Lakeflow Designer: Wann der visuelle Pipeline-Editor zum Operating-Model passt
Die Kernaussagen auf einen Blick.
- Lakeflow Designer ist ein visueller, KI-gestützter Editor für Lakeflow Declarative Pipelines.
- Lakeflow Designer und Code greifen auf dieselbe Pipeline-Engine zu, nur über unterschiedliche Zugänge, seit Juni 2026 allgemein verfügbar (GA).
- Der Editor öffnet die Pipeline-Entwicklung für weitere Rollen. Ohne klare Vorgaben (Unity Catalog, Cluster-Policies, FinOps-Tagging, Promotion-Pfad) entstehen dabei leicht Pipelines außerhalb der regulären Entwicklungs- und Betriebsprozesse.
- Der Export in Asset Bundles macht aus dem visuellen Entwurf ein versioniertes, über CI/CD betriebenes Asset. Daran entscheidet sich, ob Lakeflow-Designer-Pipelines zum bestehenden Betriebsmodell passen.
- Empfehlenswert ist, den Lakeflow Designer als kontrollierten Self-Service-Zugang für klar definierte Nutzergruppen einzuführen und den Code-Pfad als Standard für produktive Strecken zu behalten. Die Entscheidung betrifft vor allem Rollen, Verantwortlichkeiten und Betriebsprozesse, nicht nur die Oberfläche.
Inhaltsverzeichnis
Self-Service-ETL scheitert nicht an der Oberfläche
Viele Data-Teams haben bereits Erfahrungen mit früheren Self-Service- und Low-Code-Initiativen gesammelt. In Azure Data Factory existieren häufig historisch gewachsene Pipelines, deren Logik und Verantwortung nicht mehr eindeutig nachvollziehbar sind. Informatica-Workflows werden teilweise weiterbetrieben, weil Änderungen an der bestehenden Logik als zu riskant gelten. Gleichzeitig wünschen sich Fachbereiche einen direkteren Zugang zur Entwicklung einfacher Datenstrecken: schneller, näher am Ergebnis, ohne Engineering-Ticket.
Lakeflow Designer greift dieses Self-Service-Versprechen erneut auf: visuelle Pipelines, KI-Assistenz, No-Code-ETL, produktionsfähige Pipelines mit geringem Programmieraufwand. Entscheidend ist nicht allein der Funktionsumfang des Editors. Entscheidend ist, ob Rollen, Freigaben und Betriebsprozesse passend dazu geregelt sind.
Der visuelle Ansatz ist dabei nicht grundsätzlich problematisch. Ein visueller Editor ohne klar definierte Zielgruppe, ohne geregelte Übergabe in Versionierung und CI/CD und ohne verbindliche technische und organisatorische Vorgaben ist das Problem. Vergleichbare Einführungen haben in vielen Unternehmen zu schwer kontrollierbaren Pipeline-Landschaften geführt, und genau das kann Lakeflow Designer wieder erzeugen, wenn die Einführung ausschließlich als Werkzeug- oder Oberflächenentscheidung betrachtet wird.
Was ist Lakeflow Designer?
Databricks Lakeflow Designer ist ein visueller, KI-gestützter Editor für Datenpipelines auf der Databricks-Plattform. Anwender erstellen Datenflüsse über visuelle Knoten auf einer interaktiven Oberfläche. Transformationen können zusätzlich über natürlichsprachliche Anweisungen erzeugt werden („Genie Code") und Tabellen-Schemas sowie Lineage direkt im Editor angezeigt werden. Der Editor verwendet dieselbe Pipeline-Engine wie der codebasierte Ansatz und stellt dafür eine visuelle Oberfläche bereit: die Lakeflow-Declarative-Pipelines-Engine, also das Backend, das Databricks bisher als Delta Live Tables (DLT) geführt hat und das im Zuge der Lakeflow-Marke umbenannt wurde.
Lakeflow Designer ist damit ausdrücklich kein eigenständiges ETL-Studio mit eigener Engine. Lakeflow Designer stellt eine visuelle Oberfläche für das bestehende deklarative Pipeline-Backend bereit, das auch über Code (SQL, Python) zugänglich ist. Für die Einordnung ist vor allem entscheidend: Eine im Lakeflow Designer erstellte Pipeline bleibt technisch eine Lakeflow Declarative Pipeline. Versionierung, Deployment und Betrieb müssen weiterhin über das Plattformmodell geregelt werden.
