Übernahmen

Workday plant die Übernahme von Honeydew, um Geschäftsdefinitionen für KI zu vereinheitlichen

Aiden Cross
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Wichtige PunkteHoneydew kompiliert Geschäftsdefinitionen zu deterministischen Abfragen, bevor ein…
Mehr anzeigen
  • Honeydew kompiliert Geschäftsdefinitionen zu deterministischen Abfragen, bevor ein KI-Modell die Anfrage sieht.
  • Definitionen würden direkt auf Live-Daten der Workday Data Cloud angewendet statt auf veraltete Warehouse-Extrakte.
  • Berechtigungen werden mit Geschäftsdefinitionen mitgeführt, sodass unbefugte Anfragen blockiert werden, bevor eine Abfrage ausgeführt wird.

Workday kündigte am 18. November 2026 auf der Workday Rising EMEA in Barcelona an, Honeydew übernehmen und dessen semantischen Compiler in die Workday Data Cloud integrieren zu wollen. Die geplante Integration soll KI-Agenten und Business-Intelligence-Tools dieselben unternehmensweit einheitlich gesteuerten Geschäftsdefinitionen bereitstellen, damit die Antworten über Agenten, Tools und Modelle hinweg konsistent bleiben.

Workday geht davon aus, dass die geplante Transaktion im vierten Quartal des Geschäftsjahres 2027 abgeschlossen wird, das am 31. Januar 2027 endet, sofern die üblichen Abschlussbedingungen erfüllt sind. Die semantische Ebene von Honeydew ermöglicht es Teams, Geschäftskennzahlen einmal zu definieren und in Business-Intelligence-Tools und KI-Agenten zu verwenden. Der Compiler wandelt diese Definitionen in präzise, regelkonform gesteuerte Abfragen um.

Konsistente Definitionen für Agentenabfragen

Workday veranschaulicht das Problem anhand einer Anfrage zur Beschäftigtenzahl: Ein Dashboard könnte nur Vollzeitbeschäftigte zählen, eine Chat-Anwendung auch Auftragnehmer einbeziehen und ein Agent genehmigte, aber noch unbesetzte Stellen bereits als besetzt zählen. Jede Antwort kann gemäß ihrer jeweiligen Definition gültig sein, doch die drei unterschiedlichen Ergebnisse liefern dem Unternehmen keine einheitliche Zahl.

Honeydew erfasst und ordnet mehrere Definitionen zu und wählt anschließend die jeweils passende aus – abhängig davon, wer fragt, ob es sich um eine Person oder einen Agenten handelt, um welchen konkreten Anwendungsfall und um den situativen Kontext. Damit wird die Auswahl der Definition auf eine gemeinsame Ebene verlagert, statt sie jeder Benutzeroberfläche separat zu überlassen.

Als derzeitige Alternativen nennt Workday individuellen Code, der Anfragen an große Sprachmodelle abfängt, fest in Datenpipelines codierte Geschäftsregeln und das Überladen von Prompts mit Schemaangaben. Dabei werden Datenwörterbücher, SQL-Verknüpfungsregeln und Definitionen in die Prompts gepackt. Die Arbeit muss unter Umständen wiederholt werden, wenn Teams zu anderen Modellen oder Plattformen wechseln.

Mit Honeydew würde die Geschäftslogik aus dem Prompt herausgelöst und in deterministische Abfragen übersetzt, bevor eine Anfrage das Modell erreicht. „Ein KI-Modell sollte die Berechnung hinter einer Gehaltszahl nicht improvisieren“, sagte Gabe Monroy, Chief Technology Officer von Workday. Workday erwartet, dass dieser Ansatz Genauigkeit und Effizienz verbessert, Tokenverbrauch und Kosten senkt und Definitionen bewahrt, wenn Kunden Tools oder Modelle wechseln.

Governance erstreckt sich auch auf Live-Daten

Workday grenzt die geplante Bereitstellung zudem von semantischen Ebenen ab, die mit Daten arbeiten, die bereits in ein Data Warehouse oder einen Data Lake extrahiert wurden. Dort können Antworten nur so aktuell sein wie die letzte Aktualisierung. Honeydew würde die Definitionen der Kunden direkt auf Live-Daten in der Workday Data Cloud anwenden und Agenten so ermöglichen, aktuelle Informationen zu nutzen, etwa die Buchungen des laufenden Tages.

Workday steuert bereits die Identität, Verifizierung, Zugriffsrechte und das Verhalten von Agenten. Honeydew würde zusätzliche Kontrolle schaffen, wenn eine Frage in natürlicher Sprache in eine Datenbankabfrage umgewandelt wird. Die Berechtigungen würden mit den Geschäftsdefinitionen verknüpft, sodass jede Person und jeder Agent nur die jeweils freigegebenen Informationen sehen könnte – ohne separat verwaltete Datenextrakte. Ungültige oder nicht autorisierte Anfragen würden blockiert, bevor eine Abfrage ausgeführt wird, statt erst im Nachhinein markiert zu werden.

Yasmeen Ahmad, Senior-Vizepräsidentin und Geschäftsführerin der Workday Data Cloud, bezeichnete den Unternehmenskontext als zentralen Engpass für KI in Unternehmen und die geplante Integration als „lebendigen semantischen Graphen“, der autonomen Agenten einen regelkonform gesteuerten Geschäftskontext bereitstellen soll.

Mit der geplanten Übernahme rückt Workday Geschäftsdefinitionen ins Zentrum seiner Agentenstrategie. Dieselbe Ebene würde bestimmen, wie eine Frage interpretiert wird, welche Daten sie beantworten können und ob die Anfrage ausgeführt werden darf. Damit würde die Governance von den Aktionen eines Agenten auf die Antworten ausgeweitet, von denen diese Aktionen abhängen.

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.