19.05.2020
Von Peter Hecker, Inhaber von HECKER CONSULTINGCloud-Speicher für große Datenmengen: Objektspeicher, Data Lake, AWS, Azure, Google und Anbieter aus der EU – mit Tipps zu Kosten und Datenschutz.
Angenommen, ein Maschinenbauer stattet 200 Anlagen bei Kunden mit Sensoren aus. Jede Anlage meldet im Sekundentakt Temperatur, Vibration und Stromverbrauch. Nach zwei Jahren liegen Milliarden Messwerte vor, der eigene Server ist voll, und die Fachabteilung möchte die Daten nutzen, um Ausfälle vorherzusagen. Spätestens jetzt stellt sich die Frage: Wohin mit den Daten – und wer kümmert sich um Speicherplatz, Ausfallsicherheit und Rechenleistung?
Für viele Unternehmen lautet die Antwort heute: in die Cloud. Die großen Anbieter stellen praktisch unbegrenzten Speicher bereit, berechnen nur, was tatsächlich genutzt wird, und bieten passende Werkzeuge für Auswertung und KI gleich mit an. Doch „Cloud-Speicher“ ist ein weiter Begriff. Mit dem Dateiordner, den Sie aus OneDrive oder Dropbox kennen, hat Speicher für große Datenmengen wenig zu tun. Hier erfahren Sie, welche Speicherarten es gibt, was die großen Anbieter unterscheidet, welche europäischen Alternativen es gibt und was beim Datenschutz zu beachten ist.
Wer große Datenmengen selbst speichert, muss Hardware kaufen, Rechenzentrumsfläche bereitstellen, Strom und Kühlung bezahlen, Festplatten tauschen und Sicherungskopien an einem zweiten Standort vorhalten. Vor allem aber muss er im Voraus schätzen, wie viel Speicher in drei Jahren gebraucht wird. Schätzt er zu niedrig, wird es eng; schätzt er zu hoch, steht teure Hardware ungenutzt herum.
Cloud-Speicher dreht diese Rechnung um. Bezahlt wird nach Verbrauch, also nach gespeicherten Gigabytes pro Monat und nach Zugriffen. Die Kapazität wächst mit, ohne dass jemand neue Geräte bestellen muss. Die Anbieter speichern Daten standardmäßig mehrfach und auf Wunsch über mehrere Rechenzentren verteilt. Und weil Speicher und Analysedienste beim selben Anbieter liegen, lassen sich die Daten auswerten, ohne sie erst durch das Firmennetz zu schieben.
Ganz aus der Verantwortung ist das Unternehmen damit nicht. Die Anbieter sprechen vom Modell der geteilten Verantwortung: Sie sichern Rechenzentren, Hardware und Grunddienste ab. Wer auf die Daten zugreifen darf, wie sie verschlüsselt und wie lange sie aufbewahrt werden, bleibt Sache des Kunden. Viele Datenpannen der vergangenen Jahre gingen nicht auf Angriffe auf die Anbieter zurück, sondern auf falsch konfigurierte Speicherbereiche, die versehentlich öffentlich erreichbar waren. Die US-Sicherheitsbehörde NSA nannte Fehlkonfigurationen schon 2020 die häufigste Schwachstelle in der Cloud.
Die wichtigste Speicherart für große Datenmengen ist der Objektspeicher. Statt Dateien in einer Ordnerstruktur abzulegen, speichert er jede Datei als Objekt mit einem eindeutigen Namen und beschreibenden Zusatzangaben, den Metadaten. Die Objekte liegen in Behältern, die meist „Buckets“ heißen, und werden über eine Web-Schnittstelle abgerufen. Das klingt unspektakulär, hat aber einen großen Vorteil: Objektspeicher lassen sich nahezu beliebig vergrößern, von wenigen Gigabyte bis zu Petabytes, also Millionen von Gigabytes.
Daneben gibt es zwei weitere Speicherarten. Blockspeicher verhält sich wie eine Festplatte, die an einen virtuellen Server angeschlossen wird – schnell, aber an diesen Server gebunden. Dateispeicher bietet freigegebene Ordner, auf die mehrere Rechner zugreifen, ähnlich einem Netzlaufwerk im Büro. Für Datenbanken und Anwendungen sind beide wichtig, für das Sammeln großer Datenbestände ist der Objektspeicher die erste Wahl.
