Azure Databricks Evolution: Lakebase GA, Genie AI und Microsoft-Integration
🔄 Update — 30. Juni 2026: Databricks Lakebase als serverlose Postgres-kompatible LTAP-Engine
Databricks hat auf dem Data + AI Summit 2026 die serverlose Datenbank-Engine „Lakebase“ vorgestellt, die eine integrierte Autoskalierung von 0,5 bis 2 CUs bietet. Lakebase unterstützt Echtzeit-Hybrid-Transaktions-/Analyseraum-Verarbeitung (LTAP) und transkodiert Zeilendaten in Spaltendaten auf ungenutzten CPUs vor dem Transfer in den Objektspeicher. Dies ermöglicht performante, latenzfreie Abfragen direkt auf Live-Daten im Lakehouse, ohne klassische ETL-Prozesse zu benötigen.
Was ist neu?
- Serverlose Postgres-Kompatibilität: Eine voll kompatible PostgreSQL-Engine mit nativer Skalierung von 0,5 bis 2 Recheneinheiten (CUs) für optimierte Workloads.
- CPU-Level Row-to-Column Transcoding: Transaktionale Zeilendaten werden auf ungenutzten CPU-Zyklen in spaltenorientierte Formate konvertiert, bevor sie in den Objektspeicher gelangen, was nahtloses LTAP ermöglicht.
- Deklarative Automatisierung: Lakebase lässt sich nativ über Terraform und Databricks Asset Bundles (DABs) deklarativ verwalten und bereitstellen.
Warum es den Artikel ergänzt
Dieses Update konkretisiert die im Hauptartikel beschriebene Evolution von Lakebase von der allgemeinen Ankündigung hin zu einer vollwertigen, serverlosen LTAP-Architektur. Es zeigt die genauen technischen Mechanismen wie das CPU-Transkodieren auf, die Databricks’ Vision einer einheitlichen operationalen und analytischen Datenplattform realisieren.
🔄 Update — 18. Juni 2026: Azure Databricks LTAP-Architektur und Lakeflow Designer
Azure Databricks hat die neue Lake Transactional/Analytical Processing (LTAP)-Architektur zur Vereinigung von OLTP- und OLAP-Workloads auf einem einzigen Lakehouse sowie die allgemeine Verfügbarkeit des Lakeflow Designers angekündigt. Diese Neuerungen vereinfachen Datenpipelines erheblich und reduzieren Latenzen für Echtzeitanwendungen.
Was ist neu?
- LTAP-Architektur: Ermöglicht die Ausführung transaktionaler und analytischer Workloads auf einer gemeinsamen Datenkopie im Lakehouse, wodurch Datenreplikation und komplexe ETL-Schritte entfallen.
- Lakeflow Designer (GA): Ein visueller, no-code/low-code Workflow-Builder mit Drag-and-Drop-Canvas, der dank integrierter Genie-Funktionen die Pipeline-Erstellung über natürliche Sprache ermöglicht.
Warum es den Artikel ergänzt
Diese Entwicklungen vertiefen die im Artikel beschriebene Vision einer einheitlichen und intelligenten Datenplattform. Durch LTAP und den Lakeflow Designer wird der Datenfluss weiter vereinfacht, Latenzen minimiert und KI-Agenten direkter Zugriff auf Live-Daten im Lakehouse gewährt.
🔄 Update — 17. Juni 2026: Lakehouse//RT-Echtzeit-Engine und Microsoft 365 Integrationen auf dem Data + AI Summit 2026
Auf dem Data + AI Summit 2026 hat Databricks eine Reihe zukunftsweisender Innovationen für Azure Databricks vorgestellt, welche die Integration von operationalen Workloads und KI-Systemen weiter beschleunigen. Zu den Highlights zählen das neue Lake Transactional/Analytical Processing (LTAP) mit der Echtzeit-Engine Lakehouse//RT sowie weitreichende Microsoft-Verbindungen wie die Direkteingabe aus Excel und Genie-Integrationen für Teams.
