--- title: "Databricks-Datenkatalog & Konnektor | Dawiso" description: "Der Databricks-Konnektor von Dawiso macht Ihren Workspace zum durchsuchbaren Datenkatalog: Unity-Catalog-Tabellen, Views, Volumes, mit Lineage. Nur lesend." url: "https://www.dawiso.com/de/connectors/databricks" language: "de" --- Konnektor für Data Lakehouse # Der Datenkatalog für Databricks, dem Ihr ganzes Team vertrauen kann. Der Dawiso-Databricks-Datenkatalog macht jedes Unity-Catalog-Schema, jede Tabelle, jede View und jedes Volume zu einem durchsuchbaren Inventar, mit Lineage auf Tabellen- und Spaltenebene bis in jedes nachgelagerte BI-Dashboard. [Demo buchen](https://www.dawiso.com/de/book-a-dawiso-demo) [Zur Dokumentation](https://help.dawiso.com/actual/databricks/) Live-Konnektor Stabiler Konnektor Databricks Dawiso Nur Metadaten · Ihre Daten verlassen die Quelle nie **Typ** Data-Lakehouse-Plattform **Auth** Personal Access Token (PAT) **Sync** Geplant, inkrementell **Richtung** Nur lesend · Metadaten Zuerst das Wichtigste ## Was ist ein Konnektor? Nur Metadaten Nur lesender Zugriff Inkrementeller Sync Systemübergreifende Lineage Ein Konnektor ist die Brücke zwischen einem Werkzeug in Ihrem Stack und dem Katalog, der Ihnen einen einheitlichen Blick darauf gibt. Ist ein Konnektor eingerichtet, greift er nach Zeitplan auf das Quellsystem zu, liest die *Metadaten* aus - Schemas, Tabellen, Dashboards, Jobs, Verantwortlichkeiten, Data Lineage - und bildet sie im Katalog ab. Ihre eigentlichen Zeilen und Werte bleiben, wo sie sind. Konnektoren sind der Grund, warum ein Datenkatalog Fragen wie *„Welches Power-BI-Dashboard hängt von dieser Snowflake-Tabelle ab?“* oder *„Wer verantwortet das orders-Topic in Kafka?“* beantworten kann - automatisch, ohne dass jemand eine Excel-Liste pflegen muss. Drei Eigenschaften unterscheiden einen guten Konnektor von einem brüchigen: Er sollte **nur lesend und sicher** sein, er sollte **inkrementell** arbeiten, damit nicht bei jeder Aktualisierung ein vollständiger Neuscan nötig ist, und er sollte **Data Lineage über Systemgrenzen hinweg auflösen**, nicht nur innerhalb eines Werkzeugs. Über die Plattform ## Was ist Databricks? Databricks ist die Data-Lakehouse-Plattform, die Warehousing, Data Engineering und KI auf einer Grundlage vereint. Teams im Handel, in Banken und in der Pharmaindustrie betreiben darauf ihre Analysen, ihre ML-Pipelines und ihre GenAI-Workloads, auf Delta-Lake-Tabellen, die Unity Catalog steuert. Unity Catalog deckt ab, was innerhalb von Databricks liegt. Schwierig ist alles andere: die vorgelagerte Snowflake-Tabelle oder das Kafka-Topic, aus dem die Tabelle gespeist wurde, der Power-BI-Bericht, der sie nachgelagert nutzt, das Business Glossary, für das der Data Steward verantwortlich ist. Genau dort setzt der Dawiso-Databricks-Datenkatalog an: nur Metadaten, plattformübergreifend, und mit der Möglichkeit, das kuratierte Ergebnis nach Unity Catalog zurückzuschreiben. 