Databricks zufolge hat interner KI-Assistent die Datennutzung von Marketingmitarbeitern verdreifacht
Databricks zufolge hat der KI-Analyseassistent Marge, der auf Genie Agents basiert, die interne Nutzung von Marketingdaten verdreifacht und wird von über 85 Prozent der Belegschaft eingesetzt.
Kurze Antwort
Was hat Databricks über seinen internen Marketing-Analyseassistenten Marge bekannt gegeben?
Databricks zufolge hat das Marketingteam mit Marge einen auf Genie Agents basierenden, konversationsfähigen Analyseassistenten entwickelt, der auf einem verwalteten Marketing Lakehouse aufsetzt. Das Unternehmen berichtet, dass Marketingfachleute Daten nun dreimal so häufig für Entscheidungen nutzen, die Akzeptanz über 85 Prozent der Marketingorganisation liegt und die Zahl gemeldeter fehlerhafter Antworten um 25 Prozent gesunken ist.
Das Wichtigste
- Databricks erklärt, den konversationellen Analyse-Assistenten Marge, der auf Genie Agents basiert, auf einem verwalteten Marketing Lakehouse aufgebaut zu haben, das gemeinsam von Marketing-, Finanz-, Vertriebs- und Produktdaten genutzt wird.
- Das Unternehmen berichtet, dass Marketingfachleute Daten nun dreimal so häufig für Entscheidungen nutzen, die Akzeptanz über 85 Prozent der Marketingorganisation liegt und die Nutzung von Quartal zu Quartal um 50 Prozent wächst.
- Databricks zufolge bearbeitet Marge mehr als 800 Fragen pro Monat, hat insgesamt über 5.000 beantwortet, und gemeldete fehlerhafte Antworten sind um 25 Prozent gesunken, da das System verbessert wurde.
- Databricks zufolge stützt sich der Assistent auf Unity Catalog für Governance, Herkunftsnachweise und rollenbasierte Zugriffskontrolle sowie auf verifizierte Kennzahlendefinitionen, Beispielabfragen und vertrauenswürdige, von Fachexperten geprüfte Assets zur Sicherstellung der Genauigkeit.
- Databricks zufolge begann die Einführung mit einem einzigen Anwendungsfall, der Performance von E-Mail-Kampagnen, bevor sie erweitert wurde, und ein BI-Manager wendet etwa eine Stunde pro Woche für die Pflege des Systems auf.
Databricks zufolge hat die Marketingorganisation des Unternehmens einen internen KI-Analyseassistenten namens Marge entwickelt, der die Häufigkeit, mit der Marketingfachleute Daten für Entscheidungen heranziehen, verdreifacht hat.
Dem Unternehmen zufolge handelt es sich bei Marge um ein konversationsfähiges Analysetool, das mit Genie Agents gebaut wurde und auf einem verwalteten „Marketing Lakehouse" basiert, das Daten aus Kampagnenplattformen, Web-Analytics, CRM-Systemen, Event-Tools, Werbekanälen und Vertriebsdaten vereint. Databricks zufolge können Marketingfachleute Fragen in einfacher Alltagssprache stellen, etwa wie eine E-Mail-Kampagne abgeschnitten hat oder welche Programme die Pipeline in einem bestimmten Quartal beeinflusst haben, und erhalten Antworten, die aus verwalteten Unternehmensdaten generiert werden.
Berichtete Ergebnisse
Databricks berichtet folgende Resultate aus dem internen Einsatz von Marge:
- Marketingfachleute nutzen Daten dreimal so häufig für Entscheidungen
- Mehr als 85 Prozent der Marketingorganisation nutzen Marge
- Die Nutzung ist von Quartal zu Quartal um 50 Prozent gewachsen
- Marge bearbeitet mehr als 800 Fragen pro Monat und hat insgesamt über 5.000 beantwortet
- Gemeldete fehlerhafte Antworten sind um 25 Prozent zurückgegangen, da das System verbessert wurde
- Das Unternehmen hat den Zugang zu Erkenntnissen skaliert, ohne zusätzliches Analystenpersonal einzustellen
Wie Databricks nach eigenen Angaben Genauigkeit und Vertrauen aufgebaut hat
Databricks zufolge nutzte das Unternehmen Unity Catalog, um Metadaten, Tabellenbeschreibungen, Spaltenannotationen, Herkunftsnachweise (Lineage) und Zugriffskontrollen zu zentralisieren, sodass jeder Nutzer nur die Daten sieht, für die er berechtigt ist. Das Unternehmen gibt an, dass Marketing-Stakeholder und Datenexperten KI-generierte Beschreibungen überprüft und um Geschäftskontext angereichert haben, etwa die genaue Definition eines marketingqualifizierten Leads und wie Kampagnen Produkten und Regionen zugeordnet werden.
Das Unternehmen gibt zudem an, verifizierte Antworten und Beispielabfragen für häufige, geschäftsrelevante Fragen zu Bereichen wie Konversionsraten, Customer Lifetime Value und Veranstaltungsanmeldungen hinterlegt zu haben, die von Fachexperten geprüft wurden. Databricks zufolge erhielt Marge Verhaltensvorgaben zur Interpretation geschäftlicher Terminologie, etwa die Erkenntnis, dass „Spend" und „Investment" dasselbe Feld mit der Bezeichnung „Cost" meinen, und wurde angewiesen, bei fehlenden Angaben wie Zeitraum, Kanal oder Region nachzufragen.
Databricks zufolge kann jeder Nutzer bei jeder Antwort positives oder negatives Feedback abgeben, das das Marketing-Analytics-Team über ein Monitoring-Dashboard auswertet, ergänzt durch Benchmark-Fragen mit bekannten Antworten zur systematischen Leistungsbewertung. Das Unternehmen bezeichnet diesen Aufwand als gering: Ein BI-Manager wendet etwa eine Stunde pro Woche auf, um Feedback zu prüfen und Marge zu pflegen.
Wie Databricks nach eigenen Angaben die Akzeptanz vorangetrieben hat
Databricks zufolge arbeitete das Unternehmen direkt mit Marketingfachleuten zusammen, um herauszufinden, welche Fragen am häufigsten gestellt wurden und welche Sprache sie zur Beschreibung ihrer Arbeit verwendeten, und nutzte diese Erkenntnisse, um die in Marge konfigurierten Daten, Beispiele und Anweisungen zu gestalten. Das Unternehmen gibt an, mit einem einzigen, eng begrenzten Anwendungsfall begonnen zu haben, der Performance von E-Mail-Kampagnen, unter Verwendung nur der für diese Fragen nötigen Kampagnen-, Empfänger- und Interaktionsdaten, bevor der Umfang um weitere Daten wie Kontoinformationen erweitert wurde.
Marketingfachleute greifen über Genie One auf Marge zu, das Databricks als eine KI-Cowork-Erfahrung für Geschäftsanwender beschreibt, die Dashboards, Genie Agents, Apps und tiefergehende Analysen kombiniert und Anfragen automatisch an den passenden Agenten weiterleitet. Das Unternehmen gibt an, zudem spezialisierte Agenten für Bereiche wie Web-Performance, Digital Analytics und Marketingplanung geschaffen zu haben, und dass ein „Agent-Modus" mehrere Schritte für komplexere Fragen durchlaufen kann.
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?
- Databricks zufolge ist Marge der interne, konversationsfähige Analyseassistent des Unternehmens für das Marketingteam, entwickelt mit Genie Agents und basierend auf dem Marketing Lakehouse des Unternehmens.
- Welche Ergebnisse berichtet Databricks aus dem Einsatz von Marge?
- Databricks zufolge nutzen Marketingfachleute Daten dreimal so häufig für Entscheidungen, mehr als 85 Prozent der Marketingorganisation nutzen Marge, und gemeldete fehlerhafte Antworten sind um 25 Prozent zurückgegangen.
- Wie will Databricks sichergestellt haben, dass Marges Antworten korrekt bleiben?
- Databricks zufolge hat das Team Datenbeziehungen in Unity Catalog dokumentiert, verifizierte Antworten und von Fachexperten geprüfte Beispielabfragen hinzugefügt, geschäftliche Terminologie definiert und kontinuierliche Feedback- und Benchmark-Auswertungen durchgeführt.
- Wie hat Databricks Marge bei den Marketingfachleuten eingeführt?
- Databricks zufolge begann das Unternehmen mit einem einzigen Anwendungsfall, der Performance von E-Mail-Kampagnen, bezog Marketingfachleute in die Gestaltung der Daten und Sprache des Assistenten ein und erweiterte den Umfang später um zusätzliche Datenbereiche.