6 Unstrukturierte Daten dominieren heute Unternehmensumgebungen. Dateifreigaben, Objekt-Repositories und KI-Datensätze übertreffen klassische Datenbanken zusammen bei Weitem – im Volumen wie im Wachstum. Für Backup-Administratoren bringt das Wachstum unstrukturierter Daten grundlegend andere Herausforderungen mit sich als die Sicherung strukturierter Datenbanken. Unstrukturierte Daten wachsen exponentiell, ändern sich unvorhersehbar, verteilen sich über dezentrale Repositories und entziehen sich klassischen Backup-Ansätzen. Zu verstehen, wie sich eine Infrastruktur gestalten lässt, die mit dem Wachstum skaliert und dennoch beherrschbar bleibt, ist entscheidend für den Schutz moderner Informationsbestände. Ein moderner Ansatz berücksichtigt die Revolution der unstrukturierten Daten (auf Englisch) und ihre Folgen für den Speicher. Neben dem Volumen sind unstrukturierte Daten auch heterogen. Dateifreigaben enthalten Dokumente, Bilder, Videos und Anwendungsartefakte. Objektspeicher enthalten Anwendungsdaten, Backup-Kopien und KI-Trainingsdatensätze. Diese Vielfalt erschwert einheitliche Richtlinien. Manche Daten benötigen wegen häufiger Änderungen und hohen Geschäftswerts täglichen Schutz. Andere ändern sich selten und können wöchentlich oder monatlich gesichert werden. Manche Daten müssen aus Compliance-Gründen jahrelang aufbewahrt werden. Andere sollten nach 30 Tagen gelöscht werden. Wer alle Daten gleich behandelt, verschwendet Ressourcen für unkritische Daten und schützt kritische Informationen womöglich nicht ausreichend. Zur Einordnung hilft ein Blick auf typische Anwendungsfälle für Object Storage (auf Englisch) weiter. Die besonderen Herausforderungen unstrukturierter Daten erkennen Klassische Backup-Technologie wurde für strukturierte Datenbanken entwickelt, deren Änderungen vorhersehbar sind und über Transaktionslogs oder inkrementelle Snapshots erfasst werden. Eine Datenbank mit 10 GB täglichem Wachstum erzeugt 10 GB an Änderungen. Diese Vorhersehbarkeit ermöglichte linear skalierende Designs. Unstrukturierte Daten verhalten sich anders. Das Wachstum von Dateifreigaben verdeutlicht das Problem. Dateifreigaben in Unternehmen enthalten Dokumente, Tabellen, Präsentationen und Anwendungsdateien. Mitarbeitende fügen ständig Dateien hinzu, ändern und löschen sie. Statt gleichmäßig zu wachsen, zeigen Dateifreigaben beschleunigte Wachstumskurven – Daten sammeln sich an, weil das Löschen hinter dem Hinzufügen zurückbleibt. Mitarbeitende zögern, möglicherweise noch benötigte Dateien zu löschen, und so entsteht ein organisatorisches Horten. Eine Freigabe mit 10 TB kann binnen fünf Jahren 50 TB benötigen – nicht wegen strukturierten Wachstums, sondern weil das Löschen hinterherhinkt. Dieses nichtlineare Muster sprengt jede Kapazitätsplanung. Sie stellen Backup-Speicher für die aktuelle Größe bereit, doch innerhalb von 18 Monaten verdoppeln sich die Dateifreigaben und überschreiten die Kapazität. Dann stehen Sie vor einer teuren Notfallerweiterung oder vor strengen Lifecycle-Richtlinien, die Benutzer frustrieren, weil sie nicht mehr auf archivierte Dateien zugreifen können. Die Wachstumsmuster von Object Storage unterscheiden sich, sind aber ebenso herausfordernd. Ein Unternehmen setzt Object Storage für Anwendungsdaten ein. Die Teams entdecken die Möglichkeiten und beginnen, Backups, Log-Dateien, Analysedaten und ML-Trainingsdaten dort abzulegen. Aus einem Speicher für einen Zweck wird ein Sammelbecken für viele Zwecke mit unterschiedlichen Schutzanforderungen. Manche Anwendungen benötigen stündlichen Schutz, andere wöchentlichen, manche gar keinen. Das Wachstum von KI-Datensätzen beschleunigt sich explosionsartig und unvorhersehbar. Ein Team beginnt