TL;DR
Databricks hat Genie in drei Tools plus die darunterliegende automatisierte Ebene aufgeteilt: Genie One (Fragen stellen), Genie Agents (Geschäftskontext hinterlegen), Genie Code (entwickeln und debuggen) und Genie Ontology, die automatisierte Kontextebene, auf der alle drei aufbauen. Genie One, Genie Agents und Genie Code sind allgemein verfügbar. Genie Ontology befindet sich in der Public Preview. Hier erfahren Sie, was jedes Tool tatsächlich leistet, womit Sie zuerst arbeiten sollten und was der Betrieb der gesamten Produktfamilie kostet.
Fragen Sie fünf Leute in Ihrem Datenteam, was "Genie" in Databricks gerade bedeutet, und Sie bekommen vermutlich fünf verschiedene Antworten. Das liegt nicht an fehlenden Schulungen. Databricks hat Genie im Laufe von 2025 und 2026 mehrfach umbenannt und umstrukturiert, und das Tempo hat nicht nachgelassen. Aus einem einzelnen Konversationsassistenten sind inzwischen vier eigenständige Produkte geworden, von denen jedes einen anderen Aspekt der Arbeit mit Daten per natürlicher Sprache statt handgeschriebenem SQL abdeckt: eine Antwort erhalten, etwas bauen oder die beiden anderen in echtem Geschäftskontext verankern. Hier erfahren Sie, was jedes Tool leistet, wie sie zusammenspielen und welches Sie zuerst einsetzen sollten.
Warum hat Databricks Genie in vier Produkte aufgeteilt?
Genie startete 2025 als einzelnes Feature: ein Chatfenster, um Datenfragen in Alltagssprache zu stellen, Teil dessen, was Databricks AI/BI Genie nannte. Von dort aus baute Databricks kontinuierlich weiter. Aus der vereinfachten Oberfläche für Business-Anwender, Databricks One, wurde Genie One. Aus dem Assistenten in Ihren Notebooks, Databricks Assistant, wurde Genie Code. Aus dem Arbeitsbereich, in dem Teams wiederverwendbare Fragen definierten, Genie Spaces, wurde Genie Agents. Bis Juni 2026 erreichten alle drei unter einer gemeinsamen Marke die allgemeine Verfügbarkeit: Genie.
Der Zeitpunkt ist kein Zufall. Gartner erwartet, dass bis Ende 2026 40 % der Unternehmensanwendungen aufgabenspezifische KI-Agenten enthalten – 2025 waren es noch weniger als 5 %. Jeder Anbieter wetteifert darum, seinem Produkt einen Agenten anzuhängen. Das schwierigere Problem – das die meisten Anbieter überspringen – ist, dass dieser Agent Ihr Unternehmen tatsächlich kennt. Genau darum geht es bei der Aufteilung in vier Produkte: die Trennung von Oberfläche (Genie One), Geschäftskontext (Genie Agents), Entwicklungswerkzeugen (Genie Code) und der Wissensebene darunter (Genie Ontology). Alle vier funktionieren identisch, egal ob Ihr Workspace auf AWS, Azure oder Google Cloud läuft.
Was macht Genie One?
Genie One ist der zentrale Einstiegspunkt: eine Chat-Oberfläche – verfügbar im Web, in Slack, in Microsoft Teams und mobil – über die jeder in Alltagssprache eine Frage zu Daten unter Governance stellen und ein Diagramm, ein Dashboard oder eine schriftliche Antwort erhalten kann. Databricks hat sie in erster Linie für Business-Anwender entwickelt, aber nichts hindert auch Data Engineers daran, sie zu nutzen.
Genie One kann mehr als einfache Abfragen. Fragen Sie etwa "Warum tauchen in dieser Tabelle Duplikate auf?", geht es der Ursache auf den Grund, statt nur eine Query auszuführen. Dabei greift es auf Ihre vorhandenen Dashboards, gespeicherten Queries und alle von Ihnen erstellten Genie Agents zurück. Vor der Eingliederung in die Genie-Marke hieß das Produkt Databricks One.
Was machen Genie Agents?
Genie Agents enthalten das Geschäftswissen, das Genie One allein nicht hat. Ein Agent legt fest, welchen Tabellen zu vertrauen ist, was Ihr Unternehmen unter Begriffen wie "aktiver Kunde" oder "Nettoumsatz" versteht und welche Beispiel-Queries als korrekte Antworten gelten. Ist ein solcher Agent einmal gebaut, kann jeder mit ihm chatten und erhält eine konsistente Antwort – ohne SQL und ohne Ticket an das Datenteam.
Wir haben das selbst getestet, mit einem einfachen Aktienportfolio: 100 US-Dollar in Apple und 200 US-Dollar in Microsoft, gekauft im November 2024. Die Kurshistorie lag bereits im Unity Catalog. Das Portfolio selbst nicht. Direkt gefragt, wies Genie One korrekt darauf hin, was fehlte, statt zu raten – und bot an, eine Gleichverteilung zwischen den beiden Aktien anzunehmen. Erst nachdem wir einen Genie Agent gebaut hatten, der die tatsächlichen Positionen, die Stückzahlen und die Bewertungsformeln definierte, lieferte dieselbe Frage eine echte Antwort: ein Portfoliowert von 387,61 US-Dollar gegenüber den ursprünglichen 300 US-Dollar, ein Plus von 29,2 %, mit vollständig ausgewiesener Berechnung. Die Daten hatten sich nicht geändert. Der Kontext schon.
Was macht Genie Code?
Genie Code ist die Entwicklerseite der Familie und hat 2026 den Databricks Assistant abgelöst. Es schreibt und führt Code aus, baut Pipelines und Dashboards, debuggt Fehler und arbeitet direkt mit Tabellen, Spalten und Lineage im Unity Catalog.
Der eigentliche Unterschied zum alten Assistant: Genie Code arbeitet agentisch. Geben Sie ihm eine Aufgabe, plant es die Schritte, findet die richtigen Tabellen, schreibt den Code, führt ihn aus und prüft die eigene Ausgabe – näher an Claude Code oder GitHub Copilot als an einer einmaligen Autovervollständigung. Das bedeutet aber auch, dass es eigenständig Code ausführen und Ressourcen ändern oder löschen kann. Standardmäßig fragt es vor jeder Aktion um Erlaubnis. Sie können das auf "immer erlauben" umstellen. Tun Sie das nicht in Produktionsnähe. Ein falscher Schritt kann etwas löschen, das sich hinterher nicht mehr nachvollziehen lässt.
Was macht Genie Ontology?
Genie Ontology liegt unter allen drei Produkten und befindet sich noch in der Public Preview. Es erstellt automatisch einen Wissensgraphen Ihres Unternehmens: Kennzahlen, Definitionen und die Beziehungen zwischen Ihren Daten und den Konzepten, mit denen Ihr Unternehmen tatsächlich arbeitet – gespeist aus dem Unity Catalog und über 50 angebundenen Apps.
Das Ziel ist Verankerung. Wenn jemand nach dem "Nettoumsatz" fragt, sollte Genie nicht raten müssen, was damit gemeint ist. Es sollte die Definition finden, auf die sich Ihre Organisation längst geeinigt hat, und damit antworten – statt mit einer plausibel klingenden Erfindung. Das ist der Unterschied zwischen einer nützlichen Antwort und einer selbstbewusst falschen.
Welches Genie-Tool sollten Sie nutzen?
Die Entscheidung ist einfacher, als die Namensgebung vermuten lässt. Stellen Sie Ihre Frage zuerst Genie One. Antwortet es zuverlässig, sind Sie fertig. Braucht die Frage Geschäftskontext, den Genie noch nicht hat, ist das Ihr Signal, einen Genie Agent zu bauen. Geht es darum, etwas zu bauen oder zu ändern, statt etwas abzufragen, sagt Genie One das auch – und verweist Sie auf Genie Code.
Was kostet Genie im Betrieb wirklich?
Genie erzeugt zwei getrennte Rechnungen, und nur eine davon ist leicht zu erkennen.
Die erste ist die LLM-Nutzung, gemessen in Databricks Units (DBUs). Jeder identifizierte Nutzer erhält monatlich 150 kostenlose DBUs für Genie Code. Genie One und Genie Agents bleiben für Nutzerinteraktionen bis zum 31. Januar 2027 kostenlos. Nutzung über das Freikontingent hinaus wird nach Verbrauch abgerechnet. Service Principals erhalten nichts davon. Deren Nutzung wird ab der ersten Anfrage berechnet – und genau dort führt automatisierte Genie-Nutzung gerne zu unerwarteten Rechnungen.
Die zweite Kostenposition ist Compute. Die Antworten von Genie müssen irgendwo ausgeführt werden, in der Regel in einem SQL Warehouse oder auf Serverless Compute. Diese Rechnung ist komplett getrennt vom Genie-Kontingent und erscheint als ganz normale Databricks-Nutzung – ohne eine einzige Position, auf der "Genie" steht. Fast jedes FinOps-Team betrachtet diese Art von KI-Ausgaben inzwischen als Teil des Jobs: 98 % verwalten heute irgendeine Form von KI-Kosten, vor gerade einmal zwei Jahren waren es 31 %. Genie ist eine neue Variante eines Problems, mit dem FinOps-Praktiker längst leben.
