Data Management

Was ist ein Data Lake?

Ein Data Lake ist ein zentraler Speicher, in dem große Mengen an Daten in ihrem Rohformat abgelegt werden, unabhängig von Struktur oder späterem Verwendungszweck. Strukturierte, halbstrukturierte und unstrukturierte Daten liegen nebeneinander und werden erst bei der Auswertung aufbereitet. Das unterscheidet den Data Lake vom Data Warehouse, das Daten bereits strukturiert und für definierte Auswertungen aufbereitet vorhält.

Der Grundgedanke ist Flexibilität: Daten werden gespeichert, bevor feststeht, wie sie genutzt werden (Schema-on-Read statt Schema-on-Write). Das ist besonders wertvoll für Data Science, maschinelles Lernen und explorative Analysen, bei denen sich Fragestellungen erst mit der Zeit herausbilden. Ein Data Lake nimmt dabei Daten unterschiedlichster Art auf, von Transaktions- und Sensordaten über Logdateien bis zu Dokumenten und Medien.

Merkmal	Data Lake	Data Warehouse
Datenformat	Rohdaten, jede Struktur, unaufbereitet	Strukturiert und für Auswertungen aufbereitet
Schema	Schema-on-Read (Struktur bei Nutzung)	Schema-on-Write (Struktur beim Laden)
Typische Nutzer	Data Scientists, ML-Teams	Fachbereiche, Reporting, Controlling
Stärke	Flexibilität, breites Datenspektrum	Konsistente, geprüfte Auswertungen
Risiko	Ohne Governance droht der Data Swamp	Weniger flexibel bei neuen Datenarten

Stand: Juli 2026. Data Lake und Data Warehouse schließen sich nicht aus, sondern werden häufig kombiniert.

Data Lake und Data Warehouse im Vergleich

Der Data Lake nimmt Rohdaten aller Art auf und stellt sie flexibel für spätere Auswertungen bereit. Die Darstellung ist schematisch.

Wofür wird ein Data Lake genutzt?

Ein Data Lake spielt seine Stärke aus, wenn Datenarten und Auswertungsziele vielfältig oder noch nicht endgültig festgelegt sind. Typische Einsatzfelder:

Data Science und maschinelles Lernen mit großen, heterogenen Datenmengen.
Explorative Analysen, bei denen die Fragestellung noch offen ist.
Sammeln von Roh-, Sensor- und Logdaten für spätere Nutzung.
Vorstufe, aus der aufbereitete Daten in ein Data Warehouse fließen.

Die größte Gefahr eines Data Lake ist der sogenannte Data Swamp: Werden Daten ohne Katalog, Metadaten und Governance abgelegt, entsteht ein unübersichtlicher Datensumpf, aus dem sich kaum noch Wert ziehen lässt. Ein Data Lake braucht deshalb von Anfang an klare Regeln und saubere Metadaten.

Einordnung

Ein Data Lake ist kein Selbstzweck. Der Reiz, alles einfach mal zu speichern, kippt schnell in einen Data Swamp, wenn Metadaten und Zuständigkeiten fehlen. Entscheidend ist nicht, ob Daten liegen, sondern ob sie auffindbar, beschrieben und vertrauenswürdig sind. Für den Mittelstand lohnt ein Data Lake erst dann, wenn es einen konkreten Anwendungsfall gibt und die Datenpflege organisatorisch geklärt ist.

Philipp Foreman, Geschäftsführer onacy GmbH

Data Lake oder Data Warehouse, was passt für wen?

Data Lake und Data Warehouse werden oft gegeneinander gestellt, ergänzen sich in der Praxis aber. Das Data Warehouse liefert konsistente, geprüfte Auswertungen für Fachbereiche und Reporting. Der Data Lake bietet die Flexibilität, auch neue oder unstrukturierte Datenarten aufzunehmen. Viele Unternehmen betreiben beide und lassen aufbereitete Daten aus dem Lake in das Warehouse fließen.

Ob ein Data Lake sinnvoll ist, hängt von den Anwendungsfällen ab, nicht vom Trend. Ohne solides Data Management mit Metadaten und klaren Zuständigkeiten wird aus dem Lake schnell ein Swamp. onacy hilft dabei, die passende Architektur an den tatsächlichen Bedarf zu koppeln, statt Technologie um ihrer selbst willen aufzubauen.

Häufige Fragen

Was ist ein Data Lake einfach erklärt?

Ein Data Lake ist ein zentraler Speicher, in dem Daten in ihrem Rohformat abgelegt werden, unabhängig von Struktur und späterem Zweck. Strukturierte und unstrukturierte Daten liegen nebeneinander und werden erst bei der Auswertung aufbereitet. Das macht den Data Lake flexibel und besonders geeignet für Data Science und maschinelles Lernen.

Was ist der Unterschied zwischen Data Lake und Data Warehouse?

Ein Data Lake speichert Rohdaten jeder Struktur und bereitet sie erst bei der Nutzung auf (Schema-on-Read). Ein Data Warehouse hält Daten bereits strukturiert und für definierte Auswertungen aufbereitet vor (Schema-on-Write). Der Data Lake ist flexibler, das Warehouse liefert konsistente, geprüfte Reports. Häufig werden beide kombiniert eingesetzt.

Was ist ein Data Swamp?

Ein Data Swamp ist ein Data Lake, der ohne Katalog, Metadaten und Governance zu einem unübersichtlichen Datensumpf geworden ist. Die Daten sind zwar gespeichert, lassen sich aber kaum noch auffinden, einordnen oder vertrauenswürdig nutzen. Klare Regeln und saubere Metadaten von Anfang an verhindern, dass ein Data Lake zum Data Swamp wird.

Wann lohnt sich ein Data Lake?

Ein Data Lake lohnt sich, wenn Datenarten und Auswertungsziele vielfältig oder noch nicht festgelegt sind, etwa bei Data Science oder explorativen Analysen. Voraussetzung ist ein konkreter Anwendungsfall und geklärte Datenpflege mit Metadaten und Zuständigkeiten. Ohne diese Grundlage droht ein Data Swamp, aus dem sich kaum Wert ziehen lässt.