Genie One: Der einfache Zugang zu Dashboards, Spaces und Apps
Die Kernaussagen auf einen Blick.
- Databricks One heißt seit 2026 Genie One. Die Oberfläche für Fachanwender ist im Kern erhalten geblieben, wurde aber 2026 deutlich um Chat, Dokumente, Agents und Ontology erweitert.
- Genie One bündelt Dashboards, Genie Spaces und Databricks Apps in einer Oberfläche und ergänzt Chat, Dokumente, Scheduled Tasks, User Skills, Genie Agents und eine automatisch gepflegte Genie Ontology. Externe Quellen wie Google Drive, SharePoint oder MCP-Server können nutzerbezogen angebunden werden.
- Vor dem Rollout müssen weiterhin drei Grundlagen geklärt werden: Berechtigungen in Unity Catalog sauber aufsetzen, kuratierte Dashboards, Spaces und Apps bereitstellen und Verantwortliche für Dashboards, Spaces, Apps und Agents festlegen. Neu hinzu kommen MCP- und Tool-Governance über das Unity AI Gateway sowie ein nutzungsbasiertes Preismodell ab Juli 2026.
- Mein Vorschlag: Genie One gezielt für BI- und KI-Anwendungsfälle nutzen, die direkt auf dem Lakehouse entstehen, Agenten-Funktionen schrittweise erproben und Power BI, Tableau oder Looker für komplexe Berichte und etablierte Reporting-Landschaften weiter nutzen.
Inhaltsverzeichnis
Genie One ersetzt eure BI-Tools nicht
In vielen Unternehmen zeigt sich ein ähnliches Bild. Die Daten liegen im Lakehouse, Unity Catalog ist eingerichtet, und die Datenpipelines laufen stabil. Im Fachbereich kommt davon trotzdem nur wenig an. Power BI greift per DirectQuery auf Databricks zu. Ein Teil der Berechtigungen liegt in Unity Catalog, ein anderer Teil direkt in Power BI. Der SQL-Editor ist vorhanden, aber für die meisten Fachanwender nicht der richtige Einstieg. Genie ist eingerichtet, doch der Zugang für Fachanwender wurde nicht klar geplant. Die Plattform funktioniert technisch, wird im Fachbereich aber kaum genutzt.
Das Bild wiederholt sich, sobald eine Lakehouse-Plattform vom Aufbau in den Regelbetrieb wechselt. In den technischen Aufbau wurde investiert, ein einfacher Zugang für Fachanwender fehlt aber oft. Genau diese Lücke ist Databricks 2025 mit Databricks One angegangen: eine vereinfachte Oberfläche für freigegebene Inhalte. 2026 wurde die Oberfläche zweimal umbenannt (erst zu Genie, dann zu Genie One) und um agentische Funktionen erweitert. Aus der reinen Oberfläche für Inhalte ist ein KI-gestützter Arbeitsbereich geworden, der nicht nur Antworten zeigt, sondern auch wiederkehrende Aufgaben unterstützen kann.
Was bedeutet das für die nächste Plattformentscheidung? Welche Aufgaben soll Genie One im Fachbereich übernehmen und welche bleiben bei Power BI oder Tableau? Welche Voraussetzungen muss eine Plattform mitbringen, damit so eine Oberfläche überhaupt etwas anzeigt? Wer vergibt die Zugriffe, wer entscheidet über Inhalte, und wer verantwortet Agents, Skills und externe Tool-Aufrufe? Wie werden bestehende Power-BI-Berichte und Genie One sinnvoll nebeneinander betrieben?
Diese Fragen entscheiden, ob Genie One im Alltag genutzt wird oder nur eine weitere Oberfläche bleibt. Genie One ersetzt kein BI-Tool. Es löst das Problem, dass eine technisch gute Datenplattform noch keinen einfachen Zugang für Fachbereiche bietet.
Was ist Genie One?
Genie One ist die vereinfachte Databricks-Oberfläche für Nutzer, die Daten, Dashboards und Apps nutzen, aber nicht selbst im Workspace entwickeln. Sie bündelt Dashboards, Kennzahlen, Genie Spaces für Datenfragen in natürlicher Sprache und Databricks Apps für interaktive Fachanwendungen. Seit dem Data + AI Summit 2026 kommen Chat, Dokumente, geplante Tasks, persönliche Skills und Genie Agents hinzu. Nutzer und Zugriffsrechte werden über dieselben zentralen Identitäten und Gruppen wie im restlichen Databricks-Account verwaltet. Technische Bereiche wie Notebooks, Pipelines und Compute-Einstellungen bleiben ausgeblendet.
Genie One gibt es auf zwei Ebenen. Workspace-level Genie One zeigt Inhalte aus einem einzelnen Workspace. Account-level Genie One ist seit April 2026 allgemein verfügbar und bietet eine einheitliche Sicht über alle Workspaces eines Accounts mit gemeinsamem Home, Cross-Workspace-Suche und kontoweiten Empfehlungen. Für Plattformen mit mehreren Workspaces ist Account-Level meist der bessere Einstieg, weil Fachanwender nicht mehr zwischen einzelnen Workspaces wechseln müssen.
Der wichtigste Unterschied zum Workspace bleibt der Funktionsumfang. Der vollständige Workspace ist für Entwicklung, Datenverarbeitung und Plattformbetrieb gedacht. Genie One zeigt ausschließlich freigegebene Inhalte und Konversations-Werkzeuge. SQL-Entwicklung und Pipeline-Bau bleiben im Workspace. Fachanwender und Engineering-Teams arbeiten damit in unterschiedlichen Oberflächen. Beide greifen auf dieselben Daten und Berechtigungen zu, nutzen aber unterschiedliche Einstiege. Wie diese Schicht in die Gesamtarchitektur passt, ordnen wir im Überblick zur Data Intelligence Platform ein. Wie sie in den restlichen Plattform-Bausteinen verankert ist, zeigen wir im Databricks-Hub.
