Sowohl die Ausdehnung als auch der Detailreichtum räumlicher Daten wächst beständig mit verfeinerten Technologien und dem Bedarf für hochaufgelöste Daten. Beispiele für sehr große Datensätze sind globale administrative Gebiete (GADM), OpenStreetMap, Landbedeckungs- und Landnutzungskarten sowohl als Raster als auch als Vektor, digitale Höhenmodelle und Fernerkundungsdaten. Solche großen Datensätze stellen besondere Anforderungen für die Verarbeitung mit GIS Software, um z.B. Speicherüberläufe und extrem lange Bearbeitungszeiten zu vermeiden. Zeit- und Arbeitsspeicheranforderungen können die Analyse großer Datensätze ineffektiv bzw. Unmöglich machen, teils weil viele GIS Pakete zur Bearbeitung alle Daten in den Arbeitsspeicher laden, was leicht die vorhandenen Resourcen selbst moderner Workstations übersschreiten kann. Bedauerlicherweise geht eine Reduzierung der Arbeitsspeicheranforderungen oft mit verlängerten Bearbeitungszeiten einher. Besonders anspruchsvolle Analysen sind z.B. Kostenoberflächen und Suche nach kürzesten Pfaden, hydrologische Modellierung, Georektifizierung, Umprojektionen, Erstellung und Bereinigung von Vektortopologie. Um in der Lage zu sein, große Datensätze zu verabeiten, müssen Algorithmen derart angepasst werden, dass Limiterungen durch Hardware-Ressourcen berücksichtigt werden, sie aber gleichzeitig effizient und schnell bleiben. Übliche Ansätze sind Kacheln, die Verwendung externen Speichers, und schnelle Such- und Sortierungsalgorithmen. Diese Mechanismen werden bereits seit langem in GRASS GIS benutzt. Die nächste GRASS-Version wird diese Mechanismen verstärkt benutzen, die zum Teil überarbeitet wurden und werden. Die Fähigkeiten der zukünftigen GRASS-Version zur Verarbeitung großer Datensätze werden dargestellt und mit der aktuellen stabilen Version verglichen.