Home Data Warehousing Core Data Service (CDS) Views im SAP Business Warehouse

Core Data Service (CDS) Views im SAP Business Warehouse

Wiki Was sind CDS views

Der Wiki-Artikel bietet eine Einführung in SAP Core Data Services (CDS) und deren Bedeutung für die Datenmodellierung in SAP S/4HANA. CDS-Views ermöglichen die Definition und Nutzung semantischer, virtueller Datenmodelle (VDM), die sowohl für Geschäftsprozesse als auch für Analysen verwendet werden. Diese Modelle reduzieren durch die Ausführung von Berechnungen auf der Datenbank die Laufzeit und vereinfachen das Applikations-Coding. Der Artikel erklärt die Rolle von CDS-Views in SAP S/4HANA Embedded Analytics, sowie deren Nutzung zur Datenextraktion im SAP BW/4HANA. Darüber hinaus beleuchtet er die Herausforderungen bei der Verwendung nicht freigegebener CDS-Views und gibt Tipps zur Auffindbarkeit von CDS-Views in SAP-Systemen.

1. CDS-was?

Als ich das erste Mal von CDS-Views hörte, dachte ich «hm, schon wieder eine weitere dreistellige Abkürzung von SAP …». Auch mit den drei Wörtern «Core Data Service» konnte ich nicht viel anfangen; also versuchte ich zu verstehen, was dahintersteckt.

2. Virtuelles Datenmodell

Ein ABAP Core Data Service ist eine SAP konforme Infrastruktur, mit der semantische Datenmodelle (hier gibt man Daten eine geschäfts- bzw. prozessrelevante Bedeutung) definiert und konsumiert werden können. Man spricht hier auch von virtuellen Datenmodellen (VDM).
VDMs sind die Grundlage von SAP S/4 HANA und werden sowohl von Geschäftsprozessen als auch Analytics genutzt, um Daten für verschiedene Reporting-Front-Ends zu liefern. Bei den CDS-Views werden intensive Berechnungen auf der Datenbank ausgeführt, was die Ausführungszeit reduziert und das Application-Coding vereinfacht.
Vor allem im Bereich SAP S/4HANA Embedded Analytics spielen virtuelle Datenmodelle eine grosse Rolle, da sie in Echtzeit und ohne Datenreplikation Businessprozess-Informationen liefern, ohne dass der Anwender über ein detailliertes Wissen der Datenstrukturen verfügen muss.

3. Einsatzbereiche von Core Data Service Views

Ein weiterer Einsatzbereich von CDS-Views ist die Datenextraktion nach SAP-BW.
So ist es in BW/4HANA und S/4HANA möglich, die bekannten LIS-Extraktoren, z. B. im Bereich SD-Sales, Billing und Conditions, durch CDS-View-Extraktoren abzulösen. Das bringt einige Vorteile mit sich: Wer das aufwendige Füllen von Set-up-Tabellen zur Initialisierung des BW-Datenlayers kennt (plus System-Block!), der weiss, wovon ich spreche – nicht zu vergessen auch das aufwendige Anreichern der LIS-Extraktoren mit neuen Feldern bei einem schon produktiv laufenden Extraktionsprozess.

4. Freigegeben oder nicht freigegeben? – das ist hier die Frage!

SAP S/4HANA bringt mehr als 42000 CDS-Views mit sich. Jedoch sind 90 % davon von SAP nicht zur Weiterverwendung freigegeben, d. h. diese VDMs können sich in Zukunft ändern – ähnlich wie bei nicht freigegebenen Funktionsbausteinen. Ob man diese nun nutzt oder nicht, gilt es im jeweiligen Fall abzuwägen. Da CDS-Views oft verschachtelt sind und auf verschiedenen Views aufbauen, kann die Gesamtstruktur über mehrere Stufen gehen und entsprechend komplex werden.

5. Wie lässt sich eine vorhandene Core Data Service View finden?

Um Core Data Views zu finden, gibt es verschiedene Vorgehensweisen. In SAP Fiori gibt es z. B. eine Kachel, welche eine Liste der Views ausgibt. Wenn man z. B. in Erfahrung bringen möchte, welche SAP-Tabellen in welchen CDS-Views landen, kann man das aber auch über den Transaktionscode SE11 in S/4 und den Verwendungsnachweis erreichen.

