LLMs sind längst mehr als nur Chatbots. Sie eröffnen neue Wege in der automatisierten Datenverarbeitung. Dieser Vortrag zeigt, wie LLMs in Databricks-Workflows zur intelligenten Transformation, Datenerweiterung, Übersetzung und Generierung eingesetzt werden können. Dabei werden typische Herausforderungen wie Reproduzierbarkeit, deterministische Outputs und die nahtlose Integration in bestehende ETL-Prozesse beleuchtet. Zusätzlich werden Best Practices vorgestellt, um LLMs stabil, effizient und wartbar in produktive Datenpipelines einzubinden.

Zielpublikum: Devs, PO, PM
Voraussetzungen: Basic knowledge about GenAI, LLM, RAG
Level: Advanced

Extended Abstract:
LLMs sind längst mehr als nur Chatbots. Sie eröffnen neue Wege in der automatisierten Datenverarbeitung. Dieser Vortrag zeigt, wie GPT-Modelle, Gemini und das Google Multilingual Embedding in Databricks-Workflows zur intelligenten Transformation, Datenerweiterung, Übersetzung und Generierung eingesetzt werden können – insbesondere auch für mehrsprachige Anwendungsfälle. Dabei werden typische Herausforderungen wie Reproduzierbarkeit, deterministische Outputs, Robustheit der Pipeline und die nahtlose Integration in bestehende ETL-Prozesse beleuchtet. Zusätzlich werden Best Practices vorgestellt, um LLMs stabil, effizient und wartbar in produktive Datenpipelines einzubinden.