{"templateName":"blog-page","cssClassNames":"blog-page page basicpage summit-page","allowedRenditionsWidth":["320","480","640","768","960","1200","1440","1920"],"language":"de","description":"Snowflake Postgres bietet jetzt Data Mirroring und pg_lake-Integration – eine native, Pipeline-freie Möglichkeit, OLTP- und Analysedaten in nahezu Echtzeit zu synchronisieren.","title":"Snowflake Postgres vereint Ihre Apps, Analytics und KI ","analyticsPageType":"homepage","analyticsCategory":"general","analyticsSubCategory":"","excludeFromAnalytics":false,":mappedPath":"/de/blog/postgres-data-mirroring/",":type":"snowflake-site/components/structure/page",":items":{"root":{"columnCount":12,"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnClassNames":{"experiencefragment-banner":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-sub-header":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-pre-footer":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-header":"aem-GridColumn aem-GridColumn--default--12","markup_editor-table":"aem-GridColumn aem-GridColumn--default--12","responsivegrid":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-footer":"aem-GridColumn aem-GridColumn--default--12","markup_editor":"aem-GridColumn aem-GridColumn--default--12","container_47873732":"aem-GridColumn aem-GridColumn--default--12"},":items":{"experiencefragment-banner":{"id":"experiencefragment-b56c9a47af","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/en/site/pushdown-banner/pushdown-banner-blank/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/en/site/pushdown-banner/pushdown-banner-blank.xfmodel.json?callerPage=/content/snowflake-site/global/de/blog/postgres-data-mirroring"},"experiencefragment-header":{"id":"experiencefragment-8a8115982b","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/de/site/mega-nav-header/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/de/site/mega-nav-header/master.xfmodel.json?callerPage=/content/snowflake-site/global/de/blog/postgres-data-mirroring","appliedCssClassNames":"snowflake-sticky-nav-host"},"experiencefragment-sub-header":{"id":"experiencefragment-e7c6c3cd93","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/de/site/sub-navigation/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/de/site/sub-navigation/master.xfmodel.json?callerPage=/content/snowflake-site/global/de/blog/postgres-data-mirroring"},"responsivegrid":{"columnCount":12,"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnClassNames":{"container_breadcrumb":"aem-GridColumn aem-GridColumn--default--12","container_main_content":"aem-GridColumn aem-GridColumn--default--12"},":items":{"container_breadcrumb":{"layout":"RESPONSIVE_GRID","columnCount":12,"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnClassNames":{"breadcrumb":"aem-GridColumn aem-GridColumn--default--12"},"id":"blog-page-breadcrumb-indentation",":type":"snowflake-site/components/container",":items":{"breadcrumb":{"id":"breadcrumb-8df17c22b0","breadcrumbItems":[{"title":"Blog","path":"/de/blog/","active":false},{"title":"Produkt & Technologie","path":"/de/blog/product-and-technology/","active":false},{"title":"Snowflake Postgres vereint Ihre Apps, Analytics und KI","path":"/de/blog/postgres-data-mirroring/","active":false}],":type":"snowflake-site/components/blog/breadcrumb"}},":itemsOrder":["breadcrumb"],"appliedCssClassNames":"snowflake-container"},"container_main_content":{"layout":"RESPONSIVE_GRID","columnCount":12,"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnClassNames":{"flexible_column_container":"aem-GridColumn aem-GridColumn--default--12","related_content":"aem-GridColumn aem-GridColumn--default--12"},"id":"main-content",":type":"snowflake-site/components/container",":items":{"flexible_column_container":{"id":"flexible-column-container-7d467ff867","propertiesId":"snowflake-blog-template-main-container","type":"2-column-60-40","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"none","bottomPadding":"none","spaceBetween":"none","reverseOnMobile":true,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-1bab287948",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"container_hero":{"layout":"RESPONSIVE_GRID","columnCount":12,"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnClassNames":{"blog_hero":"aem-GridColumn