Lakebridge ist ein kostenloses, quelloffenes Tool von Databricks Labs, das die Migration von Legacy-Data-Warehouses wie Teradata, Oracle oder Azure Synapse zu Databricks SQL automatisiert. Es deckt laut Databricks bis zu 80 Prozent der Migrationsaufgaben ab. Diese reichen von der Bestandsaufnahme über die Code-Konvertierung bis zur Datenübertragung und Validierung. Die verbleibenden komplexen Fälle, wie verschachtelte Stored Procedures oder dynamisches SQL, erfordern weiterhin manuelle Nacharbeit oder Beratungsunterstützung.
Ihr Teradata- oder SQL-Server-Data-Warehouse läuft seit Jahren zuverlässig, aber jede neue Analyse- oder KI-Anforderung dauert länger, weil die Plattform an ihre Grenzen stößt?
Der Umstieg auf eine moderne Lakehouse-Architektur wie Databricks klingt richtig, nur schreckt der Gedanke an eine monatelange, teure Migration ab?
Genau an dieser Stelle setzt Lakebridge an. Es handelt sich um ein Tool, das diesen Umstieg automatisiert, anstatt ihn von Grund auf neu zu programmieren. Dieser Artikel erklärt, was Lakebridge technisch macht, was es realistisch leistet und wo Sie trotz Automatisierung noch selbst eingreifen müssen.
Fangen wir mit dem Kern an.
Was ist Lakebridge? Kurzdefinition und Einordnung
Lakebridge ist ein kostenloses Open-Source-Tool von Databricks Labs, das die technische Migration von klassischen Data Warehouses und ETL-Pipelines auf Databricks SQL automatisieren kann. Es bündelt dabei vier Schritte, die bei einer klassischen Migration bisher meist manuell oder mit mehreren Einzelwerkzeugen erledigt wurden. Diese bestehen aus der Bestandsaufnahme der Altsysteme, der Code-Konvertierung, der eigentlichen Datenübertragung und einer abschließenden Prüfung, ob alles korrekt angekommen ist.
Der Name ist Programm: Lakebridge baut eine Brücke vom klassischen Data Warehouse hin zum Databricks Lakehouse. Databricks selbst ordnet das Tool dabei nicht als einzelnes Skript ein, sondern als Sammlung von Komponenten unter dem Dach von Databricks Labs, dem offenen Entwicklungsbereich des Unternehmens für Community-Werkzeuge.
Bringen Sie Struktur in Ihre Databricks-Architektur
Mit DSX Lakehouse schaffen Sie eine skalierbare, sichere und produktionsreife Lakehouse-Basis in AWS oder Azure.
Entstanden ist Lakebridge aus der einfachen Beobachtung, dass Migrationsprojekte scheitern oder sich fast immer an derselben Stelle verzögern. Diese Stelle liegt in der händischen Übersetzung von SQL-Dialekten und ETL-Logik in ein neues System.
Lakebridge vs. BladeBridge, der Unterschied in Kürze:
- BladeBridge war ein eigenständiges Migrationsunternehmen, das Databricks im Februar 2025 übernommen hat.
- Lakebridge ist die daraus entstandene, erweiterte Lösung. Sie enthält die BladeBridge-Technologie als einen von mehreren Konvertierungsbausteinen, deckt aber gleichzeitig auch die Bestandsaufnahme, Datenmigration und Validierung ab.
- Der Unterschied in einem Satz: BladeBridge war ein Konvertierungswerkzeug, Lakebridge ist der komplette Migrationsprozess von Anfang bis zum Ende.
Vom BladeBridge-Zukauf zu Lakebridge – Die Entstehungsgeschichte
Am 4. Februar 2025 gab Databricks offiziell bekannt, BladeBridge, das auf KI-gestützte Migration spezialisierte Unternehmen, zu übernehmen. Databricks-CEO Ali Ghodsi begründete diesen Schritt damit, dass die BladeBridge-Technologie den Kunden helfen solle, mit deutlich geringerem Aufwand und geringeren Kosten zu Databricks wechseln zu können.
