Aktivieren Sie die Kontextschicht von Geschäftsaktivitäten: Ihre Dokumente
Dokumente sind schlichtweg die Grundlage des Geschäftsalltags. Sie fungieren als primäre Schnittstelle für die Arbeit und als Kontextschicht für fast jede Geschäftsaktivität. Planung, Abstimmung, tiefgehende Analysen, Genehmigungen und Ausführung hinterlassen eine gewaltige Spur an Texten, Präsentationen und Tabellen.
Doch 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.
Genau aus diesem Grund haben wir die nativen Document-Intelligence-Funktionen 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.
Drei Muster, die Geschäftsergebnisse vorantreiben
Cortex 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.
Wissen aktivieren
Oberflächlich 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.
AI_PARSE_DOCUMENT 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 Erfassung eingebetteter Bilder von Diagrammen, Schaubildern und anderen grafischen Elementen.
Das Ergebnis sind strukturierte Dokumentendaten, die den für einen präzisen Abruf erforderlichen Kontext beibehalten. Anstatt einen abgeflachten Textstrom zu indizieren, können Unternehmen Cortex Search 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.
Automatisierung von Geschäftsprozessen
Wenn 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.
Snowflake übernimmt die native Extraktion von Dokumenten in großen Mengen und mit hoher Qualität. Mit AI_EXTRACT 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 AI_CLASSIFY (Public Preview) als eine Art Verkehrskontrolleur fungieren, der verschiedene Dokumente automatisch an unterschiedliche KI-Pipelines weiterleitet.
Das 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.
Tiefgehende Analytics über Dokumente hinweg
Manchmal 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.
Zu 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. AI_COMPLETE 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.
Das 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.
Skalierung für die Produktion
Zu beweisen, dass ein Dokumenten-Anwendungsfall mit 10 Dateien funktioniert, ist einfach. Die wahre Herausforderung für Unternehmen ist das Volumen: Wie überführen Sie dies in die Produktion, um jeden Tag Hunderttausende von Dokumenten zu verarbeiten, ohne dass Ihre Engineering-Pipeline zusammenbricht?
Snowflake vereinfacht dies durch die Nutzung von Dynamic Tables. 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.
Stellen 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.
Die Pipeline, die Sie mit dem neuen Skill Cortex Code (CoCo) ai-functions-pipeline-builder ganz einfach ausführen können, kombiniert drei Cortex AI Functions:
- AI_PARSE_DOCUMENT wandelt jedes Jahresbericht-PDF in strukturierten Text um und behält dabei Tabellen, Überschriften und die Lesereihenfolge bei.
- AI_EXTRACT extrahiert benannte Felder aus dem Dokument, wie z. B. Strategiethemen, Wachstumsinitiativen, Gegenwind, Umsatz und Geschäftsjahr.
- AI_COMPLETE 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.
- AI_EMBED 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.
Von CoCo generierter SQL-Code
-- ── Step 1 | Parse annual reports ──────────────────────────────────────────
-- Note: Setting the refresh mode to "incremental" guarantees that each incoming document is processed only once.
CREATE OR REPLACE DYNAMIC TABLE DT_ESR_PARSED
TARGET_LAG = DOWNSTREAM WAREHOUSE = SNOWADHOC REFRESH_MODE = INCREMENTAL
AS
SELECT
SPLIT_PART(SPLIT_PART(fl.RELATIVE_PATH, '/', -1), '.', 1) AS COMPANY,
fl.RELATIVE_PATH,
AI_PARSE_DOCUMENT(
TO_FILE('@ESR_DOCS_STAGE', fl.RELATIVE_PATH),
{'mode': 'LAYOUT'}
) AS RAW_PARSE
FROM ESR_FILE_LOG fl
WHERE fl.RELATIVE_PATH ILIKE '%.pdf';
-- ── Step 2 | Extract structured fields ─────────────────────────────────────
CREATE OR REPLACE DYNAMIC TABLE DT_CONS_EXTRACTED
TARGET_LAG = DOWNSTREAM WAREHOUSE = SNOWADHOC REFRESH_MODE = INCREMENTAL
AS
WITH full_text AS (
SELECT COMPANY, RELATIVE_PATH,
LISTAGG(f.value:content::STRING, '\n') WITHIN GROUP (ORDER BY f.index) AS DOC_TEXT
FROM DT_ESR_PARSED, LATERAL FLATTEN(input => RAW_PARSE:pages) f
GROUP BY COMPANY, RELATIVE_PATH
)
SELECT
COMPANY, RELATIVE_PATH,
AI_EXTRACT(
text => LEFT(DOC_TEXT, 120000),
responseFormat => {'schema': {'type': 'object', 'properties': {
'title': {'type': 'string', 'description': 'Company name and fiscal year'},