aem-GridColumn--default--12"},"id":"container-e6037db775",":type":"snowflake-site/components/container",":items":{"blog_hero":{"id":"blog-hero-b0cc94e635","linkedInShareUrl":"https://www.linkedin.com/shareArticle?mini=true&url=https%3A%2F%2Fwww.snowflake.com%2Fcontent%2Fsnowflake-site%2Fglobal%2Fde%2Fblog%2Fpostgres-data-mirroring&title=Snowflake+Postgres+vereint+Ihre+Apps%2C+Analytics+und+KI","twitterShareUrl":"https://x.com/intent/post?url=https%3A%2F%2Fwww.snowflake.com%2Fcontent%2Fsnowflake-site%2Fglobal%2Fde%2Fblog%2Fpostgres-data-mirroring&text=Snowflake+Postgres+vereint+Ihre+Apps%2C+Analytics+und+KI","facebookShareUrl":"https://www.facebook.com/sharer/sharer.php?u=https%3A%2F%2Fwww.snowflake.com%2Fcontent%2Fsnowflake-site%2Fglobal%2Fde%2Fblog%2Fpostgres-data-mirroring","authors":[{"authorImage":{"id":"image-85a49fc459","height":"178","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--c4153e9b-93dc-425b-b1c7-8b2ec951eb5b/craig-kerstiens.jpg?quality=85&preferwebp=true","lazyEnabled":true,"width":"178",":type":"snowflake-site/components/image"},"authorCta":{"id":"button-8c9cc65df8","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/craig-kerstiens/"},"linkTargetContentType":"DOCUMENT_LEARN",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Craig Kerstiens"}},{"authorImage":{"id":"image-ad6e2f297e","height":"200","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--b1502e73-ba1a-4a52-8573-492e2e9f033e/claire-peraccio.jpg?quality=85&preferwebp=true","alt":"Headshot style photo of Claire Peracchio","lazyEnabled":true,"width":"200",":type":"snowflake-site/components/image"},"authorCta":{"id":"button-2348bda118","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/claire-peracchio/"},"linkTargetContentType":"DOCUMENT_LEARN",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Claire Peracchio"}},{"authorImage":{"id":"image-c6656d285a","height":"512","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--95ab92f3-d4b2-46e1-99aa-e54f520a7b93/christopher-heim.png?quality=85&preferwebp=true","lazyEnabled":true,"width":"512",":type":"snowflake-site/components/image"},"authorCta":{"id":"button-787f74e6ba","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/christopher-heim/"},"linkTargetContentType":"DOCUMENT_LEARN",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Christopher Heim"}}],"image":{"id":"image-b0e2f69953","height":"428","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--bb280faa-bcc0-43bb-bd83-bf80690ae029/snowflake-postgres-blogheader-1000x428.png?quality=85&preferwebp=true","alt":"Snowflake and Crunchy Data logos on a blue background with the words Snowflake Postgres","lazyEnabled":true,"width":"1000",":type":"snowflake-site/components/image"},"timeToRead":"7","publicationDate":"JUN 16, 2026","tag":{"tagText":"Produkt & Technologie","tagColor":"#3F808A"},"title":{"lines":["Snowflake Postgres vereint Ihre Apps, Analytics und KI"],"type":"heading2",":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/blog/blog-hero"}},":itemsOrder":["blog_hero"]},"responsivegrid_content":{"columnCount":12,"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnClassNames":{"wistia_video":"aem-GridColumn aem-GridColumn--default--12","blog_text":"aem-GridColumn aem-GridColumn--default--12","blog_text_1243337166":"aem-GridColumn aem-GridColumn--default--12","quote_item_604944415":"aem-GridColumn aem-GridColumn--default--12","blog_text_433232775":"aem-GridColumn aem-GridColumn--default--12","quote_item":"aem-GridColumn aem-GridColumn--default--12","blog_text_683227013":"aem-GridColumn aem-GridColumn--default--12"},"appliedCssClassNames":"snowflake-layout-container-inner-padding-small",":items":{"blog_text":{"id":"blog-text-e7f5d9bb59","text":"\u003Cp\u003EJedes Unternehmen bewegt sich in zwei Welten. In der einen verarbeiten Ihre Apps Bestellungen, verfolgen Ereignisse und bedienen Kund:innen in Echtzeit. In der anderen deckt Ihre Analytics-Plattform Erkenntnisse auf, trainiert Modelle und treibt KI an. Dazwischen liegt ein verworrenes Chaos aus Extract, Transform, Load (ETL)-Pipelines, Batch-Jobs und Drittanbieter-Tools, deren Wartung ein Vermögen kostet. \u003C/p\u003E\n\u003Cp\u003ENun schließt \u003Ca rel=\"nofollow noopener noreferrer\" target=\"_blank\" href=\"https://www.snowflake.com/de/product/features/postgres/\"\u003ESnowflake Postgres\u003C/a\u003E diese Lücke. Auf dem Snowflake Summit haben wir Folgendes angekündigt:\u003C/p\u003E\n\u003Cul\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003EData Mirroring: \u003C/b\u003EAlways-on-Replikation zwischen Postgres und Snowflake (bald in Public Preview) \u003C/p\u003E\n\u003C/li\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003EPostgres für Ihren Data Lake:\u003C/b\u003E Eine flexiblere Möglichkeit, Postgres mithilfe offener Formate wie Iceberg mit Analytics zu synchronisieren (bald allgemein verfügbar) \u003C/p\u003E\n\u003C/li\u003E\n\u003C/ul\u003E\n\u003Cp\u003ESie bieten eine nahtlose Verbindung zwischen Transaktions- und Analysedaten, ohne dass komplexe Pipelines erforderlich sind.