{"templateName":"blog-page","cssClassNames":"blog-page page basicpage summit-page","allowedRenditionsWidth":["320","480","640","768","960","1200","1440","1920"],"description":"Verwandeln Sie mit Snowflake Cortex AI Functions Geschäftsdokumente in KI-fähige Daten. Erstellen Sie eine unternehmensweite Suche, automatisieren Sie die Dokumentenverarbeitung und analysieren Sie Dokumente in großem Maßstab.","language":"de","title":"Document Intelligence mit Snowflake: Geschäftsdokumente aktivieren","analyticsPageType":"homepage","analyticsCategory":"general","analyticsSubCategory":"","excludeFromAnalytics":false,":items":{"root":{"columnCount":12,"columnClassNames":{"experiencefragment-banner":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-sub-header":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-pre-footer":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-header":"aem-GridColumn aem-GridColumn--default--12","markup_editor-table":"aem-GridColumn aem-GridColumn--default--12","responsivegrid":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-footer":"aem-GridColumn aem-GridColumn--default--12","markup_editor":"aem-GridColumn aem-GridColumn--default--12","container_47873732":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12",":items":{"experiencefragment-banner":{"id":"experiencefragment-a90a64e6a8","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/en/site/pushdown-banner/pushdown-banner-blank/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/en/site/pushdown-banner/pushdown-banner-blank.xfmodel.json?callerPage=/content/snowflake-site/global/de/blog/document-intelligence-snowflake-cortex-ai-functions"},"experiencefragment-header":{"id":"experiencefragment-72652016ad","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?callerPage=/content/snowflake-site/global/de/blog/document-intelligence-snowflake-cortex-ai-functions","appliedCssClassNames":"snowflake-sticky-nav-host"},"experiencefragment-sub-header":{"id":"experiencefragment-21acaec02e","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/de/site/sub-navigation/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/de/site/sub-navigation/master.xfmodel.json?callerPage=/content/snowflake-site/global/de/blog/document-intelligence-snowflake-cortex-ai-functions"},"responsivegrid":{"columnCount":12,"columnClassNames":{"container_breadcrumb":"aem-GridColumn aem-GridColumn--default--12","container_main_content":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12",":items":{"container_breadcrumb":{"layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"breadcrumb":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"blog-page-breadcrumb-indentation",":items":{"breadcrumb":{"id":"breadcrumb-8727bf908d","breadcrumbItems":[{"title":"Blog","path":"/de/blog/","active":false},{"title":"Aktivieren Sie die Kontextschicht von Geschäftsaktivitäten: Ihre Dokumente","path":"/de/blog/document-intelligence-snowflake-cortex-ai-functions/","active":false}],":type":"snowflake-site/components/blog/breadcrumb"}},":itemsOrder":["breadcrumb"],":type":"snowflake-site/components/container","appliedCssClassNames":"snowflake-container"},"container_main_content":{"layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"flexible_column_container":"aem-GridColumn aem-GridColumn--default--12","related_content":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"main-content",":items":{"flexible_column_container":{"id":"flexible-column-container-2d5bda8182","propertiesId":"snowflake-blog-template-main-container","type":"2-column-60-40","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"none","bottomPadding":"none","spaceBetween":"none","reverseOnMobile":true,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-36721f2b3f",":items":{"container_hero":{"layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"blog_hero":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"container-21de19416c",":items":{"blog_hero":{"id":"blog-hero-0a05eab91d","linkedInShareUrl":"https://www.linkedin.com/shareArticle?mini=true&url=https%3A%2F%2Fwww.snowflake.com%2Fcontent%2Fsnowflake-site%2Fglobal%2Fde%2Fblog%2Fdocument-intelligence-snowflake-cortex-ai-functions&title=Aktivieren+Sie+die+Kontextschicht+von+Gesch%C3%A4ftsaktivit%C3%A4ten%3A+Ihre+Dokumente","twitterShareUrl":"https://x.com/intent/post?url=https%3A%2F%2Fwww.snowflake.com%2Fcontent%2Fsnowflake-site%2Fglobal%2Fde%2Fblog%2Fdocument-intelligence-snowflake-cortex-ai-functions&text=Aktivieren+Sie+die+Kontextschicht+von+Gesch%C3%A4ftsaktivit%C3%A4ten%3A+Ihre+Dokumente","facebookShareUrl":"https://www.facebook.com/sharer/sharer.php?u=https%3A%2F%2Fwww.snowflake.com%2Fcontent%2Fsnowflake-site%2Fglobal%2Fde%2Fblog%2Fdocument-intelligence-snowflake-cortex-ai-functions","authors":[],"image":{"id":"image-52478650f8","height":"720","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--d79b8a3d-85d1-4d9b-bc12-43d940035801/01-finserv.jpg?quality=85&preferwebp=true","lazyEnabled":true,"width":"1680",":type":"snowflake-site/components/image"},"timeToRead":"8","publicationDate":"JUL 