Zum Zeitpunkt der Übernahme lag die Umsatzlaufrate von Databricks SQL bereits bei über 600 Millionen US-Dollar, mit mehr als 150 Prozent Wachstum im Vorjahr. Das ist ein Hinweis darauf, wie strategisch wichtig die Migrationsfrage für das Unternehmen geworden war. Unabhängige Branchenanalysten von Constellation Research bewerteten den Zukauf in unabhängiger Berichterstattung positiv, da er den Kunden den Wechsel von anderen Plattformen zu Databricks erleichtern konnte.
Vier Monate später, beim Data + AI Summit im Juni 2025, stellte Databricks „Lakebridge“ als Ergebnis dieser Integration und kostenloses Tool für alle Databricks-Kunden und -Partner vor. Seitdem ist einiges passiert. Im November 2025 sicherte sich das Lakebridge-Team eigene Forschungs- und Entwicklungsmittel, um die Roadmap weiter zu beschleunigen.
Zuletzt kündigte Databricks wenige Wochen vor Veröffentlichung dieses Artikels, am 30. Juli 2026, mit dem Agentic Converter Genie Code eine KI-Agenten-basierte Erweiterung an. Diese konvertiert komplexe SQL-Konstrukte nicht mehr nur regelbasiert, sondern iterativ mit mehreren zusammenarbeitenden KI-Agenten und überprüft dabei auch die semantische Korrektheit.
Das Feature befindet sich noch in der Beta-Phase, begrenzt auf maximal 300 Dateien pro Batch und 1.000 Zeilen pro Skript. Für Teradata-BTEQ-Skripte funktioniert es aktuell noch nicht.
Wie funktioniert Lakebridge? Die vier Phasen der Migration
Lakebridge ist kein einzelnes Werkzeug, sondern ein Baukasten aus vier aufeinander aufbauenden Phasen. Für Unternehmen, die eine Migration planen, ist genau diese Struktur der eigentliche Mehrwert, da sie nicht mehr für jede Phase ein eigenes Werkzeug suchen und verbinden müssen.
| Phase | Was passiert | Relevanz für Unternehmen |
| Bestandsaufnahme (Profiler und Analyzer) | Erfasst Tabellen, Abfragemuster und Codekomplexität des Altsystems und schätzt den Migrationsaufwand ein | Sie wissen vor Projektstart, was tatsächlich zu migrieren ist und was das ungefähr kostet |
| Code-Konvertierung (BladeBridge, Morpheus, Switch) | Übersetzt SQL- und ETL-Code automatisiert in Databricks-kompatiblen Code, regelbasiert oder KI-gestützt | Der Großteil des Codes muss nicht neu von Hand geschrieben werden |
| Datenmigration (Lakeflow Connect) | Überträgt die eigentlichen Daten aus dem Quellsystem nach Databricks | Die Datenübertragung läuft über dieselbe Werkzeugkette wie die Codekonvertierung |
| Validierung (Reconciliation) | Vergleicht Quell- und Zieldaten auf Schema-, Spalten- und Zeilenebene | Sie erhalten einen belegbaren Nachweis, dass die Migration vollständig und korrekt war |
Bei der Code-Konvertierung, dem technisch anspruchsvollsten Teil, setzt Lakebridge auf zwei Schichten. Zuerst laufen die deterministischen, also regelbasierten Konverter BladeBridge und Morpheus. Die sind kostenlos, schnell und zuverlässig, weil sie feste Übersetzungsregeln anwenden. Morpheus eignet sich dabei besonders für Snowflake- und Synapse-Quellen, BladeBridge hingegen deckt ein breiteres Spektrum an Altsystemen ab.
Was diese Schicht nicht automatisch übersetzen kann, zum Beispiel komplexe, individuell gewachsene Prozeduren, übernimmt in einem zweiten Schritt Switch. Das ist ein KI-gestützter Konverter auf Basis von großen Sprachmodellen beziehungsweise LLMs. Switch arbeitet mit anpassbaren Prompts und kann so auch auf unternehmensspezifische Codemuster trainiert werden.
