SAP-Testdaten anonymisieren und die referenzielle Integrität erhalten
Das Wichtigste in Kürze
In vielen SAP-Testsystemen (S/4HANA, ECC, BW) liegen echte Produktionsdaten. Für sie gelten dieselben DSGVO-Pflichten wie in der Produktion.
Anonymisierung muss die referenzielle Integrität erhalten: Dieselbe Person bekommt in allen Tabellen, Modulen und angebundenen Systemen denselben Ersatzwert.
Der Weg führt über vier Schritte: personenbezogene Daten finden, Regeln je Feld festlegen, deterministisch anonymisieren und die Konsistenz über Systemgrenzen hinweg prüfen.
SAP TDMS ist eingestellt und nicht S/4HANA-fähig. Synthetische Daten bilden die Komplexität produktiver SAP-Daten nicht ab.
Eine unbequeme Wahrheit über SAP-Testumgebungen: In den meisten Unternehmen, die heute S/4HANA, ECC oder BW betreiben, liegen echte Produktionsdaten in den QA-Systemen. Das liegt nicht an nachlässigen Teams. Diese Daten zu anonymisieren, ohne die komplexen Beziehungen in SAP zu zerstören, war lange schlicht schwierig. Dieser Artikel zeigt, wie es richtig geht und wie Maya AppSafe™ das umsetzt.
Warum ist die Anonymisierung von SAP-Testdaten Pflicht?
Personenbezogene Daten in SAP-Nicht-Produktivsystemen zu schützen, gehört zu den Erwartungen von DSGVO, DORA und einer wachsenden Zahl internationaler Regelwerke. Wer unveränderte Produktionskopien zum Testen nutzt, trägt ein messbares und prüfbares Risiko.
Das Risiko echter Produktionsdaten in Testsystemen
Jede SAP-Produktionskopie, die in eine QA-Umgebung wandert, bringt Tausende, manchmal Millionen echter Personendatensätze mit: Namen von Mitarbeitenden, IBANs von Kunden, Patientenkennungen, Kontakte von Lieferanten. All das landet in einem System mit lockereren Zugriffsrechten, geteilten Zugängen und ohne formalen Datenschutzrahmen.
Laut IBM Cost of a Data Breach Report 2024 kostet eine Datenpanne im Schnitt 4,88 Millionen US-Dollar. Nicht-Produktivsysteme gelten häufig als Ausgangspunkt solcher Vorfälle, gerade weil sie Daten in Produktionsqualität erhalten, aber keine Schutzmaßnahmen in Produktionsqualität. Das Risiko ist beziffert, prüfbar und für Aufsichtsbehörden zunehmend sichtbar.
DSGVO, DORA und die Frage der Prüfung
Nach der DSGVO gelten für personenbezogene Daten in Testumgebungen dieselben Pflichten wie in der Produktion. Erwägungsgrund 26 legt die entscheidende Schwelle fest: Die DSGVO gilt nur dann nicht, wenn Daten so anonymisiert sind, dass die betroffene Person nicht oder nicht mehr identifiziert werden kann. Einfaches Maskieren einzelner Felder erfüllt diesen Maßstab in der Regel nicht. Echte Anonymisierung, unumkehrbar und technisch belastbar, erfüllt ihn.
DORA gilt seit Januar 2025 für Finanzunternehmen in der EU und bringt eine weitere Dimension: Nicht-Produktivsysteme, die für Resilienztests genutzt werden, fallen nun in den Rahmen des operationellen Risikomanagements. Wie die Anforderungen von DSGVO und DORA für die eigenen Testdaten gelten, sollten Unternehmen mit ihrem Datenschutzbeauftragten oder ihrer Rechtsberatung klären. Wer keine anonymisierten Testumgebungen nachweisen kann, erlebt stockende Audits, und das bedeutet Projektverzögerungen, Nacharbeit und Reputationsrisiken.
Was bedeutet referenzielle Integrität bei SAP-Testdaten?
