Jun 30 — Jul 7, 2026
In dieser Periode lag ein signifikanter Fokus auf den KI-Fähigkeiten von Databricks, insbesondere auf KI-Agenten und deren Governance, sowie auf fortlaufenden Verbesserungen der Lakehouse-Plattform für Datenmanagement und operative Analysen.
1.Omnigent und KI-Agenten-Governance
Databricks hat Omnigent eingeführt, ein Open-Source-Meta-Harness für KI-Agenten, das darauf ausgelegt ist, die Komposition, Kontrolle und Zusammenarbeit über verschiedene Modelle und Agenten-Workflows hinweg zu vereinheitlichen. Dies umfasst robuste Governance-Funktionen wie kontextbezogene Richtlinien und integrierte Beobachtbarkeit durch MLflow Tracing, um die Komplexität der Verwaltung mehrerer KI-Agenten in der Produktion zu adressieren.
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
2.Lakebase und LTAP für operative Daten
Databricks überdenkt die Datenbankarchitektur mit Lakebase und LTAP (Lakehouse Transactional Analytical Platform). Lakebase externalisiert Postgres-Compute-Logs und -Daten in den Cloud-Speicher für Skalierbarkeit und Elastizität, während LTAP darauf abzielt, analytische und operative Daten auf einer einzigen Plattform zu vereinheitlichen und traditionelle ETL-Prozesse zu eliminieren.
Quellen
- Lakebase CDF — destination Delta table not created after successful UI setup (Free Edition)Community · databricks-community · Jul 7
- Databricks launches across the Data + AI stack in 90 secondsVideo · Databricks · Jul 3
- From monolith to Lakebase to LTAP: rethinking the database from storage upNews · databricks-blog · Jun 30
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 Verwaltung von Databricks-Bereitstellungen. Neue Funktionen und Diskussionen heben ihre Verwendung für deklarative Automatisierung hervor, einschließlich Mutatoren zur Zentralisierung von Regeln und Versionsschutz für konsistente Bereitstellungen über Umgebungen hinweg.
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
4.KI-gestützte Datenmodellierung und Entscheidungsfindung
Databricks verbessert die Datenmodellierung und Entscheidungsfindung mit KI. Vibe Data Modeling verwendet LLMs, um analytische Geschäftsmodelle aus natürlicher Sprache zu erstellen, was die Bereitstellung erheblich beschleunigt. Darüber hinaus wird das Konzept der Decision Execution Platforms (DEPs) eingeführt, um den gesamten exekutiven Entscheidungszyklus auf der Databricks-Infrastruktur zu automatisieren.
5.Datenqualität und synthetische Datengenerierung
Neue Projekte und Tools entstehen, um Datenqualität und synthetische Datengenerierung im Databricks-Ökosystem zu adressieren. DQx bietet ein Framework zur Validierung der Datenqualität in PySpark DataFrames, während dbldatagen eine Möglichkeit bietet, schnell große, relevante synthetische Datensätze für Tests und Proof-of-Concept-Projekte zu generieren.