KI-Strategie, Agentic AI und technologische Innovationen im Überblick
Vom 13.–15. Mai 2025 präsentierte Qlik auf seinem globalen Kunden- und Partnerevent zentrale Entwicklungen rund um KI, Agentic AI und die Weiterentwicklung seiner Plattform. Im Fokus: die strategische Ausrichtung hin zu einer durchgängigen, intelligenten End-to-End-Plattform für datengetriebene Entscheidungen.
Agentic AI: Qliks neue Plattform-Vision
Qlik verfolgt das Ziel, den „AI Activation Gap“ zu schließen – also die Lücke zwischen KI-Potenzial und echtem Business Impact. Mit der Vision einer Agentic-AI-Plattform sollen autonome KI-Agenten nicht nur Daten analysieren, sondern direkt Handlungen auslösen. Im Mittelpunkt stehen neue Funktionen wie Qlik Answers für natürliche Spracheingabe, ein Discovery Agent für proaktive Insights und ein Pipeline Agent, der aus Business-Zielen automatisiert Datenprozesse ableitet. Die Plattform basiert auf nahtlos integrierter Datenqualität, Analytics und Automation – inkl. offener Technologien wie Apache Iceberg und Partnern wie AWS.
Produkte & Qualifizierung: Mehr KI-Power für Fachanwender
Neu vorgestellt wurde die Zertifizierung Qlik AI Specialist, die praxisrelevante Skills in Predictive und generativer KI bescheinigt. Produktseitig rücken Qlik Answers, Qlik Predict (vormals AutoML) und Qlik Automate (vormals Application Automation) stärker in den Vordergrund. Gemeinsam ermöglichen sie die Umsetzung komplexer Agentic-Szenarien – von Prognosen über Workflow-Automatisierung bis hin zu Echtzeitanalysen auf unstrukturierten Datenquellen. In den Keynotes wurde u. a. demonstriert, wie diese Tools z. B. bei Volkswagen automatisierte Dokumentationen und Prozessoptimierungen ermöglichen.
Qlik Open Lakehouse: Iceberg-basiertes Datenfundament für KI- und Echtzeitszenarien
Ein Highlight der Qlik Connect 2025 war die Vorstellung des Qlik Open Lakehouse – ein vollständig verwaltetes Lakehouse-Angebot auf Basis von Apache Iceberg, direkt integriert in Qlik Talend Cloud. Ziel ist es, KI- und Analytics-Workloads im Petabyte-Bereich zu unterstützen – mit Echtzeit-Datenaufnahme, leistungsstarken Abfragen und automatisierter Optimierung.
Qlik kombiniert Icebergs Vorteile (Schema-Evolution, ACID, Engine-Unabhängigkeit) mit einer intelligenten Orchestrierung: Ein Adaptive Optimizer sorgt für automatische Kompaktierung und Partitionierung, interne Tests zeigen bis zu 5× schnellere Abfragen bei 50 % geringeren Kosten.
Besonders stark ist das Zusammenspiel mit Qliks Integrations-Stack (Talend, Attunity, Upsolver). In Live-Demos wurde ein kompletter Datenfluss gezeigt – von Streaming ETL mit Upsolver über automatisierte Layer-Strukturen (Bronze/Silver/Gold) bis zur laufenden Iceberg-Optimierung. Der Ansatz: Zero-ETL für maximale Geschwindigkeit bei maximaler Flexibilität.
Dank Iceberg bleiben Daten offen und portabel – nutzbar auch mit Engines wie Snowflake, Trino, Spark oder SageMaker. Zusätzlich unterstützt Qlik Mirror-Integrationen, etwa zu Databricks oder Snowflake, um bestehende Data-Plattformen nahtlos einzubinden – ohne doppelte Pipelines.
Das Open Lakehouse ist derzeit in der Private Preview, der GA-Launch ist für Juli 2025 geplant. Qlik sieht darin einen „Major Step“ für moderne, KI-fähige Analytics-Infrastrukturen – offen, integriert und cloud-nativ orchestriert innerhalb der Qlik Cloud.
