Jun 7 — Jul 7, 2026
Im vergangenen Monat gab es einen bedeutenden Vorstoß zur Verbesserung der KI-Agenten-Fähigkeiten und der Governance innerhalb des Databricks-Ökosystems, begleitet von kontinuierlichen Verbesserungen im Datenmanagement und der operativen Effizienz. Ein Hauptthema war die Einführung von Omnigent als Meta-Harness für KI-Agenten, wobei die Komponierbarkeit und Kontrolle betont wurden.
1.Omnigent und KI-Agenten-Orchestrierung
Databricks hat Omnigent eingeführt, ein Open-Source-Meta-Harness für KI-Agenten, das eine einheitliche Schnittstelle für die Komposition, Steuerung und Zusammenarbeit über verschiedene Agenten-Workflows hinweg bieten soll. Ziel ist es, die Herausforderungen der Verwaltung mehrerer proprietärer Agenten-Harnesses zu bewältigen, indem eine gemeinsame Schicht für das Routing von Abfragen, die Orchestrierung von Agenten und die Durchsetzung zustandsbehafteter, datenzentrierter Richtlinien angeboten wird. MLflow ist jetzt mit Omnigent für die automatische, mehrschichtige Beobachtbarkeit von Agenten-Traces integriert.
Quellen
- Contextual Policies in Omnigent: Using session state to better govern AI agentsNews · databricks-blog · Jul 6
- OpenAI and Databricks at DAIS 2026: Making enterprise AI realNews · databricks-blog · Jul 6
- What Is a Meta-Harness for AI Agents? Omnigent explainedVideo · Databricks · Jul 6
- Multi-Harness AI Agents Need Multi-Layer Observability: Omnigent in MLflowNews · mlflow-blog · Jul 2
- Introducing Omnigent: The Ultimate Meta-Harness for AI AgentsVideo · Databricks · Jun 30
- AI Stack Explained in 3 Layers (LLM, Agent Harness, Omnigent)Video · Databricks · Jun 29
- Introducing Omnigent: an open meta-harness – Matei Zaharia, Co-founder and CTO, DatabricksVideo · Databricks · Jun 24
- v0.122.0Release · databricks/databricks-sdk-java · Jun 22
- v0.148.0Release · databricks/databricks-sdk-go · Jun 22
2.Genie-Familie expandiert für KI-gestützte Daten-Engineering und Business Intelligence
Die Genie-Familie der KI-Agenten wurde erheblich erweitert, wobei der Fokus auf der Automatisierung von Daten-Engineering-Aufgaben, der Verbesserung der Business Intelligence und der Bereitstellung von Entscheidungsunterstützung liegt. Genie Code unterstützt beim Aufbau, der Bewertung und der Bereitstellung von ML-Modellen und setzt Engineering-Standards durch. Genie ZeroOps überwacht und behebt proaktiv Probleme in Datenpipelines, während Vibe Data Modeling LLMs verwendet, um analytische Geschäftsmodelle aus natürlicher Sprache zu erstellen. Diese Agenten sollen KI zugänglicher und stärker in den täglichen Betrieb integrieren.
Quellen
- Reimagining Data Modeling on the Lakehouse: Introducing Vibe Data ModelingNews · databricks-blog · Jul 6
- Forecasting at the speed of modern retailNews · databricks-blog · Jul 1
- Databricks Genie ZeroOps | A Quick OverviewVideo · Advancing Analytics · Jul 1
- All the AI Databricks Data + AI Summit Announcements you need to know | AI Newsround - June 2026Video · Advancing Analytics · Jun 30
- Genie Code Skills: Maintaining Quality at ScaleVideo · Databricks Skill Builder · Jun 25
- Meet Genie, Your New Decision-Making PartnerVideo · Databricks Skill Builder · Jun 25
- What’s coming next to Free EditionVideo · Databricks · Jun 25
- Agentic machine learning with Genie Code (includes demo)Video · Databricks · Jun 24
- How Daikin Applied Americas builds consistent data pipelines at scale with Genie CodeNews · databricks-blog · Jun 24
3.Databricks Asset Bundles (DABs) für deklarative Automatisierung
Databricks Asset Bundles (DABs), jetzt als Declarative Automation Bundles bezeichnet, entwickeln sich weiterhin als Schlüsselwerkzeug für die deklarative Verwaltung von Databricks-Ressourcen. Neue Funktionen und Diskussionen heben ihre Verwendung zur Zentralisierung von Regeln, zur Durchsetzung des Branch-Schutzes für Bereitstellungen und zur Verbesserung der Bereitstellungs-Engine hervor. Dies unterstreicht eine Verschiebung hin zu einem robusteren, versionskontrollierten und automatisierten Infrastrukturmanagement auf Databricks.