20, 2026","title":{"lines":["Aktivieren Sie die Kontextschicht von Geschäftsaktivitäten: Ihre Dokumente"],"type":"heading2",":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/blog/blog-hero"}},":itemsOrder":["blog_hero"],":type":"snowflake-site/components/container"},"responsivegrid_content":{"columnCount":12,"columnClassNames":{"image_1526792697":"aem-GridColumn aem-GridColumn--default--12","container":"aem-GridColumn aem-GridColumn--default--12","image":"aem-GridColumn aem-GridColumn--default--12","code_snippet":"aem-GridColumn aem-GridColumn--default--12","blog_text":"aem-GridColumn aem-GridColumn--default--12","blog_text_913456882":"aem-GridColumn aem-GridColumn--default--12","blog_text_284190325":"aem-GridColumn aem-GridColumn--default--12","blog_text_1867668563":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","appliedCssClassNames":"snowflake-layout-container-inner-padding-small",":items":{"blog_text":{"id":"blog-text-5b7b13e52c","text":"\u003Cp\u003EDokumente sind schlichtweg die Grundlage des Geschäftsalltags. Sie fungieren als \u003Cb\u003Eprimäre Schnittstelle für die Arbeit und als Kontextschicht für fast jede Geschäftsaktivität\u003C/b\u003E. Planung, Abstimmung, tiefgehende Analysen, Genehmigungen und Ausführung hinterlassen eine gewaltige Spur an Texten, Präsentationen und Tabellen.\u003C/p\u003E\n\u003Cp\u003EDoch obwohl neue Forschungsergebnisse, Marktanalysen, klinische Notizen und neuartige Ideen sofort in Dokumente einfließen, haben herkömmliche Daten-Stacks und Verarbeitungstools Schwierigkeiten, diese zu interpretieren. Eine Rechnung von einem neuen Anbieter trifft ein. Die Rechtsabteilung durchsucht Verträge nach einer Haftungsklausel. Die Aktienanalyse vergleicht Gewinnberichte, um Trends zu erkennen. Herkömmliche Tools haben oft Schwierigkeiten, diese Dokumentendaten mit der hohen Genauigkeit zu digitalisieren, die die meisten Unternehmen benötigen, um der Automatisierung von Geschäftsprozessen zu vertrauen.\u003C/p\u003E\n\u003Cp\u003EGenau aus diesem Grund haben wir die nativen \u003Ca href=\"https://docs.snowflake.com/en/user-guide/snowflake-cortex/ai-documents\" target=\"_blank\" rel=\"noopener noreferrer\"\u003EDocument-Intelligence-Funktionen\u003C/a\u003E von Snowflake entwickelt, die Ihre Dokumente wie erstklassige Daten behandeln. In diesem Blogbeitrag untersuchen wir, wie Unternehmen Snowflake Cortex AI Functions nutzen, um Document-Intelligence-Workflows zu erstellen, die auf Hunderttausende von Dokumenten pro Tag skalieren.\u003C/p\u003E\n\u003Ch2\u003EDrei Muster, die Geschäftsergebnisse vorantreiben\u003C/h2\u003E\n\u003Cp\u003ECortex AI Functions ist als Grundlage für unternehmensweite Suchanwendungen konzipiert, die Mitarbeiter:innen und Nutzer:innen helfen, Informationen schneller zu finden, Geschäftsprozesse durch die Extraktion von Daten aus Dokumenten zu automatisieren und tiefere Recherchen und Analysen in großen Dokumentenbibliotheken zu ermöglichen.\u003C/p\u003E\n\u003Cp\u003E \u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/blog/blog-text"},"image":{"id":"image-4bf3ea6a84","height":"756","alt":"ai ","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--ab6dd3eb-c5fe-4745-98fc-c9717b404707/ai-parse-document.png?quality=85&preferwebp=true","lazyEnabled":true,"width":"1928",":type":"snowflake-site/components/image"},"blog_text_913456882":{"id":"blog-text-180c4c7db0","text":"\u003Ch3\u003EWissen aktivieren\u003C/h3\u003E\n\u003Cp\u003EOberflächlich betrachtet klingt die Entwicklung einer Suchanwendung unkompliziert, bis man auf echte Unternehmensdokumente stößt. Ein Gewinnbericht enthält Tabellen, Diagramme, Fußnoten und komplexe Layouts. Ein Vertrag erstreckt sich über Hunderte von Seiten, wobei die Klauseln über verschiedene Abschnitte und Anhänge verteilt sind. Ein Formular im Gesundheitswesen kombiniert strukturierte Felder, handschriftliche Notizen und gescannte Bilder. Die Herausforderung besteht nicht im Abrufen von Informationen, sondern zunächst darin, jedes Dokument in Daten umzuwandeln, die von einer KI präzise verstanden werden können.