KI-Innovation in zuverlässige, produktionsreife Anwendungen verwandeln mit Snowflake

KI-Innovationen verändern Anwendungen und Erfahrungen in Branchen und Unternehmen. Unternehmen konzentrieren sich zunehmend darauf, messbare Ergebnisse für ihre Endnutzenden zu erzielen. Um diese Ergebnisse zu erzielen, braucht es KI, die skalierbar, sicher und tief mit Unternehmensdaten verbunden ist.

Wir bei Snowflake wollen unseren Kunden dabei helfen, KI- und ML-Ambitionen in die Praxis umzusetzen. Das bedeutet, Entwickler:innen Tools an die Hand zu geben, die es einfacher machen, zuverlässige Agenten zu entwickeln, KI/ML-Workloads in die Produktion zu bringen und diese Workloads bei der Skalierung selbstbewusst zu kontrollieren.

Unsere neuesten Produktinnovationen geben Kund:innen die Möglichkeit, mit Snowflake zuverlässige Anwendungen auf Unternehmensniveau zu entwickeln. Das Ergebnis sind schnellere Ausführung, einfachere Abläufe und KI-Tools, auf die Unternehmen in der Produktion vertrauen können.

Snowflake Intelligence als leicht verfügbarer Enterprise Intelligence Agent

Snowflake Intelligence vereint eine Reihe von Funktionen, die geschäftliche Benutzer:innen dabei unterstützen, schnell, sicher und unabhängig von KI Nutzen zu ziehen. Diese Aktualisierungen konzentrieren sich auf drei Kernanforderungen:

• Benutzer:innen können wertvolle Gesprächsergebnisse als Artefakte speichern und diese Artefakte auch mit anderen Stakeholdern teilen, um Geschäftsentscheidungen zu treffen (demnächst verfügbar)
• Geschäftliche Benutzer durch sicheren, nativen mobilen Zugriff dort abholen, wo sie sind (demnächst verfügbar)
• Jetzt können Kunden geschäftliche Benutzer zu Snowflake Intelligence bringen und gleichzeitig SQL und Datentools fernhalten. Es gelten alle vorhandenen Sicherheitsrichtlinien, und Administratoren können die Funktion über eine einzige Benutzereigenschaft aktivieren.

Snowflake Intelligence wurde entwickelt, um zuverlässige Einblicke zu liefern, wo auch immer die Arbeit stattfindet. Sein Natural Language Interface ermöglicht es jedem Mitarbeiter, Fragen zu stellen, das „Warum“ hinter dem „Was“ aufzudecken und zeitnah datengestützte Maßnahmen zu ergreifen – alles innerhalb der sicheren und kontrollierten Plattform von Snowflake.

All diese Funktionen machen Snowflake Intelligence zu einem zuverlässigen Enterprise Intelligence Agenten, der Einblicke liefert, wann und wo Benutzer sie benötigen, und der eine zeitnahe, datengestützte Entscheidungsfindung im gesamten Unternehmen unterstützt.

Artefakte, die Gespräche in Geschäftsergebnisse verwandeln:

Artefakte (demnächst in Public Preview) stellen eine grundlegende Veränderung dar, wie Snowflake Intelligence geschäftliche Benutzer:innen unterstützt. Artefakte verwandeln Snowflake Intelligence-Gespräche in speicherbare, gemeinsam nutzbare Ausgaben wie Diagramme und Tabellen, die die Visualisierung, das zugrunde liegende SQL und kontextbezogene Metadaten beibehalten.

Artefakte sind die Kerneinheiten, über die Unternehmenswissen erfasst, geteilt und in Snowflake Intelligence umgesetzt wird. Benutzer:innen können Artefakte speichern, um Analysen nicht erneut zu erstellen, Live-Bezüge sicher mit Teamkollegen teilen und Folgefragen im Kontext untersuchen. Mit Artefakten können Benutzer zu dem zurückkehren, was sie entwickelt haben, es mit anderen teilen und direkt an vertrauenswürdigen Unternehmensdaten zusammenarbeiten.

Im weiteren Sinne sind Artefakte von grundlegender Bedeutung für die Fähigkeit von Snowflake Intelligence, Endnutzenden geschäftliche Erkenntnisse zu liefern. Anstatt Snowflake Intelligence hauptsächlich für Ad-hoc- oder Folgefragen zu nutzen, sorgen Artefakte dafür, dass Snowflake Intelligence der Ausgangspunkt für die Geschäftsentwicklung ist. Mit Artefakten machen wir Snowflake Intelligence zum Ziel für eine einheitliche und vertrauenswürdige Entscheidungsfindung aus einer einzigen Quelle im gesamten Unternehmen.

