Vereinheitlichung von Daten und Governance in der Ära der Agenten: Neues bei Azure Databricks

Azure Databricks-Ankündigungen auf dem Data + AI Summit 2026

Auf dem Data + AI Summit 2026 kündigen wir eine Reihe neuer Funktionen an, die Kontext und Kontrolle im Zeitalter der KI-Agenten zusammenbringen. Um Unternehmen den Übergang von begrenzten, experimentellen KI-Piloten zu produktionsreifen, automatisierten Workflows zu erleichtern, erweitern wir die Azure Databricks-Plattform um vier Grundpfeiler: die Schaffung einer ultraschnellen Echtzeit-Basis ohne Datenkopien (Zero-Copy) mit Agentic Data; die direkte Einbindung datenintelligenter KI-Kollegen in alltägliche Produktivitätswerkzeuge mit Agentic Dev & Work; die Bereitstellung einer autonomen, im Lakehouse integrierten Personalisierung mit Agentic Marketing; und die Verankerung des gesamten Ökosystems in einem intelligenten, sicheren Governance-Framework. Zusammen bieten diese Neuerungen eine einheitliche Architektur, mit der Ihre Daten, Ihre Teams und Ihre autonomen Agenten nahtlos und nativ auf Azure arbeiten können.

1. Agentic Data: LTAP, Azure Databricks Lakebase und Echtzeit-Lakehouse-Grundlagen

Um autonome Agenten mit Echtzeitdaten zu versorgen, ohne eine Datenreplikation in teure operative Zusatzsysteme zu erzwingen, führt Azure Databricks die erste echte LTAP-Architektur (Lake Transactional/Analytical Processing) ein. Diese einheitliche Speicherschicht führt Ihre Analysedaten, Streaming-Pipelines und Live-Anwendungstransaktionen in einer einzigen, gemeinsam genutzten Speicherkopie direkt im Lakehouse zusammen.

Als transaktionale Engine dieses Frameworks bietet Azure Databricks Lakebase eine vollständig verwaltete, serverlose Postgres-Datenbank, die speziell für das Zeitalter der KI-Agenten entwickelt wurde. Mit entkoppeltem Compute und Storage unterstützt Azure Databricks Lakebase das sofortige Erstellen von Datenbank-Abzweigungen (Copy-on-Write-Branching), um Compliance-Risiken beim Debuggen von produktiven KI-Agenten vollständig auszuschließen. Entwickler können in Sekundenschnelle eine exakte Kopie einer aktiven Produktionsdatenbank erstellen. So können Engineers den Agent-Modus von GitHub Copilot direkt auf diesen temporären Branch ausrichten, um Edge Cases sicher zu reproduzieren, Fehlerursachen zu identifizieren und Fehlerbehebungen über standardmäßige Git-basierte Workflows bereitzustellen.

Für die nachgelagerte analytische Bereitstellung überwindet Lakehouse//RT den herkömmlichen Kompromiss zwischen Skalierbarkeit und Latenz. Unterstützt durch die vektorisierte Reyden-Engine liefert es Antwortzeiten im Millisekundenbereich für hochgradig parallel ausgeführte Workloads direkt auf Ihrem Data Lake. Dies schafft eine ultraschnelle Basis, die sich nahtlos in operative Dashboards und Power BI integrieren lässt.

Lakehouse//RT lief bei unserem Healthcare-Datensatz im Durchschnitt mehr als ein Drittel schneller als unser bisheriges Data Warehouse, mit 10-mal schnelleren Abfragen. Das bedeutet für unsere Kunden einen schnelleren Zugriff auf Informationen und mehr Zeit für Entscheidungen. Wir hatten überlegt, unsere Lakehouse-Architektur um ein dediziertes Echtzeitsystem zu erweitern, aber Lakehouse//RT hat diesen Bedarf überflüssig gemacht und uns diese Geschwindigkeit nativ bei konsistenter Governance bereitgestellt.—Mehrshad Setayesh, SVP Engineering (Data, Platform, AI) bei PointClickCare

Gemeinsame Datennutzung ohne Kopieren (Zero-Copy)

Zugriff auf alle in OneLake gespeicherten Daten (jetzt allgemein verfügbar): Azure Databricks kann in OneLake gespeicherte Daten direkt über Unity Catalog abfragen, ohne Daten zu kopieren.

Daten in OneLake speichern (jetzt in der Public Beta): Azure Databricks kann verwaltete Delta-Tabellen jetzt nativ in OneLake speichern. Unabhängig davon, ob Daten in OneLake oder ADLS gespeichert sind, stehen sie in OneLake für alle Fabric-Engines ohne Kopieren (Zero-Copy) zur Verfügung.

