SAC bietet ein umfassendes Toolset, um vielfältige Planungsszenarien abzubilden. Sie umfasst eine eigene Modellierungsumgebung, in der Planungsmodelle inklusive Dimensionen, Attribute und Kennzahlen definiert werden können. Die Umsetzung der Planungslogik erfolgt über Advanced Formeln in Data Actions, ergänzt durch erweiterte Simulationsmöglichkeiten wie den Value Driver Tree und die neue Kompass-Komponente, die Simulationen unter Unsicherheit ermöglicht.

Durch die enge Verzahnung von Planung und Analyse sind zudem Varianzanalysen möglich. Die BI-Funktionen der SAC unterstützen die Kontrolle, ob Pläne eingehalten werden, und bieten mit Smart Predict spezielle AI-basierte Forecasting-Modelle, etwa für automatisierte Time-Series-Prognosen und Planinitialisierung.

Ein weiteres bedeutendes Feature-Set fokussiert auf das Workflow-Management und Prozessorchestrierung, darunter der Planungskalender und flexible Kommentierfunktionen, die die Zusammenarbeit und Textanreicherung von Plänen erlauben.

AI-Investitionen treiben die Erfahrung weiter voran: Large Language Models verbessern UX und eröffnen neue Möglichkeiten, die durch die Business Data Cloud ergänzt und erst durch eine einheitliche Datenbasis voll ausgeschöpft werden können.

Abb. 2: Top Features von SAC für die Planung, Quelle: SAP SE

Planungsprozesse sind traditionell stark manuell geprägt: Häufig basieren sie auf Excel-Tabellen, bei denen viel Zeit für Datenvorbereitung, Stammdatentransformation und Datenbereinigung aufgewendet wird. Die Erfassung erfolgt oft über das Versenden von Spreadsheets, deren Rückläufe anschließend konsolidiert und geprüft werden müssen – ein zeitintensiver und fehleranfälliger Prozess.

Moderne Planungstools haben diesen Prozess bereits deutlich automatisiert, etwa durch verbesserte Datenversorgung und erste Einsatzmöglichkeiten von Predictive Analytics zur Initialisierung von Plänen oder Generierung von Vorschlagswerten. Dennoch ist die Datenvorbereitung nach wie vor ein großer Aufwand.

Künftig wird KI eine zentrale Rolle spielen, um insbesondere die manuelle Dateneingabe – die oft hunderte bis tausende Mitarbeiter in großen Planungsprozessen involviert – zu minimieren. KI-gestützte Automatisierung von Workflows und intelligentere Planungstechniken sollen den gesamten Planungsprozess effizienter und weniger fehleranfällig machen, wodurch Unternehmen eine deutlich intelligentere und flexiblere Unternehmenssteuerung erreichen können.

Abb. 3: FP&A Trendstudie 2024 zum zeitlichen Aufwand der Datenbeschaffung und -validierung, Quelle: SAP SE

In den letzten Monaten wurde die SAP Planung verstärkt weiterentwickelt, vor allem mit der produktiven Einführung von Seamless Planning im QRC1-Release. Dieses Feature ist nun für Kunden verfügbar, deren SAC-Tenants bereits auf der HANA Cloud laufen – Standard bei neueren Tenants seit Mitte 2024. Ältere Tenants können durch einen zusätzliche Tenant ebenfalls Seamless Planning einsetzen.
Eine wichtige Neuerung ist das Simulationstool Kompass, das Monte-Carlo-Simulationen unter Unsicherheit ermöglicht und Anfang des Jahres eingeführt wurde. Neben den Architekturthemen werde auch die Kernplanungsfeatures kontinuierlich weiterentwickelt
Darüber hinaus wurden zwei AI-gestützte Features eingeführt: Einerseits die automatische Generierung von Kalkulationen in Advanced Formeln, andererseits eine Kommentarfunktion, mit der Kommentare aggregiert, zusammengefasst und mehrsprachig übersetzt werden können. Dies ist besonders für große Prozesse hilfreich, in denen neben numerischen Daten umfangreiche Textinformationen systematisch ausgewertet werden.

