Nextcloud verstehen was die Nutzungsdaten verraten

Nextcloud-Nutzungsanalyse: Was die Daten über die eigene Cloud verraten

Es gibt Momente, da steht man als Administrator vor einem Rätsel. Die Nextcloud-Instanz läuft seit Monaten, die User sind zufrieden, die Speichergrenze ist noch nicht erreicht. Aber wer nutzt eigentlich was? Und warum steigt der CPU-Last plötzlich jeden Freitag um 15 Uhr? Die meisten Betreiber einer selbst gehosteten Cloud-Lösung kennen dieses Gefühl der blinden Zufriedenheit – bis das System anfängt zu spinnen oder der Chef fragt, ob man nicht endlich mal die Kosten rechtfertigen könne. Hier setzt die Nutzungsanalyse an: ein Thema, das in der Nextcloud-Community oft stiefmütterlich behandelt wird, obwohl es das Rückgrat jeder soliden Administration ist.

Nextcloud selbst bietet eine Reihe von Werkzeugen, um den Betrieb zu beobachten. Die Konsole, das Logging, die integrierte Statistik – all das ist vorhanden. Aber es reicht selten aus, um wirklich zu verstehen, was in der eigenen Cloud passiert. Dazu kommt: Die Anforderungen an eine professionelle Nutzungsanalyse gehen weit über einfache Dashboard-Zahlen hinaus. Es geht um Kapazitätsplanung, Sicherheitsüberwachung, Compliance und nicht zuletzt um die Frage, ob sich der Betrieb überhaupt lohnt. Gerade in mittelständischen Unternehmen, wo Nextcloud oft als kostengünstige Alternative zu Microsoft 365 oder Google Workspace dient, wird dieser Aspekt gerne vernachlässigt. Ein Fehler, der teuer werden kann – im wahrsten Sinne des Wortes.

Bevor wir uns in die technischen Details stürzen: Warum ist das Thema überhaupt relevant? Weil eine Cloud, die man nicht analysiert, eine Blackbox bleibt. Man weiß nicht, welche Dateitypen dominieren, ob es ungenutzte Accounts gibt, ob die Zugriffsmuster auf Sicherheitsprobleme hindeuten. Und man kann nicht planen. Eine Nutzungsanalyse ist die Grundlage für jede strategische Entscheidung – von der Hardware-Beschaffung bis zur Lizenzverwaltung. Dabei zeigt sich: Nextcloud hat in den letzten Jahren erheblich nachgebessert, was die Transparenz angeht. Aber der Weg zur echten Datensouveränität führt über die Auswertung der eigenen Daten. Ein Paradoxon? Vielleicht. Aber ein lösbares.

Die Datenquellen: Wo liegen die Informationen?

Nextcloud protokolliert eine ganze Menge – wenn man weiß, wo es hinschaut. Die wichtigste Quelle ist die Datenbank selbst. Hier liegen die Metadaten zu Dateien, Benutzern, Gruppen, Freigaben und Aktivitäten. Daneben gibt es die Logdateien, die unter /var/log/nextcloud/ oder im Systemjournal zu finden sind. Sie enthalten Fehlermeldungen, aber auch Informationen über Login-Versuche, Sync-Vorgänge und API-Aufrufe. Ein interessanter Aspekt: Viele Administratoren konfigurieren das Logging auf das Nötigste, um Speicher zu sparen. Das ist verständlich, aber fatal, sobald man eine Analyse durchführen will. Lieber etwas großzügiger einstellen und die Logs regelmäßig rotieren – das schafft eine solide Datenbasis.

