Im Rahmen des diesjährigen Snowday stellt Snowflake neue Funktionen und Erweiterungen seiner branchenführenden Datenplattform vor. Durch die Neuerungen haben Kunden unter anderem die Chance, Daten aus unterschiedlichen Quellen noch einfacher zu integrieren oder modernste Apps und Machine Learning-Modelle noch schneller zu entwickeln und zu monetarisieren.
Snowflake Cortex bietet außerdem ab sofort einen neuen, vollständig verwalteten Zugang zu Large Language Models (LLM), Vektorsuchfunktionen sowie KI-Modellen. Dadurch können Unternehmen nicht nur ihre Analysen beschleunigen, sondern auch in neue Geschäftsfelder vordringen.
„Eine starke Datengrundlage ist der Schlüssel zu einer erfolgreichen KI-Strategie. Die neuesten Innovationen von Snowflake stellen sicher, dass unsere Kunden in der Lage sind, genau diese aufzubauen. Dadurch können sie ihre Daten in vollem Umfang nutzen, neue Technologien auf sichere und kontrollierte Weise einsetzen – und sich einen wertvollen Wettbewerbsvorteil verschaffen“, sagt Christian Kleinerman, SVP of Product bei Snowflake.
Weiterentwicklung der Trusted Data Foundation
Dank der Erweiterungen können Unternehmen noch mehr Wert schaffen, indem sie alle ihre Daten in einer einzigen Datenbasis vereinen, die durch ein leistungsstarkes Governance-Modell gesichert ist und ihnen gleichzeitig eine führende Kosteneffizienz und Leistung bietet.
In diesem Zuge werden einerseits Datensilos endgültig beseitigt, andererseits können Unternehmen nun jede Art von Entwicklung und Arbeitslast auf ihre Daten anwenden und so neue KI- und App-Innovationen mit der Data Cloud erschließen.
Durch die bald verfügbare Unterstützung von Iceberg Tables haben Kunden von Snowflake nun eine zusätzliche Möglichkeit, um Datensilos abzubauen. Iceberg Tables bieten Benutzerfreundlichkeit, Leistung und einheitliche Governance für Daten, die extern im beliebten offenen Standard Apache Iceberg Format gespeichert und verwaltet werden, und ermöglichen gleichzeitig den Zugriff auf diese Daten von anderen Engines.
Iceberg Tables ermöglichen Unternehmen zudem die Unterstützung zusätzlicher Architekturmuster, um ihren Data Lake, ihr Data Lakehouse, Data Mesh und Data Warehouse in Snowflake zu implementieren.
Schnelle Erstellung von Apps und ML-Modellen in der Data Cloud
Dank der neuen Funktionen wird es für Entwickler noch einfacher, Full-Stack-Apps und ML-Modelle direkt in Snowflakes Data Cloud zu entwickeln. Eine Erweiterung der Python-Funktionen in Snowpark steigert außerdem die Produktivität, verbessert die Kollaboration und beschleunigt sowohl die End-to-End-KI- als auch die ML-Workloads. Zu den Neuerungen gehören:
- Snowflake Notebooks (Private Preview): Diese neue Entwicklungsschnittstelle bietet eine interaktive, zellenbasierte Programmierumgebung für Python- und SQL-Benutzer, um Daten in Snowpark zu nutzen und zu analysieren. Entwickler können unter anderem Code schreiben und ausführen, ML-Modelle trainieren und bereitstellen, sowie Ergebnisse mit Streamlit-Diagrammelementen visualisieren.
- Snowpark ML Modeling API (bald verfügbar): Entwickler und Data Scientists können beliebte KI- und ML-Frameworks nativ auf Daten in Snowflake implementieren, wobei sich die Funktionsentwicklung besser skalieren und sich Modelle schneller und einfacher trainieren lassen.
- Snowpark ML Operations (bald verfügbar): Die Snowpark Model Registry baut nun auf einer nativen Modelleinheit von Snowflake auf und ermöglicht die skalierbare, sichere Bereitstellung und Verwaltung von Modellen – einschließlich einer erweiterten Unterstützung für Deep-Learning-Modelle und Open-Source-LLMs von Hugging Face.
Einfacher Zugang zu großen Sprach- und KI-Modellen dank Snowflake Cortex
Snowflake Cortex bietet allen Nutzenden unabhängig von deren Fachwissen sofortigen Zugriff auf eine wachsende Anzahl von serverlosen Funktionen, darunter branchenführende große Sprachmodelle (LLMs) wie das Llama 2-Modell von Meta AI, aufgabenspezifische KI-Modelle und erweiterte Vektorsuchfunktionen.
Mit diesen können Teams ihre Analysen beschleunigen und innerhalb von Minuten kontextbezogene LLM-gestützte Anwendungen erstellen. Snowflake hat außerdem drei LLM-gestützte Anwendungen entwickelt, die auf Snowflake Cortex basieren, um die Produktivität zu steigern (alle in Private Preview):
- Document AI: Diese Funktion hilft Unternehmen und ihren Mitarbeitenden dabei, Informationen wie Rechnungsbeträge oder Vertragsbedingungen innerhalb kürzester Zeit aus umfangreichen Dokumenten zu extrahieren und den Bearbeitungsprozess dadurch zu beschleunigen.
- Snowflake Copilot: Mithilfe des LLM-gestützten Assistenten können Nutzende Codierungsaufgaben in Klartext stellen, SQL-Abfragen für relevante Datensätze schreiben, Abfragen verfeinern, Erkenntnisse herausfiltern und vieles mehr.
- Universal Search: Mit dieser neuen, LLM-gestützten Suchfunktionalität können Nutzende die für ihre Anwendungsfälle relevantesten Daten noch schneller im gesamten Benutzerkonto finden und nutzen – egal ob sich diese in Datenbanken, Iceberg Tables oder auf dem Marktplatz verfügbarer Apps befinden.
„Daten sind bereits seit Längerem das wichtigste Gut, über das ein Unternehmen verfügen kann – doch im Zuge des KI-Booms sind sie quasi unverzichtbar geworden. Mit den Neuerungen macht Snowflake es Entwicklern noch leichter, das Maximum aus dieser wertvollen Ressource herauszuholen, um leistungsstarke End-to-End-Modelle für maschinelles Lernen und Full-Stack-Apps nativ in der Data Cloud erstellen zu können“, kommentiert Prasanna Krishnan, Senior Director of Product Management bei Snowflake.