Halluzination, RAG, Agenten, Harness, diese Begriffe tauchen in jedem KI-Gespräch auf.

Das Problem: Kaum jemand meint dasselbe damit.

Wenn zwei Seiten im Projekt aneinander vorbeireden, scheitert es nicht am Code, sondern am Gespräch.

Patrick Steiner und Thomas Hass nehmen das Vokabular auseinander, das gerade durch jedes Enterprise-KI-Projekt spukt, am Beispiel eines Data-Engineering-Copiloten, der nicht nur in der Demo funktioniert.

Für Entscheider und alle, die den Agenten wirklich bauen.

AI Readiness in Unternehmen – Let the Data Flow!

Warum scheitern so viele ambitionierte KI-Projekte? Oft liegt es an isolierten Datensilos und starren Bürokratie-Prozessen. In dieser Folge des Databricks Deutschland Podcasts sprechen Patrick und Data & AI Architektur-Experte Xiaofeng (Steve) über das entscheidende Motto für eine erfolgreiche KI-Strategie: „Let the data flow!“.

Die Highlights der Folge:

• Der Paradigmenwechsel: Warum Daten standardmäßig frei zugänglich sein sollten, um die Innovationskraft im Unternehmen zu entfesseln.
• Freiheit statt Bürokratie: Wie Entwickler durch die freie Tool-Wahl (z.B. Claude Code, Databricks AI-Dev-Kit) Arbeitstage auf wenige Stunden verkürzen.
• Sichere Leitplanken: Wie Unity Catalog und AI Gateway für volle Governance sorgen, ohne den Datenfluss zu blockieren.
• KI-Agenten als Multiplikatoren: Wie Agent Bricks helfen, Prozesse zu automatisieren und den Menschen den Fokus auf Strategie und Kreativität zurückgeben.

Egal ob Data Engineer oder IT-Entscheider – erfahre, wie du die Reibung aus dem Informationsfluss nimmst und echte "AI Readiness" erreichst

Stell dir vor: Die Plattform läuft. Uptime bei 99,97 %. Keine ungeplanten Ausfälle. Das Team ist stolz und zu Recht. Und trotzdem nutzt keine einzige Fachabteilung sie produktiv. Warum schöpfen so viele Datenplattformen nicht ihr volles Potential aus, obwohl die Technik einwandfrei funktioniert? Das ist die Frage in dieser Solo-Episode.

Patrick Steiner, ehemals Pivotal Software und VMware Tanzu, heute Senior Manager Solution Engineering bei Databricks Deutschland, kennt dieses Muster aus jahrelanger Praxis. Nicht aus Büchern. Aus echten Engagements.

In dieser Episode:

• Das mandatory/voluntary-Reframe: Warum Datenplattformen zwei grundverschiedene Schichten brauchen, einen Governance Core, der nicht verhandelbar ist, und eine Developer Experience Surface, die freiwillig bleiben muss. Und was passiert, wenn man diesen Split nicht bewusst macht.
• Fünf wiederkehrende Muster, die Wirkung kosten: Von Orphaned Workspaces über Governance-Theater bis hin

  zur eigentlichen Wurzel aller anderen: Plattform als Projekt.

• Das richtige Team: Wer welche Rolle übernimmt, Platform PM, Governance Steward, Engineering Lead,

  Platform Champion. Vier bis fünf Personen. Nicht fünfzehn.

• Die Zwei-Tier-Messung: Warum Uptime Pflicht ist, aber nicht die Kür. Und was Use-Case-Velocity als Metrik konkret bedeutet.

"Eine Datenplattform ist kein IT-Projekt — sie ist ein Produkt. Und ein Produkt ohne Verantwortliche ist nur teure Infrastruktur, die darauf wartet, zur Fußnote zu werden."

Wenn euch diese Episode etwas gegeben hat: Abonniert den Podcast und hinterlasst eine Bewertung. Das hilft anderen, die genau diese Frage gerade stellen, uns zu finden.

Wir hören uns beim nächsten Mal. Und denkt daran:

Gute Daten... ...gute Entscheidungen!