Snowflake Intelligence demnächst auf Mobilgeräten

Snowflake Intelligence wird in Kürze als iOS-App verfügbar sein (demnächst in Public Preview) und eine verbesserte native mobile Erfahrung bieten. Mobiler Zugriff gewährleistet, dass Führungskräfte und geschäftliche Benutzer den ganzen Tag über mit ihrem Unternehmenswissen in Verbindung bleiben können, unabhängig davon, ob sie wichtige Kennzahlen überprüfen, Trends überwachen oder kritische Fragen im Zuge von Entscheidungen verfolgen.

Für eine sichere und benutzerfreundliche Benutzererfahrung unterstützt Snowflake Intelligence die FaceID-basierte Sitzungserneuerung in der mobilen App (demnächst in Public Preview). Benutzer können sich mit FaceID authentifizieren und Token werden automatisch im Hintergrund aktualisiert. Refresh-Tokens bleiben geschützt, gerätegebunden und werden regelmäßig gewechselt. Das ermöglicht Sicherheitskontrollen auf Unternehmensniveau und bietet gleichzeitig ein reibungsloses mobiles Erlebnis im Verbraucher-Stil.

Erweiterter Zugriff mit eingeschränktem Login und reinen Snowflake Intelligence-Nutzern

Snowflake Intelligence unterstützt nun die direkte Benutzeranmeldung, sodass geschäftliche Benutzer sich anmelden und Fragen stellen können, ohne Snowflake kennen oder Snowsight verwenden zu müssen.

Für Kunden, die eine strengere Kontrolle wünschen, gewähren reine Snowflake Intelligence-Benutzerrollen geschäftlichen Benutzer:innen Zugriff auf Snowflake Intelligence und sonst nichts. Sie können nicht auf Snowsight, SQL-Schnittstellen oder andere Datentools zugreifen. So bleiben geschäftliche Benutzer in einer für sie entwickelten Oberfläche und Unternehmen können die Nutzung steuern, Kosten kontrollieren und alle vorhandenen Sicherheitsrichtlinien automatisch implementieren.

Snowflake Intelligence unterstützt auch die Weiterleitung von Identitätsanbietern, sodass Benutzer, die sich über eine konfigurierte IdP (z. B. Okta oder Entra ID) authentifizieren, eine vereinfachte Snowflake Intelligence-Anmeldeerfahrung haben. All diese Funktionen erleichtern es, den Zugriff im gesamten Unternehmen zu erweitern, während die Governance-Kontrollen zentralisiert bleiben.

Mühelose Entwicklung, Bereitstellung und Iteration von agentengestützten Erlebnissen

KI-Agenten spielen heute eine zentrale Rolle für geschäftliche Workflows. Unternehmen benötigen einen zuverlässigen und vertrauenswürdigen Stack, um einheitliche und genaue Erfahrungen in einer kontrollierten Umgebung bereitzustellen, die über Teams und Anwendungen hinweg skaliert werden kann. Wir freuen uns, wichtige Innovationen auf Snowflake vorzustellen, die Kunden bei der Entwicklung und Skalierung von produktionsfähigen Agenten unterstützen.

Cortex Code, jetzt allgemein verfügbar, unterstützt diese Entwicklung, indem es jedem Entwickler – von erfahrenen Technikern bis hin zu Teams ohne technische Vorkenntnisse – ermöglicht, Agents mithilfe natürlicher Sprachinteraktionen zu entwickeln und zu optimieren. Es hilft Teams auf einfache Weise, synthetische Daten zu generieren, semantische Ansichten zu erstellen und zu debuggen und das Verhalten von Agenten schnell zu erstellen und zu debuggen. So verkürzt es die Produktionszeit in der Snowflake AI Data Cloud. 

Mit Semantic View Autopilot (demnächst allgemein verfügbar) können Teams automatisch semantische Ansichten erstellen und bereitstellen, die sofort produktionsbereit sind. Semantic View Autopilot lernt aus der Abfragehistorie und optimiert Modellierungsworkflows. Unternehmen können so neue Anwendungsfälle schneller einbinden und erhalten teamübergreifend einheitliche Einblicke.

Mit Cortex Agent Sharing (demnächst allgemein verfügbar) können Agenten, die von internen Teams oder Partnern entwickelt wurden, ganz einfach aufgefunden, wiederverwendet und operationalisiert werden. So können Unternehmen Agentenfunktionen standardisieren, doppelten Aufwand vermeiden und bewährte Agenten teamübergreifend skalieren, anstatt sie für jeden Anwendungsfall neu zu erstellen. Teams können auf Angebote über den Snowflake Marketplace zugreifen und von Partnern entwickelte Agenten nutzen, um die Time-to-Value zu verkürzen.

