Databricks zufolge hat interner KI-Assistent die Datennutzung von Marketingmitarbeitern verdreifacht
Laut Databricks hat das Marketingteam des Unternehmens mit Marge einen auf Genie Agents basierenden Analyse-Assistenten entwickelt, der die Datennutzung verdreifachte und eine Akzeptanzrate von über 85 Prozent erreichte.
Kurze Antwort
Was hat Databricks über seinen KI-Analyseassistenten Marge für das Marketing angekündigt?
Databricks zufolge hat das Unternehmen mit Marge einen KI-Analyseassistenten entwickelt, der auf Genie Agents basiert und in einem governance-konformen Marketing Lakehouse verankert ist und es Marketingfachleuten ermöglicht, Fragen in natürlicher Sprache zu stellen. Das Unternehmen berichtet, dass Marketingmitarbeiter Daten nun dreimal häufiger in Entscheidungsprozesse einbeziehen, wobei die Nutzung mittlerweile mehr als 85 Prozent der Marketingorganisation erreicht.
Das Wichtigste
- Databricks zufolge hat das Unternehmen mit Marge eine marketingspezifische Implementierung von Genie Agents entwickelt, die auf einem verwalteten Marketing Lakehouse aufbaut und Kampagnen-, Web-, CRM- und Vertriebsdaten vereint.
- Databricks berichtet, dass Marketingfachleute Daten nun dreimal häufiger in Entscheidungsprozessen nutzen: Die Verbreitung liegt bei über 85 % der Marketingorganisation, und die Nutzung wächst von Quartal zu Quartal um 50 %.
- Laut Databricks bearbeitet Marge monatlich mehr als 800 Anfragen und hat insgesamt bereits über 5.000 beantwortet, während die Zahl der als fehlerhaft markierten Antworten mit der Weiterentwicklung des Systems um 25 Prozent gesunken ist.
- Databricks erklärt, für zentralisierte Metadaten, Lineage und rollenbasierte Zugriffskontrollen den Unity Catalog eingesetzt zu haben, und dies mit verifizierten Antworten, Beispielabfragen und Anleitungen in Geschäftssprache kombiniert zu haben, um Marge präziser zu machen.
- Databricks zufolge begann die Einführung mit einem einzelnen Anwendungsfall, der Performance von E-Mail-Kampagnen, bevor der Umfang erweitert wurde. Die Pflege von Marge nehme inzwischen einem BI-Manager nur noch rund eine Stunde pro Woche in Anspruch.
Databricks zufolge hat die Marketingorganisation des Unternehmens einen internen KI-Analyseassistenten namens Marge entwickelt, der die Häufigkeit, mit der Marketingfachleute Daten für Entscheidungen nutzen, verdreifacht hat, wie aus einem Blogbeitrag des Unternehmens hervorgeht.
Der Assistent ist eine marketingspezifische Umsetzung von Genie Agents, Databricks' Technologie für konversationelle Analysen, und stützt sich auf das, was das Unternehmen als governten Marketing Lakehouse bezeichnet. Dieser Lakehouse vereint Daten aus Kampagnenplattformen, Webanalyse, CRM-Systemen, Event-Tools, Werbekanälen und Vertriebsdaten, die laut Databricks zuvor in getrennten Systemen mit uneinheitlichen Definitionen lagen.
Was Databricks berichtete
Laut Unternehmensangaben gilt seit der Einführung von Marge:
- Marketingfachleute nutzen Daten dreimal häufiger für Entscheidungen.
- Mehr als 85 % der Marketingorganisation nutzen Marge.
- Die Nutzung ist von Quartal zu Quartal um 50 % gewachsen.
- Marge beantwortet monatlich mehr als 800 Fragen und hat insgesamt über 5.000 Fragen beantwortet.
- Gemeldete fehlerhafte Antworten sind mit der Weiterentwicklung des Systems um 25 % zurückgegangen.
- Databricks gibt an, den Zugang zu Erkenntnissen ausgeweitet zu haben, ohne zusätzliches Analysepersonal einzustellen.
