Dremio
Was ist Dremio?
Dremio ist eine SQL-basierte Query-Engine auf Hadoop und Cloud Storage Systemen, mit Produkten für das Bauen von Agenten oder den Betrieb eines Data Lakehouses. In der Cloud oder on-premise verfügbar.
Selbstbeschreibung von Dremio
Sie möchten mehr über BARC Reviews erfahren? In unseren FAQs beantworten wir die wichtigsten Fragen.
Dremio BARC Review & Bewertung
Anbieter- und Produktbeschreibung von BARC
Dremio bietet ein offenes Data-Lakehouse für Data Management und Data-Catalog-Services auf Basis von Apache Iceberg, Arrow und Polaris. Das Unternehmen wurde 2015 gegründet und hat seinen Hauptsitz in Santa Clara, Kalifornien. Dremio richtet sich an Unternehmen, die verteilte Daten für Analytics verwalten und nutzen wollen, ohne dafür aufwendige Migrationen einplanen zu müssen. Die Plattform unterstützt Abfragen über hybride und Multi-Cloud-Umgebungen hinweg und bietet Bereitstellungsoptionen sowohl on-premises als auch in der Cloud. Dazu gehört Dremio Cloud als SaaS-Angebot für AWS und Microsoft Azure.
Zu den zentralen Funktionen gehören:
- Governed Semantic Layer: Stellt SQL Engine, Katalog und agentische Tools für Apache-Iceberg-Tabellen bereit. Damit lassen sich Daten in Cloud Object Storage oder anderen Lakehouse-Umgebungen organisieren und abfragen.
- Reduzierung von Warehouse-Kosten und Modernisierung: BI- und Analytics-Workloads können direkt auf offenen Tabellenformaten in Data Lakes laufen. Das kann die Abhängigkeit von proprietären Data Warehouses oder Legacy-Umgebungen auf Hadoop-Basis verringern.
- Hybrider und Multi-Cloud-Datenzugriff: Analysten, Anwendungen und Agenten können Daten über On-Premises- und Cloud-Umgebungen hinweg abfragen, ohne alle Daten in einer einzelnen Plattform zusammenzuführen.
- Echtzeit-Datenzugriff für AI und Analytics: Unterstützt die Transformation von Datensätzen, die Erstellung von Datenprodukten sowie das Materialisieren von Views im Arbeitsspeicher für eine schnelle, effiziente Nutzung.
- Performance-Optimierung: Analysiert Workloads, berechnet Abfrageergebnisse vor und stimmt die Lakehouse-Umgebung automatisch ab, mit geringem manuellem Aufwand.
Dremios SQL Query Engine integriert sich nativ in Apache-Iceberg-Tabellen und nutzt Apache Arrow für spaltenorientierte Verarbeitung. Das unterstützt hochperformante Analytics in großem Maßstab und hilft, Infrastrukturkosten zu kontrollieren. Ergänzend unterstützt die Plattform AI- und Machine-Learning-Workflows über Integrationen mit Analytics- und MLOps-Tools. Dremio bedient Hunderte globaler Großunternehmen und beschäftigt weltweit rund 350 Mitarbeiter. Das Unternehmen arbeitet mit einem breiten Ökosystem aus Cloud-, Technologie- und Consulting-Partnern. Es hat alle drei Open-Source-Projekte, auf denen seine Services laufen, mitgegründet oder dazu beigetragen.
Im vergangenen Jahr zeigte sich laut den vorliegenden Daten eine Verbesserung bei den Kundenrückmeldungen: 35% gaben an, keine wesentlichen Probleme gehabt zu haben. Das ist ein Anstieg von 14% im Jahr 2025 und liegt über dem Peer-Durchschnitt von 26%. Auch Bedenken zur Stabilität gingen zurück. Gleichzeitig nannte rund ein Drittel (35%) der Nutzer Probleme mit Komplexität. Das ist mehr als doppelt so hoch wie der Umfrage-Durchschnitt und nahezu doppelt so hoch wie im Vorjahr. Dremio verbesserte seine Scores in mehreren Bereichen gegenüber 2025. In der Peer Group Data Platforms stieg das Produkt von durchschnittlich auf Platz 1 in den Kategorien Customer Satisfaction und User Experience. Auch der Score für Technical Foundation verbesserte sich von unterdurchschnittlich auf den Spitzenrang in derselben Peer Group.
