Genie (Databricks): Definition, Abgrenzung, Beispiele

Genie (bis 2025 als „AI/BI Genie" geführt) ist der Frage-Assistent von Databricks. Fachanwender tippen eine Frage in natürlicher Sprache ein („Wie hat sich der Umsatz in Q2 entwickelt?"), Genie übersetzt sie in eine Datenbank-Abfrage (SQL, Structured Query Language) und liefert das Ergebnis als Tabelle oder Diagramm. Grundlage ist ein Genie Space, also ein vom Data-Team vorbereiteter Arbeitsbereich, in dem die freigegebenen Tabellen, Beispielfragen und Erklärungen zu Kennzahlen (etwa „Umsatz meint Netto-Umsatz ohne Retouren") hinterlegt sind. Ohne diese Vorbereitung durch das Data-Team liefert Genie unpräzise Antworten.

Was ist Genie?

Genie ist ein Baustein des Databricks-Analyse-Bündels und übersetzt natürlichsprachige Fragen in Datenbank-Abfragen (SQL). Daneben steht AI/BI Dashboards (Artificial Intelligence / Business Intelligence) als klassische Berichts-Oberfläche. Databricks hat die Funktion 2024 als „AI/BI Genie" in einer Vorab-Version (Public Preview) eingeführt und 2025 mit der offiziellen Freigabe auf den kürzeren Namen „Genie" umgestellt. Seither ist der Begriff die Klammer für mehrere verwandte Bausteine: Genie Spaces (die vorbereiteten Arbeitsbereiche), Genie Agents (Assistenten, die mehrstufige Fragen selbst zerlegen), Genie Ontology (ein gemeinsames Kennzahl-Wörterbuch, das Begriffe wie „Umsatz" oder „Region" verbindlich definiert), Genie ZeroOps (automatische Pflege dieses Wörterbuchs) und Genie Code (ein Assistent für Data-Engineering-Aufgaben). Die Anwender-Oberfläche „Databricks One" wurde 2026 in „Genie One" umbenannt und bezeichnet die Zugangs-Oberfläche, während die Übersetzungs-Funktion weiter Genie heißt.

Die Funktionsweise folgt einem klaren Muster. Ein Genie Space bündelt eine kuratierte Datenauswahl aus dem Unity Catalog (Tabellen und Views), Instructions in natürlicher Sprache („Umsatz meint Netto-Umsatz ohne Retouren"), Trusted Queries als Beispiel-SQL und optional Definitionen aus der Genie Ontology für Kennzahlen und Beziehungen. Ein Sprachmodell übersetzt die Nutzerfrage in eine SQL-Abfrage, führt sie auf einem SQL Warehouse aus (in der Regel Serverless wegen Startzeit und Feature-Umfang) und gibt das Ergebnis als Tabelle oder Visualisierung zurück. Die Antwortqualität hängt an drei Größen: der Datenmodellierung im Unity Catalog, der Kuration des Space (welche Tabellen, welche Instructions, welche Trusted Queries) und den Spaltenbeschreibungen. Ohne diese Kuration liefert Genie unspezifische oder falsche SQL.

Der Governance-Anschluss läuft transitiv über den Unity Catalog. Zeilenfilter, Spaltenmasken und Berechtigungen gelten für jede Antwort. Nutzer sehen nur die Datenteilmenge, für die der Katalog eine Freigabe hält. Der Zugriff auf Genie erfolgt eingebettet im Databricks-Workspace, angeflanscht an AI/BI Dashboards für Rückfragen, als eigenständiger Space in Genie One (ehemals Databricks One) für Fachanwender ohne Engineering-Zugang und über eine API/SDK-Anbindung für integrierte Anwendungen und externe Systeme wie Slack oder Microsoft Teams.

Der Begriff existiert, weil die Kombination aus einem breit einsetzbaren Sprachmodell, einer kuratierten Datenauswahl und einer Governance-Klammer neu genug ist, um einen eigenen Produktnamen zu tragen. Genie ist damit weder ein generischer Text-to-SQL-Wrapper noch ein reiner Reporting-Bot, sondern die Databricks-spezifische Implementierung mit eigenen Kurations-Werkzeugen (Spaces, Instructions, Trusted Assets, Ontology) und Unity-Catalog-Integration.

Abgrenzung zu verwandten Begriffen

Genie wird häufig mit anderen Databricks-Komponenten, mit der Oberfläche Genie One oder mit generischen Text-to-SQL-Werkzeugen verwechselt. Die Abgrenzung verläuft entlang zweier Achsen: der Rolle im Produkt-Stack (Übersetzungs-Layer versus Reporting-Layer versus Container-Oberfläche) und der Positionierung gegenüber generischen Kategorien.