Referenzielle Integrität heißt: Anonymisierte Werte bleiben in allen Tabellen, Modulen und angebundenen Systemen konsistent, in denen dieselbe Entität vorkommt. Wird eine Kundin von „Maria Gruber“ zu „Anna Berger“, muss genau dieser Ersatzwert in jeder SAP-Tabelle jedes Moduls stehen, etwa in SD, FI, HR oder CRM, und in jedem angebundenen Nicht-SAP-System mit derselben Kennung. Fehlt diese Konsistenz, scheitern Integrationstests, und die Testumgebung verliert ihren eigentlichen Zweck.
Wie Konsistenz über SAP- und Nicht-SAP-Systeme funktioniert
Moderne SAP-Landschaften sind mit CRM-Plattformen, BW-Analyseumgebungen, Middleware und Drittanwendungen verbunden, die alle dieselben Kunden-, Mitarbeiter- oder Lieferantenkennungen tragen. Echte systemübergreifende Konsistenz verlangt, dass dieselbe Transformationslogik deterministisch in jedem verbundenen System angewendet wird, ob SAP S/4HANA, SAP BW, Salesforce oder eine relationale Datenbank. Sonst scheitern Integrationstests zwischen SAP- und Nicht-SAP-Systemen, selbst wenn jedes einzelne System für sich korrekt anonymisiert aussieht.
Wie anonymisiert man SAP-Testdaten, ohne die referenzielle Integrität zu zerstören?
Datenschutz für SAP-S/4HANA-Testdaten folgt einem festen Ablauf, der sich bei jeder Systemkopie wiederholt. Die folgenden vier Schritte entsprechen dem Vorgehen von Maya AppSafe™ in Unternehmensprojekten.
Schritt 1: Personenbezogene Daten per KI finden, auch in Z-Tabellen
Bevor anonymisiert wird, muss jedes Feld mit personenbezogenen Daten bekannt sein, in SAP-Standardtabellen ebenso wie in den kundeneigenen Z-Tabellen. Manuell ist das in dieser Größenordnung nicht machbar. AppSafe™ durchsucht alle angebundenen Tabellen und Datenbanken KI-gestützt und erkennt personenbezogene Daten automatisch, darunter Namen, IBANs, Steuernummern und unternehmensspezifische Kennungen in undokumentierten Strukturen. Das spart den manuellen Konfigurationsaufwand und schafft vom ersten Tag an eine verlässliche Grundlage für die Compliance. Wie die KI dahinter arbeitet, zeigt unser Benchmark zur PII-Erkennung in SAP.
Schritt 2: Anonymisierungsregeln je Feld festlegen
Die Regeln werden auf Feldebene definiert und zentral gespeichert. Eine Regel, die festlegt, wie Kundennamen ersetzt werden, gilt für jedes Vorkommen dieses Felds in allen Systemen. Je Anwendungsfall oder Umgebung können die Regeln unterschiedlich sein: DEV, TEST und QA können verschiedene Anonymisierungsstufen haben, während die referenzielle Integrität innerhalb jeder Umgebungsgruppe vollständig erhalten bleibt.
Schritt 3: Deterministisch anonymisieren mit Privacy-Enhancing Technologies
Hier leisten Privacy-Enhancing Technologies (PETs) die entscheidende Arbeit. Deterministische Anonymisierung stellt sicher, dass derselbe Eingangswert innerhalb eines festgelegten Bereichs immer denselben Ausgangswert ergibt, über jede Tabelle, jedes System und jeden Aktualisierungszyklus hinweg. Dafür braucht es weder einen zentralen Token-Tresor noch eine gespeicherte Zuordnung der ursprünglichen Kennungen. Die Konsistenz ergibt sich mathematisch aus dem PET-Verfahren selbst. Ob die Architektur zu Erwägungsgrund 26 der DSGVO passt, sollten Unternehmen mit ihrem Datenschutzbeauftragten prüfen.