Abb. 4: Übersicht über die aktuellsten Innovationen, Quelle: SAP SE

Kompass ist eine neue Funktion in SAP Analytics Cloud, die Anfang des Jahres eingeführt wurde und besonders in Zeiten wirtschaftlicher Unsicherheit relevant ist. Mit Kompass lassen sich Simulationen unter Unsicherheit durchführen, basierend auf Monte-Carlo-Simulationen. Anwender können so simulieren, wie wahrscheinlich es ist, dass geplante Kennzahlen wie das Operating Income für ein bestimmtes Quartal erreicht werden.

Die Simulationen erfolgen, indem automatisch relevante Treiber aus dem Modell extrahiert werden, zu denen die User Bandbreiten (Wertbereiche) definieren. Das Tool generiert dann eine Wahrscheinlichkeitsverteilung der möglichen Ergebnisse, sodass das Risiko und die Zielerreichung besser eingeschätzt werden können. Mehrere Szenarien lassen sich speichern, teilen und vergleichen. Kompass baut direkt auf bestehenden treiberbasierten Planungsmodellen auf, es ist keine doppelte Modellierung nötig.

Somit unterstützt Kompass Unternehmen dabei, Planungsunsicherheiten mathematisch fundiert abzubilden und flexibel auf Änderungen wie wirtschaftliche Entwicklungen zu reagieren – und das alles innerhalb des gewohnten SAC-Planungsumfelds.

Abb. 5: Übersicht über Funktionen von Kompass, Quelle: SAP SE

Für das kommende Jahr liegt ein Schwerpunkt auf der weiteren Integration der Planung in den gesamten SAP Business Data Cloud (BDC)-Stack, insbesondere durch die Weiterentwicklung von Seamless Planning. Nach der ersten Auslieferung im QRC1, die das Deployen von Planungsmodellen in der Datasphere ermöglicht, steht die stärkere semantische Integration mit den Datasphere-Funktionalitäten im Fokus.

Zusätzlich wird an Verbesserungen der Usability bei der Dateneingabe gearbeitet, etwa durch erweiterte Möglichkeiten bei Member-Kombinationen und Investitionen im Bereich Validation Rules zur Stärkung der Core-Planungs-Funktionalitäten.
Im gesamten SAP Analytics Cloud (SAC)-Umfeld wird zudem die Unterstützung von Live-Connectivity weiter ausgebaut. Neben den bisherigen SAP-Systemen wie BW und S/4HANA werden zunehmend auch Nicht-SAP-Quellsysteme wie Google BigQuery, Snowflake und Microsoft Azure via Live-Connection angebunden. SAC bleibt damit eine aktiv weiterentwickelte Plattform mit einer Vielzahl von Neuerungen, die über die reine Planung hinausgehen.

Abb. 6: Übersicht über Prioritäten der strategischen Weiterentwicklung von SAC, Quelle: SAP SE

Seamless Planning ist eine tiefgreifende Integration zwischen SAC und SAP Datasphere, die eine nahtlose Planung ohne Systembrüche ermöglicht. SAC kann sich zwar an unterschiedliche Quellsysteme andocken, hat jedoch von Haus aus keine umfassenden Data-Warehousing-Fähigkeiten für Datenbereinigung und -vorbereitung. Diese Aufgaben übernimmt nun die Datasphere, die als zentrale Umgebung diese Funktionen bereitstellt.

• Echtzeitplanung: Mit Seamless Planning werden Planungsmodelle direkt in SAP Datasphere gespeichert, was Medienbrüche bei der Datenversorgung und wiederholte Datenexporte vermeidet. Das ermöglicht ein nahtloses Plan-Ist-Reporting, da Plandaten in der Datasphere unmittelbar verfügbar sind und mit operativen Daten verknüpft werden können – insbesondere auch im Kontext der SAP BDC mit ihren Data Products. So reduziert sich Datenredundanz, und die User haben stets Zugriff auf aktuelle Bewegungs- und Stammdaten.
• Extended Planning & Analysis: Ein weiterer Fokus liegt auf integrierter Unternehmensplanung (XP&A), bei der mehrere Planungsprozesse verknüpft werden. Datasphere ermöglicht dabei in-dividuelle SQL-Codierung und Integration von Machine-Learning-Modellen (z. B. über Databricks), die Forecasts direkt ins Planungsmodell einspeisen.
• Effiziente Implementation und Durchführung: Zudem sorgt die vereinfachte Architektur für effizienteren Betrieb, da zeitaufwändige Datentransfers entfallen und Fehlerquellen minimiert wer-den. Insgesamt steigert Seamless Planning die Effizienz und Qualität der Planungspraxis erheblich.

Seamless Planning ist eine Architekturinnovation, die die bisher getrennten Lösungen SAC und Datasphere enger miteinander verbindet. Bisher waren beide Systeme unabhängig voneinander entwickelt worden. Mit der ersten Version des QRC1-Releases können Planungsmodelle künftig direkt in der Datasphere deployt werden, wodurch die Plandaten in derselben Datenbank wie die Daten von Datasphere gespeichert werden und somit für Reporting- und Analysezwecke sofort verfügbar sind.

Die aktuelle Version bietet noch keine vollständige semantische Integration, zum Beispiel für die Definition von Dimensionen wie Kostenstellen in der SAC-Modellierungsumgebung, die dann in Dataset-Formaten in Datasphere geladen werden. Jedoch ist geplant, diese enge Integration weiter voranzutreiben, sodass in Zukunft die Nutzung von Stammdaten und Bewegungsdaten direkt in den Planungsmodellen erfolgen kann, ähnlich den früheren Ansätzen in der integrierten Planung oder im BPC-Embedded.

Der Ansatz basiert auf einer durchgängigen, cloudbasierten Architektur, die Echtzeit-Synchronisation ermöglicht: Änderungen in SAC werden sofort in Datasphere übernommen, wodurch manuelle Exporte und Replikationen entfallen. Darüber hinaus lassen sich die Planungsmodelle in Datasphere für erweiterte Analysen, Machine-Learning-Modelle oder Transformationen nutzen, wodurch eine hochskalierte, flexible und konsistente Daten- und Planungsumgebung entsteht. Zukünftige Weiterentwicklungen zielen auf noch tiefere semantische Verknüpfungen und eine stärkere Automatisierung ab, um den Planungsprozess weiter zu optimieren.

Abb. 7: Architekturansatz von Seamless Planning, Quelle. SAP SE

 

Abb. 8: Architekturansatz von Seamless Planning in Datasphere, Quelle. SAP SE

Demo-Beispiel

Im Demo-Beispiel startet der Modellierungsprozess wie gewohnt in der SAC: Ein Planungsmodell wird erstellt – etwa aus einer Excel-Datei – und dort mit Dimensionen, Attributen und Kennzahlen modelliert. Anschließend wird statt SAC als Speicherort die Datasphere gewählt, inklusive Auswahl eines passenden Spaces.

Abb. 9: Demo mit Auswahl von Datasphere als Data Storage Location, Quelle. SAP SE

Beim Speichern werden die zugrunde liegenden Tabellen des Planungsmodells physisch in der gleichen Datenbank wie die Datasphere-Daten abgelegt. Das Modell wird in Datasphere „exponiert“, erhält einen technischen und einen Business-Namen und ist dort im Data Builder als Faktentabelle sichtbar – aktuell mit lesendem Zugriff. Für Endanwender ändert sich an der Arbeit in SAC praktisch nichts, sie greifen wie gewohnt über Stories auf das Planungsmodell zu, während die Daten im Hintergrund bereits in Datasphere liegen.

Im Beispiel wird eine Story in SAC auf dem Planungsmodell erstellt: Plan-Daten werden erfasst und nach dem Publizieren direkt aus dem Puffer in die Datasphere-Tabelle übertragen, wo sie unmittelbar sichtbar sind. Public Dimensions und Stammdaten aus SAC sind in Datasphere verfügbar und können für Reporting genutzt werden; umgekehrt lassen sich Datasphere-Dimensionen (z. B. Kostenstellen) zukünftig direkt in SAC-Planungsmodellen einfügen.