2. Agentic Dev & Work: Demokratisierung der KI mit Genie überall

Die besten KI-Erkenntnisse sind diejenigen, die Sie reibungslos erreichen. Deshalb integrieren wir Genie nativ in die Kollaborationswerkzeuge, in denen Ihre Teams bereits täglich arbeiten und Entscheidungen treffen.

Genie für Microsoft Teams und M365 Copilot (jetzt in der Beta)

Für Teams, die im Microsoft-Ökosystem arbeiten, ist dieselbe Datenintelligenz jetzt direkt in Ihren alltäglichen Kollaborationswerkzeugen verfügbar. Stellen Sie sich vor: Ihr VP of Sales schreibt Ihnen in Teams und fragt: „Was waren in diesem Quartal unsere Top-Kunden und warum haben wir das Ziel im Südosten verfehlt?“ Anstatt mühsam Dashboards und Berichte zu durchsuchen, markieren Sie einfach @Genie im Thread, und Ihr gesamtes Team erhält in Sekundenschnelle eine kontextbezogene Antwort aus Ihrem Azure Databricks-Lakehouse. Die jetzt in der Beta-Phase befindliche Databricks Genie-Integration für Microsoft Teams und M365 Copilot erweitert jeden Chat und jeden Copilot-gestützten Workflow um native KI-Intelligenz. Nutzen Sie Genie, um das zu beantworten.

Und ab heute arbeitet Databricks Genie nahtlos mit M365 Copilot Cowork zusammen. Diese Integration ermöglicht es Teams, die Aufgaben von Cowork mit der Genie-Ontologie zu verknüpfen und so vertrauenswürdige Datenintelligenz direkt in ihre Workflows zu bringen.

Die vollständige Genie-Suite

Genie verwandelt Analysen von einem passiven Reporting-Dashboard in einen aktiven, datenintelligenten KI-Mitarbeiter im gesamten Microsoft-Umfeld. Diese Integration wird vollständig von Unity Catalog gesteuert. So wird sichergestellt, dass jede Antwort vertrauenswürdig und sicher ist und genau dem entspricht, was der jeweilige Benutzer sehen darf. Zusammen mit dieser Einführung stellen wir das vollständige Genie-Innovations-Framework vor:

• Genie One: KI-Mitarbeiter für Ihre Geschäftsteams, unabhängig von deren Arbeitsort, der Erkenntnisse liefert und autonome Aktionen ausführt, darunter das Entwerfen von Dokumenten, das Erstellen von Berichten, die Terminplanung und die Aufgabenverfolgung.
• Genie Agents: Ermöglicht es Anwendern ohne technischen Hintergrund, maßgeschneiderte, kontextbezogene Konversationen als wiederverwendbare persönliche Agenten zu erstellen und zu teilen, um Fachwissen im Team zu skalieren.
• Genie App Builder: Eine kontrollierte Low-Code-Umgebung, in der jeder schnell benutzerdefinierte Anwendungen erstellen und bereitstellen kann, die auf Live-Unternehmensdaten basieren.
• Lakeflow Designer: Definiert die Pipeline-Orchestrierung neu, indem Data Engineers komplexe Daten-Workflows (ehemals Lakeflow Designer) mithilfe von Prompts in natürlicher Sprache entwerfen, bearbeiten und automatisieren können.
• Genie ZeroOps: Eine vollständig autonome Ausführungsschicht, die die Bereitstellung der zugrunde liegenden Infrastruktur und das Abfrage-Tuning übernimmt, wodurch der traditionelle Aufwand für die Datenbankadministration komplett entfällt.
• Genie Code: Ein autonomer KI-Partner, der Teams beim Erstellen, Debuggen, Optimieren und Betreiben von Daten- und KI-Workflows in Databricks unterstützt.

Nahtlose M365 Office-Integration:

Für Teams, die hauptsächlich mit Excel arbeiten, bieten wir eine Lösung direkt in ihrer gewohnten Arbeitsumgebung. Das Azure Databricks Excel-Add-in, das jetzt in der Public Preview verfügbar ist, bringt Ihr Lakehouse direkt in Tabellenkalkulationen: kein SQL, keine benutzerbezogene ODBC-Einrichtung und weniger Reibungsverluste.

Mit der Unterstützung von Unity Catalog-Metrikansichten können Datenteams die Geschäftslogik einmal definieren und sie sofort in Excel und darüber hinaus zur Verfügung stellen – vollständig kontrolliert, sicher und konsistent. Und es handelt sich nicht nur um eine reine Leseversion. Das Add-in unterstützt auch das Zurückschreiben (Write-Back), sodass berechtigte Benutzer Aktualisierungen aus Excel direkt in Databricks übertragen können. Dies schließt die Lücke zwischen Analyse und Aktion.