Schritt 4: Konsistenz über Systeme mit Collaboration Groups prüfen
Mit den Collaboration Groups legt AppSafe™ fest, in welchen Grenzen systemübergreifende Konsistenz gilt. Systeme in derselben Gruppe, etwa eine S/4HANA-Kopie, das angebundene CRM und eine BW-Umgebung, anonymisieren gemeinsame Werte immer identisch. So lassen sich SAP- und Nicht-SAP-Systeme durchgängig gemeinsam testen, mit Datenbeziehungen wie in der Produktion und ohne personenbezogene Daten.
Worauf sollten Sie bei einem Tool für SAP-Testdaten achten?
Ein geeignetes Tool muss deterministische Konsistenz über Systeme hinweg, KI-gestützte Erkennung personenbezogener Daten, Audit-Protokolle und den vollständigen Umgang mit der Komplexität des SAP-Datenmodells bieten. Nicht jeder Ansatz erfüllt alle diese Punkte.
Ein Kriterium wird bei der Auswahl oft übersehen: die Skalierbarkeit über SAP hinaus. Unternehmenslandschaften wachsen. Eine neue Analyseplattform, ein weiteres CRM oder eine KI-Trainingspipeline im nächsten Quartal müssen sich ohne Umbau in dasselbe Anonymisierungs-Framework einfügen. Werkzeuge, die nur das SAP-Problem lösen, schaffen das nächste Datensilo. Die richtige Lösung deckt Ihre Architektur so ab, wie sie heute ist und wie sie sich entwickeln wird.
Warum SAP TDMS keine Option mehr ist
SAP Test Data Migration Server (TDMS) wurde von SAP eingestellt und ist nicht mit S/4HANA kompatibel, der Plattform, auf die die meisten großen Unternehmen gerade migrieren. Wer TDMS noch als Grundlage seines Testdatenmanagements betrachtet, braucht sofort eine Nachfolgestrategie. Der Markt für TDMS-Alternativen ist deutlich gereift, und die Anforderungen an Datenschutz und referenzielle Integrität in modernen SAP-Landschaften gehen weit über das hinaus, wofür TDMS je gebaut wurde.
Synthetische Daten oder anonymisierte Produktionskopien?
Synthetische Daten haben ihre Berechtigung, vor allem dort, wo noch gar keine Daten existieren. Für Funktions- und Integrationstests in SAP reichen sie aber regelmäßig nicht aus, weil sie die tatsächliche Komplexität produktiver Geschäftsdaten nicht abbilden. Jahre an Sonderfällen, kundenspezifischen Einstellungen, historischen Buchungen und verschachtelten Abhängigkeiten kann kein Generator vollständig nachbauen. Tests, die mit synthetischen Daten bestehen, scheitern oft an realen Szenarien. Korrekt und deterministisch anonymisierte Produktionskopien liefern dagegen Realitätsnähe wie in der Produktion und einen Datenschutz, der an der DSGVO ausgerichtet ist. Den ausführlichen Vergleich lesen Sie in Anonymisierte oder synthetische Daten.
Wie erhält Maya AppSafe™ die referenzielle Integrität?
AppSafe™ ist genau für diese Aufgabe gebaut: referenzielle Integrität über SAP und weitere Systeme hinweg, mit Blick auf die besondere Komplexität des SAP-Datenmodells.
AppSafe™ ist das Produkt von Maya Data Privacy für die Anonymisierung von Anwendungsdaten. Es unterstützt SAP S/4HANA, ECC, BW, CRM, SuccessFactors, Ariba, HCM sowie Nicht-SAP-Systeme und ist im SAP Store gelistet, nach Validierung durch SAP. Es nutzt deterministische Privacy-Enhancing Technologies, um Daten in allen verbundenen Systemen konsistent zu anonymisieren, ohne ursprüngliche Kennungen zentral zu speichern.
Maya Data Privacy (mayadataprivacy.eu) ist eine europäische Plattform für Privacy-Enhancing Technologies. Unternehmen anonymisieren damit Produktionsdaten in SAP- und Nicht-SAP-Systemen bei voller referenzieller Integrität, und die gesamte Verarbeitung läuft in der eigenen Infrastruktur des Kunden.
