BigQuery ist eine KI-fähige Datenanalyseplattform

Verbinden Sie Ihre Unternehmensdaten über eine einheitliche Datenanalyseplattform mit KI. BigQuery ist Multi-Engine-, Multiformat- und Multi-Cloud-Umgebung, was das Speichern, Analysieren und Transformieren all Ihrer Geschäftsdaten vereinfacht.

Eine einzige, einheitliche Plattform für die Daten-zu-AI-Nutzung

BigQuery ist eine einheitliche Datenanalyseplattform, die den gesamten Datenlebenszyklus unterstützt. Dank der Einbindung von BigQuery selbst in Vertex AI können Sie multimodale LLMs mit Unternehmensdaten optimieren, trainieren und belegen, ohne Daten kopieren oder verschieben zu müssen.


Einfach und skalierbar, um alle Daten und Arbeitslasten auf einer einzigen Plattform zu verwalten

Vereinfachen, senken Sie die Kosten und das Risiko von Datenarbeitslasten, die nicht zusammenarbeiten. Dank der Einfachheit und Skalierbarkeit von BigQuery lassen sich strukturierte, unstrukturierte und Streaming-Arbeitslasten zum besten Preis und zur besten Leistung verwalten.



KI mit noch mehr Unternehmensdaten verbinden

Nutzen Sie Generative AI in großem Umfang und effizient in Ihre Daten, um Ihre Geschäftsdaten mit LLMs zu nutzen. BigQuery bietet eine eigene Einbindung in Vertex AI, um die KI als Grundlage für Ihre Unternehmensdaten zu nutzen.



Immer aktuelle Informationen für alle Datenteams

Verstärken Sie die Nutzung umsetzbarer Daten, um die Produktivität zu steigern. Gemini in BigQuery ermöglicht es Ihnen, in natürlicher Sprache mit Ihren Daten zu interagieren. Außerdem erhalten Sie Zugriff auf Code Assist, Empfehlungen, Datenexploration und vieles mehr.

Datenanalyse und KI in einer einzigen, einheitlichen Umgebung

KategorieRechteHighlights
Grundlagen der Datenanalyse für KI schaffen

Kunden möchten zunehmend mehrere Analyse- und KI-Anwendungsfälle auf einer einzigen Kopie ihrer Daten ausführen. BigQuery ermöglicht Ihnen die Verarbeitung von Daten in Python genauso einfach wie mit SQL, da ein serverloses Spark direkt in BigQuery verfügbar ist. Ein einheitlicher Metastore bietet Laufzeitmetadaten und Connectors für SQL, Open-Source-Engines und KI/ML.

  • Vollständig serverlos; keine Cluster zum Einrichten oder Verwalten erforderlich

  • Einzelne Nutzerumgebung für alle Arbeitslasten

  • Kein Kopieren von Daten zwischen verschiedenen Tools

BigQuery bietet Ihnen die Flexibilität, vorhandene Open-Source-Formate zu verwenden. BigLake, die Speicher-Engine von BigQuery, bietet eine einheitliche Oberfläche für Analyse- und KI-Engines zur Abfrage von Multiformat-, Multi-Cloud- und multimodalen Daten. BigQuery unterstützt Iceberg, Delta und Hudi sowie alle Verarbeitungs-Engines und volle Funktionen für alle diese Tabellenformate.

  • Apache Iceberg-, Delta- und Hudi-Formate mit detaillierter Zugriffssteuerung abfragen

  • Leistungsbeschleunigung für Apache Iceberg durch kontinuierliche Optimierung

  • Vollständig verwaltete Umgebung auf Iceberg mit Unterstützung für Streaming mit hohem Durchