Was ist ein SAP Analytics Cloud Model?
Ein SAP Analytics Cloud Model bildet die strukturierte Datenbasis für Analysen, Reporting und Planung. Es organisiert Geschäftsdaten mithilfe von Dimensionen, Measures, Hierarchien und weiteren Modellierungsfunktionen und stellt sie beispielsweise für Stories oder den Data Analyzer bereit.

Welche Modelltypen gibt es in SAP Analytics Cloud?
SAP Analytics Cloud unterscheidet verschiedene Modelle abhängig vom Anwendungsfall und von der Datenhaltung. Dazu gehören unter anderem analytische und planungsfähige Modelle sowie Acquired Models, Live Remote Models, Live Data Access Models und Seamless Planning Models. Einen Überblick über die Modellierung bietet der TITECON-Beitrag zum SAC Model. Die aktuelle technische Einordnung findet sich außerdem in der SAP-Dokumentation zu SAC Models.

Was ist der Unterschied zwischen einem Import Model und einem Live Model?
Bei einem Import beziehungsweise Acquired Model werden Daten in SAP Analytics Cloud geladen und dort gespeichert. Bei einer Live-Anbindung verbleiben die Daten dagegen im Quellsystem und werden für die Analyse abgerufen. Welche Variante besser geeignet ist, hängt unter anderem von Aktualität, Performance, Sicherheit und Anwendungsfall ab. Einen ausführlichen Vergleich bietet der Beitrag zu den SAP Analytics Cloud Connections.

Was ist der Unterschied zwischen einem analytischen Modell und einem Planungsmodell?
Ein analytisches Modell dient primär der Analyse und Auswertung von Daten. Ein Planungsmodell erweitert die Modellierung um planungsspezifische Funktionen wie Versionen, Dateneingabe und Planungslogiken. Mehr zu diesen Funktionen finden Sie unter SAP Analytics Cloud Planning.

Welche Komponenten gehören zu einem SAC Model?
Ein SAC Model besteht unter anderem aus Dimensionen, Measures, Attributen und Hierarchien. Je nach Modell kommen beispielsweise Zeit-, Versions-, Konto- oder Organisationsdimensionen sowie Währungen und Einheiten hinzu. SAP beschreibt die grundlegende Struktur ausführlich unter Dimensions and Measures.

Was ist eine Dimension in SAP Analytics Cloud?
Dimensionen beschreiben die Merkmale der Daten, beispielsweise Produkte, Kunden, Regionen, Kostenstellen oder Zeiträume. Zusammen mit Measures ermöglichen sie das Filtern, Gruppieren und Strukturieren von Unternehmensdaten. Mehr zu Dimensionen und ihrer Rolle im Datenmodell finden Sie im Beitrag zum SAC Model sowie in der SAP-Dokumentation zu Dimensionen und Measures.

Was ist der Unterschied zwischen öffentlichen und privaten Dimensionen?
Private Dimensionen gehören zu einem einzelnen Modell. Öffentliche Dimensionen können dagegen zentral verwaltet und in mehreren SAC Models wiederverwendet werden. Dadurch lassen sich beispielsweise einheitliche Organisations-, Produkt- oder Kontenstrukturen modellübergreifend einsetzen. Mehr dazu finden Sie im TITECON-Beitrag zur SAC-Modellierung und in der SAP-Dokumentation zur Verwaltung von Dimensionen.

Was sind Attribute in einem SAC Model?
Attribute ergänzen Dimensionselemente um zusätzliche Informationen. Einer Produktdimension können beispielsweise Produktgruppe, Marke oder Kategorie zugeordnet werden. Dadurch entstehen zusätzliche Möglichkeiten zum Filtern und Analysieren. SAP erläutert die Verwendung unter Dimension Attributes and Properties.

Was sind Measures?
Measures sind numerische Kennzahlen wie Umsatz, Absatz, Kosten oder Gewinn. Sie bilden die quantitative Grundlage für Analysen und können innerhalb eines SAC Models unter anderem aggregiert, berechnet oder eingeschränkt werden.

Was sind berechnete und eingeschränkte Measures?
Berechnete Measures leiten neue Kennzahlen mithilfe von Formeln aus bestehenden Daten ab. Restricted Measures begrenzen Kennzahlen dagegen auf bestimmte Dimensionswerte oder Bedingungen. Auch die Berechnungsmöglichkeiten werden regelmäßig erweitert, wie beispielsweise im SAP Analytics Cloud Q1 2026 Update und im Q3 2026 Update beschrieben.