Data & AI Beratung mit ruhrdot
Als offizieller Databricks-Partner begleiten wir dich von der Datenstrategie bis zur produktiven KI-Lösung.
Was hat sich 2026 geändert?
Wer 2025 mit Databricks One gestartet ist, sieht 2026 einen anderen Produktnamen und deutlich mehr Funktionen. Die Umbenennung allein erklärt aber nicht die eigentliche Änderung. Wichtig ist die Trennung zwischen Namensänderung und neuen Funktionen.
Databricks hat das Konsum-Frontend im Juni 2025 auf dem Data + AI Summit als Databricks One angekündigt: eine vereinfachte Oberfläche mit Dashboards, Genie Spaces und Databricks Apps für die Rolle Consumer Access. 2026 lief die Oberfläche durch zwei Umbenennungen und eine Funktions-Erweiterung.
| Datum | Was passiert ist | Was sich geändert hat |
|---|---|---|
| 27. April 2026 | Databricks One wird in Genie umbenannt | keine funktionale Änderung, nur neuer Name |
| 9. Juni 2026 | Genie wird in Genie One umbenannt | keine funktionale Änderung, nur neuer Name |
| 15. Juni 2026 | Native Mobile-Apps für iOS und Android verfügbar | neuer mobiler Zugang |
| 16. Juni 2026 | Data + AI Summit: Genie One als „agentic coworker" | deutlich erweitert |
Die beiden Umbenennungen waren reine Namensänderungen. Microsoft Learn formuliert es explizit so: „The feature and its capabilities are unchanged." Bestehende Spaces, Dashboards, Apps und Berechtigungen liefen weiter. Die URL /one blieb erhalten, sodass bestehende Links und Lesezeichen weiter funktionieren.
Inhaltlich neu hinzu kamen 2026 vor allem Chat, Dokumente, Agents, Ontology und MCP-Integrationen. Was Genie One gegenüber Databricks One ergänzt:
- Chat in Genie One (GA): ein zentraler Einstieg für Datenfragen, der selbst zum passenden Space routet
- Dokumente in Genie One (GA): Memos und Briefings direkt aus Chat-Verläufen erzeugen
- Scheduled Tasks (Public Preview): wiederkehrende Auswertungen per E-Mail
- User Skills (Public Preview): wiederholbare persönliche Arbeitsabläufe
- Genie Agents: Agenten, die Aufgaben aus einem Prompt vorbereiten oder ausführen können
- Genie Ontology (Public Preview): Wissensgraph über Begriffe, Kennzahlen und Beziehungen
- MCP-Integrationen für externe Tools und Quellen: Atlassian, Glean, Custom MCP, Managed MCP Server (Beta)
- Externe Quellen: Google Drive und SharePoint pro Nutzer per OAuth
- Native Integrationen: Slack, Microsoft Teams, Gmail
- Unity AI Gateway: Governance für MCP-Server, Tools und Modell-Kosten
- Nutzungsbasiertes Preismodell: ab 6. Juli 2026 (vorher kostenfrei)
Für die Praxis sind zwei Punkte wichtig. In der Doku, in Audit-Logs und in der Account-Konsole heißt die Oberfläche jetzt durchgängig Genie One; wer nach „Databricks One" sucht, findet in den 2026er-Release-Notes nur noch den Hinweis auf die Umbenennung. Und: Wer die Oberfläche aus Databricks-One-Zeiten kennt, sollte sich vor dem nächsten Rollout-Schritt mit Chat, Agents und AI Gateway beschäftigen: nicht weil alles sofort produktiv genutzt werden sollte, sondern weil Betrieb, Verantwortung und Kosten anders geplant werden müssen.
Dashboards, Spaces, Apps, Chat und Dokumente
Die Oberfläche bündelt mehrere Arten von Inhalten und Werkzeugen. Dashboards, Genie Spaces und Apps bleiben das Fundament; Chat, Dokumente, geplante Tasks und Skills wurden 2026 ergänzt.
Was Databricks One konkret bietet.
Drei Layer, ein Datenfluss: Business-User konsumieren oben, Säulen liefern Inhalte, Unity Catalog und Delta Lake setzen unten Governance und Daten durch.
AI/BI Dashboards. Fachlich geprüfte Dashboards direkt auf der Datenplattform: Kennzahlen, Diagramme, Filter, Drilldowns. Dashboards sind für viele Fachanwender der vertrauteste Einstieg. Fachanwender sehen die Dashboards, die Datenteams oder Fachbereiche als verbindliche Sicht freigegeben haben. Die Dashboards nutzen Databricks SQL Warehouses. Databricks beschreibt AI/BI Dashboards mit Cross-Filtering, Drill-Downs und automatischen Visualisierungs-Vorschlägen, die Unity-Catalog-Berechtigungen erben. Zeilenfilter und Spaltenmaskierungen aus Unity Catalog gelten auch in den Dashboards. Wie die Dashboards aufgebaut und betrieben werden, ordnen wir im Überblick zu Business Intelligence auf Databricks ein.
Genie Spaces. Datenfragen in natürlicher Sprache zu einem klar abgegrenzten Fachbereich. Ein Genie Space ist eine ausgewählte Sammlung von Tabellen, Begriffen und typischen Fragen. Genie ist nicht dafür gedacht, beliebige Fragen über den gesamten Datenbestand zu beantworten. Genie ist ein KI-gestützter Konversations-Layer, der Beispielfragen und Tabellen-Annotationen aus dem Space als Kontext nutzt. Fachanwender formulieren Fragen in natürlicher Sprache, Genie übersetzt die Frage in eine Abfrage und zeigt das Ergebnis an. Die Antwortqualität hängt stark davon ab, wie gut der Space gepflegt ist. Mit klar definierten Begriffen, typischen Fragen und passenden Berechtigungen wird Genie deutlich verlässlicher.