Bleibt danach noch etwas übrig, empfiehlt Databricks eigene, KI-unterstützt erstellte Skripte als letzten Ausweg. Für Unternehmen bedeutet das, dass sie nicht für jede Zeile Code dieselbe Konvertierungsmethode zahlen, sondern nur so viel manuellen und KI-gestützten Aufwand, wie der jeweilige Code tatsächlich braucht.
Welche Altsysteme Lakebridge unterstützt, inklusive Azure Synapse und SQL Server
Lakebridge deckt laut Databricks mehr als zehn führende Data-Warehouse– und ETL-Systeme ab. Bei den klassischen Data Warehouses zählen Teradata, Snowflake, Oracle, Netezza, Microsoft SQL Server, Azure Synapse, Amazon Redshift und Google BigQuery dazu. Bei ETL- und Orchestrierungswerkzeugen unterstützt Lakebridge unter anderem SSIS, DataStage, Informatica, SAS, Airflow und Azure Data Factory.
Ein Punkt fehlt in den meisten Darstellungen des Tools, ist aber für die Projektplanung entscheidend: nicht jedes Modul unterstützt jedes Quellsystem gleich vollständig. Für Amazon Redshift war beispielsweise zum Zeitpunkt der Recherche für diesen Artikel nur der Analyzer produktionsreif, während der eigentliche Code-Converter noch ohne festes Datum auf der Roadmap stand. Bevor Sie ein Migrationsprojekt budgetieren, lohnt es sich daher einen Blick auf den tatsächlichen Reifegrad pro Quellsystem und Modul zu werfen und nicht nur auf die pauschale Aussage „wird unterstützt“.
Für deutsche Unternehmen ist besonders ein Szenario relevant. Ein großer Teil der Unternehmen betreibt Altsysteme auf Microsoft-Basis, also SQL Server oder Azure Synapse. Beide Systeme gehören zu den explizit unterstützten Lakebridge-Quellen, und Databricks hat dazu im Juli 2026 einen eigenen Migrationsleitfaden veröffentlicht, der unter anderem Ergebnisse der Kunden Casey’s (Reduktion der Datenlieferzeit von 8 auf 4 Stunden) und Italgas (73 Prozent Kostenreduktion bei bestimmten Workloads) nennt.
Für Unternehmen, die aktuell zwischen Microsoft Fabric und Databricks abwägen oder von Synapse kommen, ist das ein naheliegender, gut dokumentierter Einstiegspunkt für eine erste Data-Platform-Bewertung.
Databricks Migration planen? Wir helfen von der Bestandsaufnahme bis zum produktiven Betrieb
Lakebridge automatisiert die technische Konvertierung, aber Priorisierung, Governance-Konzept und die Betreuung der komplexen 10 bis 20 Prozent, die kein Tool allein löst, bleiben Beratungsleistung. Genau da setzen wir an. Von der ersten Bestandsaufnahme über die Migration bis zur produktiven, gut regierten Databricks-Plattform.
Was Lakebridge in der Praxis bringt: zwei reale Migrationsfälle
Die von Databricks kommunizierte Zahl, nach welcher Lakebridge bis zu 80 Prozent der Migrationsaufgaben automatisiert, ist als grobe Orientierung hilfreich, sagt für sich genommen jedoch wenig darüber aus, was das für ein konkretes Projekt bedeutet. Zwei aktuelle Fälle aus einer Databricks-Produktpräsentation zeigen das deutlich konkreter.
Im ersten Fall migrierte ein japanisches Handelsunternehmen im Juni 2025 eine Echtzeit-Vertriebspipeline von Snowflake zu Databricks. Das Projekt umfasste insgesamt 104 Dateien und eine Projektlaufzeit für die reine Konvertierung von ungefähr einer Woche. Der regelbasierte Konverter „Morpheus“ übersetzte 53 von 55 Tabellendefinitionen vollautomatisch, die beiden verbleibenden Fehler entstanden durch japanische Sonderzeichen in Spaltennamen und mussten manuell korrigiert werden. Bei den 47 gespeicherten Prozeduren, dem komplexeren Teil, erzielte der KI-gestützte Switch-Konverter mit angepassten Prompts 40 fehlerfreie Konvertierungen und sieben Dateien mussten aufgrund von Syntaxfehlern nachbearbeitet werden. Insgesamt wurden 93 von 104 Dateien vollständig automatisch konvertiert.
