Welche aktiven Kunden hat die KI gezählt? Databricks macht Definitionen nutzbar
Genie Ontology versorgt Databricks-Agenten mit geschäftlichen Definitionen. So prüfst du Kennzahlen, Quellen und Zugriffsrechte, bevor du einem Bericht vertraust.
Frag zwei Kollegen, wie viele aktive Kunden ihr letzten Monat hattet. Der Vertrieb zählt vielleicht Konten mit einem laufenden kostenpflichtigen Vertrag. Das Produktteam zählt womöglich Konten, die in den letzten 30 Tagen eine wichtige Funktion genutzt haben. Beide Zahlen können richtig sein. Bittest du eine KI um eine einzige Antwort, kann aus einer Frage zur fachlichen Definition eine Zahl werden, die eindeutiger aussieht, als sie ist.
Am 11. November 2026 kündigte Databricks die allgemeine Verfügbarkeit von Genie Ontology an. Die Daten- und KI-Plattform versorgt Agenten über diese Schicht mit wiederverwendbarem Geschäftskontext. Wissensbausteine können aus Databricks-Dashboards, SQL-Abfragen und Notebooks stammen. Die separate Anbindung externer BI-Werkzeuge befand sich bei der Einführung in der Beta und unterstützte Power BI. Fachleute können außerdem verbindliche Kennzahlen und Begriffe im Unity Catalog definieren. Den zugehörigen visuellen Ontology Manager beschrieb Databricks in derselben Ankündigung als geplante Beta.
Die Veröffentlichung wirft eine gute Frage auf. Wenn mehrere Agenten bei der Unternehmensarbeit helfen, warum sollte jeder für sich neu herausfinden, was der Betrieb unter einem Kunden versteht? Der Nutzen zeigt sich, wenn sich eine richtige Antwort auf eine freigegebene Definition zurückführen lässt. Ein Fehler in einer gemeinsamen Definition kann sich allerdings weiter verbreiten. Vor dem Versand des Monatsberichts lässt sich prüfen, welchen dieser Effekte das Team beobachtet.
Derselbe Ausdruck kann zwei berechtigte Zahlen ergeben. Zeige die Definition, bevor du die Ergebnisse vergleichst.
Im Diagramm steckt die Berechnungsregel der Kennzahl
Ein Dashboard enthält meist mehr Fachwissen, als seine Balken zeigen. Jemand musste auswählen, welches Datum zählt, welche Datensätze ausgeschlossen werden, was als zahlendes Konto gilt und wie eine Fusion zu behandeln ist. Solche Entscheidungen können in SQL, gespeicherten Filtern, einem Notebook oder im unausgesprochenen Verständnis der Verantwortlichen stecken. Ein Agent darf womöglich die Quelltabelle sehen, kennt aber trotzdem die Regel nicht, die seine Antwort brauchbar machen würde.
Die Ankündigung beschreibt zwei Arten von Kontext. Ein gelernter Wissensbaustein kann ausdrücken, was ein Agent in alltäglichen Arbeitsunterlagen wie einer bestehenden Abfrage erkannt hat. Modelliertes Wissen definieren und verwalten Menschen ausdrücklich, etwa zertifizierte KPIs in Kennzahlenansichten. Databricks beschreibt außerdem OntoRank als Verfahren, das möglichen Kontext nach Verbindlichkeit und Relevanz ordnet. Diese Angaben erläutern das Produktdesign. Bei einer mehrdeutigen Frage kann das System trotzdem zu einer anderen Auslegung kommen als dein Team.
| Beispielfrage | Zu prüfender Kontext | Wer die Definition festlegen sollte |
|---|---|---|
| Wie viele aktive Kunden haben verlängert? | Kontoschlüssel, Verlängerungstermine und Vertragsstatus | Revenue Operations |
| Wie viele Konten haben das Produkt aktiv genutzt? | Nutzungsereignisse, Zeitraum und Kontenzuordnung | Produktanalyse |
| Wie viele Kunden waren am Quartalsende aktiv? | Berichtsdefinition, Zeitzone und Abschluss des Berichtszeitraums | Berichtsverantwortliche |
Die genannten Teams dienen als Beispiel. Eine brauchbare Antwort nennt die tatsächlich verwendete Definition, den Berichtszeitraum, den Gültigkeitsbeginn und eine Quelle, auf die die Leser zugreifen können. Ist die Frage mehrdeutig, hilft oft zuerst eine Nachfrage nach Vertragsstatus oder Produktnutzung. Eine Ontologie kann beide Bedeutungen auffindbar machen. Im Bericht muss weiterhin stehen, welche davon gilt.
Ein Zahlenbeispiel macht den Unterschied greifbar. Angenommen, die Abrechnung ergibt 420 laufende Konten, während die Nutzungsabfrage 310 Konten mit einem passenden Ereignis liefert. Die Werte sind für dieses Beispiel frei gewählt. „420 aktive Kunden“ ist auch bei korrekter Berechnung unvollständig. „420 abgerechnete Konten zum Monatsende, ohne Testkonten“ gibt den Lesern eine prüfbare Definition. Um zu ermitteln, wie viele der abgerechneten Konten auch aktiv genutzt wurden, braucht es eine Verknüpfung der Daten. Die beiden Grundgesamtheiten bleiben dabei getrennt.
Gemeinsamer Kontext verändert die Kosten eines Fehlers
Mit einer gut belegten Definition muss niemand denselben langen Prompt für jedes Werkzeug schreiben. Ein Berichtsteam kann etwa eine zertifizierte Umsatzkennzahl pflegen, während verschiedene Agenten Fragen aus Finanzen, Betrieb und Geschäftsführung beantworten. Databricks zufolge kann Genie MCP den Kontext auch für Agenten außerhalb von Databricks verfügbar machen. Prüfe in der offiziellen Genie-One-Dokumentation und in der Konfiguration deines Workspace, ob ein bestimmtes Werkzeug, eine Datenquelle oder eine Aktion dort verfügbar ist.
Schwieriger wird es, wenn zwei Quellen widersprechen. Vielleicht zählt ein Marketing-Dashboard noch Testkonten als Kunden. Ein maßgeblicher Finanzbericht schließt sie aus. Ein altes Notebook verwendet die Bezeichnung aus dem Finanzbericht, rechnet aber mit der Logik vom Vorjahr. Werden solche Wissensbausteine ohne ersichtliche Herkunft wiederverwendet, kann die Automatisierung eine veraltete Regel noch lange anwenden, nachdem die Personen, die sich an die Änderung erinnern, gegangen sind.
Leg zuerst fest, welche Aussagen verbindlich sein dürfen. Eine zertifizierte Kennzahl braucht einen Verantwortlichen und einen genehmigten Geltungsbereich für Berichte. Ein Notebook kann gut belegen, wie ein Team arbeitet. Automatisch zur Richtlinie wird es dadurch nicht. Sind zwei Regeln berechtigt, gib ihnen unterschiedliche Namen oder füge Fachbereich und Zeitraum hinzu. Bei einer unternehmensweiten Einführung kommt es darauf an, notwendige Unterschiede zu erhalten. Die Teams müssen nicht jede Frage einheitlich beantworten.
Zur gleichen Übung gehört ein Berechtigungstest. Stelle dieselbe Frage einmal mit einem Analystenkonto, das Detaildaten sehen darf, und einmal mit einem Konto, das nur Summen sieht. Halte den ausgegebenen Kontext und die Quellen für beide fest, auch Fehler und leere Ergebnisse. Databricks gibt an, dass das Produkt vorhandene Rechte einhält. Das Einführungsteam muss trotzdem überprüfen, wie sich das System an der konkreten Berechtigungsgrenze verhält. Ein nicht zugänglicher Link in der Erklärung einer Kennzahl stört die Bedienung. Gibt eine Antwort geschützte Details preis, ist das ein erheblich schwerwiegenderer Fehler. Prüfe beides separat.
