{"id":166722,"date":"2026-10-02T10:00:00","date_gmt":"2026-10-02T08:00:00","guid":{"rendered":"https:\/\/e3mag.com\/?p=166722"},"modified":"2026-09-25T17:17:25","modified_gmt":"2026-09-25T15:17:25","slug":"was-moderne-datenarchitekturen-heute-verlangen","status":"publish","type":"post","link":"https:\/\/e3mag.com\/de\/was-moderne-datenarchitekturen-heute-verlangen\/","title":{"rendered":"Was moderne Datenarchitekturen heute verlangen"},"content":{"rendered":"\n

SAP-Datenintegration bedeutet im Kern seit jeher dasselbe: Daten aus operativen SAP-Systemen extrahieren und f\u00fcr Reporting, Analytics oder Data Warehouses bereitstellen. Daran hat sich nichts ge\u00e4ndert \u2013 wohl aber daran, was heute zus\u00e4tzlich gefordert wird. Cloud- und Lakehouse-Architekturen, automatisierte Prozesse sowie neue datengetriebene Anwendungen erweitern das Anforderungsprofil erheblich.<\/p>\n\n\n\n

Daten m\u00fcssen nicht nur zuverl\u00e4ssig verf\u00fcgbar, sondern auch m\u00f6glichst aktuell, nachvollziehbar und \u00fcber unterschiedliche Plattformen hinweg nutzbar sein \u2013 etwa in Cloud- und Analytics-Umgebungen wie Microsoft Fabric, Databricks oder Snowflake. Dadurch ver\u00e4ndert sich auch die Rolle der Datenintegration. Die reine Verbindung zwischen Quell- und Zielsystem wird zunehmend zur Grundlage f\u00fcr die unternehmensweite Nutzung von SAP-Daten, auch als Basis f\u00fcr KI-Agenten und -Anwendungen.<\/p>

\"\"<\/a><\/div><\/div>\n\n\n\n

Dies wiederum bringt ein Zusammenspiel verschiedener Anforderungen mit sich: Unternehmen ben\u00f6tigen SAP-konforme Zugriffswege, m\u00fcssen Daten je nach Anwendungsfall m\u00f6glichst aktuell bereitstellen und dabei ihren fachlichen Kontext erhalten. Zugleich m\u00fcssen sie neue Abh\u00e4ngigkeiten vermeiden. Nicht zuletzt stellt sich die Frage, wie Daten und daraus gewonnene Erkenntnisse wieder in operative Prozesse zur\u00fcckflie\u00dfen k\u00f6nnen. Mit diesen neuen Nutzungsszenarien r\u00fcckt die Frage in den Fokus, wie Unternehmen auf SAP-Daten zugreifen.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Neue Spielregeln f\u00fcr Datenzugriff<\/h2>\n\n\n\n

Moderne Integrationsl\u00f6sungen m\u00fcssen k\u00fcnftig Performance und SAP-konforme Zugriffswege zusammenf\u00fchren.<\/p>\n\n\n\n

CDS-Views spielen dabei eine entscheidende Rolle und bilden die Grundlage f\u00fcr die strukturierte und gezielte Bereitstellung von SAP-Daten. F\u00fcr Unternehmen stellt sich damit die Frage, welcher Zugriffsweg zum jeweiligen Anwendungsfall passt. Dabei spielen beispielsweise Datenmenge, Aktualit\u00e4tsanforderungen und bestehende Systemlandschaften eine Rolle.<\/p>\n\n\n\n

Die neueste Entwicklungsstufe Xtract Universal.iQ von Theobald Software unterst\u00fctzt unterschiedliche Wege: Neben ODP OData als etablierter SAP-Standardschnittstelle f\u00fcr den Zugriff auf CDS-Views steht mit CDSFlow ein weiterer Ansatz f\u00fcr eine gezielte, selektive Extraktion und stabile Delta-Prozesse zur Verf\u00fcgung. Auch der beste Datenzugriff hilft nur bedingt, wenn Entscheidungen auf veralteten Informationen beruhen. Die klassische Batch-Verarbeitung st\u00f6\u00dft an ihre Grenzen, sobald operative Prozesse aktuelle Informationen erfordern. Anstelle der regelm\u00e4\u00dfigen \u00dcbertragung von Daten m\u00fcssen diese zunehmend mit geringer Latenz f\u00fcr Analysen, Anwendungen und automatisierte Prozesse verf\u00fcgbar sein.<\/p>\n\n\n\n

