Über Systeme, nicht eine Plattform
40+ Quelltypen unter einem Satz von Freigaben, Masken und Protokoll, die Databricks-Delta-Tabellen eingeschlossen.
Unity Catalog regelt das Databricks-Lakehouse gut. Classifyre regelt auch alles drumherum: On-Premises-Datenbanken, Dateiablagen, SaaS-Werkzeuge und Lakehouse-Dateien, mit denselben Masken, ob in SQL, Excel oder Power BI abgefragt wird.

SELECT c.email, c.city, sum(o.amount) AS revenueFROM crm.customers cJOIN lake.orders o ON o.customer_id = c.idGROUP BY 1, 2;
| city | revenue | |
|---|---|---|
| 5fc7613cacc41469 | Graz | 4,812.40 |
| 8169dd18e1635846 | Linz | 1,130.00 |
| 8a84971c7a971d8a | Wien | 2,977.15 |
40+ Quelltypen unter einem Satz von Freigaben, Masken und Protokoll, die Databricks-Delta-Tabellen eingeschlossen.
Masken folgen der Klassifizierung: geschwärzt, letzte vier, gehasht, leer oder ausgeblendet, gewählt in einem Dialog statt als SQL-Funktion pro Spalte.
Die personenbezogenen Daten findet dasselbe Produkt, das sie maskiert, in Tabellen und in Dokumenten.
Leben Ihre Daten und Nutzer in Databricks, ist Unity Catalog die natürliche Governance-Schicht, und seine Zeilenfilter und Spaltenmasken greifen in Databricks-Compute.
Ist Ihre Landschaft breiter als eine Plattform oder muss sie auf Ihren Servern laufen, gibt Classifyre Ihnen eine Governance-Schicht über alles und liest Databricks-Delta-Tabellen als eine Quelle unter vielen.
Stand November 2026, nach der öffentlichen Dokumentation der Projekte.
| Aspect | Unity Catalog (Databricks) | Classifyre |
|---|---|---|
| Lizenz | Teil der Databricks-Plattform; ein Open-Source-Server (LF AI & Data) bietet eine Teilmenge | Apache-2.0, jede Funktion |
| Reichweite | Das Databricks-Lakehouse und Engines, die seine APIs nutzen | 40+ Quelltypen: Datenbanken, Lakehouses, Dateien, SaaS-Werkzeuge |
| Spaltenmasken | SQL-Funktionen pro Spalte oder tag-basierte ABAC-Richtlinien | Pro Spalte oder nach Klassifizierung: schwärzen, letzte vier, hashen, leeren, ausblenden |
| Zeilenfilter | SQL-Funktionen pro Tabelle oder ABAC-Richtlinien | Pro Gruppe, im Zweifel gesperrt |
| Personenbezogene Daten finden | Datenklassifizierung für Databricks-Tabellen | Detektoren über Tabellen und Dokumente, mit Score und Begründung |
| Betrieb | Databricks-Clouddienst | Selbst betrieben: Docker, Kubernetes, OpenShift; läuft offline |
Databricks ändert häufig; den aktuellen Stand finden Sie in deren Dokumentation. Korrekturen gerne an [email protected].
Classifyre setzt seine Masken nicht in Databricks-Compute durch. Notebooks und Jobs, die Delta-Tabellen direkt in Databricks lesen, folgen den Regeln von Unity Catalog, nicht denen von Classifyre.
Ein Docker-Image mit Datenbank, Oberfläche und Workern. Keine Anmeldung; einloggen mit classifyre / classifyre. Ihre Daten bleiben bei Ihnen.
docker run -d --name classifyre \ -p 3000:3000 \ --shm-size=1g \ -v classifyre-pgdata:/var/lib/postgresql/data \ -v classifyre-data:/var/lib/classifyre \ -v classifyre-uv-cache:/cache/uv \ classifyre/all-in-one:0.9.0helm install classifyre \
oci://registry-1.docker.io/classifyre/classifyre-core \
--version 0.9.0Vier bis sechs Wochen auf Ihren Daten: 3 bis 5 Quellen, abgestimmte Erkennung, Maskierung aktiv, eine BI-Anbindung und ein Fund- und Zugriffsbericht. Fester Umfang, Festpreis.
Über einen Pilot sprechen