Wir stellen vor: Kasal

Immer mehr Unternehmen setzen auf agentenbasierte KI-Systeme (Agentic AI). Sie steigern die Produktivität und befreien Menschen von wiederkehrenden Aufgaben. Da diese Systeme immer ausgereifter werden und in den Produktivbetrieb übergehen, werden Unternehmen enorm von ihrer Fähigkeit profitieren, autonom zu agieren und in unserem Namen bessere Entscheidungen zu treffen.

Mit der zunehmenden Verbreitung von Agenten-KI entstehen jedoch auch neue Herausforderungen. Eine davon ist der Mangel an qualifizierten Fachkräften. Der Aufbau und die Verwaltung effektiver Agentensysteme erfordern tiefgehendes technisches Fachwissen, und die Nachfrage nach erfahrenen KI-Engineers steigt rasant. Eine weitere Herausforderung für Experten besteht darin, mit der ständigen Weiterentwicklung von Technologien, Frameworks und Tools in diesem Bereich Schritt zu halten, was zunehmend schwieriger wird.

Kasal wurde entwickelt, um diese Herausforderungen zu lösen. Es ist eine agentengestützte Plattform, die es Nutzern mit unterschiedlichen Vorkenntnissen ermöglicht, effektive agentenbasierte KI-Systeme über eine intuitive visuelle Benutzeroberfläche zu entwerfen, zu entwickeln und bereitzustellen. Auch ohne Expertenwissen lässt sich die intuitive UI von Kasal nutzen, um anspruchsvolle, auf spezifische Anforderungen zugeschnittene Agenten-KI-Systeme zu erstellen. Experten können Kasal für einen schnellen Einstieg nutzen und ihre Agenten später als Code exportieren, um sie tiefergehend anzupassen und weiterzuentwickeln.

Das Ziel von Kasal ist es, agentenbasierte KI sowohl für Experten als auch für Laien in Unternehmensumgebungen zugänglich zu machen.

Was ist Kasal?

Kasal ist ein UI-First-Framework für das Design, die Ausführung und die Überwachung von Workflows mit einzelnen oder mehreren Agenten. Anstatt komplexen Orchestrierungscode manuell zu schreiben, können Sie Agenten per Drag-and-Drop auf einer visuellen Arbeitsfläche platzieren oder Ihre Wünsche einfach über einen Chat-Assistenten beschreiben. Kasal erstellt den Workflow dann automatisch für Sie. Anschließend können Sie Tools anbinden, Agenten ausführen und deren Verhalten in Echtzeit beobachten. Im Hintergrund nutzt Kasal CrewAI, ein Open-Source-Python-Framework zur Erstellung und Orchestrierung von KI-Agenten, verpackt es jedoch in eine Databricks-freundliche Anwendungsschicht, die Authentifizierung, Bereitstellung und Überwachung verwaltet. Das bedeutet, dass derselbe Flow, den Sie visuell entwerfen, mit minimalem Aufwand in die Produktion überführt werden kann. Der generierte Flow kann auch als Code exportiert werden, sodass KI-Engineers ihn bei Bedarf weiter verfeinern oder erweitern können.

">

Warum Kasal wichtig ist

Kasal bietet drei Kernfunktionen: einen visuellen, von Agenten gesteuerten Workflow-Designer, eine tiefe Integration in Databricks und ein erweiterbares Toolkit, das MCP-Server, Genie, benutzerdefinierte APIs und Datenkonnektoren umfasst.

• Visuelle Orchestrierung macht Agenten, Übergaben (Handoffs) und Verzweigungslogiken klar und greifbar. Das erleichtert die Abstimmung mit Nicht-Entwicklern und spätere Audits. Darüber hinaus verstehen die in Kasal integrierten Agenten die Absicht des Nutzers bei der Definition des zu erstellenden Agententyps und schlagen ein optimiertes Design vor, das den Best Practices der Branche entspricht.
• Databricks-nativ: Kasal kann als Databricks App installiert oder über den Marketplace aufgerufen werden. Dadurch können Nutzer die Authentifizierung und Governance des Workspace übernehmen, anstatt eigene Lösungen verwalten zu müssen. Darüber hinaus nutzen die von Kasal generierten Flows nativ die Funktionen von Databricks, was sie von Anfang an unternehmenstauglich und produktionsreif macht. Dazu gehören MLflow für Tracing und Tracking, AI Search für den Speicher, Databricks Apps für das Serving, Lakebase für die Transaktionsprotokollierung, die On-Behalf-Of-Benutzerauthentifizierung und mehr.
• Erweiterbarkeit: Kasal bietet erstklassige Unterstützung für MCP-Server, Genie-Spaces, Agent Bricks sowie benutzerdefinierte APIs und Datenkonnektoren. Zudem kann der Flow als Notebook exportiert werden, was volle Transparenz über die interne Logik bietet und es KI-Engineers ermöglicht, die Lösung über die erste Version hinaus flexibel zu erweitern und zu verfeinern.

