KI-gestützte Analytics und Migrationen mit den neuesten Innovationen von Snowflake

Die komplexe Datenlandschaft von heute enthält riesige, ungenutzte Informationen in unstrukturierten Datenformaten wie Text, Bild und Ton. Unternehmen wissen, dass sie diese Daten zusammen mit strukturierten Assets für fundierte Entscheidungen nutzen müssen. Doch die Herausforderung besteht darin, das Potenzial dieser Daten voll auszuschöpfen. Die Forderung ist klar: Analytiklösungen müssen einfach zu bedienen sein, inhärent intelligent und schnell Einblicke für alle Daten liefern. Doch viele Unternehmen setzen sich mit den Einschränkungen älterer Systeme auseinander, und die oft mühsame Migration eines Data Warehouse kann den Fortschritt erheblich behindern.

Deshalb gehen wir bei Snowflake nicht nur mit diesen Herausforderungen Schritt, sondern bereiten auch die Zukunft KI-gestützter Analytics vor. Heute freuen wir uns, eine Reihe von Fortschritten ankündigen zu können, die Data Analysts und Data Architects mit KI unterstützen. Indem wir nahtlose KI-gestützte Migrationen von Legacy-Umgebungen zu einer modernen KI-gestützten Analytics-Engine ermöglichen, unterstützen wir Kunden dabei, ihre breitere Datenplattformstrategie zukunftssicher zu gestalten. Diese Grundlage erschließt das Potenzial KI-gestützter Einblicke für alle Daten und verwandelt Analyst:innen in KI-Engineers. Zu guter Letzt bietet Snowflake über alle Workloads hinweg Top-Performance, einschließlich der Spitzenleistung von Iceberg als führende Lakehouse-Analytics-Engine, die stets die Konkurrenz übertrifft. All diese Ankündigungen werden Ihnen helfen, mithilfe von künstlicher Intelligenz Rohdaten in verwertbare Einblicke zu verwandeln.

Von Altlasten zur Spitzentechnologie: Daten-Ökosystem-Migrationen End-to-End – unterstützt durch KI

Wir bei Snowflake glauben, dass eine moderne KI- und Datenplattform einfach, vernetzt und zuverlässig ist. Dies wird durch Funktionen wie intelligentes und automatisiertes Clustermanagement, integrierte Governance, Zero-ETL-Kollaboration und kontinuierliche Performanceoptimierung erreicht, die das Onboarding und die manuelle Plattformverwaltung reduzieren und so Zeit und Geld sparen. Daher ist die Migration älterer Data Warehouses, Business-Intelligence-Systeme (BI) und Spark-basierter Data Lakes oder Lakehouses in die Snowflake AI Data Cloud entscheidend, um Innovation, Effizienz und Wachstum im gesamten Unternehmen zu fördern.

Dank SnowConvert AI war der Weg von Legacy-Systemen zur Snowflake AI Data Cloud noch nie zugänglicher und kosteneffizienter. SnowConvert AI bietet Data Ecosystem Migration Agents, die auf Snowflake Cortex AI basieren. Die kostenlose automatisierte Lösung reduziert die Komplexität, die Kosten und die Zeitfenster im Zusammenhang mit Data-Warehouse-, BI- und ETL-Migrationen drastisch. Es analysiert Ihren vorhandenen Code auf intelligente Weise, automatisiert die Codeumwandlung und Datenvalidierung und optimiert gleichzeitig den gesamten Migrationsprozess.

Bei Data-Warehouse-Migrationen bietet SnowConvert AI robuste Unterstützung für eine wachsende Liste von Quellplattformen. Wir freuen uns, erweiterten Support anzukündigen, alles allgemein verfügbar:

• Greenplum (Tabellen und Ansichten): Beschleunigen Sie Ihre Schema-Migration mit der Code-Umwandlung für Greenplum-Tabellen und -Ansichten.

• Netezza (Tabellen und Ansichten): Beschleunigen Sie Ihre Schema-Migration mit der Code-Umwandlung für Netezza-Tabellen und -Ansichten.

• Postgres (Tabellen und Ansichten): Beschleunigen Sie Ihre Schema-Migration mit der Code-Umwandlung für Postgres-Tabellen und -Ansichten.

