Blog/Produkt & Technologie/Schaffen Sie Vertrauen in KI-Agenten mit kontrolliertem Business-Kontext und KI-Sicherheit
3. Nov. 2026/Lesezeit: 10 MinutenProdukt & Technologie

Schaffen Sie Vertrauen in KI-Agenten mit kontrolliertem Business-Kontext und KI-Sicherheit

Graphic for Expedition showing AI Data Cloud and Enterprise Data and Context callout

Unternehmen sind längst über die Frage hinaus, ob KI-Agenten nützliche Arbeit leisten können. Die drängendere Frage ist nun, ob Teams hinter dem stehen können, was diese Agenten sagen und tun. Beantwortet der Agent eine Frage basierend auf der Umsatzdefinition, die die Finanzabteilung tatsächlich genehmigt hat? Kann die Sicherheit einen riskanten Tool-Aufruf sehen, bevor er ausgeführt wird, und kann ein Budget-Limit einen außer Kontrolle geratenen Agenten stoppen, bevor er in der Quartalsprognose auftaucht? 

Wenn Governance und Kontext nicht von Anfang an in Agenten integriert sind, vervielfacht sich das Potenzial für widersprüchliche Antworten und schädliche Agenten mit jedem neuen Agenten – ganz zu schweigen vom Risiko von Schatten-KI und ausufernden KI-Ausgaben. 

Heute auf der Expedition 2026 kündigt Snowflake Funktionen und Erweiterungen an, die Vertrauen in jede Ebene der Plattform integrieren, indem sie:

  • Ein gemeinsames, kontrolliertes Verständnis des Unternehmens schaffen

  • Die Kontrollebene von Snowflake auf jede Agentenaktion, jede Verbindung und jeden ausgegebenen Dollar ausweiten

  • Diese Funktionen in einer Datengrundlage verankern, die von Grund auf offen und interoperabel ist

Ein gemeinsames, kontrolliertes Verständnis des Unternehmens aufbauen

Ein Dashboard meldet eine Zahl für den Nettoumsatz, ein:e Analyst:in eine andere und ein KI-Agent liefert eine dritte. Wenn jedes Team den „Nettoumsatz” anders berechnet und nicht dokumentiert ist, welche Version offiziell ist, kann selbst ein perfekt kontrollierter Agent eine Antwort liefern, der niemand zustimmt.

Business Ontology (bald in der Public Preview) ist die neueste Ergänzung zu Snowflake Horizon Context. Es bietet Unternehmen einen kontrollierten Ort, um die Bedeutung ihrer Kerngeschäftskonzepte unabhängig von einer bestimmten Datenstruktur zu erfassen. Business Ontology ist auch Teil eines einheitlichen Ansatzes für Kontext-Governance: Snowflake Cortex Sense (bald in der Public Preview) findet Kontext in Ihren Daten, Business Ontology macht ihn maßgeblich und Snowflake Semantic Views verwandeln ihn in kontrollierte, konsistente Metriken. 

Dank Cortex Sense können Sie Business Ontology aus dem vorhandenen Kontext innerhalb von Snowflake aufbauen und Analyst:innen einen Ausgangspunkt für die Definition von Konzepten und deren teamübergreifende Beziehungen bieten. Nach der Erstellung können die Personen, denen die Konzepte gehören, deren Definitionen genehmigen. Wenn sich der Business-Kontext weiterentwickelt, kann Cortex Sense Definitionen vorschlagen, aber der menschliche Eigentümer steuert den Prozess, sie offiziell zu machen. 

Sie müssen auch kein Glossar für Business Ontology von Grund auf neu erstellen. Unternehmen, die Definitionen in einem Drittanbieter-Katalog oder einer Tabelle aufbewahren, können diese mit dem geführten Glossar-Import in einer einzigen Sitzung mit Snowflake CoCo, dem Coding-Agenten von Snowflake, migrieren. Der Import extrahiert Domänen, Begriffskandidaten, Beziehungen und verknüpfte Daten-Assets und markiert jeden als Entwurf, den der Eigentümer über den Steward-Genehmigungs-Workflow genehmigen muss. 

Jede genehmigte Definition ist mit Semantic Views, Tabellen und Ansichten über Teams und Domänen hinweg verbunden, sodass Agenten in den Bereichen Finanzen, Vertrieb und Support alle mit derselben Bedeutung arbeiten. Wenn ein Unterschied beabsichtigt ist, wie z. B. eine Metrik, die je nach Region unterschiedlich definiert ist, behält Business Ontology jede Version als genehmigte Definition bei, gekennzeichnet mit dem Ort und der Zeit ihrer Gültigkeit. In der Zwischenzeit führen Semantic Views die genehmigte Logik aus, wenn eine Frage eingeht. 

Cortex Sense trägt nicht nur dazu bei, den kontrollierten Kontext konsistent und aktuell zu halten, sondern bringt diesen Kontext auch in die Agenteninteraktion selbst ein, sodass Agenten vom Moment ihres Starts an nützlich sind. Wenn Cortex Sense etwas ableitet, das im Widerspruch zu einer genehmigten Definition steht, verwenden die Agenten die genehmigte Definition und Cortex Sense lernt aus der Erfahrung. 

Horizon Context schafft eine vernetzte Grundlage für Business Ontology, indem es Kontext über den gesamten Datenbestand hinweg sammelt, anreichert und aktiviert. Die sofort einsatzbereiten Konnektoren sammeln Schemata, Abfrageprotokolle, Dashboard-Definitionen und Nutzungssignale aus Quellen wie Tableau, Power BI, dbt, SQL Server und PostgreSQL. Horizon Context reichert diese Metadaten mit End-to-End-Lineage, Tags, KI-generierten Beschreibungen und Beliebtheitssignalen an.

Lesen Sie unseren Blogbeitrag über Business Ontology für weitere Details.

Jede Agentenaktion kontrollieren, beobachten und optimieren

Oft verbinden Teams in allen Unternehmensfunktionen Agenten schneller mit Modellen, MCP-Servern und Unternehmenssystemen, als IT und Sicherheit sie verfolgen können. Das stellt Führungskräfte vor die Wahl, entweder schnell zu skalieren und potenzielle Sicherheits-, Compliance- und Kostenrisiken in Kauf zu nehmen, oder Bereitstellungen zu verlangsamen, bis die Sicherheits- und Kostenfunktionen aufholen.

Führungskräfte müssen diese Wahl mit Snowflake nicht treffen, da es kontrollierte Daten, Agenten-Sicherheitsfunktionen, KI-Kostenkontrollen und Agenten-Beobachtbarkeitsfunktionen in einem System vereint.

Diagram showing relationship between Cortex AI Gateway, cost governance, dynamic model routing, observability and cortex sandbox

Bringen Sie die Kontrollebene von Snowflake mit Cortex AI Gateway zu jedem Agenten

Cortex AI Gateway (Public Preview) ist ein zentraler, kontrollierter Einstiegspunkt für Agenten, um auf Modelle und die Daten zuzugreifen, auf die sie einwirken. Es wendet konsistente Richtlinien auf Agentenverbindungen über unterstützte Clouds, Frameworks und KI-Anbieter hinweg an. Da es dort kontrolliert, wo sich die Daten befinden, erbt jeder Agent die bestehenden Identitäts- und Zugriffskontrollen Ihres Unternehmens sowie alle neuen Kontrollen, sobald diese angewendet werden. Teams müssen keine zweiten Anmeldeinformationen für Agenten mehr erstellen und verwalten.

Governance ist der Ausgangspunkt, und die neuen Snowflake Cortex Sandboxes (Private Preview) zeigen das Engagement von Snowflake, kontrollierte autonome Agentenaktionen zu ermöglichen. Cortex Sandboxes bieten Kontrolle über den Code, den ein Agent ausführt: Sie bieten Agenten einen sicheren, privaten Raum, um benutzerdefinierten Code neben Unternehmensdaten in Snowflake auszuführen, während die Berechtigungen der Person, die den Agenten ausführt, beibehalten und befolgt werden. Es ist nicht erforderlich, Daten aus Snowflake zu verschieben, und die Räume starten in Sekundenschnelle und werden nach Abschluss automatisch heruntergefahren, was zusätzliche Wartung vermeidet und das Risiko versehentlicher Offenlegungen verringert.

