Databricks auf Azure, AWS und GCP: Was sich wirklich unterscheidet

Das Kernerlebnis von Databricks, also Spark-Laufzeit, Delta Lake, Notebooks, MLflow und SQL-Analyse, ist auf allen drei Clouds dasselbe. Was sich unterscheidet, ist die Schicht der Anbindung: wie Databricks an das Identitätssystem, den Speicher, das Netz, die Abrechnung und die eigenen Dienste der jeweiligen Cloud andockt.

Die meisten Unternehmen wählen ihre Cloud für Databricks danach, wo sie ohnehin schon Infrastruktur betreiben, und nicht nach Databricks-eigenen Funktionen. Ein Unternehmen mit 200 Azure-Abonnements, Microsoft Entra ID für Identitäten und Power BI für Berichte wird Databricks nicht auf GCP ausrollen, um 3 % Rechenkosten zu sparen. Die Wahl der Cloud ist eine Entscheidung über Infrastruktur, und dieser Leitfaden behandelt die Unterschiede, die den Alltag, die Kosten und die Data Governance tatsächlich berühren.

TL;DR

Databricks läuft auf Azure, AWS und GCP mit demselben Kern aus Spark, Delta Lake und Unity Catalog. Die Unterschiede liegen in der Anbindung an die Cloud und in den kommerziellen Bedingungen: Azure Databricks ist ein eigener Dienst von Microsoft, der über Azure abgerechnet wird, mit Anmeldung über Microsoft Entra ID und Anbindung an Power BI. AWS hat die längste Erfahrung mit Databricks und bietet Graviton-Instanzen. Auf GCP läuft Databricks neben BigQuery und Vertex AI. Auch DBU-Listenpreise, die Abdeckung nach Regionen und die Optionen für Compliance unterscheiden sich je Cloud. Entscheiden Sie nach Ihren bestehenden Investitionen in eine Cloud und prüfen Sie dann die konkreten Funktionen, auf die Sie angewiesen sind.

Was über die Clouds hinweg gleich bleibt

Die Spark-Laufzeit, das Speicherformat Delta Lake, Unity Catalog, MLflow, Databricks SQL, die REST-API und das Arbeiten mit Notebooks sind auf jeder Cloud gleich, auch wenn einzelne Funktionen Clouds und Regionen zu unterschiedlichen Zeitpunkten erreichen. Ein PySpark-Job, der auf Azure entwickelt wurde, läuft auf AWS mit kleinen Anpassungen der Konfiguration (ADLS-Pfade gegen S3-Pfade tauschen und Azure-Speicheranmeldedaten gegen IAM-Rollen). Teams, die mehrere Clouds betreiben oder einen Wechsel erwägen, können sich auf diese Übertragbarkeit verlassen: Die Plattformschicht von Databricks abstrahiert die meisten cloudspezifischen Unterschiede bei Speicher und Rechenleistung darunter weg.

Databricks auf Azure: Anbindung als eigener Microsoft-Dienst

Azure Databricks ist von den dreien das einzige Angebot, bei dem Databricks ein eigener Azure-Dienst von Microsoft ist. Sie richten es über das Azure-Portal ein, es erscheint auf Ihrer Azure-Rechnung, und es meldet Nutzer von Haus aus über Microsoft Entra ID per SSO an und nutzt diese Identitäten für die Zugriffskontrolle.

Die Anbindung an das Ökosystem von Microsoft reicht tief. Power BI DirectQuery verbindet sich nativ mit SQL-Warehouses von Databricks. Azure Data Factory führt Jobs von Azure Databricks aus seinen Pipelines aus. ADLS Gen2 ist die Speicherschicht für Tabellen und Volumes in Unity Catalog. Azure Key Vault kann als Speicher für Secret Scopes von Databricks dienen. Microsoft Purview kann Metadaten und Lineage aus Unity Catalog erfassen.

