Zum Inhalt springen
MCP-Server eingebautWie das funktioniert
lavalake
Cloud-Komfort. Eigene Infrastruktur.

Datencloud für KI & Analytics.
Im eigenen Rechenzentrum.

Fragen Sie Ihre Unternehmensdaten mit KI, SQL und Dashboards ab. Daten, Suche und Zugriffsrechte bleiben auf Ihrer eigenen Infrastruktur.

Live-Demo buchenProduktablauf ansehen
KI
Fragen stellen, Wissen finden, Dashboards erstellen
MCP
Eigene Agenten mit Ihren Daten verbinden

KI in der Praxis

Was Ihr Assistent mit lavalake tun kann

Fragen stellen. Mit Daten weiterarbeiten.

Der Assistent kann Daten erkunden, definierte Kennzahlen abfragen und Dashboards anlegen. Sie arbeiten in natürlicher Sprache; die Werkzeuge führen die Schritte unter Ihrer Identität aus. Das Beispiel zeigt einen möglichen Ablauf mit einer zuvor definierten Umsatzkennzahl.

Zur Dokumentation
  1. 1

    Frage stellen

    Wie entwickelt sich unser Umsatz nach Region?

    Der Assistent fragt eine zuvor definierte Kennzahl ab.

  2. 2

    Dashboard freigeben

    Erstelle daraus ein Dashboard.

    Sie prüfen die vorgeschlagene Änderung und bestätigen sie.

  3. 3

    Gemeinsam auswerten

    Eine Ansicht für Ihr Team

    Jede Kachel rechnet unter den Rechten der jeweiligen Betrachter.

Die KI-Datenplattform

Für Agenten gebaut, nicht nachgerüstet.

Daten erschließen, Antworten finden und Zugriffe kontrollieren – in einer gemeinsamen Plattform.

MCP & KI

Von der Frage zum Dashboard

Fragen Sie Kennzahlen ab und erstellen Sie Dashboards in natürlicher Sprache. Auch eigene Agenten greifen über MCP zu.

  • Eigene Modellwahl
  • Änderungen erst nach Ihrer Freigabe
Mehr erfahren: Von der Frage zum Dashboard →

Governance

Ihre Rechte gelten auch für Ihre KI

Menschen und Agenten arbeiten unter denselben Berechtigungen. Zugriffe und Änderungen bleiben nachvollziehbar.

  • Zeilenfilter und Spaltenmaskierung
  • Protokollierte Aktionen und Datenherkunft
Mehr erfahren: Ihre Rechte gelten auch für Ihre KI →

Daten reinholen

Unternehmensdaten für KI erschließen

Führen Sie Datenbanken, Dateien und Dokumente im Lakehouse zusammen. Assistenten begleiten den Import.

  • Import aus Datenbanken, CSV, PDF und Word
  • Kontinuierliche IngestionIn Entwicklung
Mehr erfahren: Unternehmensdaten für KI erschließen →

Architektur

Cloud-Komfort für Daten und KI. Auf Ihrer Infrastruktur.

Eine Web-Konsole für Datenimport, SQL, Suche, KI-Assistenz und Dashboards. Darunter liegt ein offenes Iceberg-Lakehouse mit getrenntem Storage und Compute. Sie betreiben die Plattform in Ihrem Rechenzentrum, wählen Ihr KI-Modell und behalten Ihre Daten in offenen Formaten.

Der Referenzbetrieb läuft als Docker-Compose-Stapel auf einer Maschine; Ansible bereitet Installation und Updates auf Debian/Ubuntu vor. Der Kubernetes-Weg per Helm hat noch offene Betriebspunkte, darunter die Richtlinien-Anbindung. Hochverfügbarkeit und vollständig abgeschotteter Betrieb bleiben geplant.

Architektur und technische Details ansehen
Eine Plattform, ein Rechtemodell: Jeder Zugriff – ob Mensch, Agent oder BI-Werkzeug – läuft durch dieselbe Identität und denselben Nachweis.
01

Zugang

Konsole (SPA) · SQL-Worksheet · Dashboards · KI-Assistent · MCP-Server – alles hinter einem Reverse-Proxy

02

Identität & Governance

Keycloak OIDC · Token Exchange nach RFC 8693 · Row-Access- und Masking-Policies · WORM-Audit · Lineage

03

Compute

Trino unter Ihrer Identität · Leistungsklassen S, M und L im Compose-Stapel

04

Katalog & Tabellenformat

Apache Iceberg mit Nessie: ACID · Time Travel · Branching · Schema Evolution · offen für Spark, Flink, Trino

05

Storage & Index

S3-kompatibel (MinIO, Ceph, NetApp StorageGRID, Dell ECS) · PostgreSQL mit pgvector als Vektorindex

Wenn Sie ein Cloud-Warehouse kennen

Die Konzepte bleiben, die Rechnung ändert sich. Was noch fehlt, steht dabei.

