AI/BI Dashboards ist die in Databricks (Datenplattform für Analyse und KI) eingebaute Funktion, um Berichte und Auswertungen (Dashboards mit Kennzahlen und Diagrammen) direkt auf den dort gespeicherten Daten zu erstellen. Sie ergänzt diese Berichte um automatisch erzeugte Erläuterungen und einen Anschluss an Genie (Databricks-Baustein, der Fragen in Alltagssprache in Datenbank-Abfragen übersetzt). Der Begriff bezeichnet ausschließlich diese konkrete Produktkomponente von Databricks.
Was ist AI/BI Dashboards?
AI/BI Dashboards bezeichnet die in die Databricks-Plattform eingebaute Funktion, um Berichte und Diagramme zu bauen. Solche Dashboards greifen direkt auf die im Unity Catalog (zentrale Rechte- und Datenverwaltung von Databricks) verwalteten Datentabellen zu und stellen sie als Kennzahlen, Zeitreihen und Filter dar. Ein separates Zwischenmodell, wie es klassische BI-Werkzeuge (etwa Power BI mit seiner eigenen Modellsprache DAX oder Tableau mit vorverdichteten Extrakten) verlangen, entfällt. Als Rechen-Grundlage (Compute) dient ein SQL Warehouse, also ein von Databricks verwalteter Datenbank-Motor. Er ist in drei Varianten verfügbar (Classic, Pro und Serverless); die Serverless-Variante ist für die KI-Funktionen und schnelle Bedienung in der Regel Voraussetzung.
Das Produkt trägt zwei KI-Komponenten. DatabricksIQ Insights erzeugt automatisch Beschreibungen der dargestellten Kennzahlen, weist auf Anomalien in Zeitreihen hin und identifiziert Top-Driver hinter Veränderungen. Der Genie-Anschluss stellt Fragen in natürlicher Sprache auf dieselben Datenquellen bereit, die auch das Dashboard nutzt. Beide Komponenten greifen auf die im Dashboard hinterlegten Views, Spaltenbeschreibungen und semantischen Tags zurück.
Governance-Anschluss und Datenzugriff laufen über den Unity Catalog. Zeilenfilter, Spaltenmasken, Berechtigungen und Lineage aus dem Katalog gelten transitiv für Dashboard-Abfragen; jeder Nutzer sieht damit nur die Datenteilmenge, für die eine Freigabe im Katalog besteht. Die dashboardeigene Sichtbarkeit (wer öffnet das Dashboard) ist davon getrennt und wird separat gesteuert.
AI/BI Dashboards positioniert sich im Databricks-Portfolio als Reporting-Schicht auf Databricks SQL und wird ergänzt durch [Genie](/insights/databricks/business-intelligence/genie/) (Natural-Language-Query) und Databricks One (Fachanwender-Oberfläche). Der Term ist markenbezogen und beschreibt nicht generisch „BI-Dashboards", sondern die Databricks-Implementierung dieser Funktion.
Abgrenzung zu verwandten Begriffen
Der Begriff wird häufig mit anderen BI-Werkzeugen oder Databricks-Komponenten vermischt. Die Abgrenzung verläuft entlang mehrerer Achsen: Position in der Architektur, Semantik-Layer und Bezug zu KI-Funktionen.
| Begriff | Achse | Kernunterschied |
|---|---|---|
| Power BI / Tableau | Architektur | Externe BI-Werkzeuge mit eigenem Semantik-Layer (DAX, Extracts) und eigenem Distributionsweg (SharePoint, Teams). AI/BI Dashboards läuft nativ innerhalb der Databricks-Plattform, ohne separaten Modell-Layer. |
| Genie | Zugriffs-Modus | Genie ist die Natural-Language-Query-Komponente des AI/BI-Produktbündels. Ein Genie Space kann an ein Dashboard angebunden werden und teilt dessen Datenquellen (Dashboard liefert Visualisierung, Genie liefert die Konversation). |
| Databricks SQL | Layer | Databricks SQL ist der Query- und Warehouse-Layer (Warehouses, SQL-Editor, Query-Historie). AI/BI Dashboards nutzt Databricks SQL als Compute-Basis und sitzt als Visualisierungs-Schicht darüber. |
| Generische BI-Dashboards | Term | Ein „BI-Dashboard" bezeichnet allgemein eine aggregierte Kennzahl-Visualisierung. AI/BI Dashboards ist der produktbezogene Databricks-Name mit integrierten KI-Erweiterungen, analog zum Produktnamen „Power BI Dashboard". |
| Augmented Analytics | Kategorie | Augmented Analytics ist der Gartner-Oberbegriff für KI-unterstützte Analyse (Natural-Language-Query, automatische Insights, Auto-ML). AI/BI Dashboards ist eine konkrete Implementierung dieser Kategorie. |
Am wichtigsten ist die Trennung zwischen AI/BI Dashboards und Power BI: Beide erzeugen Reports auf Databricks-Daten, halten aber Modell und Visualisierung unterschiedlich. Power BI baut einen eigenen Semantik-Layer mit DAX-Berechnungen, den es getrennt vom Lakehouse hält; AI/BI Dashboards verzichtet auf einen separaten Modell-Layer und stützt sich auf Views im Unity Catalog. Das reduziert Duplizierung und Governance-Aufwand, deckt aber weniger komplexe Reporting-Muster ab als eine reife BI-Suite.
Beispiel: Vertriebsbericht mit AI/BI Dashboards
Ein Handelsunternehmen betreibt einen wöchentlichen Vertriebsbericht auf Basis vorbereiteter Views im Unity Catalog. Die zentrale View aggregiert Umsatz nach Region, Warengruppe und Kalenderwoche und wird von einer Data-Engineering-Pipeline befüllt. Ein AI/BI Dashboard visualisiert die Kennzahlen als Balken- und Liniendiagramme mit globalen Filtern für Region und Zeitraum. DatabricksIQ Insights blendet auffällige Abweichungen ein, etwa einen Ausschlag in einer Region, und markiert die drei Warengruppen mit dem größten Beitrag zu diesem Ausschlag.
An dasselbe Dashboard ist ein Genie Space gekoppelt. Nutzer können darin Rückfragen wie „Welche Warengruppe trägt den Ausschlag in Region Nord?" oder „Wie hat sich die Marge in den letzten sechs Wochen entwickelt?" formulieren. Genie greift auf dieselben Views, Spaltenbeschreibungen und semantischen Tags zu wie das Dashboard und übersetzt die Frage in SQL. Berechtigungen aus dem Unity Catalog filtern die Antwort pro Nutzer; ein Regional-Verantwortlicher sieht die eigene Region, ein zentraler Analyst alle Regionen.
Das Beispiel zeigt die typische Architekturposition: eine Datenschicht (Views im Unity Catalog), eine Compute-Schicht (Serverless SQL Warehouse) und darüber die drei AI/BI-Zugriffsmodi (visuelles Dashboard, KI-Insights, Genie-Konversation) auf derselben Datengrundlage.
AI/BI Dashboards im eigenen Unternehmen umsetzen?
Wir zeigen, wie sich das in deiner Systemlandschaft konkret abbilden lässt.