Um Fivetran einzuordnen, hilft ein Blick auf die typische Datenkette eines Unternehmens. Am Anfang stehen die Quellsysteme: das ERP, das CRM, der Online-Shop, die Marketing-Tools, diverse Datenbanken. Am Ende steht das, was die Fachabteilungen sehen wollen – ein Dashboard, ein Bericht, eine Kennzahl. Dazwischen liegt ein oft unterschätzter Schritt: Die verstreuten Daten müssen regelmäßig eingesammelt und an einen zentralen Ort gebracht werden. Genau diesen Schritt automatisiert Fivetran. Es ist damit kein BI-Werkzeug und kein Data Warehouse, sondern die Datenzufuhr davor.
Drei Eigenschaften definieren Fivetran:
In Gesprächen werden diese Begriffe oft synonym verwendet, obwohl sie unterschiedliche Dinge beschreiben. ETL („Extract, Transform, Load“) ist das klassische Muster: Daten werden extrahiert, in einem eigenen Verarbeitungsschritt umgeformt und erst dann in das Zielsystem geladen. ELT dreht die Reihenfolge um – Daten werden erst geladen und danach im Warehouse transformiert. Diese Umkehr ist kein Detail, sondern die Konsequenz aus der Leistungsfähigkeit moderner Cloud-Warehouses: Weil dort Rechenleistung günstig und elastisch verfügbar ist, lohnt es sich, die Transformation dorthin zu verlagern.
Der Oberbegriff Data Movement beschreibt schlicht die Aufgabe, Daten von A nach B zu bewegen – unabhängig davon, ob transformiert wird oder nicht. Fivetran positioniert sich bewusst als Data-Movement-Plattform mit ELT-Schwerpunkt: Es ist auf das zuverlässige, automatisierte Laden spezialisiert und überlässt die eigentliche Modellierung nachgelagerten Werkzeugen – vor allem der Transformationssprache dbt, auf die wir in Kapitel 05 näher eingehen.
In vielen Unternehmen beginnt eine Dateninitiative mit der Frage nach dem BI-Tool – Power BI, Tableau oder Looker Studio. Das ist verständlich, greift aber zu kurz. Ein Dashboard ist nur so gut wie die Daten dahinter, und diese Daten müssen erst einmal vollständig, aktuell und zuverlässig am richtigen Ort ankommen. Genau hier scheitern Projekte am häufigsten: Selbstgebaute Skripte, die nachts Daten kopieren, brechen bei jeder Schnittstellen-Änderung; einzelne Personen werden zum Nadelöhr; niemand weiß mehr genau, welche Zahl aus welcher Quelle stammt.
Eine verwaltete Data-Movement-Schicht wie Fivetran adressiert genau dieses Fundament. Sie sorgt dafür, dass die Datenzufuhr nicht mehr von einzelnen Bastel-Lösungen abhängt, sondern als robuster, überwachter Dienst läuft. Für den Mittelstand, der selten ein spezialisiertes Data-Engineering-Team beschäftigt, ist das oft der entscheidende Unterschied zwischen einer belastbaren Datenplattform und einem fragilen Provisorium. Fivetran verkauft im Kern kein Feuerwerk – es verkauft Verlässlichkeit an einer Stelle, die sonst chronisch unterschätzt wird.
Fivetran hat sich als einer der bekanntesten Vertreter der Kategorie „automatisierte, verwaltete Datenintegration“ etabliert. Die strategische Positionierung ist dabei klar: Fivetran will nicht das umfassendste Werkzeug für jede erdenkliche Datenaufgabe sein, sondern das zuverlässigste und wartungsärmste für den konkreten Zweck, Daten aus vielen Quellen in ein Warehouse zu bringen. Es ist bewusst ein spezialisiertes, fokussiertes Produkt – kein Universalwerkzeug.
Diese Fokussierung erklärt auch, mit wem Fivetran zusammenspielt. Anders als monolithische Datenplattformen versteht sich Fivetran als eine Schicht in einem modernen, modularen Daten-Stack: Es bewegt die Daten, ein Cloud-Warehouse wie Snowflake oder BigQuery speichert sie, und ein Werkzeug wie dbt modelliert sie. Diese arbeitsteilige Philosophie – häufig als „Modern Data Stack“ bezeichnet – ist ein wesentlicher Teil der Fivetran-Positionierung und unterscheidet den Anbieter von Werkzeugen, die alles in einer Hand vereinen wollen.
