Lernen Sie die Organisationen kennen, die Daten und AI nutzen, um bahnbrechende Ergebnisse in den Bereichen Finanzdienstleistungen, Gesundheitswesen, Energie, Einzelhandel und mehr zu erzielen.
Jede Branche hat ihre ganz eigenen Herausforderungen. Die Branchensieger der Databricks Customer Awards haben sich diesen Herausforderungen nicht nur gestellt – sie haben Daten und AI genutzt, um sie zu lösen.
Mit den Industry Awards wird ein herausragendes Unternehmen aus jedem Sektor ausgezeichnet: das Unternehmen, dessen Arbeit am besten zeigt, wie Data Intelligence bahnbrechende Ergebnisse erzielen, Abläufe umgestalten und neue Möglichkeiten in seinem Bereich schaffen kann. Von einer globalen Bank, die Risiko- und Finanzdaten über Regionen hinweg vereinheitlicht, bis hin zu einem Krankenhaus, das die Erfassung und Wiederverwendung klinischer Daten revolutioniert – die diesjährigen Gewinner zeigen, wie weitreichend und tiefgreifend diese Wirkung sein kann.
Das diesjährige Programm zeichnet 10 Gewinner aus den Bereichen Finanzdienstleistungen, Telekommunikation, Gesundheitswesen und Life Sciences, Fertigung, Einzelhandel und CPG, Energie und Versorgungsunternehmen, Unternehmenstechnologie, öffentlicher Sektor, Digital-Native-Unternehmen und exzellente Cybersecurity aus. Zusammen repräsentieren sie einige der innovativsten und wirkungsvollsten Anwendungen von Databricks, die wir je gesehen haben – und wir freuen uns sehr, jeden einzelnen von ihnen zu feiern.
Ohne Umschweife präsentieren wir Ihnen hier die Branchensieger der Databricks Customer Awards 2026.
SMBC Group ist ein führender globaler Finanzkonzern. Mit Hauptsitz in Tokio und einer 400-jährigen Geschichte bietet die SMBC Group eine breite Palette von Finanzdienstleistungen an, darunter Banking, Leasing, Wertpapiere, Kreditkarten und Konsumentenfinanzierung. Die Bank nutzt Daten und AI, um Risiko, Treasury und Finanzen zu integrieren, die Cybersecurity zu stärken und das digitale Erlebnis für Kunden zu modernisieren.
Im Zentrum dieser Transformation steht ein einziges Databricks Lakehouse, das die Daten von SMBC über Regionen hinweg auf einer einzigen, kontrollierten Plattform zusammenführt. Unity Catalog bietet der Bank regionenübergreifende Datenfreigabe, Lineage und Zugriffskontrollen. Das Lakehouse führt Analysen und AI in der Größenordnung aus, die eine globale Bank benötigt, und hält gleichzeitig Kosten und Komplexität im Zaum.
Auf diesem Fundament nutzt SMBC Genie und Agent Bricks, um vertrauenswürdige, datengestützte Intelligenz direkt in die Hände der Geschäftsbereiche zu legen. Die Plattform betreibt einen Chatbot für das Cash Management System, generiert Frühwarnindikatoren (Early Warning Indicators) für Portfoliorisiken und wird auf Kreditvorlagen-Workflows im Front-Office ausgeweitet – wodurch die Arbeit von Analysten von Stunden auf Minuten verkürzt wird.
Die Ergebnisse sind messbar:
Diese Ergebnisse zeigen, wie SMBC Daten als strategisches Asset behandelt – täglich operationalisiert über globale Teams hinweg, um bessere, schnellere und fundiertere Entscheidungen zu treffen.
Lumen Technologies ist ein Unternehmen für digitale Netzwerkdienste, das die sichere, leistungsstarke und intelligente Konnektivität bereitstellt, die Unternehmen zur Verwirklichung ihrer AI-Ziele benötigen. Das Unternehmen nutzt Daten und AI, um Finanz- und Betriebsteams einen schnelleren und konsistenteren Zugriff auf Informationen zu ermöglichen.
