Startseite > Lexikon > Tracking & Analytics > Data Warehouse

Bleistiftskizze: Figur schüttet Körner aus zwei Säcken per Trichter in ein oranges Glas neben einem vollen Glasregal, als Bild für ein Data Warehouse
Tracking & Analytics

Data Warehouse

Analytics hier, Google Ads da, Umsätze im Shop, Kontakte im CRM. Ein Data Warehouse bringt diese Zahlen an einem Ort zusammen und hält sie auch dann noch fest, wenn die Tools sie längst gelöscht haben.

Auch bekannt alsDatenlagerData-Warehouse

6 Min

Lesezeit

22.11.2026

Letzte Aktualisierung

Was ist ein Data Warehouse?

Wie viel hat ein Neukunde aus Google Ads im letzten Jahr wirklich eingebracht? Die Kosten stehen bei Google, die Besuche in Analytics, der Umsatz im Shop. Jede Zahl liegt woanders. Ein Data Warehouse holt sie an einen Tisch.

Auf Deutsch heißt es Datenlager. Es sammelt Daten aus mehreren Systemen, bringt sie in eine einheitliche Form und hält sie für Auswertungen bereit. Google nennt als typische Quellen ausdrücklich Kassendaten, Marketing-Automation und CRM.

Zwei klassische Sichtweisen prägen den Begriff bis heute:

  • Bill Inmon: eine Sammlung, die nach Themen geordnet, vereinheitlicht, zeitbezogen und beständig ist und Entscheidungen stützt.
  • Ralph Kimball: eine Kopie der Geschäftsdaten, eigens fürs Abfragen und Auswerten gebaut.

So ist ein Datenlager aufgebaut

Der Weg der Daten hat drei Schritte: holen, umformen, ablegen. Wird vor dem Laden umgeformt, heißt das ETL. Lädst du erst die Rohdaten und formst sie im Lager um, heißt es ELT. Für kleine Firmen ist der zweite Weg meist einfacher.

Im Lager selbst liegen die Daten oft im Sternschema. In der Mitte steht eine Tabelle mit Ereignissen, zum Beispiel Klicks und Kosten je Tag. Drumherum liegen Tabellen mit Eigenschaften: Kampagne, Kanal, Datum. So beantwortest du viele Fragen mit derselben Struktur.

Bekannte Plattformen sind BigQuery, Snowflake, Amazon Redshift, Databricks und Microsoft Fabric. Zum Befüllen nimmst du fertige Exporte, n8n oder Dienste wie Fivetran, Airbyte und Supermetrics. Anzeigen lässt sich alles in Looker Studio (seit April 2026 wieder „Data Studio“), Power BI oder Metabase.

Warum Marketing davon lebt

Der stärkste Grund ist banal: Marketing-Tools vergessen. Sie löschen alte Daten oder zeigen nur einen Ausschnitt.

Quelle

Grenze im Tool

GA4

Explorationen: 2 oder 14 Monate

Search Console

höchstens 1.000 Zeilen je Bericht

Google Ads

Tagesdaten: 37 Monate (seit Juni 2026)

GA4 und Search Console lassen sich kostenlos nach BigQuery exportieren. Aber beide fangen erst mit dem Tag der Einrichtung an. Für den GA4-Export schreibt Google klar, dass nichts nachgeliefert wird. Auch verpasste Tage holt der Export nicht nach. Schalte ihn deshalb ein, bevor du ihn brauchst.

Wundere dich nicht über kleine Differenzen. Laut Google sind 2 bis 5 % Abweichung bei der Zahl der Ereignisse zwischen GA4 und BigQuery normal.

Was kostet ein Data Warehouse?

Weniger, als die meisten denken. Bei BigQuery sind je Monat 10 GiB Speicher und 1 TiB Abfragen frei. Danach kosten in der EU-Region ein GiB Speicher 0,02 US-Dollar im Monat und ein TiB Abfragen 6,25 US-Dollar. Frankfurt ist teurer: 0,023 und 8,125 US-Dollar. Stand ist November 2026.