Hinter der Wahl von Fivetran steht immer eine grundsätzlichere Entscheidung: Baue und betreibe ich meine Datenpipelines selbst, oder kaufe ich diese Leistung als verwalteten Dienst ein? Selbstbau bietet maximale Kontrolle und kann bei wenigen, stabilen Quellen günstig sein – bindet aber dauerhaft Personal, das die Pipelines pflegt, überwacht und bei jeder Schnittstellen-Änderung nachbessert. Ein verwalteter Dienst wie Fivetran kostet laufend Geld, nimmt aber genau diese Betriebslast ab.
Für den Mittelstand fällt diese Abwägung häufig zugunsten des verwalteten Ansatzes aus – schlicht, weil qualifizierte Data Engineers rar und teuer sind und ihre Zeit besser in wertschöpfende Analysen fließt als in das Warten fragiler Kopierskripte. Die ehrliche Betrachtung sollte jedoch immer die Gesamtkosten einbeziehen: nicht nur die Lizenzgebühr von Fivetran, sondern auch die eingesparten Personal- und Ausfallkosten der Alternative.
Das Herzstück von Fivetran ist ein umfangreicher Katalog fertiger Connectors zu Datenbanken, Cloud-Anwendungen, Marketing-Plattformen, Zahlungsdienstleistern, Werbe-Netzwerken und vielen weiteren Quellen. Für den Anwender bedeutet ein Connector im Idealfall: Quelle auswählen, sich authentifizieren, Ziel festlegen – und die Daten fließen. Die aufwendige und fehleranfällige Arbeit, die jeweilige Schnittstelle zu verstehen, korrekt anzusprechen und bei Änderungen anzupassen, liegt vollständig beim Anbieter.
Dieser Punkt wird in der Praxis oft unterschätzt. Eine einzelne Anbindung selbst zu bauen, ist selten das Problem – sie über Jahre lauffähig zu halten, während sich die zugrundeliegenden Systeme weiterentwickeln, ist der eigentliche Daueraufwand. Fivetran verkauft im Kern nicht die Erst-Anbindung, sondern die dauerhafte Pflege dieser Anbindungen. Genau darin liegt der wiederkehrende Wert.
Fivetran lädt Daten nach dem ELT-Prinzip zunächst möglichst originalgetreu in das Ziel-Warehouse. Das hat einen wichtigen Vorteil: Die Rohdaten bleiben erhalten und nachvollziehbar, statt bereits beim Laden durch eine Transformationslogik verändert zu werden. Fehler in der späteren Aufbereitung lassen sich so korrigieren, ohne die Quelldaten erneut abrufen zu müssen. Für die Nachvollziehbarkeit und Datenqualität ist dieses Prinzip ein echter Gewinn.
Ein weiterer praktischer Aspekt ist die inkrementelle Übertragung. Statt bei jedem Lauf die komplette Quelle neu zu kopieren, überträgt Fivetran nach Möglichkeit nur die Änderungen seit dem letzten Lauf. Bei Datenbanken geschieht das häufig über Change Data Capture, ein Verfahren, das Änderungen direkt aus dem Transaktionsprotokoll der Datenbank abliest. Das reduziert die übertragene Datenmenge, schont die Quellsysteme und hält die Daten im Warehouse zeitnah aktuell – und ist zugleich ein wichtiger Faktor beim verbrauchsbasierten Preismodell, das wir in Kapitel 09 beleuchten.
Die vielleicht wichtigste Kernfähigkeit ist der Umgang mit Änderungen an den Datenstrukturen der Quelle – dem sogenannten Schema-Drift. In der Realität stehen Quellsysteme nie still: Es kommen neue Felder hinzu, Spalten werden umbenannt, Datentypen ändern sich. Bei selbstgebauten Pipelines ist genau das der klassische Grund für nächtliche Ausfälle: Eine unangekündigte Spalte in der Quelle, und der Ladeprozess bricht ab.
Fivetran erkennt solche Änderungen automatisch und passt die Zieltabellen entsprechend an – etwa indem eine neue Spalte auch im Warehouse angelegt wird. Der Datenfluss läuft weiter, statt zu brechen. Wie mit einzelnen Änderungstypen umgegangen wird, lässt sich in gewissem Rahmen konfigurieren. Für den Betrieb bedeutet diese Automatik eine erhebliche Entlastung: Ein großer Teil der wiederkehrenden Wartungsarbeit fällt schlicht weg. Sie ersetzt allerdings nicht das Nachdenken – wenn sich eine Quelle grundlegend ändert, will man das wissen und bewerten, statt es einfach durchlaufen zu lassen.