Im Finanzbereich führt Lumen Daten aus Bereichen wie Umsatz, Abrechnung und Netzwerkkosten zusammen, sodass die Teams mit einer gemeinsamen Sicht auf die Zahlen arbeiten können. Das Unternehmen konsolidiert diese Daten auf der Databricks-Plattform. Es führt Agenten für natürliche Sprache ein, mit denen Mitarbeiter in ihren täglichen Tools Fragen stellen und kontrollierte, erklärbare Antworten erhalten können, ohne dass dafür Fachkenntnisse erforderlich sind.
Auf diesem Fundament kann Lumen:
Im Bereich Service Assurance erleichtert Lumen die Untersuchung und Behebung von Netzwerkvorfällen, die sich auf kritische Kunden-Workloads auswirken können. Eine Lakehouse-Architektur, Foundation Models und Multi-Agenten-Workflows bieten eine einheitliche dialogorientierte Benutzeroberfläche. In dieser können Teams den Servicestatus und den betrieblichen Kontext überprüfen, Tickets analysieren, die Fallhistorie einsehen, Diagnosen ausführen und die Zeit bis zur Lösung in natürlicher Sprache untersuchen. Dieser Ansatz trägt zur Skalierung der Automatisierung im gesamten Servicebetrieb bei. Interne Kennzahlen zeigen über 3 Millionen AI-gestützte Diagnosen, 35 % Ticket-Deflection und mehr als 100.000 AI-generierte Aktionen.
Hospital for Special Surgery (HSS) ist das weltweit führende akademische medizinische Zentrum mit Schwerpunkt auf der Gesundheit des Bewegungsapparats. Seit 16 Jahren in Folge wird es von U.S. News & World Report als Nummer 1 in der Orthopädie in den USA eingestuft – eine Auszeichnung, die für kontinuierliche Exzellenz in der klinischen Versorgung, Forschung und Innovation steht.
Aufbauend auf dieser führenden Rolle und Wirkung startete das HSS im Juni 2025 ein ehrgeiziges Projekt zur Transformation der Unternehmensdaten: die Konzeption und Implementierung eines modernen Data Lakehouse auf Databricks innerhalb eines Zeitrahmens von 18 Monaten. Das Ziel war keine schrittweise Verbesserung, sondern ein struktureller Wandel, die Vereinheitlichung eines stark fragmentierten Daten-Ökosystems, die Stärkung der Governance in großem Maßstab und die Ermöglichung einer schnelleren, zuverlässigeren Entscheidungsfindung im gesamten Unternehmen.
Anstatt einem traditionellen, anwendungsfallgesteuerten Datenaufnahmemodell zu folgen, entschied sich das HSS für eine grundlegend andere Strategie – die vollständige Systemaufnahme (Full System Ingestion). In der Praxis bedeutete dies, Quellsysteme in ihrer Gesamtheit zu erfassen, anstatt selektiv Teilmengen von Daten zu extrahieren, die an einzelne Anwendungsfälle gebunden sind. ERP, HRIS, EHR, PACS und andere Quellsysteme wurden als vollständige Datensätze importiert, wodurch die Genauigkeit und der Kontext erhalten blieben und eine Wiederverwendung in mehreren nachgelagerten Anwendungen ohne erneute Erfassung oder Neuentwicklung ermöglicht wurde.
Dieser Ansatz brachte anfangs eine erhebliche Komplexität mit sich. Er erforderte vom ersten Tag an eine engere Abstimmung mit den Systemverantwortlichen, eine strenge Datenmodellierung und stärkere Governance-Kontrollen. Es wurde jedoch ein skalierbares Fundament geschaffen. Neue Analyse-Anwendungsfälle können nun schnell bereitgestellt werden, ohne dass Erfassungsmuster überarbeitet oder Daten neu modelliert werden müssen, was die Time-to-Insight und technische Redundanzen erheblich reduziert.
