Blog/Produkt & Technologie/Business Ontology regelt Geschäftskonzepte und Metriken für KI und Analytics
3. Nov. 2026/Lesezeit: 6 MinutenProdukt & Technologie

Business Ontology regelt Geschäftskonzepte und Metriken für KI und Analytics

Diagram showing Business Ontology ensuring consistent business definitions

Heute kündigen wir Business Ontology (bald in der Public Preview) an, eine Governance-konforme Möglichkeit für Teams, gemeinsame Geschäftsbegriffe, Entitäten, Beziehungen und Metriken zu definieren, zu besitzen und zu genehmigen und sie mit den Daten und Modellen zu verbinden, die sie implementieren. Als Teil von Snowflake Horizon Context, der kontrollierten Kontextschicht in Horizon Catalog, bietet Business Ontology Menschen und KI-Agenten dieselben genehmigten Definitionen, sodass Agenten Unternehmensdaten so interpretieren können, wie es das Unternehmen tut. Teams können dieses Wissen über Agenten und Anwendungen hinweg wiederverwenden, ohne es für jedes Tool neu definieren zu müssen, während Unterschiede zwischen Bereichen wie Vertrieb, Finanzen und Marketing erhalten bleiben.

Ein Agent, der beispielsweise eine Frage zum Umsatz beantwortet, muss wissen, wie die Finanzabteilung „Umsatz” definiert und wie er mit Bestellungen und Kund:innen zusammenhängt. Dieses Wissen ist normalerweise über BI-Modelle, dbt-Projekte und die Erfahrung langjähriger Mitarbeiter:innen verteilt, und Teams bauen es oft für jeden neuen Agenten neu auf. Wenn ein Agent einen Fehler macht, treffen Menschen Entscheidungen auf der Grundlage der falschen Zahl und verlieren das Vertrauen in KI-Antworten. Business Ontology bietet Teams einen offiziellen Ort, um dieses Wissen aufzuzeichnen.

Snowflake Business Ontology connects business concepts such as customers, orders and net revenue to the tables, semantic views and services that implement them, so agents across teams work from the same model of the business.
Figure 1: Snowflake Business Ontology connects business concepts such as customers, orders and net revenue to the tables, semantic views and services that implement them, so agents across teams work from the same model of the business.

Erstellen Sie einen maßgeblichen Geschäftskontext, indem Sie Wissen aus Ihrem gesamten Datenbestand integrieren

Horizon Context führt Wissen aus den Tools zusammen, die Teams bereits verwenden. Die sofort einsatzbereiten Metadaten-Konnektoren sammeln Schemata, Abfrageprotokolle, Dashboard-Definitionen und Nutzungssignale aus Quellen wie Tableau, Power BI, dbt, SQL Server, Sigma, Omni und PostgreSQL. Plattformübergreifende Lineage verfolgt dann Daten von einer Quelldatenbank über Transformationen bis hin zum Dashboard, das sie anzeigt. Das Ergebnis ist eine vernetzte Ansicht Ihres Datenbestands, die Teams ein besseres Verständnis dafür vermittelt, woher Daten stammen und wie sie verwendet werden, sowohl innerhalb als auch außerhalb von Snowflake.

Damit sich Agenten darauf verlassen können, bietet Snowflake drei Kontextschichten, jede mit einer bestimmten Rolle: Snowflake Cortex Sense (bald in der Public Preview) leitet den Kontext automatisch ab, Business Ontology regelt die geschäftliche Bedeutung und Snowflake Semantic Views führen Metriken aus. 

Warum drei Schichten statt einer? Weil jede ein anderes Problem angeht und keine einzelne Schicht alle drei gut bewältigen kann. Cortex Sense bietet Agenten sofort eine breite Abdeckung von Datenbeständen, ohne dass Ihr Team zuerst jede Tabelle und Metrik manuell definieren muss. Business Ontology fügt Autorität dort hinzu, wo sie am wichtigsten ist, sodass Menschen und Agenten mit genehmigten geschäftlichen Bedeutungen arbeiten. Semantic Views sorgen für Präzision, sodass jede Metrik jedes Mal auf die gleiche Weise berechnet wird. 

Die Schichten sind nicht sequenziell: Kunden können mit der Schicht beginnen, die ihr dringendstes Problem löst, und die anderen hinzufügen, wenn sie wachsen. Einige Teams beginnen möglicherweise mit Glossaranforderungen; andere beginnen möglicherweise mit ausführbaren Metriken. Unabhängig vom Einstiegspunkt bieten die drei Schichten jedem Agenten, jeder App und jeder Person einen konsistenten, maßgeblichen Geschäftskontext.