Was sind Hierarchien in SAP Analytics Cloud?
Hierarchien strukturieren Dimensionselemente über mehrere Ebenen und ermöglichen Drill-down- und Roll-up-Analysen. Beispielsweise kann eine geografische Struktur von Region über Land bis zur einzelnen Niederlassung aufgebaut werden. Hierarchien sind damit ein wichtiger Bestandteil eines gut strukturierten SAC Models. SAP beschreibt ihre Verwaltung ebenfalls in der Dokumentation zu Dimensionen.

Welche Datenquellen können mit einem SAC Model verbunden werden?
SAP Analytics Cloud kann mit zahlreichen SAP- und Non-SAP-Datenquellen verbunden werden. Dazu zählen unter anderem SAP S/4HANA, SAP BW/4HANA, SAP HANA und SAP Datasphere sowie verschiedene Datenbanken und weitere externe Quellen. Die unterschiedlichen Möglichkeiten und die Entscheidung zwischen Live- und Importverbindung werden im Beitrag zu den SAP Analytics Cloud Connections ausführlich erklärt.

Wie arbeiten SAP Datasphere und SAC Models zusammen?
SAP Datasphere kann als zentrale Datenintegrations- und Modellierungsschicht für SAP Analytics Cloud eingesetzt werden. Datenmodelle aus Datasphere können anschließend für Analysen und Reporting in SAC genutzt werden. Mit Live Data Access und Seamless Planning wird die Integration zwischen beiden Plattformen zusätzlich vertieft.

Was ist Seamless Planning?
Seamless Planning verbindet die Planungsfunktionen der SAP Analytics Cloud enger mit SAP Datasphere. Die Daten können dabei in SAP Datasphere gespeichert werden, während SAC für Modellierung und Planungsprozesse eingesetzt wird. Aktuelle Modellierungsverbesserungen rund um Seamless Planning beschreibt unter anderem das SAP Analytics Cloud Q3 2026 Update.

Wie werden SAC Models für Reporting verwendet?
Das Datenmodell legt fest, welche Dimensionen, Measures, Hierarchien und Berechnungen einem Bericht zur Verfügung stehen. Ein konsistentes Modell bildet deshalb die technische Grundlage für performante und einheitliche Berichte. Mehr dazu finden Sie unter SAC Reporting.

Können SAC Models in mehreren Stories verwendet werden?
Ja. Ein zentral aufgebautes Modell kann als Datenbasis für unterschiedliche Berichte und Dashboards eingesetzt werden. Dadurch können Dimensionen und Kennzahlendefinitionen wiederverwendet werden. Wie diese Daten anschließend visualisiert werden, beschreibt der Beitrag zu SAP Analytics Cloud Stories.

Können SAC Models im Data Analyzer verwendet werden?
Ja. Der SAP Analytics Cloud Data Analyzer ermöglicht flexible Ad-hoc-Analysen auf geeigneten Modellen und Datenquellen. Anwender können Dimensionen und Measures selbst anordnen, filtern und analysieren, ohne dafür eine neue Story erstellen zu müssen.

Können SAC Models in Excel verwendet werden?
Über das SAP Analytics Cloud Excel Add-In können Daten aus unterstützten SAC Models direkt in Microsoft Excel analysiert und – abhängig vom Modell und Anwendungsfall – auch für Planungsprozesse genutzt werden. Die Verbindung zu SAC bleibt dabei erhalten.

Wie verbessert man die Performance eines SAC Models?
Eine gute Modellperformance wird unter anderem durch eine geeignete Granularität, eine klare Dimensionsstruktur und die Vermeidung unnötiger Komplexität unterstützt. Auch Datenvolumen, Berechnungen und die verwendete Datenquelle beeinflussen die Performance. Weitere Best Practices beschreibt TITECON im Beitrag zum SAC Model.

Wie werden Datenzugriffe in einem SAC Model gesteuert?
Neben Rollen und Objektberechtigungen kann in SAP Analytics Cloud die Data Access Control eingesetzt werden. Damit lassen sich Lese- und Schreibrechte auf Ebene einzelner Dimensionselemente definieren. SAP beschreibt die Einrichtung detailliert unter Set Up Data Access Control.