Das Lakehouse hat die Analyse großer Datenmengen (OLAP) revolutioniert. Doch Hand aufs Herz: Wenn es um transaktionale Workloads, Web-Applikationen oder das „Gedächtnis“ von KI-Agenten ging, gab es bisher oft eine Lücke.
Musste man wirklich immer eine externe Postgres-Datenbank daneben stellen und Datensilos in Kauf nehmen?
In dieser Folge schließen wir genau diese Lücke. Patrick Steiner spricht mit Christopher Pries ( Senior Solutions Engineer bei Databricks) über Databricks Lakebase – die vollständig gemanagte, serverlose und Postgres-kompatible Datenbank, die direkt auf der Databricks-Plattform läuft.
Wir tauchen tief in die Architektur ein und klären, warum wir OLTP und OLAP nicht mehr als getrennte Welten betrachten sollten.
In dieser Episode erfahrt ihr:
• Das „Warum“: Wieso klassische Data Warehouses für KI-Agenten und Echtzeit-Apps oft zu langsam sind und wie Lakebase dieses Problem löst
• Die Technik: Wie die Architektur hinter Lakebase funktioniert
• Killer-Features: Was es mit „Scale to Zero“, „Database Branching“ und der tiefen Integration in den Unity Catalog auf sich hat
• Daten-Synchronisation: Wie „Synced Tables“ das komplexe Reverse-ETL-Problem lösen und Daten zwischen Lakehouse und Applikation spiegeln
• Praxis-Use-Cases: Von „Stateful Applications“ bis hin zu KI-Agenten, die ein Kurzzeitgedächtnis benötigen
Die Wand zwischen analytischen und operationalen Daten ist gefallen. Hört rein, um zu erfahren, wie die konvergierte Plattform der Zukunft aussieht.
Gute Daten, gute Entscheidungen!
