Storage-Kapazität für die Massendigitalisierung Wie viel Storage frisst der Aktenschrank?

Massendigitalisierung wird als Scan-Projekt geplant – fürs Rechenzentrum ist sie ein Kapazitätsereignis. Wer Speicherbedarf und Datenklasse nicht vorab kalkuliert, macht aus dem Aktenschrank teure Dark Data. So schätzen Sie das Volumen belastbar.

Wenn ein Unternehmen sein Papierarchiv digitalisiert, taucht das im Rechenzentrum selten im Kapazitätsplan auf. Beschafft werden Scanner und Dienstleister, nicht Storage. Für die Infrastruktur ist eine Massendigitalisierung aber kein Randthema, sondern ein Kapazitätsereignis: Innerhalb weniger Wochen entstehen Terabyte an neuen, dauerhaft aufzubewahrenden Daten. Wer diesen Bedarf nicht vorab kalkuliert, hat am Ende zwei Probleme: einen vollen Speicher und einen digitalen Aktenberg, den niemand mehr klassifiziert.

KI und Cloud-Modernisierung gehen Hand in Hand

Sind die Daten bereit, kann KI loslegen

Digitalisierung ist ein Kapazitätsereignis

Die Schätzung des Speicherbedarfs gehört an den Anfang eines Digitalisierungsprojekts, nicht ans Ende. Wird sie übersprungen, drohen zwei gegensätzliche Fehler. Zu knapp geplant, steht mitten im Projekt eine teure Notbeschaffung an, oft zu schlechten Konditionen. Zu großzügig geplant, bindet man Budget in Kapazität, die jahrelang brachliegt. Der dritte, unterschätzte Fehler ist gar keine Klassifizierung: Dann landen Millionen gescannter Seiten ungeprüft im Primärspeicher als unstrukturierter, selten benötigter Bestand, der die Kapazität belastet und exakt jene Dark Data erzeugt, die Rechenzentren ohnehin plagt. Eine belastbare Schätzung liefert deshalb nicht nur eine Terabyte-Zahl, sondern auch die Grundlage für die Frage, wo diese Daten liegen sollen.

Die Grundrechnung: Seiten mal Formatgröße

Ausgangspunkt jeder Schätzung ist die Zahl der Seiten. Als Planungsgröße gilt: Ein laufender Aktenmeter enthält je nach Papierstärke und Packungsdichte rund 8.000 bis 12.000 Blatt. Ein mittelständisches Archiv von 300 laufenden Metern entspricht damit grob drei Millionen Seiten.

Die zweite Größe ist die durchschnittliche Dateigröße pro Seite. Als Faustwerte für eine A4-Seite bei 300 dpi (dots per inch):

• Bitonal (1 Bit), TIFF Group 4: rund 30 bis 60 Kilobyte (KB) pro Seite.

• Graustufen (8 Bit): als komprimiertes PDF meist einige hundert KB.

• Farbe (24 Bit): unkomprimiert rund 25 Megabyte (MB), als JPEG oder PDF/A meist 300 KB bis 1,5 MB.

Die Spanne zwischen Bitonal und Farbe beträgt also das Zwanzig- bis Fünfzigfache pro Seite. Bei Millionen Seiten ist das der mit Abstand größte Hebel im gesamten Speicherbedarf und der Grund, warum die Formatwahl keine reine Qualitätsfrage ist.

Auflösung und Farbtiefe sind eine Infrastrukturentscheidung

Wegen dieser Spanne entscheidet das Scanprofil über den Speicherbedarf mehr als jede spätere Storage-Optimierung. Reiner Fließtext gehört bitonal gescannt; Farbe ist nur dort sinnvoll, wo sie inhaltlich trägt: bei Stempeln, farbigen Markierungen, Fotos oder Plänen. Wer dieses Profil pro Dokumenttyp festlegt, statt pauschal in Farbe zu scannen, halbiert das Volumen häufig oder mehr.