Databricks Apps. Interaktive Anwendungen, die direkt auf der Databricks-Plattform entwickelt und für Fachanwender freigegeben werden. Formulare, Freigaben, Eingaben oder mehrstufige Geschäftsprozesse, also Anwendungsfälle, bei denen Nutzer nicht nur Daten ansehen, sondern auch etwas auslösen. Apps ergänzen Dashboards um Interaktion und Prozesslogik. Databricks dokumentiert für Databricks Apps eine serverlose Laufzeit für Python- und JavaScript-Frameworks, die direkt im Workspace betrieben werden und Identität wie Berechtigungen aus dem Account erben. Wie sich Databricks Apps technisch in die Plattform einfügen und wo ihre Grenzen liegen, ordnen wir im Überblick zu Databricks Apps ein.
Chat in Genie One. Seit Juni 2026 allgemein verfügbar. Chat bietet einen zentralen Einstieg für Fragen in natürlicher Sprache und nutzt vorhandene Genie Spaces, Dashboards, Queries und Metric Views als Antwortquelle. Fachanwender müssen nicht mehr einen passenden Space auswählen; Chat wählt den passenden Kontext selbst oder nutzt mehrere Quellen für die Antwort. Workspace-Admins können Chat über die Previews-Seite aktivieren. Über die nativen Integrationen für Slack, Microsoft Teams und Gmail können dieselben Antworten direkt im gewohnten Kommunikations-Kanal des Teams entstehen, ohne dass Nutzer in die Genie-One-Oberfläche wechseln müssen.
Dokumente in Genie One. Ebenfalls seit Juni 2026 allgemein verfügbar. Aus einer Chat-Konversation können strukturierte Dokumente entstehen: Memos, Briefings, kurze Berichte. Das Dokument öffnet sich in einer Canvas-Ansicht neben dem Chat, kann dort editiert und mit anderen Fachanwendern geteilt werden. Für wiederkehrende Management-Briefings kann das manuelle Zusammenfassungen deutlich reduzieren.
Scheduled Tasks und User Skills. Wiederkehrende Auswertungen können als geplanter Task eingerichtet werden: ein wöchentlicher Vertriebs-Digest, ein täglicher Inventur-Report. Ergebnisse landen per E-Mail beim Empfänger. Skills sind vom Nutzer definierte wiederholbare Arbeitsabläufe. Ein Analyst, der jede Woche denselben Report aus drei Quellen baut, beschreibt den Ablauf einmal als Skill und ruft ihn beim nächsten Mal mit einem Prompt auf.
Die einzelnen Inhaltsarten erfüllen unterschiedliche Aufgaben. Dashboards für regelmäßig benötigte Kennzahlen, Spaces und Chat für zusätzliche Fragen zu den Daten, Apps für Eingaben, Freigaben und operative Abläufe, Dokumente und Tasks für wiederkehrende Reporting-Routinen. Beim Veröffentlichen eines Dashboards kann Databricks zusätzlich einen verknüpften Genie-Bereich für Rückfragen bereitstellen. Fachanwender können direkt aus dem Dashboard heraus Folgefragen stellen, ohne einen vollständig eigenen Genie Space aufbauen zu müssen.
| Schicht | Wofür gebaut | Voraussetzung im Lakehouse |
|---|---|---|
| AI/BI Dashboards | Standard-Reporting, Kennzahlen, Drilldown | kuratierte Gold-Tabellen, Unity-Catalog-Berechtigungen |
| Genie Spaces & Chat | natürlichsprachliche Ad-hoc-Abfragen | definierte Domäne, Beispielfragen, Begriffsdefinitionen |
| Databricks Apps | interaktive Anwendungen, Eingaben, Workflows | App-Logik, Identitätsmodell, Lakehouse-Anbindung |
| Dokumente & Tasks | wiederkehrende Reports, Manager-Briefings | freigegebene Datenquellen, klarer Empfängerkreis |
| User Skills | wiederholbare Eigenroutinen pro Fachanwender | stabile Quell-Spaces und Dashboards |
Genie One mit Agents, Ontology und MCP
Mit dem Data + AI Summit 2026 ist Genie One von einer reinen Oberfläche für Inhalte zu einer KI-gestützten Arbeitsschicht erweitert worden. Drei Bausteine prägen diese Erweiterung: Genie Agents, Genie Ontology und MCP-Integrationen.
Genie Agents. Genie Agents erweitern Genie Spaces um Aktionen und mehrstufige Aufgaben. Sie können Aufgaben über mehrere Schritte hinweg ausführen, strukturierte und unstrukturierte Quellen gemeinsam nutzen und lassen sich aus einem Prompt vorbereiten und im Team teilen. Ein Vertriebs-Agent kann morgens ein Briefing aus Kalender, E-Mail und Lakehouse-Daten zusammenstellen, ein Operations-Agent eine Schwellenwertverletzung in einem Dashboard erkennen und automatisch einen Ticket-Vorschlag in Jira erzeugen. Das Werkzeug für die Aktion (E-Mail, Slack, Jira, Confluence, Custom MCP) wird pro Agent freigegeben.