Für ein Unternehmen, das Databricks, Power BI und Purview unter einem einzigen Azure Enterprise Agreement betreibt, ergibt das eine Rechnung, ein Identitätssystem und eine Supportbeziehung. Diese betriebliche Einfachheit ist das stärkste Argument für Azure Databricks, und deshalb beginnen viele auf Microsoft ausgerichtete Unternehmen ihre Prüfung von Databricks dort.

Microsoft beschreibt Azure Databricks als eigenen Dienst auf Azure, der von Microsoft verwaltet, über Azure abgerechnet, an Microsoft Entra ID angebunden und durch Supportverträge von Microsoft mit denselben SLAs wie andere Azure-Dienste abgedeckt wird.

- Microsoft Azure Blog, Azure Databricks: Differentiated synergy (Juni 2024)

Databricks auf AWS: Reife und Vielfalt der Instanzen

AWS war die erste Cloud, auf der Databricks startete, und hat die längste Erfahrung vorzuweisen. Das Ökosystem bindet S3 für Speicher an, IAM für Zugriffskontrolle, Glue für die Verträglichkeit mit dem alten Hive-Metastore (empfohlen ist Unity Catalog) und AWS PrivateLink für private Verbindungen im Front-End und Back-End.

Der praktische Vorteil ist die Vielfalt der Instanzen. AWS bietet eine breite Auswahl an EC2-Instanztypen, darunter Graviton-Instanzen auf ARM-Basis, denen AWS das beste Preis-Leistungs-Verhältnis auf EC2 zuschreibt. Databricks unterstützt sie mit einigen Ausnahmen, darunter Databricks SQL und AWS GovCloud. Für Teams mit großem Data Engineering ist die Möglichkeit, das passende Rechenprofil zu wählen, also arbeitsspeicheroptimiert für Joins, speicheroptimiert für Shuffles und GPU-Instanzen für das Training von Modellen, ein echter Vorteil.

Databricks auf AWS lässt sich über ein Konto im AWS Marketplace bezahlen, sodass die Kosten auf der AWS-Rechnung erscheinen. Ob diese Ausgaben auf eine bestehende Abnahmeverpflichtung bei AWS angerechnet werden, hängt von den Bedingungen Ihres Enterprise-Vertrags mit AWS ab; klären Sie das, bevor Sie den Umfang festlegen.

Databricks auf GCP: das Ökosystem aus BigQuery und Vertex AI

GCP ist die jüngste Installation von Databricks. Sie bindet Google Cloud Storage an, Cloud IAM, Cloud Composer (verwaltetes Airflow) und das Netz von Google, einschließlich Private Service Connect für private Verbindungen.

Der Reiz ist die Nähe zu BigQuery. Mit Lakehouse Federation können Teams in Databricks Abfragen ausführen, die Tabellen im Delta Lake mit Datensätzen aus BigQuery verknüpfen, ohne die Daten vorher zu kopieren. Die Föderation mit BigQuery ist nicht auf Google Cloud beschränkt, doch Databricks auf GCP hält diese Abfragen innerhalb einer Cloud und vermeidet Datentransfer zwischen Clouds. Für Unternehmen, die bereits in BigQuery für SQL-Analyse investiert haben, ergibt Databricks für Spark-Arbeitslasten und das Training von Modellen einen ergänzenden statt eines ersetzenden Stapels.

Vertex AI ist der andere Nachbar. Ein Team, das Modelle bereits auf Vertex AI bereitstellt, kann ein Modell mit MLflow in Databricks trainieren und nachverfolgen, es exportieren und an Endpunkten von Vertex AI ausliefern; diese Übergabe baut und pflegt das Team selbst, es ist keine eingebaute Integration. Databricks Model Serving ist die Alternative, die Training und Bereitstellung von KI-Modellen auf einer Plattform hält.

GCP gewährt außerdem automatisch Rabatte für kontinuierliche Nutzung für berechtigte Maschinenserien wie N1 und N2. Eine Zusage im Voraus ist nicht nötig; Google senkt den effektiven Satz, während die monatliche Nutzung dieser Maschinen steigt. Serien wie E2 stehen nicht auf der Liste der berechtigten Serien, prüfen Sie also, welche Maschinentypen Ihre Cluster nutzen.