\u003C/p\u003E\n\u003Cp\u003E\u003Ca href=\"https://docs.snowflake.com/en/user-guide/snowflake-cortex/parse-document\" target=\"_blank\" rel=\"noopener noreferrer\"\u003EAI_PARSE_DOCUMENT\u003C/a\u003E ist die Grundlage dafür, wie Unternehmen Dokumente in Daten verwandeln. Wenn Sie lediglich eine Textdarstellung eines digitalen oder gescannten Dokuments benötigen, extrahiert der OCR-Modus Text aus gescannten Dokumenten und Bildern. Aber für die unternehmensweite Suche, RAG und agentengesteuerte Anwendungen enthält die Struktur oft eine Bedeutung. Der LAYOUT-Modus bewahrt die ursprüngliche Struktur eines Dokuments, sodass nachgelagerte KI-Systeme Informationen abrufen, logisch verarbeiten und Antworten generieren können – und zwar so, wie das Dokument ursprünglich gelesen werden sollte. Dazu gehören die Beibehaltung der Lesereihenfolge in komplexen mehrspaltigen Layouts, die Extraktion von Tabellenstrukturen, die Aufrechterhaltung der visuellen Hierarchie und die \u003Ca href=\"https://docs.snowflake.com/en/user-guide/snowflake-cortex/parse-document#extract-and-describe-images\" target=\"_blank\" rel=\"noopener noreferrer\"\u003EErfassung eingebetteter Bilder\u003C/a\u003E von Diagrammen, Schaubildern und anderen grafischen Elementen.\u003C/p\u003E\n\u003Cp\u003EDas Ergebnis sind strukturierte Dokumentendaten, die den für einen präzisen Abruf erforderlichen Kontext beibehalten. Anstatt einen abgeflachten Textstrom zu indizieren, können Unternehmen \u003Ca href=\"https://docs.snowflake.com/en/user-guide/snowflake-cortex/cortex-search/cortex-search-overview\" target=\"_blank\" rel=\"noopener noreferrer\"\u003ECortex Search\u003C/a\u003E nutzen, um Inhalte mit den strukturellen Informationen abzurufen, die erforderlich sind, um die Bedeutung in komplexen Dokumenten zu bewahren. Cortex Search ruft die relevantesten Abschnitte aus dem gesamten Dokumentenkorpus ab und stützt seine Antworten auf die unternehmenseigenen Inhalte. Da der Workflow vollständig innerhalb von Snowflake ausgeführt wird, bestimmen dieselben Governance- und Zugriffskontrollen, die für Unternehmensdaten gelten, auch, was Nutzer:innen suchen und abrufen können.\u003C/p\u003E\n\u003Ch3\u003EAutomatisierung von Geschäftsprozessen\u003C/h3\u003E\n\u003Cp\u003EWenn Ihr Tagesgeschäft auf einem ständigen Zustrom von Rechnungen, Verträgen, Schadensformularen, Bestellungen oder Steuerdokumenten beruht, wird die manuelle Dateneingabe schnell zu einem Engpass. Sehr oft berichten uns Unternehmen, dass viele dieser Workflows damit beginnen, dass jemand ein Dokument manuell liest, die erforderlichen Informationen heraussucht und sie in ein nachgelagertes System eingibt. Auf Unternehmensebene ist dieser Prozess teuer, schwer zu prüfen und wird oft zum limitierenden Faktor dafür, wie schnell das Unternehmen agieren kann.\u003C/p\u003E\n\u003Cp\u003ESnowflake übernimmt die native Extraktion von Dokumenten in großen Mengen und mit hoher Qualität. Mit \u003Ca href=\"https://docs.snowflake.com/en/user-guide/snowflake-cortex/document-extraction\" target=\"_blank\" rel=\"noopener noreferrer\"\u003EAI_EXTRACT\u003C/a\u003E können Sie die benötigten Felder in einfachem Englisch beschreiben, wie z. B. Anbietername, Rechnungsdatum, Gesamtbetrag, Zahlungsbedingungen und Einzelposten. Es liefert strukturiertes JSON zurück, das für nachgelagerte Analytics, Compliance und Automatisierung bereitsteht. Jedes extrahierte Feld enthält einen Konfidenzwert, der Human-in-the-Loop-Workflows ermöglicht, bei denen Ergebnisse mit geringer Konfidenz überprüft und mit dem Originaldokument abgeglichen werden können. Für Unternehmen, die viele verschiedene Dokumententypen verarbeiten, kann \u003Ca href=\"https://docs.snowflake.com/en/sql-reference/functions/ai_classify\" target=\"_blank\" rel=\"noopener noreferrer\"\u003EAI_CLASSIFY\u003C/a\u003E (Public Preview) als eine Art Verkehrskontrolleur fungieren, der verschiedene Dokumente automatisch an unterschiedliche KI-Pipelines weiterleitet.\u003C/p\u003E\n\u003Cp\u003EDas Ergebnis ist eine vertrauenswürdige Extraktions-Pipeline, die Dokumente in operative Daten umwandelt. Extraktionen mit hoher Konfidenz können automatisch verarbeitet werden, während Ergebnisse mit geringerer Konfidenz zur Überprüfung weitergeleitet werden. Für spezielle Dokumentenformate, branchenspezifische Terminologie und compliance-sensible Workflows kann AI_EXTRACT direkt in Snowflake feinabgestimmt werden, um die Extraktionsgenauigkeit weiter zu verbessern.\u003C/p\u003E\n\u003Ch3\u003ETiefgehende Analytics über Dokumente hinweg\u003C/h3\u003E\n\u003Cp\u003EManchmal verbirgt sich der Wert nicht in einem einzelnen Dokument. Er entsteht durch die Verknüpfung von Informationen aus Hunderten oder Tausenden von Dokumenten. Ein:e Aktienanalyst:in muss möglicherweise Gewinnberichte einer gesamten Branche vergleichen, um Wachstumstrends zu erkennen. Ein Pharmaunternehmen muss möglicherweise klinische Studien und behördliche Einreichungen überprüfen, um die Wettbewerbslandschaft zu verstehen. Die Herausforderung besteht nicht darin, Informationen zu finden, sondern Informationen über einen gesamten Dokumentenkorpus hinweg zu synthetisieren.\u003C/p\u003E\n\u003Cp\u003EZu diesem Zweck verwenden Kund:innen AI_PARSE_DOCUMENT, um große Dokumentensammlungen in strukturierte Daten umzuwandeln und dabei den Text, die Tabellen, die Bilder und das Layout zu erhalten, die für die Analyse erforderlich sind. \u003Ca href=\"https://docs.snowflake.com/en/user-guide/snowflake-cortex/ai-complete-document-intelligence\" target=\"_blank\" rel=\"noopener noreferrer\"\u003EAI_COMPLETE\u003C/a\u003E wendet dann LLM-Reasoning auf diese Sammlungen an, unabhängig davon, ob die Aufgabe darin besteht, Ergebnisse zusammenzufassen, Dokumente zu vergleichen, Trends zu identifizieren, komplexe Sprache zu interpretieren oder Multi-Hop-Fragen zu beantworten, die Informationen aus mehreren Quellen verknüpfen. AI_EMBED kann dann verwendet werden, um diese Zusammenfassungen in Vektoren umzuwandeln, sodass Dokumente nach semantischer Ähnlichkeit in Clustern zusammengefasst werden können, wodurch die wichtigsten Themen in einem Dokumentenkorpus hervorgehoben werden.\u003C/p\u003E\n\u003Cp\u003EDas Ergebnis ist eine Research- und Analytics-Pipeline, die Dokumentensammlungen in umsetzbare Erkenntnisse verwandelt. Unternehmen im Gesundheitswesen können Längsschnittansichten über Tausende von klinischen Forschungsdokumenten hinweg generieren, was Analyst:innen und Forscher:innen hilft, Ergebnisse in großem Maßstab zu synthetisieren, während Finanzanalyst:innen Trends, Risiken und Chancen in großen Sammlungen von Berichten und Einreichungen effizienter aufdecken können als mit manueller Analyse.\u003C/p\u003E\n\u003Ch2\u003ESkalierung für die Produktion\u003C/h2\u003E\n\u003Cp\u003EZu beweisen, dass ein Dokumenten-Anwendungsfall mit 10 Dateien funktioniert, ist einfach. Die wahre Herausforderung für Unternehmen ist das Volumen: \u003Cb\u003EWie überführen Sie dies in die Produktion, um jeden Tag Hunderttausende von Dokumenten zu verarbeiten, ohne dass Ihre Engineering-Pipeline zusammenbricht?\u003C/b\u003E\u003C/p\u003E\n\u003Cp\u003ESnowflake vereinfacht dies durch die Nutzung von \u003Cb\u003EDynamic Tables\u003C/b\u003E. Anstatt ein ausuferndes Orchestrierungssystem aufzubauen, schreiben Sie eine oder mehrere deklarative SQL-Anweisungen, die eine Daten-Pipeline ausdrücken, welche definiert, wie Ihre Dokumentendaten verarbeitet werden sollen und wie aktuell Ihre Daten sein sollen. Snowflake übernimmt die Orchestrierung von Zeitplanung und Aktualisierung automatisch.\u003C/p\u003E\n\u003Cp\u003EStellen Sie sich ein Strategieteam vor, das kontinuierlich Jahresberichte von den Unternehmen erfasst, die es verfolgt. Wenn neue Einreichungen eintreffen, möchten sie strukturierte Daten aus jedem Dokument extrahieren, eine Zusammenfassung für Analyst:innen erstellen, Unternehmen nach strategischen Themen in Clustern zusammenfassen und aufdecken, welche Unternehmen Wetten eingehen, die nicht in das Muster der Branche passen.\u003C/p\u003E\n\u003Cp\u003EDie Pipeline, die Sie mit dem neuen Skill \u003Ca href=\"https://docs.snowflake.com/en/user-guide/cortex-code/cortex-code\" target=\"_blank\" rel=\"noopener noreferrer\"\u003ECortex Code (CoCo)\u003C/a\u003E \u003Cb\u003Eai-functions-pipeline-builder\u003C/b\u003E ganz einfach ausführen können, kombiniert drei Cortex AI Functions:\u003C/p\u003E\n\u003Cul\u003E\n\u003Cli\u003E\u003Cb\u003EAI_PARSE_DOCUMENT\u003C/b\u003E wandelt jedes Jahresbericht-PDF in strukturierten Text um und behält dabei Tabellen, Überschriften und die Lesereihenfolge bei.\u003C/li\u003E\n\u003Cli\u003E\u003Cb\u003EAI_EXTRACT\u003C/b\u003E extrahiert benannte Felder aus dem Dokument, wie z. B. Strategiethemen, Wachstumsinitiativen, Gegenwind, Umsatz und Geschäftsjahr.\u003C/li\u003E\n\u003Cli\u003E\u003Cb\u003EAI_COMPLETE\u003C/b\u003E destilliert jedes Unternehmen in vier Facetten für Analyst:innen, die Strategie, finanzielle Performance, Ausblick und Differenzierung umfassen, und leitet separat Risiken und Chancen aus dem gesamten Dokumententext ab, einschließlich Inhalten, die nicht explizit gekennzeichnet sind.\u003C/li\u003E\n\u003Cli\u003E\u003Cb\u003EAI_EMBED\u003C/b\u003E wandelt die Zusammenfassung jedes Unternehmens in einen Vektor um, sodass Unternehmen nach semantischer Ähnlichkeit in Clustern zusammengefasst und benannte Themen sowie Ausreißer im gesamten Korpus entdeckt werden können. Unternehmen, deren Strategie nicht eindeutig zu einem Thema passt, werden automatisch hervorgehoben.\u003C/li\u003E\n\u003C/ul\u003E\n\u003Cp\u003E \u003C/p\u003E\n\u003Cp\u003E\u003Cb\u003EVon CoCo generierter SQL-Code\u003C/b\u003E\u003C/p\u003E\n\u003Cp\u003E \u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/blog/blog-text"},"code_snippet":{"id":"code-snippet-326e0961a1","language":"sql","codeSnippet":"-- ── Step 1  |  Parse annual reports ──────────────────────────────────────────\r\n-- Note: Setting the refresh mode to \"incremental\" guarantees that each incoming document is processed only once.\r\n\r\nCREATE OR REPLACE DYNAMIC TABLE DT_ESR_PARSED\r\n  TARGET_LAG = DOWNSTREAM  WAREHOUSE = SNOWADHOC  REFRESH_MODE = INCREMENTAL\r\nAS\r\nSELECT\r\n  SPLIT_PART(SPLIT_PART(fl.RELATIVE_PATH, '/', -1), '.', 1) AS COMPANY,\r\n  fl.RELATIVE_PATH,\r\n  AI_PARSE_DOCUMENT(\r\n    TO_FILE('@ESR_DOCS_STAGE', fl.RELATIVE_PATH),\r\n    {'mode': 'LAYOUT'}\r\n  ) AS RAW_PARSE\r\nFROM ESR_FILE_LOG fl\r\nWHERE fl.RELATIVE_PATH ILIKE '%.pdf';\r\n\r\n\r\n-- ── Step 2  |  Extract structured fields ─────────────────────────────────────\r\n\r\nCREATE OR REPLACE DYNAMIC TABLE DT_CONS_EXTRACTED\r\n  TARGET_LAG = DOWNSTREAM  WAREHOUSE = SNOWADHOC  REFRESH_MODE = INCREMENTAL\r\nAS\r\nWITH full_text AS (\r\n  SELECT COMPANY, RELATIVE_PATH,\r\n    LISTAGG(f.value:content::STRING, '\\n') WITHIN GROUP (ORDER BY f.index) AS DOC_TEXT\r\n  FROM DT_ESR_PARSED, LATERAL FLATTEN(input =\u003E RAW_PARSE:pages) f\r\n  GROUP BY COMPANY, RELATIVE_PATH\r\n)\r\nSELECT\r\n  COMPANY, RELATIVE_PATH,\r\n  AI_EXTRACT(\r\n    text =\u003E LEFT(DOC_TEXT, 120000),\r\n    responseFormat =\u003E {'schema': {'type': 'object', 'properties': {\r\n      'title':              {'type': 'string', 'description': 'Company name and fiscal year'},\r\n      'fiscal_year':        {'type': 'string', 'description': '4-digit fiscal year'},\r\n      'revenue':            {'type': 'string', 'description': 'Total revenue with currency'},\r\n      'strategy_themes':    {'type': 'array',  'description': 'Top strategic priorities'},\r\n      'growth_initiatives': {'type': 'array',  'description': 'Key growth programs and investments'},\r\n      'headwinds':          {'type': 'array',  'description': 'Key challenges and risks'}\r\n    }}}\r\n  ) AS RAW_EXTRACT\r\nFROM full_text;\r\n\r\n-- ── Step 3  |  Summarize + embed each company ─────────────────────────────────\r\n\r\nCREATE OR REPLACE DYNAMIC TABLE DT_CONS_EMBEDDED\r\n  TARGET_LAG = DOWNSTREAM  WAREHOUSE = SNOWADHOC  REFRESH_MODE = INCREMENTAL\r\nAS\r\nWITH summarised AS (\r\n  SELECT COMPANY, RELATIVE_PATH, RAW_EXTRACT,\r\n    AI_COMPLETE(\r\n      'claude-sonnet-4-5',\r\n      PROMPT('Summarise this company''s annual report into 4 JSON fields:\r\n              strategy, financial_performance, outlook, differentiation.\\n\\n{0}',\r\n        'company: '   || COALESCE(RAW_EXTRACT:response:title::STRING, COMPANY) || '\\n' ||\r\n        'themes: '    || COALESCE(ARRAY_TO_STRING(RAW_EXTRACT:response:strategy_themes::ARRAY,    '; '), '') || '\\n' ||\r\n        'headwinds: ' || COALESCE(ARRAY_TO_STRING(RAW_EXTRACT:response:headwinds::ARRAY,          '; '), '')\r\n      ),\r\n      response_format =\u003E {'type': 'json', 'schema': {'type': 'object', 'properties': {\r\n        'strategy':              {'type': 'string'},\r\n        'financial_performance': {'type': 'string'},\r\n        'outlook':               {'type': 'string'},\r\n        'differentiation':       {'type': 'string'}\r\n      }}}\r\n    ) AS SUMMARY_JSON\r\n  FROM DT_CONS_EXTRACTED\r\n)\r\nSELECT\r\n  COMPANY, RELATIVE_PATH,\r\n  RAW_EXTRACT:response:title::STRING          AS TITLE,\r\n  RAW_EXTRACT:response:fiscal_year::STRING    AS FISCAL_YEAR,\r\n  RAW_EXTRACT:response:revenue::STRING        AS REVENUE,\r\n  SUMMARY_JSON:strategy::STRING               AS S_STRATEGY,\r\n  SUMMARY_JSON:financial_performance::STRING  AS S_FINANCIAL_PERFORMANCE,\r\n  SUMMARY_JSON:outlook::STRING                AS S_OUTLOOK,\r\n  SUMMARY_JSON:differentiation::STRING        AS S_DIFFERENTIATION,\r\n  TRIM(CONCAT_WS(' ',\r\n    COALESCE(SUMMARY_JSON:strategy::STRING, ''),\r\n    COALESCE(SUMMARY_JSON:outlook::STRING, ''),\r\n    COALESCE(SUMMARY_JSON:differentiation::STRING, '')\r\n  ))                                          AS SUMMARY_TEXT,\r\n  AI_EMBED('snowflake-arctic-embed-l-v2.0', TRIM(CONCAT_WS(' ',\r\n    COALESCE(SUMMARY_JSON:strategy::STRING, ''),\r\n    COALESCE(SUMMARY_JSON:outlook::STRING, ''),\r\n    COALESCE(SUMMARY_JSON:differentiation::STRING, '')\r\n  )))                                         AS SUMMARY_VEC\r\nFROM summarised;\r\n\r\n\r\n-- ── Step 4  |  Discover strategic themes across the corpus ────────────────────\r\n\r\nCREATE OR REPLACE TABLE CONS_THEMES AS\r\nWITH themes AS (\r\n  SELECT AI_COMPLETE(\r\n    'claude-sonnet-4-5',\r\n    PROMPT('Identify 4-5 distinct strategic themes that organise these companies.\r\n            Each needs a short name and one-sentence description.\\n\\n{0}',\r\n      LISTAGG(COMPANY || ': ' || S_STRATEGY, '\\n')),\r\n    response_format =\u003E {'type': 'json', 'schema': {'type': 'object', 'properties': {\r\n      'themes': {'type': 'array', 'items': {'type': 'object', 'properties': {\r\n        'name':        {'type': 'string'},\r\n        'description': {'type': 'string'}\r\n      }}}\r\n    }}}\r\n  ) AS RAW FROM DT_CONS_EMBEDDED\r\n)\r\nSELECT\r\n  f.index                                                           AS THEME_ID,\r\n  f.value:name::STRING                                              AS THEME_NAME,\r\n  f.value:description::STRING                                       AS THEME_DESC,\r\n  AI_EMBED('snowflake-arctic-embed-l-v2.0',\r\n    f.value:name::STRING || ': ' || f.value:description::STRING)    AS THEME_VEC\r\nFROM themes, LATERAL FLATTEN(input =\u003E RAW:themes) f;\r\n\r\n","multiLine":true,":type":"snowflake-site/components/code-snippet"},"blog_text_1867668563":{"id":"blog-text-e0a6681bb8","text":"\u003Cp\u003E \u003C/p\u003E\n\u003Cp\u003E\u003Cb\u003EVon CoCo generierte Streamlit-Anwendung\u003C/b\u003E\u003C/p\u003E\n\u003Cp\u003E \u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/blog/blog-text"},"image_1526792697":{"id":"image-f363a0afe4","height":"597","alt":"coco generated","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--e08e2fe7-e411-45f5-be13-3f052ec66c1d/coco-generated-streamlit-application.gif?quality=85&preferwebp=true","lazyEnabled":true,"width":"800",":type":"snowflake-site/components/image"},"blog_text_284190325":{"id":"blog-text-4f0be7cbfb","text":"\u003Ch2\u003E \u003C/h2\u003E\n\u003Ch2\u003EFazit\u003C/h2\u003E\n\u003Cp\u003EJahrelang existierten Dokumente außerhalb der Datenplattform, was einschränkte, wie Unternehmen die darin enthaltenen Informationen durchsuchen, analysieren und automatisieren konnten. Mit Cortex AI Functions können Ihre Dokumente nun zu Daten werden, die bereit sind, Suche, Automatisierung, Analytics und KI-Anwendungen im Unternehmensmaßstab voranzutreiben.\u003C/p\u003E\n\u003Cp\u003EOb das Ziel darin besteht, Wissen durch unternehmensweite Suche zu aktivieren, dokumentengesteuerte Geschäftsprozesse durch strukturierte Extraktion zu automatisieren oder Erkenntnisse durch groß angelegte Dokumentenanalyse zu generieren – Cortex AI Functions bilden die Grundlage. Diese Intelligenz kann dann durch Erlebnisse wie Snowflake CoWork, Cortex Agents, Cortex Code oder benutzerdefinierte Anwendungen, die auf Snowflake basieren, nutzbar gemacht werden.\u003C/p\u003E\n\u003Cp\u003EZusammenfassung der wichtigsten KI-Funktionen für Document Intelligence:\u003C/p\u003E\n\u003Cp\u003E \u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/blog/blog-text"},"container":{"layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"blog_text":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"container-724fd9c3bc",":items":{"blog_text":{"id":"blog-text-526fc967b3","text":"\u003Ctable\u003E\n\u003Cthead\u003E\u003Ctr\u003E\u003Cth\u003EFunktion\u003C/th\u003E\n\u003Cth\u003EZweck\u003C/th\u003E\n\u003Cth\u003EAuswirkungen auf die Anwendung\u003C/th\u003E\n\u003C/tr\u003E\u003C/thead\u003E\u003Ctbody\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Ca href=\"https://docs.snowflake.com/en/user-guide/snowflake-cortex/parse-document\" target=\"_blank\" rel=\"noopener noreferrer\"\u003E\u003Cb\u003EAI_PARSE_DOCUMENT\u003C/b\u003E\u003C/a\u003E\u003C/td\u003E\n\u003Ctd\u003EWandelt PDFs, Bilder und Office-Dokumente in strukturierten Text um und behält dabei Tabellen und Layouts bei.\u003C/td\u003E\n\u003Ctd\u003ESchafft eine hochpräzise Grundlage für Suche, RAG, Analytics und nachgelagerte KI-Workflows.\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Ca href=\"https://docs.snowflake.com/en/user-guide/snowflake-cortex/document-extraction\" target=\"_blank\" rel=\"noopener noreferrer\"\u003E\u003Cb\u003EAI_EXTRACT\u003C/b\u003E\u003C/a\u003E\u003C/td\u003E\n\u003Ctd\u003EExtrahiert strukturierte Felder, Tabellen und Entitäten mithilfe eines natürlichsprachlichen Schemas.\u003C/td\u003E\n\u003Ctd\u003EAutomatisiert dokumentengesteuerte Prozesse und wandelt Dokumente in operative Daten um.\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Ca href=\"https://docs.snowflake.com/en/sql-reference/functions/ai_classify#documents\" target=\"_blank\" rel=\"noopener noreferrer\"\u003E\u003Cb\u003EAI_CLASSIFY\u003C/b\u003E\u003C/a\u003E\u003C/td\u003E\n\u003Ctd\u003ELeitet und kategorisiert Dokumente basierend auf dem Typ für die nachgelagerte Verarbeitung.\u003C/td\u003E\n\u003Ctd\u003ELeitet Inhalte an den entsprechenden Workflow, das entsprechende Modell oder den entsprechenden Geschäftsprozess weiter.