Lassen Sie uns auf jede einzelne eingehen.

Automatisieren Sie den Kontext mit Cortex Sense

Für viele Teams ist Cortex Sense der natürliche Ausgangspunkt, da es einen Großteil der Hintergrundarbeit erledigt. Es sammelt Kontext, während Menschen Daten abfragen, Dashboards erstellen und Pipelines ausführen, und verwandelt alltägliche Arbeit in Geschäftsverständnis, wobei weniger Zeit darauf verwendet wird, zu definieren, was jede Tabelle und Metrik bedeutet und wie sie zusammenhängen.

Cortex Sense tut dies, indem es Kontext aus den Metadaten und Nutzungsmustern aufbaut, die Teams bereits produzieren, einschließlich Abfrageverlauf, Dashboards und dbt-Modellen. Wenn sich das Unternehmen ändert, hält dieses Verständnis Schritt, da Cortex Sense sein Wissen automatisch in dem von Ihnen gewählten Rhythmus aktualisiert. Teams grenzen einen geschäftlichen Anwendungsfall ein, verbinden den relevanten vorhandenen Kontext und verfeinern ihn durch Feedback und Auswertungen, wodurch die Notwendigkeit verringert wird, jede Tabelle manuell zu modellieren. Cortex Sense identifiziert auf intelligente Weise widersprüchliches Wissen und fragt Teams, welcher Quelle sie vertrauen sollen.

Wenn Teams bereit sind, ihre wichtigsten Begriffe zu regeln, kann Cortex Sense einen ersten Entwurf in Business Ontology mit vorgeschlagenen Definitionen, Beziehungen und Links zu Daten erstellen, sodass niemand bei null anfangen muss. Teams können einen geschäftlichen Anwendungsfall eingrenzen, den relevanten vorhandenen Kontext verbinden und ihn durch Feedback und Auswertungen verfeinern, wodurch die Notwendigkeit verringert wird, jede Tabelle manuell zu modellieren. Cortex Sense identifiziert auf intelligente Weise widersprüchliches Wissen und fragt Teams, welcher Quelle sie vertrauen sollen.

Definieren Sie den Geschäftskontext mit Business Ontology

In Business Ontology zeichnen Teams auf, was ihre wichtigsten Geschäftsbegriffe bedeuten, wem sie gehören und wie sie zusammenhängen. Nehmen wir „Nettoumsatz”. Anstatt dass jede Semantic View, jedes Dashboard und jeder Agent eine eigene Version hat, definiert ein:e Analyst:in sie einmal (oder importiert sie aus einem vorhandenen Glossar), legt ihren Geltungsbereich auf „Finanzen” fest, benennt eine:n Eigentümer:in, lässt sie genehmigen und verknüpft sie mit der Metrik der semantischen Ansicht, die sie berechnet (siehe Abbildung 2). Von da an arbeiten Agenten und andere Teams mit dieser genehmigten Definition. Teams können:

  • Agenten in Geschäftskonzepten verankern: Fachexpert:innen definieren Konzepte wie Kund:innen, Bestellungen und Umsatz – und wie sie zusammenhängen – und Techniker:innen verbinden diese Definitionen mit Daten. Agenten interpretieren Daten dann durch das unternehmenseigene Wissen. 

  • Metriken über Semantic Views hinweg abgleichen: Teams verknüpfen äquivalente Metriken in ihren eigenen Semantic Views mit einer gemeinsamen Geschäftsdefinition und gleichen die Bedeutung ab, ohne jedes Team auf eine Implementierung zu zwingen. Auch beabsichtigte Unterschiede bleiben erhalten: Ein Restaurantunternehmen könnte den flächenbereinigten Umsatz für jede Marke unterschiedlich definieren, wobei jede Version separat genehmigt, mit der eigenen Marke gekennzeichnet und mit der Semantic View verknüpft wird, die sie berechnet.

  • Allen helfen, die richtige Definition zu finden: Jede:r kann einen Begriff nachschlagen, sehen, wem er gehört und ob er genehmigt ist, und ihm dorthin folgen, wo er berechnet wird. Marken- und regionale Varianten behalten ihren Geltungsbereich.

In Business Ontology, net revenue has one approved definition, with its synonyms, related concepts and variants, linked to the metrics that calculate it in two semantic views.
Figure 2: In Business Ontology, net revenue has one approved definition, with its synonyms, related concepts and variants, linked to the metrics that calculate it in two semantic views.

