Was ist Snowflake?

Snowflake ist eine cloudnative Datenplattform, gebaut auf einer eigenen Architektur mit mehreren Clustern und geteilten Daten, die Rechenleistung, Speicher und Metadaten in unabhängig skalierbare Schichten trennt. 2012 gegründet und im September 2020 an der New York Stock Exchange notiert, hat Snowflake dazu beigetragen, das Entkoppeln von Rechenleistung und Speicher im Data Warehouse in der Cloud zu einem verbreiteten Muster zu machen.

Dieser Leitfaden erklärt, wie Snowflake funktioniert, warum die Architektur zählt, was sie kostet und wo sie 2026 neben Databricks, BigQuery und Microsoft Fabric steht.

Was ist Snowflake?

Snowflake wird als vollständig verwalteter Dienst geliefert: Es gibt keine Server einzurichten, keine Cluster von Hand zu dimensionieren, keine Software zu patchen. Kunden verbinden sich mit einem Snowflake-Konto über eine Weboberfläche, SQL-Clients, Treiber oder die REST API. Im Hintergrund läuft Snowflake auf einer oder mehreren öffentlichen Clouds (AWS, Azure oder GCP), bietet aber unabhängig vom darunterliegenden Anbieter eine einheitliche SQL-Schnittstelle und ein einheitliches Betriebsmodell.

Das Produkt ist weit über seine Anfänge als SQL-Data-Warehouse hinausgewachsen. Snowflake umfasst heute: einen Datenmarktplatz, native Anwendungen, Snowpark (Python, Java und Scala für die Verarbeitung im Warehouse), das Betreiben von Oberflächen auf Basis von Streamlit, Snowflake Cortex (LLM und maschinelles Lernen) und die Unterstützung von Iceberg-Tabellen, neben dem ursprünglichen SQL-Warehouse.

Architektur mit geteilten Daten

Der prägende Entwurf von Snowflake ist die Architektur aus drei Schichten. Jede Schicht skaliert unabhängig. Diese Trennung ist es, die Funktionen wie elastische Rechenleistung, Klonen ohne Kopie und Time Travel überhaupt möglich macht.

Warum die Architektur zählt

In klassischen MPP-Warehouses (Teradata, Netezza, Vertica On-Premises) sind Rechenleistung und Speicher fest gekoppelt. Kapazität zu ergänzen heißt, Knoten zu ergänzen, die beides zusammen mitbringen. Arbeitslasten voneinander abzuschirmen verlangt, Daten in einen zweiten Cluster zu kopieren.

Die Trennung bei Snowflake erlaubt Ihnen:

• Einen neuen Rechencluster (ein virtuelles Warehouse) in Sekunden zu starten, ohne Daten zu kopieren.
• Rechenleistung nur zu bezahlen, während Warehouses laufen, denn Warehouses können nach einer von Ihnen eingestellten Leerlaufzeit automatisch pausieren.
• Mehrere Arbeitslasten (ETL, BI, Data Science) auf denselben Daten mit verschiedenen Rechenclustern zu fahren, die sich nicht gegenseitig behindern.
• Rechenleistung mit einem einzigen SQL-Befehl zu vergrößern oder zu verkleinern, ohne Daten neu zu verteilen.

Virtuelle Warehouses erklärt

Ein virtuelles Warehouse ist ein Rechencluster, dimensioniert in Konfektionsgrößen: X-Small, Small, Medium, Large, X-Large, 2X-Large, bis 6X-Large. Jeder Schritt verdoppelt den Verbrauch an Credits, von 1 Credit pro Stunde bei X-Small bis 512 bei 6X-Large; 5X-Large und 6X-Large sind in Regionen von AWS und Azure allgemein verfügbar.

Virtuelle Warehouses können:

• Automatisch pausieren, also nach N Minuten Untätigkeit stoppen. Die Speicherkosten laufen weiter, die Rechenkosten nicht.
• Automatisch fortsetzen, also bei der nächsten Abfrage wieder anlaufen. Snowflake beschreibt die Bereitstellung als im Allgemeinen sehr schnell, etwa 1 oder 2 Sekunden, sie kann aber länger dauern.
• Mit mehreren Clustern arbeiten, also bei hoher Gleichzeitigkeit zusätzliche Cluster derselben Größe starten, während die Last steigt. Verwendet für BI-Arbeitslasten, bei denen viele Menschen gleichzeitig abfragen. Warehouses mit mehreren Clustern setzen die Enterprise Edition oder höher voraus.
• In Sekunden umdimensioniert werden, mit einem einzigen SQL-Befehl ALTER WAREHOUSE. Keine Neuverteilung von Daten.

