KI-Agenten für Databricks
Ein Monmo KI-Agent arbeitet in Databricks wie ein Data Engineer in der Frühschicht. Er erklärt fehlgeschlagene Jobs, beantwortet Fragen per SQL anhand von Unity Catalog-Tabellen, verfolgt DBU-Kosten über Systemtabellen und dokumentiert Tabellen, zu denen Ihr Team immer wieder Fragen stellt. Er nutzt die von Ihnen verbundene Identität, sieht nur, was Unity Catalog freigibt, und fragt nach, bevor er einen Job startet, Compute ändert oder Daten schreibt.
Aktualisiert am 2026-11-13 · Kostenlos starten. Kostenpflichtige Tarife ab $15 im Monat.
Was KI-Agenten in Databricks erledigen
Fehlgeschlagenen Job erklären
Wenn ein geplanter Job fehlschlägt, liest der Agent die Task-Ausgabe, den Fehler und die Driver-Logs. Er findet die betroffene Notebook-Zelle oder Datei und beschreibt die Ursache sowie einen Lösungsvorschlag.
AuftragDer nächtliche orders-Job ist um 02:10 fehlgeschlagen. Welche Task ist fehlgeschlagen, warum und was würdest du ändern?
Fragen mit einem SQL Warehouse beantworten
Fragen Sie nach wöchentlich aktiven Kunden pro Segment. Der Agent findet die Tabellen in Unity Catalog, schreibt die Abfrage, führt sie auf dem zugewiesenen SQL Warehouse aus und zeigt das Ergebnis samt SQL.
AuftragWie viele wöchentlich aktive Kunden hatten wir in den letzten acht Wochen pro Segment? Zeige mir die Abfrage.
DBU-Kosten verfolgen
Jeden Montag liest der Agent die Systemtabelle zur Abrechnungsnutzung, gruppiert DBUs nach Workspace, Job und SQL Warehouse, vergleicht sie mit der Vorwoche und schreibt die Zusammenfassung in Google Sheets.
AuftragFasse jeden Montag die DBU-Nutzung der letzten Woche nach Job und Warehouse zusammen und zeige die größten Anstiege.
Dauerhaft laufende Compute-Ressourcen finden
Der Agent listet All-Purpose-Cluster ohne automatische Beendigung, überdimensionierte Cluster mit geringer Last und SQL Warehouses auf, die nachts weiterlaufen. Er schlägt Einstellungsänderungen vor und fragt vor deren Umsetzung nach.
AuftragFinde Cluster ohne automatische Beendigung und Warehouses, die die ganze Nacht laufen, und schlage für jedes passende Einstellungen vor.
Unity Catalog-Tabellen dokumentieren
Der Agent liest die Tabellen eines Schemas, prüft stichprobenartig ihre Spalten und Datenherkunft und entwirft verständliche Kommentare für neue Analysten. Sie prüfen sie in Google Docs. Das Eintragen in Unity Catalog wartet auf Ihre Freigabe.
AuftragEntwirf Tabellen- und Spaltenkommentare für das Schema sales in Unity Catalog. Lass mich sie zuerst prüfen.
Experimentläufe vergleichen
Für ein MLflow-Experiment vergleicht der Agent die Läufe anhand ihrer Parameter und Metriken, zeigt die Unterschiede zwischen dem besten und den übrigen Läufen und schreibt eine kurze Notiz für das Team in Slack.
AuftragVergleiche die letzten 20 Läufe im Experiment churn-model und zeige mir, welche Parameter den Unterschied gemacht haben.
Zugriff auf sensible Tabellen prüfen
Der Agent listet die Berechtigungen für Tabellen mit personenbezogenen Daten, die zugehörigen Gruppen und Nutzer sowie weit gefasste Berechtigungen wie für alle Kontonutzer auf. Anschließend entwirft er die Berechtigungsentzüge für Ihren Admin.
AuftragWer kann die Tabellen im Schema customers_pii lesen? Markiere alle Berechtigungen, die über das Datenteam hinausgehen.
So wird die App verbunden
- 1Sie verbinden einen Databricks-Workspace per persönlichem Zugriffstoken oder OAuth, oder besser noch über einen Service Principal, den Ihr Admin erstellt. Ihr Workspace-Admin muss möglicherweise Tokens zulassen; für Kostenberichte müssen die Systemtabellen aktiviert sein.
- 2Databricks eignet sich für einen Daten-Agenten und einen Engineering-Agenten. Die Berechtigungen in Unity Catalog bestimmen, welche Kataloge und Tabellen die Agenten sehen. Geben Sie der Identität des Agenten daher nur Zugriff auf die Schemas, die er für seine Arbeit braucht.
- 3Das Lesen von Läufen, Logs, Tabellen und Systemtabellen braucht keine Freigabe. Bevor der Agent einen Job oder ein Notebook ausführt, Compute erstellt oder ändert, in eine Tabelle schreibt oder eine Berechtigung ändert, fragt er jeweils auf einer Karte nach.
Häufige Fragen
Kann ein KI-Agent in Databricks-Notebooks arbeiten?
Ja. Ein Monmo KI-Agent kann Notebooks lesen, erklären, was eine Zelle tut, und ein neues Notebook für eine Analyse entwerfen. Bevor er es im Workspace speichert oder auf Compute ausführt, fragt er nach. Ein Lauf verbraucht DBUs und kann Tabellen schreiben. Er arbeitet über die Databricks-Verbindung oder im eigenen Browser, wenn die Verbindung etwas nicht abdeckt.
Ist es sicher, einem KI-Agenten Zugriff auf Daten in Unity Catalog zu geben?
Der KI-Agent sieht genau das, was Unity Catalog seiner Identität freigibt, und nicht mehr. Geben Sie ihm einen Service Principal mit SELECT auf die benötigten Schemas und keinen Zugriff auf personenbezogene Daten, sofern die Aufgabe ihn nicht erfordert. Lesen braucht keine Freigabe; Schreibvorgänge und Berechtigungsänderungen warten auf Sie. Sie können den Zugriff jederzeit entziehen.
Kann ein KI-Agent erklären, warum unsere Databricks-Rechnung gestiegen ist?
Der KI-Agent kann zeigen, wo die Kosten gestiegen sind. Er schlüsselt DBUs anhand der Abrechnungs-Systemtabelle nach Job, Cluster und Warehouse auf, vergleicht Zeiträume und nennt die Jobs oder Cluster hinter dem Anstieg. Er schlägt Änderungen vor, etwa die automatische Beendigung oder ein kleineres Warehouse. Sie entscheiden, welche davon umgesetzt werden.
Kann ein KI-Agent einen fehlgeschlagenen Databricks-Job reparieren und erneut starten?
Der KI-Agent findet die Ursache, entwirft eine Lösung und fragt vor dem erneuten Start nach. Liegt die Lösung im Code, öffnet er zur Prüfung einen Pull Request in GitHub. Muss der Job nur ab der fehlgeschlagenen Task fortgesetzt werden, zeigt er Ihnen den Lauf auf einer Karte und repariert ihn nach Ihrer Freigabe.
Ihre nächste Verstärkungkönnte heute anfangen.
Erstellen Sie Ihren ersten KI-Agenten in einer Minute. Der Einstieg ist kostenlos.