SAP BDC, die neue Business Data Complexity

KI und Agentic AI brauchen konsistente Datenbasis

Der Erfolg von KI hängt von einer konsistenten Datenbasis ab, was Datenmanagement und Archivierung zu einem strategischen Handlungsfeld macht. Das Fundament für die Harmonisierung von SAP-Daten und ihre Integration mit Drittquellen hat SAP mit der Business Data Cloud (SAP BDC) gelegt. Damit die BDC ihre Wirkung als einheitliche Datenplattform in den Unternehmen entfalten kann, muss die BDC kontinuierlich weiterentwickelt werden, um ihre Rolle als transparente und anschlussfähige Datenschicht zu stärken.

Aktuell sind jedoch die Vorschriften, Anweisungen und Werkzeuge der SAP BDC noch völlig inkonsistent und unpräzise, sodass diese Weiterentwicklung von ERP-Daten kaum stattfinden wird. Teilnehmer der DSAG-Technologietage 2026 in Hamburg berichten von einer ironisch gemeinten Uminterpretation der SAP BDC durch die DSAG: Aus Business Data Cloud wurde auf den Technologietagen Business Data Complexity!

Wie dem E3-Magazin berichtet wurde, hat Michael Bloch, Fachvorstand Lizenzen, Vertragswesen und Support der Deutschsprachigen SAP-Anwendergruppe (DSAG), in einem Vortrag zahlreiche Stolperfallen und Widersprüche bei der Lizenzierung des BDC-Universums präsentiert. Das von den SAP-Bestandskunden gewünschte und konsolidierte Datenuniversum scheint mehr ein Multiversum zu sein. Michael Bloch hat laut einigen DSAG-Mitgliedern angekündigt, mit SAP über die Probleme und Inkonsistenzen der BDC-Lizenzierung in Verhandlungen zu treten.

Verfallsdatum von Credit und Capacity Units

SAP-Bestandskunden und -Partner kennen den jährlichen Verfall der BTP-Credit-Units. Nun hat SAP diese Regelung bei der Business Data Cloud verschärft: Gekaufte und notwendige Capacity Units verfallen bereits monatlich.

Ebenso kritisierte DSAG-Fachvorstand Michael Bloch laut den Vortragsteilnehmern den administrativen Aufwand bei der Berechnung der Lizenzgebühren: Fast jeder Teilaspekt der SAP BDC hat seine eigene Metrik und sein eigenes Preisschema mit zahlreichen Ausnahmen und Erweiterungen. DSAG-Mitglieder meinten, dass es unter den gegebenen Umständen fast unmöglich ist, im Voraus die zu erwartenden Lizenzkosten festzulegen. Zu der Komplexität einer S/4-Hana-Landschaft kommt nun die Business Data Complexity!

Dem stehen die oft noch fragmentierten IT-Landschaften bei Unternehmen im Weg. „Abhilfe schaffen mehr vorgefertigte, dokumentierte Datenprodukte mit Kontrolle über die Domänen durch den Anwender plus praxisorientierte und vordefinierte Schulungs- und Governance-Pakete. Auch brauchen die Unternehmen eine klare Katalogisierung der Datenprodukte sowie ein Mapping zwischen kundenspezifischen Strukturen und Standardprodukten“, erklärte Stefan Nogly, DSAG-Technologievorstand, in Hamburg auf den Technologietagen 2026. Die Abbildung einer modernen Data Governance stellt sicher, dass Datensilos, redundante Strukturen und unterschiedliche Interpretationen von Begriffen und Kennzahlen aufgelöst werden. Hier kann die SAP BDC wirksam unterstützen, damit KI durch KI-Agenten, moderne Analytics-Funktionen und intelligente Prozesse nutzenstiftend eingesetzt werden kann.

Das Innovationstempo von SAP in den Bereichen Cloud, KI und Analytics ist hoch und stellt SAP-Bestandskunden vor erhebliche Herausforderungen. Viele befinden sich noch in der Einführung neuer Cloud‑Technologien sowie der S/4-Conversion mit Clean Core und benötigen weitere Orientierung, sonst wächst die technische Distanz zwischen SAP und den Bestandskunden.

Klarheit über zukünftige IT-Architekturen

Um den strategischen Hebel von KI optimal nutzen zu können, benötigen SAP-Bestandskunden zudem Transparenz über ihre zukünftigen IT-Architekturen. In der Unternehmensrealität wird sehr oft zur SAP-Strategie parallel in eigene KI-Lösungen investiert. Dies ist zum einen ein Zeichen dafür, dass sich manche Unternehmen noch in einer Experimentierphase befinden, und zum anderen dafür, dass die Einstiegshürden von SAP für Bestandskunden zu hoch sind, siehe Business Data Complexity.

