Databricks Genie und Agent Bricks: KI auf Unternehmensdaten

Mit Databricks Genie stellen Fachanwender Fragen an gesteuerte Unternehmensdaten in natürlicher Sprache und erhalten SQL, eine Ergebnistabelle und ein Diagramm zurück. Das funktioniert gut, wenn ein Datenteam eine enge Domäne mit definierten Kennzahlen kuratiert hat, und schlecht, wenn Genie auf Rohtabellen losgelassen wird und raten muss.

Agent Bricks ist die andere Hälfte. Dort bauen, betreiben und bewerten Entwickler eigene KI-Agenten, die Genie, Dokumente, Funktionen und externe Werkzeuge aufrufen können.

Ich habe mit Databricks in Datenplattform-Programmen in der Fertigung und im Verteidigungssektor gearbeitet. Meine Sicht ist einfach. Die KI-Schicht ist inzwischen gut genug, um sie Planern, Qualitätsingenieuren und Finanzteams vorzusetzen.

Der schwierige Teil ist die semantische und die Governance-Arbeit darunter, und die Fachanwender auf die Nutzung vorzubereiten. Dorthin sollte der Großteil des Pilotaufwands fließen.

Databricks hat 2026 den größten Teil der Genie-Familie umbenannt, ältere Artikel werden Sie also verwirren. Die Oberfläche für Fachanwender, die früher Databricks One hieß, wurde im Juni 2026 zu Genie One.

Aus Genie Spaces wurden im Juli 2026 Genie Agents. Databricks Assistant heißt jetzt Genie Code.

Die Tabelle zeigt, was jeder Baustein tut und welchen Status er im Oktober 2026 hat.

Produkt	Was es tut	Wer es nutzt	Status (Oktober 2026)
Genie One	Eine Chat-Oberfläche über Dashboards, Genie Agents und Apps; außerdem Apps für iOS und Android	Fachanwender	Chat GA seit Juni 2026; mobile App in Public Preview
Genie Agents (früher Genie Spaces)	Ein kuratierter, domänenspezifischer Chat über bis zu 50 Tabellen, Views oder Metric Views	Analysten bauen, Fachanwender fragen	Agent Mode GA seit Juli 2026; mehrere Erweiterungen in Beta
Genie Code (früher Databricks Assistant)	Programmier- und Datenassistent für Notebooks, Pipelines und Dashboards	Engineers, Analysten	Nach Verbrauch seit 8. Juli 2026
Conversation API	Bettet Genie Agents in Apps, Chatbots und andere Agenten ein	Entwickler	APIs für den Agent Mode und Abruf von Visualisierungen GA seit August 2026
Von Databricks bereitgestellte MCP-Konnektoren	Lassen Genie One und Genie Code externe Werkzeuge über das Model Context Protocol nutzen	Administratoren, Entwickler	GA seit September 2026; Schreibaktionen in Beta

Ein Genie Agent wählt relevante Metadaten, Anweisungen, Beispiel-SQL und den Chatverlauf aus und erzeugt dann SQL. Dieses SQL läuft auf einem Pro- oder Serverless-SQL-Warehouse und ist immer schreibgeschützt.

Der wichtigste Governance-Punkt: Laut der Dokumentation zur Einrichtung von Genie Agents wird der Datenzugriff immer mit den eigenen Unity-Catalog-Berechtigungen des jeweiligen Endanwenders geprüft. Wer nach Daten fragt, die er nicht sehen darf, erhält eine leere Antwort.

Zeilenfilter und Spaltenmasken greifen. Die Warehouse-Anmeldedaten des Autors sind eingebettet, damit Benutzer Abfragen ausführen können, aber sie erweitern niemandes Datenzugriff.

Das Modell ist nicht der Hebel für Genauigkeit. Die Kuratierung ist es. Der Leitfaden zur Qualitätsoptimierung von Genie Agents empfiehlt, Geschäftslogik als SQL-Ausdrücke zu definieren, weil sie konsistentere Ergebnisse liefern als Textanweisungen.