Ein weiterer, oft übersehener Kanal ist die Nextcloud-eigene Aktivitätstabelle. Sie speichert Benutzeraktionen wie Datei-Uploads, Löschungen, Kommentare oder Änderungen an Freigaben. Diese Daten lassen sich über die REST-API abrufen oder direkt in der Datenbank abfragen. Wer einen Schritt weiter gehen möchte, nutzt die occ-Befehle. occ files:scan und occ files:status sind nur die Spitze des Eisbergs. Mit occ monitoring:list erhält man eine Übersicht über zentrale Metriken, die allerdings sehr rudimentär ist. Nextcloud hat hier in der Version 28 und 29 nachgebessert – die sogenannte „Admin-Audit-Log“-Funktion ist ein Segen für Compliance-Anforderungen, aber noch nicht sehr ausgereift. Man sieht, wer wann was gemacht hat, aber die Aggregation und Visualisierung muss man selbst übernehmen.

Dabei hilft ein Blick auf die Systemressourcen: CPU, RAM, Festplatten-I/O, Netzwerkverkehr. Ein nächcloud-Server, der ständig an seine Grenzen stößt, produziert zwangsläufig Fehler und Zeitüberschreitungen. Die Analyse dieser Metriken in Kombination mit den Applikationslogs zeigt oft erstaunliche Muster. Ich erinnere mich an einen Fall, bei dem eine Nextcloud-Instanz regelmäßig jeden Morgen um 8:30 Uhr in die Knie ging. Ursache: Ein Dutzend Mitarbeiter synchronisierten gleichzeitig ihre Desktop-Clients, nachdem sie ihre Laptops aufgeklappt hatten. Ein simples Problem – aber ohne Nutzungsanalyse blieb es lange unerkannt. Man hätte die Sync-Intervalle anpassen oder den Server priorisieren können. Stattdessen fluchte man über „langsames Nextcloud“.

Die Werkzeugkiste: Von occ über Grafana bis zum ELK-Stack

Die gute Nachricht: Man muss nicht alles selbst schreiben. Nextcloud lässt sich recht einfach an externe Monitoring-Tools anbinden. Prometheus und Grafana sind hier der Standard. Es gibt sogar einen offiziellen Exporter von der Community, der Metriken wie Speicherverbrauch, Benutzeranzahl, Dateianzahl und Sync-Status ins Prometheus-Format bringt. Die Einrichtung ist nicht schwer, erfordert aber ein wenig Arbeit mit der Konfiguration von config.php und dem Einrichten der Export-URL. Wer schon ein bestehendes Monitoring hat, kann Nextcloud problemlos in die Landschaft einbinden. Einmal eingerichtet, liefert Grafana dann Dashboards, die weit über das hinausgehen, was die Nextcloud-Oberfläche zeigt.

Eine Alternative zu Prometheus ist der ELK-Stack – Elasticsearch, Logstash und Kibana. Vor allem dann, wenn man die Logs zentral auswerten und nach Anomalien durchsuchen möchte. Nextclouds Logs im JSON-Format eignen sich hervorragend für Logstash. Man filtert sie, extrahiert Felder wie Benutzer-ID, Aktion, IP-Adresse und Zeitstempel und lässt sie in Elasticsearch laufen. Kibana visualisiert dann die Daten. Ich habe das in mehreren Projekten gesehen, die eine strenge DSGVO-Compliance einhalten müssen. Mit Kibana kann man sehr schnell nachvollziehen, wer wann auf welche Datei zugegriffen hat – vorausgesetzt, die Logs enthalten ausreichend Details. Ein Kritikpunkt: Nextclouds eigenes Audit-Logging ist nicht auf dem Niveau eines professionellen SIEM-Systems, aber für die meisten Unternehmen reicht es völlig aus.

Neben diesen großen Plattformen gibt es auch kleinere Helfer. Das Open-Source-Tool „Nextcloud-Analytics“ (nicht zu verwechseln mit dem offiziellen Add-on) sammelt Nutzungsdaten und zeigt sie in einem simplen Webinterface an. Es ist nicht sehr leistungsfähig, aber für kleine Installationen mit bis zu 50 Benutzern durchaus brauchbar. Was mir fehlt, ist eine wirklich ausgefeilte Lösung, die direkt aus Nextcloud heraus funktioniert. Die Entwickler haben hier meiner Meinung nach noch Nachholbedarf. Die eingebaute Statistik-Seite unter „Einstellungen > Verwaltung > Über“ zeigt nur die absoluten Zahlen – Anzahl der Dateien, Speicher, Benutzer – aber keine Trends oder Verteilungen. Das ist ein bisschen wie ein Auto, das nur einen Tacho hat, aber keinen Kilometerzähler und keine Tankuhr. Man kommt irgendwie klar, aber man fährt blind.

