Fragen, bauen, kombinieren: Was wir bei unserem 5. Genie-Hackathon über Databricks Genie gelernt haben

Wie Databricks-Hackathons funktionieren

Wir veranstalten diese Hackathons aus einem einfachen Grund: Der schnellste Weg, ein Produkt kennenzulernen, besteht darin, etwas damit zu bauen. Jeder Hackathon beginnt mit einer Einführungs-Session, in der die Teams das Produkt und seine zukünftige Roadmap kennenlernen. Dann geht das Entwickeln los. Die Teams arbeiten etwa eine Woche lang zusammen und reichen ein Projekt ein. Die besten Lösungen gewinnen Preise.

Dies war unser fünfter Hackathon, und das Produkt im Rampenlicht war Databricks Genie.

Warum sich Genie hervorragend für einen Hackathon eignet

Mit Databricks Genie-Produkten können Anwender mit Daten in natürlichem Englisch statt in SQL arbeiten, was eine enorme Bandbreite für einen Hackathon bietet. Genie ist nicht nur ein einzelnes Feature, sondern eine ganze Produktfamilie, die sich auf drei verschiedene Arten zeigt:

• Fragen stellen. Ein Genie Agent ist eine Chat-Schnittstelle für Ihre governed Daten.
• Damit entwickeln. Genie Code ist ein autonomer KI-Partner, der bei Daten-, Analyse- und ML-Workflows unterstützt.
• Kombinieren. Ein Genie Agent kann als Tool bereitgestellt werden, das andere Agenten und Apps selbstständig aufrufen können.

Jeder dieser Ansätze bedient unterschiedliche Teams in einem Unternehmen, weshalb wir drei verschiedene Tracks angeboten haben. Wir gehen sie in dieser Reihenfolge durch – vom Business-Anwender, der einfach nur eine Antwort sucht, bis hin zum Entwickler, der Genie Agents in eine ganze Flotte integriert. Die Konstante bei allen dreien ist, dass Unity Catalog regelt, wer was sehen darf (unabhängig davon, wie die Frage gestellt wird), und die Genie Ontology für das gemeinsame semantische Verständnis sorgt.

Track 1: Sprechen Sie mit Ihren Daten über Genie Agents

Für wen es gedacht ist: Business-Anwender, die Fragen an governed, domänenspezifische Agenten stellen möchten. Ein Genie Agent ist eine domänenspezifische Chat-Schnittstelle, die ein Analyst für einen Teilbereich von governed Daten einrichtet. Diese kann dann mit Business-Anwendern geteilt werden, damit diese Fragen in natürlicher Sprache stellen können. Der Kurator kann auf Unity Catalog-Tabellen verweisen, einige Beispielabfragen hinzufügen, das geschäftliche Vokabular mit SQL-Ausdrücken und Metrik-Views definieren und vertrauenswürdige Assets (governed Funktionen) für Fragen anheften, die exakt beantwortet werden müssen. Von dort aus gibt ein Business-Anwender einfach eine Frage ein und erhält ein Ergebnis, ein Diagramm und die dahinterstehende Abfrage zurück. Wie sieht das aus, wenn echte Teams Genie Agents bereitstellen?

OneTrust stieß direkt auf eine der grundlegenden Funktionsweisen von Genie Agents. Ein einzelner Agent ist darauf ausgelegt, sich auf bis zu 30 Tabellen zu konzentrieren, was schnelle und präzise Antworten garantiert. Die Daten, die für einen echten Analysten bei OneTrust von Bedeutung sind, erstrecken sich jedoch über 190 Tabellen und mehr als 300 Views. Daher bauten sie eine übergeordnete Steuerungsebene (Supervisory Layer), die die Daten auf mehrere spezialisierte Genie Agents aufteilt (sharded), jede Frage an den richtigen Agenten weiterleitet und die Antworten wieder in einer einzigen Konversation zusammenführt. Für den Nutzer ändert sich nichts: Er stellt seine Frage weiterhin an einen einzigen Agenten. Hinter den Kulissen erstreckt sich der Self-Service in natürlichem Englisch nun über den gesamten Datenbestand des Unternehmens, ohne dass die Governance verloren geht, die für Vertrauenswürdigkeit sorgt.

