La propuesta incorpora capacidades de Dremio, una integración más amplia con Databricks, gestión de datos maestros con Reltio, nuevas funciones en SAP Knowledge Graph y una familia de modelos especializados en información estructurada.
El movimiento responde a un problema que adquiere mayor peso a medida que la IA pasa de generar respuestas a intervenir en procesos empresariales. Los datos que necesita una aplicación pueden residir simultáneamente en S/4HANA, sistemas de recursos humanos, plataformas de fabricación, bases de datos externas o entornos locales. Consultarlos no resuelve por sí solo la dificultad: también es necesario preservar qué representa cada dato, cómo se relaciona con otros y bajo qué reglas puede utilizarse.
SAP plantea Business Data Cloud como la capa que debe resolver esas relaciones antes de que tengan que reconstruirse en cada interacción con un modelo. La estrategia combina acceso federado, productos de datos gestionados, armonización de maestros y semántica empresarial con modelos orientados específicamente a tablas, series temporales y decisiones.
Dremio amplía la arquitectura lakehouse de Business Data Cloud
Uno de los cambios principales presentados en SAP TechEd afecta al lakehouse de Business Data Cloud. SAP incorporará tecnología de Dremio como motor adicional junto a SAP HANA Cloud para consultar información distribuida entre diferentes plataformas.
Dremio aporta soporte nativo para Apache Iceberg, un catálogo basado en Apache Polaris y un motor SQL distribuido capaz de acceder a distintos catálogos lakehouse y bases de datos relacionales. La finalidad es ejecutar consultas sobre datos que permanecen en sus sistemas de origen, reduciendo la necesidad de copiar información hacia una plataforma central antes de utilizarla.
SAP ya trabaja con Delta Lake y añade ahora soporte para Apache Iceberg, ampliando el uso de estándares abiertos dentro de su arquitectura de datos. La disponibilidad general de las nuevas capacidades lakehouse está prevista para el primer trimestre de 2027.
La compañía argumenta que esta aproximación puede reducir uno de los costes habituales de las arquitecturas analíticas empresariales: mantener múltiples procesos de extracción, transformación y carga para replicar información entre sistemas. También permite que los cambios realizados en las fuentes se reflejen sin reconstruir necesariamente una copia completa del conjunto de datos.
Durante la keynote de TechEd, SAP presentó resultados propios del benchmark TPC-DS en los que Dremio completó determinadas cargas sobre un terabyte de información hasta un 47% más rápido y con un coste hasta un 58% inferior al de otras plataformas comparables utilizando el mismo hardware. SAP no identificó en la presentación las plataformas utilizadas en la comparación, por lo que estas cifras corresponden a pruebas realizadas por la propia compañía.
Más allá del rendimiento, el cambio refleja una arquitectura de datos más heterogénea que la que tradicionalmente ha caracterizado a SAP. Business Data Cloud combinará diferentes motores de almacenamiento y proceso dentro de una misma capa, en lugar de exigir que todas las cargas pasen por una tecnología única.
SAP prevé además distribuir progresivamente más de 850 productos de datos administrados por la compañía. Estos productos incorporan modelos y semántica procedentes de las aplicaciones SAP y pueden utilizarse sin que cada cliente tenga que reconstruir desde cero las relaciones entre tablas y procesos.
SAP amplía la integración con Databricks
La segunda parte de la estrategia pasa por una integración más profunda con Databricks. SAP anunció que incorporará un conjunto más amplio de capacidades de su socio dentro de SAP Databricks, disponible como parte de Business Data Cloud.
La ampliación incluye Lakeflow para ingeniería e ingesta de datos, Agent Bricks para desarrollar sistemas de IA, Unity Gateway, Lakebase y Genie. SAP también trabaja en una integración entre Joule y Genie para que ambos sistemas puedan intercambiar datos y contexto bajo las políticas de acceso definidas por el cliente.
La colaboración incorpora además SAP Application Data Foundation, orientado a conectar con información que todavía reside en sistemas empresariales locales. Durante TechEd, Databricks citó expresamente ECC, BW y S/4HANA como fuentes cuya información podrá llevarse a Business Data Cloud y SAP Databricks.
Este punto resulta especialmente relevante para empresas con arquitecturas híbridas. Muchos clientes de SAP mantienen parte de sus sistemas críticos on-premise mientras trasladan otras cargas a servicios cloud. La capacidad de utilizar esos datos desde nuevas aplicaciones de analítica o IA sin completar previamente toda la migración puede reducir la dependencia entre ambos procesos de transformación.
La integración de Databricks también amplía el abanico de herramientas disponibles dentro de Business Data Cloud. HANA Cloud conserva las capacidades específicas de SAP, mientras Dremio proporciona consulta federada y Databricks aporta entornos de ingeniería de datos, aprendizaje automático e IA.
