Databricks, das Daten- und KI-Unternehmen, stellt Genie Code vor. Der autonome KI-Agent kann komplexe Aufgaben wie den Aufbau von Pipelines, die Fehlerbehebung, die Bereitstellung von Dashboards und die Wartung von Produktionssystemen übernehmen. Agentenbasierte Coding-Werkzeuge haben die Softwareentwicklung verändert. Entwickler setzen nicht mehr auf Autocomplete-Unterstützung, sondern agentenbasierte Entwicklung. Genie Code überführt den gleichen Paradigmenwechsel in die Datenverarbeitung, Data Science und Analytics. Genie Code ist eine Ergänzung zu Genie, mit dem jeder Wissensarbeiter mit seinen Daten chatten und mithilfe des von Unity Catalog erfassten Kontexts und der Semantik sofort zuverlässige Antworten erhalten kann. Mit dem KI-Agenten erweitern Datenteams diesen Ansatz und übernehmen die komplexe Entwicklung, die erforderlich ist, um Ideen in allen Unternehmensdaten in die Produktion umzusetzen.

Datentools behandeln KI als Helfer – sie schreiben Code, führen lokale Tests durch und iterieren darauf. Damit bleibt den Datenteams die harte Arbeit der Planung, Orchestrierung, Bedienung, Validierung und Wartung. Mit Genie Code kehren Datenteams diesen Ansatz um. Der KI-Agent durchdenkt Probleme, plant mehrstufige Ansätze, schreibt und validiert produktionsreifen Code und pflegt das Ergebnis – während der Mensch weiterhin die Kontrolle über wichtige Entscheidungen behält.

„Die Softwareentwicklung hat sich in den letzten sechs Monaten von der Code-Unterstützung hin zu vollständig agentenbasierten Engineering verschoben“, erklärt Ali Ghodsi, Mitbegründer und CEO von Databricks. „Genie Code bringt diese Revolution zu den Datenteams. Wir bewegen uns weg von einer Welt, in der Datenexperten von KI unterstützt werden, hin zu einer Welt, in der KI-Agenten die Arbeit unter Anleitung von Menschen erledigen. Wir nennen dies agentenbasierte Datenarbeit. Dies wird die Art und Weise, wie Unternehmen Entscheidungen treffen, grundlegend verändern.“

Bestehende agentenbasierte Coding-Tools haben Schwierigkeiten bei der Erfüllung von Datenaufgaben, da ihnen der Zugriff auf wichtige Kontextinformationen wie Herkunft, Nutzungsmuster und Geschäftssemantik fehlt. Genie Code hilft Teams dabei, diese Kontextlücke zu schließen, um die für Produktionsumgebungen erforderlichen hohen Genauigkeits- und Governance-Standards zu gewährleisten.

Genie Code:

• Agiert als erfahrener Machine-Learning-Engineer: Genie Code übernimmt den gesamten ML-Workflow von Anfang bis Ende. Es analysiert komplexe Probleme, um KI-Modelle zu planen, zu schreiben und zu implementieren, während es Experimente in MLflow protokolliert und die Endpunkte für maximale Leistung abstimmt.
• Verfügt über fundiertes Datenengineering-Know-how: Während ein unerfahrener Entwickler ein Skript schreiben könnte, das mit Testdaten funktioniert, entwirft Genie den Code wie ein erfahrener Architekt. Es berücksichtigt die Unterschiede zwischen Staging- und Produktionsumgebungen, erstellt Workflows für die Erfassung von Änderungsdaten und wendet vorab definierte Anforderungen an die Datenqualität an.
• Predictive Maintenance und Optimierung: Genie Code überwacht Lakeflow-Pipelines und KI-Modelle im Hintergrund, um Fehler zu triagieren und Anomalien zu untersuchen. Es analysiert selbstständig Agent-Traces, um Halluzinationen zu beheben und optimiert die Ressourcenzuweisung, bevor ein Mensch eingreifen muss.
• Verständnis des Unternehmenskontexts: Durch die Integration mit Unity Catalog setzt Genie Code bestehende Governance-Richtlinien und Zugriffskontrollen durch. Es versteht die Geschäftssemantik und Audit-Anforderungen und führt Unternehmensdaten, einschließlich Daten von externen Plattformen, zusammen.
• Verbessert sich mit der Zeit: Genie Code wird umso intelligenter, je mehr Teams es verwenden. Durch persistenten Speicher aktualisiert es automatisch interne Anweisungen auf der Grundlage früherer Interaktionen und Coding-Präferenzen. Bei realen Data-Science-Aufgaben stellte Databricks fest, dass Genie Code die Erfolgsquote führender Coding-Agenten mehr als verdoppelte (von 32,1 % auf 77,1 %).

„Bei SiriusXM unterstützt Genie Code alles, von der Erstellung von Notizbüchern und komplexem SQL bis hin zum Durchdenken von Tabellenbeziehungen und Debugging-Pipelines“, sagt Bernie Graham, VP of Data Engineering bei SiriusXM. „Es fungiert als praktischer Entwicklungspartner, der unseren Datenteams hilft, in kürzerer Zeit qualitativ hochwertige Arbeit zu leisten.“

„Genie Code verändert die Arbeitsweise unserer Datenteams“, erklärt Emilio Martín Gallardo, Principal Data Scientist, Data Management & Analytics bei Repsol. „Anstatt Notebooks, Pipelines und Modelle manuell zusammenzufügen, können wir komplexe Workflows an einen KI-Partner übergeben, der unsere Daten, Governance, unseren Geschäftskontext und interne Bibliotheken wie Repsol Artificial Intelligence Products versteht. Das beschleunigt alles, von der Zeitreihenprognose bis zur Produktionsbereitstellung, ohne dabei an Genauigkeit oder Kontrolle einzubüßen.“

Übernahme von Quotient AI

Databricks hat Quotient AI übernommen. Quotient überwacht automatisch die Leistung von Agenten – es misst die Antwortqualität, erkennt Regressionen frühzeitig und lokalisiert Fehler – und speist damit einen Prozess des verstärkten Lernens, der die Agenten im Laufe der Zeit immer weiter verbessert. Die Gründer von Quotient verfügen über fundierte Fachkenntnisse in der Bewertung von KI-Codingsystemen, da sie zuvor die Qualitätsverbesserung für GitHub Copilot geleitet haben. Durch die Einbettung dieser Funktionen in Genie Code stellt Databricks sicher, dass Daten- und KI-Systeme nicht nur in der Produktion laufen, sondern sich auch kontinuierlich verbessern.