Analyse der Nutzeraktivität: Wer, wie, was, warum?

Eine der zentralen Fragen, die jede Nutzungsanalyse beantworten sollte: Wer nutzt die Cloud eigentlich aktiv? Klingt trivial, ist es aber nicht. Viele Nextcloud-Instanzen haben eine große Anzahl von Accounts, die nie oder nur selten verwendet werden. Das sind entweder ehemalige Mitarbeiter, Testnutzer oder Accounts, die aus Bequemlichkeit nie gelöscht wurden. Diese „Schlaf-Accounts“ verbrauchen Ressourcen – Speicher für Ordner, Datenbankeinträge, Lizenzkosten (sofern eine Enterprise-Lizenz im Spiel ist). Darüber hinaus sind sie ein Sicherheitsrisiko, denn ein ungenutzter Account mit einem alten Passwort ist ein attraktives Ziel für Angreifer.

Die Analyse der Aktivität lässt sich relativ einfach umsetzen. Man fragt die Datenbank nach dem Zeitpunkt des letzten Logins oder der letzten Dateiänderung ab. Ein typischer SQL-Befehl gegen die Datenbank (MariaDB/PostgreSQL) bringt Klarheit. Dabei zeigt sich oft ein erschreckendes Bild: 20 bis 30 Prozent der Benutzer haben sich in den letzten sechs Monaten nicht eingeloggt. In einer Firma mit 500 Mitarbeitern sind das 100 bis 150 virtuelle Leichen im Keller. Die Lösung? Ein regelmäßiger Bereinigungsprozess, der Accounts nach einer definierten Inaktivitätsdauer deaktiviert oder löscht. Nextcloud bietet dafür keine direkte Funktion, aber man kann ein Skript schreiben, das die Datenbank abfragt und dann den Account auf „deaktiviert“ setzt. Das ist schnell programmiert – ich habe so etwas in einer halben Stunde in Python zusammengebaut.

Ein weiterer Aspekt der Aktivitätsanalyse ist die Verteilung der Zugriffe über den Tag oder die Woche. Hier lassen sich Muster erkennen, die für die Lastverteilung wichtig sind. Beispiel: Wird die Cloud hauptsächlich tagsüber von 8 bis 18 Uhr genutzt, ist das ein klassisches Büroszenario. Dann kann man Wartungsarbeiten auf die Nacht legen. Erkennt man dagegen Spitzen um Mitternacht, könnte es sich um Backup-Jobs oder synchronisierende NAS-Systeme handeln. Auch hier helfen die Logs: Nextcloud protokolliert jeden HTTP-Request, der von Desktop-Client, Mobil-App oder Drittanbieter-App kommt. Mit einer einfache Auswertung der Zugriffshäufigkeit pro Stunde lässt sich das Lastprofil erstellen. Ich nutze dafür gerne die Log-Dateien in Kombination mit awk und grep – altmodisch, aber effizient. Wer es eleganter mag, importiert die Logs in eine Datenbank und nutzt SQL-Aggregationen.

Speicherverbrauch und Dateitypen: Was liegt in der Cloud?

Der Speicherverbrauch ist die offensichtlichste Metrik, aber die wenigsten Administratoren fragen sich, was genau den meisten Platz frisst. Ist es die große Video-Sammlung der Marketingabteilung? Oder sind es die täglichen Datenbankdumps aus der Buchhaltung? Eine Dateityp-Auswertung offenbart oft Überraschungen. In einer typischen Nextcloud-Instanz dominieren Office-Dokumente, PDFs und Bilder. Doch gelegentlich finden sich auch Verzeichnisse mit alten ISO-Dateien, virtuellen Maschinen oder kompletten Git-Repositories. Das sind Daten, die dort nicht hingehören und die man problemlos archivieren oder löschen könnte.