Die Verf\u00fcgbarkeit aktueller Daten h\u00e4ngt dabei nicht allein von der eingesetzten Plattform ab. Ausschlaggebend ist vielmehr, in welcher Frequenz \u00c4nderungen aus den SAP-Systemen \u00fcbertragen werden. Verfahren wie Table CDC oder CDSFlow k\u00f6nnen \u00c4nderungen kontinuierlich beziehungsweise in kurzen Intervallen bereitstellen.<\/p>\n\n\n\n

Apache Kafka kann dabei als zentraler Daten-Hub dienen, \u00fcber den Daten kontinuierlich verarbeitet und an nachgelagerte Anwendungen oder Data Lakes verteilt werden. Je k\u00fcrzer die Zeit zwischen einer Anpassung im SAP-System und der Bereitstellung f\u00fcr nachgelagerte Systeme ausf\u00e4llt, desto schneller k\u00f6nnen diese Informationen in Analysen oder operative Prozesse einflie\u00dfen. Dies macht Aktualit\u00e4t zu einem zentralen Aspekt moderner SAP-Datenintegration, unabh\u00e4ngig davon, welche Technologie f\u00fcr die Weiterverarbeitung eingesetzt wird.<\/p>\n\n\n\n

Mit wachsenden Datenbest\u00e4nden steigt auch der Bedarf an Einordnung. Denn nur weil Daten technisch verf\u00fcgbar sind, sind sie noch lange nicht nutzbar.<\/p>\n\n\n\n

Unternehmen m\u00fcssen wissen, welche Daten verf\u00fcgbar sind, welche davon sie tats\u00e4chlich ben\u00f6tigen, was diese bedeuten und in welchem Zusammenhang sie stehen. Metadaten liefern diesen Kontext: Sie machen Datenquellen und Zusammenh\u00e4nge nachvollziehbar und helfen dabei, die f\u00fcr einen Anwendungsfall relevanten SAP-Daten schneller zu identifizieren.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Daten brauchen Kontext<\/h2>\n\n\n\n

Eine zentrale Metadaten- und Begriffsverwaltung kann SAP-Datenobjekte fachlich einordnen, Verantwortlichkeiten sichtbar machen und technische Feldnamen in f\u00fcr Fachanwender verst\u00e4ndliche Begriffe \u00fcbersetzen. Lineage-Informationen erg\u00e4nzen diese Einordnung um Herkunftsinformationen \u2013 eine wichtige Voraussetzung f\u00fcr Kontrolle, Compliance und Datenqualit\u00e4t.<\/p>\n\n\n\n

Xtract Universal.iQ f\u00fchrt dieses Kontextwissen zusammen und schafft so die Grundlage f\u00fcr wiederverwendbare Data Products. Anstatt SAP-Rohdaten f\u00fcr jeden Anwendungsfall neu aufzubereiten, entstehen beschriebene und katalogisierte Datenprodukte, auf die Fachbereiche direkt zugreifen k\u00f6nnen.<\/p>\n\n\n\n

Der zus\u00e4tzliche Kontext macht SAP-Daten nicht nur f\u00fcr Fachanwender verst\u00e4ndlicher, sondern zunehmend auch f\u00fcr KI-Agenten nutzbar. Neben der Nutzbarkeit r\u00fcckt die Kontrolle dar\u00fcber in den Fokus, wo und wie Daten verarbeitet werden \u2013 Stichwort Datensouver\u00e4nit\u00e4t. Diese gewinnt gerade mit Blick auf moderne Cloud- und Lakehouse-Architekturen stark an Bedeutung. Bei Datensouver\u00e4nit\u00e4t geht es um mehr als nur die Frage, wo Daten physisch gespeichert sind. Ausschlaggebend ist, wie stark eine Architektur an einen bestimmten Anbieter gebunden ist, etwa durch herstellerspezifische Cloud-Anbindungen, propriet\u00e4re Schnittstellen oder geschlossene Speicherformate.<\/p>\n\n\n\n