Lege Zuständigkeit und Gültigkeitsbeginn fest. Prüfe dann, was sich bei einer Änderung der Definition tut.
Die 91 Prozent beziehen sich auf einen konkreten Test
Databricks und Turing führten eine Bewertung in einem simulierten Workspace für einen fiktiven britischen Energieversorger durch. Die Ankündigung vom 11. November nennt eine Erfolgsquote von 91 % für Genie mit Ontology. Der bessere der beiden anonymisierten Vergleichsagenten kam auf 58 %. Jeder Agent beantwortete pro Aufgabe fünfmal dieselben Fragen, die anschließend nach einem vorab festgelegten Raster bewertet wurden. Die Anbieter haben ihre gemeinsame Bewertung unter bestimmten Bedingungen durchgeführt. Welche Ergebnisse andere Databricks-Kunden erwarten können, ist damit nicht unabhängig belegt.
Der Vergleich greift ein reales Fachproblem auf. Hat ein Agent die richtigen Definitionen schon, muss er weniger Arbeitsmappen, Quelltabellen und Notizen durchsuchen. Laut Ankündigung bildet die Genie-Konfiguration einen bereits länger laufenden Einsatz mit angesammeltem Kontext ab. Das unterscheidet sie von einem frisch eingerichteten Workspace. Der Test vergleicht ganze Systeme mit unterschiedlichem Zugriff auf vorbereiteten Kontext. Welchen Anteil eine einzelne Funktion am Ergebnis hat, lässt sich daraus nicht ableiten.
Ein Team kann selbst eine kleine Auswertung durchführen und eigene Fragen verwenden. Wähle Fragen, die einfach aussehen, in der Praxis aber schon zu Fehlern geführt haben. Das könnte ein Monatsbericht zu aktiven Konten sein, die Verlängerungsfrist einer Region, eine Ausnahme bei der Umsatzrealisierung oder das Gültigkeitsdatum einer Einstufung. Hol bei den Verantwortlichen eine Momentaufnahme der verbindlichen Antworten ein. Halte fest, welche Quellen und Zeiträume als korrekt zählen. Nimm auch Fragen ohne eine einzige autorisierte Antwort auf, bei denen der Agent ablehnen oder nachfragen sollte.
Bewerte neben der Richtigkeit der Zahlen auch die Nachvollziehbarkeit und den Quellenzugriff. Führt eine falsche Formel zufällig zur richtigen Zahl, kann der Bericht im folgenden Monat schon scheitern. Eine schnelle Antwort spart unter Umständen wenig Arbeit, wenn jemand mehrere Minuten für die Kontrolle braucht. Dokumentiere, wer die Antwort prüfen konnte und welche Grenzfälle eine Rückfrage ausgelöst haben. So kannst du den bisherigen und den neuen Ablauf auch dann aussagekräftig vergleichen, wenn beide dasselbe Basismodell verwenden.
Probiere vor der breiten Einführung eine geänderte Definition aus
Ein Test mit einer Kennzahl reicht, um zu sehen, ob das System Änderungen aufnimmt. Frag im ersten Durchlauf nach den aktiven zahlenden Konten zu einem bestimmten Zeitpunkt. Simuliere danach eine fachliche Änderung. Ab einem vereinbarten Datum gelten Partnerkonten als eigenes Berichtssegment. Historische Dashboards müssen die alte Behandlung für frühere Zeiträume bewahren. Neue Berichte müssen die freigegebene Definition anwenden. Die Herausforderung besteht darin, vor und nach der Änderung richtige Antworten zu erhalten, ohne dem Agenten jedes Mal eine eigene Kopie der Richtlinie zu geben.
- Wähle eine Kennzahl, für die jemand verantwortlich ist und die zwei tatsächlich unterschiedliche Auslegungen hat. Halte die genehmigte Regel, ihr Gültigkeitsdatum, eine bekannte Antwort und eine bekannte Mehrdeutigkeit fest.
