{"templateName":"base-page-template54","cssClassNames":"page basicpage summit-page","canonicalLink":"https://www.snowflake.com/de/artificial-intelligence/business/enterprise/","robotsTags":[],"allowedRenditionsWidth":["320","480","640","768","960","1200","1440","1920"],"language":"de","description":"Entdecken Sie aktuelle Trends, Use Cases und Architekturen der Enterprise-KI. Erfahren Sie, wie KI-Agenten, Governance und vertrauenswürdige Daten produktive Workflows unterstützen.","title":"Enterprise-KI: Trends, Use Cases und Strategie | Snowflake","analyticsPageType":"homepage","analyticsCategory":"general","analyticsSubCategory":"","excludeFromAnalytics":false,":type":"snowflake-site/components/structure/page",":mappedPath":"/de/artificial-intelligence/business/enterprise/",":items":{"root":{"columnCount":12,"columnClassNames":{"markup_editor_928258845":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-banner":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-header":"aem-GridColumn aem-GridColumn--default--12","responsivegrid":"aem-GridColumn aem-GridColumn--default--12","markup_editor_597730182":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-footer":"aem-GridColumn aem-GridColumn--default--12","experiencefragment":"aem-GridColumn aem-GridColumn--default--12","modal_container":"aem-GridColumn aem-GridColumn--default--12","markup_editor":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12",":items":{"experiencefragment-banner":{"id":"experiencefragment-909b13535e","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/de/site/pushdown-banner/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/de/site/pushdown-banner/master.xfmodel.json"},"experiencefragment-header":{"id":"experiencefragment-4879f610a2","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/de/site/mega-nav-header/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/de/site/mega-nav-header/master.xfmodel.json","languageNavPath":"/content/snowflake-site/global/de/artificial-intelligence/business/enterprise.languagenav.json"},"responsivegrid":{"columnCount":12,"columnClassNames":{"flexible_column_cont_939100716":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_870312728":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_1465525632":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_663228916":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_912630531":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_1786318617":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_1467213961":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_1422227087":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12",":items":{"flexible_column_cont":{"id":"flexible-column-container-b16916c891","propertiesId":"hub-hero-breadcrumbs","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"small","bottomPadding":"none","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"propertiesCSSClasses":"page-section","backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-20779e17a4",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"breadcrumb":{"id":"breadcrumb-f5b6cedde0","items":[{"id":"breadcrumb-f5b6cedde0-item-b4dc78da23","link":{"valid":true,"url":"/de/artificial-intelligence/"},"active":false,"current":false,"title":"Künstliche Intelligenz",":type":"snowflake-site/components/structure/page","appliedCssClassNames":"summit-page"},{"id":"breadcrumb-f5b6cedde0-item-b222eea10a","link":{"valid":true,"url":"/de/artificial-intelligence/business/"},"active":false,"current":false,"title":"KI im Unternehmen",":type":"snowflake-site/components/structure/page","appliedCssClassNames":"summit-page"},{"id":"breadcrumb-f5b6cedde0-item-6294a1f9ed","link":{"valid":true,"url":"/de/artificial-intelligence/business/enterprise/"},"active":true,"current":true,"title":"Enterprise",":type":"snowflake-site/components/structure/page","appliedCssClassNames":"summit-page"}],":type":"snowflake-site/components/breadcrumb"}},":itemsOrder":["breadcrumb"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"},"flexible_column_cont_939100716":{"id":"flexible-column-container-1cc3cd7d39","propertiesId":"hub-hero","type":"2-column-even","alignColumns":"center","containerMaxWidth":"extra-large","topPadding":"extra-small","bottomPadding":"extra-small","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"propertiesCSSClasses":"page-section","backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-f874d2f01c",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"title_v2":{"id":"title-v2-e087e6bcad","additionalClasses":"hub-hero__headline","type":"heading1","lines":["Enterprise-KI: Trends, Use Cases und Voraussetzungen für die nächste Adoptionsphase"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text":{"id":"text-039d407b83","additionalClasses":"hub-hero__subheadline","text":"\u003Cp\u003EEnterprise-KI entwickelt sich von isolierten Produktivitätstools hin zu tief integrierten, vernetzten Systemen, die zentrale Geschäftsprozesse und Entscheidungsfindungen steuern. Die nächste Welle der Einführung wird davon bestimmt, wie effektiv Unternehmen agentenbasierte Funktionen mit kontrollierten Daten, sicherheitsbewussten Integrationen und messbaren Ergebnissen kombinieren.\u003C/p\u003E","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"},"container":{"additionalClasses":"hub-hero__authors","layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"content_chip_copy":"aem-GridColumn aem-GridColumn--default--12","content_chip":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"container-bdc3c350c2",":type":"snowflake-site/components/container",":items":{"content_chip":{"id":"content-chip-a6d4be0d78","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/Laurie-Macpherson/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Biografie lesen"},"image":{"id":"image","height":"800","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--a7e9fdff-6f08-4edc-9cd1-e213bb234aaa/laurie-macpherson.jpg?quality=85&preferwebp=true","alt":"Laurie MacPherson","lazyEnabled":true,"isLcpImage":true,"width":"800",":type":"snowflake-site/components/image"},"headline":{"id":"title","type":"heading5","lines":["Laurie MacPherson","Technical Writer, Snowflake"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip"},"content_chip_copy":{"id":"content-chip-de925d28a2","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/gulnaz-sharipova/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Biografie lesen"},"image":{"id":"image","height":"512","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--f7c921fe-d10f-4d90-ac38-c79aff7cf132/gulnaz-photo.jpg?quality=85&preferwebp=true","alt":"Gulnaz Sharipova","lazyEnabled":true,"isLcpImage":false,"width":"512",":type":"snowflake-site/components/image"},"headline":{"id":"title","type":"heading5","lines":["Gulnaz Sharipova","Lokale Redakteurin, Snowflake"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip"}},":itemsOrder":["content_chip","content_chip_copy"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-small"}},":itemsOrder":["title_v2","text","container"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-extra-small"},"flexible_column_content_container_2":{"additionalClasses":"hub-hero__video-column","layout":"SIMPLE","id":"container-6af694adec",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"youtube":{"id":"embed-d4b986eef3","youtubeVideoId":"F34xlRoQ3eQ","layout":"responsive","youtubeAspectRatio":"56.25","youtubeAutoPlay":false,"youtubeLoop":false,"youtubeMute":false,"youtubePlaysInline":false,"youtubeRel":false,"embeddableResourceType":"core/wcm/components/embed/v1/embed/embeddable/youtube","type":"EMBEDDABLE",":type":"snowflake-site/components/youtube"}},":itemsOrder":["youtube"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"},"flexible_column_cont_1465525632":{"id":"flexible-column-container-76cb86c108","propertiesId":"hub-hero-related-topics","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"extra-small","bottomPadding":"medium","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"propertiesCSSClasses":"page-section","backgroundImageOption":"none","flexible_column_content_container_1":{"additionalClasses":"related-topics-outer-container