In Datasphere entsteht ein Analytic Model, das Plandaten mit Actuals (aus Data Products oder federiertem Zugriff) via Union verknüpft – für Plan-Ist-Vergleiche. Im SAC-Report (Tabelle auf Analytic Model und View auf Planungsmodell) zeigen Änderungen und Publizieren in SAC sofortige Aktualisierungen in der Datasphere-basierten Tabelle: Echtzeit-Synchronisation ohne Verzögerung.

Abb. 10: Architekturansatz Seamless Planning mit Planning- on-Live-Versions, Quelle. SAP SE

Der nächste Entwicklungsschritt in Seamless Planning ist die sogenannte semantische Integration von Live-Daten direkt in Planungsmodelle. Mit dem QRC-4-Release wird ermöglicht, dass Planungsmodelle auf Aktualdaten, die in der Datasphere oder in anderen Planungsmodellen gespeichert sind, als Referenzdaten zugreifen können — ohne dass diese Daten physisch in den Planungswürfel repliziert werden müssen.

Dieses Konzept, genannt „Planning-on-Live-Versions„, funktioniert ähnlich wie der Multiprovider im SAP BW. Es erlaubt, im Planungsmodell eine zusätzliche Version zu definieren, die zur Laufzeit per View Daten aus der Datasphere einliest. Somit können Planungsmodelle dynamisch auf aktuelle, zentrale Daten zugreifen und es entfällt die Notwendigkeit, Tabellen mehrfach zu speichern.

Für das kommende Jahr ist geplant, ein ähnliches Konzept für Stammdaten-Dimensionen umzusetzen, sodass auch Dimensionen wiederverwendet werden können, ohne sie mehrfach in SAC replizieren zu müssen. Ziel ist eine deutlich engere und effizientere semantische Verzahnung zwischen Planungsmodellen und der Datasphere.

Abb. 11: Architekturansatz Seamless Planning in SAP BDC, Quelle. SAP SE

Zukunft der Planung in SAP BDC
Seamless Planning soll langfristig die Planung eng mit den Komponenten der SAP Business Data Cloud (BDC) verknüpfen. SAP Datasphere dient dabei als zentraler Daten-Management-Layer für Semantik, Datenspeicherung, Ladeprozesse und Data-Warehousing-Funktionen.

Über diesen Layer werden weitere Komponenten integriert, wie Databricks für Machine Learning. Plandaten sollen als Datenprodukte exponiert werden, sodass sie in anderen Umgebungen – etwa Databricks oder Intelligent Applications – weiterverarbeitet werden können. Der Object Store als Foundation-Service bildet die zentrale Datendrehscheibe für den Austausch von Datenprodukten.

Zentrales Element der SAP BDC sind Datenprodukte. SAP stellt und managed diese automatisch vor, z. B. Daten aus S/4HANA-Systemen, die als Basis für Planungsmodelle dienen können. Kunden können zukünftig eigene Customer-Managed-Datenprodukte erstellen, etwa für Kostenstellen, Profit Center oder GL-Accounts inklusive Bewegungsdaten.

Technische Features wie Live Versions (QRC4) und Dimension Reuse (nächstes Jahr) ermöglichen den Aufbau von Planungsmodellen direkt auf diesen Datenprodukten. Die Plandaten selbst werden ebenfalls als Datenprodukte exponiert und können in anderen Umgebungen wie Databricks, Snowflake oder Intelligent Applications weiterverwendet werden.

Abb. 12: Aufbau von Planungsmodellen auf Datenprodukten, Quelle. SAP SE

Seamless Planning ist seit QRC1 verfügbar und ermöglicht die direkte Speicherung von Planungsmodellen in SAP Datasphere. Der Live-Zugriff auf Referenzdaten wird mit QRC4 eingeführt, ebenso wie die Unterstützung für Kompass-Simulationen auf Seamless-Planning-Modellen. Eine Erweiterung bei den Datenexport-APIs erlaubt den Zugriff auf Public Dimensions.

