Block verbessert Mitarbeiterproduktivität und Datenzugriff mit Claude in Databricks

Block, das Unternehmen das hinter Square, Cash App, Afterpay und anderen Finanzdiensten steht, verwendet Claude auf der Databricks Data Intelligence Platform als Standardmodell für die interne Bereitstellung seines Open-Source-KI-Agenten mit dem Codename Goose. Anhand dieser Lösung können Mitarbeiter aller Rollen interne Tools und Systeme miteinander verknüpfen, komplexe Daten analysieren, SQL-Abfragen ohne technische Kenntnisse erstellen und Workflows automatisieren – und damit von Grund auf ändern, wie ihr Unternehmen arbeitet.

Mit Claude in Databricks hat Block Folgendes erreicht:

• 75 % der Techniker sparen jede Woche 8 bis 10 Stunden oder mehr mit Codename Goose – sie arbeiten damit schneller und reduzieren ihren Arbeitsaufwand.
• Verdoppelung der Akzeptanz von Codename Goose in nur einem Monat mit wöchentlicher Steigerung der Benutzerbindung um 40-50 %, da die Mitarbeiter immer mehr neue Anwendungsfälle entdecken
• Claude 3.5 Sonnet ist mittlerweile bei Block das einzige Modell, das Benchmarktests konstant zu 100 % besteht

Mehr Mitarbeiter haben Zugriff auf Erkenntnisse aus Daten

Block brauchte eine Methode, um den Mitarbeitern seine riesigen Datenressourcen zur Verfügung zu stellen, und zwar unabhängig von ihrem jeweiligen technischen Fachwissen. Das Unternehmen setzte Databricks schon lange im Bereich des Data Engineerings ein und stellte dann fest, dass diese Funktionen mit großen Sprachmodellen und der intern entwickelten Technologie kombiniert werden konnten, um den Datenzugriff im gesamten Unternehmen zu demokratisieren.

Bradley Axen, Principal Data and Machine Learning Engineer, erklärte: „Wir nutzen Databricks bereits seit Jahren als primäre Datenentwicklungsplattform und setzen die Spark-Funktionen bei der Datenverarbeitung ein."

Das Unternehmen entwickelte zunächst einen KI-Programmierassistenten mit dem Codenamen Goose, erkannte aber schnell, dass dieser weitaus mehr Nutzungspotenzial hat als lediglich Softwareenwicklung. Axen erklärte: „Goose war zunächst ein einfaches Tool, mit dem mein Team besseren Code schreiben konnte. Es begann als grundlegende Feedbackschleife. Seitdem hat sich die Situation drastisch verändert. Das klingt vielleicht übertrieben, ist aber wahr: Goose schreibt mittlerweile 90 % meiner Codezeilen. Das liegt zum Teil daran, dass ich die Tools, die ich entwickle, auch nutzen möchte. Aber das Tool ist auch wirklich effektiv geworden.“

Tausende von Block-Mitarbeitern, vom Design bis zur Produktentwicklung und in allen Tätigkeitsbereichen, nutzen mittlerweile Claude über Databricks, manchmal ohne dass sie sich darüber im Klaren sind. Sie haben dadurch mehr Zeit, um in größerem Rahmen und kreativerer zu denken.

Überragende Leistung und Sicherheit mit Claude in Databricks

Nach sorgfältigen Benchmark-Analysen stellte Block fest, dass Claude im Rahmen von Codename Goose bislang alle anderen Modelle übertrifft. „Bei den Aufgaben, die wir speziell messen möchten, hat die Claude-Familie die besten Ergebnisse erzielt“, bemerkte Axen.

Sicherheit war bei der Entscheidung ein weiterer wichtiger Faktor. „Wir legen großen Wert auf sichere Datenintegrationen. Wenn wir eine Verbindung zu Databricks herstellen, können wir OAuth mit zeitlich begrenzten Zugangsdaten verwenden. Alle Mitarbeiter haben nun Zugriff auf diese LLMs, ohne dass wir API-Schlüssel verteilen und verwalten müssen“, betonte Axen. Diese Sicherheitsinfrastruktur ermöglicht es Block, „neue Modelle für jeden direkt freizuschalten“ und dem Plattformteam damit enorme Flexibilität zu gewähren.

Block schätzt besonders die Tool-Nutzungs- und Codegenerierungsfunktionen von Claude. Das Unternehmen setzt die Claude-Modelle strategisch und aufgabenspezifisch ein: Claude 3.5 Sonnet für komplexe Datenanalysen, die komplexe Argumentation erfordern, und Claude 3.7 Sonnet für Anfragen mit mehr Schritten und Planung.