- Stelle dieselben Fragen an den bisherigen und den geregelten Ablauf und verwende denselben Datenstand. Notiere Antwort, zitierte Definition und Prüfzeit.
- Wiederhole den Versuch mit zwei Berechtigungsprofilen. Prüfe, ob die Leser die für sie vorgesehenen Quellen öffnen können, ohne geschützte Details zu erfahren.
- Simuliere eine Regeländerung und fordere Berichte für die Zeit davor und danach an. Prüfe, ob die Antwort je Zeitraum die richtige Definition nutzt und die Änderung nennt.
Seit der Ankündigung vom 11. November lässt sich eine Bewertung von Genie Ontology gemeinsam mit den Verantwortlichen für den Databricks-Workspace angehen. Die Ontologie ist allgemein verfügbar. Der neue visuelle Manager wurde als künftige Beta angekündigt. Zuständigkeiten für Kennzahlen, den Abgleich von Definitionen und einen Satz an Testfragen kann eine Organisation bereits ohne das visuelle Werkzeug vorbereiten. Das hilft auch, wenn die Umsetzung länger dauert.
Füge eine Frage hinzu, die zwischen dem Auffinden einer Definition und ihrer korrekten Anwendung unterscheidet. Zwei Konten können denselben Kundennamen tragen. Ein Abonnement kann mitten im Monat seinen Status ändern. Eine kurz nach Mitternacht verbuchte Transaktion kann für den lokalen Bericht zu einem anderen Tag gehören, als der UTC-Zeitstempel vermuten lässt. Wähle einen dieser Fälle und lege fest, ob er zur Zählung gehört. Gib den Prüfenden eine Referenzabfrage und lass sie zunächst die Auslegung des Agenten lesen, bevor sie die erwartete Zahl sehen.
Wenn immer mehr Bereiche teilnehmen, lassen sich Überschneidungen gezielt suchen. Pflege eine kurze Liste mit Wörtern, die verschiedene Teams bereits unterschiedlich verwenden, etwa „aktiv“, „Region“, „Rückgabe“ oder „Verlängerung“. Kommt ein neuer Fachbereich hinzu, sollen sich die Zuständigen paarweise drei gewöhnliche Fragen stellen. Notiert, an welchen Stellen dasselbe Wort die Grundgesamtheit, den Zeitraum oder die Quelltabelle verändert. Fachleute entscheiden, ob getrennte Namen nötig sind oder ein gemeinsamer Begriff mit Zusätzen reicht. Die Prüfung sollte klein genug bleiben, damit sie sich bei jeder wichtigen neuen Definition im Katalog wiederholen lässt.
Schick die fertige Antwort probehalber an jemanden, der nicht am Test beteiligt war. Erkennt die Person, in welchen Bericht die Zahl gehört? Kann sie die freigegebene Quelle öffnen und Unterschiede zum eigenen Dashboard nachvollziehen? Braucht eine Kennzahl bei jeder Übergabe eine mündliche Einführung, helfen vielleicht ein klarerer Name und eine gespeicherte Definition mehr als zusätzlicher Modellkontext.
Eine Zahl lässt sich nur mit ihrer Definition verlässlich weiterverwenden
Am wertvollsten ist es, wenn zwei Agenten aus demselben Grund dieselbe Antwort geben und bei einer geänderten Frage nachhaken. Dafür braucht das Unternehmen eine Definition, die sich auffinden, prüfen und ändern lässt. Eine gemeinsame Kontextschicht kann diese Arbeit in mehr Berichte tragen. Die Arbeit an Bezeichnungen und der fachlichen Verwaltung von Kennzahlen gewinnt dadurch an Bedeutung.
Quellen
- Databricks-Ankündigung der allgemeinen Verfügbarkeit vom 11. November 2026
- Databricks-Dokumentation zu Genie One
- Offizielle Demo von Genie Ontology
Bewahre Kennzahlendefinitionen, Beschlüsse und offene Fragen an einem durchsuchbaren Ort auf. Erstelle deine erste Notiz mit Telli.sh.