Die meisten Kunden von Snowflake betreiben mehrere virtuelle Warehouses, auf bestimmte Arbeitslasten abgestimmt: ein großes für das nächtliche ETL, ein kleineres mit mehreren Clustern für BI, ein eigenes für Ad-hoc-Abfragen von Analysten, um Konflikte zwischen Arbeitslasten zu verhindern.

Die Speicherschicht

Snowflake legt Daten in Mikropartitionen ab: unveränderliche, automatisch erzeugte Einheiten, die jeweils zwischen 50 MB und 500 MB unkomprimierter Daten enthalten und komprimiert in Spaltenform gespeichert werden. Das Format von Snowflake ist ein eigenes und wird von Snowflake auf dem Objektspeicher des darunterliegenden Cloud-Anbieters (S3, ADLS Gen2, GCS) verwaltet.

Drei Funktionen des Speichers stechen hervor:

• Time Travel: Daten zu einem beliebigen Zeitpunkt innerhalb eines einstellbaren Aufbewahrungszeitraums abfragen: standardmäßig 1 Tag, in der Standard Edition bis zu 1 Tag und für permanente Objekte ab der Enterprise Edition bis zu 90 Tage. SELECT * FROM customers AT(TIMESTAMP => '2026-04-01 10:00:00') liefert die Tabelle, wie sie in diesem Moment war.
• Klonen ohne Kopie: CLONE erzeugt eine neue Tabelle, ein neues Schema oder eine neue Datenbank, die die Mikropartitionen mit dem Original teilt, sodass der Klon keinen zusätzlichen Speicher belegt, bis sich eine der beiden Seiten ändert. Snowflake weist darauf hin, dass Klonen schnell, aber nicht augenblicklich ist, wenn Objekte groß sind.
• Fortlaufender Schutz der Daten: Ein gelöschtes Objekt lässt sich mit UNDROP wiederherstellen, solange es noch innerhalb seines Time-Travel-Zeitraums liegt. Danach folgt ein nicht einstellbarer Fail-safe-Zeitraum von 7 Tagen, aus dem nur Snowflake Daten wiederherstellen kann, nach bestem Bemühen.

Seit 2024 bietet Snowflake allgemein verfügbare Tabellen für Apache Iceberg an: Tabellen im offenen Iceberg-Format, deren Parquet-Dateien über ein External Volume in kundeneigenem Speicher auf Amazon S3, Google Cloud Storage oder Azure liegen können, verwaltet entweder von Snowflake oder von einem externen Katalog. Das bringt Snowflake näher an das offene Lakehouse-Muster, das auch mit Databricks verbunden wird.

Die Schicht der Cloud-Dienste

Die Schicht der Cloud-Dienste ist das Gehirn von Snowflake. Sie koordiniert alles, was nicht reine Rechenleistung oder reiner Speicher ist:

• Verwaltung der Metadaten: Tabellenschemata, Statistiken, Informationen zu Mikropartitionen.
• Optimierung und Zerlegung von Abfragen.
• Authentifizierung, Autorisierung und Anbindung von SSO an Microsoft Entra, Okta und andere.
• Verwaltung von Transaktionen: Snowflake unterstützt ACID-Transaktionen.
• Sicherheitsfunktionen: Verwaltung der Schlüssel zur Verschlüsselung, Netzrichtlinien, dynamische Maskierung von Daten.
• Zwischenspeichern von Ergebnissen: Snowflake hält Abfrageergebnisse 24 Stunden vor, ein Zeitraum, der bei jeder Wiederverwendung neu beginnt, höchstens bis 31 Tage nach der ersten Ausführung; eine identische Abfrage kann das gespeicherte Ergebnis liefern, ohne erneut zu laufen, solange sich die zugrunde liegenden Daten nicht geändert haben.

Die Nutzung der Cloud-Dienste wird nur berechnet, wenn ihr täglicher Verbrauch 10 % übersteigt, gemessen an der Warehouse-Nutzung desselben Tages.

Wichtige Funktionen

• Snowpark: Python, Java oder Scala schreiben, das in Snowflake läuft. DataFrames im Stil von pandas arbeiten gegen das Warehouse, ohne Daten zu bewegen.
• Streams & Tasks: Erfassung von Änderungen und leichtgewichtige Orchestrierung, in der Plattform eingebaut.
• Dynamic Tables: Tabellen, die die Ergebnisse einer Abfrage materialisieren und sich automatisch erneuern, um eine Zielverzögerung (Target Lag) einzuhalten, die festlegt, wie aktuell die Daten sein müssen.
• Snowflake Marketplace: kuratierte Data Products von Dritten, verfügbar ohne ETL.
• Secure Data Sharing: Live-Daten mit anderen Snowflake-Konten teilen (oder über Reader Accounts), ohne dass Daten kopiert werden. Ein direkter Share funktioniert innerhalb einer Region; Listings mit Cross-Cloud Auto-Fulfillment erreichen Abnehmer anderswo. Oft eine entscheidende Funktion für den Datenaustausch zwischen Unternehmen.
• Native Apps: Code, Oberfläche (Streamlit) und Daten zu einer verteilbaren Anwendung bündeln, die im Snowflake-Konto eines Kunden läuft.
• Snowsight: moderne Weboberfläche für SQL, Streamlit-Dashboards und das Erkunden von Daten.