Nextcloud speichert Informationen über Dateitypen in der Datenbank – genauer gesagt in der Tabelle oc_filecache. Das Feld mimetype gibt den MIME-Typ an, und size die Dateigröße. Eine einfache Abfrage gruppiert nach Mimetyp und summiert die Größe. Das Ergebnis kann man als Balkendiagramm visualisieren. Ein interessanter Nebeneffekt: Man erkennt auch, ob viele Dateien gar keinem bekannten Typ zugeordnet sind – ein Indiz für korrupte Dateien oder falsch benannte Daten. In einem Kundenprojekt haben wir auf diese Weise einen Ordner mit 200 GB an verloren geglaubten Backups gefunden, die keiner mehr vermisst hat. Der Kunde sparte monatlich 50 Euro an Speicherkosten.

Noch spannender ist die Analyse des Speicherverbrauchs pro Benutzer. Nextcloud zeigt zwar in der Benutzerübersicht den belegten Speicher an, aber das ist nur eine grobe Angabe. Man möchte wissen, welcher Benutzer am meisten verbraucht, ob es Ausreißer gibt und ob die Quoten eingehalten werden. Eine Abfrage auf die Tabelle oc_preferences und oc_files_trash liefert auch den Speicher im Papierkorb – ein häufig vergessener Posten. Viele Benutzer leeren ihren Papierkorb nie, und so sammeln sich Gigabyte an gelöschten Daten, die nicht wirklich weg sind. Nextcloud bietet in den Einstellungen die Möglichkeit, den Papierkorb automatisch nach einer bestimmten Zeit zu leeren, aber das ist oft nicht aktiviert. Ein weiterer Punkt: Die Versionsverwaltung. Jede Änderung einer Datei erzeugt eine Version, die ebenfalls Speicher frisst. Die Standardeinstellung ist 50 Versionen pro Datei – das kann je nach Dateigröße schnell unüberschaubar werden. Eine Analyse der Versionstiefe pro Benutzer ist nicht trivial, aber mit einem Skript, das die Tabelle oc_file_versions ausliest, durchaus machbar. Ich empfehle, die Zahlen regelmäßig zu prüfen und die Versionsanzahl an die tatsächliche Nutzung anzupassen. Oft reichen 10 Versionen völlig aus.

Performance-Metriken: Wann wird es eng?

Nextcloud ist eine PHP-Anwendung, und PHP-Anwendungen haben eine gewisse Neigung zu Ressourcenintensität, wenn sie nicht optimiert sind. Die Nutzungsanalyse sollte daher auch Performance-Metriken umfassen: Antwortzeiten der API, Datenbankabfragen, Auslastung des PHP-FPM-Pools. Ein wertvolles Werkzeug ist hier der integrierte Debug-Modus von Nextcloud. Schaltet man 'debug' >> true in der config.php, erzeugt Nextcloud detaillierte Logs mit Query-Zeiten und Memory-Verbrauch. Das sollte man natürlich nur in einer Testumgebung machen oder für kurze Zeit im Live-Betrieb. Aber die Daten, die man so gewinnt, sind Gold wert.

Ich habe mal eine Installation gesehen, bei der eine einzelne API-Anfrage zum Abruf von Dateilisten über 30 Sekunden dauerte. Grund: Die Datenbankindizes fehlten, weil die Tabelle oc_filecache nicht richtig optimiert war. Nach dem Hinzufügen eines Indexes auf die Spalte storage und path sank die Antwortzeit auf unter 200 Millisekunden. Ein dramatischer Unterschied – und ohne Analyse wäre man nie darauf gekommen. Nextcloud liefert mit dem occ-Befehl occ db:add-missing-indices eine Abhilfemöglichkeit, aber die muss man auch erstmal kennen. Die meisten Administratoren installieren Nextcloud, konfigurieren es und vergessen dann die Datenbankoptimierung. Das ist ein Fehler, der sich rächt, sobald die Anzahl der Dateien die Zehntausendergrenze überschreitet.

