Snowflake-Preise: Credits, Speicher und was Sie tatsächlich zahlen

Die Preise von Snowflake sehen an der Oberfläche einfach aus und überraschen Teams in der Praxis, weil Sie keinen Tarif kaufen, sondern Verbrauch. Es gibt keine Lizenz je Nutzer und keine feste Monatsgebühr. Stattdessen zahlen Sie für drei Dinge, die unabhängig voneinander zählen: Rechenleistung, gemessen in Credits, Speicher, gemessen je Terabyte, und eine Handvoll weiterer Dienste, die eigenständig abrechnen. Die Summe hängt davon ab, welche Edition Sie fahren, wie groß Ihre Warehouses sind und vor allem, wie lange sie wach bleiben.

Dieser Leitfaden schlüsselt jeden Kostenbestandteil mit realistischen Szenarien auf, damit Sie abschätzen können, was Sie tatsächlich ausgeben werden. Alle genannten Preise sind Näherungswerte und ändern sich, und die Sätze schwanken nach Region und Cloud-Anbieter. Prüfen Sie daher stets die offizielle Preisseite von Snowflake und die aktuelle Verbrauchstabelle, bevor Sie planen.

Wie die Preise von Snowflake wirken: das Modell nach Verbrauch

Snowflake trennt Speicher von Rechenleistung, und diese Trennung ist das Fundament des ganzen Preismodells. Ihre Daten liegen im Objektspeicher der Cloud und werden nach Volumen berechnet. Wollen Sie diese Daten abfragen, laden oder umformen, starten Sie ein virtuelles Warehouse, also einen Rechencluster, der Credits verbraucht, solange er läuft. Zwei Teams können dieselben Daten auf getrennten Warehouses abfragen, ohne um Ressourcen zu konkurrieren, und jedes Warehouse rechnet für sich ab.

Drei Zähler sind im Kopf zu behalten. Rechen-Credits sind bei den meisten Arbeitslasten der beherrschende Posten, und ein Credit hat einen Preis, der von Ihrer Edition abhängt. Speicher ist eine Monatsgebühr auf Basis des mittleren komprimierten Volumens, das Sie halten. Weitere Dienste, darunter serverlose Funktionen und Datenübertragung, rechnen getrennt zu eigenen Sätzen ab. Die meisten Kostenüberraschungen kommen vom ersten Zähler, denn ein laufendes Warehouse rechnet ab, ob jemand abfragt oder nicht.

Credits und Preise je Edition

Ein Credit ist die Recheneinheit von Snowflake. Was ein Credit kostet, legt Ihre Edition fest, und die Edition entscheidet zugleich, welche Funktionen für Sicherheit und Governance Sie bekommen.

Snowflake führt vier Editionen: Standard, Enterprise, Business Critical und Virtual Private Snowflake. Standard ist die Einstiegsstufe mit den Kernfunktionen, bei rund 2 US-Dollar je Credit. Enterprise ergänzt Warehouses mit mehreren Clustern für Gleichzeitigkeit, materialisierte Sichten und erweitertes Time Travel, bei rund 3 US-Dollar je Credit, also 50 Prozent über Standard. Business Critical ergänzt stärkere Maßnahmen für Sicherheit und Compliance (etwa kundenverwaltete Schlüssel und Unterstützung für regulierte Daten) bei rund 4 US-Dollar je Credit. Virtual Private Snowflake (VPS) ist eine vollständig abgeschirmte Umgebung für die strengsten Anforderungen, Preis auf Anfrage.

Snowflake veröffentlicht auf seiner Preisseite keine Dollarpreise je Credit, sondern verweist Käufer auf eine Verbrauchstabelle und einen Rechner. Die hier verwendeten Näherungswerte von 2, 3 und 4 US-Dollar sind die weithin von unabhängigen Preisleitfäden berichteten Sätze auf Abruf für AWS US East (Flexera, Revefi). Behandeln Sie sie als Richtwert und prüfen Sie Ihren eigenen Satz im Rechner.

Beim Lesen dieser Zahlen zählen zwei Punkte. Erstens ist der Preis je Credit ein Basiswert für AWS US East auf Abruf, andere Regionen und Clouds tragen einen Aufschlag, manchmal einen großen. Zweitens vervielfacht die Edition nur Ihre Rechenkosten und nicht Ihre Speicherkosten, der Wechsel von Standard zu Enterprise hebt also den Rechenanteil um 50 Prozent und nicht Ihre ganze Rechnung.