Reltio resuelve las inconsistencias entre datos maestros
La posibilidad de consultar múltiples fuentes introduce otro problema: una misma entidad puede estar representada de forma diferente en cada sistema. Un proveedor, producto, cliente o centro de coste puede tener identificadores y atributos distintos según la aplicación desde la que se consulte.
SAP está incorporando Reltio a Business Data Cloud para abordar esta fragmentación de los datos maestros. La solución permite identificar registros potencialmente duplicados, comparar sus atributos y crear una representación consolidada que mantiene la trazabilidad hacia las fuentes originales.
Las capacidades de SAP Reltio para crear productos de datos unificados están previstas para el primer trimestre de 2027 y complementarán SAP Master Data Governance dentro de Business Data Cloud.
El objetivo es que esas entidades consolidadas puedan reutilizarse posteriormente desde aplicaciones, analítica y sistemas de IA sin repetir el mismo proceso de reconciliación en cada proyecto.
Joule Studio incorporará además un agente para crear nuevos productos de datos. A partir de una descripción de la necesidad, la herramienta podrá localizar conjuntos existentes dentro de la plataforma, proponer combinaciones y generar un producto derivado destinado a un determinado escenario empresarial.
La automatización no elimina las decisiones sobre calidad, acceso o modelado, pero modifica el punto desde el que comienza el trabajo. En lugar de construir manualmente cada integración, SAP pretende que buena parte de la información ya esté disponible como activos reutilizables.
Knowledge Graph incorporará el modelo específico de cada empresa
La capa semántica también cambia. SAP Knowledge Graph se ha construido hasta ahora principalmente a partir de los modelos estándar de las aplicaciones de la compañía. Las nuevas capacidades permitirán incorporar elementos específicos de cada cliente.
SAP prevé añadir datos procedentes de productos gestionados por la compañía y por los propios clientes, extensiones de aplicaciones y fuentes SAP y no SAP. La disponibilidad general de estas funciones está prevista para el primer trimestre de 2027.
Este cambio resulta importante porque el modelo estándar de una aplicación rara vez describe por completo el funcionamiento real de una organización. Las empresas incorporan durante años campos personalizados, extensiones y objetos propios que alteran las relaciones entre datos y procesos.
La intención es que SAP Knowledge Graph pueda representar también esa capa particular para que las aplicaciones de IA dispongan de un mapa más preciso del entorno en el que operan.
SAP ha presentado además Business Data Cloud Ontology Manager, una herramienta destinada a construir ontologías específicas para dominios, sectores o procesos. La solución soporta estándares como RDF, OWL y SHACL y permite definir relaciones, reglas y conceptos adicionales sobre los datos disponibles.
La guía de innovación de SAP sitúa el inicio de su fase beta en noviembre de 2026.
SAP lleva sus modelos propios al dato estructurado
La reorganización de Business Data Cloud coincide con una ampliación de los modelos de IA desarrollados por SAP para trabajar con información tabular.
La compañía mantiene acceso a más de 70 modelos de diferentes proveedores en su plataforma, pero sostiene que los grandes modelos de lenguaje no cubren de forma eficiente todas las necesidades empresariales. Buena parte de la información utilizada en planificación, inventarios, finanzas, mantenimiento o producción reside en tablas y series temporales.
SAP-RPT-TS, disponible actualmente, está orientado a realizar previsiones sobre métricas indexadas en el tiempo sin desarrollar un modelo específico para cada escenario. SAP lo plantea para casos como previsión de demanda en Integrated Business Planning, evolución de costes o mantenimiento predictivo.
SAP-RPT-Decisions se dirige a decisiones discretas dentro de procesos de negocio, como aprobar un pedido, seleccionar una ruta de autorización o responder a una excepción en la cadena de suministro. Su disponibilidad general está prevista para el cuarto trimestre de 2026.
SAP-RPT-2, previsto para el primer trimestre de 2027, añade detección de anomalías y valores atípicos, embeddings para análisis de datos estructurados y soporte nativo para múltiples tablas.
Esta última capacidad aborda otra limitación habitual en los proyectos de aprendizaje automático. Para trabajar con información distribuida entre varias tablas, los equipos suelen tener que preparar previamente conjuntos simplificados o realizar trabajo adicional de ingeniería de características. SAP sostiene que el procesamiento multitabla reducirá parte de ese esfuerzo, aunque el impacto dependerá del modelo de datos y de cada escenario.
Business Data Cloud adquiere así un papel más amplio dentro de la estrategia tecnológica de SAP. La plataforma combina acceso a datos distribuidos, reconciliación de entidades, semántica empresarial y modelos especializados para que las nuevas aplicaciones de IA operen sobre información que conserve sus relaciones y reglas de negocio. Una parte relevante de esta arquitectura llegará durante el primer trimestre de 2027, por lo que SAP TechEd 2026 dibuja tanto las capacidades disponibles actualmente como la configuración que la compañía quiere consolidar durante los próximos meses.