Ein weiterer Performance-Indikator ist die Auslastung der PHP-Prozesse. Nextcloud wird meist über PHP-FPM betrieben. Die Standardeinstellungen in der www.conf sind oft zu konservativ. Mit den Metriken aus dem PHP-FPM-Status (über /status) kann man sehen, wie viele Prozesse aktiv sind, wie viele im Leerlauf und wie viele im Zustand „Busy“ sich befinden. Steigt die „Busy“-Anzahl regelmäßig auf die Maximalzahl, werden Anfragen in die Warteschlange gestellt, und die Nutzer erleben Timeouts. Die Lösung besteht entweder darin, mehr PHP-Prozesse zu erlauben (was mehr RAM kostet) oder die Ursache zu bekämpfen – etwa durch Caching. Nextcloud unterstützt Redis für Caching, das ist ein Muss für jede größere Instanz. Ohne Redis sind die Performance-Probleme vorprogrammiert. Die Analyse der Cache-Trefferquote in Redis gibt Aufschluss darüber, ob der Cache richtig konfiguriert ist. Eine niedrige Trefferquote bedeutet: Der Cache wird zu oft geleert oder die Daten sind zu volatil.

Sicherheitsaspekte der Nutzungsanalyse

Nutzungsanalyse ist nicht nur ein Mittel zur Optimierung, sondern auch zur Sicherheit. Auffällige Muster im Login-Verhalten sind ein klassischer Indikator für Brute-Force-Angriffe. Nextcloud blockiert standardmäßig nach mehreren Fehlversuchen eine IP-Adresse, aber das sollte man trotzdem überwachen. Ein Blick auf die Logs zeigt, ob es wiederholte Anmeldeversuche aus bestimmten IP-Ranges gibt. Noch wichtiger: Erfolgreiche Logins von ungewöhnlicher geografischer Herkunft oder zu ungewöhnlichen Zeiten. Wenn sich ein Benutzer, der normalerweise von 9 bis 18 Uhr aus Deutschland anmeldet, plötzlich um 3 Uhr morgens von einer IP in Russland einloggt, ist das ein Alarmzeichen.

Hier bewährt sich eine Anomalieerkennung auf Basis der historischen Daten. Man trägt die Login-Zeiten pro Benutzer über einen Monat zusammen und berechnet den Mittelwert und die Standardabweichung. Jeder Login, der außerhalb der 3-Sigma-Grenze liegt, wird markiert. Das lässt sich mit einem einfachen Python-Skript realisieren, das die Logs parst. Ich habe so in einer Firma einen kompromittierten Account gefunden, der zur Spionage genutzt wurde. Der Angreifer hatte das Passwort geknackt, den Account aber nur nachts benutzt, um nicht aufzufallen. Ohne die Analyse wäre das vielleicht Wochen oder Monate unentdeckt geblieben.

Ein weiterer Sicherheitsschwerpunkt sind die Freigaben. Nextcloud erlaubt das Teilen von Dateien mit externen Benutzern – per Link, mit Passwort oder mit Gastzugang. Viele Unternehmen haben keine Kontrolle darüber, welche Daten intern und welche extern geteilt werden. Eine Analyse der Freigaben zeigt: Welche Dateien sind wie oft geteilt? Wer hat sie erstellt? Sind die Passwörter stark genug? Gibt es Freigaben ohne Ablaufdatum? Letzteres ist ein häufiges Problem. Freigaben bleiben standardmäßig unbegrenzt gültig, es sei denn, der Benutzer oder Administrator setzt ein Datum. Die Analyse kann helfen, veraltete Freigaben zu identifizieren und zu löschen. Nextcloud bietet in der Enterprise-Version sogar ein Audit-Log, das jeden Zugriff auf eine externe Freigabe protokolliert – das ist sehr nützlich für Compliance-Zwecke.

