Databricks Genie Ontology: Was ist neu, Verfügbarkeit und Alternativen (2026)

Databricks gab die allgemeine Verfügbarkeit von Genie Ontology am 11. November 2026 bekannt. Die Ankündigung bezeichnet sie als „eine agentische Ontologie, die Agenten aus der täglichen Arbeit Ihrer Teams aufbauen und die von Menschen verwaltet wird“. Das Ziel ist es, jedem Agenten ein einheitliches Verständnis des Unternehmens zu vermitteln.
Vereinfacht ausgedrückt ist Genie Ontology eine gemeinsame Ebene für den Geschäftskontext von AI-Agenten. Sie lernt Definitionen aus Dashboards, Abfragen und Notebooks. Menschen legen dann die Definitionen fest, die exakt sein müssen, wie zum Beispiel der Umsatz.
Dieser Leitfaden behandelt die Änderungen mit dem GA-Release, wie die Ontologie funktioniert, was sie kostet und wer sie nutzen kann. Er endet mit weiteren Möglichkeiten, AI Geschäftskontext zu geben, einschließlich Tools, die mit einer Tabellenkalkulation anstelle einer Datenplattform beginnen. Die Details stammen aus dem Blog, der Dokumentation und der Preisseite von Databricks, gelesen am 16. November 2026.
Was Databricks angekündigt hat
Databricks stellte Genie Ontology erstmals auf seinem Data + AI Summit im Juni vor. Der Beitrag vom 11. November überführt sie in die allgemeine Verfügbarkeit und fügt neue Quellen und Kontrollen hinzu.
Die Zusammenfassung des Beitrags listet die Hauptbestandteile des Releases auf. Er „führt Genie Search für Unternehmenswissen ein“. Zudem „erweitert er den gelernten Kontext auf BI-Tools und Organisationsverzeichnisse“. Schließlich „fügt er den Ontology Manager für die Kuratierung hinzu und bringt Unity Catalog Domains und Pages zur allgemeinen Verfügbarkeit“.
In derselben Woche aktualisierte Databricks auch Genie Agents. Ein separater Beitrag besagt, dass Genie Agents nun unstrukturierte Dateien analysieren, sich mit mehr Tools verbinden und außerhalb eines Unternehmens geteilt werden können.
Databricks stellt die gesamte Woche unter eine zentrale Idee. Unternehmen betreiben nicht mehr nur einen Agenten für ein Team. Sie betreiben viele Agenten über viele Funktionen hinweg, und jeder benötigt dasselbe Verständnis des Geschäfts. Die Ankündigung argumentiert, dass eine Unternehmensontologie „daher eine gemeinsame Infrastruktur sein sollte“. Aus ihrer Sicht sollten IT- und Datenverantwortliche diese auf die gleiche Weise besitzen wie die Datenplattform.
Wie Genie Ontology funktioniert
Die Dokumentation bezeichnet Genie Ontology als „die vereinheitlichte Kontextebene, die AI-Agenten eine geschäftsorientierte Karte Ihrer Organisation liefert“. Sie kombiniert zwei Arten von Wissen.
Gelerntes Wissen stammt aus der Arbeit, die Teams bereits leisten. Agenten lesen Databricks-Dashboards, SQL-Abfragen, Notebooks und semantische BI-Modelle. Sie speichern ihre Funde als Ontology Snippets. Die Dokumentation gibt Beispiele für Snippets:
- Metrik-Definitionen. „Ein ‚aktiver Nutzer‘ ist ein eindeutiger Nutzer, bereinigt über alle Plattformen hinweg.“
- Autoritative Quellen. Zum Beispiel, welcher kuratierte Agent Fragen zum Umsatz beantworten sollte.
- Geschäftsregeln. „Ein ‚qualifizierter Lead‘ zählt erst, nachdem eine Demo gebucht wurde.“
Modelliertes Wissen ist das, was Menschen absichtlich definieren. Es lebt im Unity Catalog als Metrik-Ansichten, Domains und Pages. Die Dokumentation besagt: „Genie behandelt modelliertes Wissen als autoritativer als gelerntes Wissen, daher hat es Vorrang, wenn beide im Konflikt stehen.“
Ein Ranking-Schritt entscheidet, welchen Kontext ein Agent sieht. Databricks nennt dies OntoRank. Die Ankündigung besagt, dass es „Quellenautorität, Zertifizierung, die Expertise und Relevanz der Personen hinter dem Wissen, Popularität und Aktualität“ gewichtet. Dann übergibt es den besten Kontext an den Agenten.
Berechtigungen werden übernommen. Die Dokumentation besagt, dass Snippets „durch Unity Catalog-Berechtigungen geschützt sind, sodass Nutzer nur Snippets sehen, die von Assets abgeleitet wurden, auf die sie Zugriff haben dürfen“.
Eine Einschränkung ist wichtig zu kennen. Die Dokumentation besagt: „Sie können gelernte Wissens-Snippets nicht direkt bearbeiten.“ Um zu ändern, was Genie lernt, aktualisieren Sie das Quell-Asset oder definieren das Konzept als modelliertes Wissen.
Was neu im GA-Release ist
Das GA-Release fügt mehrere Teile hinzu. Einige sind heute allgemein verfügbar, andere befinden sich in der Beta-Phase oder folgen in Kürze.
| Komponente | Status im Beitrag vom 11. November | Funktion |
|---|---|---|
| Genie Ontology | Allgemein verfügbar | Gemeinsamer Geschäftskontext für Agenten, gelernt und modelliert |
| Ontology Snippets | Allgemein verfügbar | Wiederverwendbare Kontextstücke, wie Berechnungen und Regeln |
| Genie Search | Allgemein verfügbar | Suche über Dokumente, Tickets und Wikis hinweg, mit Berechtigungen |
| Externe Wissensquellen | Beta | Lernt aus semantischen BI-Modellen; heute Power BI |
| Organisationsverzeichnisse | Allgemein verfügbar | Importiert Personen, Teams und Berichtslinien, beginnend mit Workday |
| Unity Catalog Domains und Pages | Allgemein verfügbar | Organisiert Assets nach Geschäftsbereich und hält offizielle Definitionen fest |
| Ontology Manager | Demnächst in Beta | Eine visuelle Oberfläche zur Überprüfung und Kuratierung der Ontologie |
Genie Search greift auf Wissen außerhalb des Lakehouse zu. Der Beitrag besagt, dass es „heute Google Drive, Jira, Confluence und Workday unterstützt, mit SharePoint in der Beta-Phase“. Zudem heißt es, dass Genie Search „die Zugriffskontrollen jeder Quelle zusammen mit deren Inhalten aufnimmt“.
Externe Wissensquellen bringen Logik aus BI-Tools ein. Der Beitrag besagt: „Power BI wird heute unterstützt. Unterstützung für Tableau und Sigma folgt in Kürze.“
Unity Catalog Pages enthalten offizielle Definitionen. Jede Page hat einen benannten Eigentümer. Wenn eine Frage ein definiertes Konzept betrifft, besagt der Beitrag: „Genie behandelt die Page als die Quelle der Wahrheit.“
Ontology Manager ist noch nicht verfügbar. Databricks beschreibt ihn als „die erste visuelle Oberfläche“ zur Kuratierung der Ontologie, die bald in der Beta-Phase erscheint.
Der von Databricks veröffentlichte Benchmark
Databricks teilte Ergebnisse eines mit Turing erstellten Benchmarks. Er simulierte einen Databricks-Workspace für einen fiktiven britischen Energielieferanten. Genie wurde unter Verwendung von Genie Ontology mit zwei Frontier-Agenten verglichen, die als Agent A und Agent B bezeichnet wurden.
| Agent | Erfolgsquote | Durchschnittliche Zeit pro Durchlauf | Durchschnittliche Token pro Durchlauf |
|---|---|---|---|
| Genie mit Genie Ontology | 91% | 100 Sekunden | 432K |
| Agent A | 45% | 435 Sekunden | 889K |
| Agent B | 58% | 307 Sekunden | 1.05M |
Der Beitrag besagt, dass Genie „in 91% der Durchläufe korrekt antwortete, das 1,6-fache der Quote des stärkeren Frontier-Agenten“. Zudem verbrauchte es weniger als die Hälfte der Token.
