stellte SAP klar, dass die direkte Einbindung von Databricks über das sogenannte Zero-Copy-Prinzip und das quelloffene Delta-Sharing-Protokoll den historischen Zwang zum aufwendigen Kopieren und Replizieren von Daten beendet.

Zusätzlich untermauerte SAP auf der Berliner Konferenz den Anspruch, die BDC zu einem Enterprise Lakehouse weiterzuentwickeln. Durch strategische Schritte wie die Übernahme des Datenspezialisten Dremio ergänzt SAP die bisherige Delta-Lake-Unterstützung um native Schnittstellen für Apache Iceberg und den offenen Katalog-Standard Apache Polaris. Auf der TechEd in Berlin wurde den Bestandskunden versprochen, dass Daten aus SAP- und Non-SAP-Quellen künftig in offenen Formaten wie Apache Parquet verbleiben können, während verteilte SQL-Query-Engines und KI-Modelle ohne zeitintensive ETL-Kaskaden direkt darauf zugreifen.

SAP BDC, Knowledge Graph und Databricks

SAP Business Data Cloud ist das übergeordnete Lösungs- und Lizenzkonzept von SAP. Es bündelt die Werkzeuge SAP Datasphere (für semantische Modellierung und Datenkatalogisierung), die SAP Analytics Cloud (für Reporting und integrierte Planung) sowie das SAP BW in der Private Cloud Edition.

Noch existieren zwei operative Ausprägungen: SAP Databricks ist eine von SAP voll verwaltete, direkt in der BDC eingebettete SaaS-Komponente, die über SAP-Verträge abgerechnet wird. Demgegenüber steht Enterprise Databricks (auch Native Databricks genannt), das von Unternehmen eigenständig direkt auf den Infrastrukturen von Hyperscalern wie Microsoft Azure, Amazon Web Services (AWS) oder Google Cloud Platform (GCP) betrieben wird. Laut einer Aussage des ehemaligen SAP-Geschäftsführers in Deutschland und nun Databricks Vice President Central Europe, Daniel Holz, solle es ab dem ersten Quartal 2027 Funktionsgleichheit zwischen Native Databricks und der Databricks-Komponente der SAP BDC geben. Aussagen zu Lizenzanpassungen und Vertrieb waren noch nicht möglich. Daniel Holz machte diese Ankündigung auf der eigenen Veranstaltung Databricks Data plus AI World Tour Anfang November in München.

Die technische Schnittstelle zwischen BDC und Databricks basiert auf dem Delta-Sharing-Protokoll. Aus operativen SAP-Systemen abgeleitete Datenprodukte werden im BDC Catalog bereitgestellt und über Delta Sharing für den Databricks Unity Catalog sichtbar gemacht, ohne dass physische Datenkopien erzeugt werden. Datenspezialisten können in Databricks-Notebooks mittels Python, SQL oder R komplexe KI-Modelle trainieren und die angereicherten Modellergebnisse über Delta Share wieder nahtlos an die BDC und SAP Datasphere zurückspielen.

Der SAP Knowledge Graph bildet das semantische Gehirn der Plattform. Er übersetzt die zehntausenden relationalen Tabellen und Millionen Datenfelder aus S/4HANA in ein maschinenlesbares Netzmodell aus Knoten und Kanten. Während Databricks die unstrukturierte Big-Data-Verarbeitung und das Modelltraining übernimmt, liefert der Knowledge Graph die betriebswirtschaftlichen Leitplanken (Business Context). Dadurch erhalten generative KI-Modelle, autonome Agenten und der Copilot Joule exakte Kontextinformationen, um stochastische Halluzinationen im Hauptbuch zu unterbinden.

Ende des klassischen Data Warehouse zugunsten eines Data Lakehouse

Die Kooperation zwischen SAP und Databricks beschleunigt das strukturelle Sterben traditioneller Data-Warehouse-Architekturen. Klassische Enterprise Data Warehouses (wie das alte SAP BW oder rein relationale SQL-Data-Warehouses) stoßen zunehmend an unüberwindbare Leistungsgrenzen, wenn unstrukturierte Datenmengen, Echtzeit-Streaming und Machine Learning auf einer einzigen Plattform verarbeitet werden sollen.

