Databricks startet Predictive AI Functions als Beta

Databricks startet Predictive AI Functions als Beta: vier neue SQL-Funktionen für Prognose und Anomalieerkennung

Databricks hat die Predictive AI Functions angekündigt. Laut Databricks-Blog befinden sie sich derzeit in der Beta. Das Paket umfasst fünf Funktionen. ai_forecast prognostiziert eine Zeitreihe. ai_top_drivers ermittelt die Segmente, die eine Veränderung einer Kennzahl am stärksten getrieben haben. ai_detect_anomalies markiert Ausreißer in zeitbezogenen Daten. ai_predict_value sagt kontinuierliche Werte voraus (Regression), ai_predict_class kategoriale Werte (Klassifikation).

Neu sind davon vier Funktionen. Ausgenommen ist ai_forecast, die es bereits gab. Sie wurde nach Angaben des Herstellers in der Genauigkeit verbessert.

Adressiert sind laut Databricks Analysten und Fachanwender ohne Zugang zu einem Data-Science-Team. Sie können die Funktionen direkt in SQL aufrufen, in Genie per Frage in natürlicher Sprache nutzen oder in Dashboards einbetten. Databricks pflegt die Modelle nach eigener Darstellung zentral. Kunden müssen deshalb laut Hersteller keine eigene Modell-Infrastruktur betreiben.

ai_forecast Version 2: Feiertage, Kovariaten und nicht-negative Prognosen, mit Voraussetzungen

Laut Dokumentation ist ai_forecast eine tabellenwertige Funktion für Databricks SQL und existiert in zwei Versionen. Version 2 beruht auf einem Zeitreihen-Foundation-Modell. Drei Optionen kommen hinzu. holiday_region bezieht Feiertage ein. covariate_col nimmt externe Einflussgrößen auf, ausdrücklich auch solche, die nur für die Vergangenheit vorliegen. positive_only erzwingt nicht-negative Werte. Das Argument version steuert, welche Version läuft. Wer Version 2 nutzen will, übergibt version => '2'. Databricks empfiehlt Version 2.

Voraussetzung ist ein Pro- oder Serverless-SQL-Warehouse. Zusätzlich muss der Workspace für die Predictive-AI-Functions-Preview angemeldet sein. Die Dokumentation nennt diesen Schritt zwingend. Er liegt damit bei den Workspace-Admins. Ohne ihn lässt sich die empfohlene Version nicht nutzen.

Was Databricks verspricht und was bislang nicht belegt ist

Die zentralen Leistungsversprechen stammen vom Hersteller. Laut Databricks stützen sich die Funktionen auf „state-of-the-art ML models“ und liefern „high-quality, consistent answers“. Das Zeitreihenmodell von Version 2 bezeichnet das Unternehmen als „research-optimized“. Es soll die Genauigkeit ohne Feinabstimmung verbessern. Außerdem sollen die Funktionen den Engpass beseitigen, dass Fachanwender auf Data-Science-Teams warten.

Belegt ist davon bislang nichts. Das vorliegende Material enthält weder Fehlermetriken noch unabhängige Benchmarks oder Anwenderberichte. Zahlen zur Verbesserung gegenüber Version 1 fehlen ebenfalls. Eine Einordnung gegenüber früheren Berichten ist mangels Archiv nicht möglich. Prüfen lässt sich der Anspruch durch Backtests auf eigenen Zeitreihen oder durch veröffentlichte Metriken von Version 2 im Vergleich zu Version 1.