BigQuery Kosten folgen zwei Modellen für Compute und einem für Speicher: auf Abruf je TiB Daten, die eine Abfrage liest, mit dem ersten TiB im Monat frei, oder Kapazität in Slot-Stunden je Edition mit automatischer Skalierung und ein- oder dreijährigen Commitments; Speicher je GiB-Monat, aktiv oder langfristig nach 90 Tagen ohne Änderung, logisch oder physisch je Dataset berechnet; dazu Streaming und Storage Write API je GiB für die Aufnahme, Storage Read API je TiB, BI Engine je GiB-Stunde Arbeitsspeicher und Egress je GiB, wenn Ergebnisse die Region verlassen. Auf der Rechnung dominieren Abruf-Scans bei Teams, die ad hoc abfragen, Slot-Reservierungen bei Teams, die Pipelines fahren, und der Speicher wächst leise, weil in BigQuery nichts ohne Tabellenablauf verfällt.
Preisdimensionen
Google bepreist BigQuery nach dem, was eine Abfrage berührt, nicht nach dem Warehouse, das sie ausführt, es sei denn, eine Edition ersetzt das durch reservierte Kapazität; jeder Preis hat seine eigene SKU je Region, und die Region des Datasets setzt ihn.
| Dimension | Einheit | Was sie treibt | Optional |
|---|---|---|---|
| Abruf-Compute | TiB verarbeiteter Bytes je Abfrage, nach gelesenen Spalten, ausgelassenen Partitionen und Clustering; das erste TiB im Monat je Rechnungskonto frei; mindestens 10 MB je Tabelle und Abfrage | Jede Abfrage außer Probeläufen; die gelesenen Bytes, nicht das Ergebnis | Nein ohne Edition |
| Kapazitäts-Compute | Slot-Stunde je Edition (Standard, Enterprise, Enterprise Plus), sekundengenau mit einer Minute Minimum, automatisch zwischen Grundlinie und Maximum skaliert; ein- oder dreijährige Commitments auf Enterprise und Enterprise Plus zu niedrigeren Sätzen | Projekten zugewiesene Reservierungen; die bereitgestellten Slots, nicht die Abfragen | Ja |
| Aktiver Speicher | GiB-Monat, logisch (unkomprimiert) als Vorgabe oder physisch (komprimiert, mit Zeitreise und Ausfallsicherung gezählt) je Dataset; je MiB und Sekunde anteilig | Tabellen, die in den letzten 90 Tagen geändert wurden | Nein |
| Langzeitspeicher | GiB-Monat zu rund der Hälfte des aktiven Satzes für Tabellen oder Partitionen, die 90 Tage am Stück unverändert blieben; automatisch, ohne Leistungsänderung | Tabellen, die sich nicht mehr ändern | Nein |
| Streaming und Storage Write API | Je 200 MiB für alte Streaming-Einfügungen, je GiB für die Storage Write API, mit monatlicher Freimenge | Echtzeitaufnahme; Batch-Ladevorgänge frei | Ja |
| Storage Read API | TiB, das über die Storage Read API gelesen wird, mit monatlicher Freimenge | Spark, Dataflow und BI-Werkzeuge, die Tabellen direkt lesen | Ja |
| BI Engine | GiB-Stunde reservierter Arbeitsspeicher | Dashboards auf zwischengespeicherten Daten | Ja |
| BigQuery ML und weitere Vorgänge | TiB verarbeitet für Modellerstellung und Vorhersage, je Million Tokens für Remote-Modelle; Omni je TiB; Datenübertragung je Quelle | Modelle, externe Daten, Transfers | Ja |
| Egress | GiB, wenn Abfrageergebnisse oder Kopien die Region des Datasets verlassen, je Kontinentpaar; innerhalb der Region frei | Regionsübergreifende Abfragen und Kopien | Ja |
| Kaufoption | Slot-Commitments über ein oder drei Jahre auf Enterprise und Enterprise Plus; nichts auf Abruf oder Speicher | Gleichmäßige Abfragelast | Ja (Google Cloud Committed Use Discounts) |
Der Abruf berechnet die Bytes, die eine Abfrage liest, und Spalten, Partitionen und Clustering entscheiden sie: Eine Abfrage, die drei Spalten einer partitionierten Tabelle für einen Tag auswählt, liest Kilobytes, dieselbe Abfrage mit SELECT * über die ganze Tabelle liest alles, zum selben Preis je TiB. Das erste TiB im Monat ist je Rechnungskonto frei, und der Preis je TiB sinkt nicht mit dem Volumen, so dass ein Team, das 100 TiB im Monat liest, das Hundertfache des Teams zahlt, das eines liest. Editionen ersetzen das durch Slots: eine Reservierung aus Grundlinie und Maximum an Slots je Edition, berechnet je Slot-Stunde, solange die Slots zugeteilt sind, hochskaliert, wenn Abfragen warten, herunter, wenn sie enden, mit einer Minute Minimum je Skalierungsschritt; ein Commitment über ein oder drei Jahre senkt die Slot-Stunde und zahlt sie, ob Abfragen laufen oder nicht. Der Wechselpunkt liegt dort, wo die Abruf-Scans eines Monats die Slot-Stunden derselben Arbeit übersteigen; für Teams, die den ganzen Tag abfragen, bei einigen hundert Slot-Stunden, für Teams, die zum Monatsende abfragen, nie. Speicher ist die leise Zeile: Logische Abrechnung zählt unkomprimierte Bytes zum niedrigeren Satz, physische komprimierte Bytes mit Zeitreise zu rund dem doppelten Satz je GiB, und welche günstiger ist, hängt vom Kompressionsverhältnis der Daten ab; Langzeitspeicher halbiert den Satz für Tabellen, die 90 Tage unberührt bleiben, automatisch. Die Mechanik aller drei Anbieter erklärt Data Warehouses und Analytik.
