Skip to the main content.

AIOS

 
DSGVO_logo EU_AI_Act_Logo

Für Unternehmen, Städte und Kommunen

KI-Plattform AIOS nutzen, um Prozesse zu automatisieren, Daten sicher zu integrieren und Zusammenarbeit zu optimieren.

Unternehmen

Daten gezielt einsetzen, um Marktchancen zu erkennen und Entscheidungen zu optimieren.

InfoThek-pink

 

Impulse & Austausch

Live-Wissen und Austausch: Von Webinaren bis Kongressen – erleben Sie Datenkompetenz aus erster Hand.

Downloads

Wissen zum Nachlesen und Erleben: Whitepaper, Videos und Cases zeigen Praxis und Mehrwert datengetriebener Lösungen.

Themenspecials

Entdecken Sie Themenspecials rund um Datenplattformen, smarte Städte und Künstliche Intelligenz.

Wir_von_roosi

 

Menschen & Haltung

Unsere Expert:innen, Werte und Nachhaltigkeit - das Fundament für verantwortungsbewussten und zukunftsfähigen Umgang mit Daten.

Stories & Relations

Erfahren Sie mehr über Partner, Projekte und aktuelle News - Insights und Beziehungen aus erster Hand.

3 Min. Lesezeit

SSIS, SSAS, SSRS: Ihr Legacy-DWH-Stack im Realitätscheck

Unternehmen im Mittelstand, die noch auf den klassischen Microsoft BI-Stack setzen, stehen vor einer Architekturentscheidung. Wir zeigen, was Azure-SSIS IR, Azure Data Factory und Microsoft Fabric konkret bedeuten und wann sich welcher Ansatz am besten eignet.

Wenn IT-Teams und BI-Verantwortliche ehrlich sind, wissen die meisten von ihnen seit Jahren, dass der klassische Microsoft-BI-Stack - SSIS für ETL, SSAS für die analytische Schicht und SSRS für Berichte - in die Jahre gekommen ist. Das Ende des erweiterten Supports für den SQL Server 2016 hat diese Erkenntnis nun mit einer echten Deadline verknüpft.
Doch was kommt danach? Diese Frage wird in vielen Unternehmen gerade zum ersten Mal wirklich ernsthaft gestellt. Und die Antwort ist komplexer als in den Präsentationen der Anbieter suggeriert wird.

 

Die Ausgangslage: Warum der Legacy-Stack so hartnäckig ist

SSIS-Pakete, die vor zehn Jahren entwickelt wurden, laufen heute noch. Das ist einerseits eine Stärke, andererseits aber auch ein Problem. Denn ihre Wartung ist aufwändig, das entsprechende Know-how ist rar und die Integration neuer Datenquellen (REST-APIs, JSON, Streaming) ist in SSIS umständlich bis schmerzhaft. Typische Symptome in Legacy-DWH-Umgebungen sind:

  • ETL-Jobs laufen nachts in 4 - 8-stündigen Fenstern mit manuellem Monitoring.
  • Fehlerbehandlung ist inkonsistent, Pakete schlagen still fehl
  • Neue Datenquellen (z. B. Salesforce, HubSpot, REST-APIs) werden mit Workarounds angebunden.
  • Datenqualität ist unklar, da es keine zentrale Governance gibt.
  • Power BI greift direkt auf relationale Staging-Tabellen zu, da keine saubere semantische Schicht existiert.

Mit diesem Bild im Kopf lohnt es sich, die drei realistischen Modernisierungspfade zu betrachten.

 


Weg 1: Lift & Shift - Azure-SSIS Integration Runtime

Was es ist: Bestehende SSIS-Pakete werden unverändert (min. Anpassungen)  in die Azure-SSIS-Integration-Runtime innerhalb von Azure Data Factory verschoben. Der SQL Server läuft nicht mehr on-premises, sondern als verwalteter Dienst in Azure.

 

Wann sinnvoll:

  • Große Anzahl existierender SSIS-Pakete (50+), Neuentwicklung nicht budgetierbar

  • Kurzfristiger Handlungsbedarf wegen EOL (End-of-Life)

  • IT-Team hat tiefes SSIS-Know-how, aber keine Azure-Erfahrung

  • Eine durchdachte Übergangslösung als erster Schritt

 

Realistische Einschränkungen:

  • Kosten der Azure-SSIS IR sind nicht trivial: Die Laufzeitumgebung wird pro Stunde abgerechnet, auch bei wenig Last
  • Technische Schulden wandern in die Cloud mit — inklusive aller Legacy-Konnektoren und schlechter Pakete
  • Deprecated SSIS-Komponenten (Attunity-Konnektoren, Hadoop-Tasks) müssen ersetzt werden
  • Azure-SSIS IR ist grundsätzlich ein Übergangsprodukt, kein strategisches Ziel


Fazit:
Gut als kurzfristiger Risikoabsicherungsschritt. Kein strategisches Ziel.

