Hochwertige Echtzeit-Kundenerlebnisse hängen davon ab, wie schnell und effizient ein Unternehmen Daten erfassen kann. Unternehmen müssen außerdem sicherstellen, dass ihre Daten sauber, vernetzt und von hoher Qualität sind. Der Aufwand, der für überzeugende Kundenerlebnisse erforderlich ist, bleibt jedoch oft sehr technisch, stark manuell und auf verschiedene Tools verteilt – und Mitarbeitende für Datenentwicklung sowie -architektur spüren den Druck, Schritt halten zu müssen.
Viele verbringen unzählige Stunden damit, skalierbare Datenmodelle zu entwerfen, Pipelines für die Erfassung aufzubauen, Transformationslogik zu schreiben, Governance durchzusetzen und auf die Hygiene von Datensätzen zu achten. Diese Workflows sind unverzichtbar, schaffen aber auch Engpässe, die Teams verlangsamen, die auf zeitnahe Daten angewiesen sind, um wirkungsvolle Kampagnen mit hohem Volumen umzusetzen.
Da die Erwartungen steigen und die Zeitpläne schrumpfen, brauchen technische Teams intelligente Systeme, die mehr von dieser operativen Last übernehmen können, damit sie sich auf strategische Initiativen konzentrieren können, die geschäftlichen Mehrwert schaffen. Hier kommt Adobe Data Engineering Agent ins Spiel.
Was ist Data Engineering Agent?
Auf Basis von Adobe Experience Platform Agent Orchestrator wird Data Engineering Agent schon bald Datenzyklen in den Bereichen Entwicklung, Architektur und Nutzung optimieren, etwa in Marketing-Operations. Der Agent wird verschiedene Aufgaben übernehmen können, darunter Daten-Onboarding, SQL-Vorbereitung, Datenerfassung und Fehlerbehebung in Adobe Experience Platform-Anwendungen. Das macht Workflows schneller, verbessert die Datenqualität und reduziert den Bedarf an Spezialwissen. Data Engineering Agent wird auch operative Aufgaben reduzieren, sodass sich Fachleute auf höherwertige Architektur- und Governance-Arbeit konzentrieren können, die Unternehmensziele voranbringt.
Automatisiertes Onboarding komplexer Datensätze.
Bislang ist das Onboarding von Datensätzen wie E-Commerce-Transaktionen, Treueaktivitäten oder Kundenprofilen langsam und fehleranfällig. Fachleute aus der Datenentwicklung müssen unstrukturierte Datenquelle-Dateien bearbeiten, inkonsistente Namenskonventionen abgleichen, mit fehlenden Werten umgehen und komplexe Transformationen erstellen, um alles an das erforderliche Experience Data Model für Adobe-Anwendungen anzupassen. Außerdem ist das Daten-Onboarding manuell und fragmentiert, nimmt viel Zeit in Anspruch und schafft nachgelagerte Verzögerungen, die es im Marketing und bei der Analyse erschweren, auf die für Echtzeit-Aktivierung erforderlichen Daten zuzugreifen.
Data Engineering Agent wird diese Komplexität reduzieren, denn er verkürzt die Datenvorbereitung von Wochen auf Tage. Teams können schon bald neue Daten schnell und sicher in Adobe Experience Platform integrieren, indem sie den Agent durch Datenanalyse, Schemamodellierung, Validierung und Aufnahme in einem sicheren, KI-gestützten Workflow mit menschlicher Kontrolle führen.
Welche Daten-Onboarding-Prozesse kann Data Engineering Agent automatisieren?
Der Agent wird schon bald das komplette Onboarding komplexer Datensätze durch assistierten Dialog automatisieren können. Er übernimmt dann wichtige Workflow-Komponenten und vereinfacht Prozesse deutlich. Dabei stellt er sicher, dass Daten den Adobe-Standards entsprechen, und verkürzt die Zeit bis zur Aktivierung und verbessert die Datenqualität durch:
- Auswahl von Dateien und Entitäten für das Daten-Onboarding aus verschiedenen Quellen wie Amazon S3, Data Landing Zone und Marketo.
