Semantische Schicht in SAP: Was steckt dahinter und wie profitiert der Mittelstand davon?

Stellen Sie sich Ihre Unternehmensdaten wie ein riesiges Archiv vor. Darin stehen tausende Aktenordner, die vollgepackt sind mit Zahlen, Codes und Tabellennamen, die technisch korrekt, aber für Nicht-IT-Mitarbeitende kaum lesbar sind. Die semantische Schicht ist wie eine erfahrene Bibliothekarin. Sie kennt das Archiv in- und auswendig, übersetzt die Codes in verständliche Sprache und stellt sicher, dass jeder, egal ob Verantwortliche im Controlling, Vertrieb oder der Geschäftsführung, dasselbe Dokument finden, wenn sie nach dem Umsatz Q1 fragen.

Technisch gesagt ist die semantische Schicht eine logische Abstraktionsschicht zwischen Datenquellen und Analysetools. Sie definiert zentral:

• Begriffe und Kennzahlen (z. B. Was genau ist Umsatz? Brutto oder netto? Mit oder ohne Retouren?)
• Beziehungen zwischen Datenobjekten (z. B. Welche Kostenstellen gehören zu welchem Bereich?)
• Geschäftsregeln und Berechnungslogiken
• Zugriffsrechte: wer darf welche Daten sehen?

Das Ergebnis: Alle Anwendungen und Abteilungen greifen auf dieselben, einheitlich definierten Daten zu, egal welches Dashboard, welches Tool oder welche Auswertung genutzt wird.

Die semantische Schicht ist kein Marketingbegriff, sondern ein Konzept, das Sie in verschiedenen SAP-Produkten wiederfinden:

SAP Datasphere positioniert sich explizit als semantische Schicht über den Quellsystemen. Über sogenannte Spaces und einen Business Layer lassen sich fachliche Datenmodelle aufbauen, die Daten aus SAP S/4HANA, SAP BW oder Drittsystemen harmonisiert und verständlich bereitstellen, ohne dass Rohdaten physisch kopiert werden müssen.

SAP Analytics Cloud (SAC) konsumiert diese semantisch angereicherten Daten und stellt sie für Analysen, Planungen und Dashboards zur Verfügung. Kennzahlen wie Deckungsbeitrag oder Planabweichung sind dort bereits eindeutig definiert.

SAP BW (BW/4HANA) enthält ebenfalls semantische Schichten. Diese sind historisch als InfoProvider, MultiProvider und BEx-Queries bekannt. Die Philosophie ist dieselbe: technische Daten sollen in fachlich nutzbare Strukturen überführt werden.

Mehr zu den konzeptionellen Unterschieden zwischen SAP BW und SAP Datasphere lesen Sie in unserem Beitrag: SAP Datasphere vs. SAP BW – Wo liegt der wahre Unterschied?

Abb. 1: Semantische Schicht als Bindeglied zwischen Datenquellen, Anwendungen und KI

Große Konzerne haben oft eigene BI-Teams, die Datendefinitionen pflegen und koordinieren. Im Mittelstand übernehmen diese Aufgabe häufig einzelne Personen, oder sie wird gar nicht strukturiert angegangen. Die Folgen:

• Berichte widersprechen sich, weil Begriffe nicht einheitlich definiert sind
• Mitarbeitende bauen eigene Excel-Auswertungen, weil sie den zentralen Berichten nicht vertrauen
• Entscheidungen werden verzögert, weil erst geklärt werden muss, welche Zahl die richtige ist

Die semantische Schicht löst genau dieses Problem und zwar einmalig und nachhaltig. Statt dass jedes Team seine eigene Logik baut, werden Definitionen zentral festgelegt und automatisch überall verwendet. Das spart Zeit, reduziert Fehler und schafft Vertrauen in die Daten.

Ein konkretes Beispiel: Ein mittelständischer Maschinenbauer definiert in SAP Datasphere einmalig, was Auftragseingang bedeutet, inklusive aller Sonderregeln für Rahmenverträge und Teillieferungen. Danach greifen Vertrieb, Controlling und Geschäftsführung über unterschiedliche Dashboards auf exakt dieselbe Kennzahl zu. Die Diskussionen über unterschiedliche Zahlenstände gehören dann der Vergangenheit an.
et.