Snowflake verbessert auch weiterhin die Governance über KI-Workflows hinweg. Mit MCP-Governance durch Cortex AI Gateway Tools (Public Preview) werden Agenten-Tool-Aufrufe mit der Identität des Endbenutzers authentifiziert und vor der Ausführung anhand von Richtlinien überprüft. Das System kann nicht genehmigte API-Aufrufe, unbefugte Aktionen und Compliance-Verstöße blockieren, bevor ein Agent ein sensibles System erreicht. Cortex AI Guardrails (Public Preview) fügt jedem Agenten, der über das Cortex AI Gateway geleitet wird, einschließlich Drittanbieter-Agenten, einen kontoweiten Laufzeitschutz gegen Prompt-Injection, Jailbreaks und neuartige Angriffe hinzu.

Sichtbarkeit kommt als Nächstes, denn Sie können nicht verwalten, was Sie nicht sehen können. Observability (allgemein verfügbar) erfasst jeden Modellaufruf, jede Tool-Ausführung, jeden Argumentationsschritt und jede Guardrail-Entscheidung in kontrollierten Tabellen innerhalb des eigenen Snowflake-Kontos des Kunden. Diese Traces können mit Standard-SQL abgefragt und mit den restlichen Unternehmensdaten verknüpft werden. Agent Trace Intelligence (Private Preview) nutzt diesen Join, um Agenten zu finden, die in Schleifen Geld verschwenden, Tools, die immer wieder fehlschlagen, und die tatsächlichen Kosten jeder abgeschlossenen Aufgabe.

Die Kosten sind der letzte Teil des Bildes. Cost Governance-Funktionen (allgemein verfügbar) ordnen KI-Ausgaben einem Team, einer Abteilung, einem Agenten oder einer Anwendung zu und setzen harte Limits in nahezu Echtzeit durch, was Managern hilft, außer Kontrolle geratene Agenten zu identifizieren und zu stoppen, bevor sie Budgets überschreiten. Dynamic Model Routing (Private Preview) ordnet jede Anfrage basierend auf Kosten, Genauigkeit und Latenz einem vom Unternehmen genehmigten Modell zu und hält Routinearbeiten von den teuersten Modellen fern. In internen Tests lieferte Dynamic Model Routing eine bis zu dreimal höhere Token-Effizienz als ein reiner Frontier-Modell-Pfad bei gleicher Qualität. 

Erfahren Sie mehr über Cortex AI Gateway in unserem Blog.

Bringen Sie Echtzeit-Beobachtbarkeit für Agenten und Anwendungen mit Observe von Snowflake

Cortex AI Gateway bietet einen kontrollierten Einstiegspunkt für Agenten, aber um KI zuverlässig im Produktivbetrieb auszuführen, muss man auch verstehen, wie sich Agenten verhalten und wie die Anwendungen und die Infrastruktur dahinter performen. Observe von Snowflake bringt diese Systeme in eine einheitliche, KI-gestützte Observability-Plattform und hilft Engineering-Teams, Fehler zu untersuchen, die Agentenqualität zu verbessern und Kosten zu optimieren. 

Observe hat seine Ingestion-Pipeline auf Snowpipe Streaming (Private Preview) neu aufgebaut und schreibt Protokolle, Metriken und Traces direkt in Snowflake-Tabellen, sodass Engineers, die auf einen Vorfall reagieren, die aktuellsten Daten sehen. Snowflake Data Share into Observe (Private Preview) verwandelt Daten, die Kunden bereits in ihren eigenen Snowflake-Konten speichern, in Zero-Copy-Observe-Datasets, sodass sie nicht zweimal erfasst oder gespeichert werden müssen. Der O11y Agent in Slack (Private Preview) ermöglicht es Teams, die erste Reaktion auf neue Probleme zu automatisieren und die Ursachenanalyse im Slack-Kanal des Teams zu sehen.