border-top","layout":"SIMPLE","id":"container-b20df66e14",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"text":{"id":"text-0a60172716","additionalClasses":"seo-hub-hero__related-topic-label","text":"\u003Cp\u003EThemen rund um Enterprise-KI:\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"},"text_1456660603":{"id":"text-fabab07775","additionalClasses":"related-topics ","text":"\u003Cul\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/en/artificial-intelligence/business/ai-council/\"\u003EAI Council\u003C/a\u003E\u003C/li\u003E\n\u003C/ul\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-small"}},":itemsOrder":["text","text_1456660603"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"},"flexible_column_cont_663228916":{"id":"flexible-column-container-812867d5b0","propertiesId":"hub-body","type":"2-column-60-40","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"medium","bottomPadding":"medium","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"propertiesCSSClasses":"page-section","backgroundImageOption":"none","flexible_column_content_container_1":{"additionalClasses":"longform-content","layout":"SIMPLE","id":"hub-body-content",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"callout__0":{"id":"text-f7d8dcd51d","additionalClasses":"callout callout--general","text":"\u003Cp\u003E\u003Cstrong\u003EENTERPRISE-KI DEFINIERT\u003C/strong\u003E\u003C/p\u003E\n\u003Cp\u003EEnterprise-KI bezeichnet produktionsreife KI, die tief in die operativen Systeme und Kernprozesse eines Unternehmens eingebunden ist. Sie kann Modelle, Agenten und Automatisierung mit kontrollierten Unternehmensdaten verknüpfen, um Teams bei der Verbesserung von Workflows und der Entscheidungsfindung zu unterstützen.\u003C/p\u003E","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"},"text__0":{"id":"text-22e0de89db","text":"\u003Cp\u003EEnterprise-KI tritt in eine operativere Phase ein. Der frühe Einsatz von KI in Unternehmen konzentrierte sich auf die individuelle Produktivität beim Schreiben, Zusammenfassen, Suchen und Entwerfen. Heute wenden führende Unternehmen \u003Ca href=\"https://www.snowflake.com/de/artificial-intelligence/\"\u003Ekünstliche Intelligenz\u003C/a\u003E auf verschiedene Workflows an, vom Kundenservice und Vertrieb bis hin zu Finanzen, Operations, Analytics und branchenspezifischen Prozessen.\u003C/p\u003E\r\n\u003Cp\u003EDiese Evolution führt dazu, dass KI direkt in Anwendungen eingebettet und nahtlos mit strukturierten wie auch unstrukturierten Daten vernetzt wird. Sie wird auch zunehmend agentenbasiert – in der Lage, Kontext abzurufen, Tools aufzurufen und systemübergreifend zu arbeiten. Das Ergebnis ist eine neue Klasse von Use Cases, in denen KI dabei hilft, Arbeit weiterzuleiten, Geschäftskontext zu interpretieren, nächste Schritte zu empfehlen und Entscheidungen zu unterstützen.\u003C/p\u003E\r\n\u003Cp\u003EDie Herausforderung besteht darin, KI in die Lage zu versetzen, mit den richtigen Daten, der richtigen Geschäftslogik und den richtigen Kontrollen zu operieren. „Auf Unternehmensebene ist das schwierigste Problem nicht mehr allein die Modellintelligenz, sondern der Kontext“, sagt \u003Ca href=\"https://www.snowflake.com/en/blog/snowflake-for-ai-enterprise-ai-platform/\"\u003EBaris Gultekin\u003C/a\u003E, Vice President of Product, AI bei Snowflake. „Die nächste Generation der Enterprise-KI wird durch Systeme definiert, die kontrollierte Unternehmensdaten, operatives Wissen und intelligente Orchestrierung direkt innerhalb von Geschäfts-Workflows kombinieren können.“\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"quote__0":{"id":"quote-item-dff24fa39b","alignment":"left","layout":"simple","quoteSourceName":"Baris Gultekin","quoteSourceTitle":"VP of Product, AI bei Snowflake","showQuoteIcon":true,"quote":"Auf Unternehmensebene ist das schwierigste Problem nicht mehr allein die Modellintelligenz, sondern der Kontext","showHangingPunctuation":false,":type":"snowflake-site/components/quote-item"},"text__1":{"id":"text-80f9e0a1d6","text":"\u003Cp\u003EDies erfordert eine Architektur, die KI mit vertrauenswürdigen, kontrollierten Daten verbindet und Modellen sowie Agenten den semantischen Kontext gibt, um Geschäftskonzepte zu verstehen. Es erfordert auch begrenzte Aktionen sowie eine kontrollierte Integration mit Anwendungen, APIs und Workflow-Systemen. Darüber hinaus benötigen Teams Governance-Kontrollen und Evaluierungspraktiken, die Ausgaben auf Genauigkeit, Drift, Bias und die Einhaltung von Richtlinien prüfen.\u003C/p\u003E","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_what-enterprise-ai-means-now":{"id":"title-v2-be16297a9c","additionalClasses":"anchor-title anchor-title--what-enterprise-ai-means-now","type":"heading2","lines":["Was Enterprise-KI heute bedeutet"],":type":"snowflake-site/components/title-v2"},"text_what-enterprise-ai-means-now_0":{"id":"text-afcadbdb23","text":"\u003Cp\u003EEnterprise-KI ist die Nutzung von KI-Systemen über die Workflows, Datenumgebungen, Anwendungen und Entscheidungsprozesse eines Unternehmens hinweg. Sie umfasst \u003Ca href=\"https://www.snowflake.com/en/artificial-intelligence/generative-ai/\"\u003Egenerative KI\u003C/a\u003E, \u003Ca href=\"https://www.snowflake.com/en/artificial-intelligence/machine-learning/\"\u003Emaschinelles Lernen\u003C/a\u003E (ML), prädiktive Modelle, Schnittstellen für natürliche Sprache, Automatisierung und \u003Ca href=\"https://www.snowflake.com/de/artificial-intelligence/agents/\"\u003EKI-Agenten\u003C/a\u003E.\u003C/p\u003E\r\n\u003Cp\u003EBeispielsweise könnte ein Support-Workflow mit Enterprise-KI die Kundenhistorie, Vertragsbedingungen, Berechtigungsregeln, Artikel aus der Wissensdatenbank und Daten zu offenen Vorfällen abrufen und dann eine Antwort empfehlen, die der:die Service-Mitarbeiter:in überprüfen kann, bevor der Fall aktualisiert wird. Die umgebende Architektur ist für diese Arbeit von zentraler Bedeutung: auf welche Daten der:die Nutzer:in zugreifen kann, welche Richtlinie gilt, welche Metrikdefinition genehmigt ist, welche Aktion eine Überprüfung erfordert und welche Ausgabe für Audits protokolliert werden sollte.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_enterprise-ai-trends-leading-companies-are-acting-on-now":{"id":"title-v2-ddb43a3c98","additionalClasses":"anchor-title anchor-title--enterprise-ai-trends-leading-companies-are-acting-on-now","type":"heading2","lines":["Enterprise-KI-Trends, auf die führende Unternehmen jetzt reagieren"],":type":"snowflake-site/components/title-v2"},"text_enterprise-ai-trends-leading-companies-are-acting-on-now_0":{"id":"text-2a225ac812","text":"\u003Cp\u003EFührende Enterprise-KI-Teams setzen zunehmend auf eine neue Architektur für den produktiven Einsatz von KI. Sie bettet KI in Workflows ein, verbindet Systeme durch Agenten, macht mehr Daten nutzbar und integriert Governance in den Lebenszyklus.\u003C/p\u003E\r\n\u003Ch3\u003EKI verlagert sich in die Workflow-Ebene\u003C/h3\u003E\r\n\u003Cp\u003EDer nächste Vorteil der Enterprise-KI wird sich wahrscheinlich in der Prozess-Performance zeigen. Das bedeutet, dass KI an Ergebnissen gemessen wird, wie etwa einer schnelleren Prüfung von Ansprüchen, niedrigeren Eskalationsraten im Support, der Genauigkeit von Prognosen, weniger ins Stocken geratenen Vertragsverlängerungen, einer konsistenteren Bestandsplanung oder einer kürzeren Time-to-Insight.\u003C/p\u003E\r\n\u003Cp\u003EEin Vertriebs-Workflow könnte beispielsweise ein Konto zusammenfassen, das Risiko bei einer Vertragsverlängerung identifizieren und eine Überprüfung durch den:die Manager:in vorbereiten. Oder ein Finanz-Workflow könnte erklären, warum sich die Umsatzabweichung geändert hat, identifizieren, welche Annahmen sich verschoben haben, und unterstützende Daten anhängen.\u003C/p\u003E\r\n\u003Ch3\u003EAgentic AI verbindet Systeme und beantwortet nicht nur Fragen\u003C/h3\u003E\r\n\u003Cp\u003EAgentic AI verwandelt Enterprise-KI von einer reinen Antwortschnittstelle in eine Koordinationsschicht. Ein Agent kann eine Anfrage interpretieren, in Schritte unterteilen, Daten abrufen, Tools aufrufen, den Status prüfen und eine Aktion vorbereiten – alles innerhalb eines einzigen Workflows.\u003C/p\u003E\r\n\u003Cp\u003EEnterprise-KI-Agenten können so konzipiert werden, dass sie zwischen Datentypen unterscheiden und diese entsprechend weiterleiten. Wenn geschäftliche User eine Frage stellen, die den Abruf aus einer strukturierten Datenbank erfordert, wie etwa Pipeline-Daten, Umsatzzahlen oder Bestandsaufzeichnungen, kann der Agent basierend auf der Anfrage und den Berechtigungen eine Abfrage generieren und ausführen. Wenn die Frage die Interpretation eines Dokuments erfordert, wie beispielsweise eines Vertrags, eines Anrufprotokolls oder einer Richtlinien-PDF, ruft der Agent diese Inhalte ab und fasst sie zusammen. Hochentwickelte Agenten erledigen beides innerhalb einer einzigen Antwort und leiten je nach Anforderung der Aufgabe an die jeweilige Quelle weiter.\u003C/p\u003E\r\n\u003Cp\u003EDiese Koordination schafft neue Anforderungen. Unternehmen benötigen genau definierte Tool-Berechtigungen, Freigabeprozesse, Sandbox-Ausführungsumgebungen, vollständige Protokollierung, Kostenkontrollen und Rollback-Pfade. Das \u003Ca rel=\"noopener noreferrer\" target=\"_blank\" href=\"https://modelcontextprotocol.io/docs/getting-started/intro\"\u003EModel Context Protocol\u003C/a\u003E (MCP) ist ein aufkommender Standard für die Verwaltung der Verbindung von Agenten mit Tools und Datenquellen. Es definiert Zugriffsgrenzen und hilft dabei, Risiken wie die Offenlegung von Anmeldeinformationen oder Datenexfiltration bei mehrstufigen Workflows zu reduzieren. Menschliche Aufsicht bleibt für die sichere Nutzung von \u003Ca href=\"https://www.snowflake.com/de/artificial-intelligence/ai-governance/responsible-ai/\"\u003Everantwortungsvoller KI\u003C/a\u003E unerlässlich.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"card_v2":{"id":"card-v2-4b1b2114a1","additionalClasses":"seo-customer","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","text":{"id":"text","text":"\u003Cp\u003EErfahren Sie, wie Snowflake und SAP Großunternehmen dabei helfen, Datensilos aufzubrechen und KI für skalierbare Enterprise-Anwendungsfälle zu entwickeln.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"horizontal","title":{"id":"title","type":"heading4","lines":["SAP und Snowflake: Das Fundament für skalierbare Enterprise-KI"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"attributes":{"target":"_blank"},"url":"https://www.snowflake.com/de/sap-enterprise-ai-unified-data-context/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"E-Book herunterladen"},"image":{"id":"image","height":"851","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--2826912c-76bb-425a-b0f0-45d10b7b7986/snowflake-sap-cover.png?quality=85&preferwebp=true","alt":"Cover of a Snowflake and SAP report titled Snowflake and SAP: Powring Enterprise AI with Unified Data Context","lazyEnabled":true,"isLcpImage":false,"width":"1313",":type":"snowflake-site/components/image"},"type":"content-card"},"text_enterprise-ai-trends-leading-companies-are-acting-on-now_1":{"id":"text-9e307a827c","text":"\u003Ch3\u003EUnstrukturierte Daten werden zu einem erstklassigen KI-Input\u003C/h3\u003E\r\n\u003Cp\u003EViele Enterprise-Workflows hängen von Informationen ab, die nicht feinsäuberlich in Tabellen vorliegen. Verträge, Schadensdokumente, klinische Notizen, Anrufprotokolle, PDFs, E-Mails, Produkthandbücher, Bilder und Engineering-Tickets enthalten oft die Details, die zur Beantwortung einer Frage oder zum Abschluss einer Aufgabe erforderlich sind. Bis vor Kurzem war es schwierig, diese Inhalte konsistent in analytischen und operativen Workflows zu nutzen.\u003C/p\u003E\r\n\u003Cp\u003EDie nächste Stufe der Enterprise-KI verbindet Dokumentenkontext mit strukturierten Datensätzen und Workflow-Aktionen. \u003Ca href=\"https://www.snowflake.com/de/fundamentals/rag/\"\u003ERetrieval-Augmented Generation\u003C/a\u003E (RAG) bietet KI-Systemen eine Möglichkeit, einen Dokumentenkorpus zu durchsuchen, relevante Passagen abzurufen und diese Inhalte als Grundlage für eine Antwort zu verwenden, anstatt sich nur auf das zu verlassen, was das Modell während des Trainings gelernt hat. Die hybride Suche, die semantische Ähnlichkeit mit Keyword-Matching kombiniert, trägt dazu bei, den Abruf über die verschiedenen Inhaltstypen hinweg zu verbessern, von denen Enterprise-Workflows abhängen.\u003C/p\u003E\r\n\u003Cp\u003EIn Datenpipelines eingebettete KI-Funktionen können dabei helfen, unstrukturierte Daten in großem Maßstab zu transformieren, indem sie Audio transkribieren, Dokumente klassifizieren, Anrufaufzeichnungen zusammenfassen und PII erkennen. Inhalte, die zuvor schwer konsistent zu analysieren waren, lassen sich so einfacher strukturieren, abfragen und wiederverwenden.\u003C/p\u003E\r\n\u003Ch3\u003ESemantischer Kontext wird zur KI-Infrastruktur\u003C/h3\u003E\r\n\u003Cp\u003EEnterprise-KI erfordert, dass Daten mit einer geschäftlichen Bedeutung verknüpft sind. Ein Modell kann eine überzeugende Antwort aus der falschen Tabelle generieren, eine veraltete Definition des jährlich wiederkehrenden Umsatzes anwenden oder eine Metrik doppelt zählen, weil es die Beziehung zwischen Entitäten nicht versteht. In einem Dashboard sind diese Probleme kostspielig. In einem KI-Workflow, der Aktionen ausführt, können sie sich auf nachgelagerte Entscheidungen auswirken, bevor jemand den Fehler bemerkt.\u003C/p\u003E\r\n\u003Cp\u003EUnternehmen definieren zunehmend genehmigte Metriken, Entitäten, Dimensionen und Beziehungen in einer Form, die KI-Systeme präzise abfragen können. Semantische Ansichten können Geschäftslogik wie genehmigte Metrikdefinitionen, Join-Beziehungen und Entitätshierarchien codieren und KI-Modellen eine kontrollierte Schnittstelle zu strukturierten Daten bieten. Katalog-Metadaten, einschließlich Zertifizierungsstatus, Eigentümerschaft, Lineage, Aktualität und Nutzungsverlauf, geben KI-Systemen zusätzlichen Kontext für die Entscheidung, welche Quellen zuverlässig genug für die Nutzung sind.\u003C/p\u003E\r\n\u003Ch3\u003EGovernance wird Teil der KI-Runtime\u003C/h3\u003E\r\n\u003Cp\u003EGovernance darf nicht nur in einem Richtliniendokument oder einer Überprüfung vor der Einführung bestehen. Da KI immer tiefer in operative Workflows eingebunden wird, müssen Kontrollmechanismen in allen zentralen Prozessschritten greifen: beim Datenabruf, Tool-Aufruf, Generieren von Outputs, Aktualisieren von Datensätzen oder Eskalieren einer Aktion.\u003C/p\u003E\r\n\u003Cp\u003EDazu gehören die automatische Klassifizierung sensibler Datentypen wie PII und geschützter Gesundheitsinformationen (PHI), rollenbasiertes Dynamic Data Masking, Zugriffskontrollen auf Zeilenebene, die einschränken, was die einzelnen User oder Agenten abrufen können, Lineage-Tracking, das Ausgaben zu ihren Quellen zurückverfolgt, Audit-Protokolle, die erfassen, worauf zugegriffen wurde, sowie Monitoring, das Drift, Fehler oder Kostenanomalien meldet.\u003C/p\u003E\r\n\u003Cp\u003EOrganisationen sollten diese Kontrollen konsistent über sämtliche Zugriffspfade hinweg durchsetzen — ganz gleich, ob ein Analyst SQL ausführt, ein Entwickler Python nutzt oder ein Fachanwender Abfragen über ein Natural Language Interface stellt. Das Ziel ist es, Unternehmen dabei zu helfen, KI-Risiken in geschäftskritischen Prozessen zu managen.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_enterprise-ai-use-cases-generative-ai-to-agentic-ai":{"id":"title-v2-dde41186c0","additionalClasses":"anchor-title anchor-title--enterprise-ai-use-cases-generative-ai-to-agentic-ai","type":"heading2","lines":["Enterprise-KI-Anwendungsfälle: von generativer KI bis Agentic AI"],":type":"snowflake-site/components/title-v2"},"text_enterprise-ai-use-cases-generative-ai-to-agentic-ai_0":{"id":"text-ec14873fd1","text":"\u003Cp\u003EViele Unternehmen haben Zusammenfassungen, das Entwerfen von Texten und Suchfunktionen bereits getestet. Die nächste Welle verknüpft diese Funktionen direkt mit operativen Geschäftssystemen, vertrauenswürdigen Daten und regelbasiert abgesicherten Aktionen.\u003C/p\u003E","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"callout_enterprise-ai-use-cases-generative-ai-to-agentic-ai_0":{"id":"text-03f5cb0e42","additionalClasses":"callout callout--tip","text":"\u003Cp\u003E\u003Cb\u003EQUICK-TIPP\u003C/b\u003E\u003C/p\u003E\r\n\u003Cp\u003EStarten Sie mit einem Workflow, einer klaren Erfolgsmetrik und den kontrollierten Daten, die zu deren Unterstützung erforderlich sind.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"},"text_enterprise-ai-use-cases-generative-ai-to-agentic-ai_1":{"id":"text-a94a1cfdf1","text":"\u003Ch3\u003EKundenservice und Support\u003C/h3\u003E\n\u003Cp\u003EDer Kundenservice entwickelt sich von der einfachen Ticketzusammenfassung hin zu vernetzten Support-Workflows. KI kann Fälle überprüfen, Richtlinien abrufen, Antworten entwerfen, Eskalationsrisiken erkennen und dabei helfen, Aufgaben an das richtige Team weiterzuleiten.\u003C/p\u003E\n\u003Cp\u003EDie fortschrittlichere Version verknüpft Support-Historie, Berechtigungsdaten, Vertragsbedingungen, Produktdokumentation, Vorfallstatus und Engineering-Notizen. Ein Support-Agent sieht nicht nur, was die Kund:innen gefragt haben, sondern auch, ob sie Anspruch auf eine bestimmte Service-Stufe haben, ob ein bekanntes Problem vorliegt und welche Antwortformulierung genehmigt wurde.\u003C/p\u003E\n\u003Ch3\u003ESales und Revenue Operations\u003C/h3\u003E\n\u003Cp\u003EVertriebs-KI geht über das Entwerfen von E-Mails und Meeting-Notizen hinaus. Die nächsten Anwendungsfälle konzentrieren sich auf Account Intelligence, Pipeline-Bewegungen und die Qualität von Prognosen. KI kann Account-Zusammenfassungen erstellen, Opportunity-Risiken markieren, fehlende CRM-Daten identifizieren, die Beantwortung von Requests for Proposal (RFPs) unterstützen und Änderungen bei Prognoseannahmen aufzeigen.\u003C/p\u003E\n\u003Cp\u003EIm Bereich Revenue Operations könnte ein KI-Workflow Pipeline-Bewegungen mit historischen Konversionsmustern, Produktnutzungssignalen, Customer Health Scores und Verlängerungsbedingungen vergleichen und anschließend eine Prognosenotiz mit entsprechenden Nachweisen erstellen.\u003C/p\u003E\n\u003Ch3\u003EFinanzen und Risikomanagement\u003C/h3\u003E\n\u003Cp\u003EFinanzteams können Enterprise-KI nutzen, um Abweichungsanalysen, Prognosen, Rechnungs- und Vertragsprüfungen, Betrugsermittlungen und die Audit-Vorbereitung zu unterstützen. Die stärksten Anwendungsfälle helfen Finanzteams dabei, den Weg von einer gemeldeten Zahl zu den zugrunde liegenden Transaktionen, Annahmen, Verträgen oder Richtlinien zurückzuverfolgen.\u003C/p\u003E\n\u003Cp\u003EAnwendungsfälle im Finanzwesen erfordern eine besonders strenge Governance. Ein KI-Workflow im Finanzwesen sollte wissen, welche Metrikdefinition genehmigt ist, welcher Berichtszeitraum gilt, welches Account-Mapping aktuell ist und welches Dataset die Antwort stützt. Für Risiko- und Compliance-Aufgaben sollte er zudem Nachweise hinterlassen: was überprüft wurde, welche Quelle verwendet wurde, welche Ausnahme gefunden wurde und welche Person den nächsten Schritt genehmigt hat. Die Zugriffskontrollen müssen der Sensibilität der Daten entsprechen, unabhängig davon, ob der Workflow Umsatzzahlen, Vertragsbedingungen oder Vergütungsdaten von Mitarbeitenden verarbeitet.\u003C/p\u003E\n\u003Ch3\u003EOperations und Supply Chain\u003C/h3\u003E\n\u003Cp\u003ETeams in den Bereichen Operations und Supply Chain können KI gezielt für Bedarfsprognosen, Bestandsmanagement, vorausschauende Wartungsplanung, Analysen der Lieferanten-Performance und die Triage von Ausnahmen einsetzen. Diese Anwendungsfälle sind auf aktuelle, vernetzte Daten angewiesen, da schon kleine Verzögerungen oder veraltete Signale die empfohlene Maßnahme verändern können.\u003C/p\u003E\n\u003Cp\u003EEin Supply-Chain-Agent könnte Bedarfssignale, Bestandsaufzeichnungen, die Lieferanten-Performance, den Versandstatus und Vertragsbedingungen kombinieren, bevor er eine Reaktion auf eine Verzögerung empfiehlt. Ein Workflow in der Fertigung könnte die Telemetrie von Anlagen, Qualitätsdaten und den Wartungsverlauf überprüfen, um zu identifizieren, wo wahrscheinlich als Nächstes ein Prozessproblem auftreten wird. Die Chance liegt nicht nur in der Vorhersage, sondern in einer Handlungsempfehlung mit ausreichend Kontext und Nachweisen, damit ein Mensch oder ein nachgelagertes System effizient und mit relevanten unterstützenden Daten reagieren kann.\u003C/p\u003E","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"callout_enterprise-ai-use-cases-generative-ai-to-agentic-ai_1":{"id":"text-ad5558b541","additionalClasses":"callout callout--warning","text":"\u003Cp\u003E\u003Cstrong\u003EHÄUFIGER FALLSTRICK\u003C/strong\u003E\u003C/p\u003E\n\u003Cp\u003EEin häufiger Fehler ist es, Enterprise-KI als Problem der Modellauswahl und nicht als Problem des Betriebsmodells zu betrachten. Ohne vertrauenswürdige Daten, klare Berechtigungen, Evaluierungspraktiken und Workflow-Verantwortlichkeiten können selbst vielversprechende KI-Pilotprojekten Schwierigkeiten haben, sich zu zuverlässigen Produktionssystemen zu entwickeln.\u003C/p\u003E","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"},"title_what-leading-enterprises-are-building-now":{"id":"title-v2-02c89c8477","additionalClasses":"anchor-title anchor-title--what-leading-enterprises-are-building-now","type":"heading2","lines":["Was führende Unternehmen jetzt aufbauen"],":type":"snowflake-site/components/title-v2"},"text_what-leading-enterprises-are-building-now_0":{"id":"text-d64535194b","text":"\u003Cp\u003EUnternehmen, die Enterprise-KI skalieren möchten, benötigen eine Grundlage, die es KI ermöglicht, in Workflows integriert zu werden, ohne die Kontrolle über Datenzugriff, Geschäftslogik, Kosten, Qualität oder Verantwortlichkeit zu verlieren. Da KI zunehmend eingebettet und agentenbasierter wird, muss diese Grundlage ausreichend Konnektivität bieten, damit KI Kontext abrufen und Aktionen unterstützen kann, sowie genügend Kontrolle für Teams, um das Verhalten zu antizipieren, zu steuern und zu prüfen.\u003C/p\u003E\n\u003Ch3\u003EEine kontrollierte Datengrundlage\u003C/h3\u003E\n\u003Cp\u003EEnterprise-KI benötigt Zugriff auf strukturierte, semistrukturierte und unstrukturierte Daten, aber dieser Zugriff muss Eigentumsverhältnisse, Sensibilität, Aktualität und Richtlinienbeschränkungen widerspiegeln. Ein Modell oder Agent sollte Daten nicht einfach deshalb sehen, weil ein Konnektor vorhanden ist. Der Zugriff sollte erfolgen, weil der:die Nutzer:in, der Workflow und der Anwendungsfall über die entsprechenden Berechtigungen verfügen.\u003C/p\u003E\n\u003Cp\u003EDiese Grundlage erfordert die Durchsetzung von Richtlinien am Zugriffspunkt: Klassifizierung zur Identifizierung sensibler Felder, Maskierung und Richtlinien auf Zeilenebene, um einzuschränken, was einzelne Nutzer:innen oder Agenten abrufen können, Lineage- und Audit-Protokolle, um zu zeigen, was verwendet wurde, sowie Datenqualitätssignale, die anzeigen, ob eine Quelle aktuell genug ist, um die Aufgabe zu unterstützen.\u003C/p\u003E\n\u003Ch3\u003EEin Semantic Layer für die Geschäftslogik\u003C/h3\u003E\n\u003Cp\u003EEin Semantic Layer bietet KI-Systemen eine kontrollierte Schnittstelle zur Geschäftslogik. Er definiert genehmigte Metriken, Entitäten, Dimensionen und Beziehungen in einer Form, die KI-Systeme präzise abfragen können. Ohne ihn liefert KI möglicherweise immer noch Antworten, aber Teams werden viel Zeit damit verbringen, zu validieren, ob diese Antworten die Realität des Unternehmens widerspiegeln.\u003C/p\u003E\n\u003Cp\u003ESemantische Ansichten sind ein Mechanismus, der dabei helfen kann, dies umzusetzen. Sie kodieren Geschäftsdefinitionen, wie z. B. die Berechnung des Umsatzes, welche Entitätsbeziehungen kanonisch sind und welche Dimensionen zu welchen Domänen gehören. Katalog-Metadaten, einschließlich Zertifizierungsstatus, Eigentumsverhältnissen, Lineage und Nutzungsverlauf, bieten KI-Systemen zusätzlichen Kontext, um zu bestimmen, welche Datenquellen zuverlässig und aktuell sind.\u003C/p\u003E\n\u003Ch3\u003EAgentenkontrollen und Tool-Grenzen\u003C/h3\u003E\n\u003Cp\u003EDa Agenten Systeme verbinden, müssen Unternehmen definieren, was jeder Agent tun darf: welche Tools er aufrufen kann, welche Daten er abrufen darf, welche Aktionen eine menschliche Überprüfung erfordern, welche Anmeldeinformationen er verwendet und was passiert, wenn er einen Fehler macht. Ohne diese Grenzen bergen agentenbasierte Workflows Risiken, die in Query-and-Response-Systemen nicht existieren.\u003C/p\u003E\n\u003Cp\u003EMCP bietet einen Standard, um zu definieren, wie sich Agenten mit Tools und Datenquellen verbinden, welche Berechtigungen jede Verbindung mit sich bringt und wie diese Verbindungen gesichert werden. Sandboxed-Ausführungsumgebungen können dabei helfen, den von Agenten ausgeführten Code zu isolieren und das Risiko von Aktionen außerhalb eines definierten Umfangs zu reduzieren. Eine mandantenspezifische Datenisolierung kann bei Implementierung mit entsprechenden Kontrollen dazu beitragen, die Agentendaten eines Unternehmens in Multi-Tenant-Umgebungen von denen eines anderen zu trennen.\u003C/p\u003E\n\u003Ch3\u003EEvaluierung und Observability\u003C/h3\u003E\n\u003Cp\u003EEnterprise-KI erfordert eine Evaluierung vor und nach dem Deployment. Teams sollten Antwortqualität, Abrufgenauigkeit, Halluzinationsrisiko, Latenz, Kosten, Eskalationsrate und geschäftliche Auswirkungen messen. Bei agentenbasierten Workflows muss die Evaluierung auch abdecken, ob der Agent das richtige Tool ausgewählt, die richtige Reihenfolge eingehalten und bei Bedarf auf eine Genehmigung gewartet hat.\u003C/p\u003E\n\u003Cp\u003E\u003Ca href=\"https://www.snowflake.com/de/artificial-intelligence/observability/\"\u003EKI-Observability\u003C/a\u003E ist unerlässlich, da sich KI-Systeme ändern, wenn sich Modelle, Prompts, Daten und Workflows ändern. Ein heute noch zuverlässiger Workflow kann abdriften, wenn sich eine vorgelagerte Datenquelle ändert, eine Richtlinie aktualisiert wird oder ein Agent Zugriff auf ein neues Tool erhält. Ein fortlaufendes Monitoring mit definierten Alarmgrenzwerten und klaren Verantwortlichkeiten für den Ausnahmepfad hilft Teams, dieses Abdriften zu erkennen, bevor es Geschäftsentscheidungen beeinflusst.\u003C/p\u003E\n\u003Ch3\u003EFunktionsübergreifende Verantwortlichkeit\u003C/h3\u003E\n\u003Cp\u003EDas Betriebsmodell für Enterprise-KI erfordert, dass Data Owner, Sicherheits-, Compliance- und Plattformteams sowie Verantwortliche für Geschäftsprozesse auf Basis eines gemeinsamen Kontroll-Frameworks arbeiten. Sobald KI systemübergreifend Daten abrufen und Aktionen ausführen kann, muss das Unternehmen wissen, wer für den Workflow, die Daten, die Richtlinie, den Evaluierungsprozess und den Ausnahmepfad verantwortlich ist.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_whats-next-for-enterprise-ai":{"id":"title-v2-5ea0f2463f","additionalClasses":"anchor-title anchor-title--whats-next-for-enterprise-ai","type":"heading2","lines":["Was kommt als Nächstes für Enterprise-KI"],":type":"snowflake-site/components/title-v2"},"text_whats-next-for-enterprise-ai_0":{"id":"text-8b90669652","text":"\u003Cp\u003EDie nahe Zukunft der Unternehmens-KI konzentriert sich nicht auf mehr KI-Funktionen, sondern auf diszipliniertere KI-Systeme. Die Unternehmen, die in dieser nächsten Phase erfolgreich sein werden, sind diejenigen, die KI von einer isolierten Funktion zu einer kontrollierten Ausführung weiterentwickeln können – bei der jede Ausgabe auf vertrauenswürdigen Daten basiert, auf die Geschäftslogik abgestimmt ist und für reale Ergebnisse verantwortlich gemacht werden kann. Diese Grundlage ermöglicht es Unternehmen, KI über Workflows hinweg sicher zu skalieren.\u003C/p\u003E","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"quote_whats-next-for-enterprise-ai_0":{"id":"quote-item-e44e76ac55","alignment":"left","layout":"simple","showQuoteIcon":true,"quote":"Die nahe Zukunft der Unternehmens-KI konzentriert sich nicht auf mehr KI-Funktionen, sondern auf diszipliniertere KI-Systeme.","showHangingPunctuation":false,":type":"snowflake-site/components/quote-item"},"title_how-snowflake-supports-enterprise-ai":{"id":"title-v2-f43f03deb8","additionalClasses":"anchor-title anchor-title--how-snowflake-supports-enterprise-ai","type":"heading2","lines":["Wie Snowflake Enterprise-KI unterstützt"],":type":"snowflake-site/components/title-v2"},"text_how-snowflake-supports-enterprise-ai_0":{"id":"text-adfbfaf610","text":"\u003Cp\u003ESnowflake hilft Unternehmen beim Aufbau von Enterprise-KI, bei der kontrollierte Daten, Geschäftslogik und KI-Funktionen zusammenarbeiten können. Mit \u003Ca href=\"https://www.snowflake.com/de/product/features/cortex/\"\u003ESnowflake Cortex AI\u003C/a\u003E und \u003Ca href=\"https://www.snowflake.com/de/product/features/horizon/\"\u003ESnowflake Horizon Catalog\u003C/a\u003E können Teams KI mit strukturierten, halbstrukturierten und unstrukturierten Daten verbinden, semantischen Kontext anwenden und die Governance-Funktionen von Snowflake nutzen, um Zugriffs- und Datenschutzkontrollen für Agentic Workflows zu verwalten. Dies kann eine Grundlage für die Skalierung von Unternehmens-KI in Produktions-Workflows bieten und Teams gleichzeitig dabei helfen, Datenzugriff, Governance und Verantwortlichkeit in Einklang zu bringen.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"callout_how-snowflake-supports-enterprise-ai_0":{"id":"text-d73949bd7a","additionalClasses":"callout callout--general","text":"\u003Cp\u003E\u003Cstrong\u003EWICHTIGSTE ERKENNTNIS\u003C/strong\u003E\u003C/p\u003E\n\u003Cp\u003EEnterprise-KI wird zu einer zentralen operativen Ebene für moderne Unternehmen. Um sie erfolgreich zu skalieren, benötigen Unternehmen mehr als nur leistungsstarke Modelle – sie brauchen vertrauenswürdige Daten, klare Governance, kontrollierte Agentensteuerungen und messbare Geschäftsergebnisse.\u003C/p\u003E","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"}},":itemsOrder":["callout__0","text__0","quote__0","text__1","title_what-enterprise-ai-means-now","text_what-enterprise-ai-means-now_0","title_enterprise-ai-trends-leading-companies-are-acting-on-now","text_enterprise-ai-trends-leading-companies-are-acting-on-now_0","card_v2","text_enterprise-ai-trends-leading-companies-are-acting-on-now_1","title_enterprise-ai-use-cases-generative-ai-to-agentic-ai","text_enterprise-ai-use-cases-generative-ai-to-agentic-ai_0","callout_enterprise-ai-use-cases-generative-ai-to-agentic-ai_0","text_enterprise-ai-use-cases-generative-ai-to-agentic-ai_1","callout_enterprise-ai-use-cases-generative-ai-to-agentic-ai_1","title_what-leading-enterprises-are-building-now","text_what-leading-enterprises-are-building-now_0","title_whats-next-for-enterprise-ai","text_whats-next-for-enterprise-ai_0","quote_whats-next-for-enterprise-ai_0","title_how-snowflake-supports-enterprise-ai","text_how-snowflake-supports-enterprise-ai_0","callout_how-snowflake-supports-enterprise-ai_0"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-medium"},"flexible_column_content_container_2":{"additionalClasses":"hub-sidebar","layout":"SIMPLE","id":"hub-body-aside",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"container":{"additionalClasses":"sticky-sidebar","layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"text_943981956_copy_":"aem-GridColumn aem-GridColumn--default--12","text_copy":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"container-9eddafcb5e",":type":"snowflake-site/components/container",":items":{"text_943981956_copy_":{"id":"text-4dc3040215","additionalClasses":"eyebrow-text","text":"\u003Cp\u003EIn diesem Leitfaden\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular"},"text_copy":{"id":"text-b0feaf45ab","additionalClasses":"page-toc","text":"\u003Cul\u003E\u003Cli data-anchor=\"what-enterprise-ai-means-now\"\u003EWas Enterprise-KI heute bedeutet\u003C/li\u003E\u003Cli data-anchor=\"enterprise-ai-trends-leading-companies-are-acting-on-now\"\u003EEnterprise-KI-Trends, auf die führende Unternehmen jetzt reagieren\u003C/li\u003E\u003Cli data-anchor=\"enterprise-ai-use-cases-generative-ai-to-agentic-ai\"\u003EEnterprise-KI-Anwendungsfälle: von generativer KI bis Agentic AI\u003C/li\u003E\u003Cli data-anchor=\"what-leading-enterprises-are-building-now\"\u003EWas führende Unternehmen jetzt aufbauen\u003C/li\u003E\u003Cli data-anchor=\"whats-next-for-enterprise-ai\"\u003EWas kommt als Nächstes für Enterprise-KI\u003C/li\u003E\u003Cli data-anchor=\"how-snowflake-supports-enterprise-ai\"\u003EWie Snowflake Enterprise-KI unterstützt\u003C/li\u003E\u003C/ul\u003E","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-small text-color-text-05"}},":itemsOrder":["text_943981956_copy_","text_copy"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-medium"}},":itemsOrder":["container"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-small"},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false},"flexible_column_cont_1786318617":{"id":"flexible-column-container-c9f9cbdd16","propertiesId":"hub-faq","type":"2-column-40-60","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"large","bottomPadding":"large","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"hub-faq-intro",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"title_v2_copy":{"id":"title-v2-41b35cf15d","additionalClasses":"hub-faq__headline","type":"heading2","lines":["Häufig gestellte Fragen"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text_copy":{"id":"text-ade3e23bc5","additionalClasses":"hub-faq__subheadline","text":"\u003Cp\u003EIhre häufigsten Fragen zu Enterprise-KI – beantwortet von Snowflake-Expert:innen.