- Validierung der Datenqualität und Genehmigung KI-empfohlener Felder für die Schemaerstellung.
- Konfiguration semantischer Anreicherung.
- Erstellung von Schemata, Validierung von Schemamodellen und Korrektur von Mapping-Fehlern durch KI-Automatisierung vor der Veröffentlichung von Schemata.
- Erstellung von Datenflüssen mit dem KI-Assistenten für die Datenaufnahme in Adobe Experience Platform.
Schnelleres Onboarding bedeutet frischere Kundendaten in nachgelagerten Systemen — direkt verwertbar für Echtzeit-Personalisierung, Angebotsoptimierung und Kundenbindung. Durch die Reduzierung manueller Arbeit und technischer Reibung wird Data Engineering Agent nicht nur die Zeit bis zur Aktivierung verkürzen, sondern auch die Qualität und Zuverlässigkeit von Daten verbessern. Marketing- und Analyse-Teams können dann mit den aktuellsten Informationen arbeiten, um echte Geschäftsergebnisse zu fördern: messbare Verbesserung der Kampagnen-Performance, bessere Kundenerlebnisse, höherer ROI und höherer Kundenlebenszeitwert.
Vereinfachte SQL-Datenvorbereitung mit natürlichsprachigen Prompts.
Daten-Teams aus Engineering, Marketing, Produktion und anderen Bereichen sind für die Vorbereitung und Verwaltung enormer Datenmengen in Adobe Experience Platform verantwortlich. SQL-basierte Datenvorbereitung steht im Zentrum dieser Workflows. SQL-Abfragen können jedoch zeitaufwändig, sehr technisch und abhängig von Plattform-Fachleuten sein. Das verlangsamt die Aktivierung und erzeugt Reibung zwischen Fach- und Geschäfts-Teams, die saubere, zuverlässige Daten für effektive Arbeit benötigen.
Mithilfe natürlichsprachiger Prompts über die dialogbasierte Oberfläche des KI-Assistenten von Adobe Experience Platform Agent Orchestrator werden Fachleute und andere Nutzende mit Data Engineering Agent SQL-Aufgaben automatisieren können:
- Erstellung optimierter, Schema-bezogener SQL-Anweisungen und Bereitstellung von Vorschauen vor der Ausführung.
- Überwachung und Fehlerbehebung bei SQL-Jobs, ohne durch die Abfrage-Benutzeroberfläche zu navigieren oder Tools zu wechseln.
- Validierung der Bereitschaft und Qualität von Datensätzen vor der Ausführung von SQL-Jobs.
- Frühzeitige Erkennung von Problemen und assistierte, automatische Fehlerbehebung.
Dies wird dazu beitragen, dass nur saubere, zuverlässige Daten in nachgelagerte Adobe-Anwendungen wie Adobe Real-Time Customer Data Platform (CDP), Adobe Customer Journey Analytics und Adobe Journey Optimizer fließen.
Durch die Automatisierung der SQL-Erstellung, die Optimierung wiederkehrender Aufgaben und das proaktive Erkennen von Fehlern wird Data Engineering Agent den Zugang zu SQL-Funktionen auf nicht-technische Teams erweitern. Dieser Zugang beschleunigt den gesamten Datenaufbereitungszyklus und verkürzt die Zeit bis zu Erkenntnissen in der gesamten Organisation. Teams arbeiten schneller und besser zusammen und erschließen Echtzeit-Use Cases, ohne durch technische Komplexität ausgebremst zu werden.
Optimierte Datenerfassung und Fehlerbehebung.
