HP verkürzt CDP-Einrichtung mit Databricks CustomerLake auf zwei Stunden

Erste Ergebnisse aus dem CustomerLake-Rollout bei HP

Auf dem Data + AI Summit 2026 beschrieb Luis Alonso, Global Head of Data Strategy & Engineering for MarTech & AI Enablement bei HP, wie das Unternehmen auf Databricks ein KI-fähiges Datenfundament für den Go-to-Market aufbaut. Databricks veröffentlichte die Details in einem Blogbeitrag.

Der Beitrag hebt drei Ergebnisse aus HPs ersten Arbeiten hervor:

• Bis zu 40 % geringere CDP-Gesamtbetriebskosten: Diesen Wert schätzt HP im Vergleich zum früheren Composable-CDP-Ansatz.
• 90 % komplett neue Marketingsignale: HP erweiterte die verfügbaren Daten aus Media-, Marken-, Intent- und Technographic-Quellen.
• In zwei Stunden bereit für Zielgruppen: In der ersten Sitzung mit CustomerLake konfigurierte HP Datenmodelle, veröffentlichte Attribute und war bereit, Zielgruppen aufzubauen.

Alonso sagte zu den Erfahrungen: „We had our data models in place, we had attributes published, and we were ready to build audiences“, eine Arbeit, die zuvor womöglich zwei oder drei Monate gedauert hätte.

Laut dem Beitrag ist CustomerLake nativ in Databricks und Unity Catalog integriert. HPs Team konnte daher direkt mit seinen bestehenden Schemas, Tabellen, Definitionen und der vorhandenen Governance arbeiten, statt diesen Kontext in einer separaten Plattform nachzubauen.

Warum HP die klassische CDP neu denkt

HP versteht eine CDP nicht als einzelnes Produkt oder als schmalen Satz von Aktivierungsfunktionen, sondern als Bündel von Fähigkeiten: Strategie für Erst- und Drittanbieterdaten, Account-Profiling und Clustering, Identitäts- und Buying-Group-Intelligence, Zielgruppensegmentierung und -aktivierung, Closed-Loop-Messung sowie dauerhafte Automatisierung und Self-Service.

Je mehr governte Daten und Geschäftslogik HP auf Databricks zusammenführte, desto mehr bedeutete eine separate CDP laut dem Beitrag doppelte Pipelines, doppelte Daten und zusätzlichen Betriebsaufwand. Composable-Architekturen verringerten zwar einen Teil der Datenbewegungen, doch der Aktivierungsschicht fehlten weiterhin die Geschäftsdefinitionen, der Kontext und die Governance, die in der Datenplattform bereits vorhanden sind. Ohne diesen Kontext, so die Argumentation, kann ein KI-Agent zwar auf Daten zugreifen, es fehlen ihm aber die Definitionen, Beziehungen, Kennzahlen und Governance-Regeln, um sie korrekt zu nutzen.

Im Zuge von HPs umfassenderer Datentransformation wurden Hunderte Data Lakes und Repositories in einigen wenigen Databricks-Lakehouses zusammengeführt. Das Unternehmen setzt auf zentrale Standards bei föderierter Umsetzung, sodass Fachexperten Verantwortung und Pflege behalten und zugleich governte Datenprodukte teilen. Alonso schilderte eine Anfrage aus dem Jahr 2024, Daten mit einem Vertriebspartner zu teilen: Sie dauerte drei Monate, umfasste rund 15 E-Mail-Wechsel und drei Eskalationen, ohne verlässliches Ergebnis. Heute kann eine vergleichbare Anfrage innerhalb von 48 Stunden ein governtes Delta-Sharing-Asset hervorbringen.

Genie, semantische Schichten und Identität

HP nutzt AI/BI Genie und agentenbasierte Funktionen, um das Datenfundament für Fachteams nutzbar zu machen, und zwar auf drei Ebenen: Entscheidungsfindung und Planung für Führungskräfte, Insight-Generierung und Aktivierung für Marketer und Analysten sowie Aufbau und Skalierung für Engineers.

Das Unternehmen baut semantische Schichten auf, damit Genie versteht, was seine Daten bedeuten. Ein Beispiel ist eine Media-Metric-View mit 26 Dimensionen und 10 Kennzahlen, die Definitionen für KPIs zu Media-Ausgaben und Performance zentralisiert. Zudem hat HP die Aufnahme von Intent-Daten von 75 Themen auf rund 20.000 Themen ausgeweitet, und Genie Code hilft bei der Planung, wie diese Signale für reichhaltigere Account-Profile geclustert werden.

HP plant außerdem, die Identitätsauflösung zurück in seine Databricks-Umgebung zu holen, statt sie bei einem externen Identity-Provider zu belassen. Laut dem Beitrag würde so eine governte Basis für Messung, Zielgruppenaktivierung und Modellverbesserung entstehen. Alonso merkte an, dass schon die Erreichung von 10 % von HPs Endkundenbasis über diesen einwilligungskonformen Ansatz eine erhebliche neue Chance für das Geschäftskundengeschäft eröffnen könnte.

Dem Beitrag zufolge hat HP Hunderte Millionen Endkunden, aber eine deutlich kleinere bekannte Gruppe an Geschäftskontakten. Mit CustomerLake kann das Unternehmen über eine gemeinsame Identitätsschicht in einer Umgebung sowohl mit B2C- als auch mit B2B-Datenmodellen arbeiten, und mit Lakehouse Federation lassen sich Daten aus anderen Plattformen einbinden.

Was das für andere Unternehmen bedeutet

Databricks ordnet HPs Bewertung drei Bereichen zu: Ergebnisse, Produktivität und Gesamtbetriebskosten. Für andere Unternehmen, die ihren Marketing-Stack modernisieren, nennt es vier Erkenntnisse: die CDP am Geschäftsbedarf ausrichten, ein governtes Marketing Lakehouse aufbauen, jene CDP-Funktionen wählen, die den eigenen Daten und der eigenen KI am nächsten liegen, und Ergebnisse, Produktivität und TCO gemeinsam messen.

Die Zahlen sind HPs eigene Schätzungen und frühe Erfahrungen, wie Databricks sie wiedergibt, und die Kostensenkung von 40 % wird als „bis zu“ angegeben. Dennoch zeigt der Fall eine Richtung, die Databricks vorantreibt: Marketing-Aktivierung auf demselben governten Fundament zu betreiben wie die übrigen Unternehmensdaten, sodass Marketer und KI-Agenten mit gemeinsamen Definitionen arbeiten statt mit Kopien, die über unverbundene Systeme verstreut sind.