S3-Bucket

Große Internetfirmen speichern ihre Dateien nicht auf einer Festplatte im eigenen Büro. Sie mieten Speicherplatz in fremden Rechenzentren, also in Hallen voller Computer, die rund um die Uhr laufen. Amazon vermietet solchen Speicherplatz unter dem Namen S3, kurz für Simple Storage Service. Ein Bucket, auf Deutsch Eimer, ist dort ein einzelner benannter Behälter, in den man Dateien wirft. Jede Firma legt sich beliebig viele solcher Behälter an und bestimmt selbst, wer hineinschauen darf. Bezahlt wird nach abgelegter Datenmenge und nach der Zahl der Zugriffe.

Warum halbes Internet in Eimern liegt

S3 startete 2006 und war einer der ersten Dienste, mit denen Amazon Rechenleistung vermietete. Heute ist es einer der meistgenutzten Speicherdienste der Welt. Wer ein Video bei einem Streamingdienst startet, holt sich die Daten sehr oft aus einem solchen Bucket. Auch Fotos in Onlineshops, Backups von Firmen und die Trainingsdaten für KI-Modelle liegen dort.

Der Reiz liegt in der Sorglosigkeit. Eine Firma muss keine Festplatten kaufen, keine Ausfälle einplanen und kein Personal für die Wartung bezahlen. Amazon verspricht, dass Daten praktisch nie verloren gehen, weil jede Datei mehrfach an verschiedenen Orten liegt. Wächst eine App von tausend auf zehn Millionen Nutzer, muss niemand etwas umbauen.

Die Kehrseite zeigt sich regelmäßig in den Nachrichten. Ein falsch eingestellter Bucket ist für jeden im Internet lesbar. So sind schon Millionen Kundendaten öffentlich zugänglich gewesen, weil ein einziger Schalter auf offen stand. Solche Datenpannen zählen zu den häufigsten Sicherheitsvorfällen der letzten Jahre.

Objekte statt Ordner

Auf einem normalen Computer liegen Dateien in Ordnern, die in weiteren Ordnern liegen. S3 funktioniert anders. Jede Datei ist ein sogenanntes Objekt und bekommt einen langen Namen, den Schlüssel. Der Schlüssel kann Schrägstriche enthalten, etwa fotos/2024/urlaub.jpg. Das sieht nach Ordnern aus, ist aber nur Text. In Wahrheit liegt alles flach nebeneinander in einem einzigen Behälter.

Jedes Objekt ist über eine Webadresse erreichbar. Programme fragen diese Adresse ab, ähnlich wie ein Browser eine Webseite lädt. Dabei schicken sie einen digitalen Ausweis mit, damit Amazon prüfen kann, ob der Zugriff erlaubt ist. Welche Zugriffe erlaubt sind, legt eine Regelliste fest, die Bucket Policy. Genau an dieser Stelle passieren die meisten Fehler.

Ein Bucket ist außerdem an eine Region gebunden, zum Beispiel Frankfurt oder Nordvirginia. Die Daten liegen dann physisch in dieser Gegend. Das ist wichtig für Gesetze zum Datenschutz und für die Geschwindigkeit. Wer sehr alte Daten selten braucht, kann sie in günstigere Speicherklassen verschieben, die dafür langsamer antworten.

S3 in News, Apps und KI-Projekten

Als Nutzer siehst du einen Bucket normalerweise nie. Trotzdem läuft ein guter Teil deines Alltags durch ihn hindurch, sobald du eine App benutzt. In Berichten über Datenlecks taucht der Begriff dagegen offen auf, meist im Satz ungeschützter S3-Bucket. Auch bei Ausfällen ist er präsent: Als S3 im Jahr 2017 mehrere Stunden gestört war, hatten weltweit tausende Webseiten Probleme.

In der KI-Branche sind Buckets der übliche Ort für riesige Datensammlungen. Ein Sprachmodell wird mit Text im Umfang vieler Terabyte trainiert, und dieser Text muss irgendwo liegen. Die Rechner, die trainieren, holen ihn dann Stück für Stück aus dem Speicher. Auch fertige Modelle werden so verteilt.

S3 ist nicht der einzige Anbieter, aber der bekannteste. Google und Microsoft bieten sehr ähnliche Dienste unter anderen Namen an. Weil S3 so verbreitet ist, hat sich seine technische Sprache zum inoffiziellen Standard entwickelt. Viele Konkurrenten sprechen deshalb absichtlich dieselbe Sprache, damit Firmen ohne Umbau wechseln können.