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"}},":itemsOrder":["title_v2_copy","text_copy"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-extra-small"},"flexible_column_content_container_2":{"layout":"SIMPLE","id":"hub-faq-accordions",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"simple_snowflake_acc":{"id":"simple-snowflake-accordion-d3ebffb6db","additionalClasses":"seo-hub__faqs","showDivider":false,"accordionItemsList":[{"title":"Wie verändern KI-Agenten die Enterprise-KI?","richText":"\u003Cp\u003EKI-Agenten verändern die Enterprise-KI, indem sie es KI-Systemen ermöglichen, mehr zu tun, als nur Fragen zu beantworten. Agenten können eine Anfrage in Schritte unterteilen, Daten abrufen, Tools aufrufen, mit Anwendungen interagieren und Aufgaben zwischen Systemen weitergeben. Dies macht sie nützlich für Workflows wie Kundensupport, Beschaffung, Revenue Operations, Finanzen und IT, erhöht aber auch den Bedarf an bereichsbezogenen Berechtigungen, Monitoring, menschlicher Genehmigung und Audit-Trails.\u003C/p\u003E"},{"title":"Warum ist Governance für Enterprise-KI wichtig?","richText":"\u003Cp\u003EGovernance ist wichtig, da Enterprise-KI häufig mit sensiblen Daten, regulierten Prozessen und Geschäftsentscheidungen arbeitet, die Verantwortlichkeit erfordern. Da KI zunehmend in Workflows eingebettet und systemübergreifend vernetzt wird, benötigen Unternehmen Richtlinien, Lineage, Zugriffskontrollen, Evaluierungen und Audit-Trails, die festlegen, was KI-Systeme sehen und tun dürfen.\u003C/p\u003E"}],":type":"snowflake-site/components/simple-snowflake-accordion"}},":itemsOrder":["simple_snowflake_acc"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"},"flexible_column_cont_1467213961":{"id":"flexible-column-container-a233915902","propertiesId":"hub-explore-resources-header","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"large","bottomPadding":"none","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-0c176b2b5b",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"title_v2":{"id":"title-v2-1e8cde58c1","additionalClasses":"hub-explore-resources-header__headline","type":"heading2","lines":["KI-Ressourcen entdecken"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"}},":itemsOrder":["title_v2"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"},"flexible_column_cont_912630531":{"id":"flexible-column-container-04fb7610e0","propertiesId":"hub-explore-resources-grid","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"small","bottomPadding":"large","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"hub-explore-resources-grid-inner",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"resource_chip_0":{"id":"content-chip-51cbe18e4d","tagText":"BERICHT","tagColor":"#C6EDF1","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/de/lp/radical-roi-generative-ai/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"Weiterlesen"},"headline":{"id":"title","type":"heading5","lines":["Der ROI von generativer KI und KI-Agenten 2026"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip","appliedCssClassNames":"snowflake-content-chip-white-bg"},"resource_chip_1":{"id":"content-chip-c7d5b57244","tagText":"WHITEPAPER","tagColor":"#FFD9AF","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/en/resources/white-paper/ai-at-work-from-productivity-hacks-to-organizational-transformation/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"Weiterlesen"},"headline":{"id":"title","type":"heading5","lines":["KI am Arbeitsplatz: Von Produktivitäts-Hacks zur Unternehmenstransformation"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip","appliedCssClassNames":"snowflake-content-chip-white-bg"},"resource_chip_2":{"id":"content-chip-1c50e7f9c5","tagText":"BLOG","tagColor":"#29B5E8","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/en/blog/agentic-ai-business-operations0/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"Weiterlesen"},"headline":{"id":"title","type":"heading5","lines":["Agentic AI im Unternehmen: Von Pilotprojekten zum operativen Betrieb"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip","appliedCssClassNames":"snowflake-content-chip-white-bg"},"resource_chip_3":{"id":"content-chip-46dcbd021c","tagText":"E-BOOK","tagColor":"#71D3DC","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/resource/the-ultimate-guide-to-data-ai-for-industries/?lang=de"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"E-book lesen"},"headline":{"id":"title","type":"heading5","lines":["Der ultimative Branchenleitfaden zu Daten und KI 2026"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip","appliedCssClassNames":"snowflake-content-chip-white-bg"}},":itemsOrder":["resource_chip_0","resource_chip_1","resource_chip_2","resource_chip_3"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"},"flexible_column_cont_1422227087":{"id":"flexible-column-container-ecfd020149","propertiesId":"hub-explore-topics-header","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"large","bottomPadding":"none","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-1e8813265b",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"title_v2":{"id":"title-v2-5416eb7321","additionalClasses":"hub-explore-topics-header__headline","type":"heading2","lines":["KI-Themen entdecken"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text":{"id":"text-3da68a6a98","additionalClasses":"hub-explore-topics-header__subheadline","text":"\u003Cp\u003EDetaillierte Einblicke in jeden Aspekt der künstlichen Intelligenz\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"}},":itemsOrder":["title_v2","text"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false,"appliedCssClassNames":"snowflake-flexible-column-container-white-bg"},"flexible_column_cont_870312728":{"id":"flexible-column-container-56931ac00c","propertiesId":"hub-explore-topics-grid","type":"3-column-even","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"small","bottomPadding":"large","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-ec0560140b",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"card_v2":{"id":"card-v2-7b6d0fb84f","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","text":{"id":"text","text":"\u003Cp\u003EGrundlegender Leitfaden für Unternehmens-KI: Wie sie funktioniert, wohin sie sich entwickelt und was sie für Ihr Unternehmen bedeutet.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"vertical","title":{"id":"title","type":"heading4","lines":["Künstliche Intelligenz"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/de/artificial-intelligence/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Hier mehr erfahren"},"type":"content-card"}},":itemsOrder":["card_v2"]},"flexible_column_content_container_2":{"layout":"SIMPLE","id":"container-eb5b6dec9c",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"card_v2":{"id":"card-v2-9b92bbd7df","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","text":{"id":"text","text":"\u003Cp\u003EFrameworks, Richtlinien und Aufsichtsmodelle für das Management von KI-Risiken, Verantwortlichkeiten, Compliance und betrieblicher Kontrolle.