Das Ergebnis sind schnellere, zuverlässigere Entscheidungen, da kontrollierte Lakehouse-Daten und Geschäftslogik direkt für Excel-Benutzer bereitgestellt werden.

Um die Dateiverarbeitung im gesamten Unternehmens-Ökosystem weiter zu automatisieren, beseitigt die öffentliche Beta-Version des vollständig verwalteten SharePoint-Connectors über Lakeflow Connect manuelle Hürden bei der Datenaufnahme. Mit diesem Connector können Unternehmen automatisierte Point-and-Click-Pipelines zur Datenaufnahme sowohl für strukturierte Tabellen als auch für unstrukturierte Dateien wie PDFs, Word-Dokumente und PowerPoints einrichten. Durch das automatische Streamen von SharePoint-Dateibeständen direkt in Delta-Tabellen stellt diese Integration sicher, dass nachgelagerte Analyse-Pipelines, Genie One-Bereiche und Excel-Arbeitsmappen kontinuierlich mit aktuellen, verifizierten Daten versorgt werden – ganz ohne manuelle Textextraktionen oder riskante Dateidownloads.

3. Agentic Marketing: Einführung von Azure Databricks CustomerLake

Um die betriebliche Komplexität isolierter MarTech-Anwendungen zu beseitigen, führen wir Azure Databricks CustomerLake ein: die branchenweit erste Agentic Customer Data Platform (CDP), die nativ in der Lakehouse-Basis integriert ist. Vollständig in Ihre sichere Speicherumgebung eingebettet, stattet CustomerLake Datenteams mit autonomen Profile Agents aus, um Rohdaten aus fragmentierten Quellen in geschäftsreife Customer-360-Profile zu verwandeln. Gleichzeitig ermöglicht ein marketingfreundlicher Arbeitsbereich den Geschäftsanwendern mithilfe von Campaign Agents, Zielgruppen zu segmentieren, Next-Best-Actions zu empfehlen, Kanäle zu aktivieren und personalisierte 1:1-Erlebnisse kontinuierlich zu optimieren.

Was uns an CustomerLake und der neuen CDP-Funktion am meisten begeistert, ist die Möglichkeit, Kundendaten so zusammenzuführen, dass sie direkt nutzbar, aktuell und skalierbar sind. Durch eine vollständigere Sicht auf jeden einzelnen Kunden können wir Verhaltensweisen, Präferenzen und Bedürfnisse kanalübergreifend besser verstehen. Dies hilft uns, personalisiertere Erlebnisse und relevantere Angebote bereitzustellen. Letztendlich sehen wir darin einen wichtigen Schritt hin zu einer stärkeren Kundenbindung, tieferen Loyalität und besseren Ergebnissen sowohl für unser Unternehmen als auch für unsere Kunden.—Jay Malepati, Global Director, Customer and Marketing Data Science, Circle K

4. Kontext, Kontrolle und Auswahl: Das Governance-Framework

Der Betrieb dieser intelligenten Anwendungen erfordert eine granulare administrative Kontrolle und semantische Präzision. Die grundlegende Intelligenzebene unserer Plattform ist die Genie-Ontologie, eine sich selbst verbessernde semantische Kontext-Engine. Anstatt eine manuelle Pflege zu erfordern, extrahiert die Genie-Ontologie automatisch Tabellenbeziehungen, Spaltenmetriken und Signale zur Abfragebeliebtheit direkt aus Ihren Pipelines. Dies verhindert KI-Halluzinationen und stellt sicher, dass Modelle den spezifischen Jargon Ihres Unternehmens präzise verstehen.

Um diese Modelle bei ihrer Skalierung zu steuern, dient das Unity AI Gateway als zentrale Runtime-Registry innerhalb von Unity Catalog. Es etabliert strenge Echtzeit-Ratenbegrenzungen, Inhaltsfilterung und feste Ausgabenobergrenzen, um eine vorhersagbare Tokenomics über alle automatisierten Workflows hinweg zu garantieren.

Durch die direkte Anbindung von Echtzeit-Datengrundlagen an alltägliche Tools wie Microsoft Teams und Excel macht es Azure Databricks einfacher denn je, vertrauenswürdige KI-Workflows auszuführen und zu steuern. Erkunden Sie die aktualisierte Produktdokumentation oder besuchen Sie die Databricks Academy, um diese neuen Funktionen noch heute zu nutzen.

Kostenlos mit Azure Databricks starten →

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