Was ist neu?
- Lakehouse//RT & LTAP: Die neue Echtzeit-Ausführungsengine (Codename „Reyden“) ermöglicht Latenzen im Millisekundenbereich für Echtzeit-Analysen direkt auf einer einzigen Kopie der Daten, wodurch transaktionale und analytische Workloads noch enger verschmelzen.
- Databricks Runtime 19 (Beta): Das am 15. Juni veröffentlichte Release setzt standardmäßig auf Apache Spark 4.2.0 und JDK 21. Zur Effizienzsteigerung wurden rund 130 Standard- und ML-Bibliotheken (wie TensorFlow und LangChain) entfernt und müssen nun explizit installiert werden.
- Excel Writeback & Genie Integrationen: Eine neue Public Preview erlaubt es Nutzern, Daten aus Microsoft Excel direkt zurück in Azure Databricks zu schreiben. Zudem wurde die konversationelle Schnittstelle Databricks Genie als Beta in Microsoft Teams und M365 Copilot integriert.
- Genie Pay-as-you-go Pricing: Ab dem 6. Juli 2026 wechseln die Genie-Produkte in ein verbrauchsabhängiges Abrechnungsmodell, wobei Kunden monatlich 150 kostenlose DBUs für LLM-Aufgaben erhalten.
Warum es den Artikel ergänzt
Diese Ankündigungen erweitern die im Originalartikel beschriebene Evolution von Lakebase und Genie AI. Sie demonstrieren, wie Databricks durch Lakehouse//RT und die bidirektionale Excel-Integration die Brücke zwischen performanter operationaler Datenverarbeitung und nahtloser Microsoft-Enterprise-Konnektivität schließt.
Zusammenfassung
Auf der FabCon 2026 hat Databricks eine Reihe bedeutender Neuerungen für Azure Databricks angekündigt, die Datenanalyse und künstliche Intelligenz noch enger zusammenführen. Im Zentrum stehen die allgemeine Verfügbarkeit (GA) von Lakebase, einer serverlosen, Postgres-kompatiblen operationalen Datenbank, sowie Genie und Genie Code für konversationelle und agentische Dateninteraktionen. Darüber hinaus wird die Integration in das Microsoft-Ökosystem durch direkte Excel-Anbindung und die Spiegelung von Databricks-Katalogen in Microsoft Fabric vertieft. Diese Innovationen erleichtern es Entwicklern und Unternehmen, performante KI-Anwendungen und nahtlose Datenflüsse direkt auf dem Lakehouse zu realisieren.
Was ist passiert?
Im Rahmen der FabCon 2026 wurden für Azure Databricks folgende Plattform-Erweiterungen und Updates angekündigt:
- Lakebase (General Availability): Eine vollständig verwaltete, serverlose Postgres-kompatible relationale Datenbank. Lakebase ist direkt neben dem Lakehouse positioniert, um operative Workloads für KI-Anwendungen und Agenten mit minimaler Latenz zu bedienen, ohne Daten zwischen Systemen verschieben zu müssen. Sie unterstützt Features wie Skalierung auf Null, Entwicklungs-Branching und Instant-Restore.
- Genie und Genie Code (General Availability): Genie fungiert als konversationelle Benutzeroberfläche, über die Anwender per natürlicher Sprache Abfragen an Unternehmensdaten richten können. Der bisherige Databricks Assistant wurde in Genie Code umbenannt und erweitert, um mehrstufige, autonome Daten-Aufgaben im Agenten-Modus auszuführen.
- Lakeflow Connect Free Tier: Ein neues kostenloses Kontingent für Lakeflow Connect, das die tägliche Ingestion von bis zu 100 Millionen Datensätzen pro Workspace aus gängigen Quellen ermöglicht.
- Microsoft-Integrationen: Neben direkte Excel-Konnektivität zu governed Lakehouse-Daten steht die Spiegelung von Azure Databricks in Microsoft Fabric im Fokus. Die Absicherung dieser gespiegelten Daten erfolgt über die OneLake-Sicherheitseinstellungen in Fabric mittels Entra ID-Gruppen und Data Access Roles, da die Berechtigungen des Unity Catalogs nicht automatisch übertragen werden.
