Microsoft Fabric launcht Rayfin BaaS & Databricks kontert mit Lakebase & MCP-Sicherheit

🔄 Update — 05. Juli 2026: Entwickler-Tools und CLI-Scaffolding für Project Rayfin

Jüngste Signale aus der Entwickler-Community belegen eine rasche Akzeptanz und steigendes Interesse an Microsoft Fabric Rayfin. Insbesondere Schritt-für-Schritt-Anleitungen aus der Praxis – wie der Guide von Rajeev Pentyala zur CLI-basierten Erstellung von Apps – zeigen, wie unkompliziert das Scaffolding und Deployment für Entwickler geworden ist. Dies beschleunigt die Bereitstellung code-first-basierter Backend-Lösungen auf Fabric erheblich.

Was ist neu?

Rayfin CLI-Scaffolding: Entwickler können nun strukturierte Projekte direkt über die Rayfin CLI initialisieren und mit minimalem Aufwand vorkonfigurierte Projektstrukturen generieren.
Detaillierte Onboarding-Guides: Neue Schritt-für-Schritt-Anleitungen aus der Community erleichtern den Einstieg in das Code-First BaaS-Modell auf Microsoft Fabric.

Warum es den Artikel ergänzt

Die neuen CLI-Scaffolding-Funktionen und Onboarding-Anleitungen zeigen, dass Project Rayfin über die reine Ankündigung hinausreicht und bereits praktische Entwickler-Werkzeuge bereitstellt. Dies untermauert die im Artikel beschriebene These, dass OLAP-Plattformen zunehmend benutzerfreundliche, transaktionale Entwicklungs-Laufzeiten bereitstellen, um Entwickler direkt in ihren Ökosystemen zu halten.

Zusammenfassung

Die Cloud-Datenwelt erlebt einen fundamentalen Wandel: Führende Analytics- und Data-Warehouse-Plattformen (OLAP) expandieren aggressiv in den transaktionalen Anwendungs- und Betriebsmarkt (OLTP). Microsoft Fabric hat auf der Build 2026 „Rayfin“ vorgestellt – ein quelloffenes, code-first SDK und CLI-Tool, das Fabric in eine vollwertige Applikationslaufzeit (BaaS) verwandelt. Zeitgleich antwortet Databricks mit „Lakebase“ (einer serverlosen, vollständig verwalteten PostgreSQL-Engine für transaktionale Workloads mit geringer Latenz) und integriert native Unterstützung für das Model Context Protocol (MCP) über den Unity Catalog, um die sichere Steuerung von KI-Agenten zu ermöglichen. Diese Entwicklungen markieren das Ende klassischer Datensilos zwischen operativen Apps und analytischen Systemen.

Was ist passiert?

Microsoft Fabric Rayfin Launch: Microsoft stellt das code-first SDK Rayfin vor. Entwickler können über TypeScript-Dekoratoren Datenmodelle, Authentifizierungs- und Sicherheitsrichtlinien definieren und die gesamte Infrastruktur (SQL-Datenbank, Entra ID-Authentifizierung, APIs via Data API Builder) mit dem CLI-Befehl npx rayfin up direkt in Fabric bereitstellen. Die generierten Daten fließen ohne ETL-Pipelines nahtlos in OneLake.
Databricks Lakebase Postgres: Databricks führt Lakebase Postgres ein – eine serverlose, hochverfügbare PostgreSQL-Datenbank mit getrenntem Speicher und Rechenleistung. Sie bietet Features wie Git-ähnliche Datenbank-Branching und Point-in-Time-Recovery und lässt sich bei Inaktivität auf null skalieren.
Native MCP-Governance in Databricks: Databricks implementiert das Open-Source-Protokoll MCP (Model Context Protocol) zur standardisierten Anbindung von KI-Agenten an Daten und Tools. Die Steuerung erfolgt über das Unity AI Gateway, welches Zugriffsrechte direkt aus dem Unity Catalog durchsetzt. Unterschieden wird in Managed MCP (z.B. SQL, AI Search), External MCP (mit OAuth) und Custom MCP (als Databricks Apps).