mit Terabytes, stellt fest, dass es Petabytes braucht, weil größere Datensätze die Modelle verbessern, sammelt externe Daten, richtet kontinuierliche Pipelines ein und überschreitet rasch die bereitgestellte Kapazität. Backup-Administratoren müssen plötzlich Exabytes schützen, die sechs Monate zuvor noch nicht existierten – mit unklarer Aufbewahrung und unklarer Verantwortung. Gestaffelte Backup-Strategien umsetzen Am wirksamsten sind gestaffelte Strategien, die je nach Kritikalität und Änderungsmuster unterschiedliche Schutzstufen anwenden. Kategorisieren Sie die Daten nach geschäftlicher Bedeutung und Änderungsmuster und wenden Sie dann passende Richtlinien an. Tier-1-Daten sind kritisch – aktive Projekte, operative Dateien, aktuelle Finanzunterlagen, geschäftskritische Informationen. Schützen Sie sie täglich oder häufiger. Halten Sie die Aufbewahrung kurz (30–90 Tage) mit mehreren Snapshots für eine granulare Wiederherstellung. Tier 1 macht typischerweise 20–30 % des Volumens aus, erhält aber überproportional viele Ressourcen, weil die Wiederherstellungsgeschwindigkeit zählt. Tier-2-Daten sind wertvoll, aber nicht unmittelbar kritisch – archivierte Projektdateien, Referenzdokumentation, historische Aufzeichnungen. Schützen Sie sie wöchentlich mit 3–6 Monaten Aufbewahrung. Setzen Sie inkrementelle Strategien ein, die nur geänderte Daten erfassen und so Backup-Dauer und Speicherbedarf gegenüber täglichem Schutz senken. Tier-3-Daten unterliegen Compliance-Anforderungen, sind betrieblich aber weniger kritisch – regulierte Finanzunterlagen, historische Dokumente. Schützen Sie sie monatlich oder vierteljährlich mit mehrjähriger Aufbewahrung. Der Speicherverbrauch ist wegen der langen Aufbewahrung hoch, doch die geringere Häufigkeit reduziert Komplexität und Belastung. Tier-4-Daten sind alles Übrige – Dateien, die gelöscht werden sollten, vergessene Dokumente, angesammelter Ballast. Setzen Sie strenge Lifecycle-Richtlinien um, die Dateien nach Inaktivitätszeiträumen (180 Tage, 1 Jahr oder gemäß Richtlinie) automatisch löschen. Diese Stufe benötigt keinen Backup-Schutz. Sie aus dem Geltungsbereich zu nehmen, reduziert Volumen und Komplexität drastisch. Entscheidend für den Erfolg ist eine konsequente Zuordnung zu den Stufen. Nutzen Sie Tools zur Datenerkennung und -klassifizierung, die Dateimerkmale (Alter, Größe, Änderungshäufigkeit, Eigentümer) automatisch analysieren und den passenden Stufen zuordnen. Automatisieren Sie, statt manuell zu klassifizieren. Das verhindert Fehlklassifizierungen und passt sich veränderten Mustern an. Skalierbares inkrementelles Backup konzipieren Mit wachsenden Volumen werden die Rechen- und Netzwerkanforderungen von Vollbackups unvertretbar. Ein Vollbackup von Dateifreigaben im Petabyte-Bereich kann selbst in schnellen Netzwerken 24–48 Stunden dauern, sodass tägliche Vollbackups unmöglich werden. Inkrementelle Ansätze, die nur Änderungen erfassen, werden unverzichtbar. Setzen Sie inkrementelle Backups auf Dateiebene ein, die seit dem letzten Backup geänderte Dateien erkennen. Bei Dateifreigaben funktioniert das gut – Dateiänderungen sind klar abgrenzbar und über Änderungszeitstempel nachvollziehbar. Backup-Software vergleicht aktuelle Zeitstempel mit den zuvor gesicherten, ermittelt geänderte Dateien und schützt nur diese. Das reduziert das Volumen drastisch – die meisten Dateifreigaben weisen trotz großer Gesamtgröße tägliche Änderungsraten von 5–15 % auf. Für Object Storage setzen Sie Mechanismen zur Änderungsbenachrichtigung ein. Viele Plattformen liefern Ereignisbenachrichtigungen beim Erstellen, Ändern oder Löschen von Objekten. Integrieren Sie diese in Ihre Backup-Pipelines, damit Sie nur geänderte Objekte