lavalake-Dokumentation

Was die Plattform ist, wie sie aufgebaut ist und wie sie startet.

• WillkommenWas lavalake ist, woraus es besteht und für wen es gebaut wurde: ein selbst betriebenes Lakehouse mit Governance, Suche und KI-Assistent in einer Installation.
• ArchitekturDie Dienste einer lavalake-Installation und ihr Zusammenspiel: Gateway, Konsole, Agent, Keycloak, Trino, Iceberg, Nessie, SeaweedFS, PostgreSQL und das lokale Einbettungsmodell.
• SchnellstartDie vollständige Plattform in wenigen Minuten auf einem Rechner: Docker Compose, ein Skript, eine Adresse. Ohne Kubernetes, ohne Cloud-Schlüssel.
• Die KonsoleRundgang durch die Arbeitsbereiche der Konsole: Arbeitsbereich, Daten, KI & Semantik, Betrieb und Verwaltung – und wofür jeder Menüpunkt zuständig ist.

Die Entscheidungen dahinter: Rechte, Suche und der Agent.

• Governance & IdentitätDelegierte Identität, Zeilen- und Spaltenrichtlinien, das WORM-Audit-Protokoll und die Datenherkunft: wie lavalake Zugriff regelt und nachweisbar macht.
• Semantik & SucheKennzahlen und Semantische Sichten, dazu Vektor-, Stichwort- und Hybridsuche mit lokalem Einbettungsmodell – und warum Richtlinien auch für Treffer gelten.
• Der KI-AssistentWie der eingebaute Agent arbeitet: delegierte Rechte, geprüfte Werkzeuge hinter der Kette Gate–Audit–Ausführung, Rückfragen bei Veränderungen und der eigene MCP-Server.

Aufgaben, Schritt für Schritt.

• Daten importierenDie Wege in das Lakehouse: Excel, CSV und Dokumente, Datenbanken, SAP Business One und S/4HANA, DATEV-Dateien, Dokumente, MCP-Ingestion und der Datei-Crawler – mit Assistent statt Konfigurationsdatei.
• SQL-AbfragenDas Arbeitsblatt über Trino: Objekte finden, Iceberg-Tabellen abfragen, in der Zeit zurückgehen und Sichten anlegen, die BI-Werkzeuge einbinden können.
• Mit lavaflow automatisierenQuellen verbinden, Daten aufbereiten, Pyro einsetzen und Abläufe testen und veröffentlichen. Ein Einstieg in den visuellen Workflow-Editor von lavalake.
• KI-Anbindung einrichtenDas Sprachmodell hinter dem Chat wählen: Anbieter-Schlüssel, selbst betriebenes Modell oder Anmeldung mit eigenem Claude-Konto – und was das für Ihre Daten bedeutet.

Fremde Werkzeuge an das Lakehouse anschließen.

• Tableau & Power BIDer lesende HTTP-Feed für Tableaus REST API Connector: einschalten, anmelden, Datenquellen-URL bauen – unter der Kennung des Analysten, vollständig auditiert.
• HTTP-API des BI-FeedsEndpunkte, Parameter, Antwortform und Fehlercodes des lesenden Datenfeeds – mit Beispielen für curl, Python, C# und PowerShell.

Installieren, konfigurieren, betreiben.

• Compose betreiben: Installation, Wartung und SicherungDen Compose-Stapel mit Ansible installieren, Iceberg warten, Datenbanken sichern und Abfragen in Leistungsklassen einteilen – mit den Grenzen der aktuellen Version.
• DimensionierungWie groß die Maschine sein muss: gemessene Werte einer Referenzanlage, die Aufteilung des Arbeitsspeichers und die Regel, ab wann eine zweite Maschine hilft.
• Installation auf KubernetesDer Weg für den Betrieb: das Helm-Umbrella-Chart, die drei Skripte für Cluster, Realm und Nachweis – und der Gleichschritt beim Token-Aussteller.
• KonfigurationDie Umgebungsvariablen des Agent-Dienstes: Pflichtangaben, Sicherheitsschalter, Einbettungen, Audit-Archivierung – und was passiert, wenn eine fehlt.