[et_pb_section fb_built=“1″ disabled_on=“on|on|on“ _builder_version=“4.27.4″ _module_preset=“default“ background_enable_image=“off“ background_last_edited=“on|desktop“ background_enable_image_tablet=“off“ background_enable_image_phone=“off“ disabled=“on“ global_colors_info=“{}“ theme_builder_area=“post_content“][et_pb_row _builder_version=“4.16″ _module_preset=“default“ global_colors_info=“{}“ theme_builder_area=“post_content“][et_pb_column type=“4_4″ _builder_version=“4.16″ _module_preset=“default“ global_colors_info=“{}“ theme_builder_area=“post_content“][et_pb_text _builder_version=“4.16″ _module_preset=“default“ text_line_height=“0.3em“ border_color_all=“#000000″ border_width_bottom=“1px“ border_color_bottom=“#c9c9c9″ locked=“off“ global_colors_info=“{}“ theme_builder_area=“post_content“]<\/p>\n
<\/p>\n
Branche: Mess- und Regeltechnik<\/p>\n
Unternehmensgr\u00f6\u00dfe: Konzern<\/p>\n
<\/p>\n
<\/p>\n
[\/et_pb_text][et_pb_text _builder_version=“4.16″ _module_preset=“default“ global_colors_info=“{}“ theme_builder_area=“post_content“]<\/p>\n
<\/p>\n
W\u00e4hrend der laufenden Einf\u00fchrung eines S\/4HANA Systems als Abl\u00f6sung eines bestehenden selbstentwickelten ERP-Systems wurde festgestellt, dass viele Berichts- und Analyseanforderungen nicht erf\u00fcllt werden konnten. Um diese Anforderungen wurde die Anschaffung eines Enterprise Data Warehouse beschlossen.<\/p>\n
<\/p>\n
Die Entscheidung fiel f\u00fcr das BW\/4HANA als Enterprise Data Warehouse, da es sich bestens in die SAP-Welt integriert und mit seinen bestehenden Datenquellen und vorgefertigten Inhalten eine schnelle Einf\u00fchrung erm\u00f6glicht. Diese Vorteile in Verbindung mit den Best Practice Ans\u00e4tzen der biX Consulting erm\u00f6glichte eine z\u00fcgige Implementierung der verschiedener Business Content Module auf Basis einer langj\u00e4hrig bew\u00e4hrten Architektur, die sowohl ein performantes Reporting als auch schnelle Anpassungen an bestehenden Modellen erlaubt.<\/p>\n
<\/p>\n
Der Kunde hat nun eine state-of-the-art Analyse- und Berichtsplattform, die mit hoher Datenqualit\u00e4t und Performance in der Entscheidungsfindung das Management unterst\u00fctzt und gleichzeitig schnell und kosteng\u00fcnstig adaptiert werden kann, um auch zuk\u00fcnftige Anforderungen erf\u00fcllen zu k\u00f6nnen.<\/p>\n
[\/et_pb_text][\/et_pb_column][\/et_pb_row][\/et_pb_section][et_pb_section fb_built=“1″ disabled_on=“on|on|on“ _builder_version=“4.16″ _module_preset=“default“ disabled=“on“ global_colors_info=“{}“ theme_builder_area=“post_content“][et_pb_row _builder_version=“4.16″ _module_preset=“default“ global_colors_info=“{}“ theme_builder_area=“post_content“][et_pb_column type=“4_4″ _builder_version=“4.16″ _module_preset=“default“ global_colors_info=“{}“ theme_builder_area=“post_content“][et_pb_text _builder_version=“4.16″ _module_preset=“default“ text_line_height=“0.3em“ border_color_all=“#000000″ border_width_bottom=“1px“ border_color_bottom=“#c9c9c9″ locked=“off“ global_colors_info=“{}“ theme_builder_area=“post_content“]<\/p>\n
<\/p>\n
