Zum Inhalt springen
← Alle News
Databricks Blog6. Juli 2026

Datenmodellierung auf dem Lakehouse neu denken: Einführung von Vibe Data Modeling

Von KI aus dem englischen Original übersetzt. Auf Englisch ansehen

Zusammenfassung

Vibe Data Modeling ist jetzt verfügbar, ein LLM-gestützter Agent, der analytische Silver-Layer-Geschäftsmodelle direkt aus einfachen englischen Beschreibungen erstellt und die Bereitstellung von Monaten auf Stunden reduziert. Iterieren Sie in natürlicher Sprache, um neue versionierte Modelle zu erstellen, die gegen 251 Regeln validiert und in Unity Catalog erneut bereitgestellt werden, wobei ein logisches Modell viele physische Layouts unterstützt.

Vibe Data Modeling ist jetzt verfügbar: ein Databricks-nativer, LLM-gestützter Agent, der das analytische Silver-Layer-Geschäftsmodell direkt aus einer einfachen englischen Beschreibung Ihres Unternehmens erstellt. Von der Eingabeaufforderung zum bereitgestellten Modell in Stunden, was die sechs- bis sechsunddreißigmonatigen Projekte ersetzt, die handgefertigte Silver-Modelle oder angepasste generische Industrievorlagen historisch erfordert haben. Iterieren Sie in natürlicher Sprache: Jeder „Vibe“ erzeugt ein neues versioniertes Modell, das gegen 251 durchsetzbare Regeln validiert, von zwei Architekten-Personas überprüft, durch eine geschlossene agentic Schleife repariert und in Unity Catalog erneut bereitgestellt wird. Keine Version wird überschrieben. Ein logisches Modell, viele physische Layouts: Rendern Sie dasselbe Modell als einen Katalog, einen Katalog pro Abteilung oder einen Katalog pro Domäne. Kein Neuaufbau erforderlich.

Ähnliche Artikel

News

Interaktive Databricks-Referenzarchitekturen für 70 Branchen

databricks-blog23h ago
News

Warum PostgreSQL 19 verspätet veröffentlicht wurde

databricks-blog1d ago
News

Genie ZeroOps jetzt in der Public Beta: Ein autonomer Agent zur Reparatur von Datenpipelines mit Erkenntnissen aus 80.000 Kundenproblemen

databricks-blog1d ago
News

Genie One-Genauigkeit: Warum kuratierte Agenten einen governten Kontext benötigen

databricks-blog1d ago