In nur 10 Monaten hatte das HSS über 40 Quellsysteme erfasst, mehr als 14.500 Produktionstabellen und über 130 Schemata eingerichtet sowie eine wachsende Anzahl von Datenprodukten und Anwendungen bereitgestellt.
Noch wichtiger ist, dass die Transformation das Betriebsmodell für die Bereitstellung von Daten im gesamten Unternehmen verändert hat. Teams können nun mithilfe zuverlässiger, kontrollierter Datensätze direkt von der Fragestellung zur Erkenntnis gelangen. Dies ermöglicht nicht nur eine schnellere Bereitstellung, sondern auch anspruchsvollere Analysen, Funktionen und tiefere Erkenntnisse. Es ist dieser Quantensprung sowohl in der Leistungsfähigkeit als auch in der Ausführung, der diese Transformation auszeichnet und die Anerkennung des Programms als branchenführende Dateninitiative begründet.
TrinityRail® ist ein nordamerikanischer Vermieter, Hersteller und Logistikdienstleister von Schienenfahrzeugen, der verstärkt digitale Dienste in seine Plattform integriert, um sein Angebot für Kunden zu erweitern. Im Rahmen seiner Strategie für 2026 konzentriert sich das Unternehmen darauf, Intelligenz zu operationalisieren, Daten einzubetten und AI in seine täglichen Entscheidungen und Workflows zu implementieren.
TrinityRail führt Daten aus Altsystemen zusammen, die zuvor die Transparenz in den Bereichen Fertigung, Leasing und Service einschränkten und es erschwerten, Margen, Working Capital und die Produktivität der Belegschaft zu verbessern. Das Unternehmen stellt seine Kernsysteme auf die Databricks-Plattform um und führt seinen Datenbestand zusammen, um „Systems of Action“ zu unterstützen – der Übergang von statischen Dashboards zu transaktionalen Anwendungen und Agenten, die nahezu in Echtzeit auf Erkenntnisse reagieren.
Auf diesem Fundament kann TrinityRail:
Durch die Übernahme von RSI Logistics integriert TrinityRail auch Telemetriedaten von Güterwagensensoren, um Data-as-a-Service-Angebote für Kunden zu unterstützen. Zusammen zielen diese Bemühungen auf messbare Ergebnisse ab, wie z. B. Bestandsreduzierung, Automatisierung der Beschaffung, Einsparungen bei Tagegeldern und in der Lieferkette sowie reaktionsschnellere digitale Dienste für die gesamte Flotte.
PepsiCo ist ein weltweit führendes Lebensmittel- und Getränkeunternehmen – und Daten treiben seine Geschäftsabläufe in großem Maßstab an. In Partnerschaft mit Databricks hat PepsiCo seine Enterprise Data Foundation (EDF) aufgebaut, um es jedem Unternehmensbereich zu ermöglichen, Daten- und AI-Produkte auf einer gemeinsamen, modernen, skalierbaren und leistungsstarken Plattform zu erstellen und zu skalieren.
EDF vereinheitlicht Unternehmensdaten und ermöglicht wiederverwendbare Datenprodukte, die weltweit von Teams in den Bereichen Lieferkette, Vertrieb, Verbraucher, Finanzen, Beschaffung, R&D, HR und Nachhaltigkeit genutzt werden. Das Fundament unterstützt vorrangige Geschäftsprogramme mit starken Betriebskennzahlen, darunter das Onboarding von über 85 % der Unternehmensdaten, eine Datenqualität und Katalogabdeckung von über 90 % sowie die Bereitstellung von mehr als 200 Unternehmensdaten- und AI-Produkten in der Produktion.