Das von Databricks propagierte Data Lakehouse vereint die unbegrenzte, kostengünstige Speicherkapazität flexibler Data Lakes mit den ACID-Transaktionsgarantien, der Datenqualität und der Abfragegeschwindigkeit klassischer Data Warehouses. In der künftigen SAP-Datenarchitektur verschiebt sich die Aufgabenverteilung drastisch.

SAP Datasphere soll die Idee fallen lassen, ein monolithischer Allzweck-Datenspeicher für Big Data zu sein. Datasphere fungiert stattdessen als logische, virtuelle Schicht (Business Data Fabric), die die semantische Hoheit über die betriebswirtschaftlichen Prozesse und Berechtigungsregeln wahrt.

Der Mehrwert von Databricks für SAP-Entwickler

Databricks übernimmt damit die rechenintensive Ausführungsebene (Compute Layer). Durch die strikte Trennung von Speicher und Rechenleistung im Lakehouse können Data-Engineering-Workloads und KI-Trainingsprozesse extrem skaliert werden, ohne die operativen ERP-Systeme oder die Datasphere-Instanz zu belasten. Für den SAP-Bestandskunden bedeutet dies den endgültigen Abschied vom klassischen ETL-Paradigma (Extract, Transform, Load) hin zur Föderation und Virtualisierung von Unternehmensdaten.

Durch Zero-Copy-Sharing entfallen aufwendige, fehleranfällige ETL-Prozesse. Das spart Entwicklungszeit, reduziert die Fehleranfälligkeit bei Replikationen und senkt Speicherkosten. Entwickler müssen sich nicht mehr mit den eingeschränkten Analysemöglichkeiten historischer SAP-Tools zufriedengeben, sondern nutzen moderne Pro-Code-Umgebungen, Apache Spark, MLflow und Standard-Jupyter-Notebooks mit nativer Multi-User-Unterstützung. Betriebsdaten aus S/4 lassen sich im Lakehouse direkt mit unstrukturierten IoT-Sensordaten, CRM-Informationen oder externen Marktanalysen zusammenführen.

Die kritischen Schattenseiten und kaufmännischen Fallen

Gefahr von BDC als „Business Data Complexity“: Von der Deutschsprachigen SAP-Anwendergruppe (DSAG) und kritischen Stimmen in der Community wird BDC teilweise spöttisch als „Business Data Complexity“ gebrandmarkt. Grund dafür sind intransparente Vertragsklauseln, komplizierte Berechtigungsmodelle und restriktive Limits beim Datentransfer. Wer SAP Databricks direkt über SAP bezieht, zahlt für die BDC-Umgebung und die darin enthaltenen Cloud-Kapazitäten. Die Abrechnung erfolgt über verbrauchsabhängige BTP Capacity Units oder spezielle Kreditmodelle, bei denen ungenutzte Guthaben am Vertragsjahresende ersatzlos verfallen.

Unternehmen wie Mercedes und BASF, die bereits eine etablierte Enterprise Databricks-Instanz etwa auf Azure, AWS oder GCP betreiben, müssen SAP Databricks keineswegs doppelt lizenzieren. Über die Schnittstelle BDC Connect kann ein bereits vorhandenes Enterprise Databricks per Delta Sharing direkt an die SAP BDC angebunden werden. Das vermeidet unnötige Doppelkäufe von BDC-Speicherplatz und bewahrt die Unabhängigkeit des Unternehmens von herstellerseitigen Aufpreisen. Die Allianz zwischen SAP und Databricks ist ein pragmatischer und technisch überfälliger Schritt, der die Barrieren zwischen der transaktionalen SAP-Welt und modernen KI-Lakehouse-Architekturen einreißt. Für den SAP-Bestandskunden entsteht ein hochflexibles Datenökosystem. Dennoch sollten IT-Entscheider die BDC nicht blind als fertiges Allheilmittel kaufen, sondern die Architektur so gestalten, dass die eigene Datenhoheit gewahrt bleibt und kaufmännische Überraschungen durch doppelte Lizenzierung vermieden werden.