Im zweiten Fall migrierte eine japanische Großbank im Januar 2026 ein IBM-DB2-System samt DataStage-Strecke, über 30.000 Dateien, ebenfalls in rund einer Woche Konvertierungszeit. Der regelbasierte BladeBridge-Konverter übersetzte alle 13 DataStage-Jobs fehlerfrei, darunter eine einzelne Datei mit 317.000 Zeilen Code. Bei 125 gespeicherten Prozeduren erreichte Switch mit projektspezifischen Prompts eine fehlerfreie Quote von 100 Prozent. Die verbleibenden rund 30.000 einfacheren Objekte wie Tabellen, Sichten und Berechtigungen ließen sich über eigene, regelbasierte Skripte vollständig ohne Fehler automatisieren.
Expertentipp von Laurenz, CTO bei Datasolut:
Die Zahl, die in solchen Fällen wirklich zählt, steht selten in der Marketingfolie. Bei einfachen Objekten wie Tabellen und Views liegt die Automatisierungsquote praktisch bei 100 Prozent, bei komplexeren gespeicherten Prozeduren übernimmt der KI-gestützte Switch-Konverter mit individuell angepassten Prompts den Großteil der Arbeit. Genau diese Kombination aus regelbasiertem und KI-gestütztem Vorgehen sehen wir auch in unseren eigenen Databricks-Projekten als den Ansatz, der tatsächlich funktioniert. Nicht ein einzelnes Werkzeug, das alles allein lösen kann.
Was beide Fälle außerdem zeigen ist, dass die Tool-Lizenz zwar nichts kostet, aber ohne ein Team, das die Prompts für Switch auf die eigene Codebasis zuschneidet und die letzten Fehler manuell behebt, wären auch diese Quoten nicht erreicht worden.
Drei Mythen über Lakebridge und wo das Tool an seine Grenzen kommt
Rund um ein so junges und viel diskutiertes Tool können schnell Missverständnisse entstehen. Drei davon lassen sich mit einem Blick auf die offizielle Dokumentation direkt entkräften.
Mythos 1: „Für Lakebridge braucht man ein kostenpflichtiges Beratungspaket.“ Falsch. Lakebridge ist Teil von Databricks Labs und damit kostenlos und offen für alle Databricks-Kunden und -Partner nutzbar.
Mythos 2: „Lakebridge ist jetzt das Allheilmittel für Migrationen.“ Falsch. Jede Migration ist anders und das Tooling selbst befindet sich noch früh in seiner Entwicklung. Databricks priorisiert die Weiterentwicklung gezielt nach Kundenwirkung und es ist kein Allheilmittel für jede Altsystem-Konstellation.
Mythos 3: „Lakebridge ist nur ein Rebranding von BladeBridge.“ Ebenfalls falsch. BladeBridge und der Analyzer sind Bausteine von Lakebridge, das erklärte Ziel ist aber eine vollständige End-to-End-Lösung vom Assessment bis zur Validierung und kein einzelnes Konvertierungstool mit neuem Namen.
Warum Lakehouses die Daten-Architektur der Zukunft sind
In unserem Whitepaper erfahren Sie:
- Wie sich ein Data Lakehouse von anderen Architekturen unterscheidet.
- Wie Sie durch ein Lakehouse KI-Anwendungen schneller umsetzen.
- Wie Sie ihr internes Team befähigen selbstständig KI Projekte zu implementieren.
Neben diesen Mythen gibt es zwei reale Einschränkungen, die in den meisten Darstellungen fehlen, aber für IT-Leiter entscheidungsrelevant sind.