Ein anderes Team richtete den Genie Agent auf rund 160.000 Kreditdatensätze aus und brachte ihm – was entscheidend war – die teaminterne Sprache bei. Sie definierten, was ein "Cure" bedeutet und wofür "DNC" steht, damit das Modell alltägliche Fragen den richtigen Daten zuordnet. Schon bald konnte das Inkassoteam Fragen in einfachem Englisch stellen und erfuhr beispielsweise, dass sich die meisten säumigen Kredite innerhalb von etwa 15 Tagen klären. Der beste Moment war ungeplant: Sobald das Vokabular etabliert war, schlug der Agent von sich aus präzise Fragen vor, an die das Team selbst gar nicht gedacht hatte. Genau das macht ein guter Kontext aus einer einfachen Chatbox.

Track 2: Entwickeln mit Genie Code

Fragen zu stellen ist erst der Anfang. Die nächste Frage lautet: Wer darf entwickeln und wie schnell?

Für wen es gedacht ist: Analysten und Entwickler. Personen mit grundlegenden technischen Kenntnissen, die ihre Daten kennen und etwas SQL schreiben können, aber bisher an ihre Grenzen stießen, sobald ein Projekt Pipelines, Funktionen oder ein professionelles Dashboard erforderte.

Genie Code ist der Macher in der Familie. Sie beschreiben in einfacher Sprache, was Sie möchten, und das Tool erledigt die Arbeit: Es schreibt Metrik-Views, Unity Catalog-Funktionen, Pipelines und Dashboards – alles direkt in Databricks, ohne dass eine separate Entwicklungsumgebung eingerichtet werden muss. Da es tief in Unity Catalog integriert ist, versteht es Ihr tatsächliches Schema und Ihre Semantik. So wählt es die richtigen Joins aus, anstatt Spaltennamen zu erfinden. Für einen Analysten ist das ein enormer Hebel. Aufgaben, für die man früher ein Ticket beim Data Engineering einreichen oder eine Woche lang SQL von Hand schreiben musste, sind jetzt an einem Nachmittag erledigt – genau das sollte dieser Track zeigen.

Ein Team wendete Genie auf das eigene System des Datenteams an. Sie nutzten Genie Code, um eine Governance-Intelligence-Plattform zu bauen, die inaktive Berichte markiert, die gelöscht werden können, Lineage- und SQL-Logik nutzt, um doppelte Berichte im gesamten Unternehmen zu gruppieren, und bewertet, ob Daten tatsächlich für die Nutzung durch KI bereit sind. Das ist die Art von übergreifendem Governance-Projekt, für das man normalerweise ein ganzes Quartal und eine Roadmap benötigt. Mit Genie Code wurde es im Rahmen eines Hackathons umgesetzt.

Procore hat eine komplette Analytics-Umgebung für eine Ferienvermietungsplattform aufgebaut, ohne Databricks zu verlassen. Avinash, Abdullah, Amy und Jason nutzten integrierte KI-Funktionen wie ai_extract(), um Angebote automatisch zu klassifizieren und zu bewerten. Anschließend stellten sie ein Dashboard mit KPIs, Vorjahrestrends und Prognosen bereit, ergänzt durch einen Genie Agent, der die Frage eines Portfoliomanagers wie "Welche Ausstattung sollte ich hinzufügen, um die Zufriedenheit zu verbessern?" in Sekundenschnelle beantwortet. Ein professionelles, mehrteiliges Produkt, das in Tagen statt Wochen entwickelt wurde.