Mit Agent Evaluations (demnächst allgemein verfügbar) erhalten Kunden einen tieferen Einblick in die Art und Weise, wie Agenten denken, Tools auswählen und Antworten generieren, um das Verhalten von Agenten zu verfeinern und die Genauigkeit bei der Weiterentwicklung von Agenten kontinuierlich zu verbessern. Dank dieser Transparenz können Teams Vertrauen in die Qualität ihrer Agenten gewinnen, indem sie Genauigkeit und logische Konsistenz ganz einfach validieren, um sicherzustellen, dass sie für Produktions-Workloads gerüstet sind. Agent Evaluations bietet umfassende Einblicke in den „Gedankenprozess“ eines Agenten und reduziert so das Rätselraten beim Debuggen. So können Teams Fehler oder Performance-Engpässe sofort erkennen und beheben. Schließlich können Unternehmen durch Validierung von Antworten, Logik und Werkzeugnutzung Agenten getrost von frühen Experimenten zu produktionsbereiten Systemen weiterentwickeln, denen Teams vertrauen.

Modellkontextprotokoll für Unternehmensdatenzugriff

Snowflake Intelligence unterstützt das Model Context Protocol (MCP), um die Integration mit Tools und Diensten Dritter zu vereinfachen. Wir haben einen von Snowflake verwalteten MCP-Server eingeführt und setzen nun auf den Snowflake MCP Client (demnächst allgemein verfügbar), damit Kunden problemlos und vertrauensvoll auf externe Datenquellen zugreifen können.

Mit Snowflake MCP Client können Kontoadministratoren vorkonfigurierte oder benutzerdefinierte MCP-Server wie Atlassian, Salesforce oder Workday registrieren und diese direkt in Cortex Agents einspeisen. Entwickler:innen können MCP-Server mit Agenten verwenden, um eine nahtlose Tool-Erkennung und den Aufruf während der Orchestrierung zu ermöglichen. Snowflake verwaltet die Authentifizierung, einschließlich Token-Handling, und bietet Beobachtbarkeit, um Integrationen sicher und kontrolliert zu halten. Bei der Markteinführung unterstützt Snowflake die vollständige Erkennung von MCP-Tools während des Aufrufs von Agenten sowie die Überwachung und das Token-Management. So können Kunden systemübergreifend sicher auf Unternehmensdaten zugreifen und diese entsprechend nutzen.

Hohe Qualität und geringe Latenz für Agenten auf Enterprise-Niveau

In Produktionsumgebungen spielen Einheitlichkeit und Genauigkeit eine entscheidende Rolle für die Benutzererfahrung und die Einführung. Snowflake investiert weiterhin in den gesamten Agenten-Stack, um KI-gestützte Erlebnisse bereitzustellen, die schneller, präziser und vorhersehbarer sind.

Snowflake führt Continuous Learning Agent Memory ein (demnächst in Public Preview), eine wichtige Qualitätssteigerung für Enterprise Intelligence Agents. Dadurch können Agenten kontinuierlich aus hochwertigen früheren Antworten über Nutzende hinweg lernen und so Einheitlichkeit und Vertrauen stärken. Darüber hinaus können sich Agenten im Laufe der Zeit individuelle Vorlieben und Fakten merken und erhalten so personalisiertere Erfahrungen mit Snowflake Intelligence.

Durch die Integration von Text-zu-SQL in die Orchestrierung von Agenten hat Snowflake auch die Genauigkeit verbessert und die Latenz für analytische Workflows reduziert. Benutzer:innen können schneller auf Daten zugreifen, LLM-Planungen parallel zur SQL-Ausführung einsehen und das Verhalten von Agent:innen über eine Vielzahl von Workloads hinweg optimieren.

Governance mit Agentenversionierung und Kostenverfolgung

Wenn sich KI-Anwendungen weiterentwickeln, benötigen Unternehmen Governance-Funktionen, die sie skalieren können. Snowflake bietet dies durch Agentenversionierung und integrierte betriebliche Transparenz.

Agent-Versionierung (demnächst in Public Preview) unterstützt Snowflake Cortex Agents CI/CD, sodass Kunden vertrauensvoll agentische Workloads erstellen, bereitstellen und wiederholen können. Entwickler:innen können Snapshot-Versionen erstellen, Änderungen über Git verwalten und Bereitstellungen sicher promoten oder zurücksetzen. Darüber hinaus können Kunden die Nutzung über Snowflake Intelligence und Agenten hinweg über Nutzungsansichten (demnächst allgemein verfügbar) nachverfolgen, was eine bessere betriebliche Übersicht unterstützt.

