Dashboards in Databricks – Metric Views für konsistente Business KPIs

Dashboards sind häufig der letzte Schritt in einer langen Datenpipeline und gleichzeitig der Teil, den Fachbereiche, Management und Endanwender am meisten wahrnehmen. Hier entscheidet sich, ob Daten zu klaren, vertrauenswürdigen Business-Insights werden oder ob Diskussionen über Zahlen, Definitionen und Abweichungen den eigentlichen Mehrwert überlagern.

Gerade in datengetriebenen Organisationen ist das eine zentrale Herausforderung:
Unterschiedliche Dashboards zeigen unterschiedliche Werte für dieselbe Kennzahl. KPI-Logik wird in einzelnen Reports dupliziert und weiterentwickelt und mit jeder neuen Auswertung wächst das Risiko inkonsistenter Business-Entscheidungen.

Mit den AI/BI Dashboards in Databricks und der Einführung von Metric Views adressiert Databricks genau dieses Problem. Dashboards werden nicht mehr nur als reine Visualisierung verstanden, sondern als Teil eines semantisch sauberen, Data Governance Analytics-Stacks. Kennzahlen werden zentral definiert, versioniert und kontrolliert und anschließend konsistent in allen Dashboards, Reports und AI-gestützten Abfragen genutzt.

In diesem Blog-Post schauen wir uns an:

• wie Dashboards heute in Databricks aufgebaut sind,

• welche Neuerungen das AI/BI-Ökosystem im letzten Jahr stark weiterentwickelt haben,

• und warum Metric Views der Schlüssel zu konsistenten Business KPIs sind.

Gerne empfehlen wir auch unseren Blogbeitrag „Enterprise Databricks vs. SAP Databricks: die wichtigsten Unterschiede“. Dort beleuchten wir die Unterschiede zwischen der Enterprise-Variante von Databricks und SAP Databricks und zeigen, welche Option sich für welche strategischen Anforderungen eignet.

Die wichtigsten Neuerungen im Databricks Dashboard-Ökosystem

Die folgenden Punkte stellen eine Auswahl der wichtigsten und praxisrelevantesten Neuerungen dar. Das AI/BI-Ökosystem rund um Databricks entwickelt sich sehr dynamisch - viele weitere Features sind verfügbar oder im Preview.

Modernes BI – viele bekannte Funktionen, nativ im Lakehouse

Viele Funktionen, die man aus etablierten BI-Tools kennt, sind inzwischen direkt in Databricks Dashboards integriert:

Theme Anpassung

Dashboards können im Corporate Design gestaltet werden – inklusive Farben, Layout-Standards und konsistenter Visualisierung. Der bei vielen beliebte Dark Mode ist auch vorhanden.

Praxisbeispiel: 

Ein zentrales BI-Team definiert ein Standard-Theme, sodass alle Fachbereiche Dashboards erstellen, die sofort unternehmensweit wiedererkennbar sind. 

Globale Dashboard-Filter 

Filter wirken über mehrere Seiten hinweg oder lassen Visualisierungen interaktiv miteinander reagieren. Pivot Tables unterstützen nun Cross-Filtering: Nutzer können direkt auf Werte innerhalb der Pivot-Tabelle klicken, wodurch automatisch andere Visualisierungen im Dashboard entsprechend gefiltert werden. Dadurch wird die Analyse deutlich interaktiver und ermöglicht eine intuitive Navigation.

Drill-Through Navigation

Von einer KPI direkt in die Detailanalyse springen - inklusive übernommener Filterkontexte.

Beispiel: Ein Produktionsverantwortlicher klickt auf eine auffällige Kennzahl und landet direkt in der Detailansicht einer bestimmten Produktionslinie oder Maschine.

Forecasting in Line Charts
KI-gestützte Prognosen lassen sich direkt in Zeitreihenvisualisierungen integrieren.

Sehen Sie sich die Aufzeichnung unseres Webinars an: "Bridging Business and Analytics: The Plug-and-Play Future of Data Platforms"

Sicherheit & Governance – automatisch mitgedacht

Ein zentraler Unterschied zu vielen klassischen BI-Architekturen liegt in der durchgängigen Governance-Integration. Während in traditionellen Setups Sicherheitslogik häufig im BI-Tool separat nachgebaut werden muss, greifen Databricks Dashboards direkt auf Daten zu, die im Unity Catalog verwaltet werden.

Das bedeutet konkret:

• Row-Level Security (RLS) wird direkt auf Tabellen- oder View-Ebene definiert

• Column-Level Security (CLS) schützt sensible Spalten wie Margen, Personaldaten oder vertrauliche KPIs

• Rollen- und Berechtigungskonzepte sind konsistent über SQL, Dashboards, AI-Abfragen und Datenpipelines hinweg

Technisch betrachtet werden Berechtigungen nicht im Dashboard modelliert, sondern im zentralen Metadaten- und Governance-Layer. Dashboards „erben“ diese Logik automatisch.

Das reduziert:

• redundante Sicherheitskonfigurationen

• Inkonsistenzen zwischen Reports

• das Risiko unbeabsichtigter Datenfreigaben

Zugriff auf Databricks wird nicht nach Anzahl der Nutzer lizenziert, sodass Dashboards mit geringen Kosten auch für große Personengruppen freigegeben werden können.

