Konzeptkarte

Databricks Lakebase — serverloses Postgres auf Lakehouse-Speicher und was es in SAP Databricks bedeutet

Stand 4. November 2026

Redaktion: Cédric Mary, verantwortlich für die Veröffentlichung — 27 Jahre im SAP-Ökosystem. Wie diese Seiten entstehen und wo Automatisierung eingesetzt wird.

Was ist Databricks Lakebase?

Ein Lakebase ist nach Databricks’ eigener Definition eine transaktionale Datenbank, deren Compute vom Speicher getrennt ist, wobei die Daten in offenen Formaten im Cloud-Objektspeicher liegen und Postgres als serverloses Compute darüber läuft. Databricks beansprucht Scale-to-zero, sofortiges Branching und gemeinsamen Speicher für OLTP und OLAP. SAP hat Lakebase für SAP Databricks in SAP Business Data Cloud am 27. und 29. Okt. 2026 angekündigt; die SAP-Quellen nennen kein Verfügbarkeitsdatum.

Was ein Lakebase ist

Lakebase ist der Begriff, mit dem Databricks eine transaktionale Datenbank bezeichnet, die auf einem Data-Lake-Design neu gebaut wurde. Der Databricks-Blog „A New Era of Databases: Lakebase“ (veröffentlicht am 12. Juni 2025, aktualisiert am 24. Feb. 2026) definiert sie als offene Architektur, die Compute und Storage trennt und die Daten der Datenbank direkt in günstigem Cloud-Objektspeicher in offenen Formaten ablegt, während die transaktionale Compute-Schicht unabhängig darüber läuft. Die im Blog genannte Engine ist Postgres, bereitgestellt als vollständig verwalteter, serverloser Dienst. Alles Folgende ist Databricks’ eigene Beschreibung seiner Produktkategorie; es ist eine Herstellersicht, kein unabhängiger Benchmark.

Die Probleme, die Databricks zu lösen sagt

Der Blog nennt drei Grenzen traditioneller Datenbanken. Erstens fragiler und teurer Betrieb: Compute und Storage sind gebündelt, sodass Teams für Spitzenlast dimensionieren, ungenutzte Kapazität bezahlen und Routineaufgaben wie Snapshots oder eine DSGVO-Bereinigungsabfrage das ganze System belasten können. Zweitens eine sperrige Entwicklererfahrung: Ein Git-Branch von Code dauert weniger als eine Sekunde, eine isolierte Kopie einer Produktionsdatenbank dagegen Minuten bis Stunden, was wichtiger wird, seit KI-Agenten temporäre Umgebungen verlangen. Drittens Herstellerbindung: Auf die Daten kommt man nur über die Datenbank-Engine selbst, weshalb Migrationen gefürchtete Projekte sind.

Warum es zählt

Agenten brauchen einen Ort für Zustand, Warteschlangen und Gedächtnis mit transaktionalen Garantien; ein Lakebase ist Databricks’ Antwort, und SAP hat es für SAP Databricks angekündigt.
Die Drei-Generationen-Erzählung ist ein Herstellerargument; wer weiß, wessen Rahmung er hört, bleibt in der Beratung neutral.
Die SAP-Quellen nennen weder Datum noch Preis noch Grenzen für Lakebase in SAP Databricks; ein Kundenplan darf noch nicht davon abhängen.

Kernpunkte

Databricks definiert ein Lakebase als offene Architektur: Compute vom Speicher getrennt, Daten in offenen Formaten im Cloud-Objektspeicher (Databricks-Blog, 12. Juni 2025, aktualisiert 24. Feb. 2026).
Die genannte Engine ist Postgres, bereitgestellt als verwaltetes, serverloses Compute, das mit der Nachfrage wächst und im Leerlauf schrumpft.
Databricks beansprucht Scale-to-zero in unter einer Sekunde und Kopien selbst petabyte-großer Datenbanken in Sekunden: Herstellerbehauptungen, keine Benchmarks.
Transaktionale und analytische Workloads teilen sich die Speicherschicht, sodass Analytics und KI auf Transaktionsdaten laufen, ohne sie zu verschieben (Databricks-Formulierung).
Die Drei-Generationen-Rahmung (Monolith, proprietäre lose Kopplung, Lakebase) ist Databricks’ eigenes Argument.
SAP hat Lakebase für SAP Databricks in SAP BDC angekündigt (SAP News, 27. und 29. Okt. 2026).
Der Innovation News Guide zur SAP TechEd 2026 führt die Erweiterung von SAP Databricks als angekündigt, ohne Datum (SAP, 27. Okt. 2026).
Lakebase für Agentenzustand neben SAP-Datenprodukten zu nutzen ist unsere Schlussfolgerung, keine SAP-Aussage.

Begriffe auf dieser Seite

Lakebase: Databricks’ Begriff für eine transaktionale Datenbank mit vom Speicher getrenntem Compute und Daten in offenen Formaten im Cloud-Objektspeicher.
OLTP: Online Transaction Processing: viele kleine Lese- und Schreibzugriffe mit transaktionalen Garantien.
OLAP: Online Analytical Processing: große Scans und Aggregationen über die Historie.
Serverloses Postgres: Postgres-Compute, das ein Anbieter verwaltet und nach Nachfrage skaliert, im Leerlauf bis auf null.
Scale-to-zero: Compute bei fehlender Last freigeben, damit keine untätige Maschine bezahlt wird.
Branching: Eine isolierte, beschreibbare Kopie einer Datenbank für die Entwicklung anlegen, wie einen Git-Branch.
Offenes Format: Dokumentiertes Speicherformat, das mehrere Engines lesen können, sodass die Daten nicht an eine Datenbank-Engine gebunden sind.
SAP Databricks: Databricks-Fähigkeiten innerhalb von SAP Business Data Cloud, wo SAP Lakebase am 27. Okt. 2026 angekündigt hat.

Quellen

Vollständige Karte im Consultant-Tarif — 19,90 €/Monat. Was die vollständige Karte ergänzt: den vollständigen Entscheidungsrahmen · den Vergleich SAP · Snowflake · Databricks · Fabric · die häufigen Fallstricke und ihre Behebung · die Kurzreferenz · die Architekturschemata · die Codeblöcke · die zitierfähigen Kennzahlen.

In der App öffnen →

Offene SAP-Projekte

Aktuelle SAP-Analytics-Projekte und Stellen im DACH-Raum: SAP-Analytics-Projekte im DACH-Raum.