Fanatics Betting and Gaming hat ein Customer-Experience-Tool entwickelt, das Managern auf Anfrage eine nach ROI priorisierte Aktionsliste liefert – komplett an einem einzigen Nachmittag. Dann taten sie etwas, das wir großartig fanden: Sie nutzten Genie, um ihr eigenes Churn-Modell einem Stresstest zu unterziehen. Dabei stellten sie fest, dass zwei historische Features fast das gesamte Signal trugen, und kamen zu dem ehrlichen Schluss, dass ein einfacherer Ansatz genauso gut funktionierte. Sie verpackten den Workflow sogar in einen wiederverwendbaren Analysten-Skill. Wenn die Entwicklung so schnell geht, kann man es sich leisten, die eigene Arbeit zu hinterfragen – genau so sollten gute Analysten das Tool nutzen.

Track 3: Genie in Agenten integrieren

Sie können mit Ihren Daten sprechen und Sie können damit entwickeln. Der letzte Schritt ist der, der uns am meisten begeistert.

Für wen es gedacht ist: Vibe Coder. Hier geht es ans Eingemachte, wo alles zusammenläuft. Die Aufgabe bestand darin, einen vollständigen Agenten auf Databricks Apps mit Genie als einem seiner Tools zu erstellen und eigene Tools mitzubringen.

Dieser Teil verändert die Rolle von Genie grundlegend. Ein Genie Agent muss kein Endpunkt sein. Über die Genie Conversation APIs und den in Databricks integrierten, verwalteten MCP-Server wird ein Genie Agent zu einem governed Tool, das jeder Agent aufrufen kann, um eine Datenfrage in natürlicher Sprache zu stellen und eine fundierte Antwort zu erhalten. Ein Entwickler baut also einen Agenten auf Databricks Apps, bindet Genie neben anderen MCP-Servern, Model Serving-Endpunkten und benutzerdefinierter Logik ein, verfolgt das Ganze in MLflow und steuert jeden Aufruf über OAuth und Unity Catalog. Genie kümmert sich um die Kommunikation mit dem Warehouse. Sie kombinieren den Rest.

ShipBob hat das Projekt entwickelt, das allen im Gedächtnis geblieben ist: das „11 PM Ops Brief“. Supply-Chain-Teams werden meist erst wach, wenn Störungen bereits im Gange sind. Das System von ShipBob schreibt den nächtlichen Bericht, noch bevor das Team aufsteht. Dabei koordiniert ein übergeordneter Agent mehrere spezialisierte Agenten: Genie übernimmt die Abfrage des Warehouse, während andere 17 Live-Feeds aus öffentlichen Quellen zusammenführen, wiederkehrende Muster aufzeigen sowie das Ergebnis entwerfen und auf Fakten prüfen. Das Ergebnis ist ein Bericht in einfachem Englisch mit konkreten Zahlen – wie etwa einem Umsatzrisiko von rund 192.000 USD –, ergänzt durch Write-Back-Aktionen, die zur menschlichen Genehmigung bereitstehen, wobei jeder Schritt in MLflow nachverfolgt wird. Ein 30-minütiges Stand-up-Meeting wird so zu einer 30-sekündigen Lektüre. Dies zeigt eindrucksvoll, wie Genie als Teamplayer statt als Solist agiert.

Reach Mobile hat DBX Lens entwickelt, das dieselbe Idee auf Databricks selbst anwendet. Es kombiniert einen eingebetteten Genie Agent mit einem eigenen MCP-Server, sodass Sie Fragen stellen können wie „DBUs nach SKU für die letzten 30 Tage anzeigen“ und Antworten zu Kosten und Governance in einfachem Englisch erhalten, die auf Ihre Berechtigungen abgestimmt sind und auf Unity Catalog-Systemtabellen basieren. Es enthält sogar eine Funktion, die mithilfe von Model Serving eine Governance-Regel in natürlicher Sprache in bereinigtes SQL umwandelt. Stellen Sie es sich wie einen integrierten FinOps-Analysten vor, der Teams dabei hilft, effizient zu bleiben und Best Practices optimal umzusetzen.