 

Da diese Definitionen Entscheidungen prägen, steuern Unternehmen mit den Governance-Kontrollen von Horizon Catalog, wer sie erstellen, bearbeiten und genehmigen kann. KI-Vorschläge und importierte Definitionen sind ein Ausgangspunkt für die Überprüfung, und verantwortliche Eigentümer:innen entscheiden, was offiziell wird. Wenn eine genehmigte Definition mit etwas in Konflikt steht, das Cortex Sense abgeleitet hat, verwenden Agenten die genehmigte Definition und Cortex Sense lernt daraus.

Quote Icon

"Business Ontology gives every definition an accountable owner, links it to the data that implements it, and makes it the answer every agent returns. As early product adopters, this is what lets us put agents in front of our data with confidence."

Joe Tobey
Head of Data Product Engineering, dentsu

Wenden Sie Definitionen und Logik mit Semantic Views nur einmal an

Semantic Views definieren, wie jede Metrik berechnet wird, während Business Ontology steuert, was sie bedeutet und wer sie genehmigt hat. Jede Ansicht verpackt die Metriken, Dimensionen und Joins einer Domäne in ein Snowflake-Objekt, das Agenten, BI-Tools und SQL direkt abfragen können, sodass Agenten SQL aus gesteuerter Logik generieren, anstatt sie zu erraten. Business Ontology verknüpft genehmigte Definitionen mit den Semantic Views, die sie berechnen, ändert die Berechnung jedoch nicht. Das bleibt bei den Eigentümer:innen jeder Ansicht.

Qualitätskontext erfordert eine Plattform, die von Grund auf offen ist

Geschäftswissen zahlt sich nur aus, wenn es sich mit dem Unternehmen bewegen kann. Aus diesem Grund hat Snowflake bei der Gründung von Apache Ossie (incubating) geholfen, dem herstellerneutralen offenen Standard für semantische Modelle, der jetzt von Dutzenden von Unternehmen unterstützt wird, darunter Microsoft, Salesforce, dbt Labs, Qlik und ThoughtSpot. Semantic Views können Ossie-Definitionen importieren und exportieren, sodass Metriken zwischen Snowflake und anderen Ossie-kompatiblen Tools reisen können, anstatt in jedem neu erstellt zu werden. Agenten außerhalb von Snowflake können Semantic Views auch über das Model Context Protocol abfragen, wobei Horizon Catalog den Zugriff steuert.

Quote Icon

"Semantic drift is one of the most underestimated risks in multi-partner data environments — and at Merkle, dentsu's data and technology agency, we operate inside some of the most complex ones in the industry. Snowflake's Business Ontology closes that gap at the infrastructure level, giving every definition an owner and every downstream system a single governed answer.”

Morten Lileng
Global Head of Engineering, dentsu

Was Analytics-Unternehmen über Snowflake Business Ontology sagen

Viele Menschen verwenden BI- und Analytics-Tools, um Antworten auf ihre Fragen zu erhalten, was bedeutet, dass ein konsistenter Geschäftskontext von entscheidender Bedeutung ist. Hier sehen Sie, wie Omni, Sigma und ThoughtSpot die Kontextherausforderung und die Rolle sehen, die Business Ontology bei der Bewältigung spielt:

Omni

„Stellen Sie sich den Kontext wie das Onboarding eines neuen Analyst:in vor; es ist alles, was Sie ihnen beibringen würden, damit sie wissen, wann, warum und wie sie Dinge verwenden. Omni wurde um ein gesteuertes semantisches Modell herum aufgebaut und verfügt über die einzige bidirektionale Integration mit Snowflake Semantic Views, und jetzt führt Business Ontology diese Grundlage weiter, indem es genehmigte Geschäftsdefinitionen erfasst. Gemeinsam helfen wir unseren gemeinsamen Kunden, einen vertrauenswürdigen Kontext aufzubauen, der jedem:r Nutzer:in und Agenten dienen kann.” 

