{"id":144161,"date":"2026-02-16T13:01:33","date_gmt":"2026-02-16T13:01:33","guid":{"rendered":"https:\/\/barc.com\/?p=144161"},"modified":"2026-02-16T13:04:27","modified_gmt":"2026-02-16T13:04:27","slug":"europaeische-cloud-im-praxistest","status":"publish","type":"post","link":"https:\/\/barc.com\/de\/europaeische-cloud-im-praxistest\/","title":{"rendered":"Europ\u00e4ische Cloud im Praxistest: Funktioniert Datensouver\u00e4nit\u00e4t ohne Performance-Verlust?\u00a0"},"content":{"rendered":"\n

Wer kann alles auf Ihre Unternehmensdaten zugreifen?<\/strong> Der US CLOUD Act liefert eine unbequeme Antwort: Amerikanische Beh\u00f6rden k\u00f6nnen Zugriff verlangen, wenn US-Unternehmen Ihre Daten verwalten. Ihre Daten liegen in Frankfurt, Paris oder Amsterdam? Das spielt keine Rolle. Solange AWS, Microsoft, Google und Co Ihre Daten verwalten, gilt US-Recht. Egal, wo die Server physisch stehen. <\/p>\n\n\n\n

Die Trump-Administration hat diese Debatte neu entfacht: Im Januar 2025 entlie\u00df sie drei demokratische Mitglieder des Privacy and Civil Liberties Oversight Board (PCLOB). Dieses Gremium \u00fcberwacht unabh\u00e4ngig die Einhaltung der Datenschutzstandards des EU-US Data Privacy Framework (DPF). Es bildet damit eine wichtige Voraussetzung f\u00fcr rechtskonforme Datentransfers in die USA. <\/p>\n\n\n\n

Durch die Entlassungen ist das PCLOB beschlussunf\u00e4hig und kann seine Kontrollfunktion nicht mehr aus\u00fcben. Zwar d\u00fcrfen personenbezogene Daten aus dem Europ\u00e4ischen Wirtschaftsraum (EWR) weiterhin in die Vereinigten Staaten \u00fcbermittelt werden, jedoch warnen Datenschutz-Experten zunehmend vor den Risiken f\u00fcr die Tragf\u00e4higkeit des DPF. <\/p>\n\n\n\n

Das Bewusstsein w\u00e4chst, die Taten fehlen<\/h2>\n\n\n\n

Mit der Unsicherheit w\u00e4chst in europ\u00e4ischen Unternehmen auch das Bewusstsein f\u00fcr Datensouver\u00e4nit\u00e4t. In einer aktuellen BARC-Umfrage bewerten 84 % der Unternehmen Datensouver\u00e4nit\u00e4t als strategisch wichtig. 70 % best\u00e4tigen, dass die Relevanz in den letzten zwei Jahren gestiegen ist. <\/p>\n\n\n\n

Trotzdem handeln nur wenige. Warum?<\/strong> <\/p>\n\n\n\n

Viele glauben europ\u00e4ische Cloud-Anbieter k\u00f6nnen nicht mithalten. Weder bei der Performance noch beim Preis. Zu langsam, zu teuer, zu kompliziert.\u00a0Aber stimmt das?<\/strong>\u00a0<\/p>\n\n\n\n

Der Reality-Check: 1 Milliarde Datens\u00e4tze unter realen Bedingungen<\/h2>\n\n\n\n

Wir haben STACKIT, den deutschen Cloud-Anbieter der Schwarz Gruppe (u.a. Lidl, Kaufland), mit dessen Dremio-basierter Lakehouse-L\u00f6sung mit Hilfe des BARC Data Generators unabh\u00e4ngig getestet. Kein Lab-Szenario, sondern ein typisches Enterprise-Setup: 1 Milliarde Sales Records in einem 12-dimensionalen Star-Schema, 150 Attributspalten sowie komplexe Aggregationen und Joins \u00fcber mehrere Dimensionstabellen, teilweise ohne Indizes. <\/p>\n\n\n\n