Warehouse-Größen und Abrechnung je Sekunde

Die Größe eines Warehouse legt fest, wie viele Credits es pro Stunde verbraucht, und die Skala ist eine einfache Verdopplung. Ein X-Small-Warehouse verbraucht 1 Credit pro Stunde. Small sind 2, Medium 4, Large 8, und jeder Schritt nach oben verdoppelt erneut, denn, wie die Dokumentation von Snowflake es formuliert, „jede Vergrößerung auf das nächstgrößere Warehouse verdoppelt näherungsweise die Rechenleistung und die Zahl der je voller Stunde abgerechneten Credits“ (Snowflake docs). Ein größeres Warehouse ist je Arbeitseinheit nicht teurer, es erledigt dieselbe Arbeit schneller, indem es mehr Credits in kürzerer Zeit verbraucht. Deshalb geht es bei der richtigen Größe darum, das Warehouse zur Abfrage passend zu wählen, und nicht darum, immer klein zu wählen.

Abgerechnet wird je Sekunde, mit einer wichtigen Untergrenze: Bei jedem Start oder Fortsetzen wird ein Minimum von einer Minute berechnet, danach „erfolgt jede weitere Abrechnung je Sekunde, solange das Warehouse durchgehend läuft“. Sie zahlen sekundengenau für genau die Zeit, in der das Warehouse läuft. Das ist der Mechanismus hinter der häufigsten Überzahlung bei Snowflake, nämlich Warehouses, die zwischen Abfragen wach bleiben. Ein Large-Warehouse, das eine Stunde im Leerlauf steht, kostet 8 Credits, auf Enterprise rund 24 US-Dollar, und erzeugt dabei nichts. Rechnen Sie das über mehrere Warehouses und einen Arbeitstag, und die Leerlaufzeit wird zum größten Posten der Rechnung.

Speicherkosten

Der Speicher ist der ruhige Teil der Snowflake-Rechnung. Sie zahlen einen festen Satz je Terabyte auf Basis des mittleren Datenvolumens, gemessen nach der automatischen Kompression von Snowflake. Speicher auf Abruf liegt bei etwa 23 US-Dollar je Terabyte und Monat, vorab gekaufte Kapazität ist je Terabyte günstiger, verlangt aber eine Zusage im Voraus, und der genaue Satz schwankt nach Kontoart und Region (Revefi).

Zwei Dinge blähen den Speicher still und leise auf. Time Travel hält historische Fassungen Ihrer Daten für einen einstellbaren Zeitraum (bis zu 90 Tage ab Enterprise), und diese Fassungen zählen zum Speicher. Fail-safe hält nach Ablauf des Time Travel weitere 7 Tage an Wiederherstellungsdaten. Snowflake berechnet dafür nur die geänderten Zeilen und keine vollen Kopien, doch bei Tabellen mit hoher Änderungsrate und langer Aufbewahrung summiert sich das dennoch. Die Einstellungen zur Aufbewahrung sind es also wert, geprüft zu werden, statt sie voreingestellt auf dem Maximum zu lassen.

Cloud-Dienste, Serverless und Übertragung

Über Rechenleistung und Speicher hinaus zählen einige Dienste getrennt.

Cloud-Dienste übernehmen Authentifizierung, die Planung von Abfragen und Metadaten. Snowflake gewährt hier ein Freikontingent: Die Nutzung wird nur dann berechnet, wenn der tägliche Verbrauch der Cloud-Dienste 10 Prozent Ihrer täglichen Nutzung virtueller Warehouses überschreitet. Die meisten Arbeitslasten bleiben unter der Schwelle, doch metadatenlastige Muster (häufige kleine Abfragen, starke Nutzung von INFORMATION_SCHEMA) können sie überschreiten.

Serverlose Funktionen laufen auf von Snowflake verwalteter Rechenleistung statt auf Ihrem eigenen Warehouse, und jede rechnet zu ihrem eigenen Credit-Satz ab. Dazu gehören Snowpipe für das fortlaufende Laden, automatisches Clustering, die Pflege materialisierter Sichten, die Optimierung der Suche und serverlose Tasks. Sie sind bequem und oft ihr Geld wert, doch sie sind echte Credits, die in Ihrer Warehouse-Nutzung nicht auftauchen, weshalb sie beim Abgleich der Rechnung leicht übersehen werden.

Datenübertragung ist innerhalb einer Region meist kostenlos, doch Daten aus einer Cloud-Region heraus oder in eine andere Cloud zu bewegen erzeugt Gebühren für ausgehenden Datenverkehr, berechnet je Terabyte. Die üblichen Quellen sind Spiegelung über Regionen hinweg und Daten, die externe Werkzeuge abziehen.

Realistische Kostenszenarien

Diese Szenarien verwenden Näherungspreise, um die Kostenstruktur zu zeigen. Ihre tatsächlichen Kosten schwanken nach Region, Edition, Disziplin bei den Warehouses und ausgehandelten Sätzen. Prüfen Sie die aktuellen Preise, bevor Sie planen.

