Databricks stellt mit Agent Bricks eine neue Methode zur Erstellung leistungsstarker KI-Agenten vor. Agent Bricks verwendet neuartige Technologien, die von Mosaic AI Research entwickelt wurden, um automatisch domänenspezifische synthetische Daten und aufgabenbezogene Benchmarks zu generieren. Auf der Grundlage dieser Benchmarks optimiert es automatisch Kosten und Qualität und spart so das mühsame Ausprobieren aktueller Ansätze.

Jetzt können Teams von Anfang an Produktionsgenauigkeit und Kosteneffizienz erreichen. Dank integrierter Governance- und unternehmensweiter Kontrollen können Teams schnell vom Konzept zur Produktion übergehen, ohne separate Tools miteinander verbinden zu müssen.

Warum ein neuer Ansatz für Agenten erforderlich ist
Qualität und Kosten sind die größten Hindernisse, die die meisten agentenbasierten Experimente daran hindern, produktionsreife zu erlangen. Ohne eine hochwertige Bewertung müssen die meisten Teams Agenten nach ihrem Bauchgefühl beurteilen, was zu inkonsistenter Qualität und kostspieligen, komplexen Experimenten führt, die sich nicht skalieren lassen.

Die Komplexität der KI, mit ständig neuen Modellen und Techniken, macht die Herausforderung noch größer. Unternehmen benötigen domänenspezifische, wiederholbare, objektive und kontinuierliche Bewertungen, um zuverlässige und kosteneffektive AI Agents bereitstellen zu können.

Außerdem müssen sie in der Lage sein, die neuesten Technologien zu nutzen, ohne ihr Budget zu sprengen und ihr Team umschulen zu müssen. Databricks hat Agent Bricks entwickelt, um diese wichtigen Kundenanforderungen zu erfüllen, die derzeit von der Branche nicht erfüllt werden.

Agent Bricks: AI Agents im Handumdrehen mit Unternehmensdaten erstellen und optimieren
Agent Bricks generiert zunächst automatisch die aufgabenspezifischen Bewertungen und das LLM beurteilt die Qualität. Anschließend werden synthetische Daten erstellt, die den Daten des Kunden ähneln, um das Lernen des Agenten erheblich zu ergänzen. Zuletzt durchsucht Agent Bricks die gesamte Bandbreite an Optimierungstechniken, um den Agenten zu verfeinern.

Am Ende dieses automatisierten Workflows muss das Unternehmen lediglich die Iteration auswählen, die dem von ihm gewünschten Verhältnis zwischen Qualität und Kosten entspricht. Das Ergebnis: ein produktionsreifer, domänenspezifischer AI Agent, der schnell konsistente, intelligente Ergebnisse liefert.

Agent Bricks befasst sich mit mehreren gängigen Anwendungsfällen von Unternehmen aus Schlüsselbranchen:

  • Information Extraction Agent wandelt Dokumente wie E-Mails, PDFs und Berichte in strukturierte Felder wie Namen, Daten und Produktdetails um. Einzelhandelsunternehmen können Produktdetails, Preise und Beschreibungen ganz einfach aus PDF-Dateien von Lieferanten extrahieren, selbst wenn die Dokumente komplex sind oder unterschiedliche Formate haben.

  • Knowledge Assistant Agent löst das Problem vager oder völlig falscher Antworten von Chatbots und liefert schnelle, präzise Antworten, die auf Ihren Unternehmensdaten basieren. Fertigungsunternehmen können ihren Technikern die Möglichkeit geben, sofortige, zitierte Antworten aus SOPs und Wartungshandbüchern zu erhalten, ohne Ordner durchsuchen zu müssen.

  • Multi-Agent Supervisor ermöglicht Teams den Aufbau von Multi-Agenten-Systemen, die Agenten über Genie-Spaces, andere LLM-Agenten und Tools wie MCP nahtlos miteinander verbinden. Finanzdienstleister können mehrere Agenten koordinieren, um Absichtserkennung, Dokumentenabruf und Compliance-Prüfungen durchzuführen und so vollständige, personalisierte Antworten für Berater und Kunden zu erstellen.

  • Custom LLM Agent transformiert Text für benutzerdefinierte Aufgaben wie die Erstellung von Inhalten oder benutzerdefinierten Chats – optimiert für Ihre Branche. Marketingteams können maßgeschneiderte Agenten erstellen, um Marketingtexte, Blogs oder Pressemitteilungen zu generieren, die der Marke ihres Unternehmens entsprechen.

„Agent Bricks ist eine völlig neue Methode zum Erstellen und Bereitstellen von AI Agents, die Unternehmensdaten auswerten können. Zum ersten Mal können Unternehmen mit ihren eigenen Daten schnell und sicher von der Idee zur produktionsreifen KI gelangen und dabei die Kontrolle über Qualität und Kosten behalten“, sagt Ali Ghodsi, CEO und Mitbegründer von Databricks.

„Keine manuelle Feinabstimmung, keine Spekulationen und alle Sicherheits- und Governance-Funktionen, die Databricks zu bieten hat. Das ist der Durchbruch, der AI Agents für Unternehmen endlich praktisch und leistungsstark macht.“

Kundenbeispiele
„Mit Agent Bricks konnten unsere Teams mehr als 400.000 Dokumente aus klinischen Studien analysieren und strukturierte Datenpunkte extrahieren – ohne eine einzige Zeile Code zu schreiben. In weniger als 60 Minuten hatten wir einen funktionierenden Agenten, der komplexe unstrukturierte Daten für die Analyse nutzbar machen kann.“ - Joseph Roemer, Head of Data & AI, Commercial IT bei AstraZeneca.

„Mit Agent Bricks können wir schnell domänenspezifische AI Agents für Aufgaben wie die Gewinnung von Erkenntnissen aus Kundensupport-Anrufen in die Produktion überführen – etwas, das früher wochenlange manuelle Überprüfungen erforderte. Das hat unsere KI-Fähigkeiten im gesamten Unternehmen beschleunigt, uns bei Qualitätsverbesserungen begleitet und kostengünstigere Optionen identifiziert.“ - Chris Nishnick, Director of AI bei Lippert.

„Mit Agent Bricks konnten wir einen kostengünstigen Agenten entwickeln, auf den wir uns in der Produktion verlassen können. Dank einer maßgeschneiderten Bewertung konnten wir einen Agent zur Informationsextraktion entwickeln, der unstrukturierte Gesetzgebungskalender analysiert – und uns so 30 Tage manueller Optimierung durch Ausprobieren erspart.“ - Ryan Jockers, Assistant Director of Reporting and Analytics beim North Dakota University System.

„Mit über 40.000 komplexen Rechtsdokumenten benötigten wir von unserem internen „Regulatory Chat Tool“ höchste Präzision. Agent Bricks hat unsere ursprüngliche Open-Source-Implementierung (basierend auf LangChain) sowohl bei den LLM-as-Judge- als auch bei den menschlichen Bewertungsgenauigkeitsmetriken deutlich übertroffen.“- Joel Wasson, Manager Enterprise Data & Analytics von Hawaiian Electric.

Weitere Beiträge....