Zum Quasi-Standard hat sich die Schnittstelle von Amazon S3 entwickelt. Viele andere Anbieter und auch Softwareprodukte für das eigene Rechenzentrum verstehen diese Schnittstelle. Das erleichtert einen späteren Wechsel, ersetzt aber keine Prüfung im Einzelfall.
Ein weiteres Merkmal sind Speicherklassen. Daten, die täglich gebraucht werden, liegen in einer schnellen, teureren Klasse. Daten, die nur selten abgerufen werden – etwa Messwerte aus dem Vorjahr oder gesetzlich aufzubewahrende Belege –, wandern in günstigere Archivklassen. Dort kostet die Speicherung nur einen Bruchteil, dafür sind Abrufe teurer und dauern teils Stunden. Regeln für den Lebenszyklus verschieben Daten automatisch, etwa nach 90 Tagen ohne Zugriff.
Wer sich mit Big Data beschäftigt, stößt schnell auf drei Begriffe, die oft durcheinandergehen:
Für Entscheider ist vor allem eine Entwicklung wichtig: die Trennung von Speicher und Rechenleistung. Früher steckten Daten und Auswertungssoftware oft im selben System. Heute liegen die Daten im Objektspeicher, und unterschiedliche Werkzeuge – ein SQL-Dienst, ein Dashboard, ein Programm für maschinelles Lernen – greifen darauf zu. Rechenleistung wird nur gebucht, solange eine Auswertung läuft. Offene Formate sorgen dafür, dass die Daten nicht an ein einziges Werkzeug gebunden sind.
Den größten Teil des Weltmarkts für Cloud-Infrastruktur teilen sich drei US-Konzerne, oft „Hyperscaler“ genannt: Amazon Web Services, Microsoft und Google. Daneben spielen Oracle, IBM und Alibaba eine Rolle. Alle bieten Objektspeicher, Data-Lake-Funktionen und Analysedienste – die Unterschiede liegen eher im Umfeld.
Amazon gilt als Wegbereiter des Cloud-Geschäfts. 2006 brachte das Unternehmen den Speicherdienst Amazon Simple Storage Service (S3) und der Rechenplattform Elastic Compute Cloud (EC2) auf den Markt – beides Infrastrukturdienste, im Fachjargon Infrastructure as a Service (IaaS). S3 ist bis heute der Kern vieler Data Lakes. Rund um S3 bietet AWS Dienste zum Katalogisieren und Abfragen der Daten, ein Data Warehouse (Amazon Redshift) und Werkzeuge für maschinelles Lernen. Nach Analystenschätzungen ist AWS weiterhin der größte Anbieter von Cloud-Infrastruktur. Stärke: die größte Auswahl an Diensten. Schwäche: Gerade diese Vielfalt macht den Einstieg und die Kostenkontrolle anspruchsvoll.
Microsofts Cloud-Plattform startete 2010 und ist vor allem für Unternehmen interessant, die bereits mit Microsoft 365, Windows Server und der Benutzerverwaltung Microsoft Entra ID arbeiten. Grundlage für große Datenmengen ist Azure Blob Storage; Azure Data Lake Storage Gen2 ergänzt ihn um eine echte Ordnerstruktur und feinere Zugriffsrechte für Analysezwecke. Die erste Generation des Dienstes und Azure Data Lake Analytics hat Microsoft im Februar 2024 eingestellt. Für Analysen bündelt Microsoft seit 2023 vieles in Microsoft Fabric, dessen gemeinsamer Datenspeicher OneLake heißt. Stärke: Integration in die vorhandene Microsoft-Landschaft und Werkzeuge wie Power BI. Schwäche: Produktnamen und Zuschnitte ändern sich häufig.
Google Cloud Storage bietet Objektspeicher mit mehreren Speicherklassen, von Standard bis Archive, und lässt bei der Wahl des Speicherorts viel Spielraum: einzelne Regionen, zwei Regionen oder mehrere Regionen eines großen Gebiets wie der EU. Das Aushängeschild für Big Data ist BigQuery, ein Data Warehouse, das sehr große Datenmengen per SQL abfragt, ohne dass Kunden Server verwalten müssen, und das zunehmend auch Daten direkt im Objektspeicher einbezieht. Beim Klimaschutz strebt Google bis 2030 Netto-Null-Emissionen an. Stärke: Analyse und KI. Schwäche: kleinerer Marktanteil und weniger Partner im deutschen Mittelstand als die beiden Konkurrenten.