Proprietäres Tabellenformat
Apache Iceberg mit Nessie (offen, versioniert)
Web-Oberfläche für Abfragen
Konsole mit SQL-Worksheet und Datenbrowser
Rollen und Zeilenfilter
Policies in Trino, unter delegierter Identität
Zugriffshistorie und Herkunft
WORM-Audit-Log, Lineage und Access History
Volltext- und Vektorsuche
Hybride Suche mit lokalem Einbettungsmodell
KI-Funktionen des Anbieters
MCP-Server · Modell Ihrer Wahl
Virtuelles Warehouse
Elastische Compute-ClusterIn Entwicklung
Geplante Tasks
Regeltermine für Berichte, Schwellwert-Alerts und Iceberg-Wartung
Streams
Continuous Ingest und CDCIn Entwicklung
Credit-Abrechnung
Feste Subskription

Kosten

Mehr Fragen. Mehr KI. Keine Credits pro Datenabfrage.

Planbare Plattformkosten statt Credits pro Abfrage. Finden Sie heraus, was Sie mit lavalake auf eigener Infrastruktur sparen können – inklusive Hardware, Strom und Betrieb.

3.000 €300.000 €

Keine Credits

Feste Subskription nach vCPU und Support statt Query-Credits. Abfragen von Menschen und Agenten nutzen Ihre Rechenkapazität, ohne einzelne Verbrauchseinheiten abzurechnen.

Kein Egress

lavalake erhebt keine Egress-Gebühren auf Ihre Daten. Kosten Ihrer Infrastruktur, Netzanbindung und angebundener Anbieter planen Sie separat ein.

Hardware, die Sie schon haben

lavalake läuft auf Ihrem bestehenden Kubernetes und Ihrem S3-kompatiblen Storage. Bereits abgeschriebene Kapazität wird weitergenutzt.

Kalkulierbare Planung

Kosten hängen an Cluster-Größe und Laufzeit, nicht am Nutzungsverhalten. Ihre Fachbereiche dürfen wieder frei auswerten.

Monatlicher Vergleich

81 % günstiger
Cloud-Warehouse heute45.000 €
lavalake on-prem8.768 €
Subskription lavalake
1.250 €
Hardware-Amortisation
3.500 €
Betrieb & Administration
1.913 €
Strom, inklusive Kühlung und Verluste
812 €
Speicher, Netz, Redundanz, Sicherung
1.294 €

Modellannahme: 6 Server, 48 vCPU · Business

Annahmen und Kosten im Detail prüfen →

Ersparnis über 3 Jahre

1.304.343 €

Modellrechnung der laufenden Kosten. Migration, Parallelbetrieb, Stellfläche und KI-Modelle kalkulieren wir für Ihren konkreten Fall separat.

TCO-Analyse anfragen
Quellen zur Einordnung

  • rund die Hälfte

    Andreessen Horowitz schätzt, dass die Rückholung von Cloud-Workloads die Gesamtkosten etwa halbiert. Eine Schätzung, keine Erhebung – und für Software-Unternehmen im großen Maßstab gerechnet.

    a16z, The Cost of Cloud, a Trillion Dollar Paradox, 2021

  • 2 Mio. $ pro Jahr

    37signals hat seinen Cloud-Ausstieg öffentlich aufgeschlüsselt: 3,2 Mio. $ Jahresausgaben, danach rund 2 Mio. $ weniger pro Jahr bei 700 Tsd. $ Hardware-Einkauf. Ein Einzelfall mit echten Rechnungen, kein Data Warehouse.

    37signals, Cloud Exit, 2024–2025

Souveränität

KI auf sensiblen Daten. Mit klaren Grenzen.

Wer KI mit Unternehmensdaten arbeiten lässt, muss Zugriffe und Datenwege kontrollieren können. Bei lavalake gelten dieselben Rechte für Menschen und Agenten. Sie entscheiden, welches Modell Sie anbinden: selbst gehostet in Ihrem Netz oder bei einem externen Anbieter.

Sie wählen, wo Ihre KI läuft

  • Lakehouse und lokale Suche bleiben in Ihrem Netz; bei externen KI-Anbietern werden Gesprächsinhalte und verwendete Werkzeugergebnisse dorthin übertragen
  • Kein Zugriff des Herstellers auf Inhalte oder Metadaten
  • Das Einbettungsmodell läuft lokal mit; semantische Suche braucht keinen Cloud-Schlüssel
  • Vollständig abgeschotteter Betrieb einschließlich Installation und UpdatesIn Entwicklung

Nachweisbar statt behauptet

  • WORM-Audit-Log als Hash-Kette über Nutzer und Agenten
  • Lineage von der Quelle bis zur Kennzahl, Zugriffshistorie je Tabelle
  • Jede Abfrage unter der Identität des Anmeldenden, kein Sammel-Serviceaccount
  • Klassifizierung von Tabellen und Spalten mit bestätigten Vorschlägen, ohne Datenwerte an das Modell zu senden
  • Auskunfts-, Lösch- und Aufbewahrungsabläufe für personenbezogene DatenIn Entwicklung

Betrieb

  • Docker Compose für eine Maschine, Ansible für Installation und Updates; Helm als Kubernetes-Weg
  • Alles hinter einem Reverse-Proxy; Trino und Storage sind von außen nicht erreichbar
  • Tägliche Sicherung der Datenbanken und Konfiguration im Compose-Stapel; Lakehouse-Dateien separat sichern
  • Hochverfügbarkeit, zentraler Observability-Stack und Secrets über VaultIn Entwicklung
Governance im Detail →

Anwendungsfälle

KI und Analytik dort, wo Ihre Daten sind

Referenzarchitektur anfragen
KI-Anwendungen

Vom Unternehmenswissen zur Antwort

Assistenten finden Dokumente, fragen kuratierte Kennzahlen ab und erstellen Dashboards. Über MCP greifen auch eigene Agenten auf diese Werkzeuge zu – unter den Rechten des Nutzers und mit protokollierten Aktionen.

Suche, Kennzahlen und Dashboards über MCP

Fertigung

Maschinendaten und ERP in einer Auswertung

Telemetrie aus der Produktion trifft auf SAP-Aufträge – ohne Sensordaten in eine Public Cloud zu spiegeln. Ausschussanalysen laufen auf demselben Cluster wie das Controlling.

Produktion und ERP gemeinsam auswerten

Finanzdienstleistungen

Risikoberechnung mit prüfbarer Herkunft

Meldewesen und Risikomodelle greifen auf versionierte Iceberg-Tabellen zu. Time Travel liefert jeden Stichtag reproduzierbar, Lineage beantwortet die Frage der Aufsicht.

Historische Datenstände nachvollziehen

Gesundheitswesen

Klinische Auswertung im eigenen Netz

Behandlungs- und Abrechnungsdaten bleiben im Haus, Auswertung und KI-Assistenz laufen darauf. Rollen und Masking sorgen dafür, dass jede Abteilung nur ihren Ausschnitt sieht.

Masking greift in der Engine, nicht in der Oberfläche

Handel

Eine Kennzahl statt vier Exporte

Filialdaten kommen aus den Vorsystemen ins Lakehouse, Disposition und Marketing rechnen auf denselben kuratierten Kennzahlen der Semantikschicht statt auf jeweils eigenen Auszügen.

Eine Metrikdefinition für alle Auswertungen

Öffentlicher Sektor

Fachverfahren auswertbar machen

Daten aus getrennten Fachverfahren werden zusammengeführt, ohne den Rechtsrahmen zu verlassen. Betrieb im Landesrechenzentrum, Auswertung per Self-Service.

Betrieb im Landesrechenzentrum

Migration

Vier Wochen, dann ist Ihr Cloud-Abonnement Schnee von gestern

Migration heißt bei uns nicht Neubau. Tabellen kommen als Iceberg herüber, Rollen und Rechte werden in Keycloak und die Trino-Policies übertragen. Beide Systeme laufen parallel, bis die Ergebnisse abgeglichen sind.

  1. Woche 1

    Bestandsaufnahme

    Wir lesen Ihre bestehenden Warehouse-Metadaten ein: Tabellen, Views, Rollen, Query-Historie und Kostenverteilung. Ergebnis ist ein Migrationsplan mit belastbarer TCO-Rechnung.

  2. Woche 2

    Installation

    lavalake wird per Helm-Chart auf Ihrem Cluster installiert und an Ihren S3-kompatiblen Storage, Ihr AD und Ihr Monitoring angebunden. Kein neuer Hardware-Einkauf nötig.

  3. Woche 3

    Daten und Pipelines

    Tabellen werden als Iceberg übernommen, Abfragen gegen Trino nachgezogen. Beide Systeme laufen parallel, bis die Ergebnisse Zeile für Zeile übereinstimmen.

  4. Woche 4

    Umschalten

    BI-Verbindungen zeigen auf lavalake, Rollen und Zeilenfilter sind übernommen, Berichte werden gegen die Altwerte validiert. Danach wird das Cloud-Abonnement gekündigt.