Databricks zufolge interagieren Marketingfachleute mit Marge, indem sie Fragen in natürlicher Sprache stellen, etwa danach, wie eine E-Mail-Kampagne abgeschnitten hat oder welche Programme die Pipeline in einem bestimmten Quartal beeinflusst haben. Der Assistent übersetzt diese Fragen in analytische Abfragen und liefert Antworten auf Basis der governten Daten, so das Unternehmen. Databricks zufolge greifen Marketingfachleute über Genie One auf Marge zu, beschrieben als KI-Coworking-Erfahrung für Business-User, die auch Dashboards und Apps umfasst, wobei Genie One Anfragen an spezialisierte Agenten weiterleitet, die für Bereiche wie Web-Performance, digitale Analyse und Marketingplanung entwickelt wurden.
Wie Databricks nach eigenen Angaben Genauigkeit und Vertrauen aufgebaut hat
Das Unternehmen beschreibt vier Mechanismen, mit denen Marge genauer und zuverlässiger gemacht wurde. Erstens habe Databricks Unity Catalog genutzt, um Metadaten, Tabellenbeschreibungen, Datenherkunft und Zugriffskontrollen zu zentralisieren, wobei Marketing-Stakeholder KI-generierte Beschreibungen überprüft und mit Geschäftskontext angereichert hätten. Zweitens habe das Unternehmen verifizierte Antworten und Beispielabfragen für häufige, hochrelevante Fragen kodiert, etwa zu Konversionsraten und Customer Lifetime Value, die von Fachexperten geprüft wurden. Drittens habe Databricks Marge Verhaltensrichtlinien zur Interpretation unternehmensspezifischer Terminologie gegeben, etwa dass „Spend“ und „Investment“ gleichbedeutend mit einem Feld namens „Cost“ zu behandeln seien, und den Assistenten angewiesen, Rückfragen zu stellen, wenn Angaben wie Zeitraum oder Region fehlen. Viertens habe das Unternehmen kontinuierliche Feedback- und Evaluierungsschleifen aufgebaut, in denen Nutzer Antworten bewerten und ein BI-Manager die Bewertungen prüft – dies habe laut Databricks dazu beigetragen, die Rate gemeldeter fehlerhafter Antworten um 25 % zu senken. Dieser Wartungsaufwand belaufe sich mittlerweile auf etwa eine Stunde pro Woche.
Vorgehen bei der Einführung
Databricks zufolge begann man damit, direkt mit Marketingfachleuten zusammenzuarbeiten, um die am häufigsten gestellten Fragen und die verwendete Sprache zu verstehen, und startete dann mit einem einzigen fokussierten Anwendungsfall: der Performance von E-Mail-Kampagnen, wobei nur die Kampagnen-, Empfänger- und Interaktionsdaten genutzt wurden, die zur Beantwortung dieser Fragen nötig waren. Dieser eng gefasste Anfangsumfang habe es laut Unternehmen erleichtert, die Genauigkeit zu validieren und den Nutzen zu belegen, bevor man auf weitere Daten und Anwendungsfälle ausweitete.
Quelle: Databricks Blog, „How Databricks' marketers use data 3x more with Genie, an AI analytics assistant", veröffentlicht am 15. September 2026.
Häufige Fragen
- Was ist Marge?
- Marge ist laut Databricks ein dialogbasierter Analyseassistent, der mit Genie Agents entwickelt wurde und im governance-konformen Marketing Lakehouse des Unternehmens verankert ist. Er ermöglicht es Marketingfachleuten, Fragen in einfacher Sprache zu stellen und verlässliche, kontrollierte Antworten zu erhalten.
- Welche Ergebnisse berichtet Databricks aus dem Einsatz von Marge?
- Databricks zufolge nutzen Marketingfachleute Daten inzwischen dreimal so häufig für Entscheidungen, die Akzeptanz liegt bei über 85 % der Marketingorganisation, und die Nutzung ist im Quartalsvergleich um 50 % gestiegen.
- Wie will Databricks sichergestellt haben, dass Marges Antworten korrekt bleiben?
- Databricks erklärt, man habe Datenbeziehungen in Unity Catalog dokumentiert, verifizierte Antworten und Beispielabfragen kodiert, Marge unternehmensspezifische Terminologie beigebracht und kontinuierliche Feedback- und Evaluierungsschleifen aufgebaut.
- Wie hat Databricks Marge bei den Marketingfachleuten eingeführt?
- Databricks erklärt, man habe bei den tatsächlichen Fragen der Nutzer angesetzt, mit einem einzigen, klar umrissenen Anwendungsfall begonnen – der Performance von E-Mail-Kampagnen – und den Umfang von dort aus schrittweise erweitert.