Deterministische Anonymisierung: gleicher Eingang, gleiches Ergebnis
Die referenzielle Integrität beruht auf deterministischer Anonymisierung. Jeder Wert ergibt innerhalb seiner Collaboration Group immer denselben Ersatzwert, in jedem System, jeder Tabelle und bei jeder Aktualisierung. Es entsteht keine Zuordnungstabelle, und keine ursprüngliche Kennung wird gespeichert. Eine Kundin, die in 47 SAP-Tabellen und drei Nicht-SAP-Systemen vorkommt, trägt an allen 50 Stellen dieselbe anonymisierte Identität. Geschäftsprozesse lassen sich so durchgängig und mit verlässlich konsistenten Daten testen.
AppSafe™ liefert Testdaten 80 % schneller und zu 70 % geringeren Kosten als alternative Ansätze, auf Basis von Projekten im Gesundheitswesen, in der Fertigung und bei Finanzdienstleistern.
Collaboration Groups: Konsistenz über S/4HANA, CRM, BW und mehr
Collaboration Groups machen systemübergreifende Konsistenz skalierbar. Jede Gruppe legt fest, welche Systeme einen gemeinsamen Anonymisierungsbereich teilen, und selbst Teilaktualisierungen bleiben in der gesamten Umgebung konsistent. AppSafe™ unterstützt außerdem nach Fachbereichen getrennte Gruppen, etwa HR, Vertrieb oder Finanzen. Teams mit Zugriff nur auf ihren Bereich können so keine Kennungen aus anderen Bereichen abgleichen, was die Datenminimierung nach DSGVO unterstützt.
Praxisbeispiele aus regulierten Unternehmen
Klinikverbund: S/4HANA-Testdaten 80 % schneller und 70 % günstiger
Ein Klinikverbund mit 35.000 Beschäftigten stand vor einem vollständigen Upgrade auf SAP S/4HANA. Mit mehreren QA-Systemen und angebundenen Plattformen von Drittanbietern kam der Einsatz echter Patientendaten weder rechtlich noch ethisch in Frage. AppSafe™ erzeugte anonymisierte Kopien der Produktionsdaten, und Collaboration Groups hielten die Daten in allen verbundenen Systemen konsistent.
Das Ergebnis: über 250.000 Euro Einsparung, Testdaten 80 % schneller und 70 % günstiger als mit alternativen Ansätzen. Das Vorgehen wurde wiederholt und hat sich technisch wie im Betrieb bewährt.
Fertigung: skalierbare Testdaten für mehrere SAP-QA-Umgebungen
Ein Schweizer Fertigungsunternehmen mit mehreren SAP-Testumgebungen stellte fest, dass synthetische und manuell gepflegte Testdaten die Komplexität seiner Geschäftsprozesse nicht abbildeten. Fehler, die in der QA unentdeckt blieben, landeten in der Produktion.
Die Unterstützung mehrerer Systeme und die automatisierte Aktualisierung in AppSafe™ lösten beide Probleme. Produktionsnahe, anonymisierte Testdaten kommen jetzt bei jedem Aktualisierungszyklus konsistent in allen QA-Umgebungen an. Das ermöglicht echte Integrationstests in großem Umfang bei fortlaufender Ausrichtung an der DSGVO.
Häufige Fragen zur Anonymisierung von SAP-Testdaten
Was ist der Unterschied zwischen Maskierung und Anonymisierung bei SAP-Testdaten?
Maskierung verändert die zugrunde liegenden Daten nicht. Sie steuert nur die Anzeige und blendet sensible Werte auf der Darstellungsebene aus oder ersetzt sie, während die Originaldaten im Quellsystem unverändert und vollständig zugänglich bleiben. Maskierung ist damit umkehrbar und bietet nach der DSGVO keinen dauerhaften Schutz. Anonymisierung im Sinne von Erwägungsgrund 26 verändert die Daten selbst, und zwar unumkehrbar, sodass keine Re-Identifizierung mehr möglich ist. Damit fallen die Daten nicht mehr unter die DSGVO.
Wie hält AppSafe™ die referenzielle Integrität über Dutzende SAP-Tabellen?
Mit deterministischen Privacy-Enhancing Technologies: Derselbe Ausgangswert ergibt innerhalb einer Collaboration Group immer denselben anonymisierten Wert. Eine Kundin in KNA1, BKPF, VBAK und einem angebundenen CRM trägt überall dieselbe anonymisierte Identität, unabhängig von der Reihenfolge der Verarbeitung.
Kann AppSafe™ kundeneigene Z-Tabellen verarbeiten?
Ja. Die KI-gestützte Erkennung durchsucht alle Tabellen, auch undokumentierte Z-Tabellen, und findet personenbezogene Daten automatisch. So gelten für kundeneigene SAP-Entwicklungen dieselben Anonymisierungsregeln wie für Standardtabellen.
Ist AppSafe™ mit SAP S/4HANA kompatibel?
Ja. AppSafe™ ist im SAP Store gelistet und hat die Validierung durch SAP durchlaufen. Es unterstützt S/4HANA, ECC, BW, CRM und viele weitere SAP-Produkte, während SAP TDMS eingestellt und nicht S/4HANA-fähig ist.
Liefert AppSafe™ konsistente Ergebnisse für SAP- und Nicht-SAP-Systeme?
Ja. Collaboration Groups reichen über SAP- und Nicht-SAP-Systeme, CRM-Plattformen, Data Warehouses, relationale Datenbanken und dateibasierte Systeme. Dieselbe anonymisierte Identität bleibt in der gesamten verbundenen Landschaft erhalten.
Verlassen Daten die Infrastruktur des Kunden?
Nein. Die gesamte Verarbeitung findet in der eigenen Infrastruktur des Kunden statt. Es werden keine Daten an externe Dienste oder an Systeme von Maya übertragen. Das unterstützt Anforderungen an die Datenresidenz in regulierten Umgebungen.
Wie schnell lässt sich AppSafe™ einführen?
Die Ersteinrichtung dauert in der Regel zwei bis vier Wochen und nutzt zu 90 % Standardkomponenten. Das ist deutlich schneller als selbst entwickelte Anonymisierungslösungen, die meist Monate an Konfiguration brauchen.
Welche Regelwerke unterstützt AppSafe™?
AppSafe™ ist darauf ausgelegt, die Einhaltung von DSGVO (einschließlich der Anforderungen an Anonymisierung nach Erwägungsgrund 26), DORA, HIPAA und den Vorgaben des EU AI Act zur Daten-Governance zu unterstützen. Maya Data Privacy ist nach ISO 27001 zertifiziert. Ob ein Unternehmen die Vorgaben einhält, hängt von der gesamten organisatorischen Umsetzung ab. AppSafe™ unterstützt die Compliance, garantiert sie aber nicht.
Bereit, Ihre SAP-Testdaten ohne Risiko zu anonymisieren?
Ob SAP-Testumgebungen anonymisierte Daten brauchen, steht nach DSGVO und Resilienzvorgaben wie DORA nicht mehr zur Debatte. Offen ist, ob Ihr aktueller Ansatz die referenzielle Integrität über Systemgrenzen hinweg liefert, die echte Unternehmenstests verlangen.
AppSafe™ verbindet KI-gestützte Erkennung personenbezogener Daten mit deterministischer Konsistenz über alle Systeme, vollständig in Ihrer eigenen Infrastruktur und ohne dass personenbezogene Daten Ihre Umgebung verlassen. Unternehmen, die umgestellt haben, berichten von 80 % schnellerer Testdatenbereitstellung, 70 % geringeren Kosten und SAP-Transformationsprojekten, die ohne Unsicherheit bei der Compliance vorankommen. Wie die durchgängige Anonymisierung in SAP technisch funktioniert, beschreibt auch unser Beitrag So funktioniert durchgängige Anwendungsdaten-Anonymisierung in SAP.
Comments