So erscheint es in den Abrechnungsdaten
Im Abrechnungsexport tragen die Zeilen service.description BigQuery und eine sku.description, die Modell und Region nennt: Analysis (europe-west3) für verarbeitete Bytes auf Abruf in TiB, Active Logical Storage (europe-west3) und Long Term Logical Storage (europe-west3) oder die physischen Varianten je GiB-Monat, Streaming Insert (europe-west3) und BigQuery Storage Write API je GiB, BigQuery Storage API Read je TiB, BI Engine (europe-west3) je GiB-Stunde; eine Reservierung erscheint unter service.description BigQuery Reservation API als Enterprise Edition Slot Hours (europe-west3) oder Enterprise Plus Edition Slot Hours je Slot-Stunde, mit dem Commitment als eigener Zeile. usage.amount steht in Bytes für Scans und Speicher, in Stunden für Slots; location.region ist die Region des Datasets, und resource.name im Export mit Ressourcendetails nennt die Reservierung, nicht die Abfrage. Welche Abfrage oder welcher Nutzer die Abruf-Bytes verursacht hat, steht nicht im Export: Die Sichten INFORMATION_SCHEMA.JOBS nennen total_bytes_billed, user_email und die Labels je Job, und die Slot-Nutzung einer Reservierung je Job steht in JOBS_TIMELINE; die labels des Exports tragen die Labels des Projekts und die Job-Labels, die eine Anwendung setzt.
Credits stehen in credits: Das freie TiB der Abruf-Analyse erscheint als credits.type FREE_TIER neben der Analysezeile, ein Slot-Commitment als COMMITTED_USAGE_DISCOUNT neben den Slot-Stunden; einen Nutzungsrabatt gibt es auf BigQuery nicht. Den Aufbau des Exports beschreibt Google-Cloud-Abrechnungsexport; im FOCUS-Export trägt ServiceName BigQuery, ServiceCategory Analytics, SkuId die SKU, PricingCategory Standard oder Committed und CommitmentDiscountId das Commitment (FOCUS-Spalten). Wie der Export selbst in BigQuery eingerichtet wird, steht auf jener Seite; Speicher und Abfragen des Exports sind BigQuery-Zeilen wie alle anderen.
Stellhebel
Konfiguration: Der erste Hebel ist Partitionierung und Clustering mit einem Filter auf der Partitionsspalte, weil eine Abfrage die gelesenen Partitionen zahlt und eine Tabelle ohne Partitionen bei jeder Abfrage alles; der zweite die Spaltenliste, weil SELECT * jede Spalte liest und BigQuery Spalten getrennt speichert; der dritte das Modell je Projekt, Abruf für Ad-hoc- und seltene Abfragen, eine Reservierung mit automatischer Skalierung für Pipelines und Dashboards, die den ganzen Tag laufen, und ein Maximum abrechenbarer Bytes je Abfrage als Leitplanke gegen den Scan, der ein Petabyte liest. Tabellen- und Partitionsabläufe beenden das Speicherwachstum von Staging- und temporären Tabellen; die Muster der Datenschicht stehen unter Speicheroptimierung.
Kaufoption: Slot-Commitments über ein oder drei Jahre auf Enterprise oder Enterprise Plus für die Grundlinie, die ein Team jede Stunde nutzt, mit automatischer Skalierung für den Rest; das Commitment zahlt seine Slot-Stunden, ob Abfragen laufen oder nicht, also ist die Grundlinie das gemessene Minimum, nicht die Spitze (Commitment-Strategie).
Architektur: Materialisierte Sichten und BI Engine für Dashboards, die dieselbe Abfrage wiederholen, weil der zweite Scan derselben Bytes so viel kostet wie der erste; die Storage Read API für Spark und Dataflow statt Export nach Cloud Storage und zurück; und das Dataset in der Region des Compute, das es liest, weil regionsübergreifende Ergebnisse Egress zahlen. Was eine Pipeline auf Dataflow oder Dataproc neben dem Warehouse kostet, steht unter Dataflow-, Dataproc- und Composer-Preise.