Branche: Mess- und Regeltechnik<\/p>\n
Unternehmensgr\u00f6\u00dfe: Konzern<\/p>\n
<\/p>\n
<\/p>\n
[\/et_pb_text][et_pb_text _builder_version=“4.16″ _module_preset=“default“ global_colors_info=“{}“ theme_builder_area=“post_content“]<\/p>\n
<\/p>\n
W\u00e4hrend der laufenden Einf\u00fchrung eines S\/4HANA Systems als Abl\u00f6sung eines bestehenden selbstentwickelten ERP-Systems wurde festgestellt, dass viele Berichts- und Analyseanforderungen nicht erf\u00fcllt werden konnten. Um diese Anforderungen wurde die Anschaffung eines Enterprise Data Warehouse beschlossen.<\/p>\n
<\/p>\n
Die Entscheidung fiel f\u00fcr das BW\/4HANA als Enterprise Data Warehouse, da es sich bestens in die SAP-Welt integriert und mit seinen bestehenden Datenquellen und vorgefertigten Inhalten eine schnelle Einf\u00fchrung erm\u00f6glicht. Diese Vorteile in Verbindung mit den Best Practice Ans\u00e4tzen der biX Consulting erm\u00f6glichte eine z\u00fcgige Implementierung der verschiedener Business Content Module auf Basis einer langj\u00e4hrig bew\u00e4hrten Architektur, die sowohl ein performantes Reporting als auch schnelle Anpassungen an bestehenden Modellen erlaubt.<\/p>\n
<\/p>\n
Der Kunde hat nun eine state-of-the-art Analyse- und Berichtsplattform, die mit hoher Datenqualit\u00e4t und Performance in der Entscheidungsfindung das Management unterst\u00fctzt und gleichzeitig schnell und kosteng\u00fcnstig adaptiert werden kann, um auch zuk\u00fcnftige Anforderungen erf\u00fcllen zu k\u00f6nnen.<\/p>\n
[\/et_pb_text][\/et_pb_column][\/et_pb_row][\/et_pb_section][et_pb_section fb_built=“1″ _builder_version=“4.23.1″ _module_preset=“default“ custom_padding=“||0px||false|false“ global_colors_info=“{}“ theme_builder_area=“post_content“][et_pb_row use_custom_gutter=“on“ gutter_width=“2″ make_equal=“on“ _builder_version=“4.27.4″ _module_preset=“default“ background_color=“#F4F4F4″ width=“100%“ custom_margin=“||||false|false“ custom_padding=“20px|20px|20px|20px|false|false“ border_radii=“on|20px|20px|20px|20px“ global_colors_info=“{}“ theme_builder_area=“post_content“][et_pb_column type=“4_4″ _builder_version=“4.21.0″ _module_preset=“default“ global_colors_info=“{}“ theme_builder_area=“post_content“][et_pb_text _builder_version=“4.27.4″ _module_preset=“default“ custom_margin=“||0px||false|false“ custom_padding=“||||false|false“ hover_enabled=“0″ global_colors_info=“{}“ theme_builder_area=“post_content“ sticky_enabled=“0″]<\/p>\n
August 2025<\/strong><\/p>\n Die Einf\u00fchrung der neuen SAP-Flaggschiff-L\u00f6sung <\/span>Business Data Cloud<\/span><\/i> zeigt, wie Unternehmensdaten und die Gesch\u00e4fts-KI von SAP in naher Zukunft zusammenarbeiten werden.<\/span>\u00a0<\/span><\/p>\n Databricks nimmt einen wichtigen Platz in der Architektur der brandneuen SAP-Plattform ein, w\u00e4hrend Datasphere Modellierungsaufgaben \u00fcbernimmt und die SAP Analytics Cloud f\u00fcr die Datenvisualisierung zust\u00e4ndig ist.