Diese Zahlen sind mit Vorsicht zu genießen. Der Benchmark wurde von Databricks mit einem Partner erstellt und in einem simulierten Workspace durchgeführt. Der Beitrag selbst besagt, dass die Ergebnisse „einen etablierten Einsatz widerspiegeln, bei dem Teams dieses Wissen bereits angesammelt haben“. Ein neuer Einsatz mit wenig gelerntem Kontext könnte anders abschneiden.
Genie Agents erhielten in derselben Woche ein Update
Am selben Tag veröffentlichte Databricks ein Update für Genie Agents. Dies sind die No-Code-Agenten, die Teams für spezifische Aufgaben erstellen. Drei Änderungen stechen hervor:
- Unstrukturierte Daten. Agenten können nun PDFs, Dokumente, Präsentationen und Bilder in Unity Catalog-Volumes analysieren. Antworten können „die spezifische Seite der Quelldatei“ zitieren. Dies befindet sich in der Public Preview.
- MCP-Connectoren. Native MCP-Connectoren sind nun allgemein verfügbar. Der Beitrag nennt „Slack, Google Drive, Google Calendar, Gmail, Glean, Atlassian, Github und Microsoft 365“.
- Teilen außerhalb des Unternehmens. OpenSharing und Genie Clean Rooms, beide in der Beta-Phase, ermöglichen es einem Anbieter, einen Agenten mit Partnern oder Kunden zu teilen.
Der Beitrag gibt ein Vertriebsbeispiel. Ein Agent liest Pipeline-Daten, ruft Account-Pläne aus Google Drive ab und postet eine Deal-Zusammenfassung in Slack.
Genie Ontology verbindet diese Teile. Jeder Genie Agent greift auf denselben verwalteten Kontext zu, sodass eine einmal definierte Metrik überall gilt.
Wer es nutzen kann und was es kostet
Genie Ontology ist Teil der Databricks-Plattform. Sie benötigen ein Databricks-Konto mit Unity Catalog, da Berechtigungen und modelliertes Wissen dort leben.
Agenten außerhalb von Databricks können sie ebenfalls nutzen. Die Ankündigung besagt, dass über Genie MCP „derselbe Kontext für Agenten außerhalb von Databricks verfügbar ist, wie ChatGPT, Claude und Microsoft Copilot“.
Zu den Kosten listet die Genie-Preisseite Genie Ontology als „Preis folgt in Kürze“ auf. In den FAQ heißt es: „Derzeit entstehen Kunden keine Kosten für die Generierung, Speicherung oder den Abruf von Genie Ontology.“
Die Nutzung von Genie selbst wird separat berechnet. Hier ist, was die Preisseite für US East anzeigt.
| Posten | Angabe auf der Preisseite |
|---|---|
| Genie Ontology | Preis folgt in Kürze; heute keine Kosten für Generierung, Speicherung oder Abruf |
| Genie Search | Preis folgt in Kürze; Sie zahlen nur für AI Functions zu bestehenden Preisen |
| Genie-Nutzung | 150 DBUs kostenlose Nutzung pro Nutzer und Monat |
| Über die kostenlose Nutzung hinaus | $0.070 pro DBU, plus separat abgerechnete Rechenleistung |
Die Seite merkt an, dass „150 DBUs = $10.50 in US East entsprechen; der Dollar-Gegenwert variiert je nach Region“. Zudem heißt es, dass die kostenlose Nutzung nur die LLM-Nutzung abdeckt. Das Ausführen von Abfragen und Dashboards verbraucht weiterhin Rechenleistung, wie zum Beispiel ein SQL-Warehouse.
Die FAQ beantwortet eine häufige Frage direkt. Sie besagt: „Es gibt keine sitzplatzbasierten oder nutzerbasierten Gebühren.“ Administratoren können Budgets und Warnungen für Genie-Ausgaben festlegen.