Preise

Subskription statt Verbrauchszähler

KI-Assistent, MCP-Server, Suche und Governance sind in jeder Stufe enthalten. Der Preis richtet sich nach zugeteilten vCPU und Support – nicht nach der Zahl Ihrer Datenabfragen. Kosten für externe KI-Anbieter oder selbst gehostete Modelle planen Sie separat ein.

Ihre Daten liegen auf Ihrem Speicher. Die Subskription richtet sich nach zugeteilten vCPU und Support; die Datenmenge wird nicht separat berechnet.

Team

249 €

pro Monat, bis 8 vCPU

Für das erste produktive Warehouse eines Fachbereichs: vollständiger Funktionsumfang auf einer Maschine, und jemand, der antwortet.

  • Iceberg-Lakehouse auf Ihrem Storage
  • SQL-Worksheet, Import-Assistent und Dashboards
  • MCP-Server, hybride Suche und Kennzahlen
  • Bis 8 vCPU
  • Bis 10 Nutzer
  • Support per Ticket, Antwort am Werktag
Testzugang anfragen

Growth

549 €

pro Monat, bis 24 vCPU

Wenn das Warehouse aus dem Fachbereich herauswächst: dreifache Rechenleistung und keine Nutzergrenze mehr.

  • Derselbe Funktionsumfang wie Team
  • Bis 24 vCPU
  • Unbegrenzte Nutzer
  • Support per Ticket, Antwort am Werktag
Angebot anfragen

Business

1.250 €

pro Monat, bis 64 vCPU

Für mehrere Fachbereiche auf einer Plattform: der Cluster wächst, die Nutzerzahl ist offen, die Reaktionszeit ist zugesagt.

  • Derselbe Funktionsumfang wie Team
  • Bis 64 vCPU
  • Unbegrenzte Nutzer
  • Support 8/5 mit zugesagter Reaktionszeit
Angebot anfragen
Empfohlen

Enterprise

2.499 €

pro Monat, pro Cluster

Für den produktiven Betrieb mit mehreren Fachbereichen: unbegrenzte Rechenleistung und Tickets, die vor allen anderen bearbeitet werden.

  • Derselbe Funktionsumfang wie Team
  • Unbegrenzte vCPU
  • Support 8/5 mit zugesagter Reaktionszeit
  • Priorisierte Ticket-Bearbeitung
Angebot anfragen

Sovereign

individuell

Regulierte Umgebungen

Für Unternehmen und Institutionen mit besonderen Auflagen: getrennter Betrieb, Offline-Updates, Quellcode-Treuhand und Vor-Ort-Betreuung.

  • Betrieb ohne InternetverbindungIn Entwicklung
  • Secrets über Vault oder External SecretsIn Entwicklung
  • Quellcode-Treuhand (Escrow)
  • Vor-Ort-Einsätze
  • Unterstützung bei Zertifizierungen
Gespräch vereinbaren

60 Millionen Zeilen, rund 50 simulierte Analysten – auf einer Maschine mit 6 vCPU und 24 GB RAM. Unser dokumentierter Belastungstest zeigt, was auf kompakter Hardware möglich ist. Die Messwerte im Detail

Alle Preise netto zzgl. USt. Gezählt werden die vCPU, die den Diensten der Plattform zugeteilt sind, nicht die Ihrer Server insgesamt. Hosting-Kosten fallen nicht an – die Plattform läuft auf Ihrer Infrastruktur.

Preise, Lizenz und Einstieg im Detail →

Zum Weiterlesen

Zur Dokumentation
Dokumentation

Installieren, verstehen, betreiben

Vom ersten Start auf dem eigenen Rechner über die Konzepte bis zu den Schaltern, die im Betrieb zählen.

15 Seiten

Blog

Fachbeiträge zu Kosten, Datenhoheit und MCP

Warum Cloud-Warehouses teuer werden, was Datenhoheit technisch bedeutet, und warum Agenten eine Semantikschicht brauchen.

10 Beiträge

Rechner

Was Ihr Cloud-Warehouse im eigenen Rechenzentrum kosten würde

Ein Modell aus offengelegten Annahmen – jede mit Quelle oder ausdrücklich als Schätzung gekennzeichnet, alle änderbar.

9 Annahmen, einzeln belegt

Aus dem Blog

Erleben Sie KI auf Ihren Unternehmensdaten.

In 30 Minuten zeigen wir, wie der Assistent Daten findet, Kennzahlen abfragt und Dashboards erstellt. Gemeinsam besprechen wir den Betrieb in Ihrem Rechenzentrum, Ihre Modellwahl und die passenden Zugriffsrechte.

  • KI-Assistent und MCP-Werkzeuge in einer Live-Demo
  • Modellwahl, Datenwege und Governance an Ihrem Anwendungsfall
  • Nächste Schritte für einen Proof of Concept in Ihrer Umgebung
daniel.alisch@me.com