Data Lakehouse

Ein Data Lake speichert alles so, wie es ankommt: Tabellen, aber auch Dokumente, Logdateien und Bilder. Das ist flexibel und günstig, wird ohne Struktur aber schnell zum Sumpf, in dem niemand mehr etwas findet. Ein Lakehouse legt die Regeln eines Data Warehouse darüber: feste Tabellen, Versionierung und Kontrollen. Ob Sie das für KI brauchen, lesen Sie unter Datenplattform für KI.

Plattformen wie Databricks und Microsoft Fabric sind um diese Idee herum gebaut. Der Vorteil: Berichte, Data Science und KI-Anwendungen nutzen dieselben Daten, statt jeweils eine eigene Kopie. Ein Lakehouse ist damit eine Form der Datenplattform.

Für die meisten mittelständischen Unternehmen ist ein Lakehouse kein Startpunkt. Es lohnt sich, wenn Sie große Mengen oder viele Arten von Daten haben und selbst Analysen darauf fahren wollen. Für KI, die im Tagesgeschäft mitarbeitet, etwa ein KI-Agent, der eine Anfrage bearbeitet, sind gute Schnittstellen zu den Quellsystemen und verlässliche Daten meist wichtiger.