Nach Wirkung geordnet, aus dem, was ich gesehen habe:

1. Metric Views. Unity Catalog Business Semantics, mit Metric Views als Kern, ist seit April 2026 GA. Sie definieren „First-Pass-Yield“ oder „Liefertreue“ einmal, mit Bezeichnungen und Synonymen, und Genie Agents lassen sich direkt darauf aufbauen. Wenn die Kennzahl definiert ist, muss Genie sie nicht erschließen.
2. Beispiel-SQL-Abfragen. Kombinieren Sie eine echte Frage mit dem SQL, das sie beantwortet, mit Fokus auf Logik, die nur bei Ihnen gilt: wie Ausschusskosten berechnet werden, welche Werke zu welcher Region verdichtet werden.
3. SQL-Funktionen als vertrauenswürdige Assets. Unity-Catalog-Funktionen enthalten Logik, die eine statische Abfrage nicht abbilden kann. Wenn Genie eine parametrisierte Abfrage oder Funktion nutzt, wird die Antwort als verifiziert markiert. Benutzer brauchen EXECUTE auf diesen Funktionen.
4. Der Knowledge Store. Beschreibungen, Synonyme, Join-Beziehungen und ausgeblendete Spalten. Doppelte technische Spalten auszublenden hilft mehr, als man erwartet.
5. Allgemeine Anweisungen. Text für Kontext, der überall gilt und nirgendwo sonst hinpasst. Halten Sie ihn kurz und frei von Widersprüchen.

Es gibt harte Grenzen. 50 Tabellen, Views oder Metric Views pro Agent.

100 Anweisungen, wobei jede Beispielabfrage und jede SQL-Funktion als eine zählt. 200 Snippets für Joins und SQL-Ausdrücke.

Ich behandle diese Grenzen als Designvorgabe. Ein Genie Agent, der „die gesamte Fertigung“ abdeckt, wird enttäuschen. Einer, der „Qualitätsmeldungen und Ausschuss für zwei Werke“ abdeckt, kann sehr gut sein.

Wo Genie scheitert

Das ist der Teil, den Anbieter-Demos auslassen.

1. Undefinierte Geschäftsbegriffe. Fragen Sie „Wie hoch war unsere Marge im letzten Quartal?“ gegen rohe ERP-Tabellen, und Genie wählt eine Definition. Es ist vielleicht nicht die Definition des Finanzbereichs. Wenn Daten aus SAP, Oracle oder Dynamics 365 ohne gesteuerte Kennzahlenschicht ankommen, rechnen Sie mit plausiblen Zahlen, die sich nicht abstimmen lassen.
2. Unordentliche Stammdaten. Doppelte Materialnummern, uneinheitliche Werkscodes und Fehlerbeschreibungen im Freitext erzeugen selbstsichere falsche Antworten. Genie verstärkt die Qualität dessen, was es bekommt.
3. Mehrdeutige Fragen. „Welche Linie ist am schlechtesten?“ Am schlechtesten worin? Gute Kuratierung und Beispielfragen lenken die Benutzer. Nichts nimmt ihnen ab, präzise zu sein.
4. Sprache. Die Dokumentation weist darauf hin, dass Prompts in Englisch eingebettet werden, sodass Antworten auch dann auf Englisch zurückkommen können, wenn Benutzer in einer anderen Sprache schreiben. Testen Sie das, bevor Sie in nicht englischsprachigen Werken ausrollen.
5. Handlung, nicht Erkenntnis. Das erzeugte SQL ist schreibgeschützt. Für die Kontrolle ist das eine Stärke. Es bedeutet aber auch, dass Genie einem Instandhaltungsplaner sagt, welche Anlagen überfällig sind; den Arbeitsauftrag legt es nicht an.

Auch Agent Bricks hat seine Form geändert. Die Übersicht zu Agent Bricks beschreibt es inzwischen als die Agenten-Entwicklerplattform von Databricks für Menschen, die Code schreiben.