Der rechtliche Rahmen: DSGVO, Logdaten und Datensouveränität

In Europa, insbesondere im DACH-Raum, darf man die Datenschutz-Grundverordnung nicht ignorieren. Die Nutzungsanalyse erhebt naturgemäß Daten über das Verhalten der Benutzer – das ist eine Verarbeitung personenbezogener Daten. Daher muss man sich fragen: Welche Daten darf ich überhaupt sammeln? Und wie lange darf ich sie speichern? Die Nextcloud-Logs enthalten IP-Adressen, Benutzernamen und Zeitstempel. Das sind personenbezogene Daten im Sinne der DSGVO. Eine Speicherung ohne Rechtsgrundlage ist nicht zulässig. Die Rechtsgrundlage kann die Einwilligung des Benutzers sein oder das berechtigte Interesse des Betreibers an der Sicherheit seiner IT-Infrastruktur. In der Praxis bedeutet das: Man sollte die Logs nicht länger als 7 bis 30 Tage aufbewahren, es sei denn, man hat eine konkrete Rechtsgrundlage für eine längere Speicherung (z.B. eine behördliche Anordnung).

Ein interessanter Aspekt ist die Pseudonymisierung. Statt der Klarnamen in den Logs könnte man User-IDs verwenden – das ist in Nextcloud ohnehin der Fall. Aber die Verknüpfung zur Person herzustellen ist meist trivial. Daher sollte man die Logs in einer Weise behandeln, die den Zugriff auf wenige Administratoren beschränkt. Auch die Datenbank der Nutzungsanalyse sollte verschlüsselt sein, wenn sie sensible Daten enthält. In einem Projekt habe ich eine Lösung implementiert, bei der die Analyse-Daten vollständig anonymisiert wurden: Statt des Benutzernamens wurde ein Hash gespeichert, der nur temporär einer Person zugeordnet werden konnte. Das verhindert dauerhafte Profile, erlaubt aber immer noch Trendanalysen. Das ist zwar nicht perfekt, aber ein praktikabler Kompromiss.

Wer die Nutzungsanalyse in einem Unternehmen mit Betriebsrat durchführt, sollte vorher eine Betriebsvereinbarung treffen. Eine heimliche Überwachung ist tabu. Die Mitarbeiter müssen informiert werden, welche Daten zu welchem Zweck erhoben werden. Nextcloud selbst stellt dafür die Schnittstellen bereit, aber die Dokumentation ist dünn. Ich empfehle, die Analyse nicht als Kontrollinstrument zu missbrauchen, sondern als Optimierungswerkzeug. Das schafft Akzeptanz und vermeidet rechtliche Fallstricke.

Praktische Umsetzung: Ein Fahrplan für den Einstieg

Man muss nicht gleich ein ganzes Monitoring-Ökosystem aufbauen. Der Einstieg in die Nutzungsanalyse kann mit wenig Aufwand erfolgen. Mein Vorschlag für einen ersten Schritt: Sichten Sie die Datenbank mit einigen gezielten SQL-Abfragen. Erstellen Sie eine Liste aller Benutzer mit letztem Login, Speicherverbrauch und Anzahl der Dateien. Das kann man in einer Stunde erledigen, wenn man die Datenbank-Zugangsdaten hat. Hier ein Beispiel für MariaDB:

SELECT u.uid, u.displayname, MAX(u.last_login) AS last_login, SUM(f.size) AS total_size, COUNT(f.fileid) AS total_files FROM oc_users u LEFT JOIN oc_filecache f ON u.uid = f.storage WHERE f.storage IS NOT NULL GROUP BY u.uid ORDER BY total_size DESC;

Diese Abfrage gibt einen ersten Überblick. Man sieht sofort, welche Benutzer inaktiv sind und wer die meisten Daten hat. Ein zweiter Schritt: Schauen Sie sich die Logs der letzten Woche an und zählen Sie die Login-Versuche. Mit grep "Login" nextcloud.log | wc -l bekommt man eine Zahl. Dann kann man die Verteilung über die Zeiten auswerten: grep "Login" nextcloud.log | cut -d' ' -f2 | cut -c1-2 | sort | uniq -c | sort -n. Das ist nicht elegant, aber effektiv.