Erstens: Unabhängige Analysten weisen darauf hin, dass automatisierte Konvertierung an einer bestimmten Stelle an ihre Grenzen stößt. Amit Chandak, Chief AI Officer beim Beratungsunternehmen Kanerika, ordnet das gegenüber InfoWorld so ein: Genau die 10-15 Prozent einer Legacy-Codebasis, die normalerweise den größten Arbeitsaufwand mit sich bringen, blieben weiterhin die eigentliche Herausforderung, egal, wie gut das Tool ansonsten automatisiert ist. Eben dieser Rest, bestehend aus verschachtelten Stored Procedures, dynamischem SQL und proprietären Datenbankfunktionen, bindet erfahrungsgemäß den größten Teil von Zeit und Budget eines Migrationsprojekts, nicht die 80 Prozent, die automatisch laufen.
Zweitens: Die Datenmigration über Lakeflow Connect arbeitet aktuell über zwei Verbindungstypen, die beide auf JDBC-Abfragen basieren. Das funktioniert zwar für kleinere und mittlere Tabellen sowie für Proof-of-Concepts zuverlässig, stößt aber bei sehr großen Tabellen an Skalierungsgrenzen. Für vollständige Migrationen großer Datenmengen benötigt man aktuell entweder Partner-Werkzeuge oder eigene Skripte.
Drittens, ein Punkt, den auch die offizielle Dokumentation offenlässt: Eine automatische Übernahme der migrierten Daten in die Unity-Catalog-Governance, also Berechtigungen, Data Lineage und Klassifizierung, ist bisher nicht dokumentiert. Wer Governance von Anfang an mit einplanen will, sollte diesen Schritt somit als eigenständiges Teilprojekt einplanen und nicht als Automatik von Lakebridge erwarten.
Lohnt sich Lakebridge für Ihr Unternehmen? Nächste Schritte mit Datasolut
Lakebridge lohnt sich besonders, wenn:
- Ihr Unternehmen ein SQL-Server-, Azure-Synapse-, Teradata- oder Oracle-basiertes Data Warehouse betreibt und zu Databricks wechseln möchte
- Ihr Team überwiegend mit Standard-SQL und gängigen ETL-Mustern arbeitet und nicht mit stark individualisiertem Legacy-Code
- Sie vor der Budgetierung eine belastbare Aufwandsschätzung benötigen, anstatt auf gut Glück ein Projekt auszuschreiben
Lakebridge ist (noch) nicht die alleinige Lösung, wenn:
- Ihr Code stark auf proprietären Datenbankfunktionen, verschachtelten Prozeduren oder dynamischem SQL basiert
- Sie sehr große Tabellen migrieren müssen, für die die aktuelle, JDBC-basierte Datenübertragung zu langsam skaliert
- niemand im Haus die Zeit hat, das Berechtigungskonzept nach der technischen Migration in Unity Catalog nachzuziehen
Ein Punkt, der in kaum einer Darstellung eingeordnet wird ist, dass „kostenlos“ sich auf die Tool-Lizenz bezieht und nicht auf die gesamte Migration. Der Compute-Verbrauch auf Databricks, die Beratungsleistung für die verbleibenden komplexen Fälle und der interne Aufwand für Validierung und Prompt-Tuning fallen demnach weiterhin an. Für budgetsensible Mittelständler verschiebt sich durch Lakebridge also nicht der Gesamtaufwand einer Migration, sondern dessen Zusammensetzung. So existieren einerseits weniger Tool-Lizenzkosten und andererseits mehr Umsetzungs- und Beratungsleistung.
Eine gelungene Migration ist zudem kein Selbstzweck. Sie öffnet erst die Tür für die eigentlich interessanten Anwendungsfälle, von Machine-Learning-Modellen bis hin zu generativer KI auf Basis konsolidierter Daten. Einen Überblick darüber, was Unternehmen aus unserem Mittelstandsumfeld auf einer konsolidierten Databricks-Plattform konkret umsetzen, finden Sie in unserer Übersicht der KI-Use-Cases.
