Databricks SQL: Definition, Bausteine und Abgrenzung

Databricks SQL ist der Bereich der Databricks-Plattform, in dem Auswertungen und Berichte mit SQL (Structured Query Language, die klassische Datenbank-Abfragesprache) erstellt werden. Er bündelt einen SQL-Editor (Web-Oberfläche zum Schreiben von Abfragen), SQL Warehouses (die Rechenleistung dahinter), AI/BI Dashboards (fertige Berichte und Visualisierungen), Genie (natürlichsprachliche Fragen an die Daten) und Anschlüsse für externe Werkzeuge wie Power BI oder Tableau zu einem gemeinsamen Zugang auf die Tabellen des Unternehmens.

Was ist Databricks SQL?

Databricks SQL bezeichnet den Auswertungs- und Berichts-Bereich der Databricks-Plattform. Die Abfragesprache selbst heißt Spark SQL und ist Databricks-weit gleich, egal ob in Notebooks (interaktiven Programmier-Oberflächen), in geplanten Datenverarbeitungs-Jobs oder im SQL-Editor. Den eigenen Produktnamen gibt es, weil Databricks den Zugang für Analysten und Reporting-Anwender (dedizierte Rechenleistung, SQL-fokussierte Oberfläche, Dashboards, natürlichsprachliche Rückfragen) vom allgemeinen Arbeitsbereich für Data-Engineering und Machine Learning trennt. Bis 2021 hieß der Bereich „Databricks SQL Analytics"; die Kürzung auf „Databricks SQL" markierte die Neupositionierung als eigenständige, BI-nahe (Business-Intelligence-nahe) Umgebung auf dem Lakehouse, also einer Datenplattform, die Data Warehouse und Data Lake verbindet.

Die Kern-Bausteine sind der SQL-Editor als Web-UI für Abfragen, Query-Historie und geteilte Statements, SQL Warehouses als Compute-Objekte in den Klassen Classic, Pro und Serverless, AI/BI Dashboards als native Reporting-Schicht, Genie als Natural-Language-Query-Layer sowie Alerts und Query-Snippets. Für externe BI-Werkzeuge (Power BI, Tableau, Looker, Qlik) stellt Databricks SQL einen dedizierten SQL-Connector bereit, der auf denselben Warehouses arbeitet wie die nativen Oberflächen. Die Databricks-Dokumentation fasst diese Bausteine als „SQL-Analysen und Reporting direkt auf dem Lakehouse" zusammen.

Engine, Sprache und Storage sitzen unter allen Zugriffswegen gleich. Photon führt die unterstützten SQL-Operatoren aus, die JVM-Spark-Runtime fängt Operatoren ab, die Photon nicht abdeckt. Der SQL-Dialekt ist Spark SQL mit ANSI-Modus als Default; die Databricks SQL Language Reference dokumentiert SELECT, JOIN, Window Functions, CTEs, MERGE und Time-Travel-Abfragen über Delta-Tabellen sowie Erweiterungen für semi-strukturierte Daten und AI Functions wie ai_query oder ai_translate. Die Daten liegen als Delta-Tabellen im Cloud-Objektspeicher; Unity Catalog liefert Berechtigungen, Zeilenfilter, Spaltenmasken und Lineage transitiv für alle SQL-Zugriffe. Ein und dieselbe Berechtigungsregel wirkt gleichzeitig im SQL-Editor, in einem Dashboard, in einem Genie Space und in einer Power-BI-Abfrage über den Connector.

Betrieblich starten und stoppen SQL Warehouses unabhängig voneinander, die Datenbasis bleibt am selben Speicherort. Serverless Warehouses starten in wenigen Sekunden und sind Voraussetzung für den vollen Feature-Umfang, darunter die KI-Erläuterungen in AI/BI Dashboards, Genie in produktionsnaher Latenz sowie Predictive Optimization für Query-Layouts. Classic und Pro laufen im Cloud-Konto des Kunden und werden dort dort verwendet, wo Netzwerk-, Compliance- oder Cost-Governance-Anforderungen ein serverloses Compute-Modell ausschließen.