Sie bringen Ihr eigenes Framework und Modell mit, erstellen das Gerüst mit der Agent Bricks CLI und stellen auf Agent Runtime in Databricks Apps bereit. Ältere Materialien nennen diese Schicht Mosaic AI Agent Framework, und einige Mosaic-AI-Bezeichnungen tauchen in der Dokumentation noch auf.

Zwei Dinge sollten Käufer wissen. Knowledge Assistant und Supervisor Agent, die früheren deklarativen Baukästen, werden für neue Agenten „nicht mehr empfohlen“, und die Supervisor API ist abgekündigt.

Databricks verweist Low-Code-Anwender auf Genie Agents und Entwickler auf die CLI. Wenn ein Systemintegrator ein Design auf Basis eines der beiden vorschlägt, fragen Sie nach dem Grund.

Für die Extraktion aus Dokumenten ist der empfohlene Weg AI Functions, die Dokumente aus SQL heraus klassifizieren, extrahieren, zusammenfassen und parsen. Für einen Hersteller deckt das Lieferantenzertifikate, Prüfberichte und Instandhaltungsprotokolle ab.

Die Bewertung läuft über verwaltetes MLflow: Traces jedes Agentenschritts, integrierte LLM-Bewerter etwa für Korrektheit, eigene Scorer und Expertenfeedback. Dieselben Scorer können eine Stichprobe des Produktivverkehrs überwachen.

Unity Gateway (in den URLs steht noch ai-gateway) ist die Steuerungsebene. Es liefert Ratenlimits für Modell- und MCP-Dienste, Service Policies für Leitplanken, Maskierung personenbezogener Daten, Nutzungserfassung in Systemtabellen, Protokollierung von Anfragen und Antworten in Unity-Catalog-Tabellen und Fallbacks zwischen Modellen. Von Databricks bereitgestellte und registrierte MCP-Server nutzen Unity-Catalog-Berechtigungen, sodass ein Agent, der den Genie-One-MCP-Server aufruft, weiterhin an das gebunden ist, was der Benutzer sehen darf.

In der Fertigung würde ich mit Fragen zu Qualität und Instandhaltung auf Daten beginnen, die Sie bereits steuern. Ausschuss und Nacharbeit nach Linie, Schicht und Material. Offene Qualitätsmeldungen nach Lieferant.

Mittlere Betriebsdauer zwischen Ausfällen für kritische Anlagen, aus den Instandhaltungsdaten des ERP, verknüpft mit Zusammenfassungen aus Historian oder MES. Diese Fragen haben klare Verantwortliche und Benutzer, die heute tagelang auf einen Analysten warten.

Meiden Sie für einen ersten Pilot Absatzprognosen oder Cost-to-Serve. Die Definitionen sind umstritten, und die Daten erstrecken sich über zu viele Systeme.

Im Verteidigungsbereich zählt der Anwendungsfall weniger als die Kontrollen. Wählen Sie etwas Nicht-Eingestuftes, Prüfbares und Berechtigungssensibles: Ersatzteilverfügbarkeit, Status von Vertragsmeilensteinen oder Liefertreue der Lieferanten. Der Sinn des Pilots ist der Nachweis, dass Zeilenfilter, Spaltenmasken und Exportkontroll-Kennzeichen sich bei Fragen in natürlicher Sprache korrekt verhalten.

Prüfen Sie das Deployment früh. Die Release Notes für AWS GovCloud zeigen Genie und Genie Agents dort seit Januar 2026 als GA und Genie One seit dem 22. Januar 2026, in GovCloud und GovCloud DoD. Unity Gateway kam im September 2026 als Public Preview in GovCloud an, ohne Budgets, Inference Tables oder Service Policies.

Der Agent Mode außerhalb von Amerika, Europa, Australien, Neuseeland und Japan erfordert eine aktivierte geografieübergreifende Verarbeitung. Für ein souveränitätssensibles Programm am Golf oder in Asien ist das eine Grundsatzentscheidung, kein Häkchen.

Diese Reihenfolge würde ich wählen. Wenn die Daten bereits in Unity Catalog gesteuert werden, geht die meiste Zeit in die Schritte 3 bis 7. In den Piloten mit natürlicher Sprache, an denen ich gearbeitet habe, lag das Problem beim Onboarding.

Die Fachanwender waren nicht richtig eingeführt worden und daher unvorbereitet, und diese Lücke ist der Hauptgrund, warum die Arbeit an der semantischen Schicht und am Pilot etwa zwei Monate dauerte. Führen Sie Ihre Benutzer parallel zum Aufbau ein, nicht danach.

1. Wählen Sie eine Domäne und einen Sponsor. Einen Qualitätsleiter im Werk oder eine Logistikleitung, nicht „das Geschäft“.
2. Schreiben Sie 50 bis 100 echte Fragen von den Menschen auf, die es nutzen werden. Sie werden Ihr Benchmark.
3. Sorgen Sie dafür, dass jede Kennzahl einen Verantwortlichen und eine Definition hat. Finanzen oder Betrieb nehmen die Definition ab, bevor sie zur Metric View wird.
4. Bauen Sie Metric Views und kuratierte Tabellen. Bleiben Sie deutlich unter der Grenze von 50 Tabellen.
5. Ergänzen Sie Beispiel-SQL, Funktionen und Synonyme für die Fragen, die beim ersten Mal scheitern.
6. Testen Sie Berechtigungen als echte Benutzer. Melden Sie sich als eingeschränkter Benutzer an und stellen Sie Fragen, die darauf angelegt sind, Daten preiszugeben. Halten Sie die Ergebnisse fest.
7. Lassen Sie das Benchmark laufen und erfassen Sie die Genauigkeit, bevor irgendein Benutzer es sieht.
8. Geben Sie es für 10 bis 20 Benutzer frei, mit einer Feedbackschleife und einem benannten Data Steward, der die negativ bewerteten Antworten wöchentlich prüft.
9. Richten Sie Budgets und Alarme ein, bevor die Nutzung wächst.
10. Entscheiden Sie zu einem festen Termin: ausweiten, nachbessern oder stoppen, gemessen an den in Schritt 1 vereinbarten Kriterien.

Menschen bleiben durchgehend eingebunden. Ein Data Steward verantwortet die Kuratierung.

Wer eine Antwort für eine Finanzzahl, eine Sicherheitsentscheidung oder eine Vertragszusage nutzt, prüft sie gegen den Quellbericht, bis das Benchmark ihre Verlässlichkeit belegt. Für jeden Agenten, der in ein System schreibt, genehmigt ein Mensch die Aktion.

Genie lässt sich im Moment günstig testen. Laut der Dokumentation zu Genie-Budgets ist die LLM-Nutzung von Genie One und Genie Agents bis zum 31. Januar 2027 kostenlos. Service Principals sind ausgenommen und zahlen für jede Nutzung, was wichtig ist, wenn Sie Genie über die API einbetten.

Die Rechenleistung der SQL Warehouses wird separat berechnet und ist die eigentliche laufende Kostenposition. Genie Code wird seit dem 8. Juli 2026 nach Verbrauch abgerechnet, mit einem Freikontingent von 150 DBUs pro Benutzer und Monat.

Laut Preisseite von Databricks kosten 150 DBUs in US East 10,50 $ (Listenpreis, geprüft im Oktober 2026). Regionen unterscheiden sich, und Unternehmensrabatte und Zusagen verändern die Zahl.

Budgets können gemeinsame Schwellenwerte und Schwellenwerte pro Benutzer setzen, aber die Sperre greift nur ungefähr, ein Budget ist also keine harte Obergrenze. Gleichen Sie gegen system.billing.usage ab. Mein Leitfaden zu den Databricks-Preisen behandelt die Dimensionierung der Warehouses.

