Aufbau eines AI/BI Genie Space auf Databricks
Auf einen Blick:
- Branche: Versicherungen
- Projektziel: Entlastung des Reportings durch sicheren Self-Service-Zugriff auf Daten („Chat with your data“).
- Tools: Databricks, Unity Catalog Metric Views, Databricks Genie Space, YAML
- Beteiligte Personen: Enge Zusammenarbeit zwischen zwei Datasolut-Spezialisten und sieben Fachexperten auf Kundenseite.
Wir unterstützten ein führendes Versicherungsunternehmen dabei, die Hürden eines zentralisierten, aber unflexiblen Reporting-Systems zu überwinden. Bisher hingen Auswertungen von hochgradig spezialisierten Power BI Dashboards ab, was das BI-Team zum Flaschenhals für neue Analysen machte. Durch das Fehlen einheitlicher Kennzahlenstandards entstanden zudem Diskrepanzen in den Berichten.
Unser Auftrag war klar: Den manuellen Aufwand drastisch zu reduzieren, eine einheitliche Datenbasis zu schaffen und die Mitarbeitenden durch Self-Service-Fähigkeiten zu befähigen, fundierte Entscheidungen auf einer verlässlichen Grundlage zu treffen.
Vor diesen Herausforderungen stand unser Kunde
Mangelnde Flexibilität und limitierter Datenzugriff
Die Datenexploration war auf unflexible Power BI-Dashboards beschränkt. Es fehlten Data-Governance-konforme Zugangswege, die über vordefinierte Berichte hinausgingen und sichere Ad-hoc-Analysen ermöglichten.
Inkonsistente Datenbasis und divergierende Kennzahlen
Inkonsistente Kennzahlendefinitionen und abweichende Berechnungslogiken in den Fachbereichen führten zu widersprüchlichen Reportings. Eine zentralisierte, einheitliche Datenbasis als verlässliche Entscheidungsgrundlage fehlte.
Intransparenz durch fehlendes Nutzungsmonitoring
Es mangelte an einem systematischen Monitoring der Reporting-Nutzung. Ohne Transparenz über die tatsächliche Verwendung der Dashboards konnten weder Optimierungspotenziale identifiziert noch Ressourcen bedarfsgerecht gesteuert werden.
Um die Reporting-Engpässe aufzulösen, haben wir direkt nach dem Aufbau der Databricks Data Platform einen AI/BI Genie Space entwickelt. Dieser ermöglicht es den internen Nutzern, komplexe Datenabfragen und Analysen intuitiv in natürlicher Sprache durchzuführen.
Wie gehen wir dabei vor?
1.
Gemeinsam mit dem Kunden haben wir ein klares Datenmodell (Metric Views) sowie einheitliche Kennzahlen definiert. Dazu gehörten Berechnungslogiken, fachliche Beschreibungen und die Definition von Synonymen im Semantic Layer.
2.
Grundlage für die KI war die Definition eines einheitlichen Dimensional Models im Unity Catalog. Wir haben gemeinsam mit dem Kunden Kennzahlen, Berechnungslogiken und Synonyme standardisiert und in Metric Views überführt, um eine konsistente „Single Source of Truth“ für den Genie Space sicherzustellen.
3.
Die Optimierung der Antwortqualität erfolgte durch einen agilen Prozess: Mittels SQL-Expressions, Benchmarking-Fragen und gezieltem User-Feedback haben wir das System sukzessive trainiert. Dieses schrittweise Vorgehen minimierte das Risiko von Fehlantworten und stellte sicher, dass das Vertrauen der Nutzer in die neue Technologie von Beginn an gestärkt wurde.
Innerhalb von nur zwei Wochen haben wir den gesamten Prozess – von der Erstellung des Gold-Layers über die Konfiguration der Metric Views bis hin zur finalen Testphase – erfolgreich realisiert. Dieser straffe Zeitplan ermöglichte es uns, den funktionsfähigen Genie Space noch vor dem Jahreswechsel direkt dem Vorstand zu präsentieren. Durch die enge Abstimmung konnten wir alle geschäftskritischen Kennzahlen präzise definieren und so eine vertrauenswürdige, abteilungsübergreifende Reportingbasis schaffen.
Die Ergebnisse und die intuitive Bedienung überzeugten das Management nachhaltig: Seit dem 12. Januar befindet sich das System im täglichen Live-Betrieb und wird aktiv zur Beantwortung businessrelevanter Fragen genutzt. Aufgrund dieses Erfolgs setzen wir die Zusammenarbeit langfristig fort. In den nächsten Schritten werden wir weitere Datenquellen integrieren und die Metric Views um zusätzliche Dimensionen erweitern, um die Analysetiefe des Systems kontinuierlich zu steigern.
Sie möchten einen AI/BI Genie Space aufbauen? Dann kontaktieren Sie uns!
Der nächste Schritt für Ihre Datenplattform
Wenn Sie aktuell prüfen, wie Ihre Databricks-Lakehouse-Architektur zukunftsfähig aufgestellt werden kann, ist ein kurzes Orientierungsgespräch oft hilfreicher als stundenlage Recherche.
In diesem Gespräch klären wir:
- wie Ihre Datenplattform strukturiert ist
- wo Reibung oder strukturelle Engpässe entstehen
- ob DSX Lakehouse für Sie der passende Ansatz ist