Die Nutzung von Daten für Künstliche Intelligenz und Advanced Analytics erfordert Plattformen, die große Datenmengen effizient verarbeiten und flexibel für unterschiedliche Anwendungsfälle bereitstellen. SAP Databricks erweitert bestehende Datenplattformen um genau diese Fähigkeiten und ermöglicht es, datengetriebene Analysen und KI-Anwendungen skalierbar umzusetzen.
Im Kontext der SAP Business Data Cloud wird SAP Databricks gezielt als Ergänzung zu den SAP-Funktionalitäten eingesetzt. Im Sinne eines Best-of-Breed-Ansatzes erweitert SAP Databricks die bestehende Datenarchitektur um leistungsfähige Funktionen für Data Engineering, Machine Learning und Advanced Analytics, ohne die vorhandenen Lösungen zu ersetzen. Über die bidirektionale Integration innerhalb der SAP Business Data Cloud können Daten nahtlos zwischen den Plattformen ausgetauscht und für weiterführende Analysen sowie KI-Anwendungen genutzt werden. Dabei stellen die SAP-Lösungen, wie SAP Datasphere, die fachlich strukturierten und semantisch angereicherten Daten bereit, während SAP Databricks diese für KI- und Analyseanwendungen in entsprechend optimierte Datenstrukturen überführt.
Dadurch werden Fachbereiche in die Lage versetzt, datengetriebene Use Cases flexibel umzusetzen, beispielsweise im Bereich Reporting und Datenanalyse, bei der Prognose von Risiken, in der Betrugserkennung oder in vertriebsnahen Szenarien wie Next Best Action und der Analyse von Kundeninteraktionen. Fachbereiche profitieren von unterschiedlichen Auswertungs- und Analyseformen, wobei Abfragen flexibel in gängigen Sprachen wie Python, SQL, R oder Scala umgesetzt werden können.
So entsteht eine leistungsfähige Erweiterung der Datenarchitektur, die moderne Analytics Use Cases und Künstliche Intelligenz nahtlos in bestehende Datenplattformen integriert.

Die Nutzung von Daten für Künstliche Intelligenz und Advanced Analytics erfordert Plattformen, die große Datenmengen effizient verarbeiten und flexibel für unterschiedliche Anwendungsfälle bereitstellen. SAP Databricks erweitert bestehende Datenplattformen um genau diese Fähigkeiten und ermöglicht es, datengetriebene Analysen und KI-Anwendungen skalierbar umzusetzen.
Im Kontext der SAP Business Data Cloud wird SAP Databricks gezielt als Ergänzung zu den SAP-Funktionalitäten eingesetzt. Im Sinne eines Best-of-Breed-Ansatzes erweitert SAP Databricks die bestehende Datenarchitektur um leistungsfähige Funktionen für Data Engineering, Machine Learning und Advanced Analytics, ohne die vorhandenen Lösungen zu ersetzen. Über die bidirektionale Integration innerhalb der SAP Business Data Cloud können Daten nahtlos zwischen den Plattformen ausgetauscht und für weiterführende Analysen sowie KI-Anwendungen genutzt werden. Dabei stellen die SAP-Lösungen, wie SAP Datasphere, die fachlich strukturierten und semantisch angereicherten Daten bereit, während SAP Databricks diese für KI- und Analyseanwendungen in entsprechend optimierte Datenstrukturen überführt.
Dadurch werden Fachbereiche in die Lage versetzt, datengetriebene Use Cases flexibel umzusetzen, beispielsweise im Bereich Reporting und Datenanalyse, bei der Prognose von Risiken, in der Betrugserkennung oder in vertriebsnahen Szenarien wie Next Best Action und der Analyse von Kundeninteraktionen. Fachbereiche profitieren von unterschiedlichen Auswertungs- und Analyseformen, wobei Abfragen flexibel in gängigen Sprachen wie Python, SQL, R oder Scala umgesetzt werden können.
So entsteht eine leistungsfähige Erweiterung der Datenarchitektur, die moderne Analytics Use Cases und Künstliche Intelligenz nahtlos in bestehende Datenplattformen integriert.
SAP Databricks: Die Plattform für Analytics und Künstliche Intelligenz
Von klassischer Datenanalyse bis zu Machine-Learning- und AI-Szenarien
Die Nutzung von Daten für Künstliche Intelligenz und Advanced Analytics erfordert Plattformen, die große Datenmengen effizient verarbeiten und flexibel für unterschiedliche Anwendungsfälle bereitstellen. SAP Databricks erweitert bestehende Datenplattformen um genau diese Fähigkeiten und ermöglicht es, datengetriebene Analysen und KI-Anwendungen skalierbar umzusetzen.
