Der entscheidende Kontext für die Einordnung: SAC ist ein reiner Cloud-Dienst (Software as a Service). Sie buchen einen Zugang, melden sich im Browser an und arbeiten sofort – ohne eigene Server, ohne Installation, ohne Betrieb einer Analyse-Software im eigenen Haus. SAP kümmert sich um Betrieb, Wartung und die regelmäßigen Funktions-Updates. Für den deutschen Mittelstand, der selten ein großes BI-Betriebsteam unterhält, ist dieses Modell attraktiv – vorausgesetzt, die Datenanbindung an die eigenen Systeme ist sauber gelöst.
Drei Merkmale prägen SAP Analytics Cloud:
In vielen Unternehmen sind Auswertung und Planung technisch getrennte Welten. Berichte entstehen in einem BI-Werkzeug, die Budget- und Absatzplanung dagegen in einer Vielzahl verketteter Excel-Dateien. Das führt zu Medienbrüchen: Zahlen werden hin- und herkopiert, Planungsstände geraten auseinander, und niemand traut am Ende einer einzigen Version. SAC setzt genau hier an, indem Analyse und Planung im selben Modell stattfinden. Eine geplante Zahl kann unmittelbar der Ist-Zahl gegenübergestellt werden, weil beide auf derselben Datenbasis liegen.
Der dritte Baustein, Predictive Analytics, ergänzt diese Sicht um die Zukunftsperspektive: Trends fortschreiben, Ausreißer erkennen, Prognosen erstellen. Auch das geschieht innerhalb derselben Plattform, sodass eine maschinell erzeugte Vorhersage direkt als Ausgangspunkt einer manuellen Planung dienen kann. Diese Integration ist der eigentliche konzeptionelle Kern von SAC – und der wichtigste Unterschied zu reinen Reporting-Werkzeugen.
SAP hat SAC über Jahre hinweg als strategische Analyse-Plattform in der Cloud positioniert und dabei mehrere ältere Werkzeuge abgelöst oder unter einem Dach zusammengeführt. Der Begriff „Analytics Cloud“ ist bewusst breit gewählt – er umfasst mehr als nur Dashboards. Für die Praxis ist weniger die Produkthistorie relevant als das Verständnis, dass SAC heute das strategische Analytics-Frontend von SAP ist und eng mit den Datenplattform-Diensten des Konzerns – insbesondere SAP Datasphere – verzahnt wird. Diese beiden zusammen bilden die moderne Datenstrategie, die SAP unter dem Begriff „Business Data Cloud“ bündelt.
Die BI-Säule ist das, was die meisten Nutzer zuerst mit SAC verbinden. In einer Story kombinieren Anwender Diagramme, Tabellen, Kennzahlen-Kacheln und Textelemente zu einem interaktiven Bericht. Die Bedienung ist auf Fachanwender ausgelegt: Per Drag-and-drop werden Kennzahlen und Dimensionen auf Visualisierungen gezogen, Filter gesetzt und Detailebenen aufgeklappt. Neben den klassischen Stories bietet SAC auch flexiblere, gestalterisch freiere Bericht-Layouts, die eher an eine leere Leinwand erinnern und mehr Kontrolle über das Erscheinungsbild geben.
Charakteristisch – und ein wesentliches Unterscheidungsmerkmal – ist die Nähe zu SAP-Datenmodellen. Wo ein herstellerfremdes BI-Werkzeug SAP-Daten oft erst mühsam aufbereiten muss, versteht SAC die Struktur von SAP-Datenquellen unmittelbar: Hierarchien, Kennzahlen und Dimensionen kommen so an, wie sie im Quellsystem definiert sind. Das reduziert Modellierungsaufwand und Fehlerquellen erheblich.
Für viele SAC-Kunden ist die Planungskomponente der eigentliche Grund für die Einführung. Klassische Unternehmensplanung – Budget, Forecast, Absatzplanung, Personalkostenplanung – findet in vielen Mittelständlern bis heute in umfangreichen, fehleranfälligen Excel-Landschaften statt. SAC ersetzt diese durch strukturierte Planungsmodelle mit Eingabemasken, hinterlegter Rechenlogik, Versionsverwaltung (etwa „Budget“, „Forecast 1“, „Ist“) und der Möglichkeit, dass mehrere Fachbereiche zeitgleich und kontrolliert planen.