• Einheitliche Datenbasis: Eine Definition gilt für alle Systeme und Abteilungen
• Weniger Abstimmungsaufwand: Keine Diskussionen mehr über welche Zahl stimmt
• Self-Service Analytics: Fachbereiche können eigenständig Berichte erstellen, ohne SQL-Kenntnisse
• Datensicherheit: Zentral gesteuerte Zugriffsrechte – wer sieht was?
• Skalierbarkeit: Neue Datenquellen oder Abteilungen lassen sich einfach einbinden
• KI-Readiness: Nur mit einer sauberen semantischen Schicht kann KI, wie SAP Joule oder KI-Agenten, auf die richtigen Daten zugreifen und sinnvolle Ergebnisse liefern

Eine semantische Schicht funktioniert nur dann langfristig, wenn klar geregelt ist, wer Definitionen festlegt, pflegt und freigibt. In der Praxis scheitern viele Vorhaben nicht an der Technik, sondern an ungeklärten Zuständigkeiten.
Bewährt hat sich eine zweigeteilte Verantwortung:

• Fachlicher Ownership: Die Fachbereiche, Controlling, Vertrieb, Einkauf, definieren, was Kennzahlen wie Umsatz, Deckungsbeitrag oder Auftragseingang in ihrem Kontext bedeuten. Sie sind die inhaltliche Instanz.
• Technische Umsetzung: Das zentrale Daten- oder IT-Team überführt diese Definitionen in die semantische Schicht, etwa in SAP Datasphere, und stellt sicher, dass sie konsistent, skalierbar und für alle Systeme abrufbar sind.
• Gemeinsame Governance: Für unternehmensweite Einheitlichkeit empfiehlt sich eine zentrale Abstimmungsrunde, etwa ein Data Council oder KPI-Komitee, die neue Definitionen freigibt, Konflikte löst und Änderungen dokumentiert.

Für den Mittelstand muss das nicht komplex sein. Oft reicht ein klar benannter Ansprechpartner pro Fachbereich und ein definierter Freigabeprozess, um die semantische Schicht dauerhaft verlässlich zu halten.

Künstliche Intelligenz kann nur so gut sein wie die Daten, auf die sie zugreift. Das klingt selbstverständlich, wird in der Praxis aber häufig unterschätzt. Denn eine KI, die nicht versteht, was Umsatz, Deckungsbeitrag oder Auftragseingang in Ihrem Unternehmen konkret bedeuten, liefert bestenfalls ungenaue, im schlimmsten Fall gefährliche Antworten.

Genau deshalb ist die semantische Schicht die entscheidende Voraussetzung für einen sinnvollen KI-Einsatz im SAP-Umfeld. Das betrifft nicht nur klassische Analysen, sondern vor allem neue Entwicklungen wie:

• SAP Joule: Der KI-Assistent von SAP greift auf Geschäftsdaten zu, um Fragen zu beantworten und Aufgaben zu automatisieren. Ohne semantisch definierte Begriffe und Kennzahlen kann Joule nicht unterscheiden, welche Zahl die richtige ist und welche Definition im Unternehmenskontext gilt.
• Autonome KI-Agenten (Agentic AI): Selbstständig handelnde KI-Systeme, die eigenständig Prozesse anstoßen, Entscheidungen vorbereiten oder Business-KPIs berechnen, sind vollständig auf eine klar definierte semantische Schicht angewiesen. Nur so können sie Daten im richtigen Kontext abfragen und korrekte Aktionen ableiten, ohne menschliche Kontrolle bei jedem Schritt.
• Generative KI und NLP: Wenn Mitarbeitende in natürlicher Sprache Fragen an ihre Daten stellen, z.B. in SAP Analytics Cloud, sorgt die semantische Schicht dafür, dass diese Anfragen korrekt interpretiert und mit den richtigen Datenpunkten beantwortet werden.

Kurz gesagt: Die semantische Schicht ist eine Architekturentscheidung und die Investition in eine KI-fähige Datengrundlage für morgen. Wer jetzt sauber modelliert, profitiert direkt, wenn KI-Features in SAP-Produkten weiter ausgebaut werden.