Im Kontext der SAP Business Data Cloud wird SAP Databricks gezielt als Ergänzung zu den SAP-Funktionalitäten eingesetzt. Im Sinne eines Best-of-Breed-Ansatzes erweitert SAP Databricks die bestehende Datenarchitektur um leistungsfähige Funktionen für Data Engineering, Machine Learning und Advanced Analytics, ohne die vorhandenen Lösungen zu ersetzen. Über die bidirektionale Integration innerhalb der SAP Business Data Cloud können Daten nahtlos zwischen den Plattformen ausgetauscht und für weiterführende Analysen sowie KI-Anwendungen genutzt werden. Dabei stellen die SAP-Lösungen, wie SAP Datasphere, die fachlich strukturierten und semantisch angereicherten Daten bereit, während SAP Databricks diese für KI- und Analyseanwendungen in entsprechend optimierte Datenstrukturen überführt.
Dadurch werden Fachbereiche in die Lage versetzt, datengetriebene Use Cases flexibel umzusetzen, beispielsweise im Bereich Reporting und Datenanalyse, bei der Prognose von Risiken, in der Betrugserkennung oder in vertriebsnahen Szenarien wie Next Best Action und der Analyse von Kundeninteraktionen. Fachbereiche profitieren von unterschiedlichen Auswertungs- und Analyseformen, wobei Abfragen flexibel in gängigen Sprachen wie Python, SQL, R oder Scala umgesetzt werden können. So entsteht eine leistungsfähige Erweiterung der Datenarchitektur, die moderne Analytics Use Cases und Künstliche Intelligenz nahtlos in bestehende Datenplattformen integriert.
Unsere Expertise
Etablierung von SAP Databricks-Lösungen für KI, Analysen und Datenmanagement
Wir unterstützen Sie bei der Bewertung und zielgerichteten Einordnung von SAP Databricks in Ihre bestehende Daten- und Analytics-Architektur. Gemeinsam mit Ihnen identifizieren wir relevante Use Cases, leiten konkrete Einsatzszenarien ab und definieren die Rolle der Plattform im Zusammenspiel mit bestehenden Systemen, beispielsweise im Kontext der SAP Business Data Cloud oder in eigenständigen Datenarchitekturen.
Auf dieser Grundlage begleiten wir die Umsetzung konkreter Anwendungsfälle, von der Konzeption über Prototyping und Entwicklung bis hin zur Integration in Ihre Analyse- und Reportingprozesse. Dabei binden wir Ihre Fachbereiche eng mit ein und schaffen die Grundlage für eine flexible Nutzung von SAP Databricks für Advanced Analytics, Machine Learning und KI-Anwendungen.
Ganzheitliche Integration von SAP Databricks in Ihre Datenarchitektur
Unser Schwerpunkt liegt auf der Integration von SAP Databricks in bestehende Datenlandschaften sowie der gezielten Bereitstellung von Daten für Analyse- und KI-Anwendungen.
Wir konzipieren und implementieren Integrationsszenarien, in denen Daten in SAP Databricks strukturiert nutzbar gemacht und über den Unity Catalog als zentrale Metadaten- und Governance-Schicht verwaltet werden, einschließlich Funktionen wie Row-Level Security und Column Masking.
Darüber hinaus entwickeln wir performante Datenpipelines auf Basis von Delta Tables und setzen Datenverarbeitungsprozesse für Batch- und Echtzeitszenarien sowie Full- und Delta-Loads um. Die Nachvollziehbarkeit von Datenflüssen adressieren wir über die automatische Lineage, wodurch die Transformationen transparent und analysierbar werden.
Implementierung und Einführung von SAP Databricks als zentrale Plattform für Big Data-Analysen, Data Engineering und Machine Learning. Wir unterstützen Sie bei der Konzeption und Umsetzung einer skalierbaren Datenarchitektur, die sowohl klassische Reporting-Anforderungen als auch Advanced Analytics- und KI-Anwendungsfälle abdeckt.
Konzeption und Anbindung von Daten aus unterschiedlichen Quell- und Zielsystemen – sowohl aus SAP- als auch Non-SAP-Systemen, On-Premise oder in der Cloud. Dabei integrieren wir SAP Databricks in Ihre bestehende Daten- und Systemlandschaft und ermöglichen eine durchgängige Nutzung Ihrer Daten entlang der gesamten Prozesskette.