Das zeigt sich auch im aktuellen Investitionsverhalten: Laut DSAG-Investitionsreport 2026 setzen die befragten Mitgliederunternehmen bislang im KI-Bereich noch wenige KI-Use-Cases produktiv ein. Ein Grund dafür ist, dass die befragten Unternehmen noch keine SAP-Cloud-Anwendungen im Einsatz haben. „Darum brauchen die Unternehmen jetzt Klarheit über die zukünftigen Architekturen und Anwendungsszenarien. Gleichzeitig sind sie aber auch gefordert, gezielt, strukturiert und nachhaltig ihr eigenes KI-Know-how aufzubauen, um mit den rasanten Entwicklungen Schritt zu halten“, so Stefan Nogly, DSAG-Technologievorstand, in Hamburg.

Werfen wir einen nüchternen und analytischen Blick hinter die Kulissen der Walldorfer Marketingmaschinerie. SAP preist das Modell SAP-RPT-1 (Relational Pre-trained Transformer) vollmundig als das erste Foundation Model an, das nativ für relationale und strukturierte Geschäftsdaten – also die nackten Tabellen des ERP-Systems – konzipiert wurde. Doch wie bekommt ein SAP-Bestandskunde dieses Werkzeug tatsächlich auf der eigenen SAP Business Technology Platform (BTP) zum Laufen?

KI mit SAP BTP und SAP-RPT-1

Die Implementierung gleicht weniger einem simplen Plug-and-Play, sondern vielmehr dem Aufbau einer durchdachten Architektur, die strategische Vorabentscheidungen, spezifische Lizenzen (Business Data Complexity) und robuste Datenpipelines erfordert.

Bevor auch nur eine Zeile Code geschrieben wird, zwingt SAP den Bestandskunden in das Premium-Segment der BTP. RPT-1 ist nicht in den Basis- oder kostenlosen Tier-Plänen verfügbar. Sie benötigen zwingend eine Instanz des SAP AI Core unter dem Extended Plan. Zusätzlich wird das SAP AI Launchpad (in der Regel im Standard Plan) als grafische Steuerzentrale benötigt, um den Überblick nicht zu verlieren. Für den IT-Leiter bedeutet es: Anwender müssen sich auf die verbrauchsbasierten Lizenzmodelle (CPEA oder BTPEA) in Form von Cloud-Credits oder AI-Units einlassen, deren tatsächliche Kosten im laufenden Betrieb exakt überwacht werden müssen.

Damit das RPT-1-Modell arbeiten kann, müssen die ERP-Daten zu ihm fließen. Da RPT-1 als „GPT für Tabellen“ fungiert und Zahlenfolgen nicht in fehleranfällige Text-Token zerlegt, sondern als mathematische Werte versteht, ist eine saubere Datenbereitstellung essenziell. In der Praxis bedeutet das: Anwender müssen Datenpipelines aufbauen. Sie nutzen beispielsweise OData-Services, um relevante Tabelleninhalte aus SAP ECC oder S/4 zu extrahieren und an das auf der BTP liegende RPT-1-Modell zu verfüttern. Hier kommt dann auch wieder das Thema Business Data Complexity mit den OData-Services auf die Tagesordnung. Erst diese Integrationsarbeit macht aber aus der theoretischen KI-Funktion einen operativen Geschäftswert.

SAP positioniert RPT-1 als technischen Befreiungsschlag, um die berüchtigten Halluzinationen von klassischen Sprachmodellen (LLMs) bei reinen Zahlenwerken zu umgehen. Die Bereitstellung in der BTP über den Generative AI Hub plus BDC ist standardisiert und für Cloud-Entwickler zügig machbar.

Dennoch ist Skepsis geboten: In der SAP-Community wird das Modell teils als KI-Chaostheorie bezeichnet und der Verdacht geäußert, dass SAP hier möglicherweise klassische Machine-Learning-Algorithmen (wie aus der Hana Predictive Analysis Library, PAL) lediglich neu verpackt und unter dem Marketing-Hype „Foundation Model“ monetarisiert. Da das In-Context-Learning den permanenten Transfer von ERP-Datenströmen via API (SAP BDC) zur BTP erzwingt, entsteht für den Bestandskunden ein hoher initialer Integrationsaufwand – und ein tiefer Vendor-Lock-in in das lukrative BTP- und BDC-Ökosystem des Walldorfer ERP-Konzerns SAP.