Unterschiede beim Preis je Cloud

Die DBU-Sätze sind nicht auf allen Clouds gleich. In der Premium-Stufe liegen die Listenpreise von Databricks für Jobs Compute bei 0,15 US-Dollar je DBU auf AWS und GCP und bei 0,30 US-Dollar auf Azure, während All-Purpose Compute auf allen dreien 0,55 US-Dollar je DBU kostet (Oktober 2026). Die Stufe Standard ist eingestellt (AWS und GCP am 1. Oktober 2025, Azure am 1. Oktober 2026), daher ist Premium die Grundlage. Zusätzlich zu den DBU berechnet jeder Cloud-Anbieter die zugrunde liegenden virtuellen Maschinen, den Speicher und den ausgehenden Datenverkehr.

Zum Vergrößern klicken

Die Preise virtueller Maschinen vergleichbarer Instanztypen, also AWS m5.xlarge gegen Azure Standard_D4s_v3 gegen GCP n2-standard-4, schwanken je nach Region und Umfang der Zusage; berechnen Sie daher die genaue Instanz im Rechner des jeweiligen Anbieters, statt sich auf eine Faustregel zu verlassen. Beim Speicher gilt dasselbe: Amazon S3 Standard kostet laut Liste 0,023 US-Dollar pro GB und Monat für die ersten 50 TB in US East (N. Virginia), und die entsprechenden Stufen von ADLS und GCS sollten Sie für Ihre Region prüfen.

Der eigentliche Kostenunterschied ist die Einbindung in die Abrechnung. Die DBU von Azure Databricks werden zusammen mit der Infrastruktur über Azure abgerechnet, und Azure bietet Pläne zum Vorabkauf von Databricks Commit Units mit bis zu 37 % Ersparnis gegenüber den DBU-Preisen bei nutzungsabhängiger Abrechnung. Kunden von AWS können über den AWS Marketplace bezahlen, und Databricks auf Google Cloud wird über den Google Cloud Marketplace abonniert und an ein Rechnungskonto bei Google gebunden. Die Rabatte von GCP für kontinuierliche Nutzung greifen automatisch für berechtigte virtuelle Maschinen. Welche Cloud die günstigste ist, hängt weniger an den Listenpreisen als daran, mit welchem Anbieter Ihr Unternehmen bereits eine kommerzielle Beziehung hat und was diese Vereinbarung abdeckt.

Die Kosten für ausgehenden Datenverkehr verdienen bei Architekturen über mehrere Regionen oder in hybriden Aufbauten Aufmerksamkeit. Jeder Anbieter bepreist regionsübergreifenden Verkehr und Verkehr ins Internet anders, und Databricks berechnet in manchen Fällen eigene Netzkosten, auf Azure etwa dann, wenn serverlose Arbeitslasten sich mit Ressourcen des Kunden verbinden. Wenn Ihre Architektur große Datenmengen zwischen Databricks und anderen Diensten bewegt, rechnen Sie diese Kosten ausdrücklich durch: Bei datenintensiven Arbeitslasten können sie die Rechenkosten übersteigen.

Verfügbarkeit neuer Funktionen und Regionen

Die Verfügbarkeit von Funktionen unterscheidet sich nach Cloud und Region; setzen Sie also nicht voraus, dass eine Fähigkeit aus der Dokumentation einer Cloud in Ihrer Region existiert. Die Databricks-Dokumentation jeder Cloud führt eine Liste der Funktionen mit eingeschränkter regionaler Verfügbarkeit. Auf Azure etwa ist serverlose Rechenleistung für Notebooks, Jobs, Pipelines und SQL-Warehouses nur in einem Teil der Regionen von Azure Databricks verfügbar. Prüfen Sie diese Liste für jede Fähigkeit, auf die Sie angewiesen sind, bevor Sie eine Region wählen.

Auch die Abdeckung nach Regionen unterscheidet sich. Stand Oktober 2026 nennt die Dokumentation 45 Regionen für Azure Databricks (darunter zwei Regionen von Azure Government und vier von Azure China), 16 kommerzielle AWS-Regionen plus AWS GovCloud und 15 Regionen in Google Cloud.