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"vertical","title":{"id":"title","type":"heading4","lines":["KI-Governance"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/de/artificial-intelligence/ai-governance/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Hier mehr erfahren"},"type":"content-card"}},":itemsOrder":["card_v2"]},"flexible_column_content_container_3":{"layout":"SIMPLE","id":"container-3bdaaa0a94",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"card_v2":{"id":"card-v2-0652207b7c","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","text":{"id":"text","text":"\u003Cp\u003EAlgorithmen verstehen, die automatisch aus Erfahrung lernen und sich verbessern.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"vertical","title":{"id":"title","type":"heading4","lines":["Maschinelles Lernen"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/de/artificial-intelligence/machine-learning/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Hier mehr erfahren"},"type":"content-card"}},":itemsOrder":["card_v2"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false,"appliedCssClassNames":"snowflake-flexible-column-container-white-bg"}},":itemsOrder":["flexible_column_cont","flexible_column_cont_939100716","flexible_column_cont_1465525632","flexible_column_cont_663228916","flexible_column_cont_1786318617","flexible_column_cont_1467213961","flexible_column_cont_912630531","flexible_column_cont_1422227087","flexible_column_cont_870312728"],":type":"wcm/foundation/components/responsivegrid"},"modal_container":{"layout":"SIMPLE","id":"container-936223b9b6",":type":"snowflake-site/components/modal/modal-container",":items":{},":itemsOrder":[]},"markup_editor_928258845":{"id":"markup-editor-30d6af3e3f","title":" ","cssContent":".snowflake-flexible-column-container-gray-10-bg\u003E.snowflake-flexible-column-container{background-color:var(--ui-background-05) !important}.text-size-regular:has(.seo-hub-hero__related-topic-label){display:flex;align-items:center}.hub-hero__headline span{text-transform:none !important}.hub-hero__subheadline p{max-width:70ch;margin-top:8px}.hub-hero__authors \u003E .container \u003E .cmp-container \u003E .aem-container{display:flex;flex-direction:row}.hub-hero__authors \u003E .container \u003E .cmp-container \u003E .aem-container \u003E div{width:auto !important;margin:24px 48px 0 0 !important}.hub-hero__authors .heading-5-v2{gap:var(--spacing-00)}.hub-hero__authors .snowflake-content-chip-button{display:none !important}.hub-hero__authors .snowflake-person-chip-content .body-2,.hub-hero__authors .snowflake-content-chip-content .snowflake-title-v2-line{font-size:16px !important;line-height:20px !important;font-family:\"Lato\",sans-serif !important;color:#000 !important;font-weight:600 !important}.hub-hero__authors .snowflake-person-chip-content .body-3,.hub-hero__authors .snowflake-content-chip-content .snowflake-title-v2-line:not(:first-child){font-weight:400 !important;color:var(--text-05) !important;font-size:16px !important}.hub-hero__authors .snowflake-image-container img{aspect-ratio:1 !important;border-radius:100%;overflow:hidden}.hub-hero__authors .snowflake-person-chip-avatar{width:56px;height:56px}.hub-hero__authors .snowflake-content-chip{align-items:center;display:inline-flex}.hub-hero__authors .snowflake-content-chip-image{max-width:56px;line-height:0;margin-right:var(--spacing-03)}.hub-hero__authors .snowflake-person-chip-inner-horizontal{gap:var(--spacing-03)}@media screen and (min-width:1367px){.hub-hero__headline .heading-1-v2{font-size:48px;line-height:44px}}#hub-explore-resources-grid-inner\u003E.container\u003E.cmp-container\u003E.aem-container{display:flex;flex-direction:row;flex-wrap:wrap;gap:24px}#hub-explore-resources-grid-inner\u003E.container\u003E.cmp-container\u003E.aem-container::before,#hub-explore-resources-grid-inner\u003E.container\u003E.cmp-container\u003E.aem-container::after{display:none}#hub-explore-resources-grid-inner\u003E.container\u003E.cmp-container\u003E.aem-container\u003Ediv{width:calc(25% - 18px)}.text-color-text-05 .snowflake-text h2,.text-color-text-05.cq-Editable-dom h2,.text-color-text-05 .snowflake-text h3,.text-color-text-05.cq-Editable-dom h3,.text-color-text-05 .snowflake-text h4,.text-color-text-05.cq-Editable-dom h4,.text-color-text-05 .snowflake-text h5,.text-color-text-05.cq-Editable-dom h5,.text-color-text-05 .snowflake-text h6,.text-color-text-05.cq-Editable-dom h6{color:#000 !important}",":type":"snowflake-site/components/markup-editor","isGSAPEnabled":false},"markup_editor_597730182":{"id":"markup-editor-4d1478a03d","title":" ","cssContent":".sf-copy-markdown [data-copy-md]{display:inline-flex;align-items:center;gap:6px;padding:8px 16px;font-family:'Texta',sans-serif;text-transform:uppercase;font-weight:800 !important;font-size:14px;font-weight:500;color:#11567f;background:#f0faff;border:1px solid #b8e6f9;border-radius:24px;cursor:pointer;transition:background .2s ease,border-color .2s ease,color .2s ease}.sf-copy-markdown [data-copy-md]:hover{background:#ddf3fc;border-color:#29b5e8}.sf-copy-markdown [data-copy-md][data-copied=\"1\"]{color:#0f7b3e;background:#ecfdf5;border-color:#6ee7a0;pointer-events:none}.sf-copy-markdown [data-copy-md] svg{flex-shrink:0}.longform-conten .snowflake-content-chip-white-bg .snowflake-content-chip{box-shadow:0 0 24px 4px rgba(0,0,0,.02),0 4px 8px 0 rgba(0,0,0,.04);flex-direction:row-reverse;align-items:center}.longform-conten .snowflake-content-chip-button{display:none}.longform-conten .snowflake-content-chip-image__inner{aspect-ratio:5 / 3;display:flex;justify-content:center;align-items:center;background-color:var(--ui-01);border-radius:4px}.longform-conten .snowflake-content-chip-image{margin-right:0;margin-left:48px}.longform-conten .snowflake-content-chip-image img{width:50%;border-radius:0 !important;object-fit:contain}.longform-content .black-blue-text-color .snowflake-title-v2-line:not(:first-child){font-size:14px !important;font-weight:400 !important;color:rgba(0,0,0,.6) !important;margin-top:8px !important}.page-toc ul li:first-child{padding-top:0 !important}.page-toc ul li:last-child{padding-bottom:0 !important}.seo-hub__top-bar \u003E .container \u003E .cmp-container \u003E .aem-container \u003E div:first-child{flex-grow:1}.sf-copy-markdown{margin-top:40px !important}.page-toc ul{margin-top:16px !important}.seo-hub__top-bar \u003E .container \u003E .cmp-container \u003E .aem-container{display:flex;justify-content:space-between}.sf-copy-markdown{}.callout.snowflake-text p:not(:first-child){margin-top:var(--spacing-01)}.callout \u003E span \u003E p:first-child \u003E strong,.callout \u003E span \u003E p:first-child \u003E b{text-transform:uppercase;font-family:'Texta',sans-serif;font-size:16px !important;color:var(--ui-01) !important}.seo-hub-hero__subheadline p{max-width:50ch}.tag-group ul{list-style-type:none;padding:0;margin:0;display:flex;flex-direction:row;row-gap:12px;column-gap:8px;align-items:center;flex-wrap:wrap}.tag-group ul li:first-child{flex-shrink:0}.tag-group ul li a{display:inline-block;padding:2px 12px;border-radius:48px;background-color:#ededed;color:#666;font-size:14px !important}@media screen and (min-width:1367px){.seo-hub-hero__headline span.snowflake-title-v2-line{font-size:56px !important}}.callout.snowflake-text p:not(:first-child){margin-top:var(--spacing-01)}.callout \u003E span \u003E p:first-child \u003E b{text-transform:uppercase;font-family:'Texta',sans-serif;font-size:16px !important;color:var(--ui-01) !important}.seo-hub-hero__subheadline p{max-width:80ch}#hero:has(.snowflake-youtube-lite) .seo-hub-hero__subheadline p{max-width:50ch}.tag-group ul{list-style-type:none;padding:0;margin:0;display:flex;flex-direction:row;row-gap:12px;column-gap:8px;align-items:center;flex-wrap:wrap}.tag-group ul li:first-child{width:100%;flex-shrink:0}.tag-group ul li a{display:inline-block;padding:2px 12px;border-radius:48px;background-color:#ededed;color:#666;font-size:14px !important}@media screen and (min-width:1367px){.seo-hub-hero__headline span.snowflake-title-v2-line{font-size:56px !important}}",":type":"snowflake-site/components/markup-editor","isGSAPEnabled":false},"markup_editor":{"id":"markup-editor-ddf1d343cf","title":" ","cssContent":"div.snowflake-breadcrumb a.snowflake-breadcrumb-item,.snowflake-breadcrumb div.snowflake-breadcrumb-item{text-transform:none;font-weight:500}.snowflake-breadcrumb svg{display:none !important}.snowflake-breadcrumb a:has(svg)::after{content:'/';margin:0 12px;color:#666}.hub-sidebar{padding:0 