Warum Serviceprovider ihre Infrastrukturkosten neu kalkulieren müssen

Das weltweite Datenvolumen wächst weiter dynamisch. Prognosen gehen davon aus, dass 2025 rund 181 Zettabyte erreicht werden, bei jährlichen Wachstumsraten von über 20 Prozent. Treiber sind vor allem KI-gestützte Anwendungen, automatisierte Sicherheitsprozesse sowie steigende regulatorische Anforderungen an Aufbewahrung und Nachvollziehbarkeit. Für Managed Service Provider (MSPs) ist dieses Wachstum jedoch kein automatischer Umsatzmotor. Vielmehr verschiebt sich die ökonomische Logik des Storage-Geschäfts grundlegend.

Wenn mehr Daten nicht mehr gleich mehr Marge bedeuten

Lange Zeit ließ sich Storage vergleichsweise linear kalkulieren: Mehr gespeicherte Terabyte führten zu höheren Erlösen, während sich die zugrunde liegenden Kosten proportional entwickelten. Mit KI-getriebenen Workloads ändert sich dieses Verhältnis. Daten werden nicht nur gespeichert, sondern kontinuierlich gelesen, geschrieben, indiziert, repliziert und analysiert. Sicherheits-Scans, Metadaten-Abfragen oder Data-Mining-Prozesse erzeugen eine hohe Frequenz an API-Interaktionen.

Damit verschiebt sich die Kostenstruktur vom reinen Kapazitätsverbrauch hin zu nutzungsabhängigen Transaktionsmustern. Während das Datenvolumen moderat wächst, kann die Zahl der API-Calls exponentiell ansteigen. Für MSPs entsteht ein Kalkulationsproblem: Klassische Terabyte-Preismodelle bilden diese Dynamik nur unzureichend ab. Die Konsequenz: Margen lassen sich nicht mehr zuverlässig planen, Service-Pauschalen geraten unter Druck und selbst wirtschaftlich erfolgreiche Kundenprojekte können im laufenden Betrieb defizitär werden.

Die versteckte Dynamik transaktionsbasierter Kostenmodelle

In vielen Public-Cloud-Umgebungen werden API-Requests, etwa PUT- und GET-Operationen, einzeln abgerechnet. Solange Zugriffsmuster stabil bleiben, sind diese Kosten überschaubar. Unter KI- und Automatisierungs-Workloads verändern sich jedoch sowohl Frequenz als auch Intensität der Zugriffe erheblich.

Ein MSP, der für Kunden automatisierte Ransomware-Scans oder kontinuierliche Datenanalysen auf Object-Storage-Ebene implementiert, erhöht damit die Transaktionslast signifikant. Entscheidend ist dabei weniger die einzelne Operation als deren Summe: Millionen zusätzlicher Requests pro Tag können die ursprüngliche Kalkulation vollständig verschieben. Hinzu kommen Gebühren für Datenbewegungen zwischen Regionen oder Plattformen, die insbesondere bei hybriden Szenarien oder regelmäßigen Disaster-Recovery-Tests ins Gewicht fallen.

Für ein wirtschaftlich tragfähiges Service-Modell wird daher nicht allein der Preis pro Gigabyte entscheidend sein, sondern die Transparenz und Planbarkeit der zugrunde liegenden Transaktions- und Egress-Modelle. MSPs müssen ihre Kostenlogik so gestalten, dass intensive Nutzung nicht automatisch zu unkalkulierbaren Mehrkosten führt.

Architekturentscheidungen als betriebswirtschaftlicher Einflussfaktor

Die wirtschaftliche Beherrschbarkeit von Storage hängt zunehmend von Architekturprinzipien ab. Ein zentrales Kriterium ist die Interoperabilität über standardisierte Schnittstellen. S3-Kompatibilität gilt hier als De-facto-Standard für Object Storage, weil sie die Integration in bestehende Backup-, Archiv- und Data-Management-Stacks ermöglicht.