Oracle Cloud Infrastructure ist vor allem für Unternehmen interessant, die ohnehin Oracle-Datenbanken oder Oracle-Geschäftsanwendungen einsetzen. Neben Objektspeicher bietet Oracle seine Datenbank als verwalteten Dienst an, der Wartungsaufgaben wie Updates und Optimierung weitgehend automatisiert. IBM Cloud (früher unter anderem Bluemix) bietet Objekt-, Block- und Dateispeicher und hat seine Datenplattform unter dem Namen watsonx gebündelt, mit einem Lakehouse-Baustein für Analysen und KI. IBM richtet sich stark an Großunternehmen und stark regulierte Branchen. Alibaba Cloud ist der größte Cloud-Anbieter Chinas und in Asien weit verbreitet. Für Unternehmen mit Geschäft in China kann er relevant sein; in Deutschland spielt er eine Nebenrolle, nicht zuletzt wegen Fragen zu Datenschutz und staatlichem Zugriff.
Nicht zu verwechseln mit diesen Anbietern sind Datenplattformen wie Snowflake oder Databricks. Sie betreiben keine eigenen Rechenzentren, sondern laufen auf AWS, Azure oder Google Cloud. Für viele Unternehmen sind sie dennoch eine echte Alternative zu den Analysediensten der Hyperscaler, weil sie sich zwischen den Clouds mitnehmen lassen.
Wer Wert darauf legt, dass Daten bei einem Anbieter mit Sitz in Europa liegen, hat inzwischen eine ordentliche Auswahl. Zu den bekannten Namen gehören IONOS und STACKIT aus Deutschland, die Open Telekom Cloud von T-Systems, OVHcloud und Scaleway aus Frankreich sowie Hetzner, der auch Objektspeicher anbietet. Die meisten verstehen die S3-Schnittstelle, sodass sich Werkzeuge und Programme meist ohne große Änderungen nutzen lassen.
Für das reine Speichern großer Datenmengen reichen diese Angebote häufig aus und sind oft günstiger, gerade beim Herunterladen von Daten. Bei fertigen Analyse- und KI-Diensten ist die Auswahl dagegen kleiner als bei den US-Konzernen. Wer viele dieser Zusatzdienste braucht, muss sie dort teils selbst auf Basis offener Software betreiben – das erfordert Personal mit entsprechendem Wissen.
Die US-Anbieter reagieren auf den Wunsch nach Datenhoheit mit eigenen „souveränen“ Angeboten: Rechenzentren in der EU, Betrieb durch europäisches Personal, teils in Partnerschaft mit europäischen Unternehmen. Amazon betreibt etwa seit Januar 2026 eine European Sovereign Cloud mit einer ersten Region in Brandenburg. Ob solche Konstruktionen den Zugriff US-amerikanischer Behörden wirksam ausschließen, ist unter Fachleuten umstritten. Für die Praxis heißt das: Lassen Sie sich genau erklären, wer Betrieb, Schlüssel und Support kontrolliert.
Sobald personenbezogene Daten in der Cloud landen – Kundendaten, Mitarbeiterdaten, auch Sensordaten, die sich einer Person zuordnen lassen –, gilt die DSGVO. Die folgenden Punkte geben eine allgemeine Orientierung und ersetzen keine Rechtsberatung:
Der Speicherplatz selbst ist in der Cloud vergleichsweise günstig. Teuer wird es oft an anderer Stelle. Angenommen, ein Unternehmen legt 100 Terabyte Messdaten in einer Archivklasse ab und lädt sie einmal im Jahr für eine große Auswertung komplett herunter. Dann können die Kosten für den Abruf und den Datentransfer aus der Cloud heraus die Speicherkosten eines ganzen Jahres übersteigen.
Typische Kostentreiber sind:
Meine Empfehlung: Legen Sie von Anfang an Budgets und Kostenwarnungen fest und prüfen Sie die Rechnung in den ersten Monaten genau. Alle großen Anbieter haben dafür eigene Werkzeuge.
Den einen besten Anbieter für Big Data gibt es nicht. Welche Lösung passt, hängt von wenigen Fragen ab:
Ein Pilotprojekt mit einem überschaubaren Datenbestand zeigt meist schneller als jede Präsentation, wie gut ein Anbieter zu den eigenen Abläufen passt – und was er tatsächlich kostet.
