Echtzeitverarbeitung bezeichnet die sofortige, kontinuierliche Verarbeitung von Daten oder Ereignissen unmittelbar in dem Moment, in dem sie eintreten – ohne Zwischenspeicherung in einer Warteschlange oder Bündelung zu späteren Batches. Das Ergebnis der Verarbeitung steht innerhalb von Millisekunden bis wenigen Sekunden zur Verfügung. Echtzeitverarbeitung ist das technische Fundament für sofortige Reaktionen in automatisierten Systemen.
Der Begriff „Echtzeit“ bezeichnet dabei nicht notwendigerweise die Verarbeitung in einer einzigen Millisekunde – er bezeichnet vielmehr eine Verarbeitungsgeschwindigkeit, die für die jeweilige Anforderung als unmittelbar wahrgenommen wird. Eine Zahlungsbestätigung nach 2 Sekunden ist Echtzeit. Eine Lieferbenachrichtigung nach 30 Sekunden ist für die meisten Zwecke ebenfalls Echtzeit. Ein nächtlicher Report ist keine Echtzeit.
Technische Grundlage: Event-Streams und Stream Processing
Die technische Basis der Echtzeitverarbeitung sind Event-Streams: Ereignisse (neue Bestellung, eingehende Zahlung, Sensorwert) werden als fortlaufender Datenstrom behandelt. Stream-Processing-Systeme wie Apache Kafka, Apache Flink oder AWS Kinesis verarbeiten diesen Strom kontinuierlich – jedes Ereignis wird sofort bei Eingang analysiert, transformiert und weitergeleitet. In der Praxis setzen viele Automationsplattformen auf einfachere Echtzeit-Mechanismen wie Webhooks und event-basierte Trigger, die für den Großteil der Geschäftsprozesse ausreichend sind.
Wann Echtzeitverarbeitung notwendig ist
- Zahlungsverarbeitung: Eine erfolgreiche Zahlung muss sofort zur Zugangsvergabe, Bestandsreduktion und Bestätigungs-E-Mail führen – Minuten Verzögerung sind inakzeptabel
- Betrugserkennung: Verdächtige Transaktionen müssen in Millisekunden erkannt und geblockt werden – Batch-Analyse am nächsten Tag wäre wertlos
- Kundenkommunikation: Bestellbestätigungen, Versandbenachrichtigungen und Support-Antworten müssen sofort erfolgen, um Kundenerfahrungen zu erfüllen
- IoT und Sensorik: Temperaturschwankungen, Maschinenfehler oder Sicherheitsalarme müssen in Echtzeit ausgewertet und gemeldet werden
- Monitoring und Alerting: Systemausfälle oder Schwellenwertüberschreitungen müssen sofort erkannt und kommuniziert werden
Echtzeitverarbeitung und Systemanforderungen
Echtzeitverarbeitung stellt höhere Anforderungen an Systemarchitektur und -infrastruktur als Batch-Verarbeitung: Niedrige Latenz erfordert schnelle Netzwerke und optimierte Verarbeitungspipelines. Hohe Verfügbarkeit ist kritisch – Ausfälle in der Echtzeitverarbeitung sind sofort sichtbar und haben sofortige Konsequenzen. Und skalierbare Infrastruktur muss Lastspitzen absorbieren können, da Ereignisse ungleichmäßig eintreffen – im Gegensatz zum planbaren Volumen bei Batch-Prozessen.
Praxisbeispiel
Ein E-Commerce-Unternehmen verarbeitet Bestellungen vollständig in Echtzeit. Sobald ein Kunde auf „Kaufen“ klickt (Ereignis): Lagerbestand wird in unter 500ms geprüft und reserviert. Zahlung wird in unter 2 Sekunden über die Payment-API autorisiert. Bestellbestätigung wird unter 3 Sekunden nach Zahlungseingang per E-Mail versendet. Versandauftrag wird sofort an das Lager übermittelt. Der Kunde sieht die Bestätigungs-E-Mail, während er noch auf der Danke-Seite ist. Würde dieselbe Verarbeitung als Batch laufen – z. B. stündlich gebündelt –, würden Kunden bis zu 59 Minuten auf ihre Bestätigung warten. Das ist für moderne Kundenerfahrungen nicht akzeptabel.