Die Live-Beobachtbarkeit von Kasal bietet ein zweistufiges Monitoring für KI-Workflows mit mehreren Agenten. Über das Kasal-Frontend können Business-Anwender Ausführungs-Timelines einsehen, die den Workflow-Status, Agenten-Interaktionen und den Aufgabenfortschritt verfolgen. Gleichzeitig ermöglicht die MLflow-Tracing-Integration KI-Engineers das Debugging von Modellleistung, LLM-Aufrufen und Agentenverhalten. Bei der Bereitstellung auf Databricks Apps nutzt Kasal die Databricks-OBO-Authentifizierung zur Benutzerisolierung sowie eine produktionsbereite SQLite- oder Lakebase-Persistenz für transparente Agenten-Operationen.

Erste Schritte mit Kasal

Eine typische User Journey beginnt damit, Kasal mit der Spezifikation des zu erstellenden Agenten zu füttern (Prompting). Sie könnten beispielsweise fragen: „Erstelle einen Plan zur Generierung eines Pitch-Decks für unsere Vertriebsmitarbeiter, um unsere verschiedenen Produkte maßgeschneidert für Kunden zu präsentieren.“ Kasal generiert dann mithilfe seiner Prompts und Large Language Models einen strukturierten, oft hierarchischen Plan.

Wenn sich der Plan in diesem Beispiel im sequenziellen Modus befindet, werden die Agenten nacheinander in einer festgelegten Reihenfolge ausgeführt. Befindet sich der Plan hingegen im hierarchischen Modus, umfasst er einen Manager-Agenten und mehrere Unteragenten, die jeweils für bestimmte Aufgaben zuständig sind: zum Beispiel einer, der Kundendaten abruft und analysiert, ein anderer, der Produktdaten abruft, einer, der beides kombiniert, um eine Storyline für den Pitch zu entwerfen, und ein weiterer, der eine Präsentation erstellt, die die detaillierten Informationen und die Storyline widerspiegelt.

Sie können den Plan dann ausführen, um eine Produktpräsentation für einen bestimmten Kunden zu erstellen. Wenn Sie den Workflow ändern möchten, beispielsweise um mit verschiedenen Modellen oder Tools zu experimentieren, lässt sich dies ganz einfach über die Benutzeroberfläche von Kasal erledigen.

Wenn Sie der Meinung sind, dass der in Kasal erstellte Plan auch für andere wertvoll sein könnte, können Sie ihn im Katalog von Kasal registrieren, sodass er für die Wiederverwendung und das Prompting in zukünftigen Sitzungen verfügbar ist. Wenn Sie den Plan außerhalb von Kasal produktiv nutzen möchten, können Sie seinen Code exportieren und eine Produktions-Pipeline darum herum aufbauen. Sie haben die volle Flexibilität, den Plan zu erweitern und in Ihre übergeordnete Lösungsarchitektur zu integrieren.

Was Sie mit Kasal bauen können

Wir sehen bereits, dass Nutzer eine Vielzahl von Agenten und Multi-Agenten-KI-Systemen mit Kasal erstellen. Hier sind einige Beispiele:

• Datenanalyse-Pipelines: Agenten, die Daten abfragen, analysieren und visualisieren
• Systeme zur Content-Erstellung: kollaborative Agenten für Recherche, Schreiben und Inhaltserstellung
• Automatisierung von Geschäftsprozessen: intelligente Workflows, die sich anpassen und Entscheidungen treffen
• Forschung und Entwicklung: Agenten, die Erkenntnisse sammeln, synthetisieren und präsentieren.

Heute gibt es zwei einfache Wege, um mit Kasal zu starten:

• Direkt aus dem Marketplace in Ihren Databricks-Workspace installieren (empfohlen): Eine Ein-Klick-Einrichtung, die Kasal als Databricks App hinzufügt. Mit diesem Ansatz profitieren Sie von der verwalteten Benutzeroberfläche, der integrierten Governance und automatischen Updates. Weitere Details finden Sie hier.
• Aus dem Quellcode bereitstellen: Klonen Sie das GitHub-Repository von Databricks Labs und führen Sie das bereitgestellte Bereitstellungs-Skript aus. Diese Option ist ideal, wenn Sie Kasal an Ihre spezifischen Anforderungen anpassen oder erweitern möchten.
• Sehen Sie sich die Kasal-Serie an, um mehr über neue Funktionen und Ankündigungen zu erfahren.

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