Konzeptkarte

Databricks Mosaic AI Agent Framework

Stand 2026-07-24T14:00:00Z

Redaktion: Cédric-Olivier Mâry, alleiniger Redakteur und verantwortlich für die Veröffentlichung — 27 Jahre im SAP-Ökosystem. Wie diese Seiten entstehen und wo Automatisierung eingesetzt wird.

Was ist Databricks Mosaic AI Agent Framework?

Das Mosaic AI Agent Framework ist nur dann die natürliche Heimat für einen Agenten, wenn dieser in derselben Reasoning-Schleife Delta-Tabellen lesen, ML-Modelle aufrufen oder Vector Search abfragen muss — andernfalls ist eine direkte LangChain-Chain günstiger.

Databricks Mosaic AI Agent Framework ist die native Agenten-Bau-Laufzeitumgebung der Databricks Intelligence Platform: ein Gerüst zum Konstruieren, Evaluieren, Bereitstellen und Governen mehrstufiger KI-Agenten, die Tool-Aufrufe, Retrieval, Sprachmodell-Reasoning und direkte Datenabfragen aneinanderreihen — alles innerhalb eines Workspace, in dem der eigene Catalog der Plattform Lineage, Zugriffskontrolle und Audit-Trails für jede Tabelle, jedes Modell und jede Funktion governt, die der Agent berührt. Das Wertversprechen des Frameworks ist eng und konkret: Es ist die richtige Heimat für einen Agenten, dessen Reasoning-Schleife Delta-Lake-Tabellen lesen, bereits im Workspace registrierte ML-Modelle aufrufen oder einen Vector-Index abfragen muss, ohne diese Daten oder Modelle zuvor woanders hin zu kopieren.

Die drei Säulen, die es zu einer Plattform statt einer Bibliothek machen

Die erste Säule ist die tiefe Integration mit der Experiment-Tracking-Schicht des Workspace: Jeder Agent wird mit einer typisierten Eingabe- und Ausgabesignatur registriert, genau wie jedes andere Modellartefakt, was es möglich macht, reproduzierbare Evaluierungsläufe durchzuführen, Versionen nebeneinander zu vergleichen und eine Produktionsentscheidung bis zu den Trainings- oder Konfigurationsdaten zurückzuverfolgen, die sie geprägt haben. Das ist kein kosmetisches Detail — es ist das, was „der Agent hat sich bei dieser Anfrage seltsam verhalten“ von einer unbeantwortbaren zu einer nachvollziehbaren Frage macht.

Warum es zählt

Unity-Catalog-Funktionen governen den Tool-Zugriff auf dieselbe Weise, wie sie Notebooks und Delta-Tabellen governen, sodass Agenten-Berechtigungen automatisch die bestehende Daten-Governance erben.
Das Mosaic AI Gateway lässt Agenten-Endpunkte wie gewöhnliche REST-APIs aussehen, sodass BDC Connect oder SAP AI Core sie aufrufen können, ohne die interne Topologie zu kennen.
Für prozessbewusstes SAP-Reasoning ist die korrekte Architektur Joule Agent als Orchestrator, der einen Mosaic-Agenten als spezialisiertes Tool aufruft — nicht Joule zu ersetzen.

Kernpunkte

Databricks Mosaic AI Agent Framework ist erst dann beherrscht, wenn es eine konkret benannte Käuferentscheidung verändert.
Beginnen Sie mit dem semantischen Vertrag und dem Kontrollmodell, bevor Sie das Werkzeug vorführen.
Nutzen Sie aktuelle Signale von SAP, Analysten, Studien, dem Knowledge Graph und Nachrichten als Beleg, nicht als Dekoration.
Trennen Sie verifizierte Fakten von richtungsweisenden Trends und modellierten Annahmen.
Legen Sie Owner, Metrik, Schwellenwert, Support-Pfad und Rollback fest, bevor skaliert wird.
Messen Sie bei KI-Anwendungsfällen Zuverlässigkeit, Kosten, Latenz, Sicherheit und menschliche Validierung.
Hinterlassen Sie ein wiederverwendbares Betriebs-Asset: Memo, Checkliste, Kontrolltabelle und Ausnahmeprotokoll.
Eine erstklassige Antwort ist kurz, macht Kompromisse explizit und ist in einem Lenkungsausschuss verteidigungsfähig.

Begriffe auf dieser Seite

Decision owner: Die verantwortliche Person, die den Kompromiss akzeptiert und die nächste Maßnahme finanziert.
Semantic contract: Die gemeinsame Definition von Geschäftsbegriffen, Kennzahlen, Entitäten und Zugriffsregeln, die von Tools und Teams verwendet wird.
Control plane: Die Schicht, die Policy, Zugriff, Lineage, Monitoring und Eskalation über das Betriebsmodell hinweg durchsetzt.
Evidence grade: Eine Kennzeichnung, die verifizierten Fakt, richtungsweisendes Signal, modellierte Annahme und Feldbeobachtung voneinander trennt.
Adoption metric: Das messbare Verhalten, das belegt, dass das Konzept die tatsächliche Arbeit nach dem Go-Live verändert hat.
Agent reliability: Die Konsistenz, Kosten, Sicherheit und Policy-Konformität eines Agenten über wiederholte Läufe hinweg.

Quellen

Vollständige Karte für Mitglieder. Was die vollständige Karte ergänzt: den vollständigen Entscheidungsrahmen · den Vergleich SAP · Snowflake · Databricks · Fabric · die häufigen Fallstricke und ihre Behebung · die Kurzreferenz · die Architekturschemata · die Codeblöcke · die zitierfähigen Kennzahlen.

In der App öffnen →