Für Teams, die ihre eigenen Agenten und LLM-Anwendungen entwickeln, verfolgt Agent Observability (Private Preview) Performance, Fehler, Token-Nutzung und Kosten. Es unterstützt auch die Suche und das Debugging über Traces, Sitzungen und Konversationen hinweg und führt Online-LLM-as-Judge-Bewertungen für den Datenverkehr im Produktivbetrieb durch. Telemetrie wird über OpenTelemetry gesammelt und in Apache Iceberg™-Tabellen auf einer Architektur aufbewahrt, die darauf ausgelegt ist, den vollständigen Agentenkontext erschwinglich zu halten, sodass Teams das Agentenverhalten mit Geschäftsdaten auf Snowflake verknüpfen und den Wert des Agenten bewerten können.

Erweitern Sie die Governance über ein Open Lakehouse

Die meisten Unternehmen verfügen über mehr als eine Datenplattform. Sie betreiben mehrere Engines über mehrere Kataloge, Regionen und Clouds hinweg. Mit jedem Datensilo müssen Agenten über mehrere – und manchmal widersprüchliche – Datenkopien, Governance-Richtlinien und Business-Kontext-Ebenen hinweg argumentieren. Dies führt zu Antworten, denen man nur schwer vertrauen kann, Powered by Daten, auf die Agenten vielleicht keinen Zugriff haben sollten. 

Wir bei Snowflake glauben, dass es einen besseren Weg gibt. Die Grundlage von Business Ontology und Cortex AI Gateway ist die Open-by-Design-Architektur von Snowflake. Sie basiert auf Open Source-Communitys über Apache Iceberg für die Speicherung, Apache Polaris™ für Governance und Apache Ossie (incubating) für Semantik. Zusammen bieten sie die Mechanismen, um alle Ihre Daten plattformübergreifend zu verbinden und eine offene und interoperable Datengrundlage mit universeller Governance und Kontext aufzubauen, um Ihr Agentic Enterprise voranzutreiben. 

Horizon Catalog, basierend auf Apache Polaris, hilft bei der Vereinfachung von Multi-Katalog- und Multi-Engine-Architekturen, indem es einen universellen Katalog ohne Lock-in bietet. Definieren Sie ein Set von Governance-Richtlinien und setzen Sie diese in jeder Iceberg REST Catalog-kompatiblen Engine durch, unabhängig vom Katalog und ohne Migration, mit externem Engine-Zugriff auf externe Tabellen (allgemein verfügbar). 

Die Durchsetzung der Sicherheit ist nur die halbe Miete; Sie müssen auch jede Engine-Interaktion prüfen. Aus diesem Grund protokolliert der Audit-Verlauf jetzt sowohl Snowflake- als auch externe Engine-Interaktionen mit von Snowflake verwalteten und extern verwalteten Iceberg-Tabellen, wenn Horizon Catalog als universelle Governance-Schicht fungiert. Sicherheits- und Plattformteams können Zugriffe untersuchen, die Akzeptanz verfolgen und Integrationen von einem Ort aus validieren, ohne eine separate Observability-Infrastruktur aufbauen zu müssen.  

Silos innerhalb Ihrer Teams sind nur ein Teil der Herausforderung. Was passiert, wenn ein Kunde oder Partner Zugriff auf Daten benötigt? Hier kommt Snowflake KI und Data Sharing ins Spiel, das es Datenproduzenten ermöglicht, ihre Produkte schnell und einfach mit Konsumenten zu teilen. Es unterstützt jetzt Open Data Sharing, Powered by Apache Polaris (allgemein verfügbar), was die Möglichkeit eröffnet, Daten mit jeder Iceberg REST-kompatiblen Engine zu teilen.

Snowflake bringt außerdem zwei weitere KI- und Data Sharing-Erweiterungen in die Private Preview. Cloudübergreifendes Sharing ohne Replikation macht Anbieter-Listings über Regionen hinweg ohne Vorab-Replikations- und Speicherkosten verfügbar, sodass Konsumenten über Remote-Abfragen auf Iceberg Tables auf Daten zugreifen können. Schema Drift Detection und Copy Grants für Data Sharing hilft Produzenten und Konsumenten, Schema- oder Berechtigungsänderungen zu identifizieren, die das Sharing unterbrechen könnten, während Copy Grants bei der Änderung von Ansichten erhalten bleiben.

