Cloud-Repatriation ohne neue Datensilos

Lesezeit
4 Minuten
Bis jetzt gelesen

Cloud-Repatriation ohne neue Datensilos

19.10.2026 - 08:00
Veröffentlicht in:

Kosten, regulatorische Vorgaben und Latenzanforderungen führen dazu, dass Unternehmen Teile ihrer Daten aus der Public Cloud zurückholen. Was als Infrastrukturvorhaben beginnt, entscheidet sich jedoch an den Zugriffswegen. Denn wer nur Speichervolumina verschiebt, tauscht ein Silo in der Cloud gegen eines im eigenen Rechenzentrum. Der Beitrag zeigt, wie sich eine Rückführung planen lässt, welche Rolle eine logische Zugriffsschicht dabei spielt und worauf es im laufenden Betrieb ankommt.

Der State of the Cloud Report 2026 von Flexera beziffert den Anteil der bereits aus der Cloud zurückgeführten Workloads auf 23 Prozent, in Europa auf 20 Prozent. Einen generellen Rückzug aus der Cloud bedeutet das allerdings nicht: Parallel setzen 73 Prozent der Unternehmen auf hybride Modelle. Damit entsteht bei einer Rückführung meist keine rein lokale, sondern eine verteilte Datenlandschaft. Umso wichtiger ist es, neben dem Speicherort auch die Zugriffswege und Abhängigkeiten der beteiligten Systeme in den Blick zu nehmen.

Darum holen Unternehmen Daten zurück

Am sichtbarsten sind die Kosten, denn Workloads mit konstanter Grundlast rechnen sich verbrauchsbasiert selten besser als im eigenen Rechenzentrum. Auch Gebühren für ausgehenden Datenverkehr fallen ins Gewicht, sobald Analysesysteme große Datenmengen abrufen. Hinzu kommen Vorgaben dazu, wo Daten liegen dürfen und wie Zugriffe zu dokumentieren sind, sowie Latenzen, wenn Anwendungen lokal laufen und die Daten in einer entfernten Region liegen. Die eigentliche Schwierigkeit zeigt sich jedoch erst bei der Rückführung. Meist startet sie als Infrastrukturvorhaben mit Zielhardware und Abschaltdatum. Tatsächlich betrifft sie aber gewachsene Datenflüsse, deren Berichte, Anwendungen und Skripte an konkreten Endpunkten hängen. Jede Verschiebung erzeugt damit Aufwand in Systemen, die im Projektplan gar nicht auftauchen.

Die Wirtschaftlichkeitsrechnung sollte alle Positionen berücksichtigen, die im Cloudbetrieb im Preis enthalten waren: Hardware und Abschreibung, Stellfläche und Strom, Wartung, Sicherung und Wiederanlauf, Lizenzen sowie Personalaufwand. Hinzu kommen die einmaligen Transferkosten der Migration, die bei großen Datenbeständen erheblich ausfallen können.

Erst inventarisieren, dann Zugriffe entkoppeln

Am Anfang steht eine Bestandsaufnahme der Datenbestände, der erzeugenden Systeme und vor allem der Konsumenten. Gerade Letztere geraten leicht aus dem Blick, weil neben den offiziellen Berichten oft eine undokumentierte Schicht aus Exporten und Ad-hoc-Abfragen existiert. Anschließend lassen sich die Bestände nach Zugriffshäufigkeit, Kopplung an cloudspezifische Dienste, regulatorischer Einstufung und Transferkosten einordnen. Da dabei fast immer eine hybride Landschaft entsteht, sollte die Zielarchitektur von Beginn an eine verteilte Umgebung berücksichtigen.

Entscheidend ist danach die Reihenfolge. Solange Konsumenten direkt auf Datenbanken, Objektspeicher und Cloud Data Warehouse zugreifen, wird jede Verlagerung zu einem Änderungsprojekt mit vielen Beteiligten. Zieht das Admin-Team zuerst eine logische Zugriffsschicht ein und stellt die Konsumenten darauf um, reduziert sich die eigentliche Verlagerung im Idealfall auf eine Konfigurationsänderung an zentraler Stelle.

Praktisch umfasst das drei Schritte. Zunächst bindet das Admin-Team die vorhandenen Quellen an und definiert logische Sichten, die den heutigen Zustand abbilden. Danach stellt es Berichte, Anwendungen und Schnittstellen nach und nach darauf um. Erst dann wandern die Daten physisch an ihren neuen Ort und die Sichten werden auf den neuen Speicherort ausgerichtet. So lässt sich ein Parallelbetrieb einrichten, in dem sich dieselben Objekte an beiden Standorten abfragen lassen.

So entstehen neue Datensilos

Silos entstehen selten aus einer bewussten Entscheidung. Häufig zieht jemand unter Zeitdruck eine Kopie, die zur dauerhaften Quelle wird, sobald der erste Bericht darauf aufsetzt. In Rückführungsprojekten häufen sich solche Situationen, weil Fachbereiche während der Migration weiter auf ihre Daten angewiesen sind. Drei Muster treten dabei regelmäßig auf: Punkt-zu-Punkt-Strecken wachsen unkontrolliert, weil jede neue Anforderung eine eigene Verbindung erhält. Fachbereiche pflegen eigene Auszüge, wenn der offizielle Zugriffsweg zu langsam ist. Und einzelne Teams definieren Kennzahlen neu, sodass dieselbe Frage je nach Quelle unterschiedliche Antworten liefert.