Wie man beginnt
Databricks empfiehlt, klein anzufangen. Die Ankündigung besagt, dass Organisationen „mit dem Kontext beginnen können, den sie bereits haben“. Hier ist eine praktische Reihenfolge, basierend auf der Dokumentation.
- Überprüfen Sie Ihr Setup. Stellen Sie sicher, dass Ihr Workspace Unity Catalog verwendet, da Snippets dessen Berechtigungen folgen.
- Lassen Sie Genie lernen. Snippets stammen aus bestehenden Dashboards, SQL-Abfragen, Notebooks und Genie Agents. Bereinigen Sie zuerst veraltete Assets oder schränken Sie den Zugriff darauf ein.
- Definieren Sie die kritischen Metriken. Verwenden Sie Metrik-Ansichten und Pages für Zahlen, die exakt sein müssen, wie zum Beispiel der realisierte Umsatz.
- Nach Domains organisieren. Gruppieren Sie Assets in Domains, damit Finance und Marketing ihre eigenen Definitionen behalten können.
- Externes Wissen verbinden. Richten Sie Genie Search für Dokumente und Tickets ein, sowie eine externe Quelle wie Power BI, falls Sie diese nutzen.
- Zitate prüfen. Wenn Genie antwortet, öffnen Sie die verwendeten Snippets, um zu sehen, woher jede Definition stammt.
Schritt 2 ist wichtiger, als es scheint. Die Dokumentation besagt: „Um veraltete oder experimentelle Assets aus den Antworten fernzuhalten, schränken Sie den Zugriff darauf mit Unity Catalog-Berechtigungen ein.“
Was dies für Datenteams bedeutet
Genie Ontology verlagert einen Teil der Arbeit vom Erstellen von Agenten hin zur Kuratierung von Kontext. Anstatt Anweisungen in jeden Agenten zu schreiben, definiert ein Team eine Metrik einmal. Jeder Agent verwendet sie dann.
Das ändert, wer die Arbeit verantwortet. Data Stewards und Fachexperten werden zu Kuratoren. Die Ankündigung besagt, dass der Ontology Manager es Stewards ermöglichen wird, „das, was Agenten gelernt haben, direkt aus einer Prüfwarteschlange in autoritative Pages zu befördern“.
Es wirft auch eine Governance-Frage auf. Gelerntes Wissen stammt aus bestehenden Assets, einschließlich alter oder falscher. Die Qualität der Antworten hängt von der Qualität dieser Quellen ab.
Für Teams, die bereits Databricks nutzen, ist das GA-Release einen Test wert. Wählen Sie eine Domain mit klaren Definitionen, wie zum Beispiel den Vertrieb. Vergleichen Sie die Antworten von Genie mit einem Bericht, dem Sie bereits vertrauen.
Auch die Kostenplanung ändert sich. Für Genie Ontology selbst ist heute keine Gebühr aufgeführt, aber Agenten, die sie nutzen, beanspruchen weiterhin Genie-Nutzung und Rechenleistung. Planen Sie das Budget für die Fragen ein, die Menschen stellen werden, nicht nur für die Ontologie. Administratoren können Budgets und Warnungen festlegen, was während eines Pilotprojekts hilft.
Alternativen zur Bereitstellung von AI-Geschäftskontext
Genie Ontology eignet sich für Teams, deren Daten auf Databricks liegen. Andere Ansätze passen zu anderen Setups. Jedes Detail unten stammt von den Seiten der jeweiligen Anbieter.
| Option | Wie Geschäftskontext hinzugefügt wird | Beste Eignung |
|---|---|---|
| Databricks Genie Ontology | Gelernte Snippets plus verwaltete Pages und Metrik-Ansichten | Teams auf Databricks mit vielen Agenten |
| Microsoft Fabric Daten-Agenten | Anweisungen, Beispiele und Datenquellen in OneLake | Teams auf Fabric und Power BI |
| Power BI semantische Modelle | Im Modell definierte Measures und Beziehungen | Teams, deren Logik bereits in Power BI lebt |
| Powerdrill Bloom | In einem Workspace gespeicherte Dateien und Kontext | Teams, die mit Tabellenkalkulationen, PDFs und SQL-Datenbanken arbeiten |
Microsoft Fabric Daten-Agenten. Die Dokumentation von Microsoft besagt, dass man „organisationsspezifische Anweisungen, Beispiele und Anleitungen hinzufügen kann, um den Fabric-Datenagenten fein abzustimmen“. Zu den unterstützten Quellen gehören „ein semantisches Power BI-Modell“ und „eine Ontologie“. Eine kostenpflichtige F2-Kapazität oder höher wird als Voraussetzung aufgeführt.