Wer regelmäßig analysieren möchte, sollte über ein kleines Skript nachdenken. Ich verwende ein Python-Skript, das die Datenbank abfragt, die Logs einliest und eine JSON-Datei erzeugt, die ich dann in einem einfachen Dashboard (z.B. mit Plotly) visualisiere. Das ist nicht so leistungsfähig wie Grafana, aber für den Hausgebrauch perfekt. Die Mühe lohnt sich: Nach zwei, drei Analysen hat man ein Gefühl für die typischen Werte und erkennt Abweichungen sofort.

Ein oft übersehener Punkt: Die Dokumentation der Analyse. Wer seine Erkenntnisse nicht festhält, wird sie später nicht mehr reproduzieren können. Ich führe ein Betriebstagebuch, in dem ich die wichtigsten Kennzahlen jeden Monat notiere. Das hilft bei der Kapazitätsplanung – und wenn der Chef fragt: „Wie entwickelt sich unser Speicher?“ kann ich sofort antworten: „Linear ansteigend um 5 Prozent pro Monat, in zwei Jahren müssen wir nachrüsten.“ Ohne Analyse wäre das reine Spekulation.

Grenzen der Analyse: Was Nextcloud nicht kann

So hilfreich die Nutzungsanalyse ist – sie hat ihre Grenzen. Nextcloud ist eine Dateisynchronisationsplattform, aber kein ECM-System. Die Analyse der Dateiinhalte ist nicht vorgesehen und wäre datenschutzrechtlich höchst problematisch. Man kann also nicht sagen: „Diese PDF enthält vertrauliche Informationen.“ Dafür sind die Tools zur Texterkennung oder Data Leak Prevention (DLP) zuständig, die separat laufen. Eine echte Inhaltsanalyse ist mit Nextcloud allein nicht möglich – und das ist auch gut so.

Ein weiterer Punkt: Die Datenbankabfragen belasten den Server. Vor allem bei sehr großen Installationen mit Millionen von Dateien kann eine Abfrage auf die oc_filecache-Tabelle den MySQL-Server ausbremsen. Das sollte man nicht in der Hauptgeschäftszeit machen, sondern in ruhigeren Phasen – etwa nachts oder am Wochenende. Alternativ kann man eine lesende Replik der Datenbank für die Analyse nutzen. Das ist zwar aufwendiger, aber schonend für den Produktivserver.

Und dann ist da noch die Frage der Granularität. Nextcloud protokolliert nicht, welche Aktionen ein Benutzer in einer Datei vornimmt – also zum Beispiel, ob er sie nur ansieht, herunterlädt oder bearbeitet. Die API-Aufrufe zeigen lediglich an, dass die Datei abgerufen wurde. Für eine detaillierte Nutzungsanalyse im Sinne einer User-Experience wäre das natürlich interessant. Aber das ist keine Einschränkung von Nextcloud, sondern eine prinzipielle: Eine solche Überwachung wäre extrem invasiv. Ich würde sie auch nicht fordern. Wer das braucht, muss zu spezialisierten Diensten greifen – Microsoft 365 hat da ganz andere Möglichkeiten, aber auch ganz andere Datenschutzimplikationen.

Fallstricke und was man besser lassen sollte

Nicht alles, was technisch möglich ist, ist auch sinnvoll. Ich habe Administratoren erlebt, die jede einzelne Benutzeraktion minutiös loggten und dann in Echtzeit auswerteten. Das erzeugt Datenmüll und macht die Analyse langsam. Die Kunst ist, die richtige Balance zu finden: So viel Protokollierung wie nötig, so wenig wie möglich. Das fängt bei der Log-Stufe an: „Warning“ und „Error“ reichen in der Regel aus, „Info“ erzeugt eine Flut von Einträgen, die nur bei Fehlersuche notwendig sind. Die Standardeinstellung von Nextcloud ist hier übrigens recht ausgewogen.