Quellen
- 134: Declarative Automation Bundles (Formerly Databricks Asset Bundles)|Part 1|Complete IntroductionVideo · Raja's Data Engineering · Jul 6
- DABs: mutators as a good place for central rulesVideo · databricks MVP Hubert Dudek · Jul 5
- Release: v2.12.1 (#1948)Release · databricks/databricks-vscode · Jul 2
- databricks DABs: version protectionVideo · databricks MVP Hubert Dudek · Jul 1
- databricks DABs: Branch protectionVideo · databricks MVP Hubert Dudek · Jun 26
- databricks DABs: New direct engineVideo · databricks MVP Hubert Dudek · Jun 24
4.Lakebase und Serverless PostgreSQL für operative Daten
Databricks treibt Lakebase voran, eine vollständig verwaltete serverlose PostgreSQL-Datenbank, die auf dem Data Lake läuft. Diese Architektur entkoppelt Compute und Storage und bietet unbegrenzten Speicher, elastisches Compute und sofortiges Branching. Sie ist positioniert, um analytische und operative Daten zu vereinheitlichen, eine einzige Datenkopie für verschiedene Anforderungen zu ermöglichen und die Anforderungen für KI-Anwendungen zu erfüllen, die serverlose, skalierbare Datenbanken benötigen.
Quellen
- Lakebase CDF — destination Delta table not created after successful UI setup (Free Edition)Community · databricks-community · Jul 7
- From monolith to Lakebase to LTAP: rethinking the database from storage upNews · databricks-blog · Jun 30
- What To Look For in a Serverless Database for AI ApplicationsNews · databricks-blog · Jun 25
- What Is Serverless PostgreSQL?News · databricks-blog · Jun 25
- Inside Lakebase: fully-managed serverless Postgres – Nikita Shamgunov, VP, Engineering, DatabricksVideo · Databricks · Jun 24
- v0.118.0Release · databricks/databricks-sdk-py · Jun 18
- v0.121.0Release · databricks/databricks-sdk-java · Jun 17
- v0.147.0Release · databricks/databricks-sdk-go · Jun 17
- v0.120.0Release · databricks/databricks-sdk-java · Jun 16
- v0.146.0Release · databricks/databricks-sdk-go · Jun 16
5.Verbesserte Sicherheit und Governance für die KI-Ära
Sicherheit und Governance bleiben ein kritischer Fokus, insbesondere mit dem Aufkommen von KI-Agenten. Neue Ankündigungen umfassen LakeWatch, ein agentisches Security Lakehouse zur Abwehr von KI-gestützten Angriffen, und das Unity AI Gateway für verbesserte Governance und Kostenverfolgung von KI-Agenten. Kontextuelle Richtlinien in Omnigent ermöglichen zusätzlich die Verfolgung des Sitzungszustands für eine leistungsfähigere Governance von KI-Agenten-Aktionen. Daten-Tagging- und Spaltenmaskierungsfunktionen bieten auch eine granulare Kontrolle über sensible Daten.
Quellen
- Scaling Security Alert Triage With Specialized Agents on DatabricksNews · databricks-blog · Jul 6
- Contextual Policies in Omnigent: Using session state to better govern AI agentsNews · databricks-blog · Jul 6
- Announcement | Building an open ecosystem for AI governance with Unity AI GatewayCommunity · databricks-community · Jul 3
- Mask Sensitive Data: Protect Your PII Effectively!Video · Databricks Skill Builder · Jul 2
- All the AI Databricks Data + AI Summit Announcements you need to know | AI Newsround - June 2026Video · Advancing Analytics · Jun 30
- Master Data Tagging: 3 Ways to Boost Governance!Video · Databricks Skill Builder · Jun 26
- Databricks + Panther: advancing the security lakehouseVideo · Databricks · Jun 25
- Defending against a tidal wave of AI attacks with Lakewatch, the agentic security LakehouseVideo · Databricks · Jun 24
- How Agent Bricks gives developers choice, context and control (with demo)Video · Databricks · Jun 24