Genie Ontology. Ein Wissensgraph über Begriffe, Kennzahlen und Beziehungen in der Datenlandschaft. Genie One extrahiert Begriffe, Kennzahlen und Beziehungen aus Tabellen, Queries, Dashboards, Pipelines und angebundenen Apps und gewichtet die Quellen ähnlich wie PageRank: nach Vertrauenswürdigkeit der Quelle, Nutzungshäufigkeit, Verbindung zu zertifizierten Datenobjekten und Aktualität. Das Ergebnis ist ein laufend aktualisierter Kontext, den Genie für die Antwort-Generierung nutzt. Databricks gibt für Genie Ontology eine Antwortqualität von 84,5 Prozent bei Enterprise-Datenfragen im Erstversuch an, gegenüber 52,4 Prozent bei vergleichbaren Coding-Agenten. Die Ontology wird automatisch aufgebaut und aktualisiert, profitiert aber stark von kuratierten Spaces, zertifizierten Tabellen und stabilen Begriffsdefinitionen im Catalog.
MCP-Integrationen. Genie One unterstützt das Model Context Protocol nativ: als Nutzer externer MCP-Server (Atlassian, Glean, Custom) und als Anbieter eines verwalteten MCP-Servers, über den externe Agents Inhalte aus Databricks abfragen können. Jede Tool- und Modell-Nutzung läuft über das Unity AI Gateway, das Kosten, Berechtigungen und Audit-Logs für MCP-Aufrufe zentral steuert. Damit wird Governance nicht nur für Daten, sondern auch für Tool- und Modellaufrufe relevant.
Externe Quellen. Chat in Genie One kann zusätzlich auf Google Drive, SharePoint und weitere Dokument-Quellen zugreifen. Die Authentifizierung läuft pro Nutzer über dessen eigene Credentials, sodass Berechtigungen aus der Quell-Anwendung erhalten bleiben. Damit kann ein Teil der Recherchearbeit (PDF im SharePoint, Folie im Drive) direkt in Genie One laufen.
Der Agenten-Teil bietet Chancen, erhöht aber auch das Risiko. Chance, weil wiederkehrende Auswertungen, Briefings und Aktionen ohne separates Tooling laufen können. Risiko, weil Agents mit Schreibrechten in externe Systeme andere Verantwortungs- und Sicherheitsfragen aufwerfen als ein reines Dashboard. Vor der Freigabe von Schreib-Aktionen sollten Verantwortliche, Audit-Pfad und Rollback-Strategie klar sein.
Für wen ist Genie One sinnvoll?
Genie One passt besonders gut, wenn drei Voraussetzungen erfüllt sind. Erstens werden die benötigten Daten und Kennzahlen bereits in Databricks verwaltet werden. Zweitens brauchen Fachanwender einen einfachen Zugang ohne Entwicklungsoberfläche. Drittens gibt es bereits Dashboards, Genie Spaces oder Apps, die bereitgestellt werden können.
Typische Nutzer sind Führungskräfte und Fachbereiche wie Vertrieb, Finance oder Operations. In allen Fällen geht es um Nutzung in einer klar definierten Datendomäne. Eigene Datenmodelle und komplexe Berichte entwickeln Fachanwender dort nicht selbst.
Weniger geeignet ist Genie One, wenn Databricks bisher fast nur für Datenpipelines und Entwicklung genutzt wird und freigegebene Inhalte für Fachanwender aber noch fehlen. Dann fehlen die Inhalte, die Fachanwender dort verwenden könnten. Auch wenn die zentrale BI-Investition seit Jahren in Power BI oder Tableau steckt und detaillierte Druckberichte, komplexe Datenquellen und externe Empfänger unterstützen, sollte die bestehende BI-Landschaft nicht ohne klaren Nutzen ersetzt werden. Genie One ergänzt klassische BI-Tools im Lakehouse-Kontext.
Unity Catalog, Inhalte und Verantwortung
Damit Nutzer in Genie One wirklich hilfreiche Inhalte finden, müssen mehrere Grundlagen vorhanden sein.
Unity Catalog ist sauber eingerichtet. Ohne klare Datenstruktur, Berechtigungen und dokumentierte Lineage bleibt die Nutzung unzuverlässig. Genie erkennt relevante Tabellen und Zusammenhänge dann schlechter, zeilenbasierte Berechtigungen können nicht konsistent angewendet werden, Apps und Agents können Zugriffe nicht sauber den jeweiligen Nutzern zuordnen. Wie der Catalog die Plattform-Governance trägt, ordnen wir im Überblick zu Unity Catalog ein.
Fachlich nutzbare Daten sind vorbereitet und freigegeben. Fachanwender sollten nicht mit Roh- oder Zwischentabellen arbeiten müssen. Sie brauchen verständliche Tabellen, stabile Kennzahlen und klare fachliche Begriffe. Genie funktioniert nur in einem Genie Space mit definierten Domänen-Tabellen. Dashboards leben von einer stabilen Kennzahl-Logik. Ohne vorbereitete Datenprodukte fehlen verlässliche Inhalte für Dashboards, Genie, Apps und Agents, und Genie Ontology hat zu wenig Grundlage für einen verlässlichen Wissensgraphen.
Berechtigungen werden zentral verwaltet. Row-Level Security und Column Masking gehören in den Catalog. Wenn zusätzliche Regeln direkt im Dashboard oder im MCP-Aufruf gepflegt werden, entstehen parallele Zugriffsmodelle. Dadurch können Berechtigungen auseinanderlaufen und Zugriffe schwerer nachvollziehbar werden. Vor dem Einstieg in Genie One sollten die Berechtigungen konsolidiert werden.
Für jede Inhaltsart gibt es einen klaren Owner. Für Dashboards muss jemand Kennzahlen und fachliche Richtigkeit verantworten. Für Genie Spaces muss jemand Tabellen, Begriffe und Beispielfragen pflegen. Für Apps muss jemand Betrieb, Logik und Datenzugriffe verantworten. Für Agents kommt zusätzliche Verantwortung hinzu: Welche Aktionen darf der Agent ausführen, wie Fehlverhalten erkannt wird, wer im Notfall stoppt oder zurücksetzt. Ohne klare Verantwortung veralten Inhalte und verlieren schnell das Vertrauen der Nutzer.
