dbt Labs: KI-Agenten könnten der Semantic Layer endlich zum Durchbruch verhelfen

Warum die erste Welle ins Stocken geriet

Mandell beschrieb die erste Welle der Semantic Layer vor rund fünf Jahren als den Versuch, Metriken als Code zu definieren. Die Idee: Die Logik der Metriken an einer zentralen Stelle bündeln und sie an jedes nachgelagerte BI-Tool ausliefern, sodass niemand den Umsatz auf zwei verschiedene Arten berechnet.

Laut Mandell kam diese Welle aus drei Gründen meist nicht in der Produktion an:

• Der gelieferte Mehrwert war der Status quo: dieselben Dashboards, nur sorgfältiger erstellt.
• Eine gemeinsame Semantic Layer in bestehende BI-Tools zu integrieren, war tatsächlich schwierig.
• Semantische Modellierung, also das Denken in Entitäten, Primärschlüsseln und Join-Pfaden, war für Analytics Engineers ungewohnt, deren Werkzeuge all das bisher wegabstrahiert hatten.

Agenten verändern den Nutzen und verschärfen das Vertrauensproblem

Neu ist laut Mandell der Nutzen, der auf dem Tisch liegt. Agenten könnten „einen unermüdlichen Analysten in Reichweite jedes Mitarbeiters im Unternehmen“ bringen, und die Nutzung des dbt MCP Servers verdopple sich von Quartal zu Quartal, vor allem getrieben von Anwendungsfällen für dialogbasierte Analysen.

Dieser Wandel schafft zugleich ein Vertrauensproblem. Mandell nutzte dafür eine Wahrscheinlichkeitsübung: Steph Curry trifft Freiwürfe in seiner Karriere mit einer Quote von 92,3 Prozent, also in mehr als neun von zehn Fällen. Dennoch liegt die Wahrscheinlichkeit, zehn Freiwürfe in Folge zu treffen, nur bei etwa 45 Prozent, also unter einem Münzwurf. Dieselbe Rechnung gilt für einen Agenten, der eine Business-Frage über eine Kette von Schritten beantwortet, etwa die richtige Tabelle, die richtige Spalte und die richtige Aggregation zu finden. Selbst eine hohe Erfolgsquote pro Schritt sinkt über eine mehrstufige Kette schnell, und bessere Modelle allein werden das nach Mandells Einschätzung nicht lösen.

Vier Bedingungen für eine zweite Welle

Mandell nannte vier Voraussetzungen, die aus seiner Sicht erfüllt sein müssen, damit die zweite Welle gelingt.

• Die Integrationslücke schließen. Statt BI-Tools nur über individuelle Konnektoren anzubinden, arbeitet dbt an dem, was er „Semantic SQL“ nannte: einer nativen SQL-Schnittstelle, über die ein BI-Tool den dbt Semantic Layer so abfragen kann, als würde es direkt eine Datenbank ansprechen. Bei Bedarf sollen weiterhin beliebige SQL-Joins mit nicht governten Ad-hoc-Tabellen möglich sein.
• Semantik weiter nach vorn verlagern. Semantik in die Transformationsschicht zu bringen, könnte bei der Voraggregation helfen und dabei, Metriken als Dimensionen in Modellen nach Art einer Customer-360-Sicht zu nutzen. Mandell sagte, manche Unternehmen, mit denen er gesprochen habe, gäben 30 bis 40 Prozent ihrer Warehouse-Rechnung für Materialisierungen aus, um Latenzziele zu erreichen. Diese Kosten könne dbt seiner Ansicht nach senken helfen.
• Ein deterministisches Rückgrat für eine Context Layer. Die Semantic Layer würde Teil einer umfassenderen „Context Layer“, die auch unstrukturierte Daten wie Tickets, Dokumente und Anrufe abdeckt. Mandell argumentierte, Agenten argumentierten verlässlicher, wenn zentrale Entitäten und Beziehungen bereits definiert seien, statt aus Rohtabellen abgeleitet zu werden.
• Konfigurierbarkeit und Zugriffskontrolle. Agenten sollten nur den Ausschnitt des Kontexts sehen, den ein bestimmter Workflow benötigt, und es sollte Observability darüber geben, auf welche Daten ein Agent tatsächlich zugegriffen hat. Diese Kombination ermögliche ein höheres Maß an Vertrauen, so Mandell.

Standards, Saved Queries und offene Fragen

In der Fragerunde sagte Mandell, dbt bleibe aktives Mitglied der Initiative Open Semantic Interchange (OSI) und könne MetricFlow-Definitionen als OSI-Dokument exportieren, damit sie an anderer Stelle genutzt werden können. Er räumte ein, dass das Ökosystem noch nicht geklärt habe, wie viel Genauigkeit bei der Umwandlung zwischen verschiedenen Spezifikationen für Semantic Layer erhalten bleibt.

Auf die Frage, ob eine native SQL-Schnittstelle die Saved-Queries-Funktion von dbt ersetzen könnte, antwortete er mit Nein. Saved Queries drehten sich eher um die Materialisierung von Aggregationen, was er als ein anderes Problem beschrieb. Außerdem verwies er auf einen öffentlichen Beitrag von Anthropic, der argumentiert, eine Semantic Layer oder ein Knowledge Graph solle von Menschen kuratiert und nicht von KI angestoßen werden. Das sei relevant dafür, wie Organisationen bei der Semantik zusammenarbeiten sollten.

Was das für Datenteams bedeutet

Für Teams, die vor einigen Jahren eine Headless Semantic Layer ausprobiert und wieder aufgegeben haben, lautet das Versprechen, dass der Nutzen heute ein anderer ist: governte Definitionen, auf die sich Agenten verlassen können, statt derselben Dashboards. Mandell lud die Teilnehmer abschließend zu einem Roundtable mit dem dbt-Produktteam am selben Tag ein, in dem es um zwei offene Fragen ging: wie eine Semantic Layer erstellt und wie sie ausgeliefert werden sollte. Diskutiert wurde auch, was Teams davon abhält, den dbt Semantic Layer oder andere Headless Semantic Layer einzusetzen.

Die Session ist Teil des dbt Summit 2026, und laut dbt sind alle Keynotes und Breakout-Sessions auf Abruf verfügbar.