Kleines Team: BI und leichte Umformung

Ein kleines Analyseteam betreibt ein X-Small- und ein Small-Warehouse für Dashboards und Umformungen mit dbt während der Geschäftszeiten, mit automatischem Pausieren nach 60 Sekunden. Grobe Monatsgestalt: einige hundert Credits Rechenleistung (auf Standard rund 600 bis 1.200 US-Dollar) plus Speicher für ein paar Terabyte (etwa 50 US-Dollar). Summe: rund 700 bis 1.500 US-Dollar pro Monat. Die Spanne hängt fast vollständig daran, wie entschlossen die Warehouses pausieren.

Mittelgroße Plattform: produktives ELT plus gleichzeitige BI

Eine produktive Plattform betreibt Medium-Warehouses für ELT, ein Warehouse mit mehreren Clustern für 40 gleichzeitige Analysen und Snowpipe für die Aufnahme von Datenströmen, auf Enterprise. Grobe Monatsgestalt: Rechenleistung im niedrigen Tausenderbereich an Credits (rund 9.000 bis 15.000 US-Dollar), Speicher für 50 TB (etwa 1.150 US-Dollar), plus Serverless und ausgehender Datenverkehr (etwa 1.000 US-Dollar). Summe: rund 11.000 bis 17.000 US-Dollar pro Monat. Eine Kapazitätszusage rabattiert typischerweise den Rechenanteil.

Unternehmensmaßstab: viele Teams, nahezu durchgehend

Ein Großunternehmen betreibt viele Warehouses über Engineering, Analyse und Data Science, mehrere davon nahezu durchgehend, auf Business Critical und mit starker Nutzung serverloser Funktionen. Grobe Monatsgestalt: Zehntausende Credits (rund 60.000 bis 90.000 US-Dollar), Speicher für 500 TB (etwa 11.500 US-Dollar), plus erhebliche serverlose Nutzung und Übertragung. Summe: rund 75.000 bis 110.000 US-Dollar pro Monat, vor einem mehrjährigen Kapazitätsrabatt, der in dieser Größenordnung typischerweise einen nennenswerten Anteil herausnimmt.

Strategien zur Kostenoptimierung

Nach Wirkung geordnet. Bringen Sie die ersten drei in Ordnung, bevor Sie irgendetwas anderes tun.

1. Automatisches Pausieren entschlossen einstellen. Das ist die Änderung mit der größten Wirkung. Stellen Sie Warehouses so ein, dass sie nach 60 Sekunden Untätigkeit pausieren. Die Leerlaufminuten zwischen Abfragen sind reine Verschwendung, und sie zu verkürzen senkt die Rechenkosten stärker als jede andere einzelne Maßnahme.

2. Warehouses zur Arbeitslast passend dimensionieren. Größer ist nicht immer teurer, weil es schneller fertig wird, doch ein überdimensioniertes Warehouse verbrennt bei kleinen Abfragen Credits ohne Geschwindigkeitsgewinn. Passen Sie die Größe an die Komplexität der Abfragen an und nutzen Sie getrennte Warehouses für getrennte Arbeitslasten, damit ein schwerer Job nicht alle auf einen großen Cluster zwingt.

3. Kapazität zusagen, wenn die Nutzung stabil ist. Ist Ihr monatlicher Verbrauch an Credits vorhersagbar, rabattiert ein Kapazitätskauf den Satz je Credit. Das Risiko ist, Kapazität zuzusagen, die Sie nicht nutzen, also bemessen Sie die Zusage an Ihrem Sockel und nicht an Ihrer Spitze.

4. Warehouses mit mehreren Clustern für Gleichzeitigkeit nutzen, nicht für Größe. Wenn viele Menschen gleichzeitig abfragen, skaliert ein Warehouse mit mehreren Clustern (ab Enterprise) automatisch heraus und wieder herein, was günstiger ist, als dauerhaft ein großes Warehouse für Spitzen laufen zu lassen.

5. Serverless und Cloud-Dienste im Blick behalten. Diese erscheinen nicht in den Kennzahlen der Warehouses. Prüfen Sie sie in den Nutzungssichten des Kontos, damit ein metadatenlastiges Muster oder ein geschwätziges Snowpipe nicht still anwächst.

6. Die Aufbewahrung im Time Travel abstimmen. Lange Aufbewahrung bei Tabellen mit hoher Änderungsrate vervielfacht den Speicher. Setzen Sie die Aufbewahrung auf das, was die Wiederherstellung tatsächlich braucht, statt sie auf dem Maximum zu lassen.

Versteckte Kosten, die viele übersehen

Warehouses im Leerlauf. Das Erste, was zu beheben ist. Ein Warehouse mit abgeschaltetem oder hoch gesetztem automatischem Pausieren rechnet jede Minute ab, in der es wach ist, auch über Nacht und am Wochenende. Das ist meist die größte rückholbare Verschwendung.