\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Ca href=\"https://docs.snowflake.com/en/user-guide/snowflake-cortex/ai-complete-document-intelligence\" target=\"_blank\" rel=\"noopener noreferrer\"\u003E\u003Cb\u003EAI_COMPLETE\u003C/b\u003E\u003C/a\u003E\u003C/td\u003E\n\u003Ctd\u003EUniverselles LLM-Reasoning für tiefgehende Analysen und dokumentenübergreifende Erkenntnisse.\u003C/td\u003E\n\u003Ctd\u003EUnterstützt Zusammenfassung, Analyse, Recherche, dokumentenübergreifendes Reasoning und die Generierung von Erkenntnissen.\u003C/td\u003E\n\u003C/tr\u003E\u003C/tbody\u003E\u003C/table\u003E\n","richText":true,":type":"snowflake-site/components/blog/blog-text"}},":itemsOrder":["blog_text"],":type":"snowflake-site/components/container","appliedCssClassNames":"snowflake-responsive-container-inner-padding-small"}},":itemsOrder":["blog_text","image","blog_text_913456882","code_snippet","blog_text_1867668563","image_1526792697","blog_text_284190325","container"],":type":"wcm/foundation/components/responsivegrid"},"responsivegrid_premium_content_banner":{"columnCount":12,"columnClassNames":{},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","appliedCssClassNames":"snowflake-responsive-component-top-padding-medium",":items":{},":itemsOrder":[],":type":"wcm/foundation/components/responsivegrid"},"container_author_chip":{"layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"author_chip":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"container-ce934aa4e9",":items":{"author_chip":{"id":"author-chip-2acd8ef856","title":{"id":"title","type":"heading2","lines":["Learn more about the authors"],":type":"snowflake-site/components/title-v2"},"authors":[],":type":"snowflake-site/components/blog/author-chip"}},":itemsOrder":["author_chip"],":type":"snowflake-site/components/container","appliedCssClassNames":"snowflake-responsive-component-top-padding-medium"}},":itemsOrder":["container_hero","responsivegrid_content","responsivegrid_premium_content_banner","container_author_chip"],":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container"},"flexible_column_content_container_2":{"layout":"SIMPLE","id":"container-eef1d91efc",":items":{"blog_table_of_content":{"id":"blog-table-of-content-5e800c616d",":type":"snowflake-site/components/blog/blog-table-of-content","tableOfContents":[]}},":itemsOrder":["blog_table_of_content"],":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container"},":type":"snowflake-site/components/flexible-column-container","isBlogPage":true,"isActiveTOC":false},"related_content":{"id":"related-content-eb4ad02759","relatedContent":[],":type":"snowflake-site/components/blog/related-content","isBlogPage":true}},":itemsOrder":["flexible_column_container","related_content"],":type":"snowflake-site/components/container","appliedCssClassNames":"snowflake-container"}},":itemsOrder":["container_breadcrumb","container_main_content"],":type":"wcm/foundation/components/responsivegrid"},"container_47873732":{"additionalClasses":"section--blog-newsletter","layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"flexible_column_cont":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"container-9da10f75a2",":items":{"flexible_column_cont":{"id":"flexible-column-container-a1703fa192","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"small","bottomPadding":"none","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"propertiesCSSClasses":"section--blog-newsletter","backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-145ff04272",":items":{"marketo_v2":{"id":"marketo-v2-a7977dd6a8","marketoForm":{"hidden":null,"formId":"3320","edit":false,"successUrl":null,"script":null,"values":null},"title":{"id":"title","type":"heading3","lines":["Subscribe to our blog newsletter","Get the best, coolest and latest delivered to your inbox each week"],":type":"snowflake-site/components/title-v2"},"serverInstance":"252-RFO-227.mktoweb.com","munchkinId":"252-RFO-227","marketoConfigured":true,"formConfigured":true,":type":"snowflake-site/components/form/marketo-v2"},"text":{"id":"text-a0dbb33150","additionalClasses":"newsletter-disclaimer","text":"\u003Cp\u003EBy submitting this form, I understand Snowflake will process my personal information in accordance with their Privacy Notice.