Datenqualität, Metadatenmanagement und Data Governance
Ein zentraler Themenblock auf der Qlik Connect 2025 war der Aufbau KI-tauglicher Daten durch hohe Datenqualität und stringente Governance. Seit der Übernahme von Talend im Jahr 2023 hat Qlik in diesem Bereich massiv an Kompetenz gewonnen – sichtbar etwa in der Qlik Talend Cloud, die sich auf der Konferenz als einheitliche Plattform für Datenintegration und -qualität präsentierte.
Die Qlik Talend Cloud vereint Funktionen für Echtzeit-Datenaufnahme, Transformation und Metadatenmanagement mit umfassenden Werkzeugen zur Sicherstellung von Datenqualität und Compliance. In der Session „Data Quality for AI: Making Enterprise Data AI-Ready with Qlik Talend“ wurde demonstriert, wie Unternehmen mithilfe metadatengesteuerter Kataloge, automatisierter Datenprofilierung und Datenbereinigung die Konsistenz und Vertrauenswürdigkeit ihrer Daten steigern können. Ein sauberer, versionierter Data Catalog erleichtert es, relevante Datenquellen zu finden und gezielt für KI-Anwendungen zu bewerten – ein entscheidender Schritt, um Datensilos zu verhindern und AI-Modelle auf verlässlicher Basis zu trainieren.
Ein besonderer Fokus lag auf dem Governance-Aspekt: Qlik betonte, dass ohne konsistente Stammdaten, klar definierte Begriffe und laufendes Monitoring viele KI-Initiativen ins Leere laufen können – sei es durch Verzerrungseffekte (Bias) oder durch fehlerhafte Eingabedaten. Um dem entgegenzuwirken, führt Qlik Cloud 2025 neue Governance-Features ein: Datenprodukte – etwa im QVD-Format (Qliks In-Memory-Datenformat) – lassen sich nun als „First-Class Data Products“ behandeln. Sie können mit Metadaten versehen, in Kataloge aufgenommen und über SLAs und Qualitätsmetriken verwaltet werden. Datenverantwortliche erhalten damit Werkzeuge, um Daten im Sinne des „Data as a Product“-Prinzips kontrolliert bereitzustellen – inklusive Versionierung, Eigentumsdefinition und Qualitätskontrolle.
Auch der Umgang mit unstrukturiertem Wissen wurde im KI-Kontext adressiert: Unter dem Begriff „Retrieval-Augmented Generation (RAG) Knowledge Marts“ baut Qlik strukturierte Wissensdatenbanken auf, die etwa Dokumentationen, PDFs oder Wikis enthalten. Diese werden genutzt, um KI-Anfragen – etwa durch Qlik Answers – nicht nur mit strukturierten Daten, sondern auch mit kuratiertem Textwissen zu beantworten. RAG sorgt für Nachvollziehbarkeit, da alle Informationen aus versionierten, freigegebenen Quellen stammen – ein zentrales Governance-Element, um Halluzinationen zu vermeiden und das Vertrauen in KI-Auskünfte zu sichern.
DevOps, Write-Back & AnalyticsOps
Qlik Connect 2025 stellte zudem neue Tools für Datenprofis vor, die moderne Entwicklungsprozesse unterstützen: So führte Qlik DevOps-fähige Pipeline-Tools ein – inklusive Versionskontrolle und Deployment-APIs. Damit lassen sich Analytics-Pipelines und Apps effizient in Entwicklungs-, Test- und Produktivumgebungen überführen, was AnalyticsOps und CI/CD-Prozesse massiv erleichtert.
Ein weiterer Meilenstein ist die Write-Back-Funktionalität: Mit „Write Tables“ können Anwender direkt aus dem Dashboard heraus Daten zurück in Tabellen schreiben – etwa Planwerte, Kommentare oder Korrekturen. In einer Live-Demo zeigte ein Analyst, wie er während der Analyse neue Werte eingeben konnte, die sofort in den zugrunde liegenden Datenbestand übernommen wurden. Qlik öffnet sich damit für kollaborative Planungsszenarien, in denen Analyse und Eingriff nahtlos zusammenwirken.