Transformation des Datenzugriffs durch agentenbasierte Workflows

Block hat Claude mithilfe von Goose in Databricks integriert, um ein Ökosystem mit mehreren untereinander verbundenen Datenquellen und Tools zu schaffen. „Mit diesem agentenbasierten Ansatz haben wir einen vollständigen Workflow-Zyklus geschaffen“, erklärt Axen. „Wir führen das LLM über einen Databricks-Endpunkt aus und verknüpfen es mit unserem Agenten-System Goose. Goose kann dann Databricks zurückrufen, um auf unsere Datenbanken und Datenbasen zuzugreifen.“

Dank dieser Methode können die Mitarbeiter in allen Abteilungen effizienter mit den Daten interagieren:

• SQL-Generierung ohne technische Kenntnisse: Das Modell schreibt SQL, sendet es an den Datenendpunkt und liefert Einblicke. Auch Mitarbeiter ohne SQL-Kenntnisse können ihre eigenen Datenprobleme lösen. So müssen Fragen zu Daten nicht mehr zeitverzögert über Data Scientists laufen, sondern können unmittelbar von nichttechnischen Mitarbeitern beantwortet werden.
• Entwicklung komplexer Datenfunktionen: Techniker haben ein System entwickelt, mit dem Claude lernt, Code für den internen Beacon-Dienst von Block zu schreiben. Ein MCP-Server bringt den LLMs auf Databricks bei, wie sie Code an Beacon senden, damit die Machine-Learning-Techniker auch ohne tiefgehende Kenntnisse der Backend-Systeme von Block komplexe Datenfunktionen erstellen können.
• Datenworkflows mit mehreren Tools: Codename Goose verwendet MCP zur Verbindung verschiedener Systeme. Block kann einen MCP-Server für jedes interne Tool erstellen und mit Workflows verbinden. Dadurch kann das Betriebsteam KI verwenden, um Falltickets zu schließen, und die Abteilungen erhalten Zugriff auf die benötigten Daten.

Dieser agentenbasierte Ansatz steht im Einklang mit der allgemeinen Vision von Block. „Die große Chance besteht darin, dass ein LLM die Absicht des einzelnen Nutzers in unseren Systemen effektiv in Aktionen umsetzt. Damit können wir unseren Kunden Produkte auf andere Weise anbieten und intern anders arbeiten“, so Axen.

Aufbau einer datengesteuerten Kultur mit messbaren Ergebnissen

Die Claude-Implementierung in Databricks ist bei Block intern gut aufgenommen worden. Rund 4.000 der 10.000 Mitarbeiter bei Block nutzen Goose aktiv. Das System wird in 15 verschiedenen Berufsprofilen eingesetzt, u. a. in den Bereichen Vertrieb, Design, Produkt, Kundenerfolg und Betriebsabläufe.

Die Auswirkungen auf die Produktivität sind erheblich, insbesondere im Hinblick darauf, wie schnell Teams auf Erkenntnisse zugreifen können. Für Block ist das eine große Erleichterung, denn selbst Mitarbeiter, die SQL nicht kennen, können nun ihre Datenprobleme selbständig lösen.

Auch das Designteam profitiert davon. Axen erklärt: „Die Eintrittshürde für Designer, ihre Idee in einen funktionierenden Prototyp zu überführen, war zu hoch, und deshalb gaben sie oft auf. Diese Hürde wurde nun fast komplett aus dem Weg geräumt. Der Prompt ist ganz einfach: 'Hier ist eine Webseite in Figma. Mach daraus eine funktionierende Version', und schon ist sie fertig." Dadurch hat sich der Design-Workflow grundlegend verändert. Die Designer können funktionale Prototypen erstellen und testen, bevor sie sie freigeben.

Gestaltung einer Zukunft mit zugänglichen Daten und agentenbasierter KI

Block sieht eine Zukunft, in der der Datenzugriff durch agentenbasierte KI-Systeme vollständig demokratisiert wird. „Das Ziel liegt nicht nur bei einer 100-prozentigen Zeitersparnis. Der Nutzen ist sogar noch höher, denn man kann ein ganzes Team von Agenten für sich arbeiten lassen. Die schaffen weit mehr, als das, was man alleine erledigen kann“, erklärt Axen.

Block will mit KI zwar bis 2025 30 % der Mitarbeiterzeit einsparen, doch die Vision geht über Effizienz hinaus. „Es geht darum, unseren Mitarbeitern die Möglichkeit zu geben, all unsere guten Ideen umzusetzen. In den nächsten Jahren wird sich das Berufsbild verändern. Die Mitarbeiter lösen weiterhin schwierige Probleme, verbringen aber weniger Zeit mit dem Schreiben von Code“, erklärt Axen. Block will nicht mehr durch die Bereitstellungsgeschwindigkeit eingeschränkt werden, sondern nur noch durch das Tempo der Innovationsumsetzung.

Während Block sich heute auf die interne Produktivität konzentriert, entwickelt das Unternehmen strategisch kundenorientierte KI-Produkte. „Wir lernen, was funktioniert und wie wir den Mitarbeitern neue Arbeitsweisen vermitteln können“, erklärt Axen. Obwohl einige agentengesteuerte Produkte bereits im Ökosystem vorhanden sind, ist es Block wichtig, dass vor der breiteren Bereitstellung die Qualität geprüft wird. Die interne Implementierung von Codename Goose dient sowohl als Produktivitätstool als auch als wichtiges Testfeld für die Entwicklung der Infrastruktur und Designprinzipien, die die nächste Generation von Kundenangeboten unterstützen.

Durch die Kombination der fortschrittlichen Denkfähigkeiten von Claude mit der Databricks Data Intelligence Platform (Codename Goose) schafft Block eine Zukunft, in der alle Mitarbeiter das volle Potenzial der Daten des Unternehmens ausschöpfen können. Dank dieser Partnerschaft können die Mitarbeiter von Block KI-gestützte Workflows nutzen und ihre Vision wirtschaftlicher Stärkung durch Technologie verwirklichen, die anspruchsvolle Datenanalysen für alle zugänglich macht.