Der große Vorteil bleibt die Integration: Weil geplante und tatsächliche Zahlen im selben Modell liegen, ist ein Plan-Ist-Vergleich kein aufwendiger Kopiervorgang mehr, sondern ein Klick. Wer aus einer historisch gewachsenen Excel-Planung kommt, erlebt diesen Schritt oft als den größten Effizienzgewinn der gesamten Einführung. Gleichzeitig gilt: Anspruchsvolle Planungslogik in SAC sauber abzubilden ist ein Projekt für sich und will fachlich gut begleitet werden.
Eine Stärke von SAC liegt darin, verschiedene Analysearten nahtlos zu verbinden. Aus einem Umsatzeinbruch in einem Diagramm heraus kann der Nutzer per Klick in die Detaildaten springen, eine automatische Erklärung anfordern (dazu mehr im nächsten Kapitel) und daraus unmittelbar eine angepasste Planung ableiten. Dieser durchgängige Fluss von der Beobachtung über die Erklärung bis zur Handlung ist der eigentliche Mehrwert einer integrierten Plattform – und er entsteht erst dadurch, dass alle Funktionen auf demselben Datenmodell aufsetzen.
In der Praxis bedeutet das: Weniger Werkzeugbrüche, weniger Exporte nach Excel, weniger „das rechne ich noch schnell woanders“. Für Controlling-Abteilungen, die heute zwischen mehreren Systemen pendeln, ist diese Konsolidierung oft ein spürbarer Gewinn an Verlässlichkeit und Tempo.
SAC ist als Browser-Anwendung konzipiert und ergänzt diese um mobile Nutzung und den bereits erwähnten Digital Boardroom. Letzterer verdient eine gesonderte Erwähnung, weil er einen typischen Bruch im Berichtswesen adressiert: Geschäftsführungssitzungen laufen oft mit statischen, im Vorfeld erstellten Folien, deren Zahlen niemand mehr live hinterfragen kann. Der Boardroom verwandelt diese Runde in ein interaktives Gespräch, in dem eine Rückfrage („Wie sieht das für Region Süd aus?“) unmittelbar am Datensatz beantwortet wird. Das ist weniger eine technische als eine kulturelle Verschiebung – hin zu datengestützter Entscheidungsfindung in Echtzeit.
Wichtig zur Einordnung: Diese Funktionen entwickeln sich schnell weiter, und SAP integriert zunehmend generative KI in die Plattform. Die grundlegenden Konzepte sind jedoch stabil und lassen sich gut beschreiben – auf konkrete Versionsstände oder Leistungsversprechen verzichten wir bewusst, da sich diese laufend ändern.
Smart Insights beantwortet eine Frage, die im Berichtsalltag ständig auftaucht: „Warum ist diese Zahl so, wie sie ist?“. Klickt ein Nutzer einen auffälligen Datenpunkt an – etwa einen unerwarteten Umsatzrückgang –, analysiert SAC automatisch die zugrundeliegenden Daten und benennt die wesentlichen Einflussfaktoren. Statt selbst mühsam zu filtern und zu drillen, erhält der Anwender einen ersten, automatisch erzeugten Erklärungsansatz.
Smart Discovery geht einen Schritt weiter und untersucht einen ganzen Datensatz eigenständig auf verborgene Muster, Zusammenhänge und ungewöhnliche Werte. Das Ergebnis ist eine automatisch generierte Analyse, die zeigt, welche Faktoren eine bestimmte Kennzahl am stärksten beeinflussen. Für Fachanwender ist das ein niedrigschwelliger Einstieg in tiefergehende Analyse, ohne statistisches Vorwissen. Aus Beratungssicht gilt: Diese automatischen Erklärungen sind wertvolle Hinweise und Startpunkte – sie ersetzen aber nicht das fachliche Urteil. Korrelation ist nicht Kausalität, und das sollten Anwender im Hinterkopf behalten.
