Warum der Data Stack jetzt neu gedacht werden muss
Künstliche Intelligenz hat die Spielregeln in Data & Analytics neu geschrieben. Was früher vor allem Reporting und Planung war, reicht heute tief ins operative Geschäft hinein. KI-Modelle sollen nicht nur Daten analysieren, sondern auch aktiv Wert schaffen – sei es durch die Einbindung neuer Quellen über das Model Context Protocol (MCP) oder durch die intelligente Nutzung von Unternehmenswissen mit Retrieval Augmented Generation (RAG).
Das alles funktioniert aber nur mit einer Architektur, die agil und skalierbar ist – und die cloudbasiert arbeitet. Kurz gesagt: Der moderne Data Stack ist das Fundament, auf dem Unternehmen künftig Innovationen bauen.
Von der Monolithen-Welt zur hybriden Architektur
Lange Zeit war SAP mit seinen tendenziell monolithischen Suites der Platzhirsch. Alles aus einer Hand, nahtlos integriert – aber eben auch wenig flexibel. Heute sieht das anders aus: Unternehmen kombinieren heute die Stabilität und Datenqualität von SAP mit den Stärken spezialisierter Anbieter.
Abbildung illustrativ, andere Herstellerkonstellationen möglich
So entstehen hybride Architekturen, die das Beste aus beiden Welten vereinen: SAP auf der einen Seite, modernste Analyse-, AI- und Sharing-Funktionen auf der anderen. Dadurch lassen sich Anwendungsfälle wie Real-Time Analytics oder Advanced AI/ML überhaupt erst praktikabel umsetzen.
SAP Business Data Cloud: Das Herzstück
SAP hat diese Entwicklung erkannt und seine Strategie geöffnet. Seit 2023 integriert der Konzern regelmäßig Partner wie Collibra, Confluent, DataRobot oder Databricks in sein Ökosystem. Heraus kommt eine multimodale Datenarchitektur, die Kunden schneller Nutzen bringt und Innovationen beschleunigt.
Zentrale Plattform ist seit Anfang 2025 die SAP Business Data Cloud (BDC). Sie bündelt Datenintegration, -management, Reporting, Planning und KI-gestützte Assistenten. SAP offeriert Migrationsoptionen in die Cloud – bspw. mit SAP BW PCE, und Datasphere als Teil der Business Data Cloud. Für Unternehmen bedeutet das: bestehende BW-Investitionen können in die Zukunft überführt werden.
Databricks & Snowflake: Die Power-Partner
Zwei Player stechen in diesem Kontext besonders hervor:
- Snowflake überzeugt durch seine Performance im Bereich Data Warehousing, seine Fähigkeit zur Umsetzung von Data-Mesh-Architekturen und vor allem durch die Einfachheit im Data Sharing. Daten lassen sich entlang der gesamten Wertschöpfungskette teilen – sogar mit Partnern ohne eigenen Snowflake-Account.
- Databricks ist führend im Bereich Data Lakehousing, Advanced Analytics und AI/ML. Ein Meilenstein war der Launch der SAP Business Data Cloud mit Databricks im Februar 2025. Mit „Zero Copying“ und „Delta Sharing“ greifen beide Systeme direkt auf denselben Datenbestand zu. Für Data Scientists bedeutet das: direkter Zugang zu strukturierten SAP-Daten in ihrer gewohnten Umgebung. Gleichzeitig können SAP-Anwender unkompliziert Lakehouse- und AI-/ML-Funktionalitäten von Databricks nutzen.
Dieses Zusammenspiel ist ein Paradebeispiel für die neue Flexibilität: keine künstlichen Grenzen mehr zwischen Plattformen, sondern ein offenes, nahtloses Datenökosystem.
Fazit: Fit-for-Purpose statt Entweder-oder
Der moderne Data Stack ist hybrid, cloud-first und Fit-for-Purpose. Es geht nicht darum, sich für einen Hersteller zu entscheiden, sondern darum, die richtigen Bausteine für die eigenen Ziele zu kombinieren.
Was dafür notwendig ist: eine klare Data & Analytics-Strategie, die über Fachbereiche hinweg gedacht wird – und die den Mut hat, Neues auszuprobieren. Wir bei cbs begleiten Unternehmen auf diesem Weg: vom Data Strategy Pulse Check über die Insight-to-Impact Session bis hin zur konkreten Use Case Entwicklung.
Der erste Schritt in Richtung moderner Data Stack beginnt genau hier.