Wo es schiefgeht
- Das Dashboard liest die ganze Tabelle. Ein Dashboard, das alle fünf Minuten
SELECT *auf eine unpartitionierte Tabelle ausführt, zahlt die Tabellengröße 288-mal am Tag.INFORMATION_SCHEMA.JOBSnachtotal_bytes_billednennt es; Partitionen, Spalten und BI Engine beenden es. - Die Reservierung liegt nachts brach. Eine Grundlinie von 500 Slots zahlt jede Stunde 500 Slot-Stunden. Automatische Skalierung ab einer Grundlinie von null oder ein kleineres Commitment passen zur Last.
- Das Commitment deckt die falsche Edition. Ein Commitment auf Enterprise deckt keine Enterprise-Plus-Slots; die Gebühr läuft, der Credit nicht. Eine Edition je Organisation, sofern kein Merkmal die andere verlangt.
- Physische Abrechnung auf unkomprimierten Daten. Physischer Speicher zum doppelten Satz spart nur, wenn Daten auf weniger als die Hälfte komprimieren; JSON und Zeichenketten oft, Gleitkommazahlen selten. Die Speichermetadaten des Datasets zeigen beides.
- Staging-Tabellen verfallen nie. Jeder Pipeline-Lauf hinterlässt eine Tabelle; die Speicherzeile wächst mit dem Lauf. Ein Standard-Tabellenablauf auf dem Dataset beendet es.
- Die Abfrage hat das freie TiB am ersten Tag überschritten. Das freie TiB gilt je Rechnungskonto und Monat, nicht je Projekt. Ein Maximum abrechenbarer Bytes auf dem Projekt fängt den Scan, bevor er kostet.
- Das Ergebnis hat die Region verlassen. Eine Abfrage über Datasets in zwei Regionen oder eine Kopie in eine andere Region zahlt Egress je GiB. Datasets am Ort ihrer Nutzer.
Beispiel
Listenpreise in USD für Frankfurt (europe-west3), gelesen am 2026-10-21 von der Preisseite von BigQuery: Abruf-Analyse kostet 8,125 USD je TiB nach dem ersten TiB im Monat; Kapazitäts-Compute 0,052 USD je Slot-Stunde in der Standard-Edition, 0,078 USD in Enterprise und 0,13 USD in Enterprise Plus nach Pay-as-you-go, 0,0702 USD und 0,117 USD mit einjährigem Commitment, 0,0624 USD und 0,104 USD mit dreijährigem; aktiver logischer Speicher 0,000031507 USD je GiB-Stunde, 0,023 USD je GiB-Monat, langfristig logisch 0,016 USD, aktiv physisch 0,052 USD, langfristig physisch 0,026 USD je GiB-Monat; die Storage Write API 0,0325 USD je GiB, alte Streaming-Einfügungen 0,013 USD je 200 MiB, die Storage Read API 1,43 USD je TiB; BI Engine 0,0541 USD je GiB-Stunde.
Ein Team, das 20 TiB im Monat auf Abruf liest, zahlt 19 × 8,125 = 154,38 USD; bei 200 TiB 1.616,88 USD; bei 2 PiB 16.636,00 USD. Dieselben 200 TiB Arbeit durch eine Reservierung von 100 Enterprise-Slots, die werktags acht Stunden läuft, 220 × 100 = 22.000 Slot-Stunden, kosten 1.716,00 USD nach Pay-as-you-go und 1.372,80 USD mit dreijährigem Commitment, nahe am Abruf; dieselben Slots rund um die Uhr, 73.000 Slot-Stunden, 5.694,00 USD, was sich erst über 700 TiB Scans im Monat lohnt. Ein Dataset mit 50 TiB logischer Daten kostet 1.177,60 USD im Monat aktiv und 819,20 USD, sobald 90 Tage ohne Änderung vergangen sind; dieselben Daten auf 15 TiB komprimiert unter physischer Abrechnung 798,72 USD aktiv. Ein Dashboard, das eine 2-TiB-Tabelle 288-mal am Tag liest, kostet 2 × 288 × 30 × 8,125 = 140.400 USD im Monat auf Abruf, und wenige Dollar mit Partitionsfilter und BI Engine. Die Zahlen zeigen, dass die gelesenen Bytes, nicht die gespeicherten, die Abruf-Rechnung tragen, dass eine Reservierung den Abruf nur schlägt, wenn sie den größten Teil des Tages ausgelastet ist, und dass Speicher günstig ist, bis nichts verfällt.
Quellen
Gelesen am 2026-10-21. Preise: BigQuery Preise. Dienst: BigQuery Editionen, Modelle der Speicherabrechnung, Kosten schätzen und steuern. Abrechnungsdaten: Struktur des Standard-Exports der Cloud-Billing-Daten, INFORMATION_SCHEMA.JOBS.