<\/span>\u00a0<\/span><\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n [\/et_pb_text][et_pb_image src=“https:\/\/www.bix-consulting.com\/wp-content\/uploads\/2025\/08\/Picture1.jpg“ title_text=“Picture1″ align=“center“ _builder_version=“4.27.4″ _module_preset=“default“ width=“60%“ custom_margin=“40px||20px||false|false“ global_colors_info=“{}“ theme_builder_area=“post_content“][\/et_pb_image][et_pb_text _builder_version=“4.27.4″ _module_preset=“default“ custom_margin=“||0px||false|false“ custom_padding=“||||false|false“ global_colors_info=“{}“ theme_builder_area=“post_content“]<\/p>\n Quelle: https:\/\/www.sap.com\/products\/data-cloud.html\u00a0<\/em><\/p>\n <\/span><\/p>\n <\/span><\/p>\n In diesem Blog zeigen wir, wie sich durch die Kombination der drei Produkte SAP-Daten mit den Ergebnissen eines benutzerdefinierten Machine-Learning-Modells b\u00fcndeln und visualisieren lassen.<\/span>\u00a0<\/span><\/p>\n Ich stelle ein Szenario zur Prognose der Speiseeis-Nachfrage vor, bei dem tats\u00e4chliche Transaktionsdaten mit einer Wettervorhersage kombiniert werden, die durch ein benutzerdefiniertes Predictive-Modell erzeugt wurde.<\/span>\u00a0<\/span><\/p>\n Der aktuelle Blogbeitrag soll keine komplexen F\u00e4lle aus dem Bereich maschinelles Lernen oder Best Practices f\u00fcr die Datasphere-Modellierung vorstellen, sondern vielmehr zeigen, wie die Interaktion zwischen den Produkten aussieht und wie sie sich gegenseitig erg\u00e4nzen. Der hier beschriebene Gesch\u00e4ftsfall ist vereinfacht dargestellt; dasselbe Konzept kann jedoch auf beliebig komplexe Szenarien angewendet werden \u2013 beispielsweise auf die Analyse des Kundenverhaltens, die Erstellung personalisierter Chatbots, die Optimierung der Bestandsverwaltung, die Analyse von Social-Media-Kampagnen und vieles mehr.<\/span>\u00a0<\/span><\/p>\n In diesem Blog werde ich beschreiben, wie man<\/span>:<\/span>\u00a0<\/span><\/p>\n Bevor wir loslegen, m\u00f6chte ich darauf hinweisen, dass ich keinen BDC-Tenant verwende. Datasphere und SAC werden erst ab dem 1. Januar 2026 <\/span>innerhalb von BDC verf\u00fcgbar<\/span><\/a> sein, weshalb ich urspr\u00fcnglich vorhatte, die <\/span>BDC-Testversion<\/span><\/a> zu nutzen. Leider war mein Test-Tenant jedoch so eingeschr\u00e4nkt, dass ich keine benutzerdefinierten <\/span>Data Products<\/span><\/a> erstellen und diese mit Databricks teilen konnte. Auch das Erstellen benutzerdefinierter Notebooks in Databricks war nicht m\u00f6glich.\u00a0<\/span>\u00a0<\/span><\/p>\n Meine Datasphere- und Databricks-Mandanten befinden sich in separaten Clouds und sind \u00fcber JDBC miteinander verbunden. BDC wiederum verwendet das <\/span>Delta Share-Protokoll<\/span><\/a>, um Daten zwischen Anwendungen auszutauschen.\u00a0<\/span>\u00a0<\/span><\/p>\n Dennoch sollten wir bedenken, dass Datenprodukte im Wesentlichen Datens\u00e4tze sind, und der einzige Unterschied zwischen diesem Blog und dem BDC-Mandanten das Datenaustauschprotokoll ist.<\/span>\u00a0<\/span><\/p>\n [\/et_pb_text][et_pb_code _builder_version=“4.27.4″ _module_preset=“default“ global_colors_info=“{}“ theme_builder_area=“post_content“]<\/h4>\n
Kurze Einf\u00fchrung und \u00dcberblick<\/h4>\n
\n