40px}.sticky-sidebar{max-width:340px;margin-left:auto}.page-toc ul{list-style-type:none;padding:0}.page-toc li{padding:8px 16px;border-left:4px solid var(--ui-01);cursor:pointer;transition:300ms ease all}.page-toc li:hover{color:var(--ui-01);border-color:#7fd3f1;transition:300ms ease all}.callout,.customer-card{background-color:#eef9fd;border-left:4px solid var(--ui-01);padding:24px 24px 24px 32px;border-radius:4px}.logo-container{max-width:180px}.longform-content li{margin-top:1rem !important}div.longform-content p{max-width:80ch}.bolder .snowflake-title-v2-line{font-weight:900 !important}.border-top\u003Ediv{border-top:1px solid #ccc;padding-top:48px}.related-topics ul{list-style-type:none;padding:0;margin:0;display:flex;gap:8px;flex-wrap:wrap}.related-topics li{display:inline-block;border:1px solid #ccc;padding:4px 12px;border-radius:24px}div.longform-content .snowflake-text h2,div.longform-content .snowflake-text .heading-2-v2,div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-title-v2 .heading-3-v2,div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-title-v2 .heading-4-v2,div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-title-v2 .heading-5-v2,div.longform-content .snowflake-text h6,div.longform-content .snowflake-title-v2 .heading-6-v2,div.longform-content .snowflake-text .heading-6-v2{text-transform:none !important}div.longform-content .snowflake-text h2,div.longform-content .snowflake-text .heading-2-v2,div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-text h6,div.longform-content .snowflake-text .heading-6-v2{margin-top:1.5rem !important;line-height:1.1 !important}div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-title-v2 .heading-3-v2,div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-title-v2 .heading-4-v2,div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-title-v2 .heading-5-v2,div.longform-content .snowflake-text h6,div.longform-content .snowflake-text .heading-6-v2,div.longform-content .snowflake-title-v2 .heading-6-v2{font-family:Lato,sans-serif !important;font-weight:800 !important}div.longform-content .snowflake-text h2,div.longform-content .snowflake-text .heading-2-v2,div.longform-content .snowflake-title-v2 .heading-2-v2{text-transform:none !important;font-size:28px !important}div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-title-v2 .heading-3-v2{font-size:22px !important}div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-title-v2 .heading-4-v2{font-size:18px !important}div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-title-v2 .heading-5-v2{font-size:16px !important}div.longform-content .snowflake-text h6,div.longform-content .snowflake-text .heading-6-v2,div.longform-content .snowflake-title-v2 .heading-6-v2{font-size:14px !important}@media screen and (min-width:992px){div.longform-content .snowflake-text h2,div.longform-content .snowflake-text .heading-2-v2,div.longform-content .snowflake-title-v2 .heading-2-v2{font-size:38px !important}div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-title-v2 .heading-3-v2{font-size:26px !important}div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-title-v2 .heading-4-v2{font-size:22px !important}div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-title-v2 .heading-5-v2{font-size:18px !important}div.longform-content .snowflake-text h6,div.longform-content .snowflake-text .heading-6-v2,div.longform-content .snowflake-title-v2 .heading-6-v2{font-size:16px !important}}.sticky-sidebar .page-toc li.is-active{font-weight:600;color:var(--snow-blue,#29b5e8)}.sticky-sidebar .page-toc li[data-anchor]{cursor:pointer}.longform-content table{margin-top:24px;margin-bottom:24px;width:100%;background-color:var(--ui-background-01);border-collapse:collapse;border:2px solid var(--ui-background-09);font-family:'Lato',sans-serif;color:var(--ui-background-09)}.longform-content table thead{background-color:var(--ui-01)}.longform-content th,.longform-content td{min-width:120px;border:2px solid var(--ui-background-09);padding:var(--spacing-01)}.longform-content ol{margin-top:0 !important}.longform-content ol li{margin-bottom:1rem !important}.longform-content ul li{margin:0;padding:0 0 0 32px;position:relative}.longform-content ul{list-style-type:none}.longform-content ul li::before{content:\"\";display:block;border-radius:100%;background:#29b5e8;width:18px;height:18px;position:absolute;top:4px;left:0;border:5px solid #e5f2f7;box-sizing:border-box}.seo-customer.snowflake-card-v2-advanced-horizontal .snowflake-card-v2-advanced-image-container{max-width:200px}.seo-customer.snowflake-card-v2-advanced-horizontal .snowflake-card-v2-advanced-image-container img{object-fit:contain}.related-topics-outer-container \u003E .container \u003E .cmp-container \u003E .aem-container{display:flex;flex-direction:row}.related-topics-outer-container \u003E .container \u003E .cmp-container \u003E .aem-container \u003E div{width:auto !important;margin:0 !important}.related-topics-outer-container \u003E .container \u003E .cmp-container \u003E .aem-container \u003E div:first-child{margin-right:16px !important;flex-shrink:0}","jsContent":"(function(){var OFFSET=100;if(window.gsap&&window.ScrollTrigger){gsap.registerPlugin(ScrollTrigger);var sidebar=document.querySelector('.sticky-sidebar');var body=document.querySelector('.longform-content');if(sidebar&&body){ScrollTrigger.create({trigger:sidebar,start:'top 100px',endTrigger:body,end:'bottom bottom',pin:sidebar,pinSpacing:false});}}document.addEventListener('click',function(e){var li=e.target.closest('li[data-anchor]');if(!li)return;var slug=li.getAttribute('data-anchor');var heading=document.querySelector('.anchor-title--'+CSS.escape(slug));if(!heading)return;e.preventDefault();var top=heading.getBoundingClientRect().top+window.pageYOffset-OFFSET;window.scrollTo({top:top,behavior:'smooth'});history.replaceState(null,'','#'+slug);},false);var headings=document.querySelectorAll('[class*=\"anchor-title--\"]');if(headings.length&&'IntersectionObserver'in window){var io=new IntersectionObserver(function(entries){entries.forEach(function(entry){if(!entry.isIntersecting)return;var cls=Array.from(entry.target.classList).find(function(c){return c.indexOf('anchor-title--')===0;});if(!cls)return;var slug=cls.replace('anchor-title--','');document.querySelectorAll('li[data-anchor]').forEach(function(li){li.classList.toggle('is-active',li.getAttribute('data-anchor')===slug);});});},{rootMargin:'-20% 0px -70% 0px',threshold:0});headings.forEach(function(h){io.observe(h);});}})();",":type":"snowflake-site/components/markup-editor","isGSAPEnabled":true},"experiencefragment-footer":{"id":"experiencefragment-78c2cffd70","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/de/site/footer/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/de/site/footer/master.xfmodel.json"},"experiencefragment":{"id":"experiencefragment-753a3b22a5","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/de/site/footer-legal-disclaimers/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/de/site/footer-legal-disclaimers/master.xfmodel.json"}},":itemsOrder":["experiencefragment-banner","experiencefragment-header","responsivegrid","modal_container","markup_editor_928258845","markup_editor_597730182","markup_editor","experiencefragment-footer","experiencefragment"],":type":"wcm/foundation/components/responsivegrid"}},":itemsOrder":["root"],":hierarchyType":"page",":path":"/content/snowflake-site/global/de/artificial-intelligence/business/enterprise","analyticsEnabled":true,"coveoConfig":{"searchHub":"snowflake.com","organizationId":"snowflakecomputingproduction8neljofn","apiKey":"xx335921a6-2a0a-40f2-a167-e390b4766c3d","pipeline":"snowflake.com"},"analyticsDebugMode":false,"analyticsData":{"excludeFromAnalytics":false,"subCategory":"","pageType":"homepage","templateName":"base-page-template54","siteName":"snowflake","pageUrl":"/content/snowflake-site/global/de/artificial-intelligence/business/enterprise","language":"de","category":"general","pageName":"Enterprise-KI: Trends, Use Cases und Voraussetzungen für die nächste Adoptionsphase","contentTags":["snowflake-site:taxonomy/content-type/fundamentals"]},"isPasswordProtected":false,"analyticsContentTags":["snowflake-site:taxonomy/content-type/fundamentals"],"locale":"de"}