sichern, statt wiederholt den gesamten Speicher zu durchsuchen. Dieser ereignisgesteuerte Ansatz skaliert effizient, weil der Rechenaufwand vom Änderungsvolumen abhängt, nicht vom Gesamtvolumen. Inkrementelle Strategien erfordern eine sorgfältige Verwaltung der Backup-Ketten. Für die Wiederherstellung werden das vollständige Basis-Backup und alle dazwischenliegenden Inkremente benötigt. Für die Wiederherstellung eines bestimmten Zeitpunkts kann eine fünfstufige Kette (Vollbackup plus vier Inkremente) nötig sein. Ist ein Glied der Kette beschädigt oder fehlt es, wird die Wiederherstellung dieses Zeitpunkts unmöglich. Begegnen Sie dem mit regelmäßiger Konsolidierung und Vollbackup-Zyklen. Statt unbegrenzter Ketten führen Sie in regelmäßigen Abständen (wöchentlich, monatlich) Vollbackups durch, die die Kette zurücksetzen. Das erhöht zwar Speicher- und Bandbreitenbedarf durch die periodischen Vollbackups, beseitigt aber das Risiko beschädigter Ketten und vereinfacht die Wiederherstellung. Für geschäftskritische Daten lohnt sich dieser Kompromiss. Wildwuchs durch Lifecycle-Management verhindern Die wirksamste Strategie gegen das Datenwachstum besteht darin, Ansammlungen durch konsequentes Lifecycle-Management zu verhindern. Daten, die an der Quelle gelöscht werden, müssen nie gesichert werden. Für Administratoren sind wirksame Lifecycle-Richtlinien an der Quelle günstiger als eine endlose Erweiterung der Infrastruktur. Erarbeiten Sie mit den Fachbereichen Aufbewahrungsrichtlinien für Dateifreigaben. Dokumente sollten ab einem festgelegten Alter automatisch archiviert oder gelöscht werden, sofern sie nicht ausdrücklich für die Langzeitaufbewahrung gekennzeichnet sind. Für Finanzunterlagen, Verträge und Compliance-Informationen kann es gesetzliche Vorgaben geben, für die meisten operativen Dateien jedoch nicht. Legen Sie strenge Standardwerte fest (180–365 Tage) und definieren Sie ausdrückliche Ausnahmen für längere Aufbewahrungsanforderungen. Setzen Sie automatisierte Richtlinien in Object Storage und Data Lakes um. Gerade in Object Storage sammeln sich Daten an, weil die Bereitstellung einfach ist und das Löschen eine aktive Handlung erfordert. Setzen Sie Richtlinien um, die Objekte nach Inaktivität automatisch löschen, sofern sie nicht ausdrücklich als dauerhaft gekennzeichnet sind. Löschen Sie temporäre Objekte (Log-Dateien, Zwischenergebnisse, Testdaten) nach Ablauf der Aufbewahrungsfrist automatisch. Für KI-Datensätze legen Sie ausdrückliche Lifecycle-Richtlinien fest, die an Modellzyklen gekoppelt sind. Ein Datensatz, mit dem ein bestimmtes Modell trainiert wurde, muss nach der Bereitstellung womöglich ein Jahr lang für neues Training aufbewahrt werden und wird danach gelöscht, sofern das Modell nicht in Produktion bleibt. Ein solcher ausdrücklicher Lebenszyklus verhindert eine unbegrenzte Ansammlung. Setzen Sie dies über technische Kontrollen durch, nicht über menschliche Disziplin. Automatisieren Sie das Löschen über geplante Jobs statt über manuelle Verfahren. Machen Sie das Löschen zum Standard für Daten ohne ausdrückliche Aufbewahrungskennzeichnung. Das kehrt die Beweislast um: Daten existieren nur, wenn Teams sie ausdrücklich zur Aufbewahrung markieren – und nicht unbegrenzt, bis jemand sie löscht. Infrastruktur für wachsende Größenordnungen optimieren Mit wachsenden Volumen muss sich die Backup-Infrastruktur weiterentwickeln. Klassische Appliances mit fester Kapazität stoßen schnell an ihre Grenzen. Infrastruktur auf Basis von Object Storage skaliert reibungslos – Kapazität lässt sich schrittweise ohne architektonische Einschränkungen hinzufügen. Setzen Sie parallele Backup-Strategien um, bei denen mehrere Jobs gleichzeitig laufen und die Last über