— Jamie Davidson, Mitbegründer und Präsident von Omni

Sigma

„KI-Agenten sind nur so zuverlässig wie der Geschäftskontext und die Definitionen, die sie antreiben. Mit Business Ontology können unsere gemeinsamen Kunden ihre Geschäftskonzepte einmal definieren und sie nahtlos in Sigma AI wiederverwenden, um gesteuerte Anwendungen, Dashboards und Agenten zu erstellen und vertrauenswürdige Analytics in Sigma voranzutreiben.”
— Zalak Trivedi, Director of Product Management bei Sigma 

ThoughtSpot

„Vertrauenswürdige KI hängt von einem vertrauenswürdigen Geschäftskontext ab. Snowflake Business Ontology bietet Unternehmen ein gesteuertes Zuhause dafür, was ihre Geschäftsbegriffe bedeuten, und ThoughtSpot erweitert diesen Kontext kontinuierlich mit erfasstem Wissen von Geschäftsanwender:innen mit Spotter, um genaue, erklärbare Antworten und Aktionen für jede:n Benutzer:in zu liefern. Gemeinsam helfen wir Kunden, Agenten-Analytics mit Zuversicht zu skalieren.”

— Francois Lopitaux, Senior Vice President of Product bei ThoughtSpot

Verwandeln Sie Wissen mit Business Ontology in ein konsistentes Unternehmens-Asset

Menschen wechseln die Rolle, Tools werden ersetzt und Datenmodelle ändern sich. Zu oft geht das Wissen dahinter auf dem Weg verloren. Business Ontology verwandelt dieses Wissen in ein dauerhaftes Unternehmens-Asset, mit einem verantwortlichen Eigentümer und einer klaren Verbindung dorthin, wo jede Definition berechnet wird. Jeder neue Agent oder jede neue Anwendung kann von dem ausgehen, was das Unternehmen bereits weiß.

Wenn Sie tiefer in Business Ontology eintauchen möchten, sehen Sie sich unser Hands-on Lab an und lesen Sie unseren Blogbeitrag „Meaning Before Metrics: How We Built a Governed Business Ontology for AI Agents.”

Häufig gestellte Fragen

Was ist Snowflake Business Ontology?

Business Ontology (bald in der Public Preview) ist eine Geschäftsmodellierungs- und Governance-Schicht in Snowflake Horizon Context. Unternehmen können sie verwenden, um Geschäftskonzepte, Metriken und die Beziehungen zwischen ihnen unabhängig von einem einzelnen Datenmodell zu definieren. Jede Definition zeichnet ihren Eigentümer und Genehmigungsstatus auf und verlinkt auf die Semantic Views, Tabellen und Ansichten, die sie implementieren. Nur genehmigte Definitionen werden KI-Agenten in CoCo und CoWork bereitgestellt, sodass Agenten mit der Bedeutung arbeiten, hinter der das Unternehmen steht, anstatt zwischen konkurrierenden Implementierungen zu wählen.

Warum benötigen KI-Agenten einen Geschäftskontext?

Ein gesteuerter Geschäftskontext hilft Agenten, Daten so zu interpretieren, wie es das Unternehmen tut, damit sie genauere Antworten liefern können. KI-Agenten können auf Daten zugreifen, aber sie „verstehen” nicht automatisch, was Geschäftsbegriffe bedeuten oder wie Konzepte zusammenhängen. Sie benötigen Kontext: genehmigte Referenzen, die ihnen vorgeben, welcher Definition sie vertrauen können, welche Richtlinien sie befolgen müssen und welches Unternehmenswissen sie einbeziehen sollen. Ohne diesen Kontext raten Agenten bei Bedeutungen und relevanten Datenquellen und geben möglicherweise unterschiedliche Antworten auf dieselbe Frage. 

Wie unterscheidet sich Business Ontology von Semantic Views?

Business Ontology definiert, was ein Geschäftsbegriff bedeutet, wer dafür verantwortlich ist und wie er mit anderen Konzepten zusammenhängt. Semantic Views definieren, wie jede Metrik berechnet wird, und bündeln Metriken, Dimensionen und Joins in Objekten, die Agenten, BI-Tools und SQL direkt abfragen können. Business Ontology verknüpft äquivalente Metriken über Semantic Views hinweg mit einer gemeinsamen, genehmigten Definition.

Können Geschäftsdefinitionen zwischen Snowflake und anderen Tools übertragen werden?

Ja. Business Ontology kann Geschäftskonzepte, Definitionen und Beziehungen in offene Formate importieren und exportieren, einschließlich Apache Ossie (incubating) und Resource Description Framework (RDF), sodass Teams genehmigtes Unternehmenswissen in anderen Tools wiederverwenden können, anstatt es neu zu definieren. Semantic Views können ebenfalls Ossie-Definitionen importieren und exportieren, sodass Metriken nicht neu erstellt werden müssen. Agenten außerhalb von Snowflake können Semantic Views über das Model Context Protocol abfragen, wobei Horizon Catalog den Zugriff steuert.

Diesen Beitrag teilen

Subscribe to our blog newsletter

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

Where Data Does More