Dagegen hilft eine Kombination aus Technik und Regeln. Der verbindliche Zugriffsweg muss schnell genug sein, damit der Umweg über eigene Kopien unattraktiv bleibt. Kopien sollten eine Begründung und ein Ablaufdatum erhalten, dessen Einhaltung das Admin-Team im Betrieb prüft. Die Definition zentraler Geschäftsobjekte gehört zudem an eine Stelle, über die sie alle Konsumenten erreicht.

Datenvirtualisierung und ihre Grenzen

Technisch lässt sich die Zugriffsschicht über Datenvirtualisierung beziehungsweise logisches Datenmanagement umsetzen. Der Ansatz trennt den Zugriff vom Speicherort und bindet die Quellen direkt an, statt Daten für jeden Zweck erneut zu kopieren. Eine Abfrage wird zur Laufzeit zerlegt, an die Quellsysteme weitergereicht und aus deren Teilergebnissen zusammengesetzt. Dabei verlagert die Zugriffsschicht Filter, Aggregationen und Verknüpfungen so weit wie möglich in die Quellen. Nach außen stellt sie einheitliche Endpunkte über JDBC, ODBC, REST oder OData bereit. Die Konsumenten greifen nur auf diese Endpunkte zu, während sich darunter Standorte und Technologien ändern können.

Grenzen bleiben jedoch. Verknüpfungen sehr großer Tabellen über Standortgrenzen hinweg sind aufwendig, und operative Quellsysteme eignen sich nicht für eine dauerhaft hohe analytische Last. Hier kann eine gezielte Materialisierung helfen, die innerhalb der Zugriffsschicht verwaltet wird. Ähnliches gilt für Live-Abfragen im Zero-Copy-Verfahren: Dabei stellt sich in der Praxis vor allem die Frage nach der Last für Netzwerk und angebundene Datenquellen. Datenvirtualisierung kann diesen Verkehr begrenzen, indem Filter, Aggregationen und weitere Verarbeitungsschritte möglichst direkt in den Quellsystemen stattfinden. Dadurch müssen nur die tatsächlich benötigten Datensätze und Ergebnisse übertragen werden. Der verbleibende Verkehr lässt sich zusätzlich komprimieren.

Für jedes Datenprodukt lässt sich außerdem festlegen, ob es live aus der Quelle oder aus einem lokalen Zwischenspeicher bedient wird. Ein Cache reduziert wiederholte Zugriffe auf die Quelle. So lassen sich Aktualität, Performance und Systemlast je nach Anforderung gegeneinander abwägen.

Best Practices für die Datenrückführung
  • Die Rückführung als Datenprojekt aufsetzen und die Konsumenten von Beginn an einbeziehen.
  • Die logische Zugriffsschicht einziehen, bevor der erste Datenbestand verschoben wird.
  • Metadaten und Herkunftsnachweise vor der Migration erheben.
  • Kopien nur mit Begründung, Verantwortlichem und geprüftem Ablaufdatum anlegen.
  • Vor und nach jeder Migrationsstufe messen statt schätzen.
  • Für den Parallelbetrieb ein festes Enddatum festlegen, weil doppelte Bestände doppelte Kosten verursachen.

Metadaten, Governance und Betrieb

Ohne Wissen darüber, welche Anwendung an welcher Tabelle hängt, lässt sich weder eine sinnvolle Reihenfolge planen noch abschätzen, was beim Abschalten einer Quelle nicht mehr funktioniert. Ein Katalog führt technische und fachliche Metadaten zusammen, darüber kann eine semantische Ebene für einheitlich definierte Kennzahlen liegen. Auch die Rechtevergabe unterscheidet sich im Hybridbetrieb, weil in der Cloud das Modell des Anbieters und lokal das der jeweiligen Datenbank gilt. Rollenbasierte Regeln, Maskierung und zeilenbasierte Einschränkungen gehören deshalb in die Zugriffsschicht und sollten an das zentrale Identitätsmanagement angebunden sein.

Mit der Rückführung wandert außerdem Verantwortung zurück ins eigene Haus. Kapazitätsplanung wird wichtiger, weil sich Lastspitzen nicht mehr ohne Weiteres kurzfristig durch zusätzliche Ressourcen abfangen lassen. Messungen vor der Migration liefern dabei einen Vergleichsmaßstab. Ins Monitoring gehören anschließend Abfragelaufzeiten, die Last auf den Quellsystemen, die Trefferquote des Zwischenspeichers und das Transfervolumen. Logische Sichten sollten sich wie Quellcode versionieren, testen und automatisiert ausrollen lassen.

Fazit

Eine Datenrückführung gelingt, wenn Unternehmen sie als Umbau der Zugriffswege und nicht als reine Transportaufgabe verstehen. Wer zuerst eine logische Zugriffsschicht einzieht, Metadaten erhebt und Zugriffsregeln an einer Stelle durchsetzt, entkoppelt den Zugriff vom Speicherort und hält sich spätere Änderungen offen. Darin liegt der Unterschied zwischen einer geordneten Rückführung und einem Dauerprovisorium. (ln)

Über den Autor: Jörg Meiners ist Sales Engineering Director bei Denodo.