Damit sind alle Funktionen der klassischen SAC-Planung auch im Seamless-Planning-Szenario verfügbar; für Planungs-User ändert sich nur die Architektur, da Plandaten in Datasphere gespeichert werden.

Für das nächste Jahr sind wichtige Erweiterungen geplant: Dimension Reuse zur Wiederverwendung von Dimensionen und ein harmonisiertes Datenzugriffs- und Berechtigungskonzept (Data Access Controls). Außerdem wird der Schreibzugriff aus Datasphere in SAC-Planungsmodelle über Transformation Flows angestrebt, inklusive Nutzung moderner Datenbanktechnologien wie Stored Procedures und SQL Script für Logikimplementierungen. Das Ziel ist eine stärkere semantische Integration und effizientere Planungsprozesse durch engere Verzahnung von SAC und Datasphere.

1. Seamless Planning mit Live-Versionen (QRC4): Planungsmodelle können dynamisch auf andere Quellsysteme zugreifen, nicht nur auf Datasphere, beispielsweise Google BigQuery oder zukünftig Snowflake.
2. SQL-Quellansicht als Live-Version in einem Planungsmodell (QRC4)
3. Kalendererweiterung (QRC4): Einführung von anpassbaren Zeitdimensionen, etwa zur Abbildung von Kalenderprozessen wie dem zweiten Werktag des Monats.
4. Integration von Kompass (Simulation): Kompass wird als Widget direkt in SAC-Stories integriert, ermöglicht Simulationen unter Unsicherheit (2026 H1).
5. Asymmetrisches Reporting: Leichtere Konfiguration individualisierter Planungstabellen-Layouts, weg von komplexen Workarounds durch „Restricted Measures“ (2026 H1).
6. Ausbau der semantischen Integration: Insbesondere Dimension Reuse für die Wiederverwendung von Dimensionen bei Planungsmodellen, unterstützt durch bessere Usability und Berechtigungskonzepte.

Diese Highlights zeigen die Weiterentwicklung hin zu stärkerer Integration, Nutzerfreundlichkeit und Flexibilität.

KI ist ein zentraler Treiber für Innovationen in der SAP Analytics Cloud, wobei Seamless Planning eine entscheidende Rolle spielt. SAP investiert stark in AI und AI-basierte Agenten, die eine harmonisierte Datenbasis benötigen – sei es durch Knowledge Graphs für semantische Verknüpfungen oder Kontext für Large Language Models.

Die SAP Business Data Cloud (BDC) bildet diese Basis, insbesondere für Analytics-Anfragen und transaktionale Kontexte über Joule. BDC ermöglicht Zugriff auf unternehmensweite Daten und Datenprodukte, sodass Planungsmodelle direkt darauf aufbauen können. Seamless Planning stellt somit die Voraussetzung für zukünftige KI-Entwicklungen in der Planung dar.

Die zentrale Initiative von SAP in diesem Bereich ist natürlich Joule, der neue KI-Assistent von SAP, der voraussichtlich Anfang nächsten Jahres in SAC eingeführt wird. Joule unterstützt vier wesentliche Anwendungsfälle:

1. Analytische Fragestellungen: User können in natürlicher Sprache Fragen zu ihren Daten stellen, z. B. nach den Top-Produkten oder Umsatzträgern, ähnlich wie bei Just Ask.
2. Transaktionale Use Cases: Joule steuert SAC-Funktionen, z. B. Filter setzen, neue Planversionen erzeugen oder Umsätze anpassen.
3. Scripting: Unterstützung bei der Implementierung von Script-Logik in SAC, sowohl in Stories als auch in Advanced Formulas.
4. Informelle Fragen: Hilfe bei der Bedienung und Anwendung des SAC-Tools.

Der nächste Entwicklungsschritt ist der Einsatz von AI-basierten Agenten, um Planungsanwender noch besser bei der Planung zu unterstützen. Joule arbeitet mit generativer KI, versteht komplexe Geschäftsdaten, liefert präzise Einblicke und automatisiert Prozesse, um Arbeitsabläufe zu beschleunigen und bessere Entscheidungen zu fördern.

