Exasol Analytics Engine (Exsasol Cloud)

Exasol wurde 2000 gegründet und hat seinen Hauptsitz in Nürnberg. Vom Pionier für In-Memory-Datenbanken hat sich das Unternehmen zu einem Anbieter einer cloud-nativen Analyseplattform entwickelt. Exasol ist im europäischen Markt stark vertreten und stützt sich auf ein breites Ökosystem von mehr als 100 Implementierungs- und Technologiepartnern, darunter BI-Spezialisten, Systemintegratoren, Reseller und OEMs. Die aktive Community entwickelt zudem Integrationen auf Basis einer kostenlosen Open-Source-Version, die auf GitHub bereitsteht. Eine Besonderheit ist die Flexibilität bei der Bereitstellung: Exasol lässt sich als SaaS, im Cloud-Account des Kunden, on premises oder als lokale Installation betreiben. Damit deckt die Plattform Anforderungen an Datensouveränität und Regulierung ab, die vor allem in Deutschland und im übrigen europäischen Markt gefragt sind. Zu den jüngsten Neuerungen zählen das Release 2025.2 von Exasol 8 mit KI-nativen Funktionen sowie Exasol Personal, eine kostenlose Version, die Hochleistungsanalytik für einzelne Nutzer zugänglich macht. Die Plattform deckt unterschiedliche Anwendungsfälle ab. Am häufigsten ist Data Warehousing (90 % der Nutzer), gefolgt von Self-Service-Analytics und Data Discovery (30 %), Analytics-Beschleunigung sowie der souveränen Ausführung von KI und ML.

Die Exasol-Plattform wurde 2025 umbenannt und heißt jetzt Exasol Analytics Engine.

Technologisch beruht Exasol auf einer In-Memory-MPP-Architektur (Massively Parallel Processing) mit Algorithmen zur Selbstoptimierung und erreicht den herausragenden Performance-Wert von 9,5/10, der im The Data Fabric Survey 26 bestätigt wurde. Das cloud-native Design trennt Compute und Storage und erlaubt eine unabhängige, elastische Skalierung. Die Bereitstellung erfolgt nativ auf AWS, Azure und GCP werden über VM-Installationen unterstützt.

Vier Merkmale unterscheiden Exasol von anderen Plattformen.

1. Erstens ermöglichen Virtual Schemas eine Datenföderation: Sie greifen lesend auf externe Datenquellen zu, ohne ETL, und machen Exasol so zu einer einheitlichen Zugriffsschicht über heterogene Systeme hinweg. Das ist besonders in Self-Service-Analytics-Szenarien wertvoll.
2. Zweitens umfassen die mit Release 2025.2 eingeführten KI-nativen Funktionen das Model Context Protocol (MCP), das KI-Agenten direkt mit Daten verbindet, sowie Text AI für die Analyse unstrukturierter Inhalte wie PDFs und Präsentationen.
3. Integriertes Machine Learning führt Modelle in jeder Programmiersprache direkt in der Datenbank aus, sodass sich tiefere Erkenntnisse ohne Datenbewegung gewinnen lassen.
4. Und schließlich vereinfacht eine flexible Plug-in-Architektur Integration und funktionale Erweiterung, während die Plattform transparente Lizenz- und Nutzungsmodelle bietet.

Im The Data Fabric Survey 26 zeigte die Exasol Analytics Engine in der Peer Group der Cloud Data Warehouses eine herausragende Performance, basierend auf 20 Nutzerantworten. Die Plattform erreichte einen nahezu perfekten Performance-Wert von 9,5/10. 60 % der Nutzer nannten die Performance als Kaufgrund, gegenüber nur 23 % über alle befragten Produkte hinweg. Das Nutzerfeedback untermauert diese Führungsposition: „The performance and cooperation are excellent“ und „Good choice for high performance.“ Im Jahresvergleich verbesserte sich Exasol gegenüber dem The Cloud Data Platforms Survey 25 deutlich, vor allem bei Price-to-Value (5,5 → 7,4, +35 %), User Experience (3,8 → 7,6, +100 %) und Skalierbarkeit (6,7 → 8,3, +24 %). Diese Zugewinne deuten darauf hin, dass frühere Bedenken beim Preismodell ausgeräumt wurden, und gehen auf Investitionen in die User Experience zurück. Business Benefits lag mit 7,2 trotz eines leichten Rückgangs von 7,9 über dem Durchschnitt. 45 % der Nutzer nannten das Preis-Leistungs-Verhältnis als Kaufgrund, gegenüber 37 % im Durchschnitt. Auch die Konnektivität zu Quellsystemen und die Skalierbarkeit bewegten einen guten Teil der Käufer.

Die Nutzerstimmung zeigt insgesamt eine hohe Zufriedenheit: 50 % berichten von keinen nennenswerten Problemen mit der Software, der höchste Wert in der Peer Group. In einzelnen Bereichen bestehen weiterhin Herausforderungen. 25 % der Nutzer nennen eine hohe Komplexität bei Administration und Betrieb. Rund um Produktupdates traten Stabilitätsbedenken auf; ein Nutzer merkte an: „Sometimes product updates are buggy.“ Auch die Projektdauer wurde häufiger bemängelt als im Durchschnitt der Peer Group. Diese betrieblichen Reibungspunkte zeigen klare Verbesserungsmöglichkeiten für einen Anbieter, der bereits stark auf Nutzerfeedback reagiert hat.

Die Exasol Analytics Engine ist ein Performance-Leader im Markt für Cloud Data Warehouses, gestützt auf nahezu perfekte Nutzerbewertungen und die stärkste leistungsgetriebene Kaufmotivation in ihrer Peer Group. Die KI-native Weiterentwicklung positioniert die Plattform gut für moderne analytische Workloads, die Geschwindigkeit, Flexibilität und Datensouveränität verlangen. Die Bereitstellungsoptionen über Cloud, on premises und lokale Installation decken regulatorische Anforderungen in europäischen Märkten ab, in denen Exasol eine starke lokale Präsenz und Partnernetzwerke unterhält. Die deutlichen Verbesserungen im Jahresvergleich zeigen, wie stark der Anbieter auf Feedback reagiert. Damit die Plattform an ihre Performance-Stärke anschließen kann, bleibt anhaltende Aufmerksamkeit für betriebliche Einfachheit und Update-Stabilität nötig.