Genie One vs Power BI, Tableau und Looker
Bei der Einführung stellt sich schnell die Frage nach dem Verhältnis zur bestehenden BI-Landschaft. Genie One ist ein direkter Zugang zu Daten, Anwendungen und Agenten-Funktionen innerhalb von Databricks und ergänzt klassische BI-Werkzeuge, statt sie pauschal zu ersetzen. Es ist besonders sinnvoll, wenn Daten und Kennzahlen bereits in Databricks gepflegt werden. Es ist weniger geeignet für komplexe Berichtsanforderungen und sehr breite Datenquellenlandschaften außerhalb von Databricks.
| Aspekt | Genie One | Power BI | Tableau | Looker |
|---|---|---|---|---|
| Position | direkter Zugang zu Databricks-Inhalten und Agenten-Funktionen | breites Werkzeug für Reporting und Analyse, Microsoft-Ökosystem | breites Werkzeug für Reporting und Analyse, starker Fokus auf flexible Visualisierung | Zentrale Modellierung von Kennzahlen und Geschäftslogik, Cloud-nativ |
| Datenanbindung | Direkter Zugriff auf Daten innerhalb von Databricks, externe Quellen per MCP/OAuth | Direct Query, Import, viele Connectoren | Live, Extract, viele Connectoren | LookML auf Warehouse |
| Governance | Zentrale Berechtigungen über Unity Catalog, MCP über Unity AI Gateway | Power-BI-Workspace, RLS im Modell | Site/Project-Permissions | LookML Access Filters |
| Fragen in natürlicher Sprache | Chat, Genie Spaces, Genie Agents, Genie Ontology | Q&A, Copilot | Ask Data | Look AI |
| Apps / Interaktion | Databricks Apps, Scheduled Tasks, User Skills | Power Apps, eingeschränkt im Dashboard | begrenzt | begrenzt |
| Exakt formatierte Berichte | für exakt formatierte Druckberichte nur eingeschränkt geeignet | Paginated Reports | ja | begrenzt |
| Externe Verteilung | vor allem für interne angemeldete Nutzer gedacht; Embed für Genie Spaces möglich | breit (Embed, Publish to Web) | breit (Server, Cloud) | breit (Embed, Liveboard) |
| Mobile-Nutzung | Web und native iOS/Android-App (seit Juni 2026 GA) | starke Mobile-App | starke Mobile-App | Web-fokussiert |
Wenn ihr bereits umfangreiche und etablierte Power-BI-, Tableau- oder Looker-Lösungen betreibt, sollte das bestehende BI-Tool für diese Berichte weiter genutzt werden; die Lakehouse-Konsum-Schicht ergänzt dann höchstens als zusätzliche Sicht für Genie und Apps. Wenn eure Daten im Lakehouse liegen und ein zweiter Berechtigungslayer Drift erzeugt, kann Genie One für ausgewählte Anwendungsfälle zusätzliche Datenkopien und getrennte Berechtigungslogik vermeiden. Wenn Chat, Agents und externe Aktionen bei euch ein wichtiger Teil der Nutzung werden sollen, sind diese Bausteine innerhalb von Genie One einfacher zu integrieren und zu steuern als über separate KI-Layer auf einem klassischen BI-Tool.
Die Frage „Power BI oder Databricks Dashboards?" greift zu kurz. Entscheidend ist, welche Inhalte direkt in Databricks genutzt werden sollen und welche weiterhin im bestehenden BI-System bleiben. Entscheidend ist: Für welche Nutzer und Anwendungsfälle bietet Genie One einen klaren zusätzlichen Nutzen?
Beide Ansätze können parallel betrieben werden. Consumer-Access-Nutzer können weiterhin externe BI-Tools über SQL Warehouses ansprechen, sehen die Warehouses selbst aber nicht in der Genie-One-UI. Damit lässt sich ein Stack betreiben, in dem die Standard-Berichte in Power BI bleiben, während Genie, Apps und Agents in Genie One die Konsum-Schicht für Lakehouse-native Use-Cases übernehmen.
Dashboards, Genie und Apps unterwegs nutzen
Neben dem Browserzugang gibt es Genie One seit Juni 2026 auch als native Mobile-App für iOS und Android. Die App greift auf dieselben freigegebenen Dashboards, Genie Spaces, Apps und Chat-Konversationen zu, nutzt die Identität aus dem Databricks-Account und übernimmt die Berechtigungen aus Unity Catalog unverändert. Ein zweites Sicherheits- oder Datenmodell entsteht dadurch nicht.
Der Anwendungsfall ist die Nutzung unterwegs: Kennzahlen kurz prüfen, eine Folgefrage an Chat stellen, einen Scheduled-Task-Report öffnen, eine App-Eingabe freigeben oder bestätigen. Komplexere Auswertungen, mehrdimensionale Filter und Drilldowns durch große Dashboards bleiben im Browser besser aufgehoben. Die App ist als zusätzlicher Zugang gedacht, nicht als Ersatz für die Weboberfläche. Mobile-optimierte Dashboard-Layouts erzeugt Databricks seit März 2026 automatisch.
Consumer Access, Unity Catalog und AI Gateway
Der Zugang wird über vier Ebenen gesteuert. Nutzer und Gruppen kommen aus dem zentralen Identitätsmanagement, in der Regel über Identity Federation und SCIM aus dem zentralen IdP. Im Account wird festgelegt, wer Genie One verwenden darf: Consumer Access ist die Voraussetzung, damit ein Nutzer Genie One sieht. Unity Catalog bestimmt anschließend, welche Daten der jeweilige Nutzer sehen darf, auf den Ebenen Catalog, Schema, Table, Row Filter und Column Mask. Das Unity AI Gateway regelt zusätzlich, welche Tools, Modelle und MCP-Server Nutzer und Agents aufrufen dürfen und welche Kosten dabei entstehen.