Auch die Auflösung ist ein Kostenfaktor: 300 dpi sind für Textdokumente der etablierte Standard, GoBD-tauglich (Grundsätze zur ordnungsmäßigen Führung und Aufbewahrung von Büchern, Aufzeichnungen und Unterlagen in elektronischer Form sowie zum Datenzugriff) und für die OCR-Texterkennung (Optical Character Recognition) ausreichend. Eine Verdopplung auf 600 dpi vervierfacht die Pixelzahl und damit tendenziell die Dateigröße. Ein Aufwand, der sich nur bei feinen Vorlagen oder Fotos rechtfertigt. Auflösung und Farbtiefe sollten deshalb gemeinsam mit der IT festgelegt werden, nicht allein nach optischem Eindruck.

Qualität der Daten bestimmt KI-Produktivität

4 Schritte, um Unternehmensdaten für KI zu optimieren

Warum die Rohrechnung immer zu niedrig liegt

Seiten mal Dateigröße ergibt eine Untergrenze, keine Antwort. Auf das Rohvolumen kommen mehrere versteckte Multiplikatoren:

• OCR-Textlayer: Die durchsuchbare Textebene vergrößert jede PDF-Datei.

• Mehrere Ausgabeformate: Ein PDF/A für die Nutzung plus ein TIFF-Master zur Archivierung verdoppelt den Bedarf nahezu.

• Vorschaubilder und Versionsstände aus Nachbearbeitung und Freigabe.

• Redundanz: Mehrfach abgelegte Dokumente und Kopien machen erfahrungsgemäß 10 bis 30 Prozent aus.

• Index- und Metadatenbank des DMS, die den Bestand durchsuchbar hält.

Als Faustregel sollte auf das Rohvolumen ein Aufschlag von 50 bis 100 Prozent einkalkuliert werden plus Reserve für Backup und künftiges Wachstum. Das Rechenbeispiel: Die drei Millionen Seiten aus einem gemischten Bestand mit durchschnittlich 400 KB ergeben rund 1,2 TB Rohdaten. Mit Multiplikatoren werden daraus schnell 2 bis 2,5 TB Bruttobedarf, bevor eine einzige Sicherungskopie geschrieben ist.

Kapazität ist nur die halbe Antwort: die Datentemperatur

Selbst eine korrekte Terabyte-Zahl sagt noch nicht, wo die Daten liegen sollen. Digitalisierte Archivbestände sind fast per Definition kalte Daten: einmal geschrieben, selten gelesen, aber über Jahre aufzubewahren. Landen sie auf schnellem Primärspeicher, sind sie teuer und werden zu Dark Data. Die Kapazitätsplanung ist deshalb immer auch eine Tiering-Planung:

• Aktiv genutzte Vorgänge gehören auf schnelles DMS-Storage.

• Selten benötigte, aber vorzuhaltende Bestände gehören auf ein Cold- beziehungsweise Archive-Tier (Objekt-Storage, gegebenenfalls Tape).

• Revisionssichere, unveränderbare Dokumente gehören auf WORM- beziehungsweise Immutable-Storage.

Der Vorteil liegt darin, die Datentemperatur bereits an der Quelle zu bestimmen anhand von Dokumenttyp und Alter, direkt beim Scannen. Dann fließt jeder Bestand vom ersten Tag an ins passende Tier, statt später mühsam aussortiert zu werden.

Revisionssicherheit und Löschkonzept gehören in die Rechnung

Für den steuer- und rechtsrelevanten Teil der Bestände verlangen die GoBD und – bei sensiblen Unterlagen – die BSI-Richtlinie TR-RESISCAN eine unveränderbare, protokollierte Ablage. Das betrifft sowohl die Formatwahl (PDF/A für die Langzeitlesbarkeit) als auch das Speicher-Tier (WORM). Ebenso wichtig ist die Gegenrichtung: Wann Daten gelöscht werden dürfen, regeln gesetzliche Aufbewahrungsfristen. Ohne Löschkonzept wächst das Archiv monoton weiter – das digitale Gegenstück zum nie ausgemisteten Keller. Ein Retention-Tag je Dokument beim Import macht die spätere, automatisierte Löschung überhaupt erst möglich. Dass sich diese Fristen ändern, zeigt das Beispiel der Buchungsbelege: Seit 2025 gilt eine verkürzte Aufbewahrung von acht statt zehn Jahren (§ 147 AO). Ein Löschkonzept muss solche Änderungen abbilden können.

CO2-Äquivalent: 3 Millionen Flüge London - New York

Wer Dark Data erkennt, kann die Effizienz steigern

(ID:50946239)