• BigQuery (Tabellen und Ansichten): Vereinfachen Sie die Migration komplexer Logiken mit der automatisierten Konvertierung von BigQuery-Tabellen und -Ansichten.

• Sybase (Tabellen und Ansichten): Migrieren Sie kritische Geschäftsregeln nahtlos mit automatischer Konvertierung von Sybase-Tabellen und -Ansichten.

• Microsoft Synapse: Profitieren Sie von einer verbesserten Automatisierung für die Migration Ihrer Synapse-Data-Warehouse-Workloads mit Code-Umwandlungsunterstützung für Tabellen, Ansichten, Stored Procedures und mehr.

• Bestehender Support: Nutzen Sie auch weiterhin die bewährten Funktionen der SnowConvert AI für Plattformen wie Teradata, Oracle, SQL Server und Amazon Redshift.

Wir arbeiten auch kontinuierlich an Innovationen, um Ihre Migration zu Snowflake so reibungslos und effizient wie möglich zu gestalten. Im Folgenden sehen Sie sich die neuesten Entwicklungen an, die auf zentrale Phasen Ihrer Migration abgestimmt sind:

End-to-End-Datenmigrationen (demnächst allgemein verfügbar): Bei bestimmten Plattformen wie Amazon Redshift und SQL Server genießen Sie eine einheitliche End-to-End-Erfahrung in SnowConvert AI. Dies bietet eine zentrale Ansicht, um Code und Daten zu extrahieren, umzuwandeln, zu migrieren, zu validieren und bereitzustellen. Das vereinfacht den Prozess und beschleunigt die Timelines.

• KI-gestützter Migration Assistant (allgemein verfügbar): SnowConvert AI beginnt mit dem tiefen Verständnis der Grammatik Ihrer alten Datenbank, um den Großteil Ihres Codes automatisch in Snowflake zu konvertieren. Für den verbleibenden Code bietet es KI-gestützte Erklärungen und Korrekturvorschläge für Fehler, Warnungen und Probleme direkt im Tool, wodurch die Entwicklung optimiert und die Konvertierung komplexer Datenbankobjekte wie User-Defined Functions und Stored Procedures beschleunigt wird. 

• KI-gestützte Codeüberprüfung (in Private Preview): Verifizieren Sie konvertierten Code automatisch mit Data Ecosystem Migration Agents, unterstützt durch Snowflake Cortex AI. Dies beschleunigt Migrationen erheblich, indem konvertierte Objekte mit synthetischen Daten sowohl auf dem Quellsystem als auch auf Snowflake getestet werden, was eine frühzeitige Erkennung von Problemen ermöglicht. Dieser proaktive Ansatz – bei dem Probleme bei der Codeumwandlung erkannt werden und nicht bei User Acceptance Testing (UAT) – sorgt für einen deutlich reibungsloseren Übergang.

• KI-gestützte Datenvalidierung (demnächst in Public Preview): Stellen Sie die Integrität Ihrer migrierten Daten in Snowflake durch intelligente und effiziente Vergleiche zwischen Quell- und Zieldaten sicher. Diese Funktion passt mühelos Typen, Semantik und Werte an und reduziert so den manuellen Aufwand, erkennt Probleme frühzeitig und verbessert die allgemeine Zuverlässigkeit.

• Ökosystemmigrationen: Integrieren Sie Ihre vorhandenen Tools nahtlos mit Snowflake:

  • SSIS Repointing (in Public Preview): Aktualisieren Sie Ihre SQL Server Integration Services (SSIS)-Pakete automatisch, sodass sie auf Snowflake verweisen, und vereinfachen Sie so Ihre ETL-Migration.

  • Power BI Repointing (demnächst in Public Preview): Aktualisieren Sie automatisch die Power BI-Berichtsverbindungen und den Code, um eine nahtlose Verbindung zu Snowflake herzustellen und Ihre BI-Investitionen mit minimalen Unterbrechungen beizubehalten.

• Snowflake Migration Hub (allgemein verfügbar): Navigieren Sie den Migrationsprozess auf problemlose Weise mit dem zentralisierten Snowflake Migration Hub in Snowsight. Greifen Sie zentral auf alle migrationsrelevanten Lösungen und Informationen zu, einschließlich SnowConvert AI und Snowpark Migration Accelerator.