Überführung bestehender Datenpipelines, Datenmodelle und Analysen aus bestehenden Systemlandschaften in SAP Databricks. Wir begleiten Sie bei der Optimierung Ihrer Datenverarbeitungsprozesse und schaffen die Grundlage für erweiterte Analyse- und Auswertungsmöglichkeiten.
Integration von SAP Databricks in die SAP Business Data Cloud zur Erweiterung Ihrer Datenplattform um Advanced Analytics- und KI-Funktionalitäten. Wir unterstützen Sie bei der Definition der Zielarchitektur sowie bei der Integration in Ihre SAP-Datenlandschaft, sodass Daten gezielt für weiterführende Analysen, Machine-Learning-Modelle und KI-Anwendungen aufbereitet und genutzt werden können.
Implementierung und Einführung von SAP Databricks als zentrale Plattform für Big Data-Analysen, Data Engineering und Machine Learning. Wir unterstützen Sie bei der Konzeption und Umsetzung einer skalierbaren Datenarchitektur, die sowohl klassische Reporting-Anforderungen als auch Advanced Analytics- und KI-Anwendungsfälle abdeckt.
Konzeption und Anbindung von Daten aus unterschiedlichen Quell- und Zielsystemen – sowohl aus SAP- als auch Non-SAP-Systemen, On-Premise oder in der Cloud. Dabei integrieren wir SAP Databricks in Ihre bestehende Daten- und Systemlandschaft und ermöglichen eine durchgängige Nutzung Ihrer Daten entlang der gesamten Prozesskette.
Überführung bestehender Datenpipelines, Datenmodelle und Analysen aus bestehenden Systemlandschaften in SAP Databricks. Wir begleiten Sie bei der Optimierung Ihrer Datenverarbeitungsprozesse und schaffen die Grundlage für erweiterte Analyse- und Auswertungsmöglichkeiten.
Integration von SAP Databricks in die SAP Business Data Cloud zur Erweiterung Ihrer Datenplattform um Advanced Analytics- und KI-Funktionalitäten. Wir unterstützen Sie bei der Definition der Zielarchitektur sowie bei der Integration in Ihre SAP-Datenlandschaft, sodass Daten gezielt für weiterführende Analysen, Machine-Learning-Modelle und KI-Anwendungen aufbereitet und genutzt werden können.
SAP Databricks Einführung
Implementierung und Einführung von SAP Databricks als zentrale Plattform für Big Data-Analysen, Data Engineering und Machine Learning. Wir unterstützen Sie bei der Konzeption und Umsetzung einer skalierbaren Datenarchitektur, die sowohl klassische Reporting-Anforderungen als auch Advanced Analytics- und KI-Anwendungsfälle abdeckt.
Integration in die bestehende Gesamtarchitektur
Konzeption und Anbindung von Daten aus unterschiedlichen Quell- und Zielsystemen – sowohl aus SAP- als auch Non-SAP-Systemen, On-Premise oder in der Cloud. Dabei integrieren wir SAP Databricks in Ihre bestehende Daten- und Systemlandschaft und ermöglichen eine durchgängige Nutzung Ihrer Daten entlang der gesamten Prozesskette.
Transformation von Datenpipelines
Überführung bestehender Datenpipelines, Datenmodelle und Analysen aus bestehenden Systemlandschaften in Databricks. Wir begleiten Sie bei der Optimierung Ihrer Datenverarbeitungsprozesse und schaffen die Grundlage für erweiterte Analyse- und Auswertungsmöglichkeiten.
Nutzung von SAP Databricks im Kontext der SAP Business Data Cloud
Integration von SAP Databricks in die SAP Business Data Cloud zur Erweiterung Ihrer Datenplattform um Advanced Analytics- und KI-Funktionalitäten. Wir unterstützen Sie bei der Definition der Zielarchitektur sowie bei der Integration in Ihre SAP-Datenlandschaft, sodass Daten gezielt für weiterführende Analysen, Machine-Learning-Modelle und KI-Anwendungen aufbereitet und genutzt werden können.