KI-Ausgaben und -Verwaltung über Teams und Konten hinweg verwalten

KI-Ausgabenüberschreitungen – oder die Gefahr davon – bedeuten, dass Führungskräfte Credits und Dollars genauer im Auge behalten. Gleichzeitig ist die Verwaltung von Konten und Performance ein wichtiger Bestandteil zur Realisierung des KI-ROI. 

Neue FinOps-Updates geben Unternehmen mehr Kontrolle über die Kosten-Governance und Flexibilität über Konten hinweg. Administratoren können Kontingente pro Nutzer:in anwenden, wöchentliche Limits pro Benutzer festlegen und Kontingente auf die Nutzung des Cortex AI Gateway anwenden (alle allgemein verfügbar). Unterstützung für Budgets auf Unternehmensebene (allgemein verfügbar) ermöglicht es Ihnen, Ausgabenziele in Dollar oder Credits über mehrere Konten hinweg mithilfe von Tags festzulegen. Tag-basierte Erkennung von Kostenanomalien (allgemein verfügbar) bietet Einblicke in potenzielle Spitzen und unterstützt bis zu 50 benutzerdefinierte Ausgabenkohorten pro Konto, mit täglichen Warnungen und einem Sandbox-Modus.

Mit zunehmender KI-Einführung wächst auch die Anzahl der Snowflake-Konten, die ein Unternehmen betreibt. In Unternehmen, die mehr als zehn Snowflake-Konten betreiben, müssen sich Administrator:innen oft bei jedem Konto anmelden oder benutzerdefinierte Skripte schreiben, um unternehmensweite Änderungen auszurollen.

Snowflake ändert dies mit Snowflake Organizations. Es bietet GlobalOrgAdmins eine einzige Snowsight-Oberfläche, um Nutzer:innen und Nutzergruppen der Organisation zu verwalten, Domain-Regeln von Drittanbietern und Mandantentypen zu konfigurieren und Verstöße zu überwachen. Sie können zudem Trust Center-Scannerpakete gleichzeitig an jedes Konto pushen und so Updates optimieren (Public Preview). Neue kontoübergreifende Org Usage Views (allgemein verfügbar) – einschließlich unternehmensweiter KI-Ausgaben nach Konto und Dienst – tragen dazu bei, Governance messbar und überprüfbar zu machen, und Administrator:innen erhalten eine einheitliche, auf Insights ausgerichtete Ansicht des Zustands ihrer Organisation.

Die Performance-Anpassung nähert sich ebenfalls dem Null-Wartungs-Aufwand. Mit dem Automatic Key Selection-Feature von Optima Clustering (allgemein verfügbar) macht Snowflake das Clustering autonom. Anstatt dass ein:e Administrator:in Clustering-Schlüssel manuell auswählt, wählt Snowflake nun Schlüssel basierend auf historischen Abfragemustern und Tabellenzugriffen aus und aktualisiert diese automatisch, wenn sich die Muster ändern. Optima clustert die Teile der Tabelle, die tatsächlich abgefragt werden, gemäß Workload-Heatmaps neu, und die wertbasierte Abrechnung, die an die Erfassung gebunden ist, verringert die Wahrscheinlichkeit von Kostenspitzen. In Kombination mit der Fähigkeit von Snowflake Adaptive Compute, Rechenressourcen bei Bedarfsänderungen anzupassen, hilft dies, die Performance-Wartung in Ihrem gesamten Unternehmen zu optimieren.

Entwickeln Sie Agenten, hinter denen Ihr Unternehmen stehen kann

Damit Nutzer:innen einem Agenten vertrauen, muss dieser auf Basis genehmigter geschäftlicher Bedeutungen arbeiten, im Rahmen von Richtlinien handeln, für die verantwortlichen Personen sichtbar bleiben und Ausgaben innerhalb vereinbarter Grenzen tätigen. Snowflake macht dies möglich, indem es kontrollierten Business-Kontext, Agentensicherheit und Kostenkontrollen in einem System verbindet und diese Governance und diesen Kontext über eine Open Data-Datengrundlage hinweg erweitert. Mit diesem integrierten, interoperablen Ansatz können Unternehmen mehr Agenten mit Zuversicht bereitstellen, sie kontinuierlich verbessern und mehr Wert aus ihren KI-Investitionen ziehen.

