Mit Databricks zur KI-Plattform
Das Fundament für produktive KI-Agenten
Viele Unternehmen haben KI und generative KI bereits erfolgreich erprobt. Chatbots, Assistenten und erste KI-Agenten zeigen, welches Potenzial in diesen Technologien steckt.
Die eigentliche Herausforderung beginnt jedoch erst, wenn aus erfolgreichen Pilotprojekten produktive Enterprise-AI-Lösungen hervorgehen sollen. Was in einer kontrollierten Demo funktioniert, muss im Unternehmensalltag sicher, wirtschaftlich und skalierbar betrieben werden. Dafür reichen weder ein leistungsfähiges Modell noch ein guter Prompt aus. Unternehmen benötigen eine KI-Plattform, die Daten, Governance und KI auf einem gemeinsamen Fundament vereint.
Was ist eine KI-Plattform?
Eine KI-Plattform stellt die technischen Grundlagen bereit, um KI-Anwendungen und -Agenten zu entwickeln, zu testen, bereitzustellen und dauerhaft zu betreiben. Sie verbindet Unternehmensdaten, KI-Modelle, Governance, Berechtigungen und Betriebsprozesse auf einer gemeinsamen Grundlage.
Im Unterschied zu einzelnen KI-Tools oder isolierten Pilotprojekten ist eine KI-Plattform auf die wiederholbare und unternehmensweite Nutzung ausgerichtet. Datenzugriffe, Sicherheitsvorgaben, Qualitätskontrollen oder Monitoring müssen dadurch nicht für jeden neuen Anwendungsfall vollständig neu aufgebaut werden.
Eine moderne KI-Plattform schafft damit auch die Grundlage für sicheren Self-Service. Fachbereiche können Analytics- und KI-Anwendungen eigenständig entwickeln und nutzen, während die IT zentrale Standards für Sicherheit, Datenzugriff, Governance und Compliance festlegt. Innovation und Kontrolle werden nicht als Gegensätze behandelt, sondern auf einer gemeinsamen Plattform miteinander verbunden.
Warum reicht ein gutes Sprachmodell allein nicht aus?
KI-Projekte scheitern selten am gewählten LLM (Large Language Model). Ob GPT, Claude, Gemini oder ein spezialisiertes Open-Source-Modell eingesetzt wird, ist zwar relevant, jedoch liegen die eigentlichen Herausforderungen im Fundament:
- Datenzugriff: Unternehmensdaten sind über SAP, Data Lakes, Data Warehouses und Fachanwendungen verteilt.
- Governance: Berechtigungen, Lineage und Qualitätsregeln sind häufig nicht durchgängig definiert.
- Unternehmenskontext: KI-Agenten benötigen fachliche Definitionen, Rollen und Prozesse, um Entscheidungen korrekt einordnen zu können.
- Betriebsmodell: Kostenkontrolle, Monitoring und Verantwortlichkeiten sind oft noch nicht ausreichend geregelt.
- Skalierung: Jeder neue KI-Use-Case wird individuell aufgebaut, statt auf einer gemeinsamen Plattform zu entstehen.
Diese Grundlagen für jeden einzelnen KI-Use-Case neu aufzubauen, ist weder wirtschaftlich noch skalierbar. Wenn Teams eigene Datenkopien, Prompt-Logiken, Berechtigungsmodelle und Monitoring-Ansätze entwickeln, entstehen schnell isolierte Lösungen. Was anfangs flexibel wirkt, führt langfristig zu einer fragmentierten KI-Landschaft mit höherem Betriebsaufwand und höheren Risiken.
Wie unterstützt Databricks beim Aufbau einer KI-Plattform?
Databricks adressiert diese Plattformfrage mit einem Ansatz, der Daten- und KI-Plattformen zusammenführt. KI-Anwendungen entstehen damit nicht neben der Datenplattform, sondern bauen direkt auf ihr auf.