Eine der praktisch wertvollsten Automatisierungen ist das automatisierte Schema-Mapping. Viele Quellsysteme – insbesondere Cloud-Anwendungen – liefern Daten in verschachtelten, unübersichtlichen oder proprietären Strukturen. Fivetran übersetzt diese Rohstrukturen automatisch in ein sauberes, relationales Modell im Zielsystem: Verschachtelte Objekte werden in verknüpfte Tabellen aufgelöst, Beziehungen sinnvoll abgebildet, Namen vereinheitlicht. Das Ergebnis ist ein analysierbares Datenmodell, ohne dass jemand die oft schlecht dokumentierte Quellstruktur mühsam von Hand nachbauen müsste.
Diese Normalisierung ist ein unterschätzter Zeitgewinn. Wer schon einmal versucht hat, die verschachtelte Datenausgabe einer typischen Marketing- oder CRM-Schnittstelle von Hand in ein brauchbares Tabellenmodell zu überführen, kennt den Aufwand. Fivetran liefert für viele gängige Quellen fertige, gepflegte Modelle mit – inklusive einer nachvollziehbaren Struktur, auf der sich die spätere Transformation aufbauen lässt.
Wie nahezu alle Anbieter im Datenumfeld erweitert Fivetran sein Angebot um KI-gestützte Fähigkeiten. Diese zielen typischerweise in zwei Richtungen: Zum einen sollen sie den Aufbau und Betrieb der Datenflüsse erleichtern – etwa durch intelligentere Vorschläge bei der Konfiguration, durch die Unterstützung beim Verstehen von Datenstrukturen oder durch eine natürlichsprachliche Interaktion mit der Plattform. Zum anderen positioniert sich eine moderne Data-Movement-Schicht zunehmend als Zulieferer für KI-Anwendungen: Wer KI-Modelle mit Unternehmensdaten füttern will, braucht zuvor genau die verlässliche, aktuelle Datenzufuhr, die Fivetran liefert.
Wir bewerten diese KI-Funktionen bewusst zurückhaltend und qualitativ. Der Markt entwickelt sich hier sehr schnell, konkrete Funktionsnamen und Fähigkeiten ändern sich, und nicht jede KI-Ankündigung übersetzt sich in einen echten Praxisnutzen. Unsere Empfehlung: Bewerten Sie KI-Funktionen daran, ob sie ein reales Problem in Ihrem Betrieb lösen – etwa Konfigurationsaufwand senken oder Datenqualität sichtbar machen – und nicht danach, wie prominent sie im Marketing platziert sind.
Über einzelne Funktionen hinaus ist Automatisierung bei Fivetran ein durchgängiges Betriebsprinzip. Die Plattform überwacht ihre Datenflüsse selbst, wiederholt fehlgeschlagene Läufe eigenständig, protokolliert lückenlos und benachrichtigt bei Problemen. Diese Betriebs-Automatik ist weniger glamourös als KI-Features, im Alltag aber entscheidend: Sie ist der Grund, warum eine kleine Datenorganisation viele Quellen betreiben kann, ohne von der Überwachung erdrückt zu werden. Für den Mittelstand mit knappen personellen Ressourcen ist genau das der eigentliche Automatisierungsgewinn.
Fivetran lädt Daten in die gängigen Cloud-Data-Warehouses und Data Lakes. Zu den am häufigsten genutzten Zielen zählen die führenden Cloud-Warehouses wie Snowflake und Google BigQuery sowie weitere marktübliche Analyseplattformen. Diese breite Ziel-Unterstützung ist strategisch wichtig: Fivetran bindet sich nicht an ein einzelnes Warehouse, sondern versteht sich als neutrale Zufuhr-Schicht, die zu unterschiedlichen Zielarchitekturen passt.
Für die Praxis heißt das: Die Wahl des Warehouses und die Wahl des Data-Movement-Werkzeugs sind getrennte Entscheidungen. Ein Unternehmen kann sein Ziel-Warehouse aus strategischen Gründen wählen – etwa BigQuery bei starker Google-Bindung oder Snowflake bei gewünschter Cloud-Neutralität – und Fivetran unabhängig davon als Zufuhr davorschalten. Diese Entkopplung ist einer der Vorzüge des modularen Ansatzes.
Besonders eng ist die Verzahnung mit dbt, dem verbreiteten Werkzeug für Datentransformation im Warehouse. Die Aufgabenteilung ist klar: Fivetran erledigt das „EL“ – Extract und Load –, dbt übernimmt das „T“, die Transformation. Fivetran kann dbt-Modelle direkt im Anschluss an einen erfolgreichen Ladelauf ausführen, sodass geladene Rohdaten automatisch in aufbereitete Analysetabellen überführt werden. So entsteht ein durchgehender, automatisierter Fluss von der Quelle bis zur analysefertigen Tabelle.
Zusätzlich stellt Fivetran für viele gängige Quellen vorgefertigte dbt-Modellpakete bereit, die typische Aufbereitungsschritte für die jeweilige Quelle abbilden. Das beschleunigt den Weg von der Rohdatenanbindung bis zum nutzbaren Datenmodell erheblich, weil das Rad für Standardquellen nicht jedes Mal neu erfunden werden muss. Wer dbt bereits nutzt oder einführen möchte, findet in Fivetran einen natürlichen Partner. Vertiefend gehen wir dazu in unserem eigenen dbt-Artikel ein.
Fivetran wird primär als Cloud-Dienst betrieben; die Steuerung erfolgt über eine zentrale Oberfläche, ergänzt um Programmierschnittstellen für die automatisierte Verwaltung. Für Szenarien mit erhöhten Sicherheits- oder Netzwerkanforderungen bietet der Anbieter Optionen, um den Datenverkehr innerhalb kontrollierter Netzgrenzen zu halten. Der genaue Umfang solcher Bereitstellungs- und Netzwerkoptionen hängt von Plan und Vertrag ab und ist beim Anbieter zu prüfen. Für die meisten Mittelständler ist der reguläre Cloud-Betrieb der pragmatische Weg – die weitergehenden Optionen werden vor allem für regulierte Umgebungen relevant.
Airbyte ist der prominenteste offene Gegenentwurf zu Fivetran. Es ist quelloffen und lässt sich selbst betreiben, was maximale Kontrolle und potenziell niedrigere Lizenzkosten bedeutet – erkauft mit dem Aufwand, die Plattform selbst zu installieren, zu betreiben und zu warten. Airbyte bietet ebenfalls eine verwaltete Cloud-Variante, sodass der Unterschied nicht schwarz-weiß ist. Die Grundentscheidung bleibt dennoch: Wer Kontrolle und Anpassbarkeit sucht und über die nötigen Kompetenzen verfügt, findet in Airbyte einen starken Kandidaten; wer maximale Wartungsfreiheit und ausgereifte Connector-Pflege priorisiert, tendiert zu Fivetran. Details dazu in unserem Airbyte-Artikel.
Talend steht für die Welt der klassischen, umfassenden Datenintegrations-Suiten. Es kann deutlich mehr als reines Laden – komplexe Transformationen, Datenqualitäts-Management, aufwendige ETL-Strecken. Diese Mächtigkeit hat ihren Preis: Talend ist schwergewichtiger, die Einstiegshürde ist höher, und der Betrieb verlangt mehr Know-how. Fivetran ist demgegenüber bewusst schlank und fokussiert. Die Wahl hängt davon ab, ob Sie ein spezialisiertes Zufuhr-Werkzeug für einen modernen Stack suchen oder eine breite Integrationsplattform, die viele Aufgaben in einer Hand bündelt. Mehr dazu im Talend-Artikel.
Stitch ist eine schlanke, entwicklernahe ELT-Lösung, die einen einfachen und günstigen Einstieg in überschaubaren Szenarien ermöglicht. Für Unternehmen mit wenigen, gut abgedeckten Quellen und begrenztem Budget kann Stitch völlig ausreichen. Fivetran spielt seine Stärken dagegen aus, wenn die Systemlandschaft breiter, heterogener und anspruchsvoller wird und die verlässliche Pflege vieler Connectors zum entscheidenden Kriterium wird.
Der häufigste Fehler ist, aus Begeisterung über die einfache Anbindung möglichst viele Quellen gleichzeitig anzuschalten. Das erzeugt Datenberge, die niemand nutzt – und Kosten, die niemand geplant hat. Erfolgreiche Projekte beginnen umgekehrt: mit einem konkreten Geschäftsproblem und der Frage, welche wenigen Quellen dafür wirklich gebraucht werden. Ein scharf umrissener erster Anwendungsfall – etwa ein belastbares Marketing-Reporting aus wenigen Kanälen – liefert schnell Wert und hält Aufwand wie Kosten überschaubar.
Weil Fivetran cloud-basiert und verbrauchsabhängig ist, können Sie klein starten und schrittweise wachsen. Nutzen Sie diesen Vorteil bewusst: Binden Sie zunächst die Quellen an, die den ersten Use-Case tragen, sammeln Sie Erfahrung mit dem Datenvolumen und den Kosten, und erweitern Sie erst dann. Dieses inkrementelle Vorgehen ist deutlich tragfähiger als ein Rundumschlag zu Projektbeginn.
Steht die Auswahl, geht es an die Einrichtung. Sie legen die Ziel-Verbindung zum Warehouse fest, konfigurieren die Quell-Connectors mit den nötigen Zugangsdaten und bestimmen die Sync-Intervalle. Fivetran lädt die Rohdaten anschließend automatisch. Der entscheidende, oft unterschätzte Schritt folgt danach: die Modellierung der Rohdaten in saubere, dokumentierte Analysetabellen – idealerweise mit dbt und, wo verfügbar, den vorgefertigten Modellpaketen. Erst diese Aufbereitung macht die Daten für die Fachabteilungen wirklich nutzbar.
Fivetran nimmt Ihnen einen großen Teil des technischen Betriebs ab – die automatische Überwachung, Wiederholung fehlgeschlagener Läufe und Benachrichtigung bei Problemen gehören zum Kern des Dienstes. Was Sie dennoch selbst mitbringen müssen, ist die organisatorische Disziplin: klare Verantwortlichkeiten dafür, wer neue Quellen freigibt, ein durchdachtes Rechtekonzept, wer welche Datenflüsse und Zieldaten sehen darf, und eine bewusste Beobachtung des Verbrauchs. Gerade im Mittelstand, wo wenige Personen viele Rollen tragen, ist diese Struktur entscheidend, damit die Plattform auch nach dem ersten Projekt beherrschbar bleibt. Fivetran macht den Betrieb einfach – die Governance müssen Sie gestalten.
Besonders naheliegend ist Fivetran für Unternehmen mit einer heterogenen, wachsenden Systemlandschaft. Wer Daten aus ERP, CRM, Online-Shop und mehreren Marketing-Tools zusammenführen möchte, steht sonst vor der Aufgabe, für jedes System eine eigene Anbindung zu bauen und dauerhaft zu pflegen. Fivetran bündelt das in einer verwalteten Schicht. So entsteht mit vergleichsweise geringem Aufwand die Grundlage für ein unternehmensweites Reporting, das Kennzahlen aus verschiedenen Abteilungen belastbar zusammenführt.
Weitere typische Felder sind die Konsolidierung von Marketing- und Vertriebsdaten zu einer Sicht darauf, welche Ausgaben zu profitablen Kunden führen; die Zusammenführung von Finanz- und Betriebsdaten aus mehreren Systemen für ein sauberes Controlling; oder die Ablösung fragiler, selbstgebauter Kopierskripte durch einen überwachten, verlässlichen Dienst. In all diesen Fällen liegt der Nutzen weniger in einer einzelnen Funktion als darin, dass die Datenzufuhr endlich zuverlässig und wartungsarm läuft.
Die reine Anbindung eines gut abgedeckten Quellsystems ist mit Fivetran häufig eine Sache von Stunden bis wenigen Tagen – das ist der große Vorteil verwalteter Connectors. Der Gesamtaufwand für einen produktiven ersten Use-Case liegt aber woanders: in der sauberen Modellierung der geladenen Daten, der Definition belastbarer Kennzahlen und der Anbindung an das BI-Tool. Dieser Teil dauert in vielen Mittelstands-Projekten einige Wochen. Der Aufbau einer breiten Datenplattform mit vielen Quellen und Fachbereichen ist ein fortlaufendes Programm über mehrere Monate. Wer mit einem fokussierten Pilotprojekt startet, baut die Plattform tragfähig aus – statt sich an einem überdimensionierten Erstwurf zu verheben. Genau an dieser Schnittstelle zwischen Technik, Daten und Organisation setzt unsere Beratungsarbeit an.