Für Unternehmen in regulierten Branchen kann die Unterstützung einer Regierungscloud ausschlaggebend sein. Azure Databricks liegt in Azure Government im Geltungsbereich von FedRAMP High, DoD IL4 und DoD IL5 (mit Isolierung der Arbeitslasten), allerdings gibt Microsofts Seite zur Verfügbarkeit von Funktionen (Oktober 2026) an, dass die Regionen von Azure Government Databricks SQL und Unity Catalog nicht unterstützen. Databricks auf AWS GovCloud bietet getrennte Umgebungen für Anforderungen nach FedRAMP High und nach DoD IL5. Auf Google Cloud deckt das Compliance-Sicherheitsprofil C5, HIPAA, HITRUST, PCI-DSS und TISAX ab, und Databricks dokumentiert dort keine Installation in einer Regierungscloud.

Governance über Clouds hinweg mit Dawiso

Unity Catalog steuert Daten über die Arbeitsbereiche eines Databricks-Kontos hinweg, mit einem Metastore je Region. Es übernimmt Zugriffskontrolle, Lineage und Metadaten für Delta-Tabellen und Modelle des maschinellen Lernens, und über Lakehouse Federation kann es Abfragen an externe Systeme wie Snowflake oder BigQuery steuern. Doch viele Unternehmen betreiben Databricks auf mehr als einer Cloud, also mit getrennten Databricks-Konten und Metastores, und daneben Snowflake, SaaS-Werkzeuge und Systeme auf eigenen Servern. Eine gemeinsame fachliche Sicht über diese Grenzen hinweg ist der Punkt, an dem ein plattformübergreifender Katalog hilft.

Zum Vergrößern klicken

Dawiso schließt diese Lücke, indem es die Metadaten jedes angebundenen Databricks-Kontos in einen einzigen Datenkatalog aufnimmt, neben die anderen Quellen, die Sie anbinden. Der Databricks-Konnektor liest Objekte aus Unity Catalog und die Lineage auf Spaltenebene aus der Systemtabelle system.access.column_lineage. Ein Begriff im Business Glossary wie „monthly active users“ lässt sich mit der Databricks-Tabelle verknüpfen, die ihn berechnet, mit der Snowflake-Tabelle, in die er gespiegelt wird, und mit dem Bericht in Power BI, der ihn zeigt. Wie tief die Lineage reicht, hängt von der Quelle ab: Spaltenebene für Databricks, Objektebene für Power BI, und der Snowflake-Konnektor liest keine native Lineage auf Spaltenebene.

Über das Model Context Protocol (MCP) ermöglicht der Dawiso MCP-Server KI-Agenten, den Katalog zu durchsuchen, Objektdetails zu lesen, die Lineage zu verfolgen und Datenstichproben der angebundenen Quellen anzusehen. Eine Analystin, die einen KI-Assistenten fragt „Wo liegen unsere Daten zur Kundenabwanderung?“, kann die Databricks-Tabelle, ihre Beschreibung und die abhängigen nachgelagerten Berichte in einer einzigen Antwort erhalten.

Fazit

Die Plattform Databricks ist von Grund auf cloudunabhängig entworfen. Die Unterschiede zwischen den Installationen auf Azure, AWS und GCP sind real, aber begrenzt: Sie laufen auf die Anbindung der Identität, die Konnektoren zu den eigenen Diensten, die Auswahl der Instanztypen, DBU-Preise und die Mechanik der Abrechnung, die Abdeckung nach Regionen und die Optionen für Compliance hinaus. Wählen Sie die Cloud, auf der Ihr Unternehmen ohnehin arbeitet, und richten Sie Ihre Prüfung auf die Anbindungspunkte, die für Ihre konkrete Architektur zählen. In Umgebungen mit mehreren Clouds ist die Lücke in der Governance das schwerere Problem, und sie lässt sich mit einem plattformübergreifenden Katalog neben Unity Catalog leichter schließen.