#4 - Databricks Lakebase

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!