Starke Datengrundlage als Basis einer erfolgreichen KI-Strategie Snowflake macht KI-Modelle praxistauglich, sicher und transparent

Anbieter zum Thema

Snowflake Computing GmbH

INFOMOTION GmbH

QUNIS GmbH

BigData-Insider

Snowflake stattet seine Trusted Data Foundation mit verbesserten Governance- und Compliance-Funktionen sowie das Entwickler-Framework Snowpark mit neuen Python-Funktionen aus. Cortex soll den nahtlosen Zugang zu branchenführenden Sprach- und KI-Modellen ermöglichen.

Im Rahmen des Snowday 2023 hat Snowflake neue Funktionen und Erweiterungen seiner Datenplattform vorgestellt. Kunden sollen u. a. Daten aus unterschiedlichen Quellen einfacher integrieren oder moderne Apps und Machine-Learning-Modelle schneller entwickeln und monetarisieren können. Außerdem biete Snowflake Cortex ab sofort einen neuen, vollständig verwalteten Zugang zu Large Language Models (LLM), Vektorsuchfunktionen und KI-Modellen.

Weiterentwicklung der Trusted Data Foundation

Unternehmen sollen künftig all ihre Daten in einer einzigen, durch ein Governance-Modell gesicherten Datenbasis vereinen können. Dadurch würden einerseits Datensilos beseitigt, andererseits könnten Unternehmen nun jede Art von Entwicklung und Arbeitslast auf ihre Daten anwenden und so neue KI- und App-Innovationen mit der Data Cloud erschließen, so Snowflake.

Eine zusätzliche Möglichkeit, um Datensilos abzubauen, sei die bald verfügbare Unterstützung von Iceberg Tables. Snowflake zufolge bieten Iceberg Tables einheitliche Governance für Daten, die extern im offenen Apache-Iceberg-Format gespeichert und verwaltet werden. Gleichzeitig werde der Zugriff auf diese Daten von anderen Engines möglich. Mit Iceberg Tables erhielten 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 werde es für Entwickler einfacher, Full-Stack-Apps und ML-Modelle direkt in Snowflakes Data Cloud zu entwickeln. Eine Erweiterung der Python-Funktionen in Snowpark werde außerdem die Produktivität steigern, die Kollaboration verbessern und sowohl die End-to-End-KI- als auch die ML-Workloads beschleunigen. Zu den Neuerungen gehören:

• Snowflake Notebooks (Private Preview): Diese Entwicklungsschnittstelle biete eine interaktive, zellenbasierte Programmierumgebung für Python- und SQL-Benutzer, um Daten in Snowpark zu nutzen und zu analysieren. Entwickler könnten u. a. Code schreiben und ausführen, ML-Modelle trainieren und bereitstellen, sowie Ergebnisse mit Streamlit-Diagrammelementen visualisieren.

• Snowpark ML Modeling API (bald verfügbar): Die Möglichkeit, dass Entwickler und Data Scientists beliebte KI- und ML-Frameworks nativ auf Daten in Snowflake implementieren können, soll dazu führen, dass sich die Funktionsentwicklung besser skalieren und sich Modelle schneller und einfacher trainieren lassen.

• Snowpark ML Operations (bald verfügbar): Die Snowpark Model Registry baue künftig auf einer nativen Modelleinheit von Snowflake auf und ermögliche die skalierbare, sichere Bereitstellung und Verwaltung von Modellen – einschließlich einer erweiterten Unterstützung für Deep-Learning-Modelle und Open-Source-LLMs von Hugging Face.

Cortex: einfacher Zugang zu großen Sprach- und KI-Modellen

Snowflake Cortex biete allen Nutzenden unabhängig von deren Fachwissen sofortigen Zugriff auf eine wachsende Anzahl von serverlosen Funktionen, darunter große Sprachmodelle (LLMs) wie das Llama-2-Modell von Meta AI, aufgabenspezifische KI-Modelle und erweiterte Vektorsuchfunktionen. Mit diesen könnten Teams ihre Analysen beschleunigen und innerhalb von Minuten kontextbezogene LLM-gestützte Anwendungen erstellen. Snowflake habe außerdem drei LLM-gestützte Anwendungen entwickelt, die auf Snowflake Cortex basieren, um die Produktivität zu steigern (alle in Private Preview):

• Document AI: Diese Funktion soll Unternehmen und ihren Mitarbeitenden dabei helfen, 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 könnten Nutzende u. a. Codierungsaufgaben in Klartext stellen, SQL-Abfragen für relevante Datensätze schreiben, Abfragen verfeinern und Erkenntnisse herausfiltern.

• Universal Search: Mit dieser LLM-gestützten Suchfunktionalität könnten 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.

(ID:49780675)