Wo der visuelle Editor in das größere Lakeflow-Bild passt (Connect, Declarative Pipelines, Jobs, Lakeflow Designer), klären wir im Überblick zu Data Engineering auf Databricks.
Data & AI Beratung mit ruhrdot
Als offizieller Databricks-Partner begleiten wir dich von der Datenstrategie bis zur produktiven KI-Lösung.
Ab wann ist Lakeflow Designer produktiv?
Lakeflow Designer ist seit dem 16. Juni 2026 allgemein verfügbar (GA), angekündigt auf dem Data + AI Summit (Databricks-Blog, Azure-Release-Notes). Die im Editor gebauten Datenflüsse laufen auf produktionsreifem, über Unity Catalog verwaltetem Code. Eine Einschränkung bleibt: Für Workspaces mit aktiviertem Compliance Security Profile ist die Funktion laut Databricks noch nicht freigeschaltet („coming soon"). Vor dem ersten produktiven Einsatz sollten insbesondere zwei Punkte geklärt werden:
Mit dem GA-Status ist Lakeflow Designer für den produktiven Einsatz freigegeben. Der begrenzende Faktor ist damit nicht mehr der Reifegrad des Produkts, sondern das eigene Betriebsmodell. Für regulierte oder geschäftskritische Produktivstrecken bleibt entscheidend, dass die Guardrails (Unity Catalog, Cluster-Policies, FinOps-Tagging, Promotion-Workflow) stehen und bei Compliance-Workspaces die Freischaltung abgewartet wird. Ein abgegrenzter Pilot bleibt sinnvoll, um Rollen, Freigaben und Betriebsprozesse vor der breiten Einführung zu klären.
Für wen ist Lakeflow Designer gedacht?
Databricks positioniert Lakeflow Designer als Brücke zwischen Engineering und Rollen, die fachliche Ergebnisse verantworten und über technische Grundkenntnisse verfügen (sinngemäß analytisch-technische Profile mit gemischtem Skill-Level zwischen klassischer Pipeline-Entwicklung und Fachanalyse). Für die Einführung ist jedoch eine konkretere organisatorische Frage entscheidend: Welche Rollen dürfen Pipelines erstellen? Wer prüft die Ergebnisse und wer übernimmt den späteren Betrieb?
Drei Adressierungs-Muster sehen wir in der Beratung:
Diese Grenzen sind keine Argumente gegen Lakeflow Designer. Sie sind Argumente dafür, die Einführung als Operating-Model-Projekt zu behandeln statt als Tool-Beschaffung. Mit klaren Vorgaben und einer passenden Zielgruppe kann der Lakeflow Designer Entwicklung und Übergabe beschleunigen. Ohne geklärte Grenzen entsteht eine weitere schwer kontrollierbare Low-Code-Landschaft.
Fazit
Der Nutzen von Lakeflow Designer hängt wesentlich von den begleitenden Rollen, Standards und Betriebsprozessen ab.
Der Editor verwendet die etablierte Engine von Lakeflow Declarative Pipelines. Die Integration in Unity Catalog und Asset Bundles schafft eine gute Grundlage für Governance und Deployment. Die KI-Unterstützung kann die Erstellung wiederkehrender Transformationsschritte beschleunigen. Was der Lakeflow Designer nicht löst, ist die Frage, welche Rollen Pipelines erstellen, prüfen und produktiv verantworten.
Für komplexe und geschäftskritische Produktivpipelines sollte der codebasierte Ansatz weiterhin der Standard bleiben. Der größte Nutzen liegt im Entwurf und in der geregelten Übergabe an das Engineering-Team. Mit dieser Linie wird Lakeflow Designer eine sinnvolle Erweiterung des bestehenden Entwicklungs- und Betriebsmodells; ohne sie entsteht eine parallele Pipeline-Landschaft außerhalb der regulären Governance- und Deployment-Prozesse.
Lakeflow Designer als kontrollierten Entwicklungszugang für eine klar abgegrenzte Nutzergruppe mit Pflicht-Guardrails (UC, Cluster-Policies, FinOps-Tagging, Asset-Bundles-Export) einführen, für analytisch-technische Profile.
FAQ
Lakeflow Designer ist Databricks' visueller, KI-gestützter Editor für Datenpipelines. Anwender bauen Pipelines per Drag-and-Drop auf einer Leinwand, beschreiben Transformationen in natürlicher Sprache und sehen Schema und Lineage direkt im Editor. Der Lakeflow Designer läuft auf der Lakeflow-Declarative-Pipelines-Engine: gleiches Backend wie die Code-Variante, anderer Einstieg.