10.000+ Unternehmenskunden 60 % der Fortune 500 AWS · Azure · GCP Multi-Cloud Architektur ## So verbindet sich Dawiso mit Databricks Eine kleine, nur lesende Rolle aufseiten von Databricks. Der Dawiso-Scanner holt die Metadaten nach Zeitplan. Alles landet in Ihrem Katalog, fachlich lesbar. Quelle ### Databricks Workspace - Unity Catalog Metastore - Delta-Tabellen, Views - Volumes - Lineage auf Tabellen- und Spaltenebene REST · JDBC Dawiso-Scanner ### Metadatenzugriff nur lesend - Schema- und Objekterkennung - Auflösung von Abhängigkeiten - SQL-Flow-Parsing (optional) - Sampling nach Opt-in Intern Katalog ### Dawiso-Plattform - Durchsuchbare Metadaten - Data Lineage und Verantwortlichkeiten - Business Glossary - Richtlinien und Klassifizierungen Verbindungsdetails **Protokoll** Databricks SQL + Unity Catalog REST API **Authentifizierung** Personal Access Token; Service Principal wird unterstützt **Lineage** Die Systemtabellen von Unity Catalog (system.access.table_lineage, column_lineage) liefern Lineage auf Tabellen- und Spaltenebene. Einrichtung ## Databricks in 4 Schritten verbinden 1. 01 ### Service Principal bereitstellen Legen Sie einen Databricks Service Principal an, mit USE_CATALOG und SELECT auf jedem Catalog, den Dawiso lesen soll, dazu Zugriff auf die Lineage-Tabellen unter system.access.\*. Mehr braucht das Scannen nicht. Writeback nach Unity Catalog und die Bereitstellung über Access Gate sind optional und brauchen Schreibrechte auf den Objekten, die sie berühren. 2. 02 ### PAT erzeugen Erzeugen Sie für den Service Principal ein Personal Access Token. Hinterlegen Sie es im Verbindungstresor von Dawiso; es verlässt die Plattform nie. 3. 03 ### Verbinden und Catalogs wählen Tragen Sie Workspace-URL und PAT in Dawiso ein. Wählen Sie die zu erfassenden Unity Catalogs in einer kommagetrennten Liste. 4. 04 ### Ingestion starten Der geplante inkrementelle Sync hält den Katalog aktuell. Die Lineage auf Spaltenebene wird in den Databricks-Tarifen Premium und Enterprise aus Unity Catalog ermittelt. Funktionen ## Das bekommen Sie mit dem Konnektor für Databricks - ### Spiegel des Unity Catalog Jeder Catalog, jedes Schema, jede Delta-Tabelle und jede View ist durchsuchbar, mit Spaltenbeschreibungen, Datentypen, Tags und dem Job, der sie gebaut hat. - ### Lineage auf Spaltenebene Plattformübergreifende Lineage von einem Power-BI-Visual über die DLT-Pipelines in Databricks bis hinunter zur rohen Bronze-Tabelle. - ### Unity-Catalog-Tags im Kontext Objekt-Tags, die in Unity Catalog vergeben wurden, werden in Dawiso eingelesen. So bleibt der Kontext zu Maskierung und Zeilenfiltern neben dem Katalog sichtbar. Nur lesend, nur Metadaten. - ### PII-Klassifizierung Klassifizieren Sie eine Spalte einmal. Dawiso markiert jede Databricks-Spalte mit E-Mail-Adresse, IBAN oder amtlichen Ausweisnummern über alle Catalogs hinweg. - ### Verantwortung und Zertifizierung Markieren Sie Tabellen als zertifiziert, veraltet oder in Prüfung. Verantwortliche sind direkt im Katalog und auf der Databricks-Seite sichtbar. Geschäftlicher Nutzen ## Warum Teams den Konnektor für Databricks aktivieren - -70 % ### Weniger Rückfragen nach der richtigen Tabelle Analysten finden die zertifizierte Gold-Delta-Tabelle in Dawiso, statt beim Datenteam zu fragen, welche Silver-Tabelle auf den Umsatz abbildet. - 8x ### Schnellere Auswirkungsanalyse Bevor Sie eine Databricks-Spalte ändern, sehen Sie genau, welche Jobs, BI-Berichte und ML-Features von ihr abhängen. Stunden statt Tage. - Prüfbereit ### Nachweise für DSGVO und DORA Sensible Spalten werden einmal klassifiziert, und die Richtlinie folgt ihnen durch Delta-Tabellen, Joins und nachgelagertes BI, mit vollständigem Audit-Trail. ## Bereit, Ihr Databricks zu katalogisieren? Den Konnektor richten Sie an einem Nachmittag ein. Ihren ersten Lineage-Graph sehen Sie noch am selben Tag. [Demo buchen](https://www.dawiso.com/de/book-a-dawiso-demo) [Zur Dokumentation](https://help.dawiso.com/actual/databricks/) ## Häufige Fragen Noch Fragen? [Sprechen Sie mit unserem Team ->](https://www.dawiso.com/contact-us) **Was ist ein Datenkatalog in Databricks?