Für MSPs bedeutet dies vor allem eines: Flexibilität. Wer Storage-Ressourcen über standardisierte APIs anbinden kann, reduziert Refactoring-Aufwände und vermeidet proprietäre Abhängigkeiten. Automatisierbare Provisionierung, rollenbasierte Zugriffskontrolle und Lifecycle-Management über APIs sind dabei weniger Feature-Fragen als Voraussetzungen für skalierbare Betriebsmodelle.

Eine zweite strategische Option besteht in der bewussten Entkopplung von Compute- und Storage-Ebene. Eine zusätzliche, unabhängige Storage-Säule außerhalb eines dominanten Hyperscaler-Ökosystems kann dazu beitragen, Kostenmodelle zu diversifizieren und Abhängigkeiten zu reduzieren. Ziel ist nicht die vollständige Abkehr von etablierten Plattformen, sondern die Schaffung wirtschaftlicher Alternativen.

Recovery-Realität: Bandbreite, Kosten und RTO

Im Kontext von NIS-2 und steigenden Cyber-Risiken rückt die Wiederherstellbarkeit von Daten stärker in den Fokus. Backups sind technisch meist vorhanden, doch in der Praxis entscheidet die Wiederanlaufzeit über die tatsächliche Resilienz.

Zwei Faktoren beeinflussen diese Realität maßgeblich: verfügbare Bandbreite und Kosten für den Datenausgang. In transaktions- und egress-basierten Modellen können großvolumige Restores oder regelmäßige DR-Tests spürbare Zusatzkosten verursachen. Gleichzeitig können Durchsatzbegrenzungen oder Prozessgrenzen die Einhaltung vereinbarter RTO-Ziele erschweren. Für MSPs bedeutet das ein doppeltes Risiko: steigende Betriebskosten auf der einen Seite und potenzielle Vertragsstrafen bei SLA-Verletzungen auf der anderen.

Eine entkoppelte Storage-Architektur kann hier Vorteile bieten, insbesondere wenn sie hohe Durchsatzraten und kalkulierbare Datenbewegung ermöglicht. Für MSPs wird Recovery damit nicht nur zu einer technischen, sondern zu einer betriebswirtschaftlichen Fragestellung.

Souveränität und Governance als Entscheidungskriterien

Neben Kosten und Performance gewinnt die Governance-Dimension an Bedeutung. Der Bitkom Cloud Report 2025 zeigt, dass 78 Prozent der Unternehmen eine enge Bindung an US-Cloud-Anbieter kritisch sehen. Digitale Souveränität wird damit zu einem strategischen Faktor.

Technisch bedeutet das, Betreiberstruktur, Schlüsselverwaltung und Datenlokation transparent zu gestalten. Für MSPs eröffnet sich hier die Möglichkeit, souveräne Infrastrukturoptionen in ihre Angebote zu integrieren, etwa über europäische Storage-Anbieter, die regulatorische Anforderungen klar adressieren und gleichzeitig S3-kompatible Schnittstellen bereitstellen.

Storage neu denken – wirtschaftlich und architektonisch

Das Datenwachstum der kommenden Jahre ist absehbar. Weniger offensichtlich ist jedoch die Verschiebung der Kostenlogik im Storage-Geschäft. MSPs, die weiterhin ausschließlich kapazitätsbasiert kalkulieren, laufen Gefahr, transaktions- und egress-getriebene Effekte zu unterschätzen.

2026 wird daher weniger durch die absolute Datenmenge geprägt sein als durch die Frage, wie beherrschbar die zugrunde liegenden Kostenmodelle sind. Wer Storage als interoperable, API-basierte und wirtschaftlich kalkulierbare Infrastrukturkomponente begreift, kann steigende Datenvolumina in stabile Margen übersetzen. Wer diese Entwicklung ignoriert, riskiert, dass aus Wachstum ein strukturelles Margenproblem wird.

Bild: tonodiaz / Freepik