Snowflake gegen klassische Warehouses

Verglichen mit alten MPP-Warehouses (Teradata, Netezza) und früheren Warehouses in der Cloud (der ursprünglichen Architektur von Redshift):

• Elastizität: Snowflake skaliert Rechenleistung in Sekunden, klassische Warehouses verlangen Umdimensionierung oder ganze Migrationsprojekte.
• Abschirmung von Arbeitslasten: mehrere Warehouses auf denselben Daten statt Konflikte oder Kopien.
• Weniger Tuning: keine Indizes anzulegen, keine Pflege von Statistiken, kein Vacuum. Der Optimierer von Snowflake und das Beschneiden von Mikropartitionen erledigen den Großteil, Clustering-Schlüssel und Search Optimization stehen bei Bedarf bereit.
• Betrieb als SaaS: kein Patchen, keine Verwaltung von Sicherungen, keine Infrastrukturarbeit für Datenbankadministration.
• Preismodell: nach Verbrauch im Sekundentakt statt Lizenz für feste Kapazität.

Der Preis dafür ist weniger Kontrolle. Bei Standardtabellen können Sie das Speicherformat nicht wählen, die physische Ablage nicht von Hand optimieren (über Clustering-Schlüssel hinaus), und andere Engines können die Dateien nicht direkt lesen; Iceberg-Tabellen sind der Weg für Daten, die offen bleiben müssen. Für viele Unternehmen ist das der richtige Tausch.

Das Preismodell

Snowflake trennt zwei Kostenströme:

• Speicher: monatlich je TB abgerechnet, auf die durchschnittlich gespeicherte Menge nach Kompression, zu einem Satz, der von Cloud, Region und davon abhängt, ob er auf Abruf oder als vorausbezahlte Kapazität gekauft wird.
• Rechenleistung: abgerechnet in Credits. Ein X-Small-Warehouse verbraucht 1 Credit pro Stunde, und größere Warehouses verbrauchen Credits im Verhältnis zu ihrer Größe: ein Medium 4 Credits pro Stunde, ein Large 8 und so weiter. Abgerechnet wird im Sekundentakt, mit einem Minimum von 60 Sekunden bei jedem Start eines Warehouse. Der Preis eines Credits hängt von der Edition (Standard, Enterprise, Business Critical oder Virtual Private Snowflake), der Cloud-Region und dem Vertrag ab und steigt mit der Edition (Kostenübersicht von Snowflake).

Die Verbindung von Abrechnung im Sekundentakt und automatischem Pausieren bedeutet, dass ein gut geführtes Snowflake-Konto oft weit weniger kostet, als der Credit-Satz auf dem Papier vermuten lässt. Doch ungesteuerter Zugriff auf große Warehouses ist ein häufiger Weg zu einer überraschenden Cloud-Rechnung. Ressourcenmonitore, Zeitlimits für Abfragen und Obergrenzen für die Warehouse-Größe sind unverzichtbar.

Snowflake Cortex AI

Snowflake Cortex ist die KI-Sammlung von Snowflake, unmittelbar in die SQL-Oberfläche eingebaut. Die wichtigsten Teile:

• Cortex AI Functions: KI-Funktionen, die gehostete LLMs über SQL aufrufen, mit Funktionen wie AI_COMPLETE, AI_CLASSIFY und AI_SUMMARIZE, über Modelle von Anbietern wie OpenAI, Anthropic, Meta, Mistral AI und DeepSeek: SELECT AI_COMPLETE('model_name', prompt) FROM ....
• Cortex Search: verwalteter Abruf über Textspalten, die Grundlage für RAG-Muster innerhalb von Snowflake.
• Cortex Analyst: natürliche Sprache zu SQL über eine Semantic View, die fachliche Begriffe, Kennzahlen und Beziehungen zwischen Tabellen festlegt, gedacht für Analyse im Self-Service.
• Cortex Agents: orchestrierte mehrstufige Abläufe mit LLM, die Werkzeuge, Abruf und Cortex-Modelle verbinden.