Dremio eignet sich insbesondere für Unternehmen, die eine offene Lakehouse-Strategie auf Basis von Apache Iceberg verfolgen und die Abhängigkeit von proprietären Cloud Data Warehouses reduzieren wollen. Typische Käufer sind Leiter im Data Engineering, Verantwortliche für Analytics-Plattformen und Enterprise Architects, die hochperformante SQL-Analytics über hybrides und Multi-Cloud Object Storage hinweg ermöglichen möchten, ohne alle Daten zu zentralisieren. Typische Use Cases sind die Modernisierung von Legacy-Hadoop- oder Warehouse-Umgebungen, der Aufbau von Governed Semantic Layers für BI und AI, Cross-Cloud-Analytics sowie die Unterstützung von Echtzeit-Datenprodukten für Machine Learning und agentische Anwendungen. Unternehmen, die vollständig gemanagte, eng gebündelte Cloud-Data-Warehouse-Services bevorzugen, könnten Dremio als weniger passend für ihre Anforderungen bewerten.
Stärken und Herausforderungen von Dremio
Welche Stärken und Herausforderungen kennzeichnen das Produkt? Hier unsere BARC-Einschätzung.
Stärken
- Kunden nennen Benutzerfreundlichkeit, Skalierbarkeit und Performance als wichtigste Gründe für den Kauf von Dremio. Das liegt etwa doppelt so hoch wie bei anderen Anbieterprodukten.
- In der Peer Group Data Platforms lag Dremio in jeder Hauptkategorie vor allen Wettbewerbern: Business Value, Customer Satisfaction, User Experience und Technical Foundation.
- Mehr als ein Drittel (35%) der Nutzer berichtet von keinen wesentlichen Problemen mit Dremio. Der Durchschnitt über alle Produkte liegt bei 26%.
Herausforderungen
- Rund ein Drittel der Nutzer nennt Bedenken hinsichtlich komplexer Administration und Betrieb. Das ist mehr als doppelt so hoch wie der kombinierte Durchschnitt der anderen Produkte.
- Ein Viertel der Nutzer äußert Unzufriedenheit mit dem Dremio-Kundensupport. Das ist fünfmal höher als der Umfrage-Durchschnitt insgesamt.
- Dremios niedrigste Platzierung betrifft Platform Reliability.
Erfahren Sie, wie wir Ihnen mit unserer Expertise individuell helfen können.
Dremio User Reviews & Erfahrungen
Die in diesem Abschnitt enthaltenen Informationen basieren auf Anwenderfeedback zu und konkreten Erfahrungen mit Dremio.
Warum User Dremio kaufen und welche Probleme sie bei der Nutzung haben
- Erhalten Sie unabhängige Informationen zu Softwarelösungen, Marktentwicklungen und Trends aus den Bereichen Data, Analytics, Business Intelligence, Data Science und Corporate Performance Management
- Treffen Sie Ihre Entscheidungen rund um Data & Analytics auf Basis von Zahlen, Daten, Fakten und Experten-Know-how
- Zugriff auf alle Premium-Artikel und unseren gesamten Research, unter anderem alle Softwarevergleichsstudien, Scores, Surveys und die BARC Data & Analytics Gehaltsstudie
- Unbeschränkter Zugang zur BARC-Mediathek
- Konsumieren Sie die Inhalte unbeschränkt und überall
Die vollständigen User-Bewertungen und KPI-Ergebnisse für Dremio
Alle Kennzahlen für Dremio auf einen Blick.
