- Databricks stellt LTAP (Lake Transactional/Analytical Processing) vor. Die neue Datenverarbeitungsarchitektur vereint OLAP und OLTP auf einer einzigen Datenkopie im Lake und macht dabei ETL, Replikate und Pipelines von vornherein überflüssig.
- Lakebase, die Grundlage der LTAP-Architektur, wird mittlerweile von Tausenden von Kunden genutzt und fährt plattformweit täglich 12 Millionen mal Datenbanken hoch.
- Databricks ist die weltweit erste LTAP-Plattform. Sie kombiniert Lakebase (serverloses Postgres auf offenem Objektspeicher) mit dem Lakehouse unter einem einzigen Governance-Modell, einer einzigen verlässlichen Quelle und einer einzigen Speicherschicht für alle operativen, analytischen und Streaming-Daten.
DATA + AI SUMMIT – 16. Juni 2026 – Databricks, das Daten- und KI-Unternehmen, stellt Lake Transactional/Analytical Processing (LTAP) vor. Die neue Datenverarbeitungsarchitektur vereint Transaktionen, Analysen, Streaming und Betriebsdaten auf einer einzigen Speicherkopie im Lake. Mit LTAP verfügen Unternehmen über eine einzige, regulierte Grundlage zum Auslesen, Auswerten und Handeln – ohne Pipelines, Replikate oder den ETL-Aufwand, der die Dateninfrastruktur seit Jahrzehnten geprägt hat. Angetrieben von bedeutenden Fortschritten bei Lakebase bietet LTAP eine neue Datenbasis für das Zeitalter der KI-Anwendungen.
Die neue Datenbasis für das Zeitalter der Agenten
Vier Jahrzehnte lang wurden Transaktions- und Analyse-Workloads in getrennten Systemen abgewickelt: Operative Datenbanken bedienten Anwendungen, Analysesysteme beantworteten Fragen. Um sie zu verbinden, mussten CDC-Pipelines aufgebaut werden, die instabil und anfällig für Ausfälle unter Last waren. Das war bereits ein schlechter Kompromiss, als Menschen Software in menschlichem Tempo schrieben.
Heute hilft die KI den Entwicklern dabei, etwa 50-mal mehr Anwendungen als je zuvor zu schreiben, von denen viele von Agenten angetrieben werden, die Daten nahezu in Echtzeit lesen, interpretieren und darauf reagieren müssen. Die alte Architektur ist dafür nicht ausgelegt.
Die Datenbranche hat bereits zuvor versucht, das Problem unterschiedlicher Systeme zu lösen. HTAP versprach, Transaktions- und Analysedaten in einer einzigen Engine zu vereinen, zerstörte dabei jedoch die Workload-Isolation, beeinträchtigte die Leistung beider Bereiche und hinterließ in Unternehmen einen massiven, teuren proprietären Fußabdruck. Zero ETL verfolgte einen anderen Ansatz und verbarg die CDC-Pipeline, anstatt sie zu eliminieren. Das zugrunde liegende architektonische Problem blieb bestehen.
LTAP verfolgt einen grundlegend anderen Ansatz: Anstatt beide Workloads in eine Engine zu zwängen oder die Pipeline zu verbergen, vereint es Daten auf der Speicherebene. Alle operativen Daten sind sofort abfragbar und stehen im Lake für Analysen zur Verfügung – ganz ohne Pipelines. Transaktionale und analytische Workloads skalieren unabhängig voneinander bei voller Leistung und strikter Isolation. LTAP basiert auf offenen Standards, funktioniert also mit jeder Anwendung, die Postgres versteht, und mit jedem Reader, der offene Tabellenformate wie Iceberg und Delta versteht.
„Jahrzehntelang war eine komplizierte Dateninfrastruktur der Preis, den Teams zahlen mussten“, sagt Ali Ghodsi, Mitbegründer und CEO von Databricks. „Dann kamen die Agenten. Innerhalb weniger Monate verdoppelten Unternehmen ihre Belegschaft praktisch – nur nicht mit Menschen. Agenten schreiben Code, führen Aufrufe durch und führen Schleifen in einem Tempo aus, das menschliche Teams niemals erreichen könnten. Die Infrastruktur, die die letzte Ära der Datenverarbeitung antrieb, ist nun der Engpass, den sich niemand mehr leisten kann. LTAP beseitigt ihn.“
Lakebase erweitert um Disaster Recovery, Git-ähnliche Verzweigungen und Snapshots
Der erste Schritt in Richtung LTAP war Lakebase, das Postgres-native Transaktionen in den Objektspeicher brachte – dieselbe Ebene, auf der auch das Lakehouse basiert. Durch die Trennung von Rechenleistung und Speicher verändert Lakebase die Wirtschaftlichkeit des gleichzeitigen Betriebs von Tausenden von Anwendungen und Agenten. Lakebase wurde erst im letzten Jahr eingeführt und bedient bereits Tausende von Kunden, darunter Block, Ensemble, Superhuman und Zillo. Täglich werden 12 Millionen Mal Datenbanken gestartet.