Auf dieser Databricks-Basis hat PepsiCo die Berichterstattung und Datenvereinfachung bis heute um 60 % gesteigert und plant den Übergang zu AI-gestützten BI-Konsolen über alle Geschäftsbereiche und Funktionen hinweg.
Aufgebaut auf Databricks ist EDF von Grund auf AI-ready – und unterstützt fortschrittliche Analysen, Machine Learning und kontrollierte AI in großem Maßstab. Mit integrierter Governance und semantischem Kontext verwandelt PepsiCo saubere, verknüpfte Daten in Erkenntnisse und Maßnahmen, die eine echte geschäftliche Wirkung im gesamten Unternehmen erzielen.
Ausgrid ist ein großer Stromverteiler in Australien, der Haushalte und Unternehmen in seinem gesamten Netz versorgt. Das Unternehmen modernisiert die Verwaltung und Nutzung von Daten, sodass ein relativ kleines Team Analysen und AI im gesamten Unternehmen unterstützen kann.
Ausgrid führt Daten aus parallelen Altsystemen für Analysen zusammen, die die Plattformkosten in die Höhe trieben und die Bereitstellung vertrauenswürdiger, wiederverwendbarer Daten für Geschäftsanwender erschwerten. Ein schlankes, achtköpfiges Datenteam plante und realisierte eine vollständige Migration von Azure Synapse auf eine Lakehouse-Architektur auf der Databricks-Plattform, legte die alte Umgebung still und baute eine Enterprise Data Platform mit zertifizierten „Gold“-Datenprodukten in Bereichen wie Kunden, Finanzen und Wetter auf. Diese Arbeit eliminiert doppelte Plattformausgaben und reduziert den betrieblichen Aufwand für die Wartung zweier Analyse-Stacks.
Auf diesem Fundament baut Ausgrid auf und:
Mit Blick auf die Zukunft konzentriert sich Ausgrid auf die Skalierung zu einem AI-gesteuerten Versorgungsunternehmen, indem es mehr domänenspezifische Datenprodukte veröffentlicht und Tools wie Databricks Lakehouse, Genie und Apps für demokratisierte Analysen bereitstellt. Das Ziel ist es, Tausende von Mitarbeitern auf einem einzigen Lakehouse zusammenzuführen und Daten sowie AI zu nutzen, um intelligentere Entscheidungen, moderne BI und integrierte Anwendungsfälle zu unterstützen, während gleichzeitig die Gesamtbetriebskosten durch Konsolidierung und elastische Datenverarbeitung verbessert werden.
Intel ist ein globales Technologieunternehmen, das Halbleiter und Computertechnologien entwickelt und herstellt, die Geräte, Rechenzentren und intelligente Systeme weltweit antreiben. Das Unternehmen modernisiert sein Daten- und AI-Fundament, um die Zusammenarbeit, Governance und Innovationsgeschwindigkeit im gesamten Unternehmen zu verbessern.
Da der Datenbestand von Intel an Umfang und Komplexität zunahm, standen die Teams vor Herausforderungen in Bezug auf Konsistenz, Governance und fragmentierte Workflows in den einzelnen Geschäftsbereichen. Um dem zu begegnen, richtete die IT von Intel funktionsübergreifende Teams an einer einheitlichen Datenstrategie aus und standardisierte die Nutzung von Analysen und ML auf der Databricks-Plattform, was zu mehr Konsistenz und Kontrolle im gesamten Unternehmen beitrug.
Auf diesem Fundament baut die IT von Intel auf und:
Die IT von Intel hat auch ihre interne Daten-Community gestärkt, indem sie Betriebs-, Analyse- und Governance-Teams an gemeinsamen Standards und Betriebsmodellen ausgerichtet hat. Dies hat dazu beigetragen, die Datenverantwortung zu verbessern und es den Teams gleichzeitig zu erleichtern, Daten im gesamten Unternehmen sicher zu finden, darauf zuzugreifen und sie wiederzuverwenden.
