Datenarchivierung bezeichnet den Prozess, Daten aus aktiven Produktionssystemen in langfristige Speicherlösungen zu verschieben, wenn sie für den laufenden Betrieb nicht mehr benötigt werden, aber aus gesetzlichen, regulatorischen oder analytischen Gründen weiterhin aufbewahrt werden müssen. Im Unterschied zu Backups (die zur Wiederherstellung bei Datenverlust dienen) sind Archive Primärquellen für selten abgerufene, aber dauerhaft aufzubewahrende Daten.
Datenarchivierung ist für Automatisierungssysteme aus zwei Gründen wichtig: Erstens als Performance-Maßnahme – Produktionsdatenbanken, die unbegrenzt Daten ansammeln, werden langsamer und teurer. Zweitens als Compliance-Maßnahme – Gesetze schreiben Aufbewahrungsfristen vor (bis zu 10 Jahre für Buchhaltungsbelege), und Archivierung stellt sicher, dass diese Daten abrufbar bleiben, ohne die Produktionssysteme zu belasten.
Speicher-Tiers: Kosten vs. Zugriffszeit
Hot Storage Aktive Produktion: Höchste Kosten (~0,02 €/GB/Monat), sofortiger Zugriff in Millisekunden. Produktionsdatenbank, aktuelle Dokumente – für Daten der letzten 12–24 Monate.
Warm Storage Semiaktives Archiv: Mittlere Kosten (~0,01 €/GB/Monat), Zugriff in Sekunden. S3 Standard-IA, Azure Cool Storage – für Daten, auf die gelegentlich zugegriffen wird.
Cold Storage Langzeitarchiv: Niedrige Kosten (~0,004 €/GB/Monat), Zugriff in Minuten. S3 Glacier, Azure Archive – für Daten, die nur selten für Audits oder Anfragen abgerufen werden.
Deep Archive Tiefstarchiv: Günstigste Option (~0,001 €/GB/Monat), Zugriff in Stunden. S3 Glacier Deep Archive – für Daten, die fast nie gebraucht werden, aber gesetzlich aufbewahrt werden müssen.
Automatisierte Archivierungsstrategie
Archivierung sollte vollständig automatisiert sein – manuelles Archivieren führt zu Inkonsistenzen, vergessenen Daten und Compliance-Risiken. Automatisierte Lifecycle-Policies definieren, wann welche Daten in welchen Tier verschoben oder gelöscht werden: Rechnungen nach 2 Jahren automatisch von Hot nach Cold, nach 10 Jahren automatisch gelöscht. Workflow-Logs nach 90 Tagen automatisch gelöscht. Cloud-Anbieter wie AWS (S3 Lifecycle Rules), Azure (Blob Storage Lifecycle) und Google Cloud (Object Lifecycle Management) bieten diese Automatisierung direkt als Plattform-Feature an.
Praxisbeispiel
Ein Automationsdienstleister implementiert eine automatisierte Archivierungsstrategie für alle Kundendaten. Ausgangssituation: PostgreSQL-Produktionsdatenbank wächst monatlich um 12 GB, Abfragen werden zunehmend langsamer, Backup-Zeiten steigen. Archivierungsstrategie: S3 Lifecycle Rules werden konfiguriert. Rechnungsdaten älter als 24 Monate: automatisch in S3 Glacier Cold verschoben (Einsparung: 78 Prozent Speicherkosten vs. Hot). Rechnungsdaten älter als 10 Jahre: automatisch gelöscht. Workflow-Execution-Logs älter als 90 Tage: direkt gelöscht. Ergebnisse nach 6 Monaten: Produktionsdatenbank-Größe: von 340 GB auf 47 GB reduziert. Query-Laufzeiten: 4× schneller. Monatliche Speicherkosten: von 680 auf 210 Euro. Backup-Zeiten: 8× kürzer. Audit-Anfragen auf archivierte Rechnungen: in 12 Minuten abrufbar (Glacier Restore).