- Erhalten Sie unabhängige Informationen zu Softwarelösungen, Marktentwicklungen und Trends aus den Bereichen Data, Analytics, Business Intelligence, Data Science und Corporate Performance Management
- Treffen Sie Ihre Entscheidungen rund um Data & Analytics auf Basis von Zahlen, Daten, Fakten und Experten-Know-how
- Zugriff auf alle Premium-Artikel und unseren gesamten Research, unter anderem alle Softwarevergleichsstudien, Scores, Surveys und die BARC Data & Analytics Gehaltsstudie
- Unbeschränkter Zugang zur BARC-Mediathek
- Konsumieren Sie die Inhalte unbeschränkt und überall
Einzelne User Reviews für Dremio
Anzahl Mitarbeitende
Branche
Quelle
Was gefällt Ihnen am besten?
Intuitives UI, guter SQL-Funktionsumfang und -Compliance, sehr gute Performance.
Was gefällt Ihnen am wenigsten/was könnte man verbessern?
Die On-Premises-Version hinkt bei Iceberg-Support (Iceberg-Catalog, Table Maintenance) der Cloud-Version hinterher. Insbesondere der proprietäre Katalog erschwert die Integration mit anderen Lösungen.
Welchen wichtigen Rat würden Sie anderen Unternehmen geben, die das Produkt einführen/nutzen wollen?
–
Wie würden Sie Ihre Erfahrung zusammenfassen?
Sehr gute Zusammenarbeit mit dem Dremio-Team, meine Kunden sind in der Regel schnell von Dremio begeistert.
Anzahl Mitarbeitende
Branche
Quelle
Was gefällt Ihnen am besten?
Dass wir mit Dremio die Möglichkeit bieten können, abteilungsübergreifend mit Daten zu arbeiten.
Was gefällt Ihnen am wenigsten/was könnte man verbessern?
Benutzeroberfläche etwas benutzerfreundlicher gestalten. Verwaltung von Teams und Rechtevergabe verbessern, um teamübergreifend besser arbeiten zu können.
Welchen wichtigen Rat würden Sie anderen Unternehmen geben, die das Produkt einführen/nutzen wollen?
–
Wie würden Sie Ihre Erfahrung zusammenfassen?
Wir sind zufrieden mit den angebotenen Funktionen und der Unterstützung im deutschsprachigen Raum.
Anzahl Mitarbeitende
Branche
Quelle
Was gefällt Ihnen am besten?
Dass es auf Open Source aufbaut und eine gute UI bietet.
Was gefällt Ihnen am wenigsten/was könnte man verbessern?
Der Wechsel in Richtung Data Processing und Lakehouse sowie der fehlende Fokus auf Query Engine, Data Governance und Data Quality.
Welchen wichtigen Rat würden Sie anderen Unternehmen geben, die das Produkt einführen/nutzen wollen?
Data-Governance- und Data-Quality-Lösungen einbauen und Data-Mesh-Ansätze erleichtern.
Wie würden Sie Ihre Erfahrung zusammenfassen?
Eine erfolgreiche Zusammenarbeit seit nunmehr über fünf Jahren.
Anzahl Mitarbeitende
Branche
Quelle
Was gefällt Ihnen am besten?
Integration in die bestehende Landschaft. Wir haben es geschafft die gesamte Kette von Test bis in Produktion zu automatisieren mit minmaler Downtown. Einstiegshürde für Anwender / Fachanwender sehr niedrig.
Was gefällt Ihnen am wenigsten/was könnte man verbessern?
Produktzyklen in Sinne von technischen Anpassungen und Veränderungen zu langsam.
Welchen wichtigen Rat würden Sie anderen Unternehmen geben, die das Produkt einführen/nutzen wollen?
Bei SaaS sich genau mit der Automatisierung und Bereitstellung auseinander zu setzen. Die Einmal inverstierte Zeit wird vielfach wieder reingeholt.
Wie würden Sie Ihre Erfahrung zusammenfassen?
Vom ersten Prototypen bis hin zu einem vollständigen automatisierten Deployment gute und stetige Betreuung.
Anzahl Mitarbeitende
Branche
Quelle
Was gefällt Ihnen am besten?
Sehr übersichtliche UI, gute UX. Super schnelle Umsetzung von neuen Datenprodukten ohne große ETL-Prozesse.
Was gefällt Ihnen am wenigsten/was könnte man verbessern?
Kubernetes Unterstützung (Helm-Chart ist ausbaufähig). Integration in IaC Tools wie Terraform. Anbindung an Data Science Tools wie Jupyter Notebooks.
Welchen wichtigen Rat würden Sie anderen Unternehmen geben, die das Produkt einführen/nutzen wollen?
Einfach mal mit dem Open-Source Produkt starten und erste Erfahrungen sammeln.
Wie würden Sie Ihre Erfahrung zusammenfassen?
Verglichen mit ähnlichen Tools gefällt mir das gesamte Zusammenspiel und der Funktionsumfang und ich bin sehr zufrieden mit den Tool.
Anzahl Mitarbeitende
Branche
Quelle
Was gefällt Ihnen am besten?
Die Einfachheit im Umgang mit Daten und das Gesamtdesign.
Was gefällt Ihnen am wenigsten/was könnte man verbessern?
Automatische erstellte Reflections erfüllen nicht die Erwartungen, da sich über mehrere Datenschichten Inkonsistenzen ergeben. Stabiler Betrieb der Dremio-Executoren, auf Mikoaoft AKS, ist nicht ausreichend.
Welchen wichtigen Rat würden Sie anderen Unternehmen geben, die das Produkt einführen/nutzen wollen?
Reflections ausschließlich über APIs triggern.
Wie würden Sie Ihre Erfahrung zusammenfassen?
Erwartungen haben sich letztlich aufgrund technischer Schwierigkeiten nicht erfüllt.
Anzahl Mitarbeitende
Branche
Quelle
Was gefällt Ihnen am besten?
SQL Interface. DBT Connectivity. Iceberg.
Was gefällt Ihnen am wenigsten/was könnte man verbessern?
User Interface. Administration / RBAC.
Welchen wichtigen Rat würden Sie anderen Unternehmen geben, die das Produkt einführen/nutzen wollen?
Force templated workspaces on users Enforce Version Control / Git via e.g. DBT.
Wie würden Sie Ihre Erfahrung zusammenfassen?
Good software with it quirks. More (business-) user friendly than all competitors that we evaluated.
Anzahl Mitarbeitende
Branche
Quelle
Was gefällt Ihnen am besten?
Love the no ETL approach to accessing data. We leverage Spark/Scala process for sourcing and handling data. Once we target into Iceberg and nessie sources are automatically available in Dremio for team access. No ETL required to provision and load like traditional (or Snowflake for that matter), while providing FAST query response to cross region data sets.
Was gefällt Ihnen am wenigsten/was könnte man verbessern?
So far no issues. Billing transparency could be improved for self hosted customers. If adopting the full SaaS model this is available, but understanding and projecting DCU usage is a little challenging in the current self hosted model. This may be an AWS hosted challenge though and not an issue with Dremio itself.
Welchen wichtigen Rat würden Sie anderen Unternehmen geben, die das Produkt einführen/nutzen wollen?
Have a clear set of objectives you are looking to accomplish and then select the tool that best enables these vs starting with tools and attempting to warp the tool to meet future needs.
Wie würden Sie Ihre Erfahrung zusammenfassen?
Very positive so far. We are loading around 1TB every 3 days and the platform is handling it nicely! Very scalable and fast response times.
Anzahl Mitarbeitende
Branche
Quelle
Was gefällt Ihnen am besten?
Lakehouse. Security. Performance.
Was gefällt Ihnen am wenigsten/was könnte man verbessern?
Labels (impossible to move around labels, to have a list of pre defined labels). Search (impossible to search within the data). Moving / saving VDS in folders (selection of the whole path each time even though we are creating the VDS in the folder, can't move easily a whole folder to another path).
Welchen wichtigen Rat würden Sie anderen Unternehmen geben, die das Produkt einführen/nutzen wollen?
To set up a POC to see if it fit their needs.
Wie würden Sie Ihre Erfahrung zusammenfassen?
Good