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text"}},":itemsOrder":["marketo_v2","text"],":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container"},":type":"snowflake-site/components/flexible-column-container","isBlogPage":true,"isActiveTOC":false}},":itemsOrder":["flexible_column_cont"],":type":"snowflake-site/components/container","appliedCssClassNames":"snowflake-container"},"experiencefragment-pre-footer":{"id":"experiencefragment-49789a3ca2","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/de/site/get-started-pre-footer/get-started-pre-footer/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/de/site/get-started-pre-footer/get-started-pre-footer.xfmodel.json?callerPage=/content/snowflake-site/global/de/blog/document-intelligence-snowflake-cortex-ai-functions"},"markup_editor":{"id":"markup-editor-2b6f82740c","title":"Page CSS","cssContent":"@media screen and (min-width:768px){.snowflake-blog-author-chip-wrapper{justify-content:flex-start}.snowflake-blog-related-content-on-blog-page{max-width:1408px;margin-left:auto;margin-right:auto}.snowflake-text{font-family:Lato,sans-serif;font-weight:400;font-size:16px;line-height:24px}}.section--blog-newsletter{max-width:none;width:100%;padding-left:0;padding-right:0;margin-left:0;margin-right:0;margin-bottom:0}.section--blog-newsletter .mktoField{background-color:transparent !important}.section--blog-newsletter\u003E.container{padding-left:0;padding-right:0}@media screen and (min-width:768px){.section--blog-newsletter\u003E.container{padding-left:0;padding-right:0}}.newsletter-disclaimer p{font-size:14px !important}.section--blog-newsletter .snowflake-marketo-form-container{margin-bottom:24px;background-color:#f6f9fa;gap:48px;box-shadow:none}.section--blog-newsletter .snowflake-title p.snowflake-title-line:first-child{font-family:Texta;font-size:24px;line-height:26px;font-weight:700;margin-bottom:4px}.section--blog-newsletter .snowflake-title p.snowflake-title-line{text-transform:none;font-family:\"Lato\",sans-serif;font-size:16px;line-height:24px;font-weight:normal}@media screen and (min-width:1024px){.section--blog-newsletter .snowflake-marketo-form-container{display:flex;justify-content:center}.section--blog-newsletter .snowflake-title .snowflake-title-line{text-align:left}.section--blog-newsletter .snowflake-marketo-form .mktoFormRow:has(\u003E input[type=\"hidden\"]){flex-grow:0}.section--blog-newsletter .snowflake-marketo-form{display:flex;width:50% !important}.section--blog-newsletter .snowflake-marketo-form .mktoButtonRow{flex-grow:0;width:auto !important;margin-left:0;margin-right:0}.section--blog-newsletter .snowflake-marketo-form .mktoFormRow{flex-grow:1}.section--blog-newsletter\u003E.container{padding-left:0;padding-right:0}.section--blog-newsletter .snowflake-marketo-form-title{width:50%;margin-bottom:0 !important}.section--blog-newsletter .center .snowflake-title{align-items:flex-start}}.snowflake-sub-navigation a.snowflake-sub-navigation-primary-link{width:auto !important}.snowflake-blog-hero{align-items:stretch !important}",":type":"snowflake-site/components/markup-editor","isGSAPEnabled":false},"markup_editor-table":{"id":"markup-editor-24feee7558","title":"Table Styling CSS","cssContent":"#snowflake-blog-template-main-container table{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)}#snowflake-blog-template-main-container table thead{background-color:var(--ui-01)}#snowflake-blog-template-main-container table th,#snowflake-blog-template-main-container table td{border:2px solid var(--ui-background-09);padding:var(--spacing-01)}",":type":"snowflake-site/components/markup-editor","isGSAPEnabled":false},"experiencefragment-footer":{"id":"experiencefragment-5d67661b09","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?callerPage=/content/snowflake-site/global/de/blog/document-intelligence-snowflake-cortex-ai-functions"}},":itemsOrder":["experiencefragment-banner","experiencefragment-header","experiencefragment-sub-header","responsivegrid","container_47873732","experiencefragment-pre-footer","markup_editor","markup_editor-table","experiencefragment-footer"],":type":"wcm/foundation/components/responsivegrid"}},":itemsOrder":["root"],":mappedPath":"/de/blog/document-intelligence-snowflake-cortex-ai-functions/",":type":"snowflake-site/components/structure/page",":hierarchyType":"page",":path":"/content/snowflake-site/global/de/blog/document-intelligence-snowflake-cortex-ai-functions","isPasswordProtected":false,"analyticsContentTags":[],"analyticsEnabled":true,"coveoConfig":{"organizationId":"snowflakecomputingproduction8neljofn","searchHub":"snowflake.com","pipeline":"snowflake.com","apiKey":"xx335921a6-2a0a-40f2-a167-e390b4766c3d"},"analyticsDebugMode":false,"analyticsData":{"excludeFromAnalytics":false,"subCategory":"","pageType":"homepage","templateName":"blog-page","siteName":"snowflake","pageUrl":"/content/snowflake-site/global/de/blog/document-intelligence-snowflake-cortex-ai-functions","language":"de","category":"general","pageName":"Aktivieren Sie die Kontextschicht von Geschäftsaktivitäten: Ihre Dokumente","contentTags":[]},"locale":"de"}