Teradata heeft zijn Autonomous Knowledge Platform geïntegreerd met Microsoft OneLake om bedrijven in staat te stellen analytische query’s en AI-ontwikkelingen rechtstreeks op de opgeslagen gegevens in OneLake uit te voeren, zonder deze vooraf naar Teradata te kopiëren. De verbinding maakt gebruik van de open API’s van Apache Iceberg en Microsoft Entra ID voor authenticatie, en is momenteel beschikbaar met leesrechten.
De kernpunten van Teradata en Microsoft OneLake in 20 seconden
- Teradata kan rechtstreeks query’s uitvoeren op tabellen die in Microsoft OneLake zijn opgeslagen.
- De integratie voorkomt dat er duplicaten en ETL-pijplijnen worden opgezet enkel om gegevens van het ene platform naar het andere over te brengen.
- Het maakt gebruik van de API’s van Apache Iceberg en authenticatie via Microsoft Entra ID.
- Het stelt gebruikers in staat om gegevens van Teradata en OneLake te combineren binnen één analytische workload.
- Voorlopig biedt de aangekondigde integratie alleen leestoegang tot de tabellen in OneLake.
Dit initiatief adresseert een van de onderbelichte problemen van bedrijfs AI-projecten: voordat je data gebruikt, moet je ze vinden, kopiëren, transformeren, beheren en synchroniseren.
Een grote organisatie kan informatie verspreid hebben over bedrijfsdatabases, analytische warehouses, data lakes, SaaS-toepassingen en diverse cloudproviders. Wanneer een nieuw AI-systeem toegang nodig heeft tot deze data, is een traditionele aanpak het opzetten van een ETL-pijplijn.
Het probleem doet zich voor als die duplicatie toeneemt.
Er is meer opslagruimte nodig, processen moeten onderhouden worden en toegangsrechten beheerd. Bovendien neemt de kans toe dat systemen met verschillende versies van dezelfde data werken.
De integratie tussen Teradata en OneLake probeert dat proces te verkorten: in plaats van data naar de analysemotor toe te brengen, brengt het de motor naar de data.
Apache Iceberg wordt een gemeenschappelijke taal tussen platformen
De technische kern hiervan is Apache Iceberg, een open tabelindeling ontworpen voor grote analytische datasets.
Microsoft ondersteunt Iceberg steeds uitgebreider binnen OneLake. De architectuur maakt virtualisatie van metadata mogelijk, zodat zowel Delta Lake als Iceberg-tabellen werkbaar zijn. Delta-tabellen kunnen worden gedeeld met Iceberg-compatibele lezers, en Iceberg-tabellen kunnen gebruikt worden door verschillende componenten binnen Microsoft Fabric.
Daarnaast beschikt OneLake over een REST-endpoint dat compatibel is met de Iceberg REST Catalog-standaard, aanvankelijk gericht op metadata-operaties in alleen-lezen modus.
Teradata maakt hiervan gebruik om toegang te krijgen tot de tabellen.
De praktische consequentie is dat een bedrijf dat gegevens binnen Microsoft Fabric beheert, deze niet meer noodzakelijkerwijs hoeft te exporteren, transformeren en een tweede kopie te onderhouden in Teradata om ze te analyseren.
Gebruikers kunnen query’s uitvoeren op OneLake-tabellen en deze combineren met data die al in Teradata staat.
Zo kunnen bijvoorbeeld complexe joins worden uitgevoerd, features worden voorbereid voor AI-modellen of analytische vragen worden beantwoord zonder dat alle data eerst in één groot datawarehouse moeten worden samengebracht.
De interoperabiliteit betekent niet dat beide platformen samensmelten tot één geheel. Teradata en Microsoft Fabric behouden hun eigen engines, services, kosten en operationele modellen. Het grote verschil is dat er niet meer fysiek gekopieerd hoeft te worden om met data te werken.
Minder ETL, minder kosten en minder data duplicatie
Al jaren is het gebruikelijk om data tussen platformen te kopiëren voor analyse en rapportage.
Dit werkt, maar brengt kosten met zich mee.
Een organisatie kan originele data in één platform bewaren, een kopie maken in een data lake, een derde versie voor analytische doeleinden genereren en later nog nieuwe versies voor machine learning-projecten.
Elke kopie kost opslagruimte en vergemakkelijkt het onderhoud.
ETL-processen kunnen complex en foutgevoelig zijn. Ze vereisen beheer van schema’s, credentials, verwerkingstijden, afhankelijkheden en wijzigingen in de brongegevens.
AI-verwerking vergroot het probleem omdat grote hoeveelheden bedrijfsdata nodig zijn om variabelen te maken, context te herstellen of systemen te voeden.
Teradata stelt dat de integratie dit proces vereenvoudigt, vooral voor klanten die gelijktijdig gebruik maken van Teradata en Microsoft Fabric.
Het is belangrijk te benadrukken dat de algemene behoefte aan ETL of datamovement niet wegvalt.
Er blijven situaties waarin data schoonmaken, transformeren, kopiëren, samenvoegen of reorganiseren noodzakelijk is.
Wat verdwijnt, is de specifieke noodzaak om data van OneLake naar Teradata te kopiëren enkel omdat Teradata het nodig heeft voor analyse.
Dit verschil is aanzienlijk en relevanter dan de belofte dat ETL helemaal verdwijnt.
Goed governance is net zo belangrijk als opslagkosten besparen
Het dupliceren van data brengt ook beveiligingsrisico’s met zich mee.
Wanneer data wordt gekopieerd, moeten rechten en toegangsbeheer opnieuw worden georganiseerd. Authentificatie, toegangsbeleid en traceerbaarheid moeten worden gewaarborgd.
De integratie maakt gebruik van Microsoft Entra ID voor identiteitsbeheer tussen platformen. Teradata benadrukt dat hiermee het governance-model voor data behouden blijft, zonder dat het opnieuw moet worden opgebouwd voor elke kopie.
Microsoft hanteert een vergelijkbare aanpak binnen OneLake met shortcuts. Deze verwijzen naar data op andere locaties en kunnen toegang bieden tot data in OneLake of externe bronnen zoals Azure Data Lake Storage, Amazon S3, Google Cloud Storage en Iceberg-compatibele systemen.
Permissies op herkomstdata blijven gelden. Microsoft legt uit dat toegang tot shortcuts afhankelijk is van de toegangsrechten op zowel de oorspronkelijke locatie als de doelbron.
De trend is duidelijk: dataplatforms proberen nu een uniforme toegang tot gedistribueerde data te bieden zonder telkens fysieke duplicaties te creëren.
Een bijzonder interessante ontwikkeling voor AI-agenten
Teradata verbindt deze architectuur met een andere grote trend: AI-agenten.
Een nuttige AI-agent binnen een bedrijf moet meer kunnen dan alleen taalmodellen.
Hij moet weten welke klant een vraag stelt, wat de orderstatus is, welke contracten er lopen, welke producten beschikbaar zijn of welke bedrijfsregels gelden.
Veel van die informatie is verspreid over verschillende systemen.
Het voortdurend dupliceren van al deze gegevens binnen één platform voor AI-doeleinden kan duur en onoverzichtelijk zijn. Toegang vanuit de bestaande gegevensomgeving biedt een praktische oplossing.
De Autonomous Knowledge Platform van Teradata is specifiek bedoeld om bedrijfscontext, governance en analytische mogelijkheden te bieden voor AI-toepassingen en agents. De koppeling met OneLake breidt de beschikbare informatie uit zonder voorafgaande migratie.
Dit betekent niet dat een agent automatisch toegang krijgt tot alles in Fabric.
Toestemming en toegangscontrole blijven essentieel; de bedrijfsarchitectuur moet bepalen welke data door welke applicaties kan worden geraadpleegd.
Sommige use cases zullen echter nog steeds baat hebben bij vooraf aangepaste datasets, vooral wanneer real-time toegang niet noodzakelijk is.
De meerwaarde ligt in het bieden van een extra optie.
OneLake versterkt zijn rol als gedeelde data-laag binnen Microsoft Fabric
Voor Microsoft past deze integratie in de visie van OneLake als het logische data-ecosysteem van Microsoft Fabric.