Diese Trennung hat eine klare Konsequenz. Datenzugriffe sollten zentral über Unity Catalog geregelt werden, Tool- und Modell-Aufrufe zentral über das AI Gateway. Zusätzliche parallel gepflegte Zugriffsregeln in Dashboards oder im MCP-Aufruf sollten vermieden werden. Das vereinfacht den Betrieb langfristig, setzt aber eine Bereinigung bestehender Berechtigungen voraus.
Bei Genie müssen Compute-Zugriff und Datenzugriff getrennt betrachtet werden. Der Space kann für die technische Ausführung die hinterlegte Warehouse-Verbindung verwenden, damit Fachanwender keine eigene Warehouse-Berechtigung brauchen. Welche Daten angezeigt werden, richtet sich weiterhin nach den Berechtigungen des jeweiligen Nutzers. Row-Level Security und Column Masking gelten pro Anwender, also auf Nutzer-Ebene, nicht auf Ebene des Space-Autors. Zwei Nutzer können deshalb bei derselben Frage unterschiedliche Ergebnisse erhalten, abhängig von ihren jeweiligen Datenberechtigungen.
Externe Quellen wie Google Drive, SharePoint, Atlassian oder Glean werden pro Nutzer mit dessen eigenen Credentials angebunden. Damit bleiben die Berechtigungen der Quell-Anwendung erhalten und ein Fachanwender kann in Chat nur die Dokumente sehen, auf die er auch direkt zugreifen dürfte. Custom MCP-Server lassen sich auf Workspace-Ebene konfigurieren und werden über das AI Gateway gesteuert.
Zugriffe können über zentrale Databricks-Auditdaten ausgewertet werden. Seit Mai 2026 stehen zusätzlich neun detaillierte genieChat-Audit-Events bereit: vom MCP-Tool-Aufruf über Chat-Steuerungen bis zu Scheduled-Task-Operationen. Auf welche Dashboards, Spaces, Apps und MCP-Tools zugegriffen wurde, lässt sich vollständig nachvollziehen, sofern das Logging-Setup im Account aktiviert ist. Für regulierte Branchen ist das die wichtige Voraussetzung, überhaupt eine Konsum-Schicht der Plattform anzubieten.
Für externe Nutzer und Einbettungen gelten andere Anforderungen. Genie One richtet sich in erster Linie an interne Nutzer mit einer Databricks-Identität. Einzelne Genie Spaces lassen sich als iFrame in andere Anwendungen einbetten (GA seit März 2026, mit Compliance-Profile-Support seit April). Öffentliche oder anonyme eingebettete Berichte oder Cross-Org-Sharing über Tenant-Grenzen hinweg sollten dagegen über klassische BI-Tools oder eine eigene Anwendung umgesetzt werden.
Verantwortung für Dashboards, Spaces, Apps und Agents
Ohne klare Zuständigkeiten veralten Inhalte schnell oder werden nicht mehr genutzt. Vier Verantwortungsbereiche sollten klar festgelegt werden.
Verantwortliche für Kennzahlen und Dashboards. Pro Geschäftsbereich (Vertrieb, Finance, Operations) sollte es eine verantwortliche Rolle für die kuratierten Dashboards geben. Diese Rolle stellt sicher, dass Kennzahlen fachlich korrekt und einheitlich definiert sind, verantwortet Filter und fachliche Auswertungslogik und gibt frei, dass ein neues Dashboard für Konsumenten sichtbar wird. Diese Rolle sitzt im Fachbereich oder in einer Analytics-Funktion mit klarer fachlicher Verantwortung. Das Plattformteam unterstützt die Pflege, übernimmt sie aber nur in Ausnahmefällen.
Verantwortliche für Genie Spaces und Chat-Routing. Pro Domäne (Sales-Performance, Finanz-Reporting, Operations-Metriken) gibt es einen Owner für den Genie Space. Dieser Owner wählt die relevanten Daten und Tabellen aus, prüft Antworten und pflegt fachliche Begriffe, Synonyme und Erklärungen, die Genie für die Übersetzung braucht. Mit Chat in Genie One wird zusätzlich eine bereichsübergreifende Verantwortung für zentrale Hinweise für Chat-Konversationen notwendig, also für die Instructions, die jede Chat-Konversation als Kontext mitbekommt.
Verantwortliche für Databricks Apps. Pro App gibt es einen Owner für Zugriffe, Veröffentlichung, Betrieb und Fehlerbehandlung.
Verantwortliche für Genie Agents. Pro Agent muss geklärt sein, welche Aktionen er ausführen darf (lesen, schreiben, externe Tools), wie Fehlverhalten erkannt wird und wer den Agent im Zweifel stoppt. Agents mit Schreibrechten in externe Systeme (Jira-Ticket, Slack-Nachricht, E-Mail-Versand) haben ein höheres Risikoprofil als reine Lese-Spaces und brauchen eine Freigabe von Plattform-Team und betroffenem Fachbereich gemeinsam.
Klare Zuständigkeiten entscheiden darüber, ob die Inhalte dauerhaft verlässlich und aktuell bleiben. Ohne klare Ownership verlieren Genie Spaces und Agents schnell an Qualität, wenn niemand Fragen, Begriffe, Tabellen und Aktionsrechte regelmäßig überprüft.
Was kostet Genie One?