Warum es wichtig ist

Zuvor waren Anwendungsdaten und Analysedaten strikt getrennt. Entwickler mussten für jede neue Anwendung eine separate relationale Datenbank (z.B. bei AWS oder Supabase) hochziehen und komplexe ETL-Pipelines bauen, um diese Daten für Business Intelligence oder KI-Training in das Data Warehouse zu spiegeln.

Rayfin und Lakebase brechen diese Mauern ein:

Kein ETL mehr: Transaktionale App-Daten werden nativ dort gespeichert, wo auch die Analysen stattfinden (OneLake bei Microsoft, Unity Catalog bei Databricks).
Sicherheit ab Tag 1: Applikationen erben automatisch die Governance-, Compliance- und Sicherheitsrichtlinien des Unternehmens-Tenants.
AI-Agent-Ready: KI-Agenten benötigen standardisierte Wege, um sicher mit Unternehmensdaten zu interagieren. Databricks’ MCP-Integration fungiert hierbei als universelles Verbindungsglied (vergleichbar mit einem „USB-C-Anschluss für KI“).

Beweise

Technische Dokumentation: Die offizielle Databricks AWS-Dokumentation beschreibt detailliert die Einrichtung und Nutzung von MCP-Servern in Agenten.
Entwickler-Diskussionen: Auf YouTube und LinkedIn tauschen sich Experten über die transformatorischen Auswirkungen von Fabric Apps und Rayfin auf die klassische Softwarearchitektur aus.
Produktvorstellungen: Tutorials wie „Stop Using Postgres the Old Way“ demonstrieren das Serverless Postgres Setup von Databricks und dessen Git-ähnliches Branching.

Analyse

Dieser Schritt der OLAP-Giganten verändert die Dynamik im Cloud-Markt. Microsoft und Databricks attackieren damit etablierte BaaS-Anbieter wie Supabase, Firebase oder traditionelle Cloud-Datenbanken (RDS). Indem sie die transaktionale Ebene (OLTP) mit der analytischen Ebene (OLAP) verschmelzen, bieten sie Unternehmen ein geschlossenes Ökosystem. Für KI-Anwendungen ist das ein massiver Vorteil: Ein Chatbot oder autonomer Agent kann Benutzerdaten und Konversationen in Lakebase speichern und gleichzeitig über dieselbe Sicherheitsbarriere des Unity Catalogs auf Unternehmenswissen zugreifen, ohne dass Sicherheitsrichtlinien doppelt gepflegt werden müssen. Der Flaschenhals verlagert sich somit von der Datenintegration hin zur Latenz und den Kosten von Echtzeit-Modellanfragen unter komplexen Policy-Schichten.

Praktische Erkenntnisse

Für CTOs und Software-Architekten ergeben sich folgende Handlungsempfehlungen:

Evaluieren Sie Rayfin für interne Tools: Wenn Ihr Unternehmen bereits Microsoft Fabric einsetzt, nutzen Sie Rayfin (npx rayfin up), um schnell sichere interne Webanwendungen ohne zusätzliche Infrastrukturkosten zu bauen.
Nutzen Sie Lakebase für Agenten-Zustände: Für zustandsbehaftete (stateful) KI-Agenten in Databricks-Umgebungen bietet Lakebase eine hochperformante, serverlose Postgres-Option, die sich nahtlos in den Unity Catalog integriert.
Standardisieren Sie Agenten-Tools mit MCP: Setzen Sie bei der Entwicklung von KI-Agenten auf das Model Context Protocol, um die Wiederverwendbarkeit von Tools zu erhöhen und Sicherheitskontrollen zentral über das Unity AI Gateway zu steuern.

Offene Fragen

Wie hoch sind die genauen Latenz- und Performance-Overheads bei Echtzeit-Modellanfragen, wenn mehrere Richtlinienebenen im Unity Catalog ausgewertet werden müssen?
Wie gestaltet sich das Preismodell für Skalierung und Speicher bei extrem schreibintensiven Transaktions-Workloads im Vergleich zu dezidierten OLTP-Plattformen?