Für die meisten Unternehmen ist die Cloud heute der vernünftigste Ort für große Datenmengen. Eigene Speicherinfrastruktur lohnt sich vor allem dort, wo sehr große Datenbestände dauerhaft und mit gleichbleibender Last verarbeitet werden oder wo rechtliche Vorgaben es verlangen. Die Wahl zwischen AWS, Azure und Google ist weniger eine Frage der Technik als der vorhandenen Landschaft, der Kenntnisse im Team und der Analysedienste, die gebraucht werden.
Überschätzt wird oft die Bedeutung der Anbieterwahl, unterschätzt die Ordnung der Daten. Ein Data Lake ohne klare Zuständigkeiten, Kataloge und Löschregeln wird teuer und unübersichtlich, egal bei wem er liegt. Wer früh auf offene Formate, saubere Zugriffsrechte und Kostenkontrolle achtet, behält die Freiheit, später zu wechseln oder mehrere Anbieter zu kombinieren. Und wer sensible Daten verarbeitet, sollte europäische Anbieter ernsthaft prüfen – nicht aus Prinzip, sondern weil sie für reine Speicheraufgaben oft genügen.
Für Büro-Dokumente ja, für Big Data nicht. Diese Dienste sind auf das Teilen und gemeinsame Bearbeiten von Dateien ausgelegt. Für Millionen von Datensätzen, automatische Datenzuflüsse und Auswertungen per SQL braucht es Objektspeicher und passende Analysedienste.
Nicht unbedingt. Wer vor allem strukturierte Daten aus ERP- und CRM-Systemen auswertet, kommt oft mit einem Data Warehouse aus. Ein Data Lake lohnt sich, wenn viele unterschiedliche oder unstrukturierte Daten zusammenkommen, etwa Sensordaten, Protokolle oder Dokumente für KI-Anwendungen.
Es ist ein wichtiger Schritt, aber nicht der einzige. Dazu gehören ein Vertrag zur Auftragsverarbeitung, sauber vergebene Zugriffsrechte, Verschlüsselung und eine Prüfung, ob und wie der Anbieter Daten in Drittländer übermitteln oder dort zugänglich machen kann.
Das kann sinnvoll sein, etwa um Abhängigkeiten zu verringern oder für jede Aufgabe den passenden Dienst zu wählen. Es erhöht aber Aufwand und Komplexität. Für den Einstieg ist ein Hauptanbieter mit offenen Datenformaten meist die bessere Wahl.
Grundlagen zu Cloud-Modellen und Anbietern finden Sie auf der Themenseite Cloud-Computing, mehr zur Auswertung großer Datenmengen auf der Themenseite Big Data und Data Science. Wie Datenflüsse in einen Data Lake oder ein Lakehouse aufgebaut werden, zeigt das Seminar Data Engineering für Einsteiger; um Zugriffsrechte, Verschlüsselung und Konfiguration geht es im Seminar Cloud Sicherheit.
Wir erweitern ständig unser Beratungsportfolio. Über 600 Beratungsleistungen haben wir für Sie im Programm. Selbstverständlich lassen sich die einzelnen Themen kombinieren. So erhalten Sie genau die Beratung, die Sie wünschen und brauchen.
Mehr IT-, Online-, Digital-Beratungsleistungen anzeigen >>Sie entwerfen Cloud-Architekturen unabhängig vom Anbieter, begründen die Wahl von Cloud-Modell, Dienstschnitt, Datenhaltung und Betriebsmodell und machen Zielkonflikte zwischen Skalierbarkeit, Sicherheit, Kosten und Nachhaltigkeit sichtbar.
Sie bewerten Cloud-Dienste aus Sicht der IT-Administration, richten Speicher, Identitäten und Team-Werkzeuge in Microsoft 365 und Google Workspace sicher ein, ziehen Daten in Wellen um und messen danach, ob die Leistung stimmt.
Sie grenzen IaaS, PaaS und SaaS sicher voneinander ab, ordnen Public, Private, Hybrid und Multi-Cloud ein und treffen fundierte Entscheidungen zu Anbieterwahl, Sicherheit, Kosten mit FinOps und europäischer Datensouveränität.
Sie beschreiben Cloud-Infrastruktur mit Terraform oder OpenTofu als Code, binden Provider ein, verwalten den State sicher, bauen wiederverwendbare Module, testen sie und lassen Änderungen über eine Pipeline mit geprüftem Plan ausrollen.
Sie bauen Cloud-Sicherheit auf – von Governance, Risikomanagement und Datenschutz über ein ISMS und Standards wie BSI C5 und CSA CCM bis zur technischen Absicherung von Identitäten, Netzen und Daten bei AWS, Microsoft und Google.