Serverlose Credits. Snowpipe, automatisches Clustering, die Pflege materialisierter Sichten und die Optimierung der Suche verbrauchen alle Credits außerhalb Ihrer Warehouses. Teams, die nur die Warehouse-Nutzung überwachen, rechnen ihre echten Rechenkosten zu niedrig.

Aufschläge außerhalb der USA und bei mehreren Clouds. Die vertrauten Werte von 2, 3 und 4 US-Dollar je Credit sind ein Basiswert für AWS US East. Der Betrieb in einer anderen Region oder auf einer anderen Cloud kann den Preis je Credit merklich heben, dieselbe Arbeitslast kann also allein deshalb mehr kosten, weil sie anderswo läuft.

Speicher durch Klone und Time Travel. Das Klonen ohne Kopie ist beim Anlegen kostenlos, doch während Klon und Quelle auseinanderlaufen, werden die geänderten Daten gespeichert und berechnet. In Verbindung mit langen Zeiträumen im Time Travel kann der Speicher aktiver Tabellen ein Mehrfaches der logischen Datenmenge betragen.

Ineffiziente Abfragen. Abfragen, die weit mehr Daten durchsuchen als nötig, laufen länger, und längere Laufzeit heißt mehr Credits. Schlecht geclusterte Tabellen und vollständige Durchläufe über große Datensätze sind Rechenkosten und nicht bloß ein Leistungsthema.

Wie Dawiso hilft, die Snowflake-Kosten zu steuern

Die Kosten von Snowflake zu steuern hängt nicht nur an den Einstellungen der Warehouses. Es hängt auch daran, zu wissen, welche Daten tatsächlich genutzt werden, welche Pipelines überflüssig sind und welche Teams dieselbe Umformung erneut bauen. Das ist ein Problem der Governance und der Sichtbarkeit, und dort hilft Dawiso.

Der Datenkatalog von Dawiso zeigt, welche Tabellen und Sichten in Snowflake aktiv verbraucht werden und welche verwaist sind. Eine Tabelle, die seit 90 Tagen nicht abgefragt wurde, kann von einer Pipeline erzeugt werden, die jede Nacht Credits verbrennt, ohne dass jemand liest. Die Lineage verfolgt diese Pipelines von Ende zu Ende, nicht nur innerhalb von Snowflake, sondern über dbt, die Aufnahme und die nachgelagerten BI-Werkzeuge, sodass Sie die stilllegen können, die ins Nichts führen.

Das Business Glossary verhindert doppelte Arbeit. Wenn zwei Teams unabhängig voneinander eine Kennzahl „monthly active users“ bauen, weil keines vom anderen weiß, verbrauchen beide Umformungen Rechenleistung. Dawiso macht solche Überschneidungen sichtbar, sodass eine gesteuerte Definition mehrere ersetzt. Und weil gesteuerte, gut modellierte Sichten weniger Daten durchsuchen als Rohtabellen, fahren Teams, die die richtigen Objekte abfragen, schnellere Abfragen mit weniger Credits. Für Teams, die weiter in Richtung KI gehen, liefert Dawiso diesen gesteuerten Kontext über den Context Layer für Snowflake und das Model Context Protocol an Agenten, damit die KI dieselben vertrauenswürdigen Definitionen liest statt zu raten.

Fazit

Die Preise von Snowflake sind im Grundsatz nicht kompliziert: Credits für Rechenleistung, bepreist nach Edition, eine Speichergebühr je Terabyte und einige Dienste, die eigenständig abrechnen. Die Vielschichtigkeit und die Überzahlung entstehen aus der Zahl der Hebel und daraus, wie leicht Warehouses laufen bleiben. Die größten Einsparungen kommen aus drei Gewohnheiten: entschlossenes automatisches Pausieren, richtig dimensionierte Warehouses und eine Kapazitätszusage, bemessen an der stabilen Nutzung. Für einen Plattformvergleich siehe Databricks gegen Snowflake, und für das andere große Lakehouse siehe die Preise von Databricks.

Quellen

Die Preise ändern sich häufig und schwanken nach Region und Cloud. Prüfen Sie die aktuellen Werte stets gegen die Primärquellen unten, bevor Sie planen.

• Snowflake, Pricing Options und Übersicht der Editionen (Editionen, Modell nach Verbrauch, Rechner).
• Dokumentation von Snowflake, Understanding compute cost (Abrechnung je Sekunde, Minimum von einer Minute, Verdopplung der Credits mit der Größe, Schwelle von 10 % bei den Cloud-Diensten).
• Dokumentation von Snowflake, Understanding storage cost (fester Satz je TB, Kompression, Time Travel und Fail-safe).
• Flexera, Snowflake cost optimization guide (Näherungswerte je Credit und für Speicher, Optimierung).
• Revefi, 2026 Snowflake pricing guide (Sätze je Credit nach Edition, Speicher, regionale Aufschläge).