Bestehende Datenpipelines, Datenmodelle und Analysen aus vorhandenen Systemlandschaften lassen sich in SAP Databricks überführen. Dabei werden die Datenverarbeitungsprozesse optimiert und die Grundlage für erweiterte Analyse- und Auswertungsmöglichkeiten geschaffen, unabhängig davon, ob die ursprünglichen Systeme SAP- oder Non-SAP-Lösungen sind.
Die CAS AG setzt solche Migrationen bereits im Bankenumfeld um. In einem aktuellen Projekt migrieren wir beispielsweise bestehende Pipelines aus Azure Data Factory nach Databricks. Dazu gehört unter anderem eine Pipeline, über die Google-Analytics-Daten aus Google BigQuery verarbeitet werden.
Ja, SAP Databricks ist nicht auf SAP-Daten beschränkt. Neben SAP-Daten können auch Daten aus Drittsystemen verarbeitet werden, egal ob On-Premise oder in der Cloud. Die CAS AG unterstützt dabei sowohl bei der Anbindung der Quellsysteme als auch beim Aufbau der notwendigen Datenpipelines und Datenmodelle.
Ja, mit SAP Databricks lassen sich sowohl Batch- als auch Echtzeitszenarien umsetzen. Delta Tables bilden dabei eine zentrale Grundlage für performante Datenpipelines. Die CAS AG entwickelt Pipelines für Full- und Delta-Loads und legt abhängig vom Anwendungsfall fest, ob Daten periodisch oder kontinuierlich verarbeitet werden.
Über eine automatische Lineage-Funktion werden Transformationen innerhalb der Datenpipelines transparent und analysierbar gemacht, sodass sich Datenflüsse durchgängig nachvollziehen lassen.
Nein. Databricks kann unabhängig von der SAP Business Data Cloud als eigenständige Datenplattform betrieben werden. Alternativ lässt sich SAP Databricks direkt innerhalb der SAP Business Data Cloud bereitstellen. Der Vorteil der integrierten Variante liegt darin, dass Daten aus der SAP Business Data Cloud direkt mit SAP Databricks verknüpft und über eine bidirektionale Integration genutzt werden können. Auch eine separat betriebene Databricks-Umgebung kann mit SAP-Daten verbunden werden, benötigt dafür jedoch eine entsprechende technische Anbindung.
Die CAS AG unterstützt bei der Entscheidung, welche Variante zur bestehenden Datenarchitektur passt und bei der Integration von SAP Databricks mit SAP- und Non-SAP-Datenquellen.
Die zentrale Metadaten- und Governance-Schicht in SAP Databricks ist der Unity Catalog. Hier werden Zugriffsrechte zentral verwaltet und es stehen Funktionen wie Row-Level Security und Column Masking zur Verfügung.
SAP Databricks ist wie SAP Datasphere, in die SAP Business Data Cloud integriert. SAP verfolgt dabei einen Best-of-Breed-Ansatz: SAP Datasphere stellt fachlich aufbereitete Daten bereit, SAP Databricks kann diese Daten für umfangreiche Datenverarbeitung, Analysen und KI-Anwendungen nutzen. Über eine bidirektionale Integration können Daten zwischen SAP Business Data Cloud und SAP Databricks genutzt werden, ohne dafür klassische ETL-Kopien anzulegen. Auch in Databricks aufbereitete Daten können wieder in der SAP Business Data Cloud bereitgestellt werden.
Die CAS AG unterstützt bei der Entscheidung, welche Daten und Verarbeitungsschritte in SAP Datasphere und welche in SAP Databricks gehören, und setzt die Integration beider Plattformen um.
Nein, SAP Databricks ersetzt SAP Datasphere nicht, sondern übernimmt andere Aufgaben. SAP Datasphere eignet sich vor allem, wenn Daten aus SAP- und Non-SAP-Systemen zusammengeführt, fachlich modelliert und mit ihrer Semantik für Reporting und Analytics bereitgestellt werden sollen.
SAP Databricks kommt ergänzend zum Einsatz, wenn große Datenmengen verarbeitet, komplexe Datenpipelines aufgebaut oder Daten für KI oder Data Science genutzt werden sollen. Welche Aufgaben in SAP Datasphere und welche in SAP Databricks umgesetzt werden, hängt von der bestehenden Datenlandschaft und dem konkreten Anwendungsfall ab. Die CAS AG unterstützt dabei, beide Plattformen sinnvoll in einer gemeinsamen Datenarchitektur einzusetzen.
