Snowflake Horizon Context
Aktiver Kontext für KI und BI – die Basis für verlässliche Antworten. Erfassen Sie Ihre Geschäftssemantik systemübergreifend aus allen BI- und Datenquellen. So stellen Sie sicher, dass jeder KI-Agent, jedes Tool und jede Applikation nach derselben einheitlichen Logik arbeitet.
Kontext-Erfassung
Bündeln Sie Metadaten aus unterschiedlichsten Systemen. So liefern Sie Ihrer KI ein lückenloses Bild aller Daten – ganz gleich, ob diese in Snowflake oder in externen Quellen liegen.
Kontext-Anreicherung
Automatisieren Sie die Metadaten-Anreicherung und reduzieren Sie den manuellen Aufwand, der sonst für den Aufbau und die Pflege einer Kontextebene anfällt – wobei der Mensch stets die Kontrolle behält.
Kontext-Aktivierung
Entdecken, nutzen und aktivieren Sie Datenkontexte für KI, BI und Applikationen vollautomatisch.
Wichtige Unterscheidungsmerkmale
EINE SOURCE OF TRUTH FÜRJEDES TOOL UND JEDEN ANWENDUNGSFALL
Konnektoren und Standards
Metadatenerfassung aus unterschiedlichsten Quellen
Bündeln Sie umfassenden Kontext wie Abfrageprotokolle, Nutzungshäufigkeiten und Schemata aus zahlreichen BI-Quellen in einem einzigen durchsuchbaren Katalog.
Gehen Sie über reine Snowflake-Metadaten hinaus. Katalogisieren Sie Ihre gesamte Datenlandschaft mit Out-of-the-Box-Konnektoren für Tableau, Power BI* und viele weitere.
Konfigurieren Sie beliebige OpenLineage-Producer (wie Apache Airflow¹), um Lineage-Informationen automatisch zu übertragen.
Teilen Sie Metadaten herstellerübergreifend über den Open Semantic Interchange (OSI)-Standard – unterstützt von mehr als 50 Unternehmen.
Business-Kontext-Schicht
Datenanreicherung für KI-fähige Assets
Machen Sie Qualitätssignale aus der Lineage auf Spaltenebene in Snowflake sowie in externen Datenbanken sichtbar und generieren Sie Dokumentationen vollautomatisch aus Metadaten.
Erstellen Sie Semantic Views in Semantic Studio*, einer KI-gestützten IDE in Workspaces mit Git-basierter Versionierung und Snowflake CoCo-Integration.
Ersparen Sie sich manuellen Aufwand dank Semantic View Autopilot: Importieren Sie bestehende SQL-, Tableau- oder Power BI-Dateien* und generieren Sie Ihre Semantic Views vollautomatisch.
Verarbeiten Sie Level-of-Detail-Metriken, kombinierbare Definitionen und Materialisierungen für das vollautomatische Umschreiben Ihrer Abfragen.
PLATTFORMÜBERGREIFENDE REICHWEITE
Verlässliche Antworten in allen Tools Ihrer Teams
- Finden Sie Assets in Ihrer gesamten Datenlandschaft mit Universal Search* – jetzt noch schneller dank hybridem Keyword- und semantischem Ranking.
Fragen Sie kontrollierte Definitionen nativ in Power BI, Tableau, Excel, Google Sheets, Google Data Studio und ThoughtSpot* ab.
Stellen Sie beliebige Datenfragen und erhalten Sie Antworten auf Basis kontrollierter Definitionen. CoCo findet und durchsucht automatisch die passenden semantischen Ansichten.
Gewähren Sie externen KI-Agenten über MCP einen kontrollierten Datenzugriff. Stellen Sie nahtlose Verbindungen über Claude, Cursor oder beliebige andere Agenten-Frameworks her. †
Powered by Snowflake Horizon Catalog
KI-Agenten und Conversational Analytics
Stellen Sie beliebige Datenfragen in natürlicher Sprache und erhalten Sie Antworten auf Basis kontrollierter Geschäftslogik. Snowflake CoCo und Snowflake CoWork ermitteln und durchsuchen automatisch die passenden Semantic Views. So arbeitet jeder KI-Agent und jeder Data Analyst stets mit denselben verlässlichen Definitionen.