-
Lakehouse-Architektur als Fundament
Das Fundament bildet die Lakehouse-Architektur. Sie vereint Data Engineering, Analytics, Data Science, Machine Learning und generative KI auf einer gemeinsamen Datenbasis. KI-Agenten greifen dadurch auf dieselben Daten, Definitionen und denselben Geschäftskontext zu wie Reporting-, Planungs- oder operative Anwendungen. Datenkopien und Inkonsistenzen werden reduziert und neue KI-Anwendungsfälle lassen sich deutlich schneller umsetzen.
-
Governance mit dem Unity Catalog
Mit dem Unity Catalog bietet Databricks zudem eine zentrale Governance-Ebene für Daten und KI. Berechtigungen, Discovery, Lineage, Qualitätsregeln und KI-Governance sind integraler Bestandteil der Plattform und gelten für alle Workloads. Unternehmen behalten so jederzeit die Kontrolle darüber, welche
-
Integrierte Funktionen
Ergänzt wird die Plattform durch integrierte Funktionen zur Entwicklung, Evaluation, Bereitstellung und zum Betrieb von KI-Anwendungen und -Agenten. Gleichzeitig bleibt Databricks offen für bestehende Unternehmenslandschaften und integriert Daten aus SAP-, Cloud- und weiteren Quellsystemen, ohne neue Datensilos zu schaffen.
-
Weiterentwicklung von Databricks
Ein aktuelles Beispiel für die Weiterentwicklung von Databricks im Kontext von Agentic AI ist Omnigent. Databricks beschreibt Omnigent als Meta-Harness für Agenten. Vereinfacht gesagt liegt Omnigent über bestehenden Agenten- und Agentenwerkzeugen wie Claude Code, Codex, Cursor, Pi oder eigenen Agenten. Es soll helfen, Agenten zu kombinieren, sie über Policies zu steuern und sie gemeinsam in Sessions zu nutzen.
Wichtig ist die Einordnung: Omnigent on Databricks ist aktuell im Beta-Status. Man sollte es also nicht als fertige Antwort auf alle Enterprise-AI-Fragen darstellen. Spannend ist Omnigent vor allem als Signal. Die Zukunft liegt nicht in einzelnen Agenten, sondern in kontrollierten Agentenlandschaften, die zusammenspielen und in einen Governance-Rahmen eingebettet sind.
Welche Vorteile bietet eine KI-Plattform mit Databricks?
- Schnellere Umsetzung neuer KI-Anwendungsfälle, weil Daten, Governance und KI auf einer gemeinsamen Plattform zusammengeführt werden.
- Sicherer Self-Service für Fachbereiche, sodass Analytics- und KI-Anwendungen eigenständig entwickelt werden können, ohne die zentrale Governance zu verlieren.
- Skalierbare KI-Agenten, die auf konsistente Unternehmensdaten zugreifen und dadurch verlässliche Ergebnisse für Fachbereiche und Geschäftsprozesse liefern.
Der wirtschaftliche Mehrwert entsteht nicht durch möglichst viele voneinander getrennte KI-Projekte. Entscheidend ist eine KI-Plattform, auf der neue Anwendungen effizient entwickelt, kontrolliert betrieben und kontinuierlich erweitert werden können.
Möchten Sie KI-Anwendungen und KI-Agenten in Ihrem Unternehmen sicher, produktiv und skalierbar einsetzen?
Unsere Data-&-AI-Expertinnen und -Experten unterstützen Sie dabei, eine KI-Plattform mit Databricks aufzubauen und in Ihre bestehende Cloud-, SAP-, Daten- und Systemlandschaft zu integrieren. Sprechen Sie mit uns darüber, wie Sie aus erfolgreichen KI-Piloten eine tragfähige Grundlage für unternehmensweite KI schaffen.
Verfasst von
Dominik Lech ist Senior Data Engineer bei Arvato Systems und gestaltet moderne Datenlandschaften von der Architektur bis zum Betrieb. Seine Schwerpunkte sind skalierbare Datenplattformen, Data Mesh, Databricks sowie AI im Data Engineering. Dabei verbindet er technische Tiefe mit strategischem Verständnis und einem klaren Blick für umsetzbare Lösungen.