Wo sich die Databricks-Welt trifft.

Wie Unternehmen KI-Agenten über mehrere Modelle hinweg steuern

Databricks announced the general availability of the Unity AI gateway to provide centralized multi-model governance, cost controls, and end-to-end observability for enterprise AI agents. Panelists discussed how coding agents and harnesses are evolving beyond programming into long-running operations, personal software development, and automated organizational workflows.

Demo: Aufbau eines KI-Agenten mit Governance über das Unity AI Gateway

This video demonstrates how to build, update, and govern a store operations AI agent using Databricks Agent Bricks and the Unity AI Gateway. The tutorial highlights integrating custom Model Context Protocol servers, recording execution traces with MLflow, and enforcing security policies and budget controls.

Stellantis: Wie ein globaler Automobilkonzern KI-Agenten im großen Stil eingesetzt hat

Die ontologische Definition von Databricks Genie Ontology mittels OntoRank

Databricks Genie Ontology uses a ranking algorithm (OntoRank) to dynamically infer data definitions based on source credibility, usage frequency, and certification, enabling AI agents to answer questions without requiring formal ontologies. The tool democratizes data access but risks surfacing incorrect definitions if not paired with basic data governance practices.

DABs: UI-zu-DABS-Sync

Governance-konforme Agenten mit Databricks entwickeln

Databricks erweitert seine Unity Catalog-Governance-Schicht auf KI-Agenten, MCP-Server und Tools, um das Problem des „Agenten-Wildwuchses" durch zentralisierte Auffindbarkeit, Zugriffskontrollen und Audit-Logging zu lösen. Das System ermöglicht es Entwicklern, schnell Agenten zu erstellen, während IT-Teams feingranulare Richtlinien durchsetzen, Zugangsdaten verwalten und die End-to-End-Lineage von Anfragen und Antworten nachverfolgen.

Von Primitiven bis zur Produktion: Wie Anthropic Agenten entwickelt

Anthropic definiert Agenten als LLMs in Schleifen mit Tool-Zugriff und setzt eher auf die Intelligenz des Modells als auf starre Workflows. Domänenspezifische Skills, MCPs und Evals kommen zum Einsatz, um branchenübergreifend leistungsfähige Agenten zu bauen. In einer Demo identifizierte ein Site-Reliability-Agent autonom ein Problem mit einem Datenbank-Pool, behob den Code und erstellte einen Postmortem-Bericht.

DABs: watch flag

DABs: Lassen Sie Richtlinien Ihre Cluster steuern