10.09.2026
10.9.2026
10.9.2026
Die Partnerschaft zwischen SAP und Snowflake gibt es schon länger. Jetzt wachsen die SAP Business Data Cloud (BDC) und Snowflake noch enger zusammen. Möglich wird das, wovon viele schon lange träumen: Datenaustausch inklusive SAP-Semantik als Grundlage für Analytics und AI. Wir erklären die wichtigsten Basics, zeigen, wie die Hyperscaler mitspielen, welche Modelle es gibt und wie die technische Umsetzung funktioniert. Vor allem aber zeigen wir, welche Möglichkeiten sich dadurch eröffnen.
Der Blogartikel soll einen Überblick schaffen, wie SAP BDC und Snowflake zusammenspielen und worin sich die zwei Varianten, SAP Snowflake und SAP BDC Connect for Snowflake, unterscheiden. Außerdem beleuchten wir die Grundlagen von Zero Copy, Data Products und bidirektionalem Datenaustausch sowie das Zusammenspiel mit den Hyperscalern. Zum Schluss stellen wir typische Einsatzszenarien vor. So bekommst Du eine kompakte Orientierung, welches Modell zu Deiner Datenstrategie passt.
Wer schon länger im Bereich Datenplattformen und Datsenmanagement arbeitet, kennt das Thema SAP-Datenintegration. Dafür gab es bisher diverse Wege – aber auch immer einen Kompromiss: komplexe ETL-Strecken, verlorene Semantik und Relationen, unklare Benennungen und bidirektionale Datenwege. Kurz gesagt: langwierig, komplex und zeitintensiv.
Seit Mai 2026 gibt es einen neuen Weg und der ist mehr als nur ein weiterer ETL/ELT-Connector: ein bidirektionales, semantik-erhaltendes Zero-Copy-Model. Das Ziel: SAP-Daten sollen in Snowflake genutzt werden können, ohne sie klassisch herauszukopieren und dabei Kontext, Governance oder Aktualität zu verlieren.
Doch der Reihe nach: Was ist die SAP BDC und was verbindet sie mit Snowflake?
SAP BDC steht für SAP Business Data Cloud und ist SAPs Datenplattform bzw. Business-Data-Fabric-Ansatz. Der zentrale Baustein dahinter sind die SAP Data Products: kuratierte Daten aus den vorhandenen SAP-Systemen (S/4HANA, SuccessFactors etc.) inklusive Semantik, Metadaten und Business-Kontext. Ein praktisches Beispiel für ein solches Datenprodukt ist der Umsatz oder die Produktkategorie.
SAP positioniert die BDC ganz bewusst als offenes „Produkt“, das sich an mehrere Plattformen anbinden lässt: Snowflake, Databricks, BigQuery, Microsoft Fabric und AWS-Dienste. Für Snowflake gibt es dabei zwei Optionen:
Bei beiden Varianten geht es ausschließlich um das Teilen von SAP Data Products im Zero-Copy-Verfahren. Grundsätzlich lassen sich beide Modelle auch kombinieren, sofern das technisch und wirtschaftlich sinnvoll ist.
Die wichtigste Neuerung der Partnerschaft ist Zero Copy. Sie unterscheidet sich am stärksten von bisherigen Architekturansätzen für SAP-Daten auf Datenplattformen.
So lief die klassische SAP-Datenintegration in Snowflake (oder vergleichbare Datenplattformen) bisher ab: Extraktion der SAP-Daten aus den SAP-Systemen (via Connectoren, Drittsoftware oder ETL-Frameworks), anschließend ein ETL/ELT-Prozess, Storage, ggf. Aufbereitung und erst dann die Nutzung in Snowflake. Dabei entstehen zwangsläufig Kopien der Daten – mindestens doppelt: einmal in SAP, einmal in Snowflake. Das bringt mehrere Nachteile mit sich:
Mit Zero Copy ändert sich das Prinzip. Ein SAP Data Product lässt sich per Freigabe direkt in Snowflake nutzen – ohne laufende Pipelines, ohne kopierte Daten und ohne zusätzlichen Pflegeaufwand. Man kann das als Data Sharing ohne Bewegung der Daten zu verstehen. Änderungen an den Daten lassen sich dadurch auch schneller nachverfolgen.
Wichtig: Zero Copy bedeutet nicht „keine Integration mehr nötig“. Berechtigungen, Freigaben, Verbindungen, Semantik, Governance und Lifecycle müssen weiterhin sauber gepflegt werden. Der große Vorteil bleibt aber: keine Datenbewegung heißt keine Synchronisationsproblemen.
Die Frage „Wie kommen Daten von SAP nach Snowflake“ beantwortet sich damit von selbst. Stattdessen stellt sich jetzt eine neue Frage: Wie werden SAP-Daten korrekt als Data Product in Snowflake bereitgestellt? Genau darin liegt der wesentliche Unterschied zu klassischen Architekturen.