Abgrenzung zu SQL Warehouses, Notebook-SQL, Dashboards und Databricks One

Databricks SQL wird häufig mit den darunterliegenden Compute-Objekten, dem allgemeinen SQL im Workspace, den darauf laufenden Reporting-Komponenten oder mit der Konsum-Oberfläche vermischt. Die Abgrenzung verläuft entlang von zwei Achsen: Rolle im Stack (Analytics-Bereich versus Compute versus Reporting-Komponente) und Adressat (SQL-Nutzer versus Business-User).

Begriff	Achse	Kernunterschied
SQL Warehouses	Stack-Position	SQL Warehouses sind die Compute-Ausprägung (Classic, Pro, Serverless), auf der Databricks SQL läuft. Databricks SQL ist der übergeordnete Analytics-Bereich mit Editor, Dashboards, Genie und Alerts darauf.
Notebook-SQL im Workspace	Rolle	%sql-Zellen in Notebooks nutzen denselben Spark-SQL-Dialekt auf denselben Tabellen, laufen aber auf All-Purpose- oder Job-Compute und ohne BI-Bausteine. Ihr Einsatzfeld sind Data-Engineering- und ML-Workflows.
Spark SQL / Databricks SQL Language	Stack-Position	Spark SQL ist die Sprache; Databricks SQL das Produkt, das diese Sprache in einer BI-nahen Oberfläche verfügbar macht. Der Dialekt gilt auch außerhalb des Produktbereichs.
AI/BI Dashboards	Stack-Position	AI/BI Dashboards ist die Reporting- und Visualisierungs-Komponente auf einem SQL Warehouse und damit eine Komponente innerhalb des Analytics-Bereichs Databricks SQL.
Databricks One / Genie One	Adressat	Databricks One ist die Konsum-Oberfläche für Business-User; sie zeigt Dashboards, Spaces und Apps an, die auf Databricks SQL als Analytics-Bereich aufsetzen. Sie ist selbst keine SQL-Umgebung.

Am folgenreichsten ist die Trennung zwischen Produktbereich und Compute-Objekt. „Databricks SQL läuft auf SQL Warehouses" beschreibt die Beziehung sauber: Der Analytics-Bereich ist das Dach, das Warehouse die Rechenleistung, die Dashboards und Genie sind die aufgesetzten Reporting-Komponenten.

Beispiel: BI-Zugang in einem Handelsunternehmen

Ein Handelsunternehmen betreibt seine BI auf Delta-Tabellen im Unity Catalog. Analysten schreiben ihre Abfragen im SQL-Editor von Databricks SQL gegen ein Serverless SQL Warehouse namens „bi-analysten-prod" und speichern die Statements für Wiederverwendung. Ein AI/BI Dashboard „Vertriebsbericht DACH" nutzt dasselbe Warehouse als Compute-Basis und zeigt Umsatz, Auftragslage und Margen nach Region. Daneben liegt ein Genie Space „Umsatz-Fragen", in dem Fachanwender Rückfragen in natürlicher Sprache stellen; der Space greift auf dieselben Tabellen zu. Power BI ist über den Databricks-SQL-Connector im DirectQuery-Modus an ein zweites Warehouse „bi-powerbi-prod" angebunden, das bestehende DAX-Modelle in Berichten und SharePoint-Distribution versorgt.

Alle vier Zugriffswege (SQL-Editor, Dashboard, Genie Space, Power BI) laufen über den Databricks-SQL-Bereich, nutzen Delta-Tabellen als Datenbasis und lesen Unity-Catalog-Berechtigungen. Photon beschleunigt Scans, Joins und Aggregationen im Warehouse. Notebooks, Jobs und die ML-Umgebung des Data-Teams bleiben davon getrennt und laufen im vollen Workspace. Databricks One zeigt Fachanwendern die freigegebenen Dashboards, Spaces und Apps in einer reduzierten Ansicht, ohne dass diese den SQL-Editor oder die Warehouse-Konfiguration sehen.