Zusammen haben diese Bemühungen das Daten-Ökosystem von Intel vernetzter, kontrollierter und skalierbarer gemacht, was eine schnellere Innovation und eine breitere Akzeptanz von Daten und AI im gesamten Unternehmen unterstützt.
IDB Invest ist der Arm für den Privatsektor der Interamerikanischen Entwicklungsbank, der Unternehmen finanziert und private Investitionen mobilisiert, um die Entwicklung in Lateinamerika und der Karibik voranzutreiben. Im Jahr 2025 verzeichnete das Unternehmen eine Rekordaktivität von insgesamt 13,1 Milliarden US-Dollar, während es eine umfassendere institutionelle Transformation vorantrieb, die auf eine Steigerung von Umfang, Qualität und Entwicklungswirkung ausgelegt ist.
Mit der Ausweitung der Aktivitäten von IDB Invest mit Databricks hat die Organisation den Zugriff und die Nutzung von Informationen durch die Teams in den Bereichen Treasury, Analysen und Risiko-Workflows modernisiert. Ein Kernziel bestand darin, die Fragmentierung in der Analyseumgebung zu reduzieren und ein stärkeres Fundament für eine schnellere, konsistentere und AI-gestütztere Entscheidungsfindung im gesamten Unternehmen zu schaffen.
Diese Transformation umfasst die Anwendung von AI-basierter Dokumentenanalyse zur Unterstützung des Risiko- und Nachhaltigkeitsmanagement-Teams, da der Dealflow wächst und finanzielle sowie nicht-finanzielle Risikobewertungen komplexer werden. Mithilfe von natürlicher Sprachverarbeitung und Large Language Models kann IDB Invest Investitionsvorschläge, Aide-Mémoires und jährliche Überwachungsberichte analysieren und zusammenfassen und gleichzeitig ein zentrales Repository für institutionelles Wissen und wichtige Finanzinformationen für einen schnelleren Abruf erstellen.
IDB Invest hat außerdem einen unternehmensweiten virtuellen AI-Assistenten eingeführt, der auf Databricks Genie basiert, um einen dialogbasierten Zugriff auf Daten und Analysen zu ermöglichen. Durch die Kombination von Genie mit kontrolliertem Zugriff über Unity Catalog bietet die Organisation den Benutzern eine sichere Möglichkeit, Unternehmensdaten abzufragen, Szenarien zu untersuchen und Zusammenfassungen in natürlicher Sprache zu erstellen. Dies trägt dazu bei, Analysen über Spezialistenteams hinaus auszudehnen und den Zugang zu AI-gesteuerten Erkenntnissen in den Bereichen Treasury, Risiko und Wirkung zu erweitern. Dies verkürzt die Zeit bis zur Erkenntnis weiter, verringert die Abhängigkeit von manueller Berichterstattung und beschleunigt die Einführung von AI in den Workflows für Risiko, Treasury und Entwicklungswirkung.
Zu den ersten Ergebnissen dieser Arbeit gehören:
Zusammen zeigen diese Bemühungen, wie IDB Invest Daten und AI nutzt, um Abläufe zu rationalisieren, die Entscheidungsfindung zu stärken und sein umfassenderes Wachstums- und Entwicklungsmandat zu unterstützen.
Superhuman, die Produktivitätsplattform, zu der Grammarly, Coda, Superhuman Mail und Superhuman Go gehören, bedient täglich über 40 Millionen Nutzer in Dutzenden von Sprachen und verlässt sich auf die Databricks-Plattform, um Vorschläge schnell, zuverlässig und kosteneffizient auf globaler Ebene bereitzustellen.
In enger Partnerschaft mit Databricks migrierte Superhuman einen Großteil des Inference-Traffics, der das führende Modell zur grammatikalischen Fehlerkorrektur von Grammarly antreibt, von einem DIY-vLLM-Stack zu Databricks High Throughput Model Serving.