Fazit
Lakebridge ist kein Wundermittel sondern ein ehrlich kommuniziertes, kostenloses Werkzeug, das den technisch mühsamsten Teil einer Data-Warehouse-Migration, also die Übersetzung von SQL- und ETL-Code, spürbar verkürzen kann. Die beiden Praxisfälle aus diesem Artikel zeigen, dass sich damit in der Größenordnung von Tagen bis wenigen Wochen die Konvertierungsarbeit erledigen lässt, die früher Monate gebraucht hätte. Genauso deutlich zeigen sie aber auch, dass diese Geschwindigkeit nur mit angepassten Prompts, manueller Nacharbeit an Randfällen und einem Team, das die Ergebnisse fachlich abnimmt, zustande kommt.
Wer aktuell ein Migrationsprojekt plant, sollte deshalb weniger fragen „Ersetzt Lakebridge unser Migrationsprojekt?“ sondern vielmehr „Wie viel unserer Codebasis fällt in die 80 Prozent, die automatisch laufen, und wer kümmert sich um den Rest?“ Genau diese Frage lässt sich mit der eingebauten Bestandsaufnahme von Lakebridge schon vor Projektstart realistisch beantworten und ist damit der richtige erste Schritt.
Nächster Schritt: Kostenlose Erstberatung
In 30 Minuten klären wir gemeinsam, ob und wie eine Lakebridge-gestützte Migration zu Ihrer Ausgangslage passt, und falls nicht, sagen wir Ihnen auch das.
Ihr nächster Schritt mit uns!
Databricks ist eine der leistungsfähigsten Plattformen für Daten und KI – aber ihr volles Potenzial entfaltet sich erst, wenn Ihr Team sie wirklich beherrscht. Lassen Sie uns gemeinsam schauen, welche Schulungspakete zu Ihrer Ausgangssituation passen.
Im kostenlosen Erstgespräch klären wir:
- Welche Rollen und Teams von welchem Paket am meisten profitieren
- Ob und wie wir Inhalte auf Ihre Datenarchitektur und Use Cases anpassen
- Wie ein realistischer Zeitplan und die nächsten Schritte aussehen
FAQ zu Databricks Lakebridge
Ja, Lakebridge ist als Teil von Databricks Labs kostenlos für Databricks-Kunden und -Partner nutzbar, es fällt keine separate Tool-Lizenz an. Die eigentlichen Kosten einer Migration entstehen durch Compute-Verbrauch auf Databricks, durch Beratungsleistung für komplexe Sonderfälle und durch internen Aufwand für Validierung und Konfiguration.
BladeBridge war ein eigenständiges Migrationsunternehmen, das Databricks im Februar 2025 übernommen hat. Lakebridge ist die daraus entstandene, erweiterte Lösung. Sie nutzt die BladeBridge-Technologie als einen von mehreren Konvertierungsbausteinen, deckt aber zusätzlich die Bestandsaufnahme, die Datenmigration und die Validierung als vollständigen End-to-End-Prozess ab.
Lakebridge unterstützt unter anderem Teradata, Snowflake, Oracle, Netezza, Microsoft SQL Server, Azure Synapse, Amazon Redshift und Google BigQuery sowie ETL-Werkzeuge wie SSIS, DataStage, Informatica und SAS. Was wichtig ist; nicht jedes Modul (Bestandsaufnahme, Konvertierung, Datenmigration) ist für jedes System gleich weit entwickelt. Dementsprechend lohnt es sich, das vor dem Projektstart zu überprüfen.
Das hängt stark vom Umfang und der Codekomplexität ab. In dokumentierten Fällen dauerte die reine Konvertierungsphase für einige Dutzend bis mehrere Tausend Dateien ca. eine Woche. Nicht eingerechnet sind dabei die Vorbereitung, der Governance-Aufbau, das Prompt-Tuning für komplexe Fälle und die abschließende fachliche Abnahme, die je nach Projekt mehrere Wochen zusätzlich beanspruchen können.
