Batch-Verarbeitung bezeichnet die gebündelte Verarbeitung einer Menge von Datensätzen oder Aufgaben als Gruppe zu einem definierten Zeitpunkt – statt jeden Eintrag sofort beim Eingang einzeln zu verarbeiten. Vorgänge werden gesammelt, in einem „Batch“ (Stapel) zusammengefasst und dann gemeinsam verarbeitet – typischerweise zu einem Zeitpunkt, der durch einen Job Scheduler ausgelöst wird: nächtlich, stündlich oder am Ende eines Arbeitstages.
Batch-Verarbeitung ist eines der ältesten Konzepte der Datenverarbeitung und hat in der modernen Automatisierung nach wie vor seinen festen Platz – besonders dort, wo die sofortige Einzelverarbeitung entweder technisch nicht notwendig, ressourcentechnisch ineffizient oder organisatorisch nicht sinnvoll ist.
Batch vs. Echtzeit im Vergleich
Batch-Verarbeitung
- Zeitplangesteuert (z. B. nachts)
- Vorgänge werden gesammelt, dann gebündelt verarbeitet
- Verzögerung: Minuten bis Stunden
- Ressourceneffizient bei hohem Volumen
- Ideal für Reports, Abrechnungen, Datensync
- Einfacher zu implementieren
Echtzeitverarbeitung
- Event-getriggert (sofort)
- Jeder Vorgang wird einzeln und sofort verarbeitet
- Verzögerung: Millisekunden bis Sekunden
- Höherer Infrastrukturaufwand
- Ideal für Kundenkommunikation, Zahlungen, Alerts
- Komplexer in Fehlerbehandlung
Typische Anwendungsfälle für Batch-Verarbeitung
- Monatliche Abrechnungen: Am Monatsersten werden alle Kundenumsätze aus dem Vormonat gesammelt, berechnet und Rechnungen generiert
- Nachtliche Datensynchronisation: Stammdaten zwischen ERP, CRM und Webshop werden einmal täglich abgeglichen – Echtzeit-Sync ist nicht notwendig
- Tagesabschluss im Controlling: Alle Buchungen des Tages werden zum Tagesende zusammengefasst, Konten abgestimmt und Reports erzeugt
- Massenimport: Eine Excel-Datei mit 5.000 neuen Kundenadressen wird einmalig eingelesen und in die Datenbank importiert
- E-Mail-Newsletter: Alle Newsletter-Empfänger eines Segments erhalten ihre Nachricht in einem Batch – nicht jede E-Mail einzeln zu einem individuellen Zeitpunkt
Batch-Größe und Performance
Die Größe eines Batches – also wie viele Einträge gebündelt verarbeitet werden – hat direkte Auswirkungen auf Performance und Fehlerbehandlung. Sehr große Batches verarbeiten effizient, aber ein Fehler bei Eintrag Nr. 4.500 von 5.000 kann die gesamte Verarbeitung stoppen. Gut designte Batch-Prozesse verarbeiten daher in definierten Teilmengen (Micro-Batches) und protokollieren den Fortschritt, sodass nach einem Fehler nicht von vorne begonnen werden muss.
Praxisbeispiel
Ein Versicherungsunternehmen verarbeitet Prämienzahlungen in einem monatlichen Batch. Am ersten Arbeitstag jedes Monats startet um 03:00 Uhr ein automatisierter Job: Er liest alle Verträge mit Fälligkeitsdatum im aktuellen Monat aus der Datenbank – durchschnittlich 12.400 Datensätze. Für jeden Datensatz wird die Prämie berechnet, ein Zahlungsauftrag erzeugt und an das Bankensystem übergeben. In Micro-Batches von je 500 Datensätzen verarbeitet. Bei einem Fehler in Batch 14 werden die Batches 1–13 als abgeschlossen markiert, nur Batch 14 wird wiederholt. Um 05:30 Uhr ist die gesamte Verarbeitung abgeschlossen – 12.400 Zahlungsaufträge, vollautomatisch, bevor die erste Mitarbeiterin ins Büro kommt.
