NOV 10, 2025|Lesezeit: 3 Minuten
dbt Projects on Snowflake jetzt allgemein verfügbar
Datentransformationen sind die zentralen Bausteine jeder erfolgreichen Datenstrategie – entscheidend für den Aufbau robuster Daten-Pipelines. Seit Jahren nutzen Datenteams dbt (data build tool), um Best Practices aus dem Software Engineering – wie Modularität, Versionskontrolle und Tests – in SQL- und Snowpark-Workflows einzubringen.
Doch der Prozess war bislang nicht immer nahtlos. Datenteams und Plattformverantwortliche stehen dabei häufig vor denselben Herausforderungen:
- Infrastrukturaufwand: Die Verwaltung von Rechenressourcen für einen externen Orchestrator (z. B. Airflow) zusätzlich zu Snowflake erhöht den Wartungsaufwand und kann die Zuverlässigkeit über verschiedene Systeme hinweg beeinträchtigen.
- Herausforderungen bei der Fehlerbehebung: Protokolle und Leistungsdaten sind auf verschiedene Systeme verteilt, wodurch Ursachen und Engpässe nur schwer zu identifizieren sind.
- Governance-Lücken: Es ist schwierig, neuen Teams die Entwicklung und Bereitstellung von Pipelines zu ermöglichen – insbesondere bei steiler Lernkurve und wenn einheitliche Sicherheitsrichtlinien fehlen.
- CI/CD-Einrichtung: Die Implementierung robuster, automatisierter CI/CD-Prozesse für Datentransformationscode erfordert oft erheblichen Entwicklungsaufwand, um Qualität und schnelle Bereitstellung sicherzustellen.
Jetzt ist die Leistungsfähigkeit von dbt nativ in Snowflake integriert. Mit dbt Projects on Snowflake kann Ihr Datenteam dbt-Projekte direkt in Snowflake erstellen, ausführen und überwachen. Mit dem neuen Workspaces-Editor – der nächsten Generation des SQL Authorings in Snowflake – können Teams Projekte bearbeiten und debuggen. dbt Projects on Snowflake bieten vollständige Parität mit der Snowflake CLI, um die Bereitstellung und das Testen von dbt-Projekten über CI/CD-Tools wie GitHub Actions zu steuern. Diese nativen Optionen reduzieren Kontextwechsel, vereinfachen die Einrichtung und beschleunigen den gesamten Entwicklungszyklus von Daten-Pipelines.
„Bei einer gemeinnützigen Organisation, die tagtäglich lebensrettende Versorgung leistet, zählt jeder Euro. Als wir unsere Daten- und Analyseplattform neu aufbauten, brauchten wir passgenaue Tools, die Leistungsfähigkeit mit Einfachheit und Kosten in Einklang bringen. In dem Moment, als dbt Teil des Snowflake-Ökosystems wurde, war der Weg klar. Heute experimentieren, kodifizieren, testen, deployen, planen und überwachen wir unseren gesamten dbt-Workflow nativ innerhalb von Snowflake. Die Konsolidierung auf einer Plattform hat eine nützliche Einfachheit geschaffen, die Kostentransparenz verbessert und unsere Engineers befreit, sich auf die schnellere Wertschöpfung zu konzentrieren.“
Chris Androsoff
Director of Data bei STARS
Mit dbt Projects on Snowflake können Teams gemeinsam modulare und skalierbare Datenprodukte entwickeln, die nachgelagerte Analytics-, KI- und Anwendungsprozesse unterstützen. Kunden, die diese Funktion in der Preview-Phase getestet haben, berichteten von einem gestiegenen Vertrauen in ihre Fähigkeit, Transformations-Pipelines innerhalb eines einzigen Tages zu erstellen (+34 %) und zu debuggen (+11 %).1
1 Zwischen April und Juni 2025 befragten wir 17 Erstnutzer:innen vor und nach der Arbeit mit dbt Projects on Snowflake, um Verbesserungen bei Aufbau und Fehlerbehebung zu messen.
Erfahren Sie in einer Demo von Charlie Hammond mehr über dbt Projects on Snowflake.
Beschleunigen Sie Ihre Entwicklung mit dbt Projects on Snowflake
dbt Projects on Snowflake optimieren Workflows für Data Engineers, um Transformations-Pipelines zu standardisieren und zu automatisieren, und ermöglichen:
- Entwicklung und Tests: Erstellen, Hochladen und Bearbeiten von dbt-Projekten in Workspaces mithilfe einer dateibasierten IDE mit Git-Integration. Durchführen von Testläufen zur Sicherung der Datenqualität und Validierung von Modellen.