'fiscal_year': {'type': 'string', 'description': '4-digit fiscal year'},
'revenue': {'type': 'string', 'description': 'Total revenue with currency'},
'strategy_themes': {'type': 'array', 'description': 'Top strategic priorities'},
'growth_initiatives': {'type': 'array', 'description': 'Key growth programs and investments'},
'headwinds': {'type': 'array', 'description': 'Key challenges and risks'}
}}}
) AS RAW_EXTRACT
FROM full_text;
-- ── Step 3 | Summarize + embed each company ─────────────────────────────────
CREATE OR REPLACE DYNAMIC TABLE DT_CONS_EMBEDDED
TARGET_LAG = DOWNSTREAM WAREHOUSE = SNOWADHOC REFRESH_MODE = INCREMENTAL
AS
WITH summarised AS (
SELECT COMPANY, RELATIVE_PATH, RAW_EXTRACT,
AI_COMPLETE(
'claude-sonnet-4-5',
PROMPT('Summarise this company''s annual report into 4 JSON fields:
strategy, financial_performance, outlook, differentiation.\n\n{0}',
'company: ' || COALESCE(RAW_EXTRACT:response:title::STRING, COMPANY) || '\n' ||
'themes: ' || COALESCE(ARRAY_TO_STRING(RAW_EXTRACT:response:strategy_themes::ARRAY, '; '), '') || '\n' ||
'headwinds: ' || COALESCE(ARRAY_TO_STRING(RAW_EXTRACT:response:headwinds::ARRAY, '; '), '')
),
response_format => {'type': 'json', 'schema': {'type': 'object', 'properties': {
'strategy': {'type': 'string'},
'financial_performance': {'type': 'string'},
'outlook': {'type': 'string'},
'differentiation': {'type': 'string'}
}}}
) AS SUMMARY_JSON
FROM DT_CONS_EXTRACTED
)
SELECT
COMPANY, RELATIVE_PATH,
RAW_EXTRACT:response:title::STRING AS TITLE,
RAW_EXTRACT:response:fiscal_year::STRING AS FISCAL_YEAR,
RAW_EXTRACT:response:revenue::STRING AS REVENUE,
SUMMARY_JSON:strategy::STRING AS S_STRATEGY,
SUMMARY_JSON:financial_performance::STRING AS S_FINANCIAL_PERFORMANCE,
SUMMARY_JSON:outlook::STRING AS S_OUTLOOK,
SUMMARY_JSON:differentiation::STRING AS S_DIFFERENTIATION,
TRIM(CONCAT_WS(' ',
COALESCE(SUMMARY_JSON:strategy::STRING, ''),
COALESCE(SUMMARY_JSON:outlook::STRING, ''),
COALESCE(SUMMARY_JSON:differentiation::STRING, '')
)) AS SUMMARY_TEXT,
AI_EMBED('snowflake-arctic-embed-l-v2.0', TRIM(CONCAT_WS(' ',
COALESCE(SUMMARY_JSON:strategy::STRING, ''),
COALESCE(SUMMARY_JSON:outlook::STRING, ''),
COALESCE(SUMMARY_JSON:differentiation::STRING, '')
))) AS SUMMARY_VEC
FROM summarised;
-- ── Step 4 | Discover strategic themes across the corpus ────────────────────
CREATE OR REPLACE TABLE CONS_THEMES AS
WITH themes AS (
SELECT AI_COMPLETE(
'claude-sonnet-4-5',
PROMPT('Identify 4-5 distinct strategic themes that organise these companies.
Each needs a short name and one-sentence description.\n\n{0}',
LISTAGG(COMPANY || ': ' || S_STRATEGY, '\n')),
response_format => {'type': 'json', 'schema': {'type': 'object', 'properties': {
'themes': {'type': 'array', 'items': {'type': 'object', 'properties': {
'name': {'type': 'string'},
'description': {'type': 'string'}
}}}
}}}
) AS RAW FROM DT_CONS_EMBEDDED
)
SELECT
f.index AS THEME_ID,
f.value:name::STRING AS THEME_NAME,
f.value:description::STRING AS THEME_DESC,
AI_EMBED('snowflake-arctic-embed-l-v2.0',
f.value:name::STRING || ': ' || f.value:description::STRING) AS THEME_VEC
FROM themes, LATERAL FLATTEN(input => RAW:themes) f;
Von CoCo generierte Streamlit-Anwendung
Fazit
Jahrelang 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.
Ob 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.
Zusammenfassung der wichtigsten KI-Funktionen für Document Intelligence:
| Funktion | Zweck | Auswirkungen auf die Anwendung |
|---|---|---|
| AI_PARSE_DOCUMENT | Wandelt PDFs, Bilder und Office-Dokumente in strukturierten Text um und behält dabei Tabellen und Layouts bei. | Schafft eine hochpräzise Grundlage für Suche, RAG, Analytics und nachgelagerte KI-Workflows. |
| AI_EXTRACT | Extrahiert strukturierte Felder, Tabellen und Entitäten mithilfe eines natürlichsprachlichen Schemas. | Automatisiert dokumentengesteuerte Prozesse und wandelt Dokumente in operative Daten um. |
| AI_CLASSIFY | Leitet und kategorisiert Dokumente basierend auf dem Typ für die nachgelagerte Verarbeitung. | Leitet Inhalte an den entsprechenden Workflow, das entsprechende Modell oder den entsprechenden Geschäftsprozess weiter. |
| AI_COMPLETE | Universelles LLM-Reasoning für tiefgehende Analysen und dokumentenübergreifende Erkenntnisse. | Unterstützt Zusammenfassung, Analyse, Recherche, dokumentenübergreifendes Reasoning und die Generierung von Erkenntnissen. |