\u003C/p\u003E\n\u003Ch2\u003ELösung für das Infrastrukturproblem Nr. 1\u003C/h2\u003E\n\u003Cp\u003EKund:innen berichten uns immer wieder, dass das Verschieben von Daten zwischen OLTP- (Online Transaction Processing) und OLAP-Datenbanken (Online Analytical Processing) die mühsamste Infrastrukturaufgabe in ihrer Datenlandschaft ist. Die sichtbaren Kosten wie ETL-Lizenzen, Pipeline-Rechenressourcen und Konnektorgebühren sind nur die Spitze des Eisbergs. Darunter lauern Dateninkonsistenzen, Governance-Risiken, für die Wartung verschwendete Entwicklerstunden und verzögerte Entscheidungen aufgrund veralteter Daten.\u003C/p\u003E\n\u003Cp\u003EIm Zeitalter von KI-Agenten und Echtzeit-Apps sind Sie mit diesem Ansatz immer einen Schritt im Rückstand. Ihr Betrugsmodell kann die heutige Bedrohung nicht mit dem Batch-Load von letzter Nacht erkennen. Ihre Pricing-Engine kann nicht mit einer Verzögerung von sechs Stunden optimieren.\u003C/p\u003E\n\u003Cp\u003EMit Snowflake Postgres haben wir einen grundlegend anderen und radikal einfacheren Ansatz für die gemeinsame Nutzung von Postgres und Snowflake entwickelt.\u003C/p\u003E\n\u003Ch2\u003EZwei neue Wege zur Verbindung Ihrer Daten: Always-on Data Mirroring und Open-Format Data Lake-Integration\u003C/h2\u003E\n\u003Cp\u003EPowered by unserer \u003Ca rel=\"nofollow noopener noreferrer\" target=\"_blank\" href=\"https://github.com/Snowflake-Labs/pg_lake\"\u003EOpen Source-Erweiterung pg_lake\u003C/a\u003E können Sie nun zwischen Always-on Data Mirroring und flexibler Open-Format Data Lake-Integration wählen, um Transaktions- und Analysedaten nahtlos zu verbinden.\u003C/p\u003E\n\u003Ch4\u003E1. Data Mirroring: „Set it and forget it“-Datenreplikation\u003C/h4\u003E\n\u003Cp\u003EData Mirroring bietet eine Replikation mit geringer Latenz zwischen Postgres und Snowflake. Sobald Sie einen Mirror erstellen, pflegt Snowflake Zieltabellen, die den aktuellen Zustand ihrer Quelltabellen widerspiegeln, einschließlich Schemaänderungen und neuer Tabellen, die Sie in gespiegelten Schemata erstellen.\u003C/p\u003E\n\u003Cp\u003ERichten Sie es mit wenigen Klicks über \u003Ca rel=\"nofollow noopener noreferrer\" target=\"_blank\" href=\"https://www.snowflake.com/de/product/snowflake-coco/\"\u003ESnowflake CoCo\u003C/a\u003E, die Snowsight-Benutzeroberfläche oder einen einzigen SQL-Befehl ein. Das war’s. Nur Ihre Daten, die dorthin fließen, wo sie benötigt werden. Sehen Sie es sich in dieser Demo an:\u003C/p\u003E\n\u003Cp\u003E \u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/blog/blog-text"},"wistia_video":{"id":"wistia-video-ff1243df2b","title":{"id":"title","type":"heading1","lines":["Snowflake Postgres Data Mirroring "],":type":"snowflake-site/components/title"},"wistiaVideoId":"5p6rcq9360","showVideoLength":true,"showRewatchButton":true,":type":"snowflake-site/components/wistia-video"},"blog_text_1243337166":{"id":"blog-text-fba2f75fb5","text":"\u003Cp\u003EZu den wichtigsten Vorteilen von Data Mirroring gehören:\u003C/p\u003E\n\u003Cul\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003EKeine zu verwaltende Infrastruktur: \u003C/b\u003EMirrors laufen vollständig innerhalb von Snowflake. Es muss kein externer CDC-Dienst bereitgestellt, kein Konnektorprozess überwacht und kein zusätzlicher Anbieter verwaltet werden.\u003C/p\u003E\n\u003C/li\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003EStets aktuelle Lesevorgänge: \u003C/b\u003EJede gespiegelte Tabelle enthält eine \u003Ccode\u003E\u003Cspan style=\"color: #3D9970;\"\u003E$live\u003C/span\u003E\u003C/code\u003E-Ansicht, die bereits angewendete Daten mit laufenden Änderungen kombiniert. So sehen Leser:innen jede festgeschriebene Quelländerung innerhalb von Sekunden.\u003C/p\u003E\n\u003C/li\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003ETransaktionskonsistenz: \u003C/b\u003EÄnderungen aus einer einzigen Quelltransaktion erscheinen gemeinsam auf dem Ziel. Tabellenübergreifende Beziehungen (wie Fremdschlüssel) bleiben intakt, sodass Ihre nachgelagerten Joins und Berichte korrekt bleiben.\u003C/p\u003E\n\u003C/li\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003EIntegrierter Änderungsverlauf:\u003C/b\u003E Jede gespiegelte Tabelle erhält automatisch einen siebentägigen Änderungs-Feed (\u003Ccode\u003E\u003Cspan style=\"color: #3D9970;\"\u003E$changes\u003C/span\u003E\u003C/code\u003E), der Einfügungen, Aktualisierungen und Löschungen offenlegt und sowohl von Snowflake als auch von Postgres abgefragt werden kann. \u003C/p\u003E\n\u003C/li\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003EHoher Durchsatz bei jeder Skalierung: \u003C/b\u003EDie Replikation verwendet eine optimierte Apply-Strategie, die teure Full-Table-Scans überspringt, sodass die Performance auch bei wachsenden Datenmengen hoch bleibt.