Expertinnen und Experten für Implementierung und Web-Entwicklung verbringen oft viel Zeit damit herauszufinden, wie Datenerfassungskomponenten für komplexe Use Cases zusammenpassen. Sie springen zwischen Dokumentation, Community-Posts und internen Wikis hin und her und führen oft mehrere Meetings mit funktionsübergreifenden Teams durch, um Anforderungen zu validieren und die Konfiguration abzustimmen. Wenn Probleme auftreten, ist die Fehlerbehebung ebenso mühsam — Nutzende müssen manuell die Datenherkunft über jedes Objekt in der Kette zurückverfolgen und Konfigurationen einzeln überprüfen, um Fehlausrichtungen oder defekte Abhängigkeiten aufzudecken. Dieser gesamte Prozess ist langsam, fragmentiert, stark abhängig von der Verfügbarkeit von Fachpersonal und anfällig für Missverständnisse. Die Folge: verlängerte Implementierungszeiten und verzögerte Problemlösung.
Data Engineering Agent wird bald kontextuelles Produktwissen basierend auf Adobe Experience League, Community-Foren und öffentlicher GitHub-Dokumentation bieten, um zu erklären, wie Datenerfassungskomponenten für jeden Use Case zusammenarbeiten. Diese dialogbasierte Anleitung wird bei der Konfiguration von Datenerfassungsobjekten bereitgestellt werden und bietet betriebliche Erkenntnisse, die Herkunft, Abhängigkeiten und Beziehungen nachvollziehbar machen. Mit kontextuellem, semantischem Verständnis von Objektbeziehungen wird der Agent dabei helfen, Fehlkonfigurationen schnell zu identifizieren, ungenutzte Assets zu erkennen und Grundursachen von Datenproblemen nachzuverfolgen, ohne jede Komponente manuell zu überprüfen.
Das Ergebnis sind schnellere Implementierungszeiten, sauberere Datenerfassung und größeres Vertrauen in die Genauigkeit und Zuverlässigkeit der Daten, die nachgelagerte Anwendungen antreiben – für reibungslosere Aktivierungen und resilientere Kundenerlebnisse.
Die neue Definition von Daten-Engineering mit dialog- und Agent-basierter Intelligenz.
Daten sind das Rückgrat jedes personalisierten Erlebnisses. Mit dem Aufkommen des Agent-basierten Webs können sich Unternehmen langsame, manuelle, fragmentierte Workflows für Daten-Engineering nicht mehr leisten.
Data Engineering Agent wird bald ein neues Betriebsmodell für Adobe Experience Platform und Anwendungen bereitstellen – eines, bei dem komplexe Aufgaben auf Dialog basieren, Datenbereitschaft proaktiv wird und Engineering-Teams in die Lage versetzt werden, Wirkung in viel höherem Tempo zu erzielen. Durch die Optimierung des Onboardings, die Vereinfachung der SQL-Datenvorbereitung und die Sicherstellung von Qualität bei jedem Schritt hilft der Agent dabei, von reaktiver Datenverwaltung zu strategischer Dateninnovation überzugehen.
Mit Data Engineering Agent werden Unternehmen zu schnellerer Aktivierung, höherer Datenintegrität und stärkerer funktionsübergreifender Zusammenarbeit in der Lage sein. Letztendlich bedeutet das bessere Entscheidungen, bessere Erlebnisse und bessere Ergebnisse entlang der gesamten Customer Journey.
Entdeckt, wie Adobe die Zukunft von KI für Unternehmen mitgestaltet, indem es Marketing und Kreativität mit Agent-basierter KI in die Zukunft führt.
Huong Vu ist Senior Product Marketing Managerin für Adobe Experience Platform. Sie konzentriert sich darauf, Go-to-Market-Strategien für innovative Experience Platform- und KI-Funktionen zu entwickeln sowie die Bekanntheit und Akzeptanz der Adobe-Lösungen für Customer-Experience-Orchestrierung voranzutreiben. Huong bringt über fünf Jahre Erfahrung im Produkt- und Marken-Marketing mit. Sie kam 2024 zu Adobe, nachdem sie ihren MBA an der Kellogg School of Management der Northwestern University (USA) erworben hatte.
Empfehlungen für euch.
https://business.adobe.com/fragments/resources/cards/thank-you-collections/generative-ai