Power BI semantische Modelle. Diese enthalten bereits Measures und Beziehungen. Genie Ontology kann nun über externe Wissensquellen von ihnen lernen, sodass beide zusammenarbeiten können.
Weitere Optionen für Daten-Agenten finden Sie in unserem Leitfaden zu Databricks Genie-Alternativen.
Wo Powerdrill Bloom hineinpasst
Nicht jedes Team verfügt über eine Datenplattform zum Kuratieren. Viele arbeiten mit Exporten, Tabellenkalkulationen und einer einzelnen Datenbank.
Powerdrill Bloom setzt bei diesen Dateien an. Sie laden Excel-, CSV- oder PDF-Dateien hoch oder verbinden eine SQL-Datenbank und stellen Fragen in natürlicher Sprache. Die ChatBI-Seite besagt, dass Sie „interaktive Dashboards, aufschlussreiche Berichte und dynamische Visualisierungen mit einfachen Abfragen in natürlicher Sprache erstellen können“.
Kontext baut sich in einem Workspace auf. Das Changelog besagt, dass Workspaces „Ihrer AI ein dauerhaftes, gedächtnisgestütztes Zuhause geben“. Eine einmal hochgeladene Datei kann in jedem späteren Chat in diesem Workspace verwendet werden. Jeder Workspace behält zudem seine eigenen Skills und MCP-Server, sodass ein Finanz-Workspace und ein Vertriebs-Workspace getrennt bleiben. Der AI SQL Chatbot bearbeitet Fragen an eine Datenbank. Der AI Report Generator verwandelt die Antworten in einen Bericht.
Die Preisseite listet einen Free-Plan für $0.00 und Pro für $13.27/Monat auf.
Testen Sie Powerdrill Bloom mit dem Umsatzexport des letzten Quartals und fragen Sie nach einem Umsatzbericht nach Region.
Häufig gestellte Fragen
Was ist Databricks Genie Ontology?
Es ist eine gemeinsame Ebene für den Geschäftskontext von AI-Agenten auf Databricks. Sie kombiniert Wissen, das Agenten aus Dashboards und Abfragen lernen, mit Definitionen, die Menschen im Unity Catalog verwalten.
Wann wurde Genie Ontology allgemein verfügbar?
Databricks gab die allgemeine Verfügbarkeit am 11. November 2026 bekannt. Die Funktion wurde erstmals auf dem Data + AI Summit im Juni vorgestellt.
Wie viel kostet Genie Ontology?
Die Preisseite listet den Preis als in Kürze folgend auf. In den FAQ heißt es, dass Kunden derzeit nicht für die Generierung, Speicherung oder den Abruf der Ontologie zahlen. Genie-Nutzung und Rechenleistung werden separat berechnet.
Können ChatGPT oder Claude Genie Ontology nutzen?
Ja, über Genie MCP. Databricks besagt, dass derselbe Kontext für Agenten außerhalb von Databricks verfügbar ist, wie ChatGPT, Claude und Microsoft Copilot.
Kann ich bearbeiten, was Genie Ontology lernt?
Nicht direkt. Sie ändern gelerntes Wissen, indem Sie die Quell-Assets aktualisieren. Sie können ein Konzept auch als modelliertes Wissen definieren, das Genie als autoritativer behandelt.
Quellen: Databricks, Announcing GA of Genie Ontology · Databricks Dokumentation, Genie Ontology · Databricks, Genie Preise · Databricks, Genie Agents Update · Microsoft Learn, Fabric Data Agent.