\u003C/p\u003E\n\u003C/li\u003E\n\u003C/ul\u003E\n\u003Cp\u003EData Mirroring ist besonders nützlich für Teams, die sich keine Gedanken mehr über Datenbewegungen machen möchten. Sie richten es einmal ein, und Ihre OLTP- und OLAP-Systeme bleiben automatisch, kontinuierlich und zuverlässig synchron. Und Data Mirroring wird bald auch in die andere Richtung funktionieren: Das Mirroring von Snowflake zu Postgres wird noch in diesem Jahr eingeführt und schafft eine echte bidirektionale Brücke zwischen Ihren transaktionalen und analytischen Welten.\u003C/p\u003E\n\u003Ch4\u003E2. Postgres für Ihren Data Lake: Das Schweizer Taschenmesser für die Datenbewegung\u003C/h4\u003E\n\u003Cp\u003ENicht jeder Anwendungsfall erfordert eine kontinuierliche Synchronisierung. Manchmal benötigen Sie mehr Flexibilität. Beispielsweise möchten Sie vielleicht bestimmte Dateien verschieben, gemeinsam genutzte Tabellen in offenen Formaten erstellen oder Daten auf dem Weg zu Snowflake transformieren.\u003C/p\u003E\n\u003Cp\u003EPostgres für Ihren Data Lake bietet Ihnen diese Flexibilität:\u003C/p\u003E\n\u003Cul\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003EDateiverschiebung: \u003C/b\u003EÜbertragen Sie Dateien in beide Richtungen zwischen Postgres und Snowflake über interne Snowflake-Stages oder externen Objektspeicher.\u003C/p\u003E\n\u003C/li\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003EGemeinsam genutzte Apache Iceberg™-Tabellen: \u003C/b\u003EErstellen Sie Iceberg-Tabellen in offenen Formaten, die sowohl von Postgres als auch von Snowflake gelesen werden können. Das bedeutet: eine Tabelle für zwei Systeme und keinerlei Duplizierung.\u003C/p\u003E\n\u003C/li\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003ETransformieren während der Datenbewegung:\u003C/b\u003E Wenden Sie SQL-Transformationen – Filter, Joins, Aggregationen – an, während sich die Daten zwischen Postgres und Snowflake bewegen. \u003C/p\u003E\n\u003C/li\u003E\n\u003C/ul\u003E\n\u003Cp\u003EDies bietet Entwickler:innen die volle Postgres-Erfahrung, die sie schätzen, sowie native Interoperabilität mit offenen Standards wie Iceberg und Parquet. Dies ist für Teams gedacht, die mehr Kontrolle darüber haben möchten, wie, wann und welche Daten verschoben werden.\u003C/p\u003E\n\u003Ch2\u003EDas Ergebnis: Eine Plattform, null Pipelines\u003C/h2\u003E\n\u003Cp\u003EZusammen bedeuten diese Funktionen, dass Sie für jeden Ihrer Workloads den richtigen Ansatz wählen können.\u003C/p\u003E\n\u003Cp\u003E \u003C/p\u003E\n\u003Ctable\u003E\n\u003Ctbody\u003E\u003Ctr\u003E\u003Ctd\u003E \u003C/td\u003E\n\u003Ctd\u003E\u003Cp\u003E\u003Cb\u003EData Mirroring\u003C/b\u003E\u003C/p\u003E\n\u003C/td\u003E\n\u003Ctd\u003E\u003Cp\u003E\u003Cb\u003EPostgres für Ihren Data Lake\u003C/b\u003E\u003C/p\u003E\n\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Cp\u003E\u003Cb\u003EOptimal geeignet für\u003C/b\u003E\u003C/p\u003E\n\u003C/td\u003E\n\u003Ctd\u003E\u003Cp\u003EKontinuierliche, automatische Synchronisierung\u003C/p\u003E\n\u003C/td\u003E\n\u003Ctd\u003E\u003Cp\u003EFlexible, kontrollierte Datenbewegung\u003C/p\u003E\n\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Cp\u003E\u003Cb\u003ELatenz\u003C/b\u003E\u003C/p\u003E\n\u003C/td\u003E\n\u003Ctd\u003E\u003Cp\u003ESekunden\u003C/p\u003E\n\u003C/td\u003E\n\u003Ctd\u003E\u003Cp\u003EOn-Demand\u003C/p\u003E\n\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Cp\u003E\u003Cb\u003EEinrichtung\u003C/b\u003E\u003C/p\u003E\n\u003C/td\u003E\n\u003Ctd\u003E\u003Cp\u003EEin Befehl, in wenigen Klicks\u003C/p\u003E\n\u003C/td\u003E\n\u003Ctd\u003E\u003Cp\u003ESQL + pg_lake + pg_cron (optional)\u003C/p\u003E\n\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Cp\u003E\u003Cb\u003ERichtung          \u003C/b\u003E\u003C/p\u003E\n\u003C/td\u003E\n\u003Ctd\u003E\u003Cp\u003EPostgres → Snowflake (jetzt)\u003Cbr\u003E\nSnowflake → Postgres (in Kürze)\u003C/p\u003E\n\u003C/td\u003E\n\u003Ctd\u003E\u003Cp\u003EBidirektional über Objektspeicher\u003C/p\u003E\n\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Cp\u003E\u003Cb\u003EFormat\u003C/b\u003E\u003C/p\u003E\n\u003C/td\u003E\n\u003Ctd\u003E\u003Cp\u003ENative Snowflake-Tabellen\u003C/p\u003E\n\u003C/td\u003E\n\u003Ctd\u003E\u003Cp\u003EIceberg, Parquet, CSV, JSON über Katalogintegration, Speicherintegration oder Stages\u003C/p\u003E\n\u003C/td\u003E\n\u003C/tr\u003E\u003C/tbody\u003E\u003C/table\u003E\n\u003Ch2\u003EEchte Ergebnisse: Unternehmen eliminieren bereits Pipelines\u003C/h2\u003E\n\u003Ch4\u003EEricsson: Von 48 Stunden Verzögerung auf wenige Minuten\u003C/h4\u003E\n\u003Cp\u003EDas Foundation Data Team von Ericsson sammelt Software-, Hardware- und Lizenzdaten aus jedem Kundennetzwerk weltweit. Mehrere nachgelagerte Teams – von der KI bis zum Kundensupport – sind auf diese Daten angewiesen. Zuvor waren die Daten in vier Datenbank-Altlasten gefangen, die durch Pipelines verbunden waren, deren Synchronisierung bis zu 40 Tage dauerte.