Collaboration & Distribution – Dashboards als operatives Werkzeug

Moderne Dashboards sind nicht nur Analyseoberflächen, sondern zentrale Kommunikations- und Steuerungsinstrumente.

Databricks unterstützt dies auf mehreren Ebenen:

Sharing & Integration

Ein Dashboard entfaltet seinen Mehrwert erst dann vollständig, wenn es dort verfügbar ist, wo Entscheidungen getroffen werden. Genau hier bietet Databricks inzwischen sehr flexible Möglichkeiten.

• Dashboards können sicher geteilt werden

Dashboards können gezielt mit einzelnen Nutzern oder Gruppen geteilt werden - inklusive rollenbasierter Zugriffskontrolle. Dabei greifen weiterhin die im Lakehouse definierten Row- und Column-Level-Sicherheitsregeln. Das bedeutet: Auch bei geteilten Dashboards sieht jede Person ausschließlich die Daten, für die sie berechtigt ist.

• iFrame-kompatible Einbindung

Für viele Unternehmen ist entscheidend, dass Dashboards nicht isoliert im BI-Tool konsumiert werden, sondern in bestehende Systeme eingebettet werden können - etwa im Intranet, in Fachportalen oder in internen Applikationen.Durch iFrame-Unterstützung lassen sich Databricks-Dashboards in solche Umgebungen integrieren, ohne dass eine separate Datenkopie oder ein zusätzliches Reporting-System notwendig ist.

Schedule & Subscriptions

Dashboards lassen sich zeitgesteuert ausführen und automatisch verteilen. Darüber hinaus möchte oder kann sich nicht jeder Nutzer aktiv in ein Dashboard einloggen. Deshalb spielen Automatisierung und Distribution eine zentrale Rolle.

• Zeitgesteuerte Ausführung (Scheduling)

Dashboards können in definierten Intervallen automatisch aktualisiert werden – beispielsweise täglich, wöchentlich oder monatlich. So wird sichergestellt, dass Reports regelmäßig aktualisiert und verteilt werden, ohne manuelle Prozesse.

• E-Mail-Versand mit eingebetteten Visualisierungen

Abonnenten erhalten automatisierte E-Mails, die Visualisierungen direkt eingebettet enthalten. Führungskräfte sehen so die wichtigsten KPIs unmittelbar im Posteingang - ohne zusätzlichen Klick oder Login.

• Veröffentlichung in Microsoft Teams-Kanälen

In vielen Organisationen ist Microsoft Teams zentraler Kommunikationskanal. Dashboards oder geplante Reports können automatisiert in Teams-Kanälen veröffentlicht werden.

Metric Views – das semantische Fundament konsistenter Dashboards

Mit all den neuen Möglichkeiten im Dashboarding stellt sich eine zentrale Frage:

“Wie stellen wir sicher, dass jede Kennzahl in jedem Dashboard exakt gleich berechnet wird – unabhängig davon, wer es gebaut hat?”

Genau hier setzen aus unserer Sicht Metric Views an.

Metric Views in Databricks bilden eine semantische Schicht über euren Daten. Sie definieren Business-KPIs zentral, dokumentieren deren Logik und machen sie organisationsweit wiederverwendbar. Statt Berechnungen in jedem Dashboard erneut zu implementieren, wird die fachliche Definition einmal sauber modelliert und anschließend überall genutzt.

Gerade bei komplexeren Kennzahlen führt eine falsch gewählte Aggregation schnell zu inkonsistenten Ergebnissen. Wird beispielsweise ein Durchschnitt erneut aggregiert oder eine Quote auf falscher Granularität berechnet, entstehen fachlich falsche Aussagen, obwohl technisch „alles funktioniert“.

Metric Views definieren explizit:

• welche Aggregationsfunktion gültig ist,

• auf welcher Granularität eine Metrik korrekt berechnet wird

• und mit welchen Dimensionen sie sinnvoll kombiniert werden darf.

Dadurch wird verhindert, dass Kennzahlen im Dashboard unabsichtlich auf einer falschen Ebene berechnet oder verfälscht werden. Die semantische Logik liegt nicht mehr im Visualisierungstool, sondern in einer kontrollierten, zentralen Schicht.

Man kann sie sich als verbindlichen KPI-Vertrag zwischen Data-Team und Fachbereich vorstellen.

Metric Views sorgen dafür, dass Abfragen strukturiert und zielgerichtet ausgeführt werden. Statt komplette Faktentabellen mit allen Spalten zu scannen und Berechnungen ad hoc im Dashboard vorzunehmen, greift die Engine auf klar definierte Metriken zurück.

Technisch bedeutet das:

• Es werden nur die tatsächlich benötigten Spalten berücksichtigt.

• Es wird nur die relevante Granularität abgefragt.

Databricks One – der Zugangspunkt für Business-User

Nachdem wir uns mit Dashboards und der Bedeutung von Metric Views beschäftigt haben, stellt sich die Frage:

 “Für wen sind diese Dashboards eigentlich gedacht und wie werden sie konsumiert?” 