OneLake fungeert als één gemeenschappelijke, logische data-laag waar verschillende analytische motoren op kunnen vertrouwen zonder telkens meerdere kopieën te hoeven onderhouden.
De ondersteuning van open formaten zoals Iceberg breidt dat concept uit buiten de Microsoft-omgeving.
Apache Iceberg wordt steeds meer geadopteerd door verschillende analytische platformen en maakt het mogelijk om opslagformat en verwerkingsmotor los te koppelen.
Voor bedrijven betekent dit een vermindering van het risico dat grote datamigraties noodzakelijk zijn bij het overzetten van workloads: ze kunnen data op één locatie bewaren en verschillende platformen erop laten werken.
De integratie van Teradata illustreert hoe open standaarden het mogelijk maken om producten op flexibele wijze te verbinden, zonder afhankelijk te zijn van specifieke replicatiemechanismen.
Een eerste versie met een belangrijke beperkingen: alleen lezen
De aangekondigde beschikbaarheid door Teradata is direct, maar het is belangrijk de reikwijdte te begrijpen.
Momenteel biedt de integratie alleen leesrechten aan op de tabellen in OneLake.
Teradata kan de informatie lezen en analyseren zonder de onderliggende data te wijzigen.
Dit sluit aan bij de huidige API-standaarden van Iceberg in OneLake, die aanvankelijk alleen metadata-operaties ondersteunen in leesmodus.
Het is dus niet de bedoeling dat deze integratie een volledige bidirectionele verbinding wordt waarmee Teradata direct data in Microsoft Fabric kan aanpassen.
Voor veel analytische workloads kan leestoegang echter al voldoende zijn.
Organisaties kunnen bepaalde data in OneLake bewaren, andere in Teradata, en deze combineren voor analyse zonder dat alles eerst geconsolideerd hoeft te worden.
De presentatie van de integratie door Teradata vindt plaats tijdens de European Microsoft Fabric + SQL Community Conference, van 28 september tot 1 oktober 2026 in Barcelona.
Deze ontwikkeling weerspiegelt een bredere verandering in enterprise datararchitecturen.
Vroeger ging het vooral om gegevens heen en weer verplaatsen. Dankzij opslag met losgekoppelde formaten, open standaarden en gestandaardiseerde catalogi kunnen we nu een nieuwe architectuur overwegen: data blijft waar het het beste past, en verschillende verwerkingsmotoren kunnen zelf rechtstreeks werken op de data.
In een tijd waarin AI-toepassingen steeds meer data nodig hebben, kan het beperken van kopieën kostenbesparend en governance-vriendelijk zijn.
En waarschijnlijk is dat het meest interessante punt van de samenwerking tussen Teradata en Microsoft: Apache Iceberg maakt dat de fysieke locatie van data minder bepalend wordt voor de keuze van de verwerker dan voorheen.
Veelgestelde vragen
Wat heeft Teradata aangekondigd met Microsoft OneLake?
Teradata maakt het mogelijk om direct tabellen die in Microsoft OneLake zijn opgeslagen te raadplegen en te analyseren via haar Autonomous Knowledge Platform. De integratie vermijdt dat data eerst naar Teradata gekopieerd moet worden uitsluitend voor analyse.
Is het nodig ETL-pijplijnen te maken tussen OneLake en Teradata?
Voor de momenteel aangeboden (lees)toegang is het niet nodig data te repliceren via ETL. Dat betekent niet dat ETL niet meer nodig is voor andere datatransformaties of bedrijfsintegraties.
Wat is de rol van Apache Iceberg?
De API’s van Apache Iceberg maken het mogelijk dat Teradata tabellen in OneLake kan raadplegen. Microsoft ondersteunt Iceberg binnen haar strategie voor goede interoperabiliteit tussen verschillende dataplatformen.
Kan Teradata de data in OneLake direct aanpassen?
De huidige integratie biedt alleen leesrechten. Het stelt in staat om tabellen te raadplegen, maar niet om ze rechtstreeks te wijzigen.