\u003C/p\u003E\n\u003Cp\u003EDurch die Konsolidierung auf Snowflake Postgres konnte Ericsson diese Pipelines vollständig eliminieren. Ihre Kundensupport-Plattform, bei der die Ticketerstellung davon abhängt, genau zu wissen, was in der Praxis eingesetzt wird, konnte die Datenverzögerung von 48 Stunden und die Verarbeitungszeit von 12 Stunden auf unter eine Stunde (End-to-End) reduzieren. Jetzt greift jedes Team über die Sharing-Ebene von Snowflake auf dieselben vertrauenswürdigen Daten zu.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/blog/blog-text"},"quote_item":{"id":"quote-item-844f4ce145","alignment":"left","layout":"card","quoteSourceName":"Dean Soc","quoteSourceTitle":"Software Engineer, Ericsson","showQuoteIcon":false,"quote":"\"Snowflake Postgres removed the last reason we needed a separate data plane. By consolidating four legacy databases into one platform for transactional and analytical workloads, we've gotten rid of sync pipelines, competing sources of truth and extra infrastructure.\"","showHangingPunctuation":false,":type":"snowflake-site/components/quote-item"},"blog_text_683227013":{"id":"blog-text-9c93b575dc","text":"\u003Ch4\u003ESimCorp beschleunigte die Datensynchronisierung um das 10-Fache\u003C/h4\u003E\n\u003Cp\u003ESimCorp liefert Investment-Software an die weltweit führenden Finanzinstitute und verwaltet dabei umfangreiche Daten zu Finanzinstrumenten aus mehr als 40 Jahren. Um diese Größenordnung zu bewältigen, betrieb das Unternehmen separate Postgres- und Snowflake-Umgebungen mit individuellen Abgleichprozessen, die stundenlange Datenübertragungen zwischen den Systemen erforderten.\u003C/p\u003E\n\u003Cp\u003EMit Snowflake Postgres wurde diese Komplexität beseitigt. Snowflake Postgres macht Abgleichcode überflüssig, optimiert die Abläufe und reduziert den Overhead.\u003C/p\u003E\n\u003Cp\u003EDie Auswirkungen waren enorm. Ihr Market-ID-Service, der Börsencodes standardisiert, um einheitliches Tracking und Reporting zu gewährleisten, reduzierte die Synchronisierungszeit um das 10-Fache – von mehreren Stunden auf unter 20 Minuten. Gleichzeitig sind ihre geschäftskritischen Risikomodelle und Credit-Spread-Kurven, mit denen Investment-Teams das Marktrisiko quantifizieren können, durch KI und Data Sharing nun für globale Kund:innen sofort verfügbar.\u003C/p\u003E\n\u003Cp\u003EMit Blick auf die Zukunft baut SimCorp auf dieser Grundlage auf, um über seine Datenplattform ein intelligentes Load Balancing zwischen Postgres und Snowflake zu ermöglichen. Diese Entwicklung ebnet den Weg für eine neue Generation von Anwendungen, Powered by integrierte transaktionale und analytische Daten – für schnellere Erkenntnisse, verbesserte Skalierbarkeit und bessere Ergebnisse für Kund:innen weltweit.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/blog/blog-text"},"quote_item_604944415":{"id":"quote-item-4aa5a9cb53","alignment":"left","layout":"card","quoteSourceName":"Mike Willett","quoteSourceTitle":"Senior Principal, Head of Data Platform, SimCorp","showQuoteIcon":false,"quote":"„Unsere ersten Tests haben gezeigt, dass Festplattenoperationen bis zu 10-mal schneller sind als bei unserer bisherigen Managed-Postgres-Lösung. Wir konnten unsere hochvolumigen transaktionalen Updates und komplexen Anwendungs-Workflows sofort mit einem Maß an Geschwindigkeit und Stabilität unterstützen, das einen großen Sprung nach vorn bedeutet.“","showHangingPunctuation":false,":type":"snowflake-site/components/quote-item"},"blog_text_433232775":{"id":"blog-text-58726c437c","text":"\u003Ch2\u003EWarum Snowflake Postgres anders ist\u003C/h2\u003E\n\u003Cp\u003EDie meisten Tools zur Datenreplikation schieben einen separaten Dienst zwischen Ihre Datenbank und Ihr Data Warehouse. Dadurch erhalten Sie ein weiteres System, das überwacht werden muss, und einen weiteren Anbieter in Ihrem Stack. Sie behandeln die Datenbewegung als ein externes Problem, das an Ihre Infrastruktur angehängt wird.\u003C/p\u003E\n\u003Cp\u003ESnowflake Postgres behandelt sie als native Funktion. Die Datenbewegung basiert auf \u003Ca href=\"https://github.com/Snowflake-Labs/pg_lake\" target=\"_blank\" rel=\"nofollow noopener noreferrer\"\u003Epg_lake\u003C/a\u003E, unserer Open Source-Postgres-Erweiterung, mit der Postgres direkt in den Objektspeicher schreiben kann – dieselbe Ebene, aus der Snowflake liest. Es gibt keine Zwischenschicht. Nur Postgres und Snowflake, die nativ zusammenarbeiten.