Erfahren Sie, wie Sie vertrauenswürdigen geschäftlichen Kontext in produktionsbereite, domänenspezifische KI-Agenten verwandeln
von Megan Tupper
• Genie-Agents verwandeln vertrauenswürdigen geschäftlichen Kontext mit einem einzigen Prompt in domänenspezifische KI-Agenten. Sie können strukturierte Daten, Dokumente und Dateien analysieren, die von Unity Catalog verwaltet werden.
• Die meisten ungenauen oder inkonsistenten Antworten von Agenten sind auf fehlenden Kontext zurückzuführen, nicht auf den Prompt. Indem Genie-Agents auf vertrauenswürdigen Daten, Definitionen und Dokumentationen aufbauen, erübrigt sich das ständige Anpassen von Prompts.
• Der Start mit einem fokussierten Anwendungsfall erleichtert das Testen und schafft Vertrauen in die Agenten. Die Definition des Projektumfangs (Scoping) und das Benchmarking der ersten Version bieten Teams ein zuverlässiges Fundament, das sie mit zusätzlichem Wissen, Tools und wiederkehrenden Workflows erweitern können.
Wenn Sie einen generischen Agenten nach dem Umsatz fragen, greift er wahrscheinlich auf die erstbeste Umsatztabelle zu, die er findet, und nicht auf die, die tatsächlich von der Finanzabteilung gepflegt wird. Ihr erster Impuls ist vielleicht, den Prompt anzupassen. Aber das eigentliche Problem ist oft nicht der Prompt selbst, sondern dass dem Agenten der geschäftliche Kontext fehlt, um die Anfrage richtig zu interpretieren.
Databricks Genie-Agents lösen dieses Kontextproblem. Sie ermöglichen es Ihnen, domänenspezifische Agenten bereitzustellen, die sowohl strukturierte Daten als auch Dokumente und Dateien analysieren können, um Arbeitsabläufe zu automatisieren. Ein Agent für Verkaufschancen (Sales Opportunity Data) könnte Pipeline-Risiken aus verwalteten CRM-Tabellen aufdecken, ein Logistikmanagement-Agent (Logistics Management) könnte Lieferungen verfolgen und Verzögerungen in der gesamten Lieferkette melden, und ein Agent für die Produktsuche (Product Line Lookup) könnte detaillierte Produktfragen aus einem internen Katalog beantworten. Bisher war für die Erstellung von Genie-Agents eine manuelle Konfiguration erforderlich. Jetzt können effektive Genie-Agents mit einem einzigen Prompt über Genie One oder Genie Code erstellt werden, wobei der Kontext aus Unity Catalog und dem Gesprächsverlauf des Nutzers genutzt wird.
Sie können Ihren ersten Agenten in wenigen Minuten erstellen, ausgehend von einem einzigen Prompt. In vielen Fällen muss der Prompt nur das gewünschte Ergebnis des Agenten beschreiben und Genie auf die relevante Informationsquelle verweisen.
Ein Beispiel: „Nutze unsere Incident-Runbooks und Service-Statusdaten, um einen Agenten zu erstellen, der Support-Mitarbeiter bei der Untersuchung von Produktionsvorfällen unterstützt.“
Der Prompt ist einfach, liefert Genie aber genügend Informationen für den Einstieg. Er beschreibt das Problem und verweist auf die Quellen, die der Agent nutzen soll.
Natürlich hängt die Qualität eines Agenten von der Qualität seines Kontextes ab. Genie-Agents analysieren die Daten, Dokumente und Dateien, die Sie bereits in Unity Catalog verwalten. Die eigentliche Arbeit besteht also darin, diese vertrauenswürdigen Quellen zu kuratieren. Sobald diese bereitstehen, kann Genie sie für Sie zu einem Agenten zusammenführen. Für einen IT-Agenten könnte dieser Kontext FAQs, Support-Dokumentationen, Incident-Runbooks, Systeminventare und Servicedaten umfassen. Für einen Daten-Agenten könnten dies verwaltete Tabellen, Metrikdefinitionen, Dashboards, Datenqualitätsregeln und interne Dokumentationen sein.
Der Kontext beschränkt sich nicht nur auf strukturierte Daten. Genie-Agents können auch unstrukturierte Daten analysieren, die in Unity Catalog-Volumes gespeichert sind, wie PDFs, Word-Dokumente, Präsentationen und Bilder. Wenn jemand eine Frage stellt, ruft der Agent die relevantesten Dateiinhalte ab und analysiert sie zusammen mit Ihren verwalteten Tabellen, um eine Antwort zu generieren – stets unter Berücksichtigung der Berechtigungen des jeweiligen Nutzers. Das bedeutet, dass ein Agent zur Untersuchung von Vorfällen (Incident Investigation) auf die tatsächlichen Runbook-PDFs zugreifen kann und ein Agent für die Produktsuche (Product Line Lookup) Informationen aus der echten Produktdokumentation beziehen kann.
Obwohl Genie-Agents komplexe, mehrstufige Workflows unterstützen können, ist der beste Ausgangspunkt meist ein klar definiertes, bekanntes Problem, das wiederkehrende Analysen oder Arbeitsschritte erfordert. Ein eingegrenzter Anwendungsfall macht es einfacher zu prüfen, ob der Agent auf den richtigen Quellen basiert und sich wie erwartet verhält, während gleichzeitig die Definition des Projektumfangs (Scoping) und das Benchmarking aussagekräftiger werden.
Nehmen wir den zuvor erwähnten Agenten zur Untersuchung von Vorfällen (Incident Investigation). Bevor Sie ihn bereitstellen, testen Sie ihn anhand einiger vergangener Vorfälle, bei denen Sie die Ursache bereits kennen. Prüfen Sie dabei nicht nur, ob er zum richtigen Ergebnis kommt, sondern auch, ob er die korrekten Runbooks und Service-Statusdaten heranzieht. Wenn er sich auf ein veraltetes Runbook oder den falschen Service stützt, deutet dies auf einen Kontext hin, den Sie kuratieren müssen, und nicht auf einen Prompt, den Sie neu schreiben müssen.
Genie-Agents enthalten hierfür integrierte Benchmarks. Sie können eine Reihe von Testfragen mit jeweils einer erwarteten Antwort definieren und diese ausführen, um einen Genauigkeitswert (Accuracy Score) für den Agenten zu erhalten. Wenn Sie diesen Benchmark nach jeder Änderung erneut ausführen, wird aus dem vagen Gefühl, dass der Agent „besser zu sein scheint“, eine messbare Zahl, die Sie nachverfolgen können. Die Registerkarte Überwachung (Monitor) zeigt die echten Fragen und das Feedback der Nutzer an, sodass Sie neu entdeckte Lücken bei der Erweiterung direkt in den Benchmark einfließen lassen können.
Sobald Ihr erster Anwendungsfall einsatzbereit ist, können Sie weitere Wissens- und Datenquellen hinzufügen, wobei jede Erweiterung auf einer bereits getesteten Version aufbaut. Der Agent für Verkaufschancen (Sales Opportunity Data) könnte sich von der bloßen Anzeige von Pipeline-Risiken zur Erstellung von Deal-Zusammenfassungen oder zur Beantwortung von Fragen zu Gewinnraten nach Segmenten weiterentwickeln. Der Logistikmanagement-Agent (Logistics Management) könnte von der Meldung von Verzögerungen auf die Empfehlung von Routenänderungen oder die langfristige Überwachung der Spediteurleistung ausgeweitet werden. Der Agent für die Produktsuche (Product Line Lookup) könnte von der Beantwortung von Katalogfragen zum Produktvergleich oder zur Kennzeichnung von Lücken in der Dokumentation übergehen.
Gute Ausgangspunkte sind beispielsweise die Beantwortung von Fragen aus einer Produkt-FAQ, die Untersuchung einer häufigen Art von Produktionsvorfällen, die Erklärung von Änderungen bei den Cloud-Kosten oder die Überwachung einer definierten Gruppe von Datenpipelines. Der gemeinsame Nenner über alle Anwendungsfälle und Abteilungen hinweg ist, dass jeder Agent mit einer einzigen, klar definierten Aufgabe beginnt.
Die Erstellung von Agenten mit einem einzigen Prompt ersetzt weder Dokumentation noch Fachwissen. Sie bietet Teams lediglich eine schnellere Möglichkeit, diese Investitionen in Self-Service-Angebote für Nutzer zu verwandeln. Je besser das Fundament, desto besser der Agent. Kuratierte Unity Catalog-Semantiken wie Metrik-Views, Domänen und Zertifizierungen sind das, worauf der Prompt tatsächlich zurückgreift, um konsistente, vertrauenswürdige Antworten zu liefern.
Der Prompt stößt den Prozess an, aber die Qualität des Agenten hängt nach wie vor von dem Wissen und den Systemen dahinter ab. Hier machen Daten- und IT-Verantwortliche den Unterschied: Die Investition in einen verwalteten, klar definierten Kontext zahlt sich direkt in der Qualität des Agenten aus.
Effektive Agenten beginnen mit einer klaren geschäftlichen Anforderung und dem vertrauenswürdigen Kontext, der zu ihrer Bewältigung erforderlich ist.
Der schnellste Weg, dies zu erleben, ist der Start mit einem fokussierten Anwendungsfall. Zum Beispiel:
Genie-Agents ermöglichen es, vorhandene Daten, Dokumente und Workflows mit einem einzigen Prompt in einen domänenspezifischen Agenten zu verwandeln und diesen im Laufe der Zeit einzugrenzen, zu benchmarken und zu erweitern.
(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag
Abonnieren Sie unseren Blog und erhalten Sie die neuesten Beiträge direkt in Ihren Posteingang.