Bestehende Datenpipelines, Datenmodelle und Analysen aus vorhandenen Systemlandschaften lassen sich in SAP Databricks überführen. Dabei werden die Datenverarbeitungsprozesse optimiert und die Grundlage für erweiterte Analyse- und Auswertungsmöglichkeiten geschaffen, unabhängig davon, ob die ursprünglichen Systeme SAP- oder Non-SAP-Lösungen sind.
Die CAS AG setzt solche Migrationen bereits im Bankenumfeld um. In einem aktuellen Projekt migrieren wir beispielsweise bestehende Pipelines aus Azure Data Factory nach Databricks. Dazu gehört unter anderem eine Pipeline, über die Google-Analytics-Daten aus Google BigQuery verarbeitet werden.
Ja, SAP Databricks ist nicht auf SAP-Daten beschränkt. Neben SAP-Daten können auch Daten aus Drittsystemen verarbeitet werden, egal ob On-Premise oder in der Cloud. Die CAS AG unterstützt dabei sowohl bei der Anbindung der Quellsysteme als auch beim Aufbau der notwendigen Datenpipelines und Datenmodelle.
Ja, mit SAP Databricks lassen sich sowohl Batch- als auch Echtzeitszenarien umsetzen. Delta Tables bilden dabei eine zentrale Grundlage für performante Datenpipelines. Die CAS AG entwickelt Pipelines für Full- und Delta-Loads und legt abhängig vom Anwendungsfall fest, ob Daten periodisch oder kontinuierlich verarbeitet werden.
Über eine automatische Lineage-Funktion werden Transformationen innerhalb der Datenpipelines transparent und analysierbar gemacht, sodass sich Datenflüsse durchgängig nachvollziehen lassen.
Nein. Databricks kann unabhängig von der SAP Business Data Cloud als eigenständige Datenplattform betrieben werden. Alternativ lässt sich SAP Databricks direkt innerhalb der SAP Business Data Cloud bereitstellen. Der Vorteil der integrierten Variante liegt darin, dass Daten aus der SAP Business Data Cloud direkt mit SAP Databricks verknüpft und über eine bidirektionale Integration genutzt werden können. Auch eine separat betriebene Databricks-Umgebung kann mit SAP-Daten verbunden werden, benötigt dafür jedoch eine entsprechende technische Anbindung.
Die CAS AG unterstützt bei der Entscheidung, welche Variante zur bestehenden Datenarchitektur passt und bei der Integration von SAP Databricks mit SAP- und Non-SAP-Datenquellen.
Die zentrale Metadaten- und Governance-Schicht in SAP Databricks ist der Unity Catalog. Hier werden Zugriffsrechte zentral verwaltet und es stehen Funktionen wie Row-Level Security und Column Masking zur Verfügung.
SAP Databricks ist wie SAP Datasphere, in die SAP Business Data Cloud integriert. SAP verfolgt dabei einen Best-of-Breed-Ansatz: SAP Datasphere stellt fachlich aufbereitete Daten bereit, SAP Databricks kann diese Daten für umfangreiche Datenverarbeitung, Analysen und KI-Anwendungen nutzen. Über eine bidirektionale Integration können Daten zwischen SAP Business Data Cloud und SAP Databricks genutzt werden, ohne dafür klassische ETL-Kopien anzulegen. Auch in Databricks aufbereitete Daten können wieder in der SAP Business Data Cloud bereitgestellt werden.
Die CAS AG unterstützt bei der Entscheidung, welche Daten und Verarbeitungsschritte in SAP Datasphere und welche in SAP Databricks gehören, und setzt die Integration beider Plattformen um.
Nein, SAP Databricks ersetzt SAP Datasphere nicht, sondern übernimmt andere Aufgaben. SAP Datasphere eignet sich vor allem, wenn Daten aus SAP- und Non-SAP-Systemen zusammengeführt, fachlich modelliert und mit ihrer Semantik für Reporting und Analytics bereitgestellt werden sollen.
SAP Databricks kommt ergänzend zum Einsatz, wenn große Datenmengen verarbeitet, komplexe Datenpipelines aufgebaut oder Daten für KI oder Data Science genutzt werden sollen. Welche Aufgaben in SAP Datasphere und welche in SAP Databricks umgesetzt werden, hängt von der bestehenden Datenlandschaft und dem konkreten Anwendungsfall ab. Die CAS AG unterstützt dabei, beide Plattformen sinnvoll in einer gemeinsamen Datenarchitektur einzusetzen.
