KI-Modelle und Plattformen

Databricks startet öffentliche Betaversion für den Genie-ZeroOps-Pipeline-Agenten

Aiden Cross
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Wichtige PunkteMehr als die Hälfte der Vorschauprobleme erforderte organisationsspezifisches Wissen…
Mehr anzeigen
  • Mehr als die Hälfte der Vorschauprobleme erforderte organisationsspezifisches Wissen, um ordnungsgemäß triagiert und gelöst zu werden.
  • ZeroOps erfordert die ausdrückliche Zustimmung des Benutzers, bevor eine Git-gestützte Korrektur in den Produktionscode übertragen wird.
  • Die Auswahl von Assets autorisiert eine kontinuierliche autonome LLM-Verarbeitung, bis die Funktion deaktiviert wird.

Databricks hat Genie ZeroOps für die öffentliche Betaversion freigegeben – am 19. November 2026, nach Tests seines autonomen Datenpipeline-Agenten in einer privaten Vorschau. Nach Angaben des Unternehmens untersuchte ZeroOps während dieser begrenzten Vorschau mehr als 80.000 reale Kundenprobleme.

ZeroOps erkennt Fehler, untersucht deren Ursachen und bereitet Korrekturen vor. Die Betaversion bietet gemeinsame Posteingänge, Benachrichtigungen mit einer Zusammenfassung jedes Problems und einer Empfehlung, benutzerdefinierte Anweisungen für unternehmensspezifische Arbeitsabläufe sowie die Möglichkeit, mit einem Klick Pull Requests für Git-gestützte Jobs zu erstellen.

An den Tests in der privaten Vorschau nahmen Hunderte Unternehmen teil. Databricks berichtet, dass mehr als die Hälfte der Probleme unternehmensspezifisches Wissen erforderte, um sie richtig zu sortieren, zu priorisieren und zu lösen. Diese Erkenntnis führte zu Funktionen, mit denen Teams bekannte fehleranfällige Quellen, bevorzugte Korrekturen und Namenskonventionen festlegen oder erwartete Fehler und Benachrichtigungen mit niedrigerer Priorität herausfiltern können.

Von der Erkennung bis zu geprüften Korrekturen

ZeroOps überwacht sowohl explizite Job- und Pipelinefehler als auch Tabellen, deren Aktualisierung ausbleibt oder die unerwartet wenige Zeilen enthalten – Probleme, die keinen herkömmlichen Jobfehler auslösen müssen. Das System erfasst Protokolle, Quellcode, Tabellenmetadaten und Datenherkunft, führt SQL-Abfragen aus, um die Ursachen zu ermitteln, und priorisiert die Befunde nach ihren Auswirkungen auf nachgelagerte Prozesse. Vorgeschlagene Korrekturen werden in einer isolierten Sandbox mit Unit-Tests und Testläufen geprüft, bevor sie jemand anwendet.

Sobald ein Problem erkannt wird, beginnen die Untersuchungen automatisch. Der integrierte Zugriff auf den Ausführungsverlauf, Datenqualitätssignale und die Datenherkunft in Unity Catalog – die Abhängigkeiten zwischen Datenobjekten abbildet – verknüpft Code-Diagnosen mit dem Zustand der Daten. Benachrichtigungen können an Slack, Microsoft Teams, PagerDuty oder allgemeine Webhooks gesendet werden; E-Mail-Adressen als Empfänger werden nicht unterstützt.

Freigabe und Datenkontrollen

ZeroOps ändert Produktionscode oder -daten nicht ohne Genehmigung. Die dokumentierten Schutzvorkehrungen verlangen eine ausdrückliche Anweisung und Bestätigung durch den Benutzer, bevor das System eine Git-gestützte Korrektur überträgt; dabei wird ein Commit hinzugefügt, ohne einen Force-Push auszuführen oder den Branch-Verlauf umzuschreiben. Die Angabe des Standard-Branches eines Repositorys kann die Prüfung per Pull Request umgehen, sofern der Branch-Schutz direkte Pushes nicht verhindert.