Databricks One verursachte für die Oberfläche selbst keine separate Lizenz; Kosten entstanden vor allem über das verwendete SQL Warehouse. Mit Genie One kommt ein nutzungsbasiertes Preismodell hinzu. Die offizielle Ankündigung vom Juni 2026 nennt keine seat-basierten Lizenzen, sondern ein Verbrauchsmodell mit einem Monatsguthaben von 10 US-Dollar pro Nutzer. Reicht das Guthaben nicht, wird das Mehr nutzungsabhängig abgerechnet. Die Aktivierung des kostenpflichtigen Verbrauchs läuft ab dem 6. Juli 2026.
Für die Plattform-Planung bedeutet das zwei Dinge. Erstens: Ein Rollout an alle Fachanwender ist nicht nur ein einmaliger Setup-Aufwand, sondern verursacht laufende nutzungsabhängige Kosten, die mit der Nutzungsintensität von Chat, Agents, Skills und MCP-Aufrufen wachsen. Zweitens: Die Kosten lassen sich über das Unity AI Gateway pro Workspace, pro Gruppe und pro MCP-Server begrenzen. Wer agentische Funktionen breit ausrollt, sollte vorab Budget-Limits und Alarme festlegen, damit ein stark genutzter Agent nicht unbemerkt das Monatsbudget belastet.
Die klassischen Compute-Kosten für Dashboards und Genie Spaces auf SQL Warehouses fallen weiterhin separat an. Genie One verbraucht zusätzlich Modell- und Tool-Nutzung, die das AI Gateway misst und abrechnet.
Was Genie One nicht ersetzt
Genie One übernimmt den Zugang für Fachanwender und ergänzt Agenten-Funktionen. Entwicklung, Datenmodellierung und Plattformbetrieb bleiben im vollständigen Workspace. SQL-Entwicklung, Datenpipelines sowie ML- und KI-Entwicklung finden im Databricks Workspace statt und sind in der Konsum-Oberfläche nicht sichtbar.
Genie One verändert vor allem die Oberfläche, über die Fachanwender Inhalte nutzen, und ergänzt sie um agentische Routinen. Die zugrunde liegenden KI-, Such- und Modellfunktionen mit Embeddings, Vector Search, Model Serving und Agents laufen in DatabricksIQ. Was in Genie One als Chat-Antwort, Dokument oder Agent-Aktion sichtbar wird, ist das Ergebnis dieser KI-Schicht und wird dort verarbeitet. Die technischen Funktionen werden weiterhin von Entwicklungs- und Plattformteams eingerichtet, die Ergebnisse in Genie One bereitgestellt.
Workspace-Struktur, Compute und Identitäten (Workspace-Topologie, Compute-Policies, Identity Federation, Catalog-Topologie) müssen bereits vorher geplant sein. Ein Umbau der Plattformgrundlage läuft auf der Ebene der Databricks-Architektur. Genie One setzt auf dieser Grundlage auf.
Exakt formatierte Druck- und Managementberichte, Berichte über mehrere unterschiedliche Datenplattformen hinweg und Berichte und Anwendungen für externe Nutzer ohne Databricks-Zugang liegen meist besser in einer klassischen BI-Schicht oder einer eigenen Anwendung. Damit ist Genie One ein direkter Zugang zu Databricks-Inhalten, aber kein vollständiger Ersatz für jedes Reporting- oder Anwendungsfrontend.
Grenzen von Genie One
Genie One vereinfacht den Zugang für Fachanwender, löst aber nicht automatisch alle Nutzungsprobleme. Für den dauerhaften Betrieb braucht es zusätzlich gepflegte Inhalte, Zuständigkeiten, Kostenkontrolle und Nutzungsanalysen.
Die Oberfläche ist nur so gut wie die freigegebenen Dashboards, Spaces, Apps und Agents. Ohne gepflegte Dashboards, definierte Spaces, freigegebene Apps und kontrollierte Agents bleibt Genie One leer oder unzuverlässig. Der größte Aufwand liegt in Auswahl, Qualität und Pflege der Inhalte.
Komplexe Reporting-Anforderungen bleiben häufig besser in etablierten BI-Tools. Pixel-Perfect-Reporting mit präzisem Drucklayout, komplexe Cross-Datasource-Joins über mehrere externe Systeme, umfangreiche eigene Datenmodellierung durch Fachanwender: das deckt eine universelle BI-Plattform breiter ab. Für diese Anforderungen bleibt das vorhandene Tool die passende Wahl.
Externe Nutzer ohne Databricks-Identität sind nicht der zentrale Anwendungsfall von Genie One. Anonyme Embed-Szenarien, kundengerichtete Frontends ohne Login, Cross-Org-Sharing über Tenant-Grenzen: das alles ist außerhalb der Auslegung. Eine eigene Anwendung mit kontrollierter Identität bleibt der passende Weg. Für interne Embed-Szenarien hat Databricks 2026 die iFrame-Einbettung von Genie Spaces freigegeben.
Die Qualität von Genie hängt direkt von gepflegten Spaces und einer guten Ontology ab. Ein Space ohne kuratierte Tabellen liefert Antworten, die plausibel formuliert, aber fachlich falsch sein können. Die Pflege von Beispielfragen, Begriffsdefinitionen und Domänen-Beschränkungen bleibt eine eigene operative Disziplin, auch wenn Genie Ontology einen Teil dieser Arbeit unterstützt.
Agenten-Funktionen verändern das Risikoprofil. Agents mit Schreibrechten in externe Systeme können außerhalb der Datenplattform etwas auslösen. Ohne klare Freigabe, Audit-Pfad und Rollback-Strategie können Fehler eines Agents nicht mehr in einem isolierten Workspace zurückgespielt werden. Der erste Rollout von Agents sollte sich deshalb auf Lese-Aktionen und gut isolierte Schreib-Operationen beschränken.