Smart Predict ist die Predictive-Komponente für den Alltag. Über geführte Assistenten erstellen Anwender Vorhersagemodelle für drei typische Aufgabenklassen: Zeitreihen-Prognosen (etwa künftige Absatzmengen), Klassifikationen (etwa die Wahrscheinlichkeit, dass ein Kunde abwandert) und Regressionen (etwa die Schätzung eines Werts aus mehreren Einflussgrößen). Der Clou liegt im „ohne Code“-Ansatz: Der Nutzer wählt die Zielgröße und die möglichen Einflussfaktoren, den Rest übernimmt die Plattform weitgehend automatisch.
Ehrlich eingeordnet: Smart Predict deckt viele Standard-Prognoseaufgaben im Mittelstand gut ab und senkt die Einstiegshürde in Predictive Analytics deutlich. Für hochspezialisierte, forschungsnahe Machine-Learning-Vorhaben mit großen Datenmengen und maßgeschneiderten Modellen sind spezialisierte Data-Science-Plattformen weiterhin die naheliegendere Wahl. Im typischen Controlling- und Vertriebs-Szenario jedoch – wo es um belastbare, nachvollziehbare Prognosen auf strukturierten Unternehmensdaten geht – trifft Smart Predict den Bedarf gut.
Mit Just Ask bietet SAC eine natürlichsprachliche Abfrage (Natural Language Query, NLQ): Der Nutzer stellt eine Frage in normaler Sprache – etwa „Wie hoch war der Umsatz in Region Nord im letzten Quartal?“ – und SAC erzeugt daraus die passende Visualisierung oder Kennzahl. Dieser Ansatz senkt die Hürde für Gelegenheitsnutzer erheblich: Wer nicht weiß, wo eine bestimmte Auswertung liegt oder wie man sie baut, kann schlicht fragen.
SAP entwickelt diese Funktion im Zuge des unternehmensweiten KI-Assistenten (unter dem Namen „Joule“) konsequent weiter, hin zu einem dialogorientierten, generativen Assistenten, der Fragen versteht, Analysen vorschlägt und Ergebnisse in Worte fasst. Aus unserer Sicht ist NLQ eine sehr sinnvolle Ergänzung, aber kein Ersatz für gut gestaltete Standardberichte: Für wiederkehrende Auswertungen bleibt das kuratierte Dashboard überlegen; für spontane Einzelfragen ist die Sprachabfrage ein echter Gewinn.
Bevor es um einzelne Quellen geht, lohnt das Verständnis der zwei grundlegenden Anbindungsarten. Bei der Live-Verbindung bleiben die Daten im Quellsystem; SAC schickt jede Abfrage direkt dorthin und stellt nur die Ergebnisse dar. Die Daten werden also nicht in SAC kopiert. Beim Import hingegen werden die Daten in das Datenmodell von SAC geladen und dort gehalten. Beide Varianten haben ihre Berechtigung – die Wahl ist eine der wichtigsten Architektur-Entscheidungen und wird in Kapitel 07 vertieft.
Für Unternehmen, deren operative Prozesse in SAP S/4HANA laufen, ist SAC die naheliegendste Analyse-Plattform. Über eine Live-Verbindung greift SAC direkt auf die im S/4HANA vorbereiteten Analyse-Sichten zu, ohne die Daten zu kopieren. Das hat zwei Vorteile: Die Zahlen sind stets aktuell, weil sie in Echtzeit aus dem Quellsystem kommen, und es entsteht keine Datenkopie, die separat gepflegt, aktualisiert und datenschutzrechtlich betrachtet werden müsste – ein Aspekt, der bei sensiblen Finanz- und Personaldaten durchaus zählt.
Ähnliches gilt für SAP BW beziehungsweise BW/4HANA, das klassische Data Warehouse vieler SAP-Kunden. Auch hier versteht SAC die Datenmodelle unmittelbar: Kennzahlen, Hierarchien und Berechtigungen aus dem BW werden übernommen, statt neu nachgebaut werden zu müssen. Für Bestandskunden, die über Jahre eine BW-Landschaft aufgebaut haben, ist SAC damit ein logischer, aufwandsarmer nächster Schritt im Frontend – ohne die bewährte Datengrundlage anzutasten.
SAP Datasphere ist die moderne Cloud-Datenplattform von SAP – vereinfacht gesagt die Nachfolge-Idee des klassischen BW, aber als offener, cloudbasierter Dienst konzipiert. Datasphere bündelt Daten aus SAP- und Nicht-SAP-Quellen, modelliert sie und stellt sie als saubere, governance-fähige Datenschicht bereit. SAC ist das natürliche Analyse-Frontend darüber: Datasphere liefert die aufbereiteten Daten, SAC visualisiert, plant und prognostiziert.
SAP fasst dieses Zusammenspiel zunehmend unter dem Begriff Business Data Cloud zusammen – als integrierte Datenstrategie, in der die Datenplattform (Datasphere) und das Analyse-Frontend (SAC) eng verzahnt sind. Für die Praxis heißt das: Wer eine zukunftsfähige SAP-Datenarchitektur plant, sollte SAC und Datasphere nicht isoliert, sondern als Paar betrachten. Die eine Komponente entfaltet ihren vollen Wert erst mit der anderen.
Auch wenn SAC im SAP-Umfeld seine Stärken ausspielt, ist es nicht darauf beschränkt. Über Import-Verbindungen und Konnektoren lassen sich zahlreiche Nicht-SAP-Quellen anbinden – gängige Datenbanken, Cloud-Speicher, Tabellenkalkulationen, Online-Dienste und Data Warehouses anderer Anbieter. In gemischten Landschaften, in denen SAP-Daten neben Daten aus CRM-Systemen, Online-Shops oder spezialisierten Fachanwendungen stehen, ist das ein realistisches Szenario.
Ehrlich bleibt jedoch festzuhalten: Der größte Effizienzvorteil von SAC entsteht bei SAP-Datenquellen über Live-Verbindungen. Bei reinen Nicht-SAP-Szenarien schmilzt dieser Vorteil, und SAC konkurriert dann auf Augenhöhe mit spezialisierten BI-Werkzeugen wie Power BI oder Tableau – ein Punkt, der direkt in die Wettbewerbsbetrachtung des nächsten Kapitels führt.
Microsoft Power BI ist das im deutschen Mittelstand am weitesten verbreitete BI-Werkzeug. Es punktet mit niedrigen Einstiegskosten, tiefer Integration in die Microsoft-Welt (Excel, Teams, Azure) und einer riesigen Nutzergemeinde. Seine Kernstärke ist die flexible, self-service-orientierte Datenanalyse. Bei der Unternehmensplanung ist Power BI von Haus aus schwächer aufgestellt – Planung ist nicht seine Kerndisziplin.
Tableau gilt vielen als das stärkste Werkzeug für explorative, visuell besonders anspruchsvolle Analysen. Wer datengetriebene Geschichten visuell erzählen und tief in Daten eintauchen will, findet in Tableau ein herausragendes Werkzeug. Auch Tableau ist jedoch primär ein Analyse- und Visualisierungswerkzeug, keine integrierte Planungsplattform.
Jedox ist – anders als die beiden zuvor – ein Spezialist für Unternehmensplanung und Performance Management, ebenfalls aus Deutschland. In der Planungsdisziplin ist Jedox ein direkter, ernstzunehmender Wettbewerber zu SACs Planungskomponente, mit starker Excel-Nähe und Flexibilität. Als reines BI-Analysewerkzeug ist Jedox weniger breit aufgestellt als Power BI oder Tableau.
Aus unserer Beratungspraxis kristallisieren sich klare Muster heraus. SAP Analytics Cloud ist meist die richtige Wahl, wenn ein Unternehmen bereits eine SAP-Landschaft betreibt, wenn Analyse und Planung eng zusammengeführt werden sollen und wenn EU-Datenhoheit ein wichtiges Kriterium ist. Die Kombination aus SAP-Datennähe, integrierter Planung und europäischem Anbieter ist ihr stärkstes Argument.
Power BI ist oft die pragmatische Wahl für Unternehmen, die tief in der Microsoft-Welt verankert sind, self-service-orientiertes BI wünschen und keinen starken Planungsbedarf haben. Tableau spielt seine Stärken bei anspruchsvoller visueller Analyse aus. Jedox ist ein ernstzunehmender Kandidat, wenn die Planung im Zentrum steht und keine tiefe SAP-Bindung besteht. Wichtig: Es gibt selten ein objektiv „bestes“ Werkzeug – die richtige Wahl hängt von bestehender Systemlandschaft, dem Verhältnis von Analyse zu Planung und den vorhandenen Kompetenzen ab.
Als Software as a Service läuft SAC vollständig in der Cloud. Es gibt keine Installation im eigenen Rechenzentrum, keine Server, kein Patch-Management. Sie buchen einen Zugang, wählen die Region und arbeiten im Browser. SAP betreibt die Plattform, spielt Updates ein und stellt neue Funktionen bereit. Für den Mittelstand bedeutet das einen sehr niedrigen infrastrukturellen Betriebsaufwand – der eigentliche Aufwand verlagert sich von der Technik hin zur Datenanbindung, Modellierung und Governance.
Die wichtigste Architektur-Entscheidung ist die zwischen Live-Verbindung und Import. Beide wurden in Kapitel 05 eingeführt; hier geht es um die praktischen Abwägungen.
Die Live-Verbindung hält die Daten im Quellsystem – etwa in S/4HANA oder BW – und leitet jede Abfrage dorthin durch. Vorteile: Die Daten sind stets aktuell, es entsteht keine zweite Datenkopie, und sensible Daten verlassen das kontrollierte Quellsystem nicht. Das ist besonders bei personenbezogenen oder vertraulichen Daten ein starkes Datenschutz-Argument. Der Preis: Die Performance hängt vom Quellsystem ab, und nicht jede Funktion ist im Live-Modus verfügbar. Planung auf Live-Daten hat je nach Quelle eigene Anforderungen.
Der Import lädt die Daten in das Modell von SAC. Vorteile: hohe Performance für die Nutzer, volle Funktionsverfügbarkeit, Unabhängigkeit von der Last des Quellsystems. Der Preis: Es entsteht eine Datenkopie, die aktualisiert werden muss, und diese Kopie ist datenschutzrechtlich gesondert zu betrachten. In der Praxis bewährt sich häufig ein gemischter Ansatz – Live dort, wo Aktualität und Datenschutz im Vordergrund stehen, Import dort, wo Performance und Funktionsumfang zählen.
Aus unseren Datenprojekten hat sich ein bewährtes Vorgehen herausgebildet, das den Einstieg in SAC beherrschbar hält.
Viele mittelständische Unternehmen im DACH-Raum betreiben seit Jahren SAP-Systeme – für Warenwirtschaft, Finanzbuchhaltung, Produktion oder Logistik. Ihre wertvollsten Daten liegen bereits dort. Für diese Unternehmen ist der entscheidende Vorteil von SAC, dass es diese Daten unmittelbar versteht und über Live-Verbindungen kopierfrei anbinden kann. Statt Daten mühsam in ein herstellerfremdes Werkzeug zu überführen und dort neu zu modellieren, sitzt SAC direkt auf der vorhandenen SAP-Datengrundlage auf.
Gerade im Zuge der Umstellung auf SAP S/4HANA, die viele Mittelständler ohnehin durchlaufen, stellt sich die Frage nach dem passenden Analyse-Frontend neu. SAC ist hier die naheliegende Antwort im SAP-Ökosystem – zumal SAP die Plattform strategisch als das Analyse-Frontend seiner modernen Datenstrategie positioniert. Wer diese Migration ohnehin plant, sollte SAC frühzeitig in die Überlegungen einbeziehen.
In unseren Projekten begegnen uns immer wieder ähnliche Muster, in denen SAC im Mittelstand konkreten Nutzen stiftet:
Gerade in mittelständischen Organisationen, wo wenige Personen viele Rollen tragen, ist ein fokussiertes Vorgehen entscheidend. Der häufigste Fehler ist, zu breit zu starten und zu viele Fachbereiche gleichzeitig bedienen zu wollen. Erfolgreicher ist ein klar umrissener erster Anwendungsfall, der schnell sichtbaren Wert liefert, Akzeptanz schafft und aus dem heraus die Plattform organisch wächst.