Begriff	Achse	Kernunterschied
AI/BI Dashboards	Stack-Position	AI/BI Dashboards ist die Reporting- und Visualisierungs-Schicht des Bündels; sie zeigt vorbereitete Dashboards und globale Filter. Genie ist der konversationelle Zugriffs-Modus auf dieselbe Datengrundlage; ein Genie Space kann an ein Dashboard angebunden werden und teilt dessen Datenquellen.
Databricks One / Genie One	Stack-Position	Databricks One (2026 in Genie One umbenannt) ist die reduzierte Konsum-Oberfläche für Fachanwender, die Dashboards, Genie Spaces und Databricks Apps bündelt. Genie bezeichnet die zugrunde liegende Text-to-SQL-Funktion, die in dieser Oberfläche neben anderen Komponenten sichtbar ist.
Text-to-SQL (generisch)	Kategorie	Text-to-SQL ist die allgemeine Aufgabenklasse (natürliche Sprache in SQL übersetzen). Genie ist eine konkrete Databricks-Implementierung mit Unity-Catalog-Governance, Space-Kuration, Instructions, Trusted Assets und Genie Ontology als Semantik-Layer. Andere Implementierungen wie Snowflake Cortex Analyst oder Vanna.ai folgen ähnlichen Mustern, unterscheiden sich aber im Governance-Modell und in den Kurations-Werkzeugen.
Conversational AI	Kategorie	Conversational AI bezeichnet Systeme für natürlichsprachige Dialoge in Text und Sprache. Genie fällt inhaltlich in diese Kategorie, ist aber auf strukturierte Datenabfragen begrenzt und damit weder Wissensbasis-Bot noch Voice-Agent noch Customer-Support-System.
Databricks SQL	Layer	Databricks SQL ist der Query- und Warehouse-Layer (SQL Warehouses, SQL-Editor, Query-Historie). Genie nutzt Databricks SQL als Compute-Basis und sitzt als Übersetzungs- und Konversations-Schicht darüber.

Am wichtigsten ist die Trennung zwischen Genie als Text-to-SQL-Layer und Genie One als Oberfläche. Die Umbenennung der Konsum-Oberfläche in „Genie" bzw. „Genie One" (2026) hat den Sprachgebrauch verschoben: Wer heute „Genie" sagt, meint entweder die Text-to-SQL-Funktion (dieser Eintrag) oder die Oberfläche, die diese Funktion zusammen mit Dashboards und Apps für Fachanwender zeigt. Für die technische Abgrenzung bleibt Genie im engeren Sinn die Übersetzungs- und Q&A-Komponente; Genie One ist die Zugangsschicht.

Beispiel: Genie Space für die Vertriebsanalyse

Ein Handelsunternehmen betreibt einen Genie Space „Vertriebsanalyse DACH" auf einer kuratierten Auswahl von Views im Unity Catalog. Die Views aggregieren Umsatz, Retouren, Kunden und Warengruppen aus den Gold-Tabellen. Das Data-Team hinterlegt im Space Instructions in natürlicher Sprache (etwa „Umsatz meint Netto-Umsatz ohne Retouren", „Region meint Vertriebsregion, nicht Länderkennzeichen"), Trusted Queries als Beispiel-Aggregationen für Umsatz nach Region und Warengruppe sowie Kennzahl-Definitionen aus der Genie Ontology.

Regional-Verantwortliche stellen im Space Fragen wie „Wie hat sich der Umsatz der Warengruppe Outdoor in den letzten sechs Wochen entwickelt?" oder „Welche Kunden im Segment A haben im Q2 weniger bestellt als im Q1?". Genie liest die Instructions, die freigegebenen Tabellen und die Trusted Queries als Kontext, übersetzt die Frage in eine SQL-Abfrage und führt sie auf einem Serverless SQL Warehouse aus. Das Ergebnis erscheint als Tabelle mit einer optionalen Visualisierung. Unity-Catalog-Berechtigungen filtern die Ergebnisse pro Nutzer über Row-Level Security: Ein Regional-Verantwortlicher sieht nur die eigene Region, ein zentraler Analyst alle Regionen.

Das Beispiel zeigt die typische Architekturposition: eine Datenschicht (Views im Unity Catalog), eine Kurationsschicht (Space mit Instructions, Trusted Queries, Ontology-Bezug), eine Compute-Schicht (Serverless SQL Warehouse) und darüber Genie als Übersetzungs- und Q&A-Layer. Der Fachanwender greift auf diesen Layer über Genie One, über ein angebundenes AI/BI Dashboard oder über eine Slack-/Teams-Integration zu.