Durch die Nutzung der Leistungsfähigkeit von SnowConvert AI und der umfassenden Funktionen der Snowflake AI Data Cloud verläuft Ihr Weg von Legacy-Systemen zu einem hochmodernen KI-gestützten Datenökosystem jetzt schneller, kostengünstiger und nahtloser als je zuvor.

Stellen Sie sich eine Welt vor, in der die Analyse all Ihrer Daten mit KI, unabhängig von ihrer Struktur, genauso einfach ist wie das Schreiben von SQL. Mit Snowflake Cortex AISQL (in Public Preview) wird diese Vision Wirklichkeit. Snowflake vereinfacht komplexe KI-Pipelines und versetzt Datenanalyst:innen in die Lage, traditionelle Grenzen zu überschreiten und echte KI-Engineers zu werden. Das Schöne an Cortex AISQL liegt in seiner Benutzerfreundlichkeit – seine intuitive Syntax ermöglicht es Ihnen, strukturierte und unstrukturierte Daten nahtlos in einer einzigen Tabelle mit vertrautem SQL zu kombinieren und zu analysieren. Diese Zugänglichkeit demokratisiert KI-Analysen und stellt deren Leistungsfähigkeit allen Analyst:innen in Ihrem Unternehmen zur Verfügung, ohne dass hierfür spezielle KI-Kenntnisse oder komplexe Einrichtung erforderlich sind.

Vergessen Sie die Komplexität der Integration verschiedener Datendienste und Infrastrukturen. Cortex AISQL arbeitet nativ in Snowflake und ermöglicht Ihnen die direkte Analyse Ihrer multimodalen Daten ohne den Aufwand externer Integrationen. Erleben Sie optimierte Performance, während Sie unstrukturierte Daten in abfragbare Einblicke über riesige Datasets hinweg verwandeln, und das alles innerhalb der leistungsstarken und kosteneffizienten Engine von Snowflake. Da Daten nicht mehr an externe Dienste übertragen werden müssen, optimieren wir Arbeitsabläufe und beschleunigen die Gewinnung kritischer Erkenntnisse aus all Ihren Unternehmensdaten. So können Ihre Analyst:innen leistungsstarke KI-Funktionen freisetzen, ohne dass sie neue Fähigkeiten erlernen oder sich auf dedizierte KI-Engineering-Ressourcen verlassen müssen.

Als Ergänzung zu Cortex AI bietet Snowflake Semantic Views (Public Preview) eine leistungsstarke Möglichkeit, die Lücke zwischen Rohdaten und Geschäftsverständnis zu schließen. Indem Sie Geschäftskennzahlen und Entitätsbeziehungen direkt in Snowflake definieren und speichern können, bieten diese Ansichten eine konsistente und einheitliche Ebene, unabhängig davon, ob Sie Snowflake Cortex Analyst, Snowflake Intelligence, BI-Tools oder sogar direkte SQL-Abfragen verwenden, und garantieren genaue und leistungsfähige Ergebnisse über verschiedene Benutzeroberflächen hinweg – einschließlich Partnerintegrationen mit Hex, Omni und Sigma. 

Wir erweitern außerdem bestehende Funktionen mit QAS (allgemein verfügbar), sodass mehr Abfragen jetzt automatisch beschleunigt werden. Um die Arbeit mit zeitbasierten Daten weiter zu vereinfachen, haben wir unsere Suite nativer Funktionen für Time Series Analytics um leistungsstarke Funktionen für das Upsampling von Daten mit der RESAMPLE-Klausel und neue Funktionen wie INTERPOLATE_LINEAR erweitert, um Datenlücken zu schließen. Die Arbeit mit zeitlichen Daten bringt oft einzigartige Herausforderungen mit sich – insbesondere, wenn Datenpunkte aufgrund von zu erwartenden Lücken, wie z. B. Marktfeiertagen, oder unerwarteten, wie z. B. kurzen Sensorausfällen, fehlen. In der Vergangenheit mussten Kunden bei der Bearbeitung solcher Unregelmäßigkeiten komplexe und umständliche Logiken schreiben, um ihre Daten umzuformen und in ein einheitliches, analytikbereites Format zu füllen. Mit den neuen Time-Series-Funktionen geht das nun einfach und effizient. Was früher viele Zeilen brüchigen SQL erforderte, kann jetzt mit Klarheit ausgedrückt werden – was Ihre zeitliche Analyse einfach und leistungsfähig macht.

