Direkt zum Hauptinhalt

Databricks Assistant

Your context-aware AI assistant

Databricks Assistant

Daten- und KI-Projekte schneller erstellen

Mit Databricks Assistant können Sie Daten über eine dialogorientierte Oberfläche abfragen und dadurch Ihre Produktivität in Databricks steigern. Beschreiben Sie Ihre Aufgabe in englischer Sprache und lassen Sie Assistant SQL-Abfragen erstellen, komplexen Code erläutern und Fehler automatisch beheben. Mithilfe von Unity Catalog-Metadaten erfasst Assistant unternehmensweit Tabellen, Spalten, Beschreibungen und häufig verwendete Datenbestände und liefert Ihnen so maßgeschneiderte Antworten.

generate code

SQL- oder Python-Code generieren

Databricks Assistant ist nativer Bestandteil aller Bearbeitungsoberflächen in Databricks. Je nach Bearbeitungsoberfläche (Notebooks, SQL-Editor oder Datei-Editor) wird die entsprechende SQL-Abfrage oder Python-Code zurückgegeben. Assistant hilft Ihnen, Boilerplate-Code zu erstellen, oder stellt Basiscodes als Einstiegspunkt bereit und unterstützt Sie so bei der schnelleren Umsetzung Ihrer Projekte. Sie können den Code dann ausführen, ihn kopieren oder zur weiteren Bearbeitung in eine neue Zelle übertragen.

explain code

Code und Abfragen erläutern

Databricks Assistant kann komplexe Codeabschnitte oder Abfragen in klarer und verständlicher Sprache beschreiben. So verstehen Sie besser, wie bestimmte Projekte umgesetzt werden, mit denen Sie noch nicht vertraut sind, und können sich schneller einarbeiten.

fix issues

Probleme beheben

Databricks Assistant erkennt Fehler in Ihrem Code und empfiehlt entsprechende Korrekturen. Wenn Sie auf Probleme wie Syntaxfehler stoßen, erläutert Assistant die Ursache und erstellt einen Codeausschnitt mit einem Lösungsvorschlag. Sie können den geänderten Code dann direkt in Ihren Editor einfügen und ihn erneut ausführen.

Get contextual responses

Kontextbezogene und maßgeschneiderte Antworten erhalten

Databricks Assistant verwendet eine Reihe von Signalen, um korrekte und relevante Ergebnisse zu liefern. Als Kontext werden Codezellen, Bibliotheken, beliebte Tabellen, Unity Catalog-Schemata und Tags genutzt, um in natürlicher Sprache formulierte Fragen in Abfragen und Code umzusetzen.

Zu einem späteren Zeitpunkt werden wir eine LakehouseIQ-Integration ergänzen, um noch mehr Kontext für Ihre Anfragen zu liefern.

Mehr Informationen

Data Engineering

Data Science

KI und ML

Data Governance

Data-Warehousing

Datenstreaming

Ready to get started?