Fivetran rechnet verbrauchsabhängig ab, und der zentrale Maßstab dafür sind die sogenannten Monthly Active Rows (MAR) – vereinfacht die Zahl der eindeutigen Datenzeilen, die in einem Monat pro Connector bewegt bzw. aktualisiert werden. Der entscheidende Punkt an diesem Modell: Nicht die schiere Datenmenge oder die Häufigkeit der Läufe treibt primär die Kosten, sondern wie viele unterschiedliche Zeilen sich verändern. Ein Connector, der oft synchronisiert, aber nur wenige geänderte Zeilen überträgt, ist tendenziell günstiger als einer, der bei jedem Lauf große Mengen neuer Zeilen bewegt.
Konkrete Eurobeträge nennen wir bewusst nicht – die Preise unterscheiden sich je nach Plan, Volumenstaffel, Region und Vertrag und ändern sich über die Zeit. Verlässlich ist nur das Prinzip: Sie zahlen im Kern für die bewegten aktiven Zeilen, und dieser Verbrauch lässt sich aktiv steuern.
Die häufigste böse Überraschung entsteht nicht durch Fivetran selbst, sondern durch unbedachte Nutzung: zu viele Quellen, die aus Neugier angeschaltet und nie genutzt werden; Connectors, die unnötig große Datenmengen synchronisieren; oder Sync-Einstellungen, die mehr Aktualität erzeugen, als fachlich gebraucht wird. Die gute Nachricht: Genau hier liegen auch die wirksamsten Hebel zur Kostenkontrolle.
Aus unserer Sicht ist die Kostensteuerung kein einmaliges Setup, sondern eine laufende Disziplin – vergleichbar mit dem bewussten Umgang mit Cloud-Ausgaben generell. Unternehmen, die von Anfang an klare Verantwortlichkeiten und ein Monitoring des Verbrauchs etablieren, erleben Fivetran als planbar und wirtschaftlich. Der Unterschied liegt nicht in der Technik, sondern in der Governance.
Fivetran ist ein Dienst eines US-amerikanischen Anbieters, der als Cloud-Dienst betrieben wird und dabei Daten aus Ihren Quellsystemen verarbeitet und weiterleitet. Für deutsche und europäische Unternehmen wirft das berechtigte Fragen zu Datenschutz und Datenhoheit auf – besonders, weil eine Data-Movement-Plattform naturgemäß mit potenziell personenbezogenen Daten in Berührung kommt. Der Anbieter bietet hier wichtige Stellschrauben; die endgültige Bewertung bleibt jedoch eine Frage des Einzelfalls.
Ein wichtiger Hebel für die Datenhoheit ist die Wahl der Verarbeitungsregion. Fivetran bietet die Möglichkeit, die Datenverarbeitung in einer europäischen Region abzuwickeln – der konkrete Umfang und die verfügbaren Regionen sind beim Anbieter zu prüfen. Wer eine EU-Region wählt, sorgt dafür, dass die Datenverarbeitung innerhalb Europas stattfindet, was eine notwendige Grundlage für einen DSGVO-konformen Betrieb ist und das Risiko eines unbeabsichtigten Drittland-Transfers reduziert. Ebenso zu beachten: Fivetran bewegt Daten primär, speichert sie idealerweise nicht dauerhaft in großem Umfang – die eigentliche Datenhaltung liegt in Ihrem Ziel-Warehouse, dessen Region Sie ebenfalls bewusst wählen sollten. Der Anbieter stellt zudem die üblichen vertraglichen Instrumente bereit – insbesondere einen Auftragsverarbeitungsvertrag und Standardvertragsklauseln – und verfügt über etablierte Sicherheitszertifizierungen.
Bestehen bleibt – auch bei Verarbeitung in einer EU-Region – ein grundsätzliches Thema: Fivetran ist ein US-Unternehmen und unterliegt damit potenziell US-amerikanischem Recht, ein Punkt, der seit den Schrems-Urteilen und der Diskussion um den US Cloud Act kontrovers bewertet wird. Die EU-Region adressiert den Aspekt der Datenlokalisierung, beseitigt aber nicht jedes theoretische Zugriffsrisiko, das aus der US-Zugehörigkeit folgen könnte. In der Praxis ist dieses Restrisiko für viele Mittelständler mit überschaubar sensiblen Daten vertretbar – insbesondere mit EU-Region, sauberem Auftragsverarbeitungsvertrag, Verschlüsselung und konsequenter Datenminimierung. Für besonders schützenswerte Datenkategorien oder hohe Souveränitätsanforderungen kann die Bewertung anders ausfallen; dann sind zusätzliche Schutzmaßnahmen, eine Datenschutz-Folgenabschätzung oder europäische bzw. souveräne Alternativen zu prüfen.