Technisch bindet Snowflake die SAP Data Products als „catalog-linked databases“ ein. Zusätzlich lassen sich aus der SAP-Core-Schema-Notation semantische Views erzeugen. Diese werden zum Beispiel genutzt für:
Im Gegensatz zu früher werden dabei nicht nur technisch relevante Felder übertragen, sondern auch Metadaten, Semantiken, Relationen und Governance. Das erleichtert nicht nur Monitoring und Automatisierung, es ist auch eine wichtige Grundlage für den Einsatz von AI. Vereinfacht gesagt: Die KI bekommt nicht einfach nur eine SAP-Spalte vorgesetzt. Sie versteht, was mit „Umsatz“, „Company Code“ oder einer Beziehung zwischen beiden gemeint ist und wie das fachlich einzuordnen ist.
SAP selbst bringt es so auf den Punkt: „Business Kontext wird über Plattformgrenzen hinweg erhalten“.
Das funktioniert auch andersherum: von Snowflake zurück in die SAP BDC. So lassen sich SAP-Daten anreichern und vervollständigen, was sowohl als KI-Grundlage, als auch für das alltägliche Analytics wertvolle neue Perspektiven eröffnet. Zum Beispiel lassen sich Wetter-, Markt- oder andere Daten aus eigenen Quellen nutzen oder Drittanbieter-Daten aus dem Snowflake Marketplace einbinden. Fachlich spricht man hier von einem Enrich-and-Return-Workflow, der die eigenen Daten und deren Auswertung deutlich aufwertet.
Ohne Hyperscaler kein Snowflake. Deshalb spielen sie auch bei SAP BDC und Snowflake eine wichtige Rolle. Snowflake läuft nativ auf AWS, Microsoft Azure und Google Cloud. Das Gleiche gilt für die SAP Business Data Cloud. Beide Anbieter positionieren sich klar als Multi-Cloud-Datenplattform bzw. Multi-Cloud-kompatibel.
Ein wichtiger Unterschied: Die SAP-BDC-Verbindung zu Snowflake ist aktuell für AWS und Azure verfügbar. Google Cloud ist in Planung und soll voraussichtlich Ende 2026 folgen.
Jetzt, da die Basics, die Funktionsweise und die Verfügbarkeit geklärt sind, wird es nun praktisch: Welche Möglichkeiten eröffnen sich konkret?
Die einfache Antwort: Immer dann, wenn SAP-Daten und Non-SAP-Daten aufeinander treffen. Zwei Beispiele:
Kurz gesagt: Sobald interne oder externe Quellen sowie Marketplace-Daten zusammen mit SAP-Daten zusammenkommen, lohnt sich der SAP-BDC-Ansatz – unabhängig von der gewählten Variante. Damit lässt sich Datennutzung neu denken: nicht mehr „SAP Only“, sondern dort, wo die Daten am sinnvollsten genutzt werden können.
Das bedeutet aber nicht, dass klassische ETL/ELT-Strecken komplett verschwinden – im Gegenteil. Müssen Daten dauerhaft extrahiert, transformiert, historisiert, materialisiert oder archiviert, bleiben die bekannten Wege weiterhin notwendig. In diesem Fall ergänzt die BDC die bestehende Architektur lediglich um ein Sharing-/Federation-Modell.
Du willst SAP-Daten ohne Kopieraufwand in Snowflake nutzbar machen? Ob über SAP Snowflake als integrierte Lösung oder BDC Connect für Deine bestehende Snowflake-Umgebung – wir begleiten Dich End-to-End, von der Architektur bis zum produktiven Einsatz.
Domain Lead Data Platform & Data Management
Domain Lead Data Platform & Data Management
Erfahre, wie Du die Datenextraktion mit Snowflake User-Defined Table Functions in Deine dbt Data Pipelines integrierst. Der Beitrag zeigt am Beispiel von Salesforce, wie Du Daten direkt in Snowflake lädst und ohne separates Ingestion-Tool in dbt-Modellen materialisierst.
Wir zeigen auf, wie Du mit Snowflake Intelligence schneller an verwertbare Insights und Entscheidungen kommst. Und: Wie Du Use Cases realisierst und den ROI der Datenplattform steigerst: mit wenig Aufwand und ohne technisches Know-how.
Openflow von Snowflake macht die Datenintegration schneller, einfacher und effizienter. In diesem Artikel zeigen wir, wie sich diese Vorteile in der Praxis auswirken. Anhand eines echten Beispiels werden Strategien für die einfache und leistungsstarke Verarbeitung großer Mengen kleiner, eingehender Dateien vorgestellt.
Kein vorheriger Beitrag
Kein nächster Beitrag