Neben Transparenz ermöglicht Snowflake Teams auch eine aktive Kontrolle der KI-Kosten. AI_COUNT_TOKENS (allgemein verfügbar) hilft bei der Schätzung der Nutzung vor der Ausführung, während AI Functions Incremental Metering View (demnächst allgemein verfügbar) Nutzungs- und Kostendaten laufender Abfragen bereitstellt, mit denen Teams Limits durchsetzen und Aktionen während der Laufzeit auslösen können. So können Unternehmen KI in der Produktion skalieren und gleichzeitig vorhersehbare Ausgaben und operative Kontrolle behalten.

In Verbindung mit Versionsverwaltung und Kostenverfolgung können Teams schnell handeln und gleichzeitig die Übersichtlichkeit wahren und Hochleistungsanwendungen verantwortungsvoll skalieren.

Beschleunigen Sie die Erstellung von multimodalen ML-Modellen online mit agentischen Workflows

Traditionelles maschinelles Lernen (ML) ist in der heutigen KI-Landschaft nach wie vor von entscheidender Bedeutung und wir freuen uns, neue Funktionen für agentische, multimodale und Echtzeit-Workflows in Snowflake ML ankündigen zu können. 

Wir investieren weiterhin in moderne Entwicklungserfahrungen, die die Produktivität steigern. Die nächste Generation von Snowflake Notebooks (allgemein verfügbar) sind jetzt First-Class-Komponenten innerhalb von Snowflake Workspaces und werden in einer Jupyter-basierten Umgebung ausgeführt, die auf der Container Runtime von Snowflake basiert. Snowflake Notebooks ermöglichen es Entwickler:innen, vorhandene Jupyter-basierte Notebooks, Skripte und Modelltrainings in die einheitliche Plattform von Snowflake für fortschrittliche Modellentwicklungsworkflows zu integrieren. Die Leistungsfähigkeit von Snowflake Notebooks für eine leistungsstärkere Entwicklung und Iteration wird durch die Integration mit Cortex Code in Snowsight (demnächst allgemein verfügbar) noch erweitert. 

Data Scientists verbringen oft lange Zyklen mit der Entwicklung und Fehlerbehebung ihrer ML-Workflows, was zu betrieblichen Engpässen führt und weniger ML-Modelle in die Produktion bringt. Snowflake integriert Cortex Code für ML-Workflows in Snowflake Notebooks, um selbstständig eine vollständig ausführbare ML-Pipeline aus einfachen Prompts in natürlicher Sprache zu erstellen, anzupassen und zu iterieren. 

Echtzeit-ML-Modelle können problemlos in Snowflake ML mit Online Feature Store und Online Model Serving, die beide jetzt allgemein verfügbar sind, produktiv gesetzt werden. Entwickler:innen können jetzt Features in weniger als 30 ms und Modelle in weniger als 100 ms bereitstellen, um Online-Anwendungsfälle mit niedriger Latenz wie personalisierte Empfehlungen und Betrugserkennung zu unterstützen – keine zusätzliche Infrastruktur oder komplizierte Konfiguration erforderlich. Darüber hinaus ist die Möglichkeit, groß angelegte Inferenzen mit multimodalen Modellen von Hubs wie Hugging Face auszuführen, jetzt in Public Preview verfügbar. Durch die Inferenz mit unstrukturierten Daten wie Bildern und Videos werden KI-Anwendungsfälle wie Objekterkennung, visuelle Q&A und automatische Spracherkennung auf Snowflake ohne komplexe Pipelines oder Datenbewegungen ermöglicht.

Die Zukunft der KI-Entwicklung

Die heutigen Markteinführungen tragen dazu bei, Cortex Agents als einheitliche Grundlage für unternehmensgerechte KI zu etablieren.  Semantic View Autopilot hilft Entwickler:innen, die Genauigkeit von Cortex Agenten zu steigern, und beschleunigt die Einführung fortschrittlicher Anwendungsfälle.  Mit den neuesten Snowflake ML-Erweiterungen von Snowflake können Entwickler:innen Modelle entwickeln, mit denen Cortex Agents ML-basierte Prognosen und Empfehlungen direkt an Benutzer:innen liefern können.  Und während der Produktion gewährleisten unsere Bewertungen für Cortex Agents, dass die Agentenergebnisse zuverlässig und einfach zu überwachen sind.

Mit Snowflake wechseln Unternehmen von Experimenten zur Produktion mit KI-Agenten und -Applikationen, denen Teams vertrauen, die von Bedienern verwaltet werden und die direkt mit dem geschäftlichen Erfolg verbunden sind.

Aufruf zum Handeln

1. Beginnen Sie mit der Erstellung, Speicherung und Freigabe von Artefakten in Snowflake Intelligence, um die Zusammenarbeit und das Handeln zu fördern.

2. Entdecken Sie die Ankündigung von Cortex Code.

3. Erfahren Sie mehr über die neuesten ML-Ankündigungen in diesem Blog.