Kin Insurance hat einen Agenten für Wachstum und Marketing entwickelt, der neue Märkte erforscht, Analysen mit Genie im Prozess ausführt und Empfehlungen liefert, die das Team direkt umsetzen kann. Durch die Kombination von autonomer Planung mit einem Genie Agent wird ein mühsamer, mehrstufiger Recherche- und Berichtsprozess in eine einzige Anfrage verwandelt. Weniger fragen, mehr tun.

Zwei weitere Entwicklungen zeigen dieselbe Kompositionsidee aus verschiedenen Blickwinkeln.

Ripple hat einen KYC-Briefing-Agenten (Know Your Customer) für den regulierten Finanzsektor entwickelt: Genie liefert den internen CRM-Kontext, während der Agent externe Sanktionen, Durchsetzungsmaßnahmen und Negativschlagzeilen prüft. Dadurch wird eine drei- bis vierstündige manuelle Recherche vor Besprechungen auf einen einzigen Prompt und ein in weniger als einer Minute erstelltes, vollständig zitiertes Briefing verkürzt. Zertifizierte Metrik-Ansichten sorgen für präzise Zahlen, und jeder Durchlauf wird in Unity Catalog protokolliert, um einen lückenlosen Audit-Trail zu gewährleisten.

Fanatics Betting and Gaming hat FirstBet Coach entwickelt, einen Onboarding-Leitfaden für neue Sportwetten-Kunden, der Genie über ein Dutzend verwaltete Tabellen mit einem selbst entwickelten MCP-Server für Sportdaten kombiniert, ergänzt durch persistenten Speicher und MLflow-Tracing für einen integrierten Audit-Trail. Zwei MCP-Server, eine Konversation, mit von vornherein eingerichteten Guardrails für verantwortungsvolles Spielen.

Das große Ganze

Wenn man diese drei Ansätze nacheinander betrachtet, erhält man einen praktischen Überblick über die Databricks Genie-Familie. Ein Teamleiter im Forderungsmanagement stellt eine Frage mit einem Genie Agent. Ein Analyst stellt eine Governance-Plattform mit Genie Code bereit. Ein Engineer übergibt Genie als eines von vielen Tools an einen autonomen Agenten. Sprechen Sie damit, entwickeln Sie damit, kombinieren Sie es.

Der Grund, warum alle drei bedenkenlos echten Nutzern zur Verfügung gestellt werden können, ist die Ebene, über die sich niemand den Kopf zerbrechen musste: Unity Catalog. Dieselbe Governance, die bestimmt, was ein geschäftlicher Nutzer in einem Genie Agent sehen kann, legt auch fest, worauf Genie Code zugreifen und was ein Agent zurückgeben darf. Beschreiben und verwalten Sie Ihre Daten einmal richtig, und Genie holt geschäftliche Nutzer, Entwickler und Engineers genau dort ab, wo sie arbeiten.

Hut ab vor allen zehn Teams, die etwas Reales geschaffen haben. Hier sind einige empfohlene Ressourcen für den Einstieg in die Databricks Genie-Familie:

• Erleben Sie die Sessions zu dialogorientierter und agentenbasierter Analytik vom Data + AI Summit.
• Neu bei Genie Agents? Beginnen Sie mit dem Genie-Onboarding-Leitfaden und den Best Practices für das Kuratieren eines Agenten.
• Sie möchten selbst entwickeln? Lernen Sie Genie Code kennen und erfahren Sie, wie Sie einen Genie Agent hinter einen anderen Agenten schalten.
• Bereit zum Ausprobieren? Starten Sie eine kostenlose Testversion und richten Sie einen Genie Agent auf Ihre eigenen Daten aus.

(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag