Wie HP mit Databricks CustomerLake eine KI-bereite CDP aufbaut

Auf dem Data + AI Summit 2026 berichtete Luis Alonso, Global Head of Data Strategy & Engineering for MarTech & AI Enablement bei HP, wie das Unternehmen eine KI-fähige Go-to-Market-Datenbasis auf Databricks aufbaut. 

HP hat viel Zeit und Aufwand investiert, um Kundendaten und Signale von Drittanbietern in seinem Marketing Lakehouse zusammenzuführen. Jetzt stellen Genie und CustomerLake diesen vertrauenswürdigen Kontext Marketern zur Verfügung, die tägliche Entscheidungen über Zielgruppen, Kanäle und Customer Journeys treffen.

Die ersten Ergebnisse von HP zeigen drei Wege auf, wie dieser Ansatz Kosten senken, den verfügbaren Kundenkontext erweitern und die Aktivierung beschleunigen kann:

• 40 % geringere Gesamtbetriebskosten (TCO) der CDP: HP schätzt, dass die Konsolidierung der CDP-Funktionen mit CustomerLake die Gesamtbetriebskosten im Vergleich zum bisherigen Composable-CDP-Ansatz um bis zu 40 % senken könnte.
• 90 % völlig neue Marketing-Signale: HP hat die für das Marketing verfügbaren Daten um 90 % völlig neue Signale aus Medien-, Marken-, Intent- und technografischen Quellen erweitert.
• In zwei Stunden bereit für die Zielgruppenansprache: Bereits in der ersten Sitzung mit CustomerLake hat HP Datenmodelle konfiguriert, Attribute veröffentlicht und war bereit zur Erstellung von Zielgruppen – ein Prozess, der mit einer traditionellen CDP 2–3 Monate hätte dauern können.

Warum HP die traditionelle CDP neu überdenkt

Für HP ist eine CDP nicht nur ein einzelnes Produkt oder eine begrenzte Auswahl an Aktivierungsfunktionen. Es ist eine Ansammlung von Funktionen, die rund um die Anforderungen des Unternehmens aufgebaut sind:

• First- und Third-Party-Datenstrategie
• Account-Profiling und Clustering
• Identitäts- und Kaufgruppen-Intelligence
• Zielgruppensegmentierung und -aktivierung
• Closed-Loop-Messung
• Always-on-Automatisierung und Self-Service

Da HP immer mehr governed Daten und Geschäftslogik auf Databricks konsolidierte, bedeutete der Betrieb einer separaten CDP zunehmend eine Duplizierung von Pipelines, Daten und betrieblichem Aufwand. Composable-Architekturen reduzierten zwar einige Datenbewegungen, aber der Aktivierungsebene fehlten weiterhin die Begriffsdefinitionen, der Kontext und die Governance, die auf der Datenplattform bereits vorhanden waren.

Dieser Kontext ist für Self-Service-Analysen und KI-Agenten essenziell. Ohne ihn kann ein Agent zwar auf Daten zugreifen, verfügt jedoch nicht über die erforderlichen Definitionen, Beziehungen, Metriken und Governance, um sie korrekt zu nutzen.

Von hunderten Daten-Repositories zu einer governed Marketing-Lakehouse-Basis

Im Rahmen der umfassenderen Datentransformation von HP wurden hunderte von Data Lakes und Repositories in einer kleinen Anzahl von Databricks Lakehouses konsolidiert. Das Unternehmen nutzt zentrale Standards mit föderierter Ausführung, wodurch Fachexperten die Eigentümerschaft und Verwaltung behalten, während governed Datenprodukte unternehmensweit geteilt werden.

Dadurch erhielt das Marketing governed Zugriff auf zuvor fragmentierte Quellen, darunter Medien-Performance, Marktanteile, technografische Daten und Intent-Daten sowie Affinitätsmodelle.

Diese Veränderung hat die Zusammenarbeit der Teams bei HP grundlegend verändert.

Alonso beschrieb eine Anfrage aus dem Jahr 2024 zur Freigabe von Daten an einen Vertriebspartner, die drei Monate, etwa 15 E-Mails und drei Eskalationen erforderte – ohne ein verlässliches Ergebnis. Heute kann eine vergleichbare Anfrage innerhalb von 48 Stunden zu einem governed Delta Sharing Asset führen.

Diese Verbesserung verschafft dem Marketing schnelleren Zugriff auf die Daten, die für Planung, Targeting, Reporting und Messung benötigt werden, während die Domain-Eigentümerschaft und Governance gewahrt bleiben.

Technologische Einsatzbereitschaft in geschäftlichen Nutzen verwandeln

Der Aufbau einer starken technischen Basis macht Daten für Marketer nicht automatisch nutzbar. Der nächste Schritt besteht darin, Führungskräfte, Marketing-Nutzer, Medienteams und Analysten in die Lage zu versetzen, diese Basis zu nutzen, ohne bei jeder Frage oder Aufgabe auf das Data Engineering angewiesen zu sein.

HP nutzt AI/BI Genie und agentenbasierte Funktionen, um diese Lücke über drei Arbeitsebenen hinweg zu schließen:

• Entscheidungsfindung und Planung für Führungskräfte und Fachbereiche
• Gewinnung von Erkenntnissen und Aktivierung für Marketer, Analysten und Data Scientists
• Entwicklung und Skalierung für Engineering-Teams

Der geschäftliche Kontext ist ein zentraler Bestandteil dieser Strategie. HP entwickelt semantische Schichten, die Genie dabei helfen zu verstehen, was die Daten des Unternehmens bedeuten – einschließlich Domänen, Metrikansichten, Anweisungen und wiederverwendbaren Fähigkeiten.

So hat HP beispielsweise eine Medien-Metrikansicht erstellt, die 26 Dimensionen und 10 Kennzahlen abdeckt. Dadurch werden Definitionen für Medienausgaben und Performance-KPIs zentralisiert, sodass Dashboards, Fachanwender und KI-Systeme mit derselben Single Source of Truth arbeiten können.

HP hat zudem die Erfassung von Intent-Daten von 75 Themen auf rund 20.000 Themen erweitert. Genie Code hilft dem Team bei der Planung, wie diese Signale im großen Maßstab Clustern zugeordnet und für reichhaltigere Account-Profile genutzt werden können.

Identität in die governed Datenbasis integrieren

HP überdenkt auch, wo die Identitätsauflösung stattfinden sollte. In der Vergangenheit übermittelten Unternehmen Kundendaten häufig an einen externen Identitätsanbieter und führten die resultierende Identitätsebene außerhalb ihrer zentralen Datenumgebung.

HP plant, Identitätssignale wieder in seine Databricks-Umgebung zurückzuholen. Das schafft eine governed Basis für Erfolgsmessung, Zielgruppenaktivierung und Modellverbesserung. Daten können auf dem Weg zu Medienplattformen und auf dem Rückweg durch denselben Identitätsdienst fließen, was HP hilft, ein vollständigeres Bild der Performance aufzubauen und seine Modelle kontinuierlich zu verbessern.

Alonso merkte an, dass das Erreichen von auch nur 10 % des B2C-Kundenstamms von HP über diesen einwilligungskonformen Ansatz eine erhebliche neue Chance für das B2B-Geschäft eröffnen könnte.

CustomerLake Agentic CDP: In zwei Stunden bereit für die Zielgruppenansprache

Die ersten Erfahrungen von HP mit CustomerLake verdeutlichen das Potenzial, Marketing-Funktionen direkt in die governed Datenbasis zu integrieren.

Basierend auf den früheren CDP-Implementierungen des Teams erwartete Alonso einen langen Einrichtungsprozess mit umfangreichen Meetings, Dokumentationen, Datenmodellkonfigurationen sowie Datenschutz- und Sicherheitsprüfungen.

Die erste Erfahrung war drastisch einfacher.

„Unsere Datenmodelle standen, Attribute waren veröffentlicht und wir waren bereit, Zielgruppen zu erstellen – Arbeit, für die früher vielleicht zwei oder drei Monate erforderlich gewesen wären.“

Da CustomerLake nativ in Databricks und Unity Catalog integriert ist, konnte das Team von HP direkt mit seinen Schemas, Tabellen, Definitionen und der Governance arbeiten, anstatt den Kontext in einer separaten Plattform neu erstellen zu müssen.

Die Architektur unterstützt zudem eine erhebliche B2C-zu-B2B-Chance. HP hat Hunderte Millionen von Privatkunden, aber eine viel kleinere bekannte Anzahl an Geschäftskontakten. CustomerLake ermöglicht es HP, über eine gemeinsame Identitätsschicht hinweg sowohl mit B2C- als auch mit B2B-Datenmodellen und -Systemen in einer einzigen Umgebung zu arbeiten. HP kann außerdem Daten von anderen Plattformen mithilfe von Lakehouse Federation einbinden.

Vier Erkenntnisse von HP für den Aufbau einer KI-bereiten Marketinggrundlage

Entlang der Go-to-Market-Roadmap bewertet HP den Mehrwert in drei Bereichen:

• Ergebnisse: Bessere Erkenntnisse, Planung, Aktivierung, Berichterstattung und Messung
• Produktivität: Schnellere Modellentwicklung, Zielgruppenerstellung und Datenzugriff
• TCO: Geringere Plattform-, Lizenzierungs-, Integrations- und Betriebskosten

Die Arbeit von HP mit Genie und CustomerLake zeigt das Potenzial, alle drei Bereiche gemeinsam anzugehen. Ihre Erfahrung bietet vier praktische Erkenntnisse für andere Unternehmen, die ihren Marketing-Stack modernisieren:

1. Richten Sie die CDP an den geschäftlichen Anforderungen aus. Beginnen Sie mit den Funktionen, die Ihre Stakeholder benötigen, statt mit einer starren Kategoriedefinition oder Produkt-Checkliste.
2. Bauen Sie ein Governed Marketing Lakehouse auf. Datenvereinheitlichung, Datenqualität und Datenzugriff müssen vorhanden sein, bevor Self-Service und Agenten zuverlässig funktionieren können.
3. Wählen Sie CDP-Funktionen, die Ihren Daten und Ihrer KI am nächsten sind. KI-Agenten funktionieren am besten, wenn Kundenkontext, Geschäftsdefinitionen und Aktivierungsfunktionen auf derselben Grundlage basieren. Das gibt ihnen den Kontext, um präzise, sicher und skaliert zu handeln.
4. Messen Sie Ergebnisse, Produktivität und TCO gemeinsam. Schnellere Aktivierung, Umsatzwirkung, geringerer Engineering-Aufwand und niedrigere Plattformkosten sind zusammenhängende Teile derselben Transformation.

Der Weg von HP zeigt, dass die Modernisierung der Marketingaktivierung und die skalierte Anwendung von KI beide davon abhängen, Daten, Intelligenz und Handeln auf derselben Grundlage zusammenzuführen. Mit CustomerLake und Genie auf seinem Governed Marketing Lakehouse gibt HP Marketern und Agenten direkten Zugriff auf vertrauenswürdigen Kontext, ohne diesen in getrennten Systemen neu erstellen zu müssen. Zu den ersten Ergebnissen gehört, dass Zielgruppen innerhalb von zwei Stunden statt in Monaten einsatzbereit sind – mit dem Potenzial, die TCO der CDP um bis zu 40 % zu senken. Zusammen bilden diese Gewinne die Grundlage für eine schnellere, intelligentere und personalisiertere Kundenansprache im großen Maßstab.

Sehen Sie sich die gesamte Data + AI Summit-Session hier an.

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