Warum es wichtig ist
- Betriebliche Effizienz durch Co-Location: Mit Lakebase entfällt das Hin- und Herkopieren von Daten zwischen operativen Datenbanken und dem Lakehouse. Transaktionale Workloads für KI-Anwendungen laufen mit minimaler Latenz direkt auf der Plattform.
- Demokratisierung und Agenten-Workflows: Genie Code reduziert den Programmieraufwand für komplexe Pipelines drastisch, da Daten-Ingenieure vermehrt autonome Agenten-Loops überwachen statt manuell Skripte zu schreiben.
- Sicherheitskonsistenz im Multi-Cloud-Betrieb: Die Verknüpfung von Fabric und Databricks erfordert ein präzises Berechtigungsmanagement. OneLake Security ermöglicht eine granulare Zugriffskontrolle (Spalten- und Zeilenebene) für gespiegelte Daten, was Compliance-Anforderungen im Enterprise-Bereich absichert.
Beweise
- Offizielle Ankündigungen: Databricks-Blogbeiträge und Microsoft Learn-Dokumentationen zur FabCon 2026 bestätigen die allgemeine Verfügbarkeit von Lakebase sowie die Einführung von Genie und Genie Code.
- Technische Dokumentation: Die Microsoft-Dokumentation beschreibt detailliert die Einrichtung von OneLake Security für gespiegelte Azure Databricks-Daten.
- Partnerschafts-Updates: Die erweiterte strategische Partnerschaft zwischen Microsoft und Databricks bildet das Fundament für die tiefe Integration beider Plattformen.
Analyse
Databricks vollzieht einen Wandel vom reinen Analysewerkzeug hin zu einer Full-Stack-Daten- und Anwendungsplattform. Lakebase greift klassische operative Datenbanken direkt an, indem es Transaktionen nah an den Analysedaten ermöglicht.
Die Integration in Microsoft Fabric bringt jedoch auch administrative Herausforderungen mit sich. Da Unity-Catalog-Berechtigungen nicht automatisch synchronisiert werden, entsteht durch das entkoppelte Berechtigungsmodell ein zusätzlicher Konfigurationsaufwand in Microsoft Fabric. Unternehmen müssen sicherstellen, dass Änderungen im Databricks-Berechtigungskonzept zeitnah in die OneLake-Sicherheitsrollen übertragen werden, um Datenlecks oder Zugriffsfehler zu vermeiden.
Praktische Erkenntnisse
- Lakebase evaluieren: Entwickler von KI-Agenten oder datenintensiven Apps sollten Lakebase testen, um von der serverlosen, Postgres-kompatiblen Datenbank ohne Replikations-Overhead zu profitieren.
- Fabric-Berechtigungsprüfung durchführen: Bei der Spiegelung von Katalogen in Microsoft Fabric müssen die Microsoft Entra ID-Gruppen abgeglichen und die Data Access Roles in Fabric OneLake explizit definiert werden.
- Genie Code einführen: Teams im Bereich Data Science und Data Engineering sollten Genie Code für mehrstufige, repetitive Workflows einsetzen, um manuelle Programmierzeiten zu verkürzen.
- Ingestion-Kosten senken: Nutzen Sie die neue freie Stufe von Lakeflow Connect, um bis zu 100 Millionen Records pro Tag kostenfrei zu importieren.
Offene Fragen
- Wie stark wirken sich Latenzen bei der OneLake-Berechtigungssynchronisierung in Fabric auf dynamische Sicherheitsanforderungen aus?
- Lassen sich die Kosten von autonomen Genie-Entwicklungsschleifen in großen Organisationen präzise kontrollieren?
- Wie schneidet Lakebase im Performance-Vergleich zu dedizierten OLTP-Systemen bei hochfrequenten Schreibvorgängen ab?