Genau hier kommt Databricks One ins Spiel.

Databricks One ist eine völlig neue, businessorientierte Benutzeroberfläche, die speziell dafür entwickelt wurde, Databricks-Funktionen für nicht-technische Anwender zugänglich zu machen. Statt in eine technische Umgebung mit Clustern, Notebooks oder SQL-Editoren einzusteigen, bietet Databricks One einen einfachen, intuitiven Einstiegspunkt zur Interaktion mit Daten und KI-Tools im Unternehmen. 

Viele Business-User fühlen sich von traditionellen Datenplattform-UIs überfordert, weil sie technische Konzepte enthalten, die für ihre tägliche Arbeit irrelevant sind. Databricks One schließt genau diese Lücke:

• Es zentralisiert Analytics, Dashboards und KI-Interaktionen an einem Ort.

• Es entfernt technisches Gewicht, sodass Anwender direkt dort landen, wo der Mehrwert liegt: bei den Insights.

Die Oberfläche von Databricks One ist bewusst schlank und fokussiert. Anwender sehen nach dem Login nur das, was für sie relevant ist. Das ermöglicht einen sofortigen Einstieg in wertschöpfende Analysen.

Fazit – Unsere Perspektive auf modernes Dashboarding in Databricks

Wir sind überzeugt: Der größte Mehrwert entsteht nicht durch ein einzelnes Feature, sondern durch das Zusammenspiel der Komponenten auf einer Plattform.

Mit Databricks sehen wir einen klaren architektonischen Vorteil:
Daten, Governance, KPI-Logik, Dashboards und KI-gestützte Analyse greifen ineinander – ohne Toolbrüche, ohne doppelte Sicherheitslogiken, ohne parallele Semantic Layer.

Aus unserer Sicht liegen die entscheidenden Vorteile in vier Punkten:

1. Alles in einer Plattform
Dashboards greifen direkt auf das Lakehouse zu, während Governance und Sicherheitslogik zentral gesteuert werden. Unterschiedliche Benutzeroberflächen - vom technischen Workspace bis hin zu Databricks One - ermöglichen es, verschiedene Nutzergruppen gezielt anzusprechen, ohne die Architektur aufzubrechen oder zusätzliche Systemkomplexität zu erzeugen.

2. Business-Logik gehört in Metric Views
Wir erleben häufig, dass KPI-Definitionen in BI-Frontends verteilt und individuell umgesetzt werden. Metric Views schaffen hier Klarheit. Kennzahlen werden zentral definiert, versioniert und wiederverwendet. Das erhöht Konsistenz, reduziert Diskussionen über Zahlen und schafft Vertrauen - insbesondere dann, wenn KI-Funktionen oder Natural-Language-Abfragen genutzt werden.

3. Low Code reicht oft aus
Nicht jeder Nutzer ist Data Engineer oder Analyst und das sollte auch nicht die Erwartung sein. Die visuelle Erstellung von Dashboards, reduzierte Oberflächen und integrierte KI-Funktionen ermöglichen es Fachbereichen, Analysen eigenständig zu validieren.

Mit Databricks One geht Databricks noch einen Schritt weiter:
Management- und Business-User erhalten eine bewusst schlanke, fokussierte Oberfläche. Keine technischen Menüs, keine Notebook-Strukturen, keine unnötige Komplexität, sondern ein klarer Zugang zu Dashboards, KPIs und KI-gestützten Analysen.

Wir sehen darin einen entscheidenden Erfolgsfaktor:
Führungskräfte können sich vollständig auf Inhalte und Entscheidungen konzentrieren. Gleichzeitig bleibt die Daten- und Governance-Logik im Hintergrund sauber zentralisiert.

4. Governance ist integraler Bestandteil
Row-Level- und Column-Level-Security greifen direkt im Lakehouse und nicht im Frontend. Das sorgt für Konsistenz, Auditierbarkeit und Sicherheit, gerade in regulierten Branchen.

Gleichzeitig sind wir realistisch:
In der Praxis beschränkt sich eine BI- oder IT-Architektur selten auf nur ein Tool. Bei nahezu jedem Kunden sehen wir mit der Zeit wachsende Landschaften mit mehreren ERP- und Steuerungssystemen, unterschiedlichen DWH-Ansätzen und verschiedenen Frontend-Tools. Databricks ist daher nicht zwangsläufig ein Ersatz für alles Bestehende, sondern oft ein strategischer, integrativer Baustein innerhalb einer größeren Datenstrategie.

Unser Ansatz ist daher nicht „Tool ersetzen um jeden Preis“, sondern gemeinsam zu prüfen:

• Wo schafft Databricks echten Mehrwert?

• Wo vereinfacht es Architektur und Governance?

• Wo kann Dashboarding konsolidiert oder KI sinnvoll integriert werden?

Wenn Sie Sich fragen, wie Databricks Dashboarding oder Databricks generell in Ihre bestehende Datenstrategie passt, sprechen Sie uns gerne an. Wir unterstützen Sie dabei, eine realistische und nachhaltige Zielarchitektur zu entwickeln.