Kambria: Wegbereiter für Business Intelligence im Mittelstand
Die neue KI-Tochter Kambria von b.telligent hat die größte Herausforderung im Visier, die sich BI-Abteilungen derzeit stellt: Nach der Nutzung von KI in experimentellen Einzelprojekten muss die Technik nun strategisch in bestehende Datenstrukturen integriert werden, um echten Mehrwert zu schaffen. Kambria unterstützt diese Transformation und verfolgt dabei einen strukturierten Ansatz. Der soll besonders mittelständischen Unternehmen helfen, da diese meist nicht über spezialisierte KI-Teams verfügen.
Dabei ermöglicht die Kombination aus technologischer Expertise und Change-Management-Know-how es Unternehmen, ihre Datenteams schrittweise an die neuen KI-Werkzeuge heranzuführen. Dies ist besonders wichtig für etablierte BI-Mannschaften, die ihre Arbeitsweise durch KI grundlegend verändern müssen.
Für Business-Intelligence-Verantwortliche ist die von Kambria angebotene sichere, Open-Source-basierte KI-Plattform von besonderem Interesse. Sie ermöglicht die kontrollierte Nutzung von KI und die Entwicklung eigener Modelle, ohne sensible Unternehmensdaten an externe Dienstleister weitergeben zu müssen.
Diese Lösung adressiert eines der größten Bedenken in BI-Abteilungen: den Schutz vertraulicher Daten bei gleichzeitiger Nutzung moderner KI-Technologien. Unternehmen behalten die volle Kontrolle über ihre Daten und können dennoch von den Vorteilen der KI profitieren.
„Technologie schafft nur dann Wert, wenn Menschen ihr vertrauen“, betont Silvano D’Agostino, Mitgründer von Kambria. Für BI-Abteilungen bedeutet das: KI-Lösungen müssen sich in messbaren Geschäftsergebnissen niederschlagen, um langfristig akzeptiert zu werden. BI-SPEKTRUM 4/2025
Microsoft: Neue Modelle bauen Brücke zwischen IT und Fachabteilungen
Der Branchenriese aus Redmond sieht seine neuen semantischen Power-BI-Modelle auf Basis von Fabric als zentrale Komponente für die Skalierung KI-gesteuerter Analysen in großen Organisationen. Diese kuratierten semantischen Schichten schlagen eine Brücke zwischen Geschäftsanwendern und den IT-Abteilungen.
Diese semantischen Modelle bieten sichere, verwaltete Konnektivität auf einer offenen Plattform und konsistente, kontextbezogene Geschäftslogik für Enterprise-KI. Durch die nahtlose Integration in Copilot ermöglichen die Power-BI-Modelle sowohl Ad-hoc-Analysen als auch automatisierte Erkenntnisse mittels natürlicher Sprache.
Für Unternehmen bedeutet das eine erhebliche Effizienzsteigerung bei der Datenanalyse. Die neu eingezogene semantische Schicht fungiert als einheitliche Wissensquelle, die sicherstellt, dass alle KI-generierten Erkenntnisse auf denselben Definitionen und Geschäftsregeln basieren. Das maximiert die Wirkung von KI in BI-Reporting- und Entscheidungsprozessen, während gleichzeitig die Datenqualität und -konsistenz gewährleistet bleibt.
Die Entwicklung unterstreicht den Trend zur Demokratisierung von Datenanalysen durch KI-gestützte Schnittstellen. Anstatt komplexe Abfragen zu formulieren, können Mitarbeiter nun in natürlicher Sprache mit ihren Daten interagieren und erhalten sofort relevante Einblicke.
Multi-AI-Schutz: Databricks sichert Unternehmen gegen Rechtsrisiken ab
Databricks hat die erste „Multi-AI-Indemnity“ der Branche eingeführt, die Unternehmen rechtlichen Schutz bei der Nutzung von mehreren KI-Modellen bietet. Etwas Vergleichbares gab es zuvor nur für KI-Modelle einzelner Anbieter. Die neue Absicherung umfasst Systeme von OpenAI, Anthropic, Meta und Google Gemini, die nativ in die Databricks-Plattform integriert sind.