Semantik
Definieren Sie Ihre Geschäftslogik ein einziges Mal in Semantic Views, um sie überall anzuwenden. Nutzen Sie Semantic Studio* für die KI-gestützte Erstellung und Prüfung von Definitionen – oder lassen Sie den Semantic View Autopilot Ihre Semantic Views vollautomatisch aus Ihren bestehenden SQL-, Tableau- oder Power BI-Dateien generieren.
Out-of-the-Box-BI-Konnektoren für umfassende Metadaten
Katalogisieren Sie Ihre gesamte Datenlandschaft – von Snowflake bis zu BI-Tools wie Tableau und Power BI – in einem einzigen, durchsuchbaren Hub. Reichern Sie diesen nahtlos mit Abfrageprotokollen, Schemata und Nutzungsmetriken an.
Verlässliche Antworten mit Snowflake CoCo
CoCo ruft relevanten Kontext vollautomatisch ab – mithilfe einer hybriden Keyword- und semantischen Suche.
„Mit Snowflake Horizon Context muss Wix seine Geschäftslogik für Dashboards und KI nur noch einmal zentral definieren. Das garantiert uns Konsistenz, eine schnellere Entwicklung und volles Vertrauen in unsere Daten.“
Kyrylo Andriiashevskyi
Wix Analytics Data Team Lead
Horizon ContextPartner im Ökosystem
HORIZON CONTEXT
Häufig gestellteFragen
Hier finden Sie Antworten zu Einrichtung, Kompatibilität und dazu, wie sich Horizon Context in Ihren bestehenden Tech-Stack einfügt.
Horizon Context ist die kontrollierte Kontextebene, die in Snowflake Horizon Catalog integriert ist. Sie zentralisiert Geschäftsdefinitionen, Metriken, Beziehungen und Logik, sodass diese einheitlich für alle BI-Tools, KI-Agenten und Applikationen gelten.
Ja. Rufen Sie mithilfe von Metadaten-Konnektoren Kontext aus externen Datenbanken, BI-Tools und Pipeline-Systemen ab. Governance-Richtlinien greifen unabhängig davon, wo die Daten physisch gespeichert sind.
Horizon Context verbessert die Genauigkeit, indem KI-Agenten automatisch Semantic Views erkennen und abfragen können, die kontrollierte Geschäftslogik enthalten. Anstatt den Kontext anhand von rohen Schemata zu erraten, ziehen KI-Modelle ihre Schlüsse aus vertrauenswürdigen Definitionen. Das reduziert Halluzinationen und liefert konsistente, verlässliche Antworten.
Nein. dbt definiert die Transformationslogik (wie Daten aufgebaut werden). Semantic Views definieren die geschäftliche Bedeutung (wie Daten interpretiert werden). Beide ergänzen sich perfekt: Verwenden Sie dbt für die Transformation und Horizon Context zur Kontrolle der Bedeutung.
Drittanbieter-Layer befinden sich außerhalb der Abfrage-Engine. Dadurch kann die Governance umgangen werden, indem Tabellen direkt abgefragt werden. Horizon Context hingegen setzt Sicherheit und Geschäftslogik direkt auf Engine-Ebene durch – sie können somit nicht umgangen werden.
Der Kontext, den Snowflake erfasst, erstreckt sich über mehrere Ebenen. Sie können sich das so vorstellen:
- Strukturell: Was existiert und wie es zusammenhängt (z. B. Tabellen, Spalten, Lineage)
- Operativ: Was passiert (z. B. Abfragen, Aktualität, Performance)
- Semantisch: Was es bedeutet (z. B. Definitionen, Metriken, Ontologie)
- Verhaltensbasiert: Wie es genutzt wird (z. B. Nutzungshäufigkeit, Abfragemuster)