Abb. 13: Joule AI Copilot in SAC, Quelle. SAP SE

Demo-Beispiel: Zollerhöhung in den USA

Im Demo-Beispiel analysiert ein AI-Agent (basierend auf Perplexity AI) den Impact einer 30%igen Zollerhöhung in den USA. Ein automatischer Report fasst den aktuellen Status zusammen und identifiziert Risiken. Die KI schlägt Strategien vor: Supply-Chain-Diversifizierung, Produktionsverlagerung, Preiserhöhungen oder Produktivitätssteigerungen.

Diese Vorschläge werden in SAC simuliert: Drei Versionen vergleichen Baseline (kein Risiko), Risikoszenario und Mitigation-Strategie finanziell. Mit Kompass werden robustere Szenarien getestet, z. B. Zölle von 40-60%, um Strategien auf Robustheit zu prüfen.

Abschließend wird der Plan operativ geprüft: Ein Agent sendet ihn an SAP IBP (Supply Chain Planning) für einen Machbarkeitscheck. Dies zeigt, wie KI die Planenden entlastet – von Datenbeschaffung über Strategievorschläge bis zur finanziellen und operativen Bewertung – für schnellere Entscheidungen.

• “Inwieweit wird aktuell an Public Dimensions für Version und Date gearbeitet?”
  In SAP Analytics Cloud (SAC) gibt es einen Unterschied zwischen Public und Private Dimensions: Public Dimensions können modellübergreifend geteilt werden (z. B. Region, Produkt), während Version und Date aktuell immer private Dimensionen sind und nicht als Public definiert werden können.
  Dieses Thema ist bekannt und wird aktiv angegangen. Für die Date-Dimension wird eine mögliche Veröffentlichung als Public Dimension für nächstes Jahr angestrebt, ohne dass es dafür bereits eine feste Timeline gibt. Bei der Version-Dimension sind die Herausforderungen größer, da sie eng mit dem Versionsmanagement und Lifecycle verknüpft ist. Die Frage, wie eine Version in mehreren Modellen als Public Dimension funktionieren könnte, ist offen und bedarf noch konzeptioneller Klärung.
  Generell besteht aber der Wille, Public Dimensions für Version und Date zukünftig anzubieten, um eine bessere Wiederverwendbarkeit und harmonisierte Modelle zu ermöglichen.
• „Thema Lizenzen. Bei der Planung benötigen die Planenden, User, ihre Lizenz ja nur zu wenigen Terminen im Jahr, einmal zur Planung, eventuell mal zum Quartal im Forecast, vielleicht auch einmal im Monat zum Forecast. Und es lohnt sich daher nicht immer, für einen kompletten User eine ganze Lizenz zu kaufen. Welche Überlegungen gibt es dazu?“
  Für Planende, die das System nur sporadisch nutzen (etwa einmal pro Jahr oder Quartal), gibt es verschiedene Lizenzierungsmöglichkeiten:
• Einheits-User/Enterprise-License: Für größere Unternehmen mit vielen Usern gibt es eine Flatrate-Lizenz, die eine unbegrenzte Anzahl von Planungsnutzern abdeckt. Dadurch sinkt der Preis pro Nutzer deutlich gegenüber Einzellizenzen, was insbesondere bei mehreren Tausend Nutzern wirtschaftlich ist.
• Business Data Cloud (BDC) Consumption Model: In BDC kauft man Consumption Units, die flexibel auf verschiedene Komponenten (z. B. Planung, Datasphere) verteilt werden können. Dies erlaubt eine dynamische und monatlich anpassbare Zuweisung von Lizenzen, ideal für Szenarien mit Lastspitzen in der Planung. Dadurch profitieren Unternehmen von einer variablen und effizienten Lizenzierung.
  Insgesamt bietet SAP also flexible Modelle, die sowohl große Nutzerzahlen als auch unregelmäßige Nutzung berücksichtigen