Diese Neuerung zielt auf eines der größten Hindernisse für den produktiven KI-Einsatz ab: rechtliche Unsicherheiten. Der Schutz deckt rechtliche Risiken ab und ermöglicht Unternehmen, neue KI-Anwendungen zu entwickeln, ohne sich um potenzielle Rechtsstreitigkeiten sorgen zu müssen. Besonders relevant ist das für Multi-Modell-Agenten-Workflows, die durch Databricks Model Serving und strategische Partnerschaften unterstützt werden.
Die Entscheidung von Databricks ist eine Reaktion auf die wachsende Besorgnis über Verletzungen geistigen Eigentums und anderer rechtlicher Komplikationen beim Einsatz von KI-Modellen. Für Unternehmen, die deshalb bisher zögerten, fortschrittliche KI-Systeme in kritischen Geschäftsprozessen einzusetzen, könnte diese Absicherung der Grund für einen Richtungswechsel sein.
Qlik-Studie: KISkalierung scheitert oft an mangelnder Datenbereitschaft
Die Qlik-Studie „2025 Agentic AI Study“ zeigt ein Paradoxon im Bereich der KI-Implementierung auf: Während die finanziellen Investitionen in agentenbasierte KI drastisch steigen, scheitert die praktische Umsetzung häufig an mangelnder Datenbereitschaft. Demnach haben 97 Prozent der befragten Großunternehmen Budgets für agentenbasierte KI bereitgestellt, aber nur bei 18 Prozent wurden entsprechende Techniken auch tatsächlich vollständig implementiert.
Während also die Finanzierung und die strategische Absicht vorhanden sind (69 Prozent haben eine formale KI-Strategie), fehlen die grundlegenden Voraussetzungen für eine erfolgreiche Umsetzung – insbesondere im Bereich der Datenqualität und -integration. Der Bericht unterstreicht die dringende Notwendigkeit stärkerer Datengrundlagen, aber auch von Weiterbildungsmaßnahmen. Offenbar ist also sehr oft nicht etwa die KI-Technik selbst der Hemmschuh, sondern Qualität, Zugänglichkeit und Organisation der Daten verhindern den Erfolg von KI-Projekten.
Mehr über die Ergebnisse der Studie unter https://www.qlik.com/us/news/company/press-room/press-releases/qlik-2025-agentic-ai-study-budgets-surgebut-data-readiness-delays-scale
Fit für Daten: Berlin-Event der Snowflake World Tour
Auf dem Berliner Stopp der „Snowflake World (AI) Tour 2025“ wurde gezeigt, wie Snowflake sich von einem Cloud-Data-Warehouse zu einer umfassenden KI- und Datenplattform für Echtzeitentscheidungen entwickelt und Coalesce dabei als Transformations- und Governance-Partner eine prominente Rolle spielt.
Der offizielle Tour-Partner Coalesce positioniert sich auf dem Event als „einzige Datentransformations- und Governance-Plattform für das KI-Zeitalter“, die speziell für Snowflake optimiert ist. Konkret wurde in Berlin der Use-Case der im Fitness-Bereich tätigen RSG Group (unter anderem Gold’s Gym, McFIT, John Reed) hervorgehoben: Ein schlankes Datenteam hat dort die manuelle, fragmentierte Datenlandschaft in eine skalierbare Analytics-Engine auf Snowflake und Coalesce überführt. Die bedient nun den Datenbedarf von über 900 Studios in 30 Ländern mit minimalem Wartungsaufwand.
Nach der Darstellung von Coalesce haben zu dieser Erfolgsgeschichte vor allem die folgenden Eigenschaften der Lösung beigetragen:
- Standardisierte, wiederverwendbare Modellierungs-Patterns für Snowflake
- AI-gestützte Automatisierung bei Migration und Transformation
- Eingebettete Data Lineage und Governance für regulierte Umgebungen
KI-Agenten: ThoughtSpot verbessert Datenzugriff deutlich
ThoughtSpot verspricht mit seinem „Agentic Semantic Layer“ Datenmodelle agentenfähiger zu machen und gleichzeitig die KI-Einführung zu vereinfachen. Die zentrale Idee liegt dabei in der Transformation einer statischen Datenstruktur in eine dynamische, KI-optimierte Vermittlungsschicht zwischen Rohdaten und Geschäftsanwendern. Traditionelle semantische Schichten waren bislang primär statische Konstrukte – einmal definiert, mussten sie für jede neue Geschäftsfrage manuell angepasst werden. Agentic Semantic Layer hingegen ist von Grund auf dynamisch und kontextbezogen konzipiert. Das System versteht nicht nur Datenstrukturen, sondern auch Geschäftskontexte und kann sich an neue Anforderungen anpassen, ohne dass umfangreiche manuelle Eingriffe nötig sind.