Entdecken Sie weitere Ankündigungen zur Snowflake Expedition unter snowflake.com/en/blog/expedition-26/ oder nehmen Sie am virtuellen Event unter snowflake.com/en/expedition/ teil.

Zukunftsgerichtete Aussagen: Dieser Artikel kann zukunftsgerichtete Aussagen enthalten, einschließlich solcher über zukünftige Produktangebote, und stellt keine Verpflichtung zur Bereitstellung von Produktangeboten dar. Tatsächliche Ergebnisse und Angebote können abweichen. Weitere Informationen finden Sie in unserem jüngsten 10-Q-Formular.

 

Häufig gestellte Fragen

Was ist Business Ontology?

Business Ontology ist eine Governance-Schicht in Snowflake Horizon Context, die bald in Public Preview verfügbar sein wird. Sie erfasst, was Geschäftsbegriffe offiziell bedeuten, wer sie genehmigt hat und welches Daten-Asset sie berechnet. Genehmigte Definitionen werden an Semantic Views, Tabellen und Ansichten gebunden und für Snowflake CoCo und Snowflake CoWork bereitgestellt, sodass KI-Agenten auf Basis der maßgeblichen Definition antworten können.

Was macht das Cortex AI Gateway?

Das Cortex AI Gateway erweitert die Steuerungsebene von Snowflake auf KI-Agenten von Drittanbietern. Es prüft MCP-Tool-Aufrufe vor deren Ausführung anhand von Richtlinien, zeichnet Modellaufrufe und Argumentationsschritte in einer serverseitigen Observability-Ebene auf, ordnet KI-Ausgaben zu und setzt harte Budget-Grenzen in nahezu Echtzeit durch. Außerdem leitet es jede Anfrage an das effizienteste Modell weiter.

Wie hilft Ihnen Snowflake dabei, die Kosten für KI-Agenten zu kontrollieren?

Snowflake hilft auf mehreren Ebenen bei der Kontrolle der Kosten für KI-Agenten. Das Cortex AI Gateway ordnet Ausgaben Teams, Agenten und Anwendungen zu und setzt Limits in nahezu Echtzeit durch, während Dynamic Model Routing es Ihnen ermöglicht, basierend auf Kosten, Genauigkeit und Latenz das beste Modell für Ihre Anfrage auszuwählen. Budgets auf Unternehmensebene, Kontingente pro Nutzer:in und Tag-basierte Anomalieerkennung erweitern die Kosten-Governance auf jedes Konto.

Kann Snowflake Apache Iceberg-Tabellen kontrollieren, die in anderen Katalogen verwaltet werden?

Ja. Der Horizon Catalog, der auf Apache Polaris basiert, kann über den Horizon Iceberg REST Catalog auf Externally Managed Iceberg Tables zugreifen und diese ohne Migration an Ort und Stelle kontrollieren. Open Data Sharing, jetzt allgemein verfügbar, liefert kontrollierte Daten an jeden Iceberg REST Catalog-Client.

Wie unterstützt Observe von Snowflake die Observability von KI-Agenten?

Agent Observability, in Private Preview, sammelt Agenten-Telemetrie über OpenTelemetry und verfolgt Performance, Fehler, Token-Nutzung und Kosten. Es unterstützt das Debugging über Traces, Sitzungen und Konversationen hinweg und führt LLM-as-Judge-Auswertungen für den Datenverkehr im Produktivbetrieb durch. Die Telemetrie wird in Apache Iceberg-Tabellen gespeichert, sodass Teams das Verhalten der Agenten mit Geschäftsdaten korrelieren können.

Diesen Beitrag teilen

Subscribe to our blog newsletter

Get the best, coolest and latest delivered to your inbox each week

Where Data Does More