Databricks kündigte neue Funktionen an, die Lakebase für skalierbare Unternehmens-KI erweitern. Dank neuer, cloud- und regionenübergreifender Disaster Recovery können Unternehmen widerstandsfähigere Datenarchitekturen aufbauen – was zunehmend an Bedeutung gewinnt, da Agenten immer mehr geschäftskritische Aufgaben übernehmen. Darüber hinaus ermöglichen neue Git-ähnliche Branches und Snapshots sicheres Experimentieren mit Produktionsdaten. Autonome Datenbankoperationen wiederum ermöglichen es Agenten, den Zustand zu überwachen, Verlangsamungen zu erkennen, Indizes vorzuschlagen und bei der Wiederherstellung zu helfen.
Wie LTAP die Architektur vervollständigt
Lakebase und das Lakehouse teilten sich bereits eine Speicherschicht, aber jedes System verwaltete seine eigene Datenkopie in seinem eigenen Format. LTAP schließt diese Lücke. Lakebase speichert Daten direkt im Unity Catalog und verwendet dabei dieselben offenen Formate wie das Lakehouse. Das Ergebnis ist eine übersichtlichere Architektur, die durch drei Eigenschaften definiert ist, die zusammen die Kompromisse beseitigen, die die Dateninfrastruktur von Unternehmen seit Jahrzehnten geprägt haben:
- Einheitliche Governance, eine „Single Source of Truth“: Alle operativen, analytischen und Streaming-Daten liegen in offenen Formaten – Delta und Iceberg – auf offenem Objektspeicher vor, ohne Transformation oder Qualitätsverlust. Alles wird über den Unity Catalog mit einer einzigen Identität, Berechtigungen und einem einzigen Audit-Modell verwaltet, sodass jede Engine dieselbe Kopie liest und Agenten eine einzige kontrollierte Oberfläche nutzen, auf der sie agieren.
- Keine Leistungseinbußen egal welcher Workload: Transaktionale Workloads laufen in Standard-Postgres mit vollständiger ACID-Semantik. Analytische Workloads laufen im gesamten Lakehouse in beliebiger Skalierung und Parallelität. Jede Komponente skaliert unabhängig, und da keine Daten zwischen den Systemen verschoben werden, sind operative und analytische Ergebnisse stets synchron – ohne Kopien oder Schatteninfrastruktur.
- Keine ETL-Pipelines (auch keine versteckten): Es gibt keine Pipelines zur Synchronisierung von operativen und analytischen Speichern, keine Replikate, die gewartet werden müssen und keine Konnektoren, die Daten zwischen Systemen verschieben. Die Architektur eliminiert die ETL-Schicht vollständig und senkt so die Betriebskosten für die Synchronisierung der Systeme, während gleichzeitig sichergestellt wird, dass die Daten aktuell bleiben.
„Für die Gesundheitssysteme, die wir bedienen, wirken sich Geschwindigkeit und Genauigkeit im Umsatzzyklus direkt auf ihre Fähigkeit aus, Versorgung zu leisten“, sagt Grant Veazey, CTO bei Ensemble. „Unsere frühzeitige Investition in Databricks half uns dabei, eine kontrollierte Grundlage zu schaffen, die mehr als zwei Petabyte an sauberen, harmonisierten Umsatzzyklusdaten unterstützt. Lakebase und LTAP erweitern diese Grundlage, indem sie operative und analytische Workloads auf einer einzigen Ebene vereinen und der RCM-nativen KI den Echtzeitzugriff ermöglichen, den sie für den Live-Betrieb benötigt. Dies führt zu einer besseren finanziellen Performance für Anbieter und zu höheren Einnahmen, die an Notaufnahmen, Neugeborenen-Intensivstationen und andere Intensivpflegedienste zurückfließen.“
Verfügbarkeit
LTAP wird in Kürze als Teil von Lakebase verfügbar sein.
Über Databricks
Databricks ist das Daten- und KI-Unternehmen. Mehr als 20.000 Organisationen weltweit – darunter adidas, AT&T, Bayer, Block, Mastercard, Rivian, Unilever und 70 % der Fortune-500-Unternehmen – vertrauen auf Databricks, um Daten- und KI-Anwendungen, Analysen und Agenten zu entwickeln und zu skalieren. Databricks unterhält seinen Hauptsitz in San Francisco und verfügt über mehr als 30 Niederlassungen weltweit. Das Unternehmen bietet eine einheitliche Plattform, die Lakebase, Genie, Agent Bricks, Lakeflow, Lakehouse und Unity Catalog umfasst. Für weitere Informationen folgen Sie Databricks auf LinkedIn, X, YouTube, and Instagram.