Wenn Sie Ihre Databricks-Ausgaben bereits genau verfolgen, integrieren Sie Genie jetzt in diesen Prozess – bevor die Nutzung über eine Handvoll Pilotnutzer hinauswächst. Eine Plattform wie SELECT für Databricks, die DBU-Kosten bereits mit den zugrunde liegenden Cloud-Infrastrukturkosten abgleicht, ist der naheliegende Ort, um den Compute-Fußabdruck von Genie im Blick zu behalten, statt daraus ein eigenes Projekt zu machen. Wie Databricks Compute generell abrechnet, erläutern wir in unserer Aufschlüsselung der Databricks-DBU-Preise und -Stufen.
Preisstand: August 2026. Das Abrechnungsmodell von Genie hat sich in diesem Jahr mehr als einmal geändert. Prüfen Sie die Databricks-Preisseite, bevor Sie mit diesen Zahlen budgetieren.
Was sollten Sie konkret zuerst tun?
Ein paar Startpunkte, der Reihe nach.
Erst fragen, dann bauen. Wenn Genie One die Frage heute zuverlässig beantwortet, brauchen Sie dafür keinen Agent. Bauen Sie Genie Agents dort, wo dieselbe Geschäftsfrage immer wieder auftaucht und die Antwort von Kontext abhängt, der in jemandes Kopf steckt und nicht in einer Tabelle. Nutzen Sie Genie Code für echte Entwicklungsarbeit: Pipelines, Dashboards, Debugging und mehrstufige Änderungen. Lassen Sie Berechtigungsabfragen überall dort aktiviert, wo Produktivsysteme in Reichweite sind.
Legen Sie im Unity AI Gateway ein Genie-Budget fest, bevor die Nutzung über eine Handvoll Personen hinauswächst, und taggen Sie es mit databricks-product: genie. Zusätzliche Tags können Sie bedenkenlos ergänzen, denn Genie-Budget-Tags sind additiv: Sie machen Ihr Reporting nur granularer, nicht ungenauer. Behalten Sie den von Genie ausgelösten Compute genauso im Blick wie die LLM-Nutzung. McKinsey hat festgestellt, dass in keiner Unternehmensfunktion mehr als 10 % der Organisationen angeben, KI-Agenten tatsächlich zu skalieren – und unklare Kosten sowie unklarer Nutzen sind ein wesentlicher Grund, warum der Rest in der Pilotphase festhängt.
Der Vorteil von Genie ist nicht die Chat-Oberfläche, sondern der Kontext darunter – und wie gut Sie diesen Kontext pflegen, zählt mehr als die Frage, welchen Button Sie zuerst klicken. Die vollständige Aufschlüsselung aller vier Tools, den von uns selbst durchgeführten Kostentest und wie Sie den Compute von Genie zurechenbar halten, finden Sie in unserem E-Book Databricks Genie Explained.
Häufig gestellte Fragen
Was ist Databricks Genie?
Databricks Genie ist eine Familie aus vier Tools: Genie One zum Stellen von Fragen in Alltagssprache, Genie Agents zum Hinterlegen des Geschäftskontexts hinter diesen Antworten, Genie Code zum Entwickeln und Debuggen und Genie Ontology zur Verankerung aller drei in Ihren tatsächlichen Daten.
Ist Genie One dasselbe wie der Databricks Assistant?
Nein. Genie One hat Databricks One abgelöst, die Oberfläche für Business-Anwender zum Stellen von Fragen. Der Databricks Assistant wurde zu Genie Code, dem Entwicklertool. Beide richten sich an unterschiedliche Personen und Aufgaben.
Ist Databricks Genie kostenlos nutzbar?
Teilweise. Genie One und Genie Agents bleiben für Nutzerinteraktionen bis zum 31. Januar 2027 kostenlos. Genie Code gibt jedem Nutzer 150 kostenlose DBUs an LLM-Nutzung pro Monat und rechnet danach nach Verbrauch ab. Nichts davon deckt das SQL Warehouse oder den Serverless Compute ab, den Genie auslöst – diese werden separat zu den normalen Databricks-Tarifen abgerechnet.
Was macht Genie Ontology konkret?
Genie Ontology erstellt automatisch einen Wissensgraphen Ihres Unternehmens – seiner Kennzahlen, Definitionen und der Beziehungen zwischen ihnen – gespeist aus dem Unity Catalog und über 50 angebundenen Apps, damit die Antworten von Genie auf Definitionen beruhen, die Ihr Unternehmen bereits verwendet, statt auf Vermutungen.
Was ist aus dem ursprünglichen Databricks Genie geworden?
Das ursprüngliche AI/BI Genie, 2025 gestartet, entwickelte sich über ein Zwischenprodukt namens Genie Spaces zu dem, was Databricks heute Genie Agents nennt. "Genie" bezeichnet inzwischen die gesamte Produktfamilie, nicht mehr nur dieses eine ursprüngliche Feature.