6. Core Data Service View – Komponenten

Hier eine kurze Übersicht über die vorhandenen Domain-spezifischen Sprachen und Services, um Datenmodelle semantisch zu definieren und Daten zu konsumieren:

7. CDS-View- Typen

Interface-View (I_*)

Dient als Basis für Consumption- Views

    • Master-View (Master, Text, Hierarchie)
    • Transaction-View
    • Data-Source-View

 

Consumption-View (C_*)

Mit dieser View können Applikationen mit Daten versorgt werden, z.B. Queries in Analysis for Office, Fiori-Tiles, SAP Analytics Cloud Models und Stories. Diese Art Views können auf folgende Weise Daten propagieren:

    • via ODATA-Service
    • via InA-Service

 

8. Consumption-View als Quelle für SAP Analytics Cloud

Eine Consumption-View, wie z. B. C_FinStmntComparison, mit der man eine Gewinn- und Verlustrechnung sowie Bilanz-Struktur abbilden kann, kann ebenfalls über eine direkte Live-Connection S/4HANA zu SAP Analytics Cloud genutzt werden (Voraussetzung ist ein OData-Service auf der View), um damit ein Model und eine Story zu erstellen.
Grosser Vorteil hier: Echtzeitdaten ohne Replikation oder Datenloads direkt in einem ansprechenden Dashboard.
Vom Begriff «View» sollte man sich nicht irreleiten lassen und vorschnell auf eine Kombination von Tabelle u/o View schliessen. Eine Consumption-View ist eher als Query oder Frontend-Objekt zu betrachten.

9. Transient Provider

Ein Transient Provider – manchmal auch Transient Query genannt – ist ein Konstrukt, welches sich z. B. aus zwei CDS-Views ergeben kann. Dabei muss die erste CDS-View [A] u. a. mit der Annotation «@Analytics.dataCategory: #CUBE» definiert werden. Die zweite CDS-View [B] selektiert die Daten aus [A] und muss die Annotation «@Analytics.query: true» enthalten. Dieser Transient Provider kann dann im Analysis-for-Office konsumiert werden.

Dies ist nur ein kleiner Ausschnitt davon, was mit CDS-Views möglich ist und soll als erste Einführung dienen. Die Einsatzfelder sind sehr vielfältig und reichen bis in SAP’s neueste Plattformtechnologien (SAP Business Process Technology).

Mehr wissen?

Sie möchten tiefer in dieses Thema einsteigen? Dann freuen wir uns, Ihnen alle Vorteile der CDS-Views persönlich zu präsentieren – sehr gerne auch kombiniert mit Details zu weiteren Funktionen der SAP Datasphere. Nehmen Sie einfach Kontakt mit uns auf!

Christiane Maria Kallfass ist Recruiting- und Marketing Specialist bei der s-peers AG
Christiane Grimm
Inside Sales

Published by:

Sven Knöpfler

Head of Technology

autor:IN

Wie hat Ihnen der Artikel gefallen?

Wie hilfreich war dieser Beitrag?

Klicken Sie auf einen Stern, um zu bewerten!

Durchschnittliche Bewertung 3.7 / 5.
Anzahl Bewertungen: 22

Bislang keine Stimmen! Seien Sie die erste Person, die diesen Beitrag bewertet!

INFORMATIONEN

Weitere Informationen

SAP BDC Zero-Copy und Data Engineering mit Databricks

Hybride Datenplattform aus SAP Business Data Cloud und Databricks: Zero-Copy Delta Sharing und Medallion Architecture

Wie lassen sich SAP Data Products ausserhalb der SAP Business Data Cloud (BDC) in Databricks nutzen? Dieses Wiki erklärt...
S4 Daten in Databricks inklusive Semantik

SAP S/4HANA und Databricks verbinden: Daten und Semantik gemeinsam integrieren

Wie gelangen SAP S/4HANA-Daten in die SAP Business Data Cloud (BDC)? Dieses Wiki erklärt das Zusammenspiel von CDS-Views, fachlicher...
wiki-ai-readiness-1 (1)

Drei Engines, eine Wahrheit: Ein semantisches Modell für SAP Datasphere, Databricks und Power BI

Drei Engines, eine Kennzahl: Wie schaffen SAP Datasphere, Databricks und Power BI einen gemeinsamen fachlichen Nenner? Dieses Wiki zeigt...

SAP Sapphire 2026 Glossar: Joule, AI-Agenten & Autonomous Enterprise einfach erklärt

Joule, AI-Agenten, Autonomous Enterprise, A2A-Protokoll – alle neuen SAP-Begriffe der Sapphire 2026 auf einen Blick. Jetzt im s-peers-Glossar nachschlagen.
Wiki Big Query SAP Warehousing

Google BigQuery vs. SAP BW: Zwei Data-Warehouse-Lösungen im Vergleich

In diesem Wiki-Artikel werden zwei führende Lösungen für die Datenverwaltung und -analyse in der modernen datengetriebenen Welt vorgestellt: Google...
AI Transformation und Behavioral Economics Warum Menschen sich (oft) nicht verändern wollen

AI Transformation und Behavioral Economics: Warum Menschen sich (oft) nicht verändern wollen

In diesem Wiki beleuchtet Yvonne aus der Perspektive der Verhaltensökonomie, warum Veränderungen in Unternehmen so schwerfallen. Warum handeln Menschen...
Ai-adoption-erfolgsfaktoren-change-management

Was treibt AI Adoption in Unternehmen wirklich an? 6 Faktoren, die über Erfolg oder Scheitern entscheiden.

In diesem Wiki geht es darum, warum Change selten an der Technologie scheitert, sondern an psychologischen Mustern und wie...