- Databricks hat heute LTAP (Lake Transactional/Analytical Processing) eingeführt, eine neue Datenverarbeitungsarchitektur, die OLAP und OLTP auf einer einzigen Datenkopie im Lake vereint und ETL, Replikate und Pipelines von Grund auf überflüssig macht.
- Lakebase, das Fundament der LTAP-Architektur, bedient mittlerweile Tausende von Kunden und verarbeitet täglich 12 Millionen Datenbankstarts auf der gesamten Plattform.
- Databricks ist die weltweit erste LTAP-Plattform. Sie kombiniert Lakebase (serverloses Postgres auf offenem Objektspeicher) mit dem Lakehouse unter einem einzigen Governance-Modell, einer Single Source of Truth und einer gemeinsamen Speicherebene für alle operativen, analytischen und Streaming-Daten.
DATA + AI SUMMIT – 16. Juni 2026 – Databricks, das Data-and-AI-Unternehmen, hat heute Lake Transactional/Analytical Processing (LTAP) vorgestellt, eine neue Datenverarbeitungsarchitektur, die Transaktionen, Analysen, Streaming und operative Daten auf einer einzigen Speicherkopie im Lake vereint. Mit LTAP erhalten Unternehmen ein einziges, kontrolliertes Fundament zum Lesen, Analysieren und Handeln – ganz ohne Pipelines, Replikate oder den ETL-Overhead, der die Dateninfrastruktur seit Jahrzehnten geprägt hat. Gestützt auf bedeutende Fortschritte in Lakebase bietet LTAP eine neue Datengrundlage für die Ära der AI-Anwendungen.
Die neue Datengrundlage für die Ära der Agenten
Seit vier Jahrzehnten existieren transaktionale und analytische Workloads in getrennten Systemen: Operative Datenbanken bedienten Anwendungen, analytische Systeme beantworteten Fragen. Die Brücke dazwischen zu schlagen bedeutete, CDC-Pipelines aufzubauen, die anfällig sind und unter Last leicht ausfallen. Das war schon ein schlechter Kompromiss, als Menschen Software noch in menschlicher Geschwindigkeit schrieben. Heute hilft AI Entwicklern, etwa 50-mal mehr Anwendungen als je zuvor zu schreiben, von denen viele von Agenten gesteuert werden, die Daten nahezu in Echtzeit lesen, analysieren und darauf reagieren müssen. Die alte Architektur war dafür einfach nicht ausgelegt.
Die Datenbranche hat schon früher versucht, das Problem unzusammenhängender Systeme zu lösen. HTAP versprach, transaktionale und analytische Daten in einer einzigen Engine zu vereinen, zerstörte dabei jedoch die Isolation der Workloads, beeinträchtigte die Leistung beider Seiten und hinterließ in Unternehmen eine riesige, teure und proprietäre Infrastruktur. Zero ETL verfolgte einen anderen Ansatz und verbarg die CDC-Pipeline, anstatt sie zu eliminieren. Das zugrunde liegende Architekturproblem blieb bestehen.
LTAP verfolgt einen grundlegend anderen Ansatz: Anstatt beide Workloads in eine einzige Engine zu zwingen oder die Pipeline zu verbergen, vereint es die Daten direkt auf der Speicherebene. Alle operativen Daten sind ohne Pipelines sofort abfragbar und im Lake für Analysen verfügbar. Transaktionale und analytische Workloads skalieren unabhängig voneinander bei voller Leistung und strikter Isolation. Und da LTAP auf offenen Standards basiert, funktioniert es mit jeder Anwendung, die Postgres unterstützt, und jedem Reader, der offene Tabellenformate wie Iceberg und Delta versteht.
„Jahrzehntelang war eine komplizierte Dateninfrastruktur wie eine Steuer, die Teams zahlen mussten“, so Ali Ghodsi, Mitbegründer und CEO von Databricks. „Dann kamen die Agenten. Innerhalb weniger Monate haben Unternehmen ihre Belegschaft praktisch verdoppelt – nur eben nicht mit Menschen. Agenten schreiben Code, tätigen Anrufe und führen Schleifen in einem Tempo aus, das menschliche Teams niemals erreichen könnten. Die Infrastruktur, die das letzte Computerzeitalter angetrieben hat, ist heute der Flaschenhals, den sich niemand mehr leisten kann. LTAP beseitigt ihn.“
Lakebase bietet jetzt Disaster Recovery, Branching im Git-Stil und Snapshots
Der erste Schritt in Richtung LTAP war Lakebase, das Postgres-native Transaktionen auf den Objektspeicher brachte – dieselbe Ebene, auf der auch das Lakehouse basiert. Durch die Trennung von Rechenleistung (Compute) und Speicher verändert Lakebase die Wirtschaftlichkeit beim gleichzeitigen Betrieb von Tausenden von Anwendungen und Agenten grundlegend. Erst letztes Jahr eingeführt, bedient Lakebase bereits Tausende von Kunden, darunter Block, Ensemble, Superhuman und Zillow, und verarbeitet täglich 12 Millionen Datenbankstarts.
Heute hat Databricks neue Funktionen angekündigt, die Lakebase für AI im Unternehmenseinsatz skalierbar machen. Ein neues Cloud- und regionsübergreifendes Disaster Recovery ermöglicht es Unternehmen, widerstandsfähigere Datenarchitekturen aufzubauen – was umso wichtiger wird, je mehr geschäftskritische Aufgaben von Agenten übernommen werden. Darüber hinaus ermöglichen neues Branching im Git-Stil und Snapshots sicheres Experimentieren mit Produktionsdaten, während autonome Datenbankoperationen es Agenten erlauben, den Systemzustand zu überwachen, Verlangsamungen zu erkennen, Indizes vorzuschlagen und bei der Wiederherstellung zu helfen.
Wie LTAP die Architektur vervollständigt
Lakebase und das Lakehouse nutzten bereits eine gemeinsame Speicherebene, hielten jedoch jeweils eine eigene Kopie der Daten in ihrem eigenen Format vor. LTAP schließt diese Lücke. Lakebase speichert Daten direkt in Unity Catalog und nutzt dabei dieselben offenen Formate wie das Lakehouse. Das Ergebnis ist eine sauberere Architektur, die sich durch drei Eigenschaften auszeichnet, die zusammen die Kompromisse beseitigen, die die Dateninfrastruktur von Unternehmen seit Jahrzehnten geprägt haben:
- Einheitliche Governance, eine Source of Truth: Alle operativen, analytischen und Streaming-Daten liegen auf offenem Objektspeicher in offenen Formaten – Delta und Iceberg – ohne Transformation oder Qualitätsverlust. Alles wird über Unity Catalog mit einer einzigen Identität, einem Berechtigungs- und einem Audit-Modell verwaltet, sodass jede Engine dieselbe Kopie liest und Agenten eine gemeinsame, kontrollierte Oberfläche für ihre Aktionen nutzen.
- Keine Leistungskompromisse bei keinem Workload: Transaktionale Workloads laufen in Standard-Postgres mit vollständiger ACID-Semantik. Analytische Workloads laufen über das gesamte Lakehouse hinweg, bei jeder Skalierung und Parallelität. Beide skalieren unabhängig voneinander, und da keine Daten zwischen Systemen verschoben werden, sind operative und analytische Ergebnisse immer synchron – ganz ohne Kopien oder Schatteninfrastruktur.
- Keine ETL-Pipelines (selbst keine versteckten): Es gibt keine Pipelines zur Synchronisierung von operativen und analytischen Speichern, keine zu wartenden Replikate und keine Connectors, die Daten zwischen Systemen verschieben. Die Architektur eliminierte die ETL-Ebene vollständig. Das senkt die Betriebskosten für die Synchronisierung der Systeme und stellt gleichzeitig sicher, dass die Daten immer aktuell sind.
„Für die von uns betreuten Gesundheitssysteme wirken sich Geschwindigkeit und Genauigkeit im Abrechnungszyklus direkt auf die Fähigkeit aus, die Versorgung zu gewährleisten“, so Grant Veazey, CTO bei Ensemble. „Unsere frühe Investition in Databricks hat uns geholfen, ein kontrolliertes Fundament aufzubauen, das mehr als zwei Petabyte an sauberen, harmonisierten Abrechnungsdaten unterstützt. Lakebase und LTAP erweitern dieses Fundament, indem sie operative und analytische Workloads auf einer einzigen Ebene zusammenführen. Dadurch erhält unsere RCM-native AI den Echtzeitzugriff, den sie für den Live-Betrieb benötigt. Dies führt zu einer besseren finanziellen Leistung der Anbieter und dazu, dass mehr zurückgewonnene Einnahmen in Notaufnahmen, NICUs und andere Intensivpflegedienste zurückfließen.“
Verfügbarkeit
LTAP wird in Kürze als Teil von Lakebase verfügbar sein.
Über Databricks
Databricks ist das Data-and-AI-Unternehmen. Mehr als 20.000 Unternehmen weltweit – darunter adidas, AT&T, Bayer, Block, Mastercard, Rivian, Unilever und 70 % der Fortune 500 – vertrauen auf Databricks, um Daten- und AI-Anwendungen, Analysen und Agenten zu erstellen und zu skalieren. Databricks hat 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. Um mehr zu erfahren, folgen Sie Databricks auf LinkedIn, X, YouTube und Instagram.