Das neue Preismodell macht Nutzung direkter messbar und potenziell teurer. Solange Genie One nur Dashboards und einzelne Spaces zeigte, war die Oberfläche selbst kostenfrei. Mit Chat, Agents, Skills und MCP-Aufrufen entstehen laufende Modell- und Tool-Kosten, die das Unity AI Gateway pro Nutzer, Gruppe und Server messbar macht. Budgetkontrolle gehört ins Betriebsmodell, nicht erst in die spätere Abrechnung.
Ob die Oberfläche angenommen wird, hängt von Qualität, Pflege und klaren Verantwortlichkeiten ab. Eine neue Oberfläche führt nicht automatisch dazu, dass Fachbereiche ihre Arbeitsweisen ändern. Erst klare Ownership pro Dashboard, Space, App und Agent sowie regelmäßige Aktualisierung und nachvollziehbare Reaktion auf Rückmeldungen führen dazu, dass Fachbereiche der Oberfläche vertrauen.
Trotz dieser Grenzen hat Genie One einen klaren Mehrwert: einen einfachen Zugang zu Lakehouse-Daten direkt in Databricks, ohne zusätzliches Berechtigungsmodell und ohne zusätzliche Synchronisation, ergänzt um agentische Routinen, die wiederkehrende Arbeit aus dem manuellen Tagesgeschäft herausziehen. Der Weg zur produktiven Nutzung beginnt mit der Klärung von Catalog, kuratiertem Content und Ownership. Danach trägt die Oberfläche den Schritt von einer Demo zu einem produktiven Konsum-Layer.
Fazit
Genie One gibt Fachanwendern einen einfacheren Zugang zu Dashboards, Fragen an Daten, Anwendungen, Dokumenten und Agenten aus Databricks.
Ein Teil der Datennutzung kann direkt in Databricks stattfinden, ohne zusätzliche Datenkopien oder ein weiteres Frontend. Daten und Berechtigungen bleiben zentral gesteuert, während Nutzer eine einfachere Oberfläche bekommen. Vier Punkte entscheiden über den Erfolg: Berechtigungen zuerst sauber aufsetzen, vor dem Rollout nutzbare Dashboards, Spaces und Apps bereitstellen, Agents schrittweise und mit klarer Freigabe einführen und Genie One bewusst als Ergänzung zur bestehenden BI-Landschaft positionieren. Für komplexes Reporting und bestehende BI-Landschaften bleiben Tableau oder Power BI häufig weiterhin sinnvoll.
Genie One ist vor allem für Unternehmen interessant, die Databricks bereits produktiv nutzen und nun mehr Fachanwender erreichen möchten, Unity Catalog ausgerollt haben und ihre Daten bislang hauptsächlich über Power BI, Tableau oder Looker bereitstellen. Dort kann eine Lakehouse-native Konsum-Oberfläche zusätzliche Datenkopien, parallele Berechtigungen und einen Teil des Integrationsaufwands reduzieren. Sie bietet Fachanwendern einen einfachen Zugang zu Genie und Databricks Apps und erweitert ihn um Chat, Dokumente und Aktionen.
Ohne gepflegte Datenprodukte, Dashboards und klare Verantwortliche sollte zunächst die Plattformgrundlage verbessert werden. Eine neue Oberfläche löst fehlende Inhalte und Zuständigkeiten nicht.
Mein Vorschlag: Genie One zunächst für wenige klar ausgewählte BI-, Genie- und App-Anwendungsfälle einsetzen, Agenten-Funktionen schrittweise erproben und bestehende BI-Tools dort weiter nutzen, wo sie funktional oder organisatorisch besser passen. Daran zeigt sich schneller, ob Genie One in eurer Plattform funktioniert, als an einer großen Rollout-Planung.
Eine technisch gute Datenplattform schafft erst dann Nutzen, wenn Fachbereiche die Inhalte tatsächlich nutzen. Ohne klare Verantwortung verlieren Dashboards, Spaces, Apps und Agents schnell an Qualität. Entscheidend sind die Grundlagen: saubere Daten, zentrale Berechtigungen und klare Ownership.
Beginnt mit einem klar abgegrenzten Fachbereich (zum Beispiel mit einem Space, wenigen geprüften Dashboards und einer konkreten App) und prüft anschließend, ob Inhalte aktuell bleiben, ob Konsumenten den Layer tatsächlich nutzen und ob die Verbrauchskosten im geplanten Rahmen bleiben.
Databricks BI & SQL Architecture Review
In einem Databricks BI & SQL Architecture Review schauen wir uns gemeinsam an, wo Genie One bei euch sinnvoll ist, und wo es eher zusätzliche Komplexität bringt.
- welche BI- und KI-Anwendungsfälle gute Kandidaten für Genie One sind und wo Power BI, Tableau oder Looker weiterhin die bessere Schicht sind
- welche Fragen zu Governance, Catalog, AI Gateway und Ownership vor dem Rollout der Konsum-Schicht geprüft werden müssen
- welcher Aufbaupfad für Genie Spaces, AI/BI-Dashboards, Apps und Agents in eurer Situation trägt
FAQ
Genie One. Databricks hat die Oberfläche für Fachanwender im April 2026 von Databricks One zunächst zu Genie umbenannt und am 9. Juni 2026 zu Genie One. Die Funktionen blieben bei beiden Umbenennungen unverändert. Am 16. Juni 2026 hat Databricks Genie One auf dem Data + AI Summit um Agenten-Funktionen erweitert (Genie Agents, Genie Ontology, MCP-Integrationen, Chat, Dokumente). Die URL blieb für Kompatibilität bestehen, deshalb funktionieren Lesezeichen auf das alte Databricks One weiterhin.