\u003C/p\u003E\n\u003Cp\u003EFür Sie bedeutet das:\u003C/p\u003E\n\u003Cul\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003EKeine neuen Anbieter\u003C/b\u003E, die Sie evaluieren, bezahlen und verwalten müssen\u003C/p\u003E\n\u003C/li\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003EKeine neue Infrastruktur\u003C/b\u003E, die Sie bereitstellen und überwachen müssen\u003C/p\u003E\n\u003C/li\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003EKeine neuen Fähigkeiten, die Sie erlernen müssen\u003C/b\u003E – es ist Standard-Postgres und Standard-Snowflake, basierend auf offenen Standards\u003C/p\u003E\n\u003C/li\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003EKeine Datenverzögerung, \u003C/b\u003Edie Ihre KI-Agenten und Echtzeit-Apps beeinträchtigt\u003C/p\u003E\n\u003C/li\u003E\n\u003C/ul\u003E\n\u003Cp\u003EUnd wenn Sie bereits Snowflake-Kund:in sind, können Sie diese transaktionalen Workloads über Ihr bestehendes Committed Spend abwickeln, ohne dass ein neuer Vertrag erforderlich ist.\u003C/p\u003E\n\u003Cp\u003EWenn transaktionale und analytische Daten eins sind, arbeiten KI und Apps mit den aktuellsten Fakten. Agenten sehen die neuesten Transaktionen in nahezu Echtzeit. Preismodelle basieren auf aktuellen Daten. Die Betrugserkennung erfasst Bedrohungen in dem Moment, in dem sie auftreten. Dashboards spiegeln die aktuelle Realität wider, nicht die von gestern.\u003C/p\u003E\n\u003Ch2\u003EStarten Sie noch heute\u003C/h2\u003E\n\u003Cp\u003EDie Data Mirroring von Postgres zu Snowflake ist in Kürze in Public Preview verfügbar. Postgres für Ihren Data Lake ist in Kürze allgemein verfügbar. Sehen Sie sich diese Ressourcen an, um loszulegen:\u003C/p\u003E\n\u003Cul\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Ca href=\"https://www.snowflake.com/en/developers/guides/getting-started-with-snowflake-postgres/\" target=\"_blank\" rel=\"nofollow noopener noreferrer\"\u003EGetting Started with Snowflake Postgres\u003C/a\u003E\u003C/p\u003E\n\u003C/li\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Ca href=\"https://snowflake.com/en/developers/guides/sync-data-from-postgres-to-snowflake-with-iceberg-and-pg-lake/\" target=\"_blank\" rel=\"nofollow noopener noreferrer\"\u003EQuickstart: Sync data with Iceberg and pg_lake\u003C/a\u003E\u003C/p\u003E\n\u003C/li\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Ca href=\"https://github.com/snowflakedb/pg_lake\" target=\"_blank\" rel=\"nofollow noopener noreferrer\"\u003Epg_lake auf GitHub\u003C/a\u003E\u003C/p\u003E\n\u003C/li\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Ca href=\"https://docs.snowflake.com/en/LIMITEDACCESS/postgres-mirroring\" target=\"_blank\" rel=\"nofollow noopener noreferrer\"\u003EDatenverschiebung mit Snowflake Postgres\u003C/a\u003E\u003C/p\u003E\n\u003C/li\u003E\n\u003C/ul\u003E\n\u003Cp\u003E\u003Ci\u003EZukunftsgerichtete Aussagen: Dieser Beitrag enthält zukunftsgerichtete Aussagen über zukünftige Produktangebote, die keine Lieferverpflichtungen darstellen. Die tatsächlichen Ergebnisse können abweichen. Weitere Informationen finden Sie in unserem jüngsten 10-Q-Formular.\u003C/i\u003E\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/blog/blog-text"}},":itemsOrder":["blog_text","wistia_video","blog_text_1243337166","quote_item","blog_text_683227013","quote_item_604944415","blog_text_433232775"],":type":"wcm/foundation/components/responsivegrid"},"responsivegrid_premium_content_banner":{"columnCount":12,"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnClassNames":{},"appliedCssClassNames":"snowflake-responsive-component-top-padding-medium",":items":{},":itemsOrder":[],":type":"wcm/foundation/components/responsivegrid"},"container_author_chip":{"layout":"RESPONSIVE_GRID","columnCount":12,"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnClassNames":{"author_chip":"aem-GridColumn aem-GridColumn--default--12"},"id":"container-8f1fcc3953",":type":"snowflake-site/components/container",":items":{"author_chip":{"id":"author-chip-d9ea749852","title":{"id":"title","type":"heading2","lines":["Learn more about the authors"],":type":"snowflake-site/components/title-v2"},"authors":[{"authorImage":{"id":"image-85a49fc459","height":"178","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--c4153e9b-93dc-425b-b1c7-8b2ec951eb5b/craig-kerstiens.jpg?quality=85&preferwebp=true","lazyEnabled":true,"width":"178",":type":"snowflake-site/components/image"},"authorCta":{"id":"button-8c9cc65df8","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/craig-kerstiens/"},"linkTargetContentType":"DOCUMENT_LEARN",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Craig Kerstiens"},"authorTitle":"Director, Software Engineering"},{"authorImage":{"id":"image-ad6e2f297e","height":"200","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--b1502e73-ba1a-4a52-8573-492e2e9f033e/claire-peraccio.jpg?quality=85&preferwebp=true","alt":"Headshot style photo of Claire