Unser Team hat vor kurzem am diesjährigen Databricks Data + AI Summit teilgenommen – einem Treffpunkt für Branchenexpert:innen und Datenpraktiker:innen. Hier kann man sich jedes Jahr einen guten Einblick verschaffen, wie sich Datenplattformen weiterentwickeln, um reale KI-Anwendungen zu unterstützen. Ich bin João Santos, Data Architect bei FELD M, und möchte hier einen Überblick darüber geben, was ich aus der Veranstaltung mitgenommen habe.
Im Mittelpunkt stand ein klares Thema: Der Summit drehte sich darum, wie Organisationen vom Datenmanagement zur skalierbaren KI-Bereitstellung kommen können.
Das Wichtigste auf einen Blick
Agent Bricks vereinfacht den Prozess KI-Agenten zu Bauen und zu Testen.
AI/BI Genie hilft nicht-technischen Anwender:innen, Daten in natürlicher Sprache zu erkunden und zu erklären.
Lakebase führt eine serverlose, Open-Source-Datenbank für KI-Workloads ein.
Unity Catalog bleibt das Fundament für sicheren und kontrollierten Datenzugriff.
Unternehmen wie BASF und Boehringer Ingelheim bauen bereits praktische GenAI-Anwendungen.
Es ist eine All-in-One-Umgebung zur Erstellung von KI-Produkten, auch ohne tiefgehende MLOps-Expertise.
Es umfasst automatisierte Feedback-Schleifen und ein No-Code-Evaluierungssystem für schnellere Iterationen.
Es eignet sich am besten für einfache bis mittelkomplexe Anwendungsfälle, da produktive Einsätze noch in der Entwicklung sind.
Obwohl es eine sehr gute Option für einfachere Anwendungsfälle ist, wies Databricks darauf hin, dass fortgeschrittene Nutzer:innen weiterhin auf die Mosaic AI Platform setzen sollen. Diese bietet die Flexibilität, jeden Bestandteil des KI-Entwicklungsprozesses fein abzustimmen.
Das neue AI/BI Genie sticht durch sein Potenzial hervor, wie nicht-technische Nutzer mit Daten interagieren und analysieren können.
Statt traditioneller Dashboard-Anfragen können Fragen in natürlicher Sprache gestellt und Daten direkt erkundet werden. Genie visualisiert nicht nur Trends, sondern erklärt auch Anomalien, indem es relevante Datenpunkte über verschiedene Quellen identifiziert – ein großer Schritt in Richtung wirklicher Self-Service-Analytics.
Das ermöglicht es Teams, ihre Entscheidungen auf echte Insights statt auf statische Reports zu basieren, und wir sind gespannt, wohin die Reise geht.
Databricks stellte außerdem Lakebase vor, eine neue OLTP-Datenbankarchitektur, die auf Open-Source-Postgres-Technologie basiert und eng mit dem Lakehouse integriert ist. Hier sind die wichtigsten Funktionen:
Einhaltung offener Standards: Lakebase erweitert Postgres um den einheitlichen Ansatz von Databricks für Storage und Compute und stellt so die kontinuierliche Kompatibilität mit Open-Source-Tools sicher.
Trennung von Storage und Compute: Daten werden in offenen Formaten gespeichert, während Rechenressourcen unabhängig skaliert werden können, für mehr Flexibilität und Kosteneffizienz.
Serverless by Design: Lakebase skaliert automatisch je nach Arbeitslast hoch oder herunter und kann bei Inaktivität pausieren, sodass nur das bezahlt wird, was tatsächlich genutzt wird.
Hohe Parallelität für KI-Workloads: Lakebase unterstützt gleichzeitigen Zugriff durch mehrere Nutzer:innen oder Agenten und eignet sich damit ideal für KI-gestützte und operative Anwendungen.
Erhält OLTP-Performance: Es kombiniert transaktionale Geschwindigkeit mit der Skalierbarkeit und Offenheit des Lakehouse-Modells.
Zusammen mit Lakebase, dient Unity Catalog weiterhin als Governance-Rückgrat im Databricks Ökosystem. Es verwaltet Zugänge, Datenherkunft und Sicherheit über alle Assets hinweg – eine zentrale Ebene, wenn Teams und KI-Agenten dieselbe Plattform nutzen.
Zwei Beispiele zeigten, wie Organisationen Databricks bereits für KI-Anwendungen einsetzen.
Das deutsche Chemieunternehmen BASF entwickelte ein Multi-Agenten-System, das über MS Teams und interne Web-Apps zugänglich ist. Es nutzt Computer Vision, um visuelle Daten wie Diagramme und Reports zu verarbeiten.
Es dient daher als gutes Beispiel, um zu zeigen, wie große Organisationen KI in verschiedene Workflows integrieren können.
Das deutsche Pharmaunternehmen Boehringer Ingelheim nutzt Databricks’ Retrieval Chain, um sein Compliance-Dokumentenmanagement zu automatisieren. Dabei werden Dokumentensuche und -erstellung automatisiert, wodurch manueller Aufwand reduziert und Effizienz sowie Genauigkeit in diesem stark regulierten Umfeld verbessert werden.
Der Databricks Summit 2025 hat bestätigt, dass Daten und KI heute untrennbar miteinander verbunden sind:
KI treibt interne Optimierungen voran und bildet die Grundlage für externe, kundenorientierte Lösungen.
Tools wie Unity Catalog, Lakebase und Agent Bricks helfen Teams vom Experimentieren zur produktiven Nutzung überzugehen.
Generell bewegt sich die Adoption von KI schnell in den Alltag von Unternehmen.
We hope this summary supports your next steps toward operationalizing AI. At FELD M, we specialize in connecting data strategy with real-world AI delivery, from modernizing data architecture to deploying AI assistants for measurable impact.
If you want to explore how to bring AI agents into production using your current data infrastructure, we’d be happy to discuss how we can help.
Wir hoffen, diese Zusammenfassung gibt Ihnen Impulse, um KI praxisnah in Ihren Alltag zu integrieren. Bei FELD M spezialisieren wir uns darauf, Datenstrategie mit realen KI-Anwendungen zu verbinden, von der Modernisierung der Datenarchitektur bis zum Einsatz von KI-Assistenten mit messbarem Nutzen.
👉Kontaktieren Sie uns! Wir tauschen uns gerne mit Ihnen dazu aus, wie sie aus Ihren Daten echten Mehrwert schaffen.