Neue Dimensionen der Datentyp-Unterstützung

Um immer größere und komplexere Datasets unterzubringen, haben wir die Größenbegrenzungen für die Speicherung von Daten in nativen Snowflake-Tabellen und Iceberg um das 8-Fache erhöht (allgemein verfügbar). Darüber hinaus können Sie mit der Einführung von Data Types – Structured Type für Snowflake-native Tabellen (allgemein verfügbar) präzise Schemata für komplexe Datenstrukturen innerhalb Ihres FDN definieren und durchsetzen und so eine verbesserte Data Governance gewährleisten. Mit Data Types - XML Support (allgemein verfügbar) können Sie nun XML-Daten nativ erfassen, analysieren und abfragen und in ein leicht zu analysierendes semistrukturiertes Format umwandeln. 

Mehr als 2x schnellere analytische Performance 

Bei Snowflake bieten wir Innovationen, um Analytics zu einem besseren Preis/Performance-Verhältnis noch schneller und noch benutzerfreundlicher zu gestalten. 

Seit Snowflakes Gründung in 2012 streben wir danach, Marktführer in Sachen schneller Performance für alle Workloads zu sein und für automatische Verbesserungen kontinuierlich schnell zu iterieren, indem wir unseren Kunden die schweren Aufgaben abnehmen. Wir freuen uns, Standard Warehouse - Generation 2 (Gen2) (allgemein verfügbar) ankündigen zu dürfen, eine aktualisierte Version des aktuellen Standard Warehouse von Snowflake, die Hardware und zusätzliche Performance-Verbesserungen enthält, wie z. B. solche, die Delete-, Update- und Merge-Ausführungen verbessern und Tabellenscanvorgänge beschleunigen. In den letzten zwölf Monaten bis zum 2. Mai 2025 hat Snowflake durch Gen2 eine 2,1-mal schnellere Performance für zentrale analytische Workloads auf Snowflake-Tabellen bereitgestellt. 

Im Vergleich zu Managed Spark bietet dieses leistungsstarke neue Warehouse von Snowflake eine 1,9-mal schnellere Performance. 

Darüber hinaus bietet Gen2 im Vergleich zu Standard Warehouses einen 2,3-fach höheren Durchsatz für gleichzeitige BI-Workloads und bis zu 4,4-mal schnellere Delete-, Update- und Merge-Ausführungen.

Snowflake freut sich auch, Snowflake Adaptive Compute (in Private Preview) vorstellen zu dürfen, die nächste Weiterentwicklung unseres Compute-Service, der die undifferenzierte schwere Arbeit übernimmt, um Zeit und Geld zu sparen. Adaptive Compute ermöglicht ultimative Benutzerfreundlichkeit durch die automatische Auswahl der geeigneten Clustergröße(n), der Anzahl der Cluster und der Dauer der automatischen Aussetzung/Fortsetzung für Sie, um die erforderlichen Konfigurationen zu minimieren. Sogar Abfrageroutings erfolgen intelligent an die richtigen Cluster – ganz ohne Nutzereingriff. Darüber hinaus bietet Adaptive Compute ein besseres Preis-Performance-Verhältnis nicht nur durch die Nutzung der neuesten und besten Hardware- und Performance-Verbesserungen von Snowflake, sondern auch durch Abfragen, die sich einen Pool von Rechenressourcen optimal in Ihrem Konto teilen, um die Effizienz zu maximieren. Warehouses, die mit dem Adaptive Compute-Service erstellt wurden, werden als Adaptive Warehouses bezeichnet, die sich in Private Preview befinden.  

Um mehr Einblicke in die Performance Ihres Workloads zu erhalten, bietet Performance Explorer (demnächst allgemein verfügbar) tiefgreifende, interaktive Einblicke in Snowsight, mit denen Administrator:innen Engpässe schnell erkennen und beheben können. Und für alle Benutzer:innen bietet Query Insights (in Private Preview) wertvolle Informationen, um die wichtigsten Faktoren zu verstehen, die die Abfrageperformance beeinflussen, und ermöglicht so eine proaktive Optimierung und Kostensenkung.