die Infrastruktur verteilt wird. Statt Dateifreigaben nacheinander zu sichern, führen Sie mehrere Sicherungen parallel bei hoher Auslastung aus. Das verkürzt das gesamte Backup-Fenster und ermöglicht eine effektive Nutzung der Bandbreite. Gestalten Sie die Infrastruktur mit mehreren Aufnahmepfaden, die die Last über unabhängige Knoten verteilen. Einzelne Backup-Ziele erzeugen Engpässe. Mehrere unabhängige Knoten, die jeweils 10–20 % des Datenverkehrs übernehmen, ermöglichen eine lineare Skalierung durch zusätzliche Knoten. Setzen Sie eine Bandbreitendrosselung ein, damit Backups nicht die gesamte Kapazität beanspruchen. Unkontrollierte Backups bremsen produktive Anwendungen aus und verschlechtern Nutzererlebnis und Performance. Setzen Sie QoS-Richtlinien ein, die Backups auf bestimmte Kontingente begrenzen und in Wartungsfenstern Lastspitzen zulassen. So sind ambitionierte Backup-Zeitpläne möglich, ohne die Produktion zu beeinträchtigen. Eine langfristige Schutzstrategie aufbauen Die Bewältigung des Datenwachstums erfordert langfristige Planung statt taktischer Krisenreaktionen. Richten Sie ein Data-Governance-Gremium mit Fachbereichen, IT, Compliance und Sicherheit ein. Entwickeln Sie unternehmensweite Lifecycle-Richtlinien mit klaren Standards für Aufbewahrung, Schutz und Löschung. Setzen Sie eine kontinuierliche Datenerkennung und -klassifizierung ein, die die Infrastruktur auf Veränderungen bei Volumen, Datentypen und Mustern überwacht. Vielen Administratoren fehlt der Überblick über die geschützten Daten – sie nehmen an, was ankommt, ohne Merkmale oder Wert zu verstehen. Setzen Sie Discovery-Tools ein, die Dateifreigaben, Objektspeicher und Data Lakes durchsuchen, um die Zusammensetzung zu verstehen, ungenutzte Daten zu identifizieren und Compliance-Probleme zu markieren. Erstellen Sie Kapazitätsmodelle, die das Wachstum über 3–5 Jahre auf Basis historischer Muster und geschäftlicher Veränderungen prognostizieren. Nutzen Sie sie als Grundlage für Infrastrukturentscheidungen und zur Überprüfung der Skalierbarkeit. Zeigen historische Muster, dass sich Dateifreigaben alle 18 Monate verdoppeln, sollte die Infrastruktur ohne architektonische Änderungen mitwachsen können. Wer die Anwendungsfälle für Object Storage (auf Englisch) versteht, kann eine Backup-Infrastruktur entwerfen, die sich an neue Datentypen und Workloads anpasst. Legen Sie schließlich Service-Level-Ziele für die Wiederherstellung fest, die zu den geschäftlichen Anforderungen passen. Nicht alle Daten sind gleich wichtig – Ihr Unternehmen braucht die Wiederherstellung von Dateifreigaben innerhalb von 4 Stunden, toleriert für archivierte Compliance-Daten aber 24–48 Stunden. Gestalten Sie die Infrastruktur so, dass sie unterschiedliche RTOs erfüllt, ohne in schnelle Wiederherstellung für wenig kritische Daten zu viel zu investieren. Ob Sie explosives Wachstum bewältigen, hängt von Strategien ab, die die grundlegenden Unterschiede zwischen unstrukturierten und strukturierten Daten anerkennen. Gestaffelter Schutz, inkrementelles Backup, Lifecycle-Management und skalierbare Infrastruktur bilden zusammen eine wirksame Langzeitstrategie. Unternehmen, die dies erfolgreich umsetzen, schützen kritische Informationen und behalten Kosten und Komplexität im Griff. Wer an Ansätzen aus der Welt strukturierter Daten festhält, stößt zunehmend an die Grenzen seiner Infrastruktur. Weiterführende Artikel Die Revolution der unstrukturierten Daten (auf Englisch) Anwendungsfälle für Object Storage (auf Englisch) Object Storage für Data Lakes (auf Englisch) Backup-Strategie für Unternehmen Richtlinie zur Datenaufbewahrung: Definition, Beispiele und Best Practices Skalierbare Architektur für Backup-Ziele