Die Grundzüge seiner Technik „Agentic Semantic Layer“ erläutert Thoughtspot auf seiner Website unter https://www.thoughtspot.com/blog/introducing-the-agentic-semantic-layer
Ein interessanter Aspekt dabei ist die spezifische Ausrichtung auf die Zusammenarbeit mit KI-Agenten: Während herkömmliche semantische Schichten für menschliche Nutzer und deren Abfragen optimiert waren, ist hier der Layer speziell dafür geschaffen, mit KI-Agenten zu interagieren. Dies ermöglicht eine völlig neue Art der Datenabfrage und -interpretation:
- Verbesserte Spracheingabe: Durch KI-Synonyme und -Indexierung versteht das System die Intention hinter Fragen, nicht nur deren wörtliche Bedeutung.
- Kontextbewusstsein: Die semantische Schicht erkennt den Geschäftskontext einer Abfrage und liefert darum relevantere Ergebnisse.
- Lernfähigkeit: Durch kuratierte Coaching-Mechanismen und Modellanweisungen kann das System aus Interaktionen lernen und seine Interpretation kontinuierlich verbessern.
Zusammen mit weiteren Neuerungen ist das System nun in der Lage, komplexe Geschäftslogik direkt in der Plattform zu definieren und sowohl zentralisierte als auch domänenspezifische semantische Schichten zu nutzen. Dieser Ansatz löst das klassische Dilemma zwischen zentraler Kontrolle und fachbereichsspezifischer Flexibilität.
dbt Labs: Tool-Überlastung führt zu Burnout bei Datenanalysten
Eine Studie von dbt Labs enthüllt deutliche Probleme im Arbeitsalltag von Datenanalysten. Der kürzlich veröffentlichte „Analyst Revolution Report“ zeigt, dass Unternehmen durch ineffiziente Arbeitsabläufe erhebliche finanzielle Verluste erleiden. Als Hauptursachen dafür identifiziert der Bericht eine Überlastung der Analysten durch zu viele verschiedene Tools. Sie müssen demnach täglich zwischen vielen Plattformen wechseln, was zu einer erheblichen Belastung mit der Gefahr von Burnouts führt. Besonders besorgniserregend ist dabei, dass die Defizite oft zu riskantem Verhalten führen: Die meisten Analysten haben bereits Einschränkungen bei verfügbaren Daten-Tools oder beim Datenzugriff erlebt, was viele dazu veranlasst, auf nicht genehmigte Werkzeuge zurückzugreifen. Viele nutzen KI-Tools wie ChatGPT oder verwenden persönliche API-Schlüssel für die Verarbeitung von Unternehmensdaten. Ein beträchtlicher Teil umgeht Governance-Prozesse sogar vollständig.
Die Ergebnisse zeigen auch einen deutlichen Bedarf an hochwertigeren KI-Tools. Die große Mehrheit der Analysten berichtet, dass ihre Organisationen nicht genug in KI-Plattformen investieren, obwohl sie dringend effizientere Werkzeuge benötigen würden, um die Geschäftsanforderungen zu erfüllen. Besonders gefragt sind dabei Funktionen wie Echtzeit-Datenqualitätserkennung und automatisierte Visualisierung.
Moderne Tools sind zudem entscheidend für die Mitarbeiterbindung. Fast alle befragten Analysten würden eher bei Arbeitgebern bleiben, die in Workflow-Optimierung investieren, und eine große Mehrheit würde Arbeitgeber mit veralteten Tools verlassen. Die meisten glauben, dass eine All-in-One-Plattform ihre Produktivität steigern würde.
Die Studie ist ein kritischer Weckruf für BI-Verantwortliche, der zeigt, dass Unternehmen unbedingt eine konsolidierte Tool-Landschaft und klare Governance-Strukturen entwickeln müssen (https://www.getdbt.com/). - Markus Schraudolph