Das Unterscheidungsmerkmal von Cortex ist der Umgang mit der Datenresidenz: Snowflake erklärt, dass, sofern Sie nichts anderes wählen, alle KI-Modelle innerhalb seiner Sicherheits- und Governance-Grenze laufen. Cross-Region Inference ist bei vielen Konten standardmäßig aktiv: Prompt und Antwort können vorübergehend in einer anderen Region verarbeitet werden, während die gespeicherten Daten in der Region des Kontos bleiben, deshalb setzen Teams mit Vorgaben zur Datenresidenz CORTEX_ENABLED_CROSS_REGION ausdrücklich. Für Kunden in regulierten Branchen ist es ein spürbarer Vorteil gegenüber Mustern, die Daten an externe Anbieter von LLM weiterreichen, dass die Inferenz innerhalb der Grenze von Snowflake bleibt und die Einstellung für Cross-Region zu ihren Vorgaben zur Datenresidenz passt.

Verbreitete Anwendungsfälle

• Data Warehouse im Unternehmen: der ursprüngliche Anwendungsfall. SQL-Analyse über zusammengeführte Geschäftsdaten.
• Analyse über mehrere Clouds: Snowflake repliziert Daten über Regionen und Cloud-Plattformen hinweg (AWS, Azure und GCP); Failover und Failback setzen die Business Critical Edition oder höher voraus.
• Data Sharing und Datenaustausch zwischen Unternehmen: Secure Data Sharing erübrigt es, Dateien per FTP zu schicken oder eigene API für Auszüge aufzubauen.
• Hintergrund für SaaS-Anwendungen: Native Apps und Snowpark erlauben es Softwareanbietern, analytische Anwendungen innerhalb der Snowflake-Konten ihrer Kunden auszuliefern.
• Marketinganalyse und Kundensicht: Verknüpfungen mit hoher Kardinalität über CRM, Webanalyse und Werbeplattformen.
• Pipelines in Echtzeit: Streams, Tasks und Dynamic Tables bedienen CDC-Muster mit Mikrostapeln, Snowpipe Streaming bietet eine Verzögerung von der Aufnahme bis zur Abfragbarkeit von bis hinab zu 5 Sekunden.
• RAG und KI-Anwendungen: Cortex liefert Abruf, Modelle und Orchestrierung, ohne Daten zu bewegen.

Die Reichweite von Snowflake ist seit 2020 deutlich gewachsen. Es ist nicht länger „nur“ ein Warehouse, sondern eine Datenplattform, die mit Databricks um Arbeitslasten des maschinellen Lernens ringt, mit Microsoft Fabric um die Anbindung von BI und mit cloudnativen KI-Anbietern um generative KI im Unternehmen. Die ursprüngliche Entscheidung, Rechenleistung und Speicher zu trennen, bleibt das Fundament, das all das möglich macht. Innerhalb der Plattform bündelt Snowflake Horizon Governance wie die Klassifizierung sensibler Daten, Objekt-Tags, Richtlinien für Maskierung und Zeilenzugriff, Zugriffshistorie, Lineage und die Überwachung der Datenqualität, mehrere davon ab der Enterprise Edition, und wird aus einem Snowflake-Konto heraus verwaltet. Der Snowflake-Konnektor von Dawiso holt die Metadaten von Snowflake in denselben Katalog wie den Rest des Datenstacks, wo Verantwortung, fachliche Definitionen und Lineage über Plattformen hinweg dokumentiert werden; die Lineage auf Spaltenebene für Snowflake entsteht durch das Parsen von SQL, freigeschaltet über das Customer-Success-Team von Dawiso, und nicht aus einer nativen Quelle.

Quellen

• Snowflake - Snowflake Announces Closing of Initial Public Offering
• U.S. SEC - Snowflake Inc. annual report: Organization and Description of Business
• Snowflake Documentation - Snowflake editions
• Snowflake Documentation - Understanding overall cost
• Snowflake Documentation - Understanding compute cost
• Snowflake Documentation - Overview of warehouses
• Snowflake Documentation - Warehouse considerations
• Snowflake Documentation - Multi-cluster warehouses
• Snowflake Documentation - Micro-partitions & Data Clustering
• Snowflake Documentation - Understanding & using Time Travel
• Snowflake Documentation - Understanding and viewing Fail-safe
• Snowflake Documentation - Data storage considerations
• Snowflake Documentation - Cloning considerations
• Snowflake Documentation - Apache Iceberg tables
• Snowflake Documentation - Using Persisted Query Results
• Snowflake Documentation - Dynamic tables
• Snowflake Documentation - About Secure Data Sharing
• Snowflake Documentation - Introduction to replication and failover across multiple accounts
• Snowflake Documentation - Snowpipe Streaming
• Snowflake Documentation - Snowflake Cortex AI Functions
• Snowflake Documentation - Snowflake AI and ML
• Snowflake Documentation - Cross-region inference
• Snowflake Documentation - Snowflake Horizon Catalog
• Dawiso Help - Snowflake connector