Holen Sie sich die führende Lakehouse-Analytics-Engine für maximale Iceberg-Performance

Für Organisationen, die Open Data Lakehouse-Architekturen nutzen, freuen wir uns, bekannt geben zu können, dass wir mit Merge on Read (in Public Preview) die schnelle, effiziente Kern-Engine von Snowflake auf Ihre Apache Iceberg-Tabellen erweitern, damit Snowflake von jeder Iceberg-Tabelle lesen kann. Darüber hinaus führen wir eine Vielzahl von Performance-Verbesserungen für Iceberg-Tabellen ein, die Ihnen den Zugriff auf umfassende Analytics erleichtern, darunter: 

• Search Optimization für Iceberg (allgemein verfügbar): Beschleunigt selektive Abfragen auf von Snowflake verwalteten Iceberg-Tabellen, indem Snowflake mit einem vollständig verwalteten, optimierten und intelligenten Suchoptimierungsdienst weniger Daten scannen muss. 

• Query Acceleration Service für Iceberg (allgemein verfügbar): Beschleunigt automatisch rechenintensive Abfragen ohne Änderungen an SQL oder dem Datenmodus für von Snowflake verwaltete Iceberg-Tabellen.

• Iceberg Compaction Support (in Private Preview): Snowflake behält automatisch eine definierte Zieldateigröße bei, um die Kosten und Performance beim Lesen und Schreiben von Apache Iceberg-Dateien zu kontrollieren.

• Pruning für Geospatial Data Types in Iceberg (in Private Preview): Wendet Pruning-Techniken an, um Geodatenabfragen zu beschleunigen, speziell für GEOMETRY-Datentypen.

• Adaptive I/O und Memory Tuning (allgemein verfügbar): Passen Sie Systemressourcen während der Abfrageausführung dynamisch anhand von Echtzeitmetriken an, um die Performance zu optimieren und den Netzwerkaufwand zu reduzieren.

• Pruning Optimizations (allgemein verfügbar): Verbesserte Effizienz für selektive Abfragen mit optimierten Bloom-Filtern zur Reduzierung der gescannten Datenmenge.

• Join Performance Improvements (allgemein verfügbar): Erhöht die Geschwindigkeit und Effizienz von Join-Vorgängen, insbesondere bei komplexen Schlüsseln, was zu schnelleren Abfrageergebnissen führt.

• Improved Operator Efficiency (allgemein verfügbar): Verbessert die Abfrageperformance bei komplexen Abfragen, indem die Datenverteilung zwischen Abfrageoperatoren während der Abfrageausführung adaptiv optimiert wird.

All diese Iceberg-Verbesserungen – in Kombination mit den Hardware-Upgrades und zusätzlichen Performance-Verbesserungen, die wir durch Gen2 erreicht haben – haben zu einer 2,4-mal* schnelleren Kernanalyse-Performance für extern verwaltete Iceberg-Tabellen und einer 2,1-mal** schnelleren Core-Analytics-Performance für von Snowflake verwaltete Iceberg-Tabellen geführt. Und da Snowflake ein verbrauchsabhängiges Preismodell bietet, führen diese kürzeren Verarbeitungszeiten direkt zu geringeren Kosten. 

Weitere Informationen

Diese Innovationen in unserer Kategorie „Analytics“ sind ein bedeutender Schritt nach vorn, damit Unternehmen das volle Potenzial ihrer Daten ausschöpfen können. Von der Gewinnung beispielloser KI-Vorteile über verschiedene Datentypen bis hin zur Vereinfachung komplexer Migrationen und der Erzielung hervorragender Performance – Snowflake ist Ihr Partner für die Zukunft der Analytics. Wir sind gespannt auf die Möglichkeiten, die diese neuen Funktionen für einfache, intelligente und schnelle Analytik bieten, und freuen uns darauf, zu sehen, welche Auswirkungen sie auf Ihre Data Journey haben werden. 

Weitere Informationen finden Sie auf der Webseite zu Snowflake für Analytics. 

Zukunftsgerichtete Aussagen

Dieser Artikel enthält zukunftsgerichtete Aussagen, unter anderem über künftige Produktangebote. Diese Aussagen stellen keine Garantie dar, dass diese Angebote wirklich bereitgestellt werden. Die tatsächlichen Ergebnisse und Angebote können abweichen und unterliegen bekannten und unbekannten Risiken und Unsicherheiten. Weitere Informationen finden Sie in unserem jüngsten 10-Q-Formular.