** Databricks steuert Daten innerhalb der Plattform über Unity Catalog. Dawiso ergänzt das um einen fachlich orientierten, plattformübergreifenden Katalog: Es liest Unity-Catalog-Metadaten ein, verbindet Tabellen über Lineage auf Spaltenebene mit BI und Quellsystemen und schreibt das kuratierte Ergebnis zurück. **Was ist der Unterschied zwischen Catalog und Metastore in Databricks?** In Databricks ist der Metastore der oberste Container; ein Catalog ist die erste Ebene innerhalb von Unity Catalog (Catalog > Schema > Tabelle). Dawiso liest Unity-Catalog-Metadaten, ergänzt plattformübergreifende Lineage und ein Glossar, das über Databricks hinausreicht, und kann kuratierte Metadaten nach Unity Catalog zurückschreiben. **Wozu dient ein Datenkatalog?** Ein Datenkatalog macht jede Databricks-Tabelle auffindbar, dokumentiert und vertrauenswürdig. Dawiso macht aus Unity-Catalog-Metadaten einen durchsuchbaren Katalog für das ganze Unternehmen, mit Lineage zurück bis zur Quelle. **Welche Berechtigungen braucht Dawiso in Databricks?** Einen eigenen Service Principal mit USE_CATALOG und SELECT auf jedem Catalog, den Dawiso liest, dazu SELECT auf das Schema system.access.\* für die Lineage. Das Scannen ist nur lesend. Zwei optionale Funktionen schreiben: das Writeback nach Unity Catalog, das Tags oder Eigenschaften auf den von Ihnen gewählten Objekten setzt, und die Bereitstellung über Access Gate, die einen genehmigten Zugriff tatsächlich einräumt. Beide brauchen Schreibrechte auf den betroffenen Objekten, und keine von beiden berührt Daten auf Zeilenebene. **Kopiert Dawiso unsere Databricks-Daten?** Nein. Dawiso fragt die Metadaten-APIs von Unity Catalog und das Schema system.access ausschließlich nach Metadaten ab. Die Daten auf Zeilenebene bleiben in Databricks. Profiling und Sampling von Spalten sind pro Datenquelle optional. **Wie entsteht die Lineage auf Spaltenebene?** Die Abhängigkeiten von Objekten und Spalten stammen aus den Systemtabellen system.access.table_lineage und system.access.column_lineage. Verfügbar in den Databricks-Tarifen Premium und Enterprise. **Funktioniert Dawiso mit Metastores auf Workspace-Ebene?** Der unterstützte Weg ist Unity Catalog, also der Metastore auf Account-Ebene. Ältere Metastores auf Workspace-Ebene werden im Kompatibilitätsmodus gelesen, ohne Lineage. ## Weitere Konnektoren entdecken Databricks ist einer von über 30 Konnektoren. Bringen Sie Ihren gesamten Stack in den Katalog. - [Data Warehouse Snowflake](https://www.dawiso.com/connectors/snowflake) - [Business Intelligence Power BI](https://www.dawiso.com/connectors/power-bi) - [Business Intelligence Tableau](https://www.dawiso.com/connectors/tableau) - [Data Warehouse Google BigQuery](https://www.dawiso.com/connectors/google-bigquery) - [Data Warehouse Amazon Redshift](https://www.dawiso.com/connectors/amazon-redshift) - [Datenbank PostgreSQL](https://www.dawiso.com/connectors/postgresql) [Alle Konnektoren ansehen](https://www.dawiso.com/de/connectors)