- Visualisierung und Debugging: Erstellen und visualisieren Sie gerichtete azyklische Graphen (DAGs), um Datenherkunft und Abhängigkeiten direkt in der Benutzeroberfläche zu analysieren.
- Bereitstellung und Orchestrierung: Bereitstellen und Planen von Daten-Pipelines über native Snowflake Tasks – für einfachere Orchestrierung. Wählen Sie direkt in der Workspaces-IDE aus verschiedenen dbt-Befehlen wie COMPILE, TEST, RUN und mehr.
- Überwachung und Nachverfolgung: Überwachen Sie den Ausführungsverlauf mit detaillierten Logs und Nachverfolgung.
Starten Sie noch heute
Ob Sie ein bestehendes dbt-Projekt aus Git importieren oder von Grund auf neu beginnen – der Einstieg in dbt Projects on Snowflake ist einfach:
- Navigieren Sie zu Snowsight Workspaces.
- Wählen Sie aus, ob Sie ein dbt-Projekt aus einem Git-Repository erstellen oder importieren möchten.
- Führen Sie Ihr Projekt mit einem vorhandenen virtuellen Snowflake Warehouse aus.
Testen Sie unser Einstiegstutorial oder laden Sie Beispielcode von Snowflake Labs herunter. Dank höherer Effizienz, Standardisierung und einer optimierten Developer Experience können Teams schneller moderne Datenprodukte entwickeln und bereitstellen. Weitere Informationen finden Sie in der Snowflake-Dokumentation oder auf der Seite „Developer Guides“.
Autor:in
Speicherkosten optimieren und Compliance vereinfachen mit Storage Lifecycle Policies – jetzt allgemein verfügbar
Verwalten Sie den Lebenszyklus Ihrer Daten automatisch mit Snowflakes neuen Storage Lifecycle Policies (jetzt allgemein verfügbar), um die Compliance zu vereinfachen und Speicherkosten zu senken.
Turbo für Ihre SQL-Entwicklung: Workspaces jetzt allgemein verfügbar
Snowflake Workspaces ist jetzt allgemein verfügbar in Snowsight. Verbessern Sie SQL-Workflows mit einer modernen Entwicklungserfahrung mit integriertem Git, einem KI-Copiloten und Team Collaboration.
Snowflake Openflow revolutioniert Datenbewegung für KI und Interoperabilität
Snowflake Openflow vereinfacht die Datenintegration über verschiedene Quellen und Formate hinweg mit einer verwalteten, erweiterbaren Plattform – jetzt allgemein verfügbar auf AWS mit BYOC.
Snowflakes Unistore vereinheitlicht transaktionale und analytische Daten mit der allgemeinen Verfügbarkeit von Hybrid Tables
Snowflakes Hybrid Tables vereinen transaktionale und analytische Daten für eine vereinfachte Architektur und Governance – jetzt allgemein verfügbar.
Snowflake Copilot jetzt allgemein verfügbar: ein bahnbrechender KI-gestützter SQL-Assistent
Ein neuer KI-gestützter SQL-Assistent, der Datenanalysen vereinfacht und zuverlässige Governance gewährleistet.
Bessere Daten-Pipelines entwickeln mit SQL und Python
Entdecken Sie die neuen Funktionen, mit denen Data Engineers skalierbare Daten-Pipelines mit SQL und Python entwickeln und orchestrieren können – das vereinfacht Workflows und steigert die Agilität.
Cortex AISQL: SQL als AI Query Language für multimodale Daten
Cortex AISQL (Public Preview) wandelt Snowflake SQL in eine KI-Abfragesprache um, sodass Benutzer:innen KI-Pipelines mit vertrauten Befehlen über multimodale Daten hinweg erstellen können.
Skalieren Sie Analysen von unstrukturiertem Text mit effizienter Batch-LLM-Inferenz
Gewinnen Sie mithilfe von Snowflake Cortex AI Erkenntnisse aus unstrukturiertem Text in großem Umfang mit effizienter Batch-LLM-Inferenz und vereinfachen Sie so umfangreiche Textanalysen mit SQL.
Snowflake Native App Framework jetzt auf AWS verfügbar
Erleben Sie die Leistung des Snowflake Native App Frameworks auf AWS. Entdecken Sie eine breite Palette von Snowflake Native Apps im Snowflake Marketplace.