Das Ergebnis?<\/strong>\u00a0Alle Abfragen liefen in unter einer Sekunde durch. Nur die allererste Abfrage nach dem Cluster-Start ben\u00f6tigte 4,2 Sekunden. Beim initialen Laden von 1,1 Milliarden Eintr\u00e4gen in das\u00a0Iceberg-Format erreichte STACKIT einen Durchsatz von \u00fcber 4 Millionen Datens\u00e4tzen pro Sekunde \u2013 selbst bei parallelem Lesen und Schreiben auf denselben S3-Bucket. Das entspricht 3,6 Gbit\/s effektivem Durchsatz. Unter den getesteten Bedingungen lieferte das S3-Backend von STACKIT einen Durchsatz, der mit den\u00a0Hyperscalern\u00a0mithalten kann.<\/p>\n\n\n\n

Und was kostet das?<\/h2>\n\n\n\n

STACKIT setzt auf ein All-Inclusive-Preismodell: Compute, Storage, Netzwerk und Support sind im Servicepreis enthalten und es gibt keine Egress-Geb\u00fchren beim Herunterladen von Daten. <\/p>\n\n\n\n

Obwohl der Preis zun\u00e4chst \u00fcber den beworbenen Einstiegspreisen der Hyperscaler liegen mag, sieht die Endrechnung oft anders aus. Bei AWS, Azure und Google kommen Netzwerkkosten, Egress-Geb\u00fchren, API-Calls und Premium-Support separat hinzu. <\/p>\n\n\n\n

F\u00fcr Unternehmen mit volatilen Workloads oder h\u00e4ufigen Datenverschiebungen kann das Modell von STACKIT daher wirtschaftlicher sein. Besonders Cloud-Einsteiger profitieren von diesem Preismodell, da es nachvollziehbarer ist als die nutzungsbasierten Abrechnungen der Hyperscaler. <\/p>\n\n\n\n

Souver\u00e4nit\u00e4t ohne neue Abh\u00e4ngigkeiten?<\/h2>\n\n\n\n

Vendor Lock-ins sind ein strukturelles Problem bei den Hyperscalern. Wer auf AWS Lambda, Azure AI Foundry oder Google BigQuery aufbaut, bindet sich an diese Plattformen. Eine Portierung ist nur durch aufwendiges Refactoring und mit Kosten realisierbar. <\/p>\n\n\n\n

STACKIT verfolgt einen anderen Ansatz und setzt auf offene Standards wie Apache Iceberg als Lakehouse-Format, S3-kompatible APIs f\u00fcr Object Storage und Kubernetes f\u00fcr die Container-Orchestrierung. Das sichert die Portabilit\u00e4t der Workloads: Von STACKIT zu AWS wechseln? M\u00f6glich. Von AWS zu STACKIT? Ebenfalls m\u00f6glich. <\/p>\n\n\n\n

Apache Iceberg ist kein Nischenprodukt mehr. Netflix speichert mehr als 1 Exabyte an Daten in \u00fcber 3 Millionen Iceberg-Tabellen. Microsoft wechselte stillschweigend von Delta Lake zu Iceberg, und selbst Databricks bietet inzwischen Abstraktionsschichten f\u00fcr das transparente Lesen und Schreiben von Iceberg-Tabellen. <\/p>\n\n\n\n

Offene Standards sind somit mehr als nur ein Mittel gegen den Vendor Lock-in \u2013 sie sind die Voraussetzung, um Innovationen schnell zu adaptieren. <\/p>\n\n\n\n

Souver\u00e4nes Datenmanagement aus Europa ist keine Vision mehr<\/h2>\n\n\n\n

Der Test mit STACKIT und Dremio zeigt: Europ\u00e4ische Cloud-Infrastruktur kann technisch und wirtschaftlich mit den Hyperscalern mithalten. Zwar befinden sich MLOps-Tools und AI-Workloads noch im Aufbau, aber das Service-Portfolio w\u00e4chst kontinuierlich. F\u00fcr die meisten Analytics- und Data-Science-Use-Cases ist das Setup aber schon heute produktionsreif. <\/p>\n\n\n\n

Die Frage lautet heute nicht mehr „Hyperscaler\u00a0oder Europa“, sondern „welche Workloads geh\u00f6ren wohin“. Unternehmen k\u00f6nnen kritische Daten auf souver\u00e4ner Infrastruktur halten und weniger sensible Workloads auf globalen Plattformen betreiben. Der Schl\u00fcssel liegt in der intelligenten Differenzierung, nicht in blinder Konsolidierung.<\/p>\n\n\n\n

Die vollst\u00e4ndige Research Note liefert alle Details:<\/h2>\n\n\n\n