Rechnung A · Kleine Website

5.000 Ereignisse am Tag in GA4

150.000

Ereignisse / Monat

≈ 0,25 GB

neue Daten / Monat

Nach einem Jahr rund 3 GB, also 0 € Speicher

Google rechnet mit etwa 600.000 Ereignissen je GB. Der Wert schwankt.

Rechnung B · Onlineshop

100.000 Ereignisse am Tag in GA4

3 Mio.

Ereignisse / Monat

≈ 5 GB

neue Daten / Monat

Nach einem Jahr rund 60 GB, also etwa 1 US-Dollar im Monat

Teurer als der Speicher sind schlampige Abfragen und deine Arbeitszeit.

Beides sind Rechenbeispiele. Der tägliche GA4-Export verträgt in der kostenlosen Version höchstens 1 Million Ereignisse am Tag. Microsoft Fabric rechnet dagegen nach gemieteter Leistung ab. Im Dauerbetrieb kostet schon die kleinste Größe in Deutschland knapp 290 Euro im Monat.

Häufige Fehler

Fehler 1 · Zu spät anfangen

Der Export sammelt nur nach vorn. Wer ihn erst zum Jahresvergleich einschaltet, hat kein Vorjahr.

Fehler 2 · Die Sandbox für Dauerbetrieb halten

BigQuery läuft ohne Kreditkarte in einer Sandbox. Dort verfallen Tabellen nach 60 Tagen. Für eine Historie brauchst du ein Konto mit Abrechnung.

Fehler 3 · Alles abfragen

BigQuery berechnet die gelesenen Spalten. Ein Limit auf zehn Zeilen spart nichts. Wähl also nur die Spalten, die du brauchst.

Fehler 4 · Den Speicherort übersehen

Den Ort legst du beim Anlegen fest. „EU“ heißt bei Google Belgien oder Niederlande, Deutschland bekommst du über Frankfurt oder Berlin.

Was tun?

  1. Fragen sammeln: Welche drei Zahlen willst du jeden Monat sehen?
  2. Export früh einschalten: GA4 und Search Console nach BigQuery, Standort EU.
  3. Mit Bordmitteln starten: Reichen zwei Quellen und ein Monatsbericht, genügt eine Tabelle. Google Sheets fasst bis zu 20 Millionen Zellen.
  4. Löschfristen setzen: Personenbezogene Daten darfst du nach der DSGVO nur so lange halten, wie du sie brauchst. Mit dem Anbieter gehört ein Vertrag zur Auftragsverarbeitung dazu.
  5. Erst dann ausbauen: Ads, Shop und CRM dazuholen.

Häufige Fragen

Was ist der Unterschied zwischen Data Warehouse und Datenbank?

Eine Datenbank verwaltet das laufende Geschäft, zum Beispiel jede Bestellung im Shop. Ein Data Warehouse sammelt Kopien aus mehreren Systemen und ist für Auswertungen über lange Zeiträume gebaut.

Was ist der Unterschied zwischen Data Warehouse und Data Lake?

Im Data Warehouse liegen Daten geordnet, die Struktur steht beim Laden fest. Ein Data Lake nimmt Rohdaten jeder Art auf, auch Bilder oder Logs, und ordnet sie erst bei der Auswertung. Für Marketingzahlen passt meist das Warehouse.

Kann ich alte GA4-Daten nachträglich exportieren?

Die Rohdaten nicht, der Export beginnt am Tag der Einrichtung. Zusammengefasste Berichte lassen sich über den BigQuery Data Transfer Service auch rückwirkend holen, so weit GA4 sie noch vorhält.

Braucht ein kleines Unternehmen ein Data Warehouse?

Nicht sofort. Bei wenigen Quellen und einem Monatsbericht reicht eine Tabelle. Sinnvoll wird es, sobald du Quellen verknüpfen, Jahre vergleichen oder mehrere Shops auswerten willst.

Ist BigQuery DSGVO-konform nutzbar?

Das hängt von deiner Einrichtung ab. Wähl einen EU-Standort, schließ den Vertrag zur Auftragsverarbeitung, setz Löschfristen und speichere nur, was durch Einwilligung oder Rechtsgrundlage gedeckt ist. Lass dich im Zweifel beraten.

Begriff teilenHat dir die Definition geholfen? Schick sie weiter.