Auf diesem Fundament baut Superhuman auf und:
Über die Inferenz hinaus hat Superhuman Lakebase eingeführt, den vollständig verwalteten PostgreSQL-Dienst von Databricks, der nativ in das Lakehouse integriert ist. Er dient als transaktionales Rückgrat für interne Anwendungen und Produktionsdienste, indem er Delta-Tabellen mit einem Speicher mit geringer Latenz synchronisiert und den Anwendungsstatus ohne benutzerdefinierte Pipelines zurückschreibt. Diese Grundlage aus Lakebase und Databricks Apps hat monatelange Feature-Onboarding- und Reverse-ETL-Projekte in Arbeit verwandelt, die in Wochen oder sogar Stunden gemessen wird, während gleichzeitig die Rufbereitschaft für Engineering-Teams drastisch reduziert wurde.
Zusammen zeigen diese Investitionen, wie ein Digital-Native-Unternehmen wie Superhuman hochvolumige LLM-Inferenz und datengesteuerte Anwendungen nebeneinander ausführen kann, während Latenz, Zuverlässigkeit und Kosten im Consumer-Maßstab streng kontrolliert werden.
Adobe ermöglicht es allen Menschen überall, sich digitale Erlebnisse vorzustellen, sie zu erschaffen und zum Leben zu erwecken. Von Kreativen und Studierenden bis hin zu kleinen Unternehmen, globalen Konzernen und gemeinnützigen Organisationen – Kunden entscheiden sich für Adobe-Produkte, um Ideen zu entwickeln, zusammenzuarbeiten, produktiver zu sein, das Geschäftswachstum voranzutreiben und außergewöhnliche Erlebnisse zu schaffen.
Doch in der heutigen digitalen Welt ist Vertrauen das, was mutige Ideen erst möglich macht. Vertrauen stärkt die Kreativität – und es beginnt mit Sicherheit, indem wir unsere Kunden und Communities schützen, die die Produkte von Adobe jeden Tag nutzen.
Da das Volumen und die Komplexität von Sicherheitsdaten zugenommen haben, hat Adobe seinen datengesteuerten Cybersicherheitsansatz kontinuierlich weiterentwickelt. Das Sicherheitsteam von Adobe nutzt Daten- und AI-Tools, einschließlich Databricks, um eine skalierbarere Analyse zu ermöglichen und die Geschwindigkeit sowie Genauigkeit der Bedrohungserkennung zu verbessern.
Durch die Anwendung von Software-Engineering-Praktiken auf seine Erkennungs-Workflows hat Adobe die Konsistenz, Governance und Effizienz seiner Sicherheitsabläufe gestärkt. Das Ergebnis ist eine messbare Reduzierung von False Positives, eine schnellere Entwicklung von Erkennungsmethoden und eine verbesserte Analyseleistung bei großen Datenmengen.
Diese Bemühungen stärken die Fähigkeit von Adobe, auf sich ständig weiterentwickelnde Bedrohungen zu reagieren und diese zu identifizieren – und sie bilden das Fundament für sichere, zuverlässige digitale Erlebnisse für Adobe-Kunden weltweit.
Sumitomo Mitsui Banking Corporation, Lumen Technologies, Hospital for Special Surgery, TrinityRail, PepsiCo, Ausgrid, Intel, IBD Invest, Superhuman und Adobe.
Zehn Gewinner. Ein roter Faden: Organisationen, die erkannt haben, was Daten und AI in ihrem Bereich leisten können, und etwas geschaffen haben, das es zu feiern gilt. Ihre Arbeit bringt die gesamte Community voran – und genau darum geht es.
Möchten Sie mehr darüber erfahren, wie Databricks-Kunden Daten und AI nutzen, um etwas zu bewegen?
(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag
Abonnieren Sie unseren Blog und erhalten Sie die neuesten Beiträge direkt in Ihren Posteingang.