Je enger diese Bindung, desto schwieriger und teurer wird sp\u00e4ter ein Wechsel der Plattform. Wer dagegen Datenquellen, Integrationsschicht und Zielsysteme konsequent voneinander trennt, reduziert diese Abh\u00e4ngigkeit und bewahrt sich die M\u00f6glichkeit, die eigene Dateninfrastruktur flexibel weiterzuentwickeln.<\/p>\n\n\n\n

An dieser Stelle setzen offene Tabellenformate wie Apache Iceberg an. Sie stellen Daten so bereit, dass unterschiedliche Analytics- und Datenplattformen darauf zugreifen k\u00f6nnen. Damit wird die Wahl des Datenformats zu einem wesentlichen Faktor f\u00fcr die langfristige Flexibilit\u00e4t einer Datenarchitektur.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Souver\u00e4ne Datenintegration<\/h2>\n\n\n\n

Xtract Universal.iQ kann SAP-Daten automatisiert und inkrementell in diesem offenen Format f\u00fcr Data-Lakehouse-Architekturen bereitstellen. Datensouver\u00e4nit\u00e4t endet jedoch nicht bei der Wahl des Datenformats und der Architektur. Ebenso von Bedeutung ist, wer die Infrastruktur der Datenintegration selbst betreibt.<\/p>\n\n\n\n

Flexible, containerisierte Deployment-Modelle lassen Unternehmen auch auf dieser Ebene die Wahl, wo sie ihre Datenintegration betreiben. Xtract Universal.iQ kann dabei beispielsweise in der eigenen Infrastruktur oder in einer privaten Cloud eingesetzt werden. Moderne SAP-Datenintegration endet nicht dort, wo Daten das SAP-System verlassen. Erkenntnisse aus Analysen m\u00fcssen auch wieder in operative Abl\u00e4ufe einflie\u00dfen k\u00f6nnen.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Vom Datenfluss zum Prozess<\/h2>\n\n\n\n

Daf\u00fcr muss Integration in beide Richtungen funktionieren. Datenintegration wird damit zunehmend auch zur Prozessintegration. Je nach Anwendung m\u00fcssen auch Prozesse angesto\u00dfen oder Daten gezielt zur\u00fcckgeschrieben werden k\u00f6nnen. Xtract Universal.iQ unterst\u00fctzt diesen bidirektionalen Ansatz.<\/p>\n\n\n\n

KI-Szenarien erweitern diesen Ansatz zus\u00e4tzlich: \u00dcber einen optionalen MCP-Server lassen sich SAP-Daten und -Services kontrolliert f\u00fcr KI-Agenten und LLM-basierte Anwendungen nutzbar machen.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Datenzugang ist erst der Anfang<\/h2>\n\n\n\n

Die Anforderungen an die SAP-Datenintegration werden immer vielf\u00e4ltiger und ein Ende dieser Entwicklung ist nicht abzusehen. Daten sind schon lange nicht mehr nur die Grundlage f\u00fcr Reports oder Analysen, sondern bilden das Fundament f\u00fcr datengetriebene Entscheidungen, Prozesse und neue Gesch\u00e4ftsmodelle.<\/p>\n\n\n\n

Umso wichtiger wird daher die Frage, wie sie f\u00fcr Unternehmen langfristig verf\u00fcgbar und nutzbar gemacht werden k\u00f6nnen. Die Zukunft der SAP-Datenintegration liegt entsprechend im Zusammenspiel verschiedener Anforderungen und Technologien.<\/p>\n\n\n\n

SAP-konforme Zugriffswege, Echtzeitdaten, Metadaten, offene Formate und eine bidirektionale Prozessintegration sind heute die zentralen Bausteine. Welche Anforderungen k\u00fcnftig hinzukommen werden, l\u00e4sst sich heute nicht vollst\u00e4ndig absehen.<\/p>\n\n\n\n

Umso wichtiger ist daf\u00fcr eine Integrationsarchitektur, die neue Zielplattformen, Zugriffswege und Nutzungsszenarien aufnehmen kann, ohne dabei bestehende Datenfl\u00fcsse grundlegend neu aufzubauen.<\/p>\n\n\n\n

<\/p>\n\n\n\n

<\/div>\n\n\n\n
\n

Xtract Universal.iQ Highlights<\/h2>\n\n\n\n