Bestehende Datenpipelines, Datenmodelle und Analysen aus vorhandenen Systemlandschaften lassen sich in SAP Databricks überführen. Dabei werden die Datenverarbeitungsprozesse optimiert und die Grundlage für erweiterte Analyse- und Auswertungsmöglichkeiten geschaffen, unabhängig davon, ob die ursprünglichen Systeme SAP- oder Non-SAP-Lösungen sind.
Die CAS AG setzt solche Migrationen bereits im Bankenumfeld um. In einem aktuellen Projekt migrieren wir beispielsweise bestehende Pipelines aus Azure Data Factory nach Databricks. Dazu gehört unter anderem eine Pipeline, über die Google-Analytics-Daten aus Google BigQuery verarbeitet werden.
Ja, SAP Databricks ist nicht auf SAP-Daten beschränkt. Neben SAP-Daten können auch Daten aus Drittsystemen verarbeitet werden, egal ob On-Premise oder in der Cloud. Die CAS AG unterstützt dabei sowohl bei der Anbindung der Quellsysteme als auch beim Aufbau der notwendigen Datenpipelines und Datenmodelle.
Ja, mit SAP Databricks lassen sich sowohl Batch- als auch Echtzeitszenarien umsetzen. Delta Tables bilden dabei eine zentrale Grundlage für performante Datenpipelines. Die CAS AG entwickelt Pipelines für Full- und Delta-Loads und legt abhängig vom Anwendungsfall fest, ob Daten periodisch oder kontinuierlich verarbeitet werden.
Über eine automatische Lineage-Funktion werden Transformationen innerhalb der Datenpipelines transparent und analysierbar gemacht, sodass sich Datenflüsse durchgängig nachvollziehen lassen.
Nein. Databricks kann unabhängig von der SAP Business Data Cloud als eigenständige Datenplattform betrieben werden. Alternativ lässt sich SAP Databricks direkt innerhalb der SAP Business Data Cloud bereitstellen. Der Vorteil der integrierten Variante liegt darin, dass Daten aus der SAP Business Data Cloud direkt mit SAP Databricks verknüpft und über eine bidirektionale Integration genutzt werden können. Auch eine separat betriebene Databricks-Umgebung kann mit SAP-Daten verbunden werden, benötigt dafür jedoch eine entsprechende technische Anbindung.
Die CAS AG unterstützt bei der Entscheidung, welche Variante zur bestehenden Datenarchitektur passt und bei der Integration von SAP Databricks mit SAP- und Non-SAP-Datenquellen.
Die zentrale Metadaten- und Governance-Schicht in SAP Databricks ist der Unity Catalog. Hier werden Zugriffsrechte zentral verwaltet und es stehen Funktionen wie Row-Level Security und Column Masking zur Verfügung.
SAP Databricks ist wie SAP Datasphere, in die SAP Business Data Cloud integriert. SAP verfolgt dabei einen Best-of-Breed-Ansatz: SAP Datasphere stellt fachlich aufbereitete Daten bereit, SAP Databricks kann diese Daten für umfangreiche Datenverarbeitung, Analysen und KI-Anwendungen nutzen. Über eine bidirektionale Integration können Daten zwischen SAP Business Data Cloud und SAP Databricks genutzt werden, ohne dafür klassische ETL-Kopien anzulegen. Auch in Databricks aufbereitete Daten können wieder in der SAP Business Data Cloud bereitgestellt werden.
Die CAS AG unterstützt bei der Entscheidung, welche Daten und Verarbeitungsschritte in SAP Datasphere und welche in SAP Databricks gehören, und setzt die Integration beider Plattformen um.
Nein, SAP Databricks ersetzt SAP Datasphere nicht, sondern übernimmt andere Aufgaben. SAP Datasphere eignet sich vor allem, wenn Daten aus SAP- und Non-SAP-Systemen zusammengeführt, fachlich modelliert und mit ihrer Semantik für Reporting und Analytics bereitgestellt werden sollen.
SAP Databricks kommt ergänzend zum Einsatz, wenn große Datenmengen verarbeitet, komplexe Datenpipelines aufgebaut oder Daten für KI oder Data Science genutzt werden sollen. Welche Aufgaben in SAP Datasphere und welche in SAP Databricks umgesetzt werden, hängt von der bestehenden Datenlandschaft und dem konkreten Anwendungsfall ab. Die CAS AG unterstützt dabei, beide Plattformen sinnvoll in einer gemeinsamen Datenarchitektur einzusetzen.