Weg 2: Modernisierung zu Azure Data Factory (ADF)

Was es ist: Die ETL-Logik wird von SSIS-Paketen in ADF-Pipelines neu implementiert. ADF ist Microsofts cloud-nativer Datenintegrationsdienst mit visueller Pipeline-Entwicklung, über 90 nativen Konnektoren und serverlosem Betrieb.

 

Wann sinnvoll:

  • Unternehmen will langfristig auf Azure-Stack setzen, aber noch nicht auf Fabric
  • ETL-Logik ist komplex, aber gut dokumentiert und neu implementierbar
  • Team hat Kapazität für ein Modernisierungsprojekt von 3 - 9 Monaten
  • Bestehende Azure-Investitionen (Azure SQL, Synapse Analytics) vorhanden

 

Realistische Einschränkungen:

  • ADF hat eine andere Programmierlogik als SSIS: 1:1-Migration ist nicht möglich
  • Mapping Data Flows in ADF sind leistungsfähig, aber kosten CPU/Laufzeit - Kostenplanung kritisch
  • Für komplexe Transformationen mit Business-Logik empfiehlt sich Databricks oder Synapse Spark
  • ADF und Synapse Pipelines werden perspektivisch in Microsoft Fabric überführt

 

 

Fazit: Solider, praxiserprobter Pfad für Unternehmen mit konkretem Azure-Commitment.


 

Weg 3: Direkter Einstieg in Microsoft Fabric

Was es ist: Microsoft Fabric ist die nächste Generation der Microsoft Analytics Platform - eine integrierte SaaS-Plattform, die Data Engineering, Data Warehousing, Real-Time Analytics, Data Science und BI vereint. Im Kern bestehen die Komponenten aus OneLake als universellem Datenspeicher, dem Speichermodell Lakehouse/Warehouse und der Fabric Data Factory als Integrationsschicht.

Wann sinnvoll:

  • Unternehmen steht am Anfang einer echten Datenstrategie-Transformation
  • Die bestehende DWH-Architektur ist ohnehin unzureichend (keine saubere Modellierung, keine Governance)
  • Langfristiger Zeithorizont (12–24 Monate Transformation)
  • Management-Buy-in für Datenstrategie vorhanden

 

Realistische Einschränkungen:

  • Fabric ist noch jung (GA seit November 2023): manche Enterprise-Features sind noch in der Reifung
  • Erfordert Architektur-Know-how (Medallion Architecture, Delta Lake, Lakehouse-Design)
  • Governance und Sicherheitskonzepte müssen neu definiert werden
  • Lizenzierung (F-SKUs) erfordert sorgfältige Planung

Fazit: Der strategisch richtige Weg für Unternehmen, die nicht nur migrieren, sondern transformieren wollen.

 


 

Der hybride Realfall: Was in der Praxis meist passiert

 

In unserer Beratungspraxis sehen wir selten einen „reinen“ Migrationspfad. Typischerweise passiert Folgendes:

Phase 1 (Monate 1 - 3): Lift & Shift der kritischsten SSIS-Pakete zu Azure-SSIS IR, um die EOL-Exposition kurzfristig zu reduzieren.

Phase 2 (Monate 3 - 9): Schrittweise Neuentwicklung zentraler ETL-Strecken in ADF oder direkt in der Data Factory, beginnend mit neuen Datenquellen.

Phase 3 (Monate 9 - 24): Ablösung der restlichen Pakete, Aufbau einer Medallion-Architektur in Fabric und Einführung von Data Governance.

Der Schlüssel ist nicht die Entscheidung für „eine Technologie”, sondern ein Fahrplan, der das Risiko schrittweise abbaut, ohne den Betrieb zu destabilisieren.

 

infografik-3-aktionsplan

 

Was roosi Unternehmen empfiehlt


Bevor eine Architekturentscheidung getroffen wird, müssen drei Fragen geklärt werden:

  1. Wie viel technische Schuld steckt im bestehenden ETL? Ein kurzes Paket-Audit liefert oft überraschende Antworten.
  2. Welche Datenquellen kommen in den nächsten 18 Monaten hinzu? (API-basierte Quellen sprechen für ADF/Fabric).
  3. Wo steht das Team? (SSIS-Expertise vs. Cloud-Native-Bereitschaft entscheiden über den Übergangsweg.)

roosi bietet ein strukturiertes DWH-Readiness-Assessment an. In 3 - 5 Tagen erhalten Sie einen klaren Befund und eine priorisierte Migrations-Roadmap - ohne Technologie-Vorentscheidung.

 

 

Lernen Sie alle drei Architekturpfade live kennen: Jetzt für das Webinar am 27. August anmelden.

SQL Server EOL