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 2020 an die Börse gebracht, damals der größte Börsengang eines Softwareunternehmens der Geschichte, hat Snowflake das heute verbreitete Muster begründet, Rechenleistung und Speicher im Data Warehouse in der Cloud voneinander zu lösen.

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 und kann ausfallen oder ersetzt werden, ohne die anderen zu berühren. Diese Trennung ist es, die Funktionen wie elastische Rechenleistung, sofortiges Klonen 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) sofort zu starten, ohne Daten zu kopieren.
• Rechenleistung nur zu bezahlen, während Abfragen laufen, denn Warehouses pausieren nach wenigen Minuten Leerlauf automatisch.
• 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 etwa die Clustergröße und den Verbrauch an Credits.

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. Die Anlaufzeit liegt im einstelligen Sekundenbereich.
• 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.
• 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 Abfragen von Analysen nach Bedarf, um Konflikte zwischen Arbeitslasten zu verhindern.

Die Speicherschicht

Snowflake legt Daten in Mikropartitionen ab: unveränderliche, automatisch erzeugte Blöcke aus 50 bis 500 MB komprimierter spaltenbasierter Daten. Das Format von Snowflake ist ein eigenes, doch jede Mikropartition liegt auf dem darunterliegenden Objektspeicher der Cloud (S3, ADLS Gen2, GCS) und erbt damit deren Haltbarkeit und Verfügbarkeit.

Drei Funktionen des Speichers stechen hervor:

• Time Travel: Daten zu einem beliebigen Zeitpunkt innerhalb eines einstellbaren Zeitraums abfragen (1 bis 90 Tage, je nach Edition). 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 oder ein neues Schema, das den Speicher mit dem Original teilt, bis eines von beiden geändert wird. Ein Warehouse von 100 TB zu klonen dauert Sekunden und verbraucht keinen zusätzlichen Speicher.
• Fortlaufender Schutz der Daten: Time Travel plus Fail-safe (ein Zeitraum von 7 Tagen nach dem Time Travel) bedeutet, dass selbst harte DROPs wiederherstellbar sind.

Seit 2024 unterstützt Snowflake außerdem Apache Iceberg als externes Tabellenformat und kann damit Iceberg-Tabellen in kundeneigenen Buckets auf S3, ADLS oder GCS abfragen, ohne Daten in den eigenen Speicher zu holen. Das ist ein bedeutendes Zugeständnis an die Verträglichkeit, das Snowflake näher an das offene Lakehouse-Muster bringt, das auf Databricks vorherrscht.

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 bietet plattformweit volles ACID.
• Sicherheitsfunktionen: Verwaltung der Schlüssel zur Verschlüsselung, Netzrichtlinien, dynamische Maskierung von Daten.
• Zwischenspeichern von Ergebnissen: Snowflake legt Abfrageergebnisse automatisch 24 Stunden ab, identische Abfragen antworten sofort, ohne erneut zu laufen.

Die Cloud-Dienste sind im Preis von Snowflake enthalten, ohne eigene Gebühr, mit einer Obergrenze zur fairen Nutzung, die nur für äußerst metadatenintensive Arbeitslasten greift.

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: deklarative materialisierte Sichten, die sich anhand von Zielen zur Aktualität selbst erneuern.
• 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 zu kopieren. Oft die entscheidende Funktion für den Datenaustausch zwischen Unternehmen.
• Native Apps: Snowpark-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.
• Kein Tuning: keine Indizes, keine Pflege von Statistiken, kein Vacuum. Der Optimierer von Snowflake und das Beschneiden von Mikropartitionen erledigen das selbst.
• 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. Sie können keine Speicherformate wählen, die physische Ablage nicht von Hand optimieren (über Clustering-Schlüssel hinaus) und Arbeitslasten nicht außerhalb der Plattform fahren. Für die meisten Unternehmen ist das der richtige Tausch.

Das Preismodell

Snowflake trennt zwei Kostenströme:

• Speicher: typischerweise 23 bis 40 US-Dollar je TB und Monat, je nach Cloud, Region und danach, ob auf Abruf oder als Kapazität gekauft.
• Rechenleistung: abgerechnet in Credits. Ein Credit entspricht einer Knotenstunde eines X-Small-Warehouse. Die Preise je Credit reichen von 2 US-Dollar (Edition Standard, AWS USA) bis 4 US-Dollar und mehr (Editionen Enterprise, Business Critical und VPS). Größere Warehouses verbrauchen Credits im Verhältnis zu ihrer Größe: ein Medium 4 Credits pro Stunde, ein Large 8 und so weiter.

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 einer der schnellsten Wege zu einer überraschenden Cloud-Rechnung in der Branche. 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 LLM Functions: gehostete LLM (Mistral, Llama, Snowflake Arctic und andere) über SQL aufrufen: SELECT SNOWFLAKE.CORTEX.COMPLETE('llama3-70b', prompt) FROM ....
• Cortex Search: verwalteter Abruf über Textspalten, die Grundlage für RAG-Muster innerhalb von Snowflake.
• Cortex Analyst: natürliche Sprache zu SQL über ein festgelegtes semantisches Modell, gedacht für Analyse im Self-Service.
• Cortex Agents: orchestrierte mehrstufige Abläufe mit LLM, die Werkzeuge, Abruf und Cortex-Modelle verbinden.
• Snowflake Arctic: die Familie offener Basismodelle von Snowflake, optimiert für SQL und das Erzeugen von Code im Unternehmen.

Das Unterscheidungsmerkmal von Cortex ist der Umgang mit dem Speicherort der Daten: Ihre Daten verlassen die Sicherheitsgrenze von Snowflake nicht, um von einem Modell verarbeitet zu werden. Für Kunden in regulierten Branchen ist das ein spürbarer Vorteil gegenüber Mustern, die Daten an externe Anbieter von LLM weiterreichen.

Verbreitete Anwendungsfälle

• Data Warehouse im Unternehmen: der ursprüngliche Anwendungsfall. SQL-Analyse über zusammengeführte Geschäftsdaten.
• Analyse über mehrere Clouds: Snowflake-Konten können Daten über Regionen von AWS, Azure und GCP spiegeln, Abnehmer fragen die nächstgelegene Kopie ab.
• 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 unterstützt Aufnahme im Sekundenbruchteil.
• RAG und KI-Anwendungen: Cortex liefert Abruf, Modelle und Orchestrierung, ohne Daten zu bewegen.

Die Reichweite von Snowflake ist seit 2020 enorm 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. Die Governance darüber, was in Snowflake liegt, also Verantwortung, Klassifizierung, Lineage und fachliche Bedeutung, ist die Stelle, an der Produkte wie Dawiso neben dem eigenen Datenwörterbuch von Snowflake stehen.