Snowflake: CEO sieht durch KI Datenmigrationen von Jahren auf Quartarzehntel schrumpfen und definiert Anwendungen als Bündel von „Skills“ neu
Goldman Sachs Communacopia + Technology Conference, 8. September 2026
Snowflake-CEO Sridhar Ramaswamy und CFO Brian Robins nutzten ihren Auftritt auf der Communacopia + Technology Conference von Goldman Sachs, um ein deutlich offensiveres Bild davon zu zeichnen, wie generative KI den traditionellen Zeitplan für Datenmigrationen komprimiert und die Natur von Unternehmensanwendungen grundlegend verändert. Der konkreteste Datenpunkt aus der Session: Ein großer Industriekunde plant den Abschluss einer Teradata-Migration in weniger als drei Quartalen – ein Zeitrahmen, der 2026 laut Ramaswamy undenkbar gewesen wäre. „Migrationen jagen so ziemlich jedem CIO oder CDO Angst und Schrecken ein“, sagte er, doch KI-Coding-Agenten ermöglichen Systemintegratoren nun, Ergebnisse auf Basis von Festpreiskontrakten zu garantieren, anstatt auf das traditionelle Time-and-Materials-Modell zu setzen, das die Dienstleistungsbranche seit Jahrzehnten prägt.
Migrationen wandeln sich von variablen zu festen Kosten
Ramaswamy ordnete dies als Teil einer breiteren, durch KI vorangetriebenen Industrialisierung der Software ein, die nach seiner Einschätzung eine „tiefgreifende Bedrohung“ für jedes Technologie- und Softwareunternehmen darstellt, Snowflake eingeschlossen. Der praktische Effekt für das Geschäft von Snowflake besteht darin, dass Systemintegratoren zunehmend bereit sind, Migrationen als Festpreisprojekte mit Leistungsgarantie anzubieten statt als offene Abrechnungsprojekte nach geleisteten Stunden. Grund dafür ist, dass Coding-Agenten die Kernmigrationsarbeit beschleunigt und es drastisch erleichtert haben, unvorhersehbare Sonderfälle zu lösen, die früher Projektzeitpläne sprengten. Robins bestätigte, dass sich die Anlaufkurven der Kunden merklich versteilen: „Wir verfolgen intern, wie lange es dauert, bis sie ihre Verbrauchsrate erreichen, und wir sehen, dass diese Kurven immer steiler werden.“
Anwendungen als „Skills“ auf einem Datensubstrat neu gedacht
Der konzeptionell bedeutendste Teil der Diskussion drehte sich darum, wie Snowflake die Evolution der Anwendungsschicht einschätzt. Ramaswamy argumentierte, dass die Softwareentwicklung inzwischen so einfach geworden ist, dass der schwierigere, zeitraubendere Teil der Bereitstellung einer herkömmlichen App – nämlich der Umgang mit App-Stores und dem Packaging – zum Flaschenhals geworden ist und nicht mehr das eigentliche Programmieren. Sein vorgeschlagener Gegenentwurf sind sogenannte „einige wenige, sich selbst weiterentwickelnde Skills, die auf einem Datensubstrat laufen“. Am Beispiel eines internen Umfragetools beschrieb er, wie eine Benutzeroberfläche, Datenbanktabellen, Benachrichtigungslogik und Zugriffskontrollen innerhalb von Snowflake bei Bedarf zusammengestellt werden können, anstatt sie als eigenständiges SaaS-Produkt zu beschaffen – inklusive einer React-Schnittstelle, die bei Klick auf einen Link „auf Abruf gezaubert“ wird. Entscheidend ist, dass diese Skills nicht statisch sind: Ramaswamy erklärte, dass Snowflakes eigene interne Support-Systeme sich von manuell überprüften Arbeitsabläufen zu agentengestützter Automatisierung entwickelt haben, als Nutzungsmuster zeigten, welche Aufgaben abgegeben werden konnten. Diese Neuausrichtung – sofern sie bei Kunden Anklang findet – versetzt Snowflake in die Lage, Wertschöpfung abzufangen, die ansonsten an Drittanbieter von Anwendungen fließen würde, auch wenn Ramaswamy betonte, dass dies kein vollständiger Ersatz für Standardsoftware sein soll.
Vertiefung von CoCo durch neue Vertriebsansätze und Jobprofile
Mit Blick auf Snowflakes Agentenprodukt CoCo betonten beide Manager, dass sich der Schwerpunkt von der Akquisitionsbreite hin zur Nutzungstiefe verlagert. Ramaswamy schilderte, wie interne Nutzungsdaten verwendet werden, um Kunden basierend auf beobachtetem repetitiven Verhalten spezifische „Skills“ vorzuschlagen, ergänzt durch Hands-on-Labs – zwei- bis dreistündige technische Tutorials mit Kunden –, die sich als äußerst effektiv erwiesen haben, um ein tieferes Engagement zu fördern. Bemerkenswert ist, dass Snowflake eine völlig neue Rolle geschaffen hat: den „Activation Engineer“, dessen alleinige Aufgabe darin besteht, Neukunden (Logos) schneller auf der Plattform live zu schalten. Robins ergänzte, wie CoCo die Käufergespräche selbst verbreitert hat: „Vor einem Jahr, als ich zu Snowflake kam, hatte ich kaum Kundengespräche. Heute treffe ich mich jede Woche mit drei bis fünf CFOs.“ Das ergebnisbasierte Preismodell sei der Glaubwürdigkeitsfaktor, der dies ermögliche: Kunden, denen ein Festpreis für ein definiertes Ergebnis garantiert werden könne, seien voll und ganz an Bord – auf eine Weise, wie es bei klassischen Time-and-Materials-Verträgen nicht der Fall war.
Inferenz-Strategie: Eine Wertschöpfungshierarchie statt Reseller-Geschäft
Auf eine direkte Frage zum Margen-Trade-off beim Verkauf von durchlaufenden Inferenzleistungen (Pass-Through Inference) an den bestehenden Kundenstamm äußerte sich Ramaswamy unverblümt dazu, wo er die Grenze zieht. „Wenn es sich lediglich um den Weiterverkauf undifferenzierter Kapazitäten eines großen Anbieters handelt, schaffen Sie keinerlei Wert. Das ist Fake News von Leuten, die das tun und so tun, als hätten sie ein Geschäftsmodell“, sagte er. Snowflakes bevorzugte Vorgehensweise ist es, CoCo oder CoWork direkt zu verkaufen; besteht ein Kunde auf reinen Modellkapazitäten zum Betrieb seiner eigenen Infrastruktur, stellt Snowflake diese zur Verfügung, und will ein Kunde nur die als Backend für einen Cloud-Anbieter dienende Datenplattform, tut Snowflake auch das – allerdings „etwas widerstrebender“. Er verwies auf Skaleneffekte, darunter den 6-milliarden-Dollar-AWS-Vertrag des Unternehmens, als Hebel zur langfristigen Verbesserung der Inferenzmargen, flankiert von der zunehmenden Nutzung intern betriebener Open-Weight-Modelle.
Bruttomargen-Leitplanken für CoCo
Robins äußerte sich unmissverständlich dahingehend, dass jeglicher Bruttomargendruck durch den Erfolg von CoCo proaktiv kommuniziert und die Wall Street nicht überrascht werden würde. „Sollten wir eine massive CoCo-Adoption erleben, die über das ohnehin schon gesehene Maß hinausgeht, wären wir in der Lage, Ihnen das innerhalb eines Quartals oder zwei zu kommunizieren, um das zu steuern“, sagte er und bewertete Snowflakes verbrauchsabhängiges Modell als inhärent langsamer im Hochfahren, dafür aber berechenbarer, sobald sich das Nutzungsverhalten summiert. Das Unternehmen hält ungeachtet des Margenprofils des neuen Produkts an seiner Prognose für die operative Hebelwirkung im Gesamtjahr fest.
Ein ehrliches Geständnis zur Agentenlatenz
Ramaswamy wich einer kritischen Frage nicht aus, ob Snowflakes Architektur, die ursprünglich für menschengesteuerte Analysen statt für hochvolumige, latenzarme Agentenabfragen entwickelt wurde, den Anforderungen entspricht. „Die generelle Kritik, dass wir extrem niedrige Datenlatenzen nicht gut adressiert haben, ist absolut berechtigt“, sagte er und fügte hinzu, dass Snowflakes Streaming-Lösung die Datenfrische zwar auf zwei bis drei Sekunden gesenkt habe, das Erreichen des Bereichs unter 500 Millisekunden, wie er für einige Echtzeit-Agentenanwendungen erforderlich ist, jedoch aktive und noch nicht abgeschlossene Arbeit bleibe. Es ist ein seltener Fall, in dem ein CEO auf der Bühne ein konkretes technisches Defizit einräumt, anstatt die Kritik umzudeuten. Dies signalisiert Investoren, dass sie in den kommenden Quartalen auf konkrete Latenz-Benchmarks als Indikator für das Wettbewerbsrisiko durch neuere, agenten native Dateninfrastrukturanbieter achten sollten.
Wechselkosten schneiden in beide Richtungen
Ramaswamy räumte zudem die doppelte Natur schnellerer Migrationen ein: Wenn KI Migrationen zu Snowflake beschleunigen kann, kann sie Migrationen aus Snowflake heraus genauso leicht beschleunigen. „Wenn die Migration zu Snowflake deutlich schneller gemacht werden kann, kann auch die Migration aus Snowflake heraus deutlich schneller gemacht werden. Das ist die Welt, in der wir leben“, sagte er. Seine Antwort darauf ist, sich auf offene Formate einzulassen, statt gegen sie zu kämpfen. Er verwies auf von Snowflake verwaltete Iceberg-Tabellen, die es Kunden ermöglichen, Daten bei Snowflake zu speichern und sie gleichzeitig von anderen Engines abfragbar zu halten. Snowflakes Verteidigungsfähigkeit muss in seiner Darstellung nun aus Governance, Notfallwiederherstellung (Disaster Recovery) und auf offenen Daten aufbauenden Agenten-Tools erwachsen – statt aus proprietärem Vendor Lock-in. Dies stellt einen bemerkenswerten wendepunktartigen Perspektivwechsel gegenüber der früheren Haltung des Unternehmens dar. „Ich denke, das alte Snowflake, das an einer Reihe von Dingen festhielt, die es für unantastbar hielt und die sich niemals ändern könnten – dieses Unternehmen hat sich ebenfalls verändert“, sagte er.
Preisphilosophie inmitten deflationären Drucks
Zur Mechanik der Preisgestaltung bei neuen Compute-Generationen wie Gen-2-Instanzen erklärte Robins, dass Snowflake der natürlichen Preis-Leistungs-Deflation neuer Hardware-Generationen durch Volumenwachstum und neue Workloads entgegenwirkt. Dadurch werden Umsatzrückgänge vermieden, während gleichzeitig Leistungsvorteile an die Kunden weitergegeben werden. Ramaswamy schloss die Preisdiskussion mit dem Zitat eines früheren Chefs: „Umsatz löst alle bekannten Probleme“ – ein Satz, der die grundsätzliche Ausrichtung des Managements unterstreicht, zunächst Nutzung und Adoption voranzutreiben, während die Margenoptimierung als nachgelagerte Konsequenz und nicht als primäre Einschränkung betrachtet wird.