Sie machen die AWS-Rechnung nachvollziehbar, ordnen Kosten Teams und Anwendungen zu und senken sie mit Rightsizing, Savings Plans, Spot und Graviton, ohne dass die Leistung Ihrer Anwendungen leidet.
Sie führen Cloud-Lösungen im Unternehmen geordnet ein: mit einer Strategie, die Workloads priorisiert, einem Cloud Center of Excellence, verbindlichen Richtlinien und einer Kostensteuerung, die Verantwortung bei den Teams verankert.
Sie entwerfen Edge-Computing-Systeme, die Daten nahe an Maschinen, Fahrzeugen und Sensoren verarbeiten, mit der Cloud zusammenarbeiten und sich auch an Hunderten Standorten sicher verwalten und aktualisieren lassen.
Sie wählen geeignete Workloads aus, entscheiden je Anwendung zwischen den 7 Rs und bauen ein Migrationsteam auf, das Anwendungen anbieterneutral, planbar und in Wellen in die Cloud bringt.
Sie vergleichen die DevOps-Dienste von Azure, AWS und Google Cloud entlang Ihres eigenen Lieferprozesses, treffen eine begründete Auswahl und planen die Einführung – mit Blick auf Kosten, Sicherheit, Datenhoheit und einen möglichen Anbieterwechsel.
Sie entscheiden begründet, wann sich Serverless Computing lohnt, vergleichen AWS Lambda und Azure Functions in Programmiermodell, Skalierung, Grenzen und Kosten und planen eine ereignisgesteuerte Anwendung bis zu Test und Bereitstellung.
Aktuelle und interessante Themen und Beiträge für Sie zusammengetragen und aufbereitet.
Welche Anwendungen gehören in die Cloud, welcher Cloud-Speicher passt zu Ihrem Unternehmen und was verlangt die DSGVO? Eine Entscheidungshilfe zu Microsoft 365, EU-Anbietern, Kosten, Migration und Datensicherung.
Edge Computing verarbeitet Daten dort, wo sie entstehen – in Maschine, Fahrzeug oder Filiale. Was dahintersteckt, wie Edge und Cloud zusammenarbeiten, welche Beispiele es gibt und welche Rolle KI und 5G spielen.
Es gibt viele Einsatzmöglichkeiten von Cloud Computing, die Unternehmen erhebliche geschäftliche Vorteile bieten können. Cloud Computing ist ein Computermodell und eine Reihe von Technologien, die es Verbrauchern ermöglichen, auf Cloud-Dienste über das Internet auf einer Pay-as-you-go-Basis zuzugreifen.
Die Ereignisse des Jahres 2020 haben die meisten Vorhersagen für 2021 auf den Kopf gestellt. Top-Trends wie künstliche Intelligenz (KI) und das Internet der Dinge (IoT) werden auch im nächsten Jahr die Art und Weise bestimmen, wie die Technik unser Leben umgestaltet. Die wichtigsten Anwendungsfälle bestehen jedoch darin, uns dabei zu helfen, uns anzupassen und in den sich wandelnden Zeiten, die wir erleben, zu überleben.
Cloud Computing im Jahr 2020 wird technologisch sehr fortschrittlich sein, z. B. durch Multi-Cloud-Optionen und eine stärkere Konzentration auf vertikale und vertriebliche Aspekte. Die Auswahl der Top-Cloud-Anbieter ist in der Tat eine anspruchsvolle Aufgabe unter den zahlreichen Unternehmen wie Amazon Web Services, Microsoft Azure in Infrastructure-as-a-Service (IaaS).
Was ist Cloud Computing? Die Definition, die Servicemodelle IaaS, PaaS und SaaS, Public, Private und Hybrid Cloud, die großen Anbieter, Kosten sowie Sicherheit und Datenschutz – verständlich erklärt.
Welche Cloud-Computing-Variante empfiehlt sich für den Unternehmenseinsatz? Nun, es hängt davon ab! Alle drei Cloud-Modelle haben Gemeinsamkeiten. Sie ermöglichen es Ihnen, große Datenmengen zu speichern und zu verwalten und fortschrittliche Anwendungen bereitzustellen, ohne dass Sie die Infrastruktur, auf der sie laufen, besitzen - oder auch nur sehen - müssen, und Sie zahlen nur für das, was Sie nutzen. Es gibt jedoch wichtige Unterschiede, die bedeuten, dass es wichtig ist, diejenige zu wählen, die am besten zu Ihren Anforderungen passt.