Für Unternehmen ohne SAP-Bezug ist die Bewertung differenzierter. Zwar kann SAC auch Nicht-SAP-Quellen anbinden, doch die charakteristischen Vorteile – die kopierfreie Live-Anbindung, das unmittelbare Verständnis der Datenmodelle – greifen dann weniger. In solchen Fällen konkurriert SAC direkt mit Power BI, Tableau oder Jedox, und die Entscheidung sollte ergebnisoffen anhand des konkreten Bedarfs fallen. Genau diese ehrliche Vorab-Bewertung ist der Kern seriöser Beratung.
SAC wird als Cloud-Dienst über Lizenzen abgerechnet, die sich üblicherweise an der Zahl und Art der Nutzer orientieren – häufig unterschieden nach reinen Betrachtern von Berichten und aktiven Anwendern, die planen und modellieren. Zusätzlich spielen Faktoren wie der gewählte Funktionsumfang und das genutzte Datenvolumen eine Rolle. Die konkreten Preise hängen von Vertrag, Volumen, Laufzeit und der Gesamtbeziehung zu SAP ab und sind Verhandlungssache.
Wichtiger als jede genannte Zahl ist das Verständnis der Kostentreiber: Die Zahl der aktiven Planer und Modellierer, das angebundene Datenvolumen und der gewünschte Funktionsumfang bestimmen wesentlich, wie sich die Kosten entwickeln. Eine saubere Lizenzplanung – wer braucht wirklich eine Voll-Lizenz, wer nur Leserechte – ist der wirksamste Hebel zur Kostenkontrolle. Aus unserer Sicht lohnt es sich, den Nutzerkreis und seine tatsächlichen Anforderungen vor Vertragsabschluss genau zu analysieren.
Beim Datenschutz spielt SAC einen strukturellen Vorteil aus, der viele US-amerikanische Wettbewerber differenziert: SAP ist ein deutsches Unternehmen mit Sitz in Walldorf und unterliegt damit europäischem Recht. Für SAC bietet SAP Rechenzentren innerhalb der Europäischen Union an, sodass die Daten physisch in Europa verbleiben können. Für Organisationen mit hohen Anforderungen an Datenhoheit und digitale Souveränität – etwa im öffentlichen Sektor, im Gesundheitswesen oder bei kritischer Infrastruktur – ist dies ein gewichtiges Argument.
Der Kontrast zu US-Anbietern ist relevant: Werkzeuge wie Power BI oder Tableau bieten zwar ebenfalls EU-Regionen an, gehören aber zu US-Konzernen und unterliegen damit potenziell US-amerikanischem Recht – ein Punkt, der seit den Schrems-Urteilen und der Diskussion um den US Cloud Act kontrovers bewertet wird. Bei SAC als europäischem Anbieter stellt sich diese Drittland-Frage in dieser Schärfe nicht. Das reduziert die datenschutzrechtliche Komplexität spürbar.
Ein oft unterschätzter Datenschutz-Aspekt ist die Wahl der Datenanbindung. Der bereits beschriebene Live-Modus ist datenschutzrechtlich besonders attraktiv, weil die Daten das kontrollierte Quellsystem gar nicht verlassen: SAC fragt sie nur ab und stellt Ergebnisse dar, ohne eine dauerhafte Kopie in der Cloud zu halten. Bei sensiblen Finanz-, Personal- oder Kundendaten ist das ein starkes Argument, das die datenschutzrechtliche Betrachtung vereinfacht.
Wo Daten importiert werden, entsteht dagegen eine Kopie in SAC, die gesondert zu betrachten ist – hinsichtlich Speicherort, Zugriffsrechten, Löschkonzept und Verzeichnis der Verarbeitungstätigkeiten. Auch hier gilt die Grundregel der Datenminimierung: Nur die wirklich benötigten Daten sollten übertragen werden, personenbezogene Daten im Zweifel pseudonymisiert.
