Databricks Lakebase: Was der Google-Cloud-Start verändert

Databricks Lakebase erweitert die Möglichkeiten, operative Anwendungen und analytische Daten enger zusammenzubringen: Lakebase Postgres ist jetzt als vollständig verwaltete Serverless-Datenbank auf Google Cloud allgemein verfügbar. Für den deutschen Mittelstand ist daran vor allem die Architektur interessant. Wenn Anwendungen, Auswertungen und KI-Agenten dieselbe Datenbasis nutzen sollen, können getrennte Datenbanksysteme zusätzlichen Integrationsaufwand verursachen. Für Unternehmen mit Azure und Databricks ist die Meldung allerdings kein Anlass für einen vorschnellen Cloud-Wechsel.

Kurz gesagt: Lakebase Postgres ist auf Google Cloud allgemein verfügbar und verbindet eine verwaltete Postgres-Datenbank mit der Databricks Data + AI Platform. Automatische Skalierung, Datenbankverzweigungen für Tests und Wiederherstellungsmöglichkeiten sollen Entwicklung und Betrieb vereinfachen. Die Ankündigung betrifft Google Cloud; identische Funktionen oder Verfügbarkeiten auf Azure lassen sich daraus nicht ableiten.

Was ist neu an Databricks Lakebase auf Google Cloud?

Neu ist die allgemeine Verfügbarkeit von Lakebase Postgres als vollständig verwalteter Serverless-Datenbank innerhalb von Databricks auf Google Cloud. Damit richtet sich das Angebot nicht mehr nur an Erprobungen, sondern ausdrücklich auch an produktive Anwendungen.

Die Architektur trennt Rechenleistung und Speicher. Datenbankressourcen lassen sich dadurch unabhängig vom gespeicherten Datenbestand an die Auslastung anpassen. Nach Angaben von Databricks nutzen operative und analytische Daten zudem eine gemeinsame Speichergrundlage. Das soll separate Datenkopien und Synchronisationsstrecken zwischen diesen Bereichen reduzieren.

Zum Start nennt Databricks fünf Regionen: asia-southeast1, europe-west3, us-central1, us-east4 und us-west1. Für deutsche Unternehmen ist insbesondere die europäische Region relevant. Ob eine konkrete Bereitstellung die eigenen Anforderungen an Datenresidenz erfüllt, muss trotzdem anhand der genutzten Dienste und vertraglichen Regelungen geprüft werden.

Welche Funktionen zum Angebot gehören

Für die technische Bewertung sind vor allem diese Fähigkeiten wichtig:

• Serverless Autoscaling und Scale to zero: Rechenleistung passt sich dem Bedarf an und kann bei Inaktivität abgeschaltet werden.
• Instant Branching: Isolierte Datenbankzweige ermöglichen Tests auf Basis produktiver Daten, ohne eine vollständige physische Kopie anzulegen.
• Point-in-time recovery: Die Datenbank lässt sich auf einen bestimmten Zeitpunkt zurücksetzen, etwa nach einer versehentlichen Löschung.
• Postgres-Werkzeuge: Bestehende Tools und Treiber bleiben nutzbar. Benötigte Erweiterungen solltest Du vor einer Migration einzeln prüfen.
• Unity Catalog: Databricks beschreibt eine gemeinsame Governance für Zugriffssteuerung, Lineage und Auditing über operative, analytische und KI-Daten hinweg.

Hinzu kommt Lakebase Search für die Kombination von Vektor- und Volltextsuche. Das kann für Anwendungen interessant sein, die Geschäftsdaten sowohl nach Begriffen als auch nach inhaltlicher Ähnlichkeit durchsuchen sollen.

Warum ist das für operative Anwendungen relevant?

Lakebase Postgres adressiert die Lücke zwischen transaktionalen Anwendungen, die Daten laufend lesen und schreiben, und analytischen Plattformen, die diese Daten auswerten. In vielen Unternehmen sind dafür bislang getrennte Systeme und zusätzliche Übertragungsprozesse nötig.

Eine Anwendung verwaltet beispielsweise Bearbeitungsstände, während die Datenplattform Kennzahlen oder Prognosen berechnet. Sollen die Ergebnisse wieder in die Anwendung zurückfließen, entsteht eine weitere Schnittstelle. Jede solche Verbindung braucht Zuständigkeiten, Fehlerbehandlung und Überwachung.

Eine gemeinsame Plattform kann diese Architektur vereinfachen. Sie ersetzt aber nicht automatisch sämtliche Integrationen: Daten aus ERP-Systemen, Maschinen oder externen Diensten müssen weiterhin angebunden werden. Auch Aktualisierungsregeln und fachliche Datenmodelle bleiben notwendig. Die Aussage „keine Pipelines mehr“ wäre für eine gesamte Unternehmenslandschaft deshalb zu weitgehend.

Für Deine Datenplattform lautet die entscheidende Frage: Welche Datenbewegungen lassen sich tatsächlich vermeiden, und welche Schnittstellen bleiben fachlich erforderlich?

Denkbare Einsatzfelder im Mittelstand

Besonders prüfenswert sind Anwendungen, die analytische Ergebnisse unmittelbar operativ verwenden:

• Interne Fachanwendungen: Eine Dispositionsoberfläche verbindet Prognosen mit manuell bearbeiteten Planungsständen.
• KI-Assistenten: Ein Assistent speichert Gesprächszustände und Bearbeitungsschritte, statt ausschließlich Dokumente abzufragen.
• Suchanwendungen: Technische Informationen werden über Volltext- und Vektorsuche zugänglich gemacht.

Das sind mögliche Einsatzszenarien, keine pauschalen Empfehlungen. Entscheidend sind Schreiblast, Antwortzeiten, Datenvolumen und die vorhandene Systemlandschaft.

Was bedeutet die Ankündigung für Unternehmen mit Azure und Databricks?

Für Unternehmen mit Azure und Databricks ist die Meldung zunächst eine Erweiterung des Google-Cloud-Angebots und keine Bestätigung derselben Funktionen auf Azure. Wer seine Datenplattform auf Azure betreibt, sollte deshalb die dortige Produktverfügbarkeit und den jeweiligen Funktionsumfang gesondert prüfen.

Ein zusätzlicher Datenbankdienst auf Google Cloud kann neue Grenzen schaffen: zwischen Netzwerken, Identitäten, Betriebsprozessen und Kostenstellen. Wenn die relevanten Daten und Anwendungen bereits auf Azure liegen, muss eine cloudübergreifende Architektur einen klaren fachlichen Vorteil bieten. Sonst droht der Integrationsaufwand die angestrebte Vereinfachung aufzuzehren.

Für die Entscheidung helfen drei Fragen:

1. Wo liegen Daten und Anwendungen heute? Datenwege beeinflussen Antwortzeiten, Übertragungskosten und Sicherheitskonzepte.
2. Welches Problem soll Lakebase lösen? Weniger Datenbankbetrieb, einfachere Tests und weniger Synchronisation sind unterschiedliche Ziele.
3. Welche Alternative passt in die bestehende Architektur? Vergleiche den Ansatz mit bereits eingesetzten Datenbankdiensten, statt ausschließlich einzelne Funktionen gegenüberzustellen.

Eine Databricks Beratung sollte deshalb beim Anwendungsfall und der Zielarchitektur beginnen, nicht bei der Entscheidung für eine zusätzliche Cloud.

Welche Betriebs- und Sicherheitsfragen bleiben offen?

Auch bei einer vollständig verwalteten Datenbank bleiben Unternehmen für Berechtigungen, Datenschutz, Anwendungssicherheit und die fachliche Wiederherstellbarkeit verantwortlich. Serverless reduziert Infrastrukturarbeit, übernimmt aber nicht die gesamte Betriebsverantwortung.

Verfügbarkeit und private Anbindung getrennt bewerten

Databricks nennt für zonenübergreifend hochverfügbare Endpunkte mit automatischem Failover ein SLA von 99,99 Prozent, für Endpunkte in einer einzelnen Zone 99,9 Prozent. Diese Angaben ersetzen keine Prüfung der Vertragsbedingungen und der Verfügbarkeit der gesamten Anwendung.

Die private Anbindung über Google Cloud Private Service Connect ist laut Ankündigung noch Beta. Sie soll Datenbankverkehr zwischen Anwendungen im eigenen VPC und Lakebase außerhalb des öffentlichen Internets ermöglichen. Wenn private Konnektivität eine verbindliche Produktionsanforderung ist, musst Du diesen Reifegrad gesondert bewerten: Allgemeine Verfügbarkeit des Hauptprodukts bedeutet nicht, dass jede Zusatzfunktion denselben Status hat.

Kosten und Wiederherstellung praktisch testen

Scale to zero kann ungenutzte Rechenkapazität vermeiden. Daraus folgt jedoch nicht, dass bei Inaktivität sämtliche Kosten entfallen. Prüfe Speicher, Datenübertragung, Verfügbarkeitskonfiguration und das Verhalten beim erneuten Zugriff.

Auch Branching und Point-in-time recovery brauchen klare Regeln. Testzweige mit personenbezogenen Daten unterliegen weiterhin Datenschutzanforderungen. Wiederherstellungsverfahren sollten nicht nur konfiguriert, sondern mit einem realistischen Fehlerszenario erprobt werden.

Was das für dich bedeutet

Lakebase Postgres auf Google Cloud ist eine zusätzliche Option, wenn Du operative Anwendungen enger mit Databricks verbinden möchtest. Für eine bestehende Azure-Landschaft bleibt die passende Architektur wichtiger als die neueste Produktfreigabe.

Starte mit einem abgegrenzten Anwendungsfall. Definiere Anforderungen an Antwortzeiten, Zugriffe, Wiederherstellung und Kosten und vergleiche anschließend die Alternativen unter denselben Bedingungen.

Du möchtest prüfen, ob Lakebase in Deine Datenstrategie passt? Sprich mit Ailio über Deine Databricks-Architektur. Gemeinsam bewerten wir, wo sich Deine Datenplattform sinnvoll vereinfachen lässt.

Redaktionelle Einordnung auf Basis eines Beitrags im Databricks-Blog.