Ein weiterer Fallstrick: Überinterpretation der Daten. Ein einmaliger Lastpeak muss noch kein Problem sein. Vielleicht hat nur der Chef ein 4K-Video hochgeladen. Erst wenn sich ein Muster über mehrere Tage zeigt, sollte man handeln. Ich rate zu einer wöchentlichen oder monatlichen Auswertung, nicht zu einer sekündlichen. Sonst verzettelt man sich in Ausreißern, die keine Bedeutung haben.

Und noch etwas: Die Nutzungsanalyse sollte nicht zur Rechtfertigung von Sparmaßnahmen missbraucht werden, ohne die Anforderungen der Fachabteilung zu kennen. Klar, man kann sagen: „Account xy hat seit einem Jahr nichts mehr hochgeladen, also löschen wir ihn.“ Aber vielleicht braucht dieser Benutzer den Account nur zum Lesen von Dateien – und das macht er täglich. Also keine voreiligen Schlüsse ziehen. Die Analyse muss interpretiert werden, zusammen mit den Benutzern. Das ist der Unterschied zwischen einer technokratischen und einer menschenzentrierten Administration.

Die Zukunft: KI-gestützte Auswertung und Predictive Maintenance

Die Entwicklung steht nicht still. In den nächsten Jahren werden wir wahrscheinlich vermehrt KI-gestützte Analysewerkzeuge für Nextcloud sehen. Es gibt bereits Ansätze, die Mustererkennung auf die Logs anwenden, um ungewöhnliches Nutzerverhalten zu identifizieren. Das könnte die Sicherheit erheblich verbessern. Auch Vorhersagemodelle für den Speicherverbrauch sind denkbar: Die KI lernt aus den historischen Daten und sagt voraus, wann der Speicher voll sein wird. Das wäre ein echter Gewinn für die Kapazitätsplanung.

Nextcloud selbst hat angekündigt, das Thema „Insights“ voranzutreiben. In der Enterprise-Version gibt es bereits rudimentäre Dashboards, die auf dem eigenen Datenbestand aufbauen. Aber der Weg ist noch weit. Die Community ist gefragt, eigene Lösungen zu entwickeln und zu teilen. Ein interessantes Projekt ist „Nextcloud Analyzer“, ein Fork der Kernanwendung, der speziell für die Auswertung optimiert ist. Er ist noch nicht stabil, aber vielversprechend. Wer sich für die Zukunft interessiert, sollte einen Blick in die GitHub-Repos werfen – dort wird heiß diskutiert.

Abschließend ein persönlicher Ratschlag: Fangen Sie klein an. Eine einzelne Abfrage, eine Grafik, eine Erkenntnis – das reicht als Anfang. Die Nutzungsanalyse ist kein Projekt, das man abschließt, sondern ein Prozess, der kontinuierlich läuft. Mit der Zeit wird man immer besser darin, die richtigen Fragen zu stellen. Und genau das ist der Gewinn: Man versteht seine Cloud nicht mehr nur als Blackbox, sondern als transparente Infrastruktur, die man steuern kann. In einer Zeit, in der Daten das neue Öl sein sollen – eine wertvolle Fähigkeit.

Und noch etwas: Vergessen Sie den menschlichen Faktor nicht. Die schönste Analyse nützt nichts, wenn die Erkenntnisse in der Schublade verstauben. Besprechen Sie die Ergebnisse mit den Benutzern, stellen Sie sie in regelmäßigen IT-Berichten dar, machen Sie sie sichtbar. Nur dann wird die Nutzungsanalyse zu einem Werkzeug, das die Akzeptanz von Nextcloud im Unternehmen steigert – und vielleicht sogar den Betrieb nachhaltig sichert.

Denn letztlich geht es nicht um die Metriken an sich, sondern um die Frage: Läuft meine Cloud so, wie sie laufen soll? Und wenn nicht: Was kann ich besser machen? Die Antwort darauf liefert die Nutzungsanalyse – vorausgesetzt, man stellt ihr die richtigen Daten zur Verfügung.