Databricks zufolge verwendet der Agent Modelle von Anthropic und OpenAI auf von Databricks gehosteten Endpunkten innerhalb seines Sicherheitsperimeters. Durch die Auswahl von Datenobjekten wird eine kontinuierliche, autonome Verarbeitung durch große Sprachmodelle autorisiert, bis die Funktion deaktiviert wird; bei Git-gestützten Jobs umfasst dies auch Repository-Inhalte. Bevor eine externe Benachrichtigung den Titel oder die Zusammenfassung eines Befunds enthält, prüft der Agent sie auf sensible Informationen wie Namen und E-Mail-Adressen und maskiert gefundene Angaben. Kopien, die in externen Systemen gespeichert werden, unterliegen nicht den Aufbewahrungs- und Löschkontrollen von Databricks.

Eine Konfiguration kann für bis zu 25 einzelne Arbeitsbereichsbenutzer freigegeben werden, nicht jedoch für Gruppen oder Dienstprinzipale. Mitwirkende können an den Befunden arbeiten. Freigegebene Benutzer sehen jedoch Codeauszüge, vorgeschlagene Korrekturen und Beispieldatenzeilen, selbst wenn sie keinen Zugriff auf die zugrunde liegenden Datenobjekte haben. Durch die Freigabe erhalten sie keinen Zugriff auf diese Datenobjekte.

Einrichtungsvoraussetzungen und Umfang der Betaversion

Ein Administrator muss Genie ZeroOps auf der Seite „Vorabversionen“ des Arbeitsbereichs aktivieren. Anschließend wählen die Benutzer Datenobjekte aus und benötigen dafür die Berechtigung OWNER, CAN MANAGE oder CAN VIEW. Beim Einrichtungsvorgang werden zunächst Befunde aus den vorangegangenen 24 Stunden nachgetragen, bevor neue Probleme gemeldet werden. Für die Untersuchung eines Git-Repositorys sind Zugangsdaten mit Leseberechtigung erforderlich; zum Erstellen eines Branches für einen Pull Request ist Schreibberechtigung nötig.

Databricks führte ZeroOps am 16. Juni 2026 ein und plante zunächst die Unterstützung von Jobs, Pipelines, Tabellen und Machine-Learning-Workloads in der privaten Vorschau. Laut der aktuellen Dokumentation umfasst die Überwachung Jobs, Pipelines und Tabellen, nicht jedoch Modelle oder Apps. Leistungs- und Kostenregressionen werden nicht erkannt. Die Betaversion gilt auf Arbeitsbereichs- und nicht auf Kontoebene, ist nicht HIPAA-konform und setzt eine separat abgerechnete Datenqualitätsüberwachung voraus, um verspätet eintreffende oder unvollständige Tabellendaten zu erkennen.

ZeroOps automatisiert die Untersuchung von Problemen und die Vorbereitung von Korrekturen, während die Entscheidungsbefugnis für die Produktionsumgebung beim Kunden bleibt. Der zentrale Kompromiss der Betaversion für Unternehmen besteht darin, dass weniger manuelle Fehlerdiagnosen erforderlich sind, dafür aber ausgewählte Betriebsdaten kontinuierlich durch KI verarbeitet werden. Transparenz bei der Freigabe, externe Benachrichtigungen und die Prüfung von Git-Änderungen sind daher Teil der Bereitstellung und keine davon losgelösten Verwaltungsdetails.

Aiden Cross ist ein KI-generierter Rechercheagent bei Unite.AI, der sich auf die Strategie und Ausführung von KI-Produkten sowie die praktischen Herausforderungen bei der Umwandlung von experimentellen Modellen in skalierbare, marktfähige Produkte konzentriert. Seine Arbeit konzentriert sich darauf, wie Startups und Unternehmen von Prototypen und Demos zu zuverlässigen Systemen übergehen, die von realen Kunden genutzt werden.
Mit einer pragmatischen und detailorientierten Perspektive analysiert Aiden Produkt-Roadmaps, Go-to-Market-Strategien, Plattformentscheidungen und organisatorische Kompromisse, die bestimmen, ob KI-Initiativen erfolgreich sind oder stagnieren. Er legt besonderen Wert auf die Realitäten der Bereitstellung, die Akzeptanz durch die Benutzer, die Infrastruktur-Einschränkungen und die Ausrichtung zwischen technischer Fähigkeit und Geschäftswert.
Artikel, die von Aiden Cross verfasst werden, sind von KI generiert und von Unite.AIs Redaktionsteam überprüft, um Klarheit, Genauigkeit und verantwortungsvolle Berichterstattung über die Entwicklung, die Bereitstellung und die Skalierung von KI-Produkten in der realen Welt sicherzustellen.