Peracchio","lazyEnabled":true,"width":"200",":type":"snowflake-site/components/image"},"authorCta":{"id":"button-2348bda118","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/claire-peracchio/"},"linkTargetContentType":"DOCUMENT_LEARN",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Claire Peracchio"},"authorTitle":"Platform Product Marketing Lead"},{"authorImage":{"id":"image-c6656d285a","height":"512","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--95ab92f3-d4b2-46e1-99aa-e54f520a7b93/christopher-heim.png?quality=85&preferwebp=true","lazyEnabled":true,"width":"512",":type":"snowflake-site/components/image"},"authorCta":{"id":"button-787f74e6ba","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/christopher-heim/"},"linkTargetContentType":"DOCUMENT_LEARN",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Christopher Heim"},"authorTitle":"Senior Product Manager"}],":type":"snowflake-site/components/blog/author-chip"}},":itemsOrder":["author_chip"],"appliedCssClassNames":"snowflake-responsive-component-top-padding-medium"}},":itemsOrder":["container_hero","responsivegrid_content","responsivegrid_premium_content_banner","container_author_chip"]},"flexible_column_content_container_2":{"layout":"SIMPLE","id":"container-5fbb9026bd",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"blog_table_of_content":{"id":"blog-table-of-content-3c5bb05f67",":type":"snowflake-site/components/blog/blog-table-of-content","tableOfContents":[]}},":itemsOrder":["blog_table_of_content"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":true,"isActiveTOC":false},"related_content":{"id":"related-content-685a30c4a4","relatedContent":[{"configurationStatus":{"configured":true,"message":""},"tags":[],":type":"snowflake-site/components/blog/card","title":{"lines":["Die BMW Group holt sich mit der Snowflake AI Data Cloud zusätzliche Rechenleistung für ihre Betriebsdaten-Workloads"],"type":"heading4",":type":"snowflake-site/components/title-v2"},"button":{"id":"button-820eece03c","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/de/customers/all-customers/case-study/bmw-group/"},"linkTargetContentType":"DOCUMENT_LEARN",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Die BMW Group holt sich mit der Snowflake AI Data Cloud zusätzliche Rechenleistung für ihre Betriebsdaten-Workloads"},"image":{"id":"image-9b6ed1c4ad","height":"720","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--02a4fa04-d532-4fce-85a7-ab71fa32017d/bmw-group-customer-card.png?quality=85&preferwebp=true","alt":"BMW Group logo","lazyEnabled":true,"width":"1680",":type":"snowflake-site/components/image"}}],":type":"snowflake-site/components/blog/related-content","isBlogPage":true}},":itemsOrder":["flexible_column_container","related_content"],"appliedCssClassNames":"snowflake-container"}},":itemsOrder":["container_breadcrumb","container_main_content"],":type":"wcm/foundation/components/responsivegrid"},"container_47873732":{"additionalClasses":"section--blog-newsletter","layout":"RESPONSIVE_GRID","columnCount":12,"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnClassNames":{"flexible_column_cont":"aem-GridColumn aem-GridColumn--default--12"},"id":"container-70bd9f885c",":type":"snowflake-site/components/container",":items":{"flexible_column_cont":{"id":"flexible-column-container-6329c4fbcc","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"small","bottomPadding":"none","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"propertiesCSSClasses":"section--blog-newsletter","backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-d8bde06966",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"marketo_v2":{"id":"marketo-v2-f4300cf434","marketoForm":{"hidden":null,"formId":"3320","edit":false,"successUrl":null,"script":null,"values":null},"title":{"id":"title","type":"heading3","lines":["Subscribe to our blog newsletter","Get the best, coolest and latest delivered to your inbox each week"],":type":"snowflake-site/components/title-v2"},"munchkinId":"252-RFO-227","serverInstance":"252-RFO-227.mktoweb.com","formConfigured":true,"marketoConfigured":true,":type":"snowflake-site/components/form/marketo-v2"},"text":{"id":"text-2f26af4833","additionalClasses":"newsletter-disclaimer","text":"\u003Cp\u003EBy submitting this form, I understand Snowflake will process my personal information in accordance with their Privacy Notice.