Was Sie messen sollten:

Messgröße	Warum sie zählt	Ziel, das vor dem Go-live vereinbart wird
Genauigkeit im Benchmark	Zeigt, ob die Kuratierung funktioniert	Ein Schwellenwert pro Domäne, abgenommen vom Verantwortlichen der Kennzahl
Anteil verifizierter Antworten	Antworten auf Basis vertrauenswürdigen SQL sind sicherer	Steigend von Woche zu Woche
Quote negativer Bewertungen und Behebungszeit	Zeigt, ob die Datenpflege funktioniert	Wöchentlich geprüft
Ergebnisse der Berechtigungstests	Belegt, dass die Kontrollen halten	Null Lecks
Vermiedene Analystenanfragen	Der Business Case	Ausgangswert vor dem Pilot gemessen
Warehouse-Kosten pro aktivem Benutzer	Echte laufende Kosten	Innerhalb des Budgets

Governance ist hier das Fundament. Wenn Unity Catalog noch nicht eingerichtet ist, beginnen Sie dort; mein Leitfaden zu Unity Catalog und Data Governance und mein Leitfaden zum KI-Governance-Framework behandeln die Grundlagen.

Nehmen Sie eine Domäne, schreiben Sie die 50 Fragen auf, die Ihre Benutzer tatsächlich stellen, und prüfen Sie, wie viele davon Ihre aktuellen Daten mit definierten Kennzahlen beantworten können. Diese Übung sagt Ihnen mehr über Ihre Bereitschaft für Genie als jede Demo. Wenn Sie auch die Alternative abwägen, vergleichen Sie mit Snowflake Cortex AI und Snowflake Intelligence.

Ich helfe Unternehmen, diese Entscheidungen zu treffen und Piloten zuzuschneiden. Wenn Sie eine zweite Sicht wollen, buchen Sie ein Gespräch.

Was ist Databricks Genie?

Databricks Genie ist eine Familie von KI-Werkzeugen, die Fragen in natürlicher Sprache mit gesteuerten Daten in Databricks beantworten. Genie One ist die Oberfläche für Fachanwender, Genie Agents sind kuratierte domänenspezifische Chats (früher Genie Spaces), und Genie Code ist der Assistent für Entwickler und Analysten. Antworten werden als schreibgeschütztes SQL erzeugt und respektieren die Unity-Catalog-Berechtigungen jedes Benutzers.

Was ist der Unterschied zwischen Genie Spaces und Genie Agents?

Funktional keiner. Databricks hat Genie Spaces im Juli 2026 in Genie Agents umbenannt und erklärt, dass die Fähigkeiten unverändert sind. Ältere Artikel, Schulungsmaterialien und Community-Beiträge verwenden noch „Genie Spaces“.

Was kostet Databricks Genie?

Die LLM-Nutzung von Genie One und Genie Agents ist für Benutzer bis zum 31. Januar 2027 kostenlos. Service Principals werden belastet, und die Rechenleistung der SQL Warehouses wird separat berechnet. Genie Code wird oberhalb eines monatlichen Freikontingents nach Verbrauch abgerechnet.

Ist Databricks Genie genau genug für Finanz- oder Betriebsreporting?

Das kann es sein, innerhalb einer kuratierten Domäne mit Metric Views, Beispiel-SQL und vertrauenswürdigen Funktionen, gemessen an einem Benchmark-Fragenkatalog. Auf Rohtabellen angesetzt, liefert es plausible Antworten, die vielleicht nicht zu Ihren Definitionen passen. Behandeln Sie es für Finanz- oder Sicherheitsentscheidungen als unverifiziert, bis das Benchmark etwas anderes belegt.

Wofür wird Databricks Agent Bricks verwendet?

Zum Bauen, Bereitstellen und Steuern eigener KI-Agenten mit Ihrem eigenen Framework und Modell. Dazu gehören die Agent Bricks CLI, Agent Runtime, verwalteter Speicher und die Bewertung mit MLflow. Knowledge Assistant und Supervisor Agent werden für neue Agenten nicht mehr empfohlen.

Unterstützt Databricks MCP?

Ja. Databricks stellt verwaltete MCP-Server bereit, darunter Genie One und Databricks SQL, und Sie können externe Server registrieren oder eigene in Databricks Apps bauen. Der Zugriff wird über Unity-Catalog-Berechtigungen und Unity Gateway gesteuert.