Pimcore und SAP: Integrationsmuster für Produkt-, Preis- und Bestandsdaten
SAP führt Stammdaten, Preise und Bestände, Pimcore reichert sie an und verteilt sie an Website, Shop und Marktplätze. Wir zeigen die Muster, die sich bei uns bewährt haben, und wann welches passt.

SAP führt Stammdaten, Preise und Bestände. Pimcore soll diese Daten anreichern und an Website, Shop und Marktplätze verteilen. Auf dem Papier ist das eine Zeile im Lastenheft: „Anbindung an SAP“. Im Betrieb entscheidet sich an dieser Zeile, ob ein Preis rechtzeitig im Shop steht, ob der nächtliche Import bis zum Morgen fertig ist und ob jemand bemerkt, wenn ein Datensatz hängen bleibt.
Die Diskussion beginnt oft beim Werkzeug: Middleware oder Direktanbindung, REST oder Datei, welches Bundle. Aus unserer Sicht ist das die zweite Frage. Die richtige Integrationsarchitektur hängt von Datenvolumen und Änderungsfrequenz ab, nicht vom Tool. In diesem Beitrag stellen wir die Muster vor, die sich bei uns bewährt haben, und die Kriterien, nach denen wir zwischen ihnen entscheiden.
Zwei Fragen vor jeder Technik
Bevor wir über Schnittstellen sprechen, klären wir je Datenobjekt zwei Größen: Wie viele Datensätze gibt es, und wie oft ändern sie sich? Produkt-, Preis- und Bestandsdaten liegen dabei typischerweise weit auseinander. Das ist eine Einordnung aus unseren Projekten, die konkreten Werte unterscheiden sich je Unternehmen.
- Produktstamm: viele Felder je Datensatz, aber vergleichsweise seltene Änderungen. Ein Artikel wird angelegt, gelegentlich korrigiert und irgendwann ausgelistet.
- Preise: oft deutlich mehr Datensätze als Produkte, weil Kundengruppen, Staffeln und Gültigkeiten dazukommen. Änderungen kommen häufig in Wellen, etwa bei einer neuen Preisliste.
- Bestände: kleine Datensätze, die sich laufend ändern. Ein Wert, der mehrere Stunden alt ist, kann im Shop bereits falsch sein.
Wer alle drei über denselben Weg schickt, baut entweder für den Produktstamm zu aufwendig oder für die Bestände zu träge. Deshalb legen wir das Muster pro Datenobjekt fest. Vorausgesetzt ist, dass je Attribut geklärt ist, welches System führt. Wie wir das festhalten, steht im Beitrag Jedes Datum hat ein führendes System.
Muster 1: Delta-Import statt Vollabgleich
Ein Vollabgleich überträgt bei jedem Lauf alles und lässt Pimcore jeden Datensatz neu verarbeiten. Das ist einfach zu bauen und bei kleinen Datenmengen in Ordnung. Mit wachsendem Volumen wird der Lauf länger, obwohl sich meist nur ein kleiner Teil geändert hat. Ein Delta-Import verarbeitet nur, was sich seit dem letzten Lauf geändert hat. Die Frage ist, wo das Delta entsteht.
Das Delta kommt aus SAP
SAP kann Änderungen selbst mitschreiben. Für die Verteilung von Stammdaten protokolliert das System Änderungszeiger, aus denen IDocs erzeugt werden (SAP-Dokumentation zur Stammdatenverteilung). OData-Services in SAP Gateway können einen Delta-Link liefern, über den ein Client neue, geänderte und gelöschte Datensätze abruft (SAP-Dokumentation zu Delta-Token). Was davon in Ihrem System verfügbar und aktiviert ist, klären wir in der Analyse mit Ihrer SAP-Betreuung. Der Vorteil: Es wird nur übertragen, was sich geändert hat, und auch Löschungen kommen als eigene Information an.
Das Delta entsteht in Pimcore
Liefert SAP nur vollständige Dateien, lässt sich das Delta auf der Empfängerseite bilden. Der Data Importer von Pimcore bietet dafür den Delta Check: Er vergleicht jeden eingehenden Datensatz mit einem gespeicherten Hash des zuletzt gesehenen Stands und überspringt ihn, wenn sich nichts geändert hat. Voraussetzung ist ein Feld, das den Datensatz über die Läufe hinweg eindeutig identifiziert (Pimcore-Dokumentation, Processing Settings). Dasselbe Prinzip setzen wir in eigenen Importen um.
Zwei Punkte aus der Dokumentation sollte man dabei kennen:
- Fehlgeschlagene Datensätze werden nicht automatisch wiederholt. Der Hash wird laut Dokumentation bereits beim Einreihen geschrieben. Scheitert die Verarbeitung danach, gilt der Datensatz beim nächsten Lauf mit denselben Quelldaten als unverändert. Der Wiederanlauf braucht also einen eigenen Weg.
- Aufräumen setzt vollständige Daten voraus. Die Cleanup-Funktion entfernt Objekte, die in den Importdaten fehlen, und soll laut Dokumentation nur aktiv sein, wenn jeder Lauf ein Vollimport ist. In einem echten Delta fehlt fast alles. Löschungen und Auslistungen brauchen dort ein eigenes Signal aus SAP.
Unsere Empfehlung: Delta im Tagesgeschäft, dazu in größeren Abständen ein Vollabgleich als Sicherheitsnetz, der Abweichungen aufdeckt.
Muster 2: Asynchrone Verarbeitung mit Symfony Messenger
Das zweite Muster trennt Annehmen und Verarbeiten. Die Schnittstelle nimmt die Daten entgegen, legt je Datensatz eine Nachricht in eine Queue und meldet den Empfang zurück. Die eigentliche Arbeit, also Validieren, Zuordnen und Speichern in Pimcore, erledigen Worker im Hintergrund. So hängen die Systeme nicht direkt voneinander ab: SAP wartet nicht auf Pimcore, und eine Lastspitze verlängert die Warteschlange, statt die Schnittstelle zu blockieren.
In Pimcore-Projekten nutzen wir dafür Symfony Messenger. Pimcore selbst arbeitet so: Der Data Importer trennt die Vorbereitung eines Imports von der Verarbeitung, die ein Queue-Worker übernimmt, wahlweise über Symfony Messenger (Pimcore-Dokumentation, Import Execution Details). Welche Nachricht in welche Queue geht, legt das Routing fest. Nachrichten ohne Routing verarbeitet Symfony sofort und synchron (Symfony-Dokumentation).
# config/packages/messenger.yaml (Beispiel, Namen frei gewählt)
framework:
messenger:
failure_transport: failed
transports:
sap_master:
dsn: '%env(SAP_MASTER_TRANSPORT_DSN)%'
retry_strategy:
max_retries: 3
delay: 1000 # erste Wiederholung nach 1 s
multiplier: 2 # danach 2 s, 4 s
sap_stock:
dsn: '%env(SAP_STOCK_TRANSPORT_DSN)%'
failed: 'doctrine://default?queue_name=failed'
routing:
'App\Integration\Sap\Message\ProductChanged': sap_master
'App\Integration\Sap\Message\PriceChanged': sap_master
'App\Integration\Sap\Message\StockChanged': sap_stockDas Beispiel zeigt die Aufteilung, die wir bei unterschiedlicher Änderungsfrequenz wählen: Bestände laufen über eine eigene Queue mit eigenen Workern. Ein großer Lauf im Produktstamm hält dann keine Bestandsmeldung auf.
Asynchron heißt auch, dass zwei Annahmen nicht mehr gelten. Die Reihenfolge ist bei mehreren Workern nicht garantiert, und eine Nachricht kann nach einem Fehler ein zweites Mal ankommen. Wir bauen die Verarbeitung deshalb so, dass sie den Zielzustand herstellt („Bestand ist 12“), statt eine Änderung aufzurechnen („Bestand minus 3“), und dass ein älterer Stand einen neueren nicht überschreibt. Wo die Reihenfolge fachlich zählt, etwa beim Aufbau von Hierarchien, verarbeiten wir der Reihe nach. Der Data Importer kennt dafür die Ausführungsarten sequenziell und parallel.
Muster 3: Middleware oder Direktanbindung
Bei einer Direktanbindung sprechen SAP und Pimcore ohne Zwischenstation miteinander, über eine API oder einen Dateiaustausch. Bei einer Middleware liegt eine Integrationsplattform dazwischen, die Nachrichten annimmt, umformt und an die Empfänger verteilt. SAP bietet dafür mit der SAP Integration Suite eine eigene Integrationsplattform an (sap.com). Wir binden Pimcore auf beiden Wegen an. Die Entscheidung folgt aus der Systemlandschaft, nicht aus einer Vorliebe:
- Gibt es die Middleware schon? Betreibt Ihre IT bereits eine Integrationsplattform mit Team und Monitoring, ist sie meist der richtige Weg. Pimcore wird dann ein weiterer Empfänger.
- Wie viele Systeme brauchen dieselben Daten? Gehen Artikel und Preise nur an Pimcore, ist die direkte Verbindung überschaubar. Mit jedem weiteren Empfänger wächst der Vorteil einer zentralen Verteilung.
- Wer betreibt die Zwischenschicht? Eine Middleware ist ein eigenes System mit Betrieb, Updates und Verantwortlichen. Ohne Team dafür entsteht ein dritter Ort, an dem Fehler unbemerkt bleiben.
- Wo liegt die Fachlogik? Unabhängig vom Weg gilt für uns: Umformatieren darf die Zwischenschicht, fachliche Regeln gehören an eine Stelle, die dokumentiert und getestet ist.
Volumen und Frequenz bleiben auch hier der Maßstab. Eine Middleware macht einen Vollabgleich nicht schneller, und eine Direktanbindung verträgt hohe Frequenzen nur, wenn die Verarbeitung asynchron läuft.
Fehlerbehandlung und Monitoring
Jede Schnittstelle hat Fehlerfälle. Entscheidend ist, was dann passiert. Wir unterscheiden zwei Arten:
- Vorübergehende Fehler: Ein System ist kurz nicht erreichbar, ein Datensatz ist gesperrt. Hier hilft Wiederholen. Symfony Messenger versucht eine Nachricht standardmäßig dreimal erneut, mit wachsendem Abstand.
- Dauerhafte Fehler: Ein Pflichtfeld fehlt, eine Einheit ist unbekannt. Wiederholen ändert nichts. Mit einer
UnrecoverableMessageHandlingExceptionüberspringt die Verarbeitung die Wiederholungen, und die Nachricht landet direkt im Failure Transport.
Wichtig ist der Failure Transport selbst. Ohne ihn verwirft Symfony eine Nachricht nach den Wiederholungen. Mit ihm bleibt sie erhalten, lässt sich mit messenger:failed:show ansehen und nach der Korrektur mit messenger:failed:retry erneut verarbeiten (Symfony-Dokumentation). Damit das nicht nur auf der Konsole sichtbar ist, setzen wir in Projekten das Messenger Bundle von CoreShop ein. Es zeigt die Queues mit offenen und fehlgeschlagenen Nachrichten direkt in Pimcore.
Zum Monitoring gehören bei uns Laufzeiten, Volumen und Fehlerquoten je Schnittstelle, dazu Fehlerprotokolle und eine Benachrichtigung. Ebenso wichtig ist die Frage, wer benachrichtigt wird. Ein fehlendes Pflichtfeld kann nur jemand beheben, der die Daten in SAP pflegt. Die Meldung muss also beim Fachbereich ankommen, mit Artikelnummer und Grund, nicht nur im Log der Entwicklung.
Wann welches Muster passt
Als Orientierung, nicht als Regelwerk:
- Wenige Datensätze, seltene Änderungen: Ein zeitgesteuerter Vollabgleich genügt und ist am einfachsten zu betreiben.
- Viele Datensätze, seltene Änderungen (typisch für den Produktstamm): Delta-Import, zeitgesteuert, mit gelegentlichem Vollabgleich.
- Viele Datensätze, Änderungen in Wellen (typisch für Preise): Delta-Import mit asynchroner Verarbeitung, damit eine neue Preisliste die übrigen Datenflüsse nicht aufhält.
- Kleine Datensätze, laufende Änderungen (typisch für Bestände): ereignisbasiert über eine eigene Queue. Alternativ fragt der Kanal den Bestand direkt ab, statt ihn in Pimcore zu spiegeln. Auch das ist eine Architekturentscheidung.
- Mehrere Empfänger für dieselben Daten oder eine vorhandene Integrationsplattform: Middleware. Sonst reicht meist die Direktanbindung.
In der Praxis entsteht fast immer eine Kombination. Dass ein Projekt drei Muster nebeneinander nutzt, ist kein Zeichen von Unordnung, sondern die Folge davon, dass Produkt-, Preis- und Bestandsdaten sich unterschiedlich verhalten.
Nächster Schritt
Planen Sie eine SAP-Anbindung, oder läuft eine bestehende Schnittstelle zu langsam oder zu unzuverlässig? Im Architektur-Review gehen wir Ihre Datenobjekte mit Volumen und Änderungsfrequenz durch und halten fest, welches Muster wofür passt, samt Fehler- und Wiederanlaufkonzept. Wie wir Schnittstellen bauen und wie Sie ein Architektur-Review anfragen, steht auf unserer Seite zur Integration.