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text"}},":itemsOrder":["marketo_v2","text"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":true,"isActiveTOC":false}},":itemsOrder":["flexible_column_cont"],"appliedCssClassNames":"snowflake-container"},"experiencefragment-pre-footer":{"id":"experiencefragment-06ee65b14e","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/de/site/get-started-pre-footer/get-started-pre-footer/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/de/site/get-started-pre-footer/get-started-pre-footer.xfmodel.json?callerPage=/content/snowflake-site/global/de/blog/postgres-data-mirroring"},"markup_editor":{"id":"markup-editor-ed63356059","title":"Page CSS","cssContent":"@media screen and (min-width:768px){.snowflake-blog-author-chip-wrapper{justify-content:flex-start}.snowflake-blog-related-content-on-blog-page{max-width:1408px;margin-left:auto;margin-right:auto}.snowflake-text{font-family:Lato,sans-serif;font-weight:400;font-size:16px;line-height:24px}}.section--blog-newsletter{max-width:none;width:100%;padding-left:0;padding-right:0;margin-left:0;margin-right:0;margin-bottom:0}.section--blog-newsletter .mktoField{background-color:transparent !important}.section--blog-newsletter\u003E.container{padding-left:0;padding-right:0}@media screen and (min-width:768px){.section--blog-newsletter\u003E.container{padding-left:0;padding-right:0}}.newsletter-disclaimer p{font-size:14px !important}.section--blog-newsletter .snowflake-marketo-form-container{margin-bottom:24px;background-color:#f6f9fa;gap:48px;box-shadow:none}.section--blog-newsletter .snowflake-title p.snowflake-title-line:first-child{font-family:Texta;font-size:24px;line-height:26px;font-weight:700;margin-bottom:4px}.section--blog-newsletter .snowflake-title p.snowflake-title-line{text-transform:none;font-family:\"Lato\",sans-serif;font-size:16px;line-height:24px;font-weight:normal}@media screen and (min-width:1024px){.section--blog-newsletter .snowflake-marketo-form-container{display:flex;justify-content:center}.section--blog-newsletter .snowflake-title .snowflake-title-line{text-align:left}.section--blog-newsletter .snowflake-marketo-form .mktoFormRow:has(\u003E input[type=\"hidden\"]){flex-grow:0}.section--blog-newsletter .snowflake-marketo-form{display:flex;width:50% !important}.section--blog-newsletter .snowflake-marketo-form .mktoButtonRow{flex-grow:0;width:auto !important;margin-left:0;margin-right:0}.section--blog-newsletter .snowflake-marketo-form .mktoFormRow{flex-grow:1}.section--blog-newsletter\u003E.container{padding-left:0;padding-right:0}.section--blog-newsletter .snowflake-marketo-form-title{width:50%;margin-bottom:0 !important}.section--blog-newsletter .center .snowflake-title{align-items:flex-start}}.snowflake-sub-navigation a.snowflake-sub-navigation-primary-link{width:auto !important}.snowflake-blog-hero{align-items:stretch !important}",":type":"snowflake-site/components/markup-editor","isGSAPEnabled":false},"markup_editor-table":{"id":"markup-editor-ad6d3efda8","title":"Table Styling CSS","cssContent":"#snowflake-blog-template-main-container table{width:100%;background-color:var(--ui-background-01);border-collapse:collapse;border:2px solid var(--ui-background-09);font-family:'Lato',sans-serif;color:var(--ui-background-09)}#snowflake-blog-template-main-container table thead{background-color:var(--ui-01)}#snowflake-blog-template-main-container table th,#snowflake-blog-template-main-container table td{border:2px solid var(--ui-background-09);padding:var(--spacing-01)}",":type":"snowflake-site/components/markup-editor","isGSAPEnabled":false},"experiencefragment-footer":{"id":"experiencefragment-617ec6c425","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/de/site/footer/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/de/site/footer/master.xfmodel.json?callerPage=/content/snowflake-site/global/de/blog/postgres-data-mirroring"}},":itemsOrder":["experiencefragment-banner","experiencefragment-header","experiencefragment-sub-header","responsivegrid","container_47873732","experiencefragment-pre-footer","markup_editor","markup_editor-table","experiencefragment-footer"],":type":"wcm/foundation/components/responsivegrid"}},":itemsOrder":["root"],":hierarchyType":"page",":path":"/content/snowflake-site/global/de/blog/postgres-data-mirroring","isPasswordProtected":false,"analyticsContentTags":["snowflake-site:taxonomy/blog/product-and-technology/data-warehouse","snowflake-site:taxonomy/blog/product-and-technology","snowflake-site:taxonomy/blog/company/summit-26"],"analyticsEnabled":true,"coveoConfig":{"searchHub":"snowflake.com","organizationId":"snowflakecomputingproduction8neljofn","apiKey":"xx335921a6-2a0a-40f2-a167-e390b4766c3d","pipeline":"snowflake.com"},"analyticsDebugMode":false,"analyticsData":{"excludeFromAnalytics":false,"subCategory":"","pageType":"homepage","templateName":"blog-page","siteName":"snowflake","pageUrl":"/content/snowflake-site/global/de/blog/postgres-data-mirroring","language":"de","category":"general","pageName":"Snowflake Postgres vereint Ihre Apps, Analytics und KI","contentTags":["snowflake-site:taxonomy/blog/product-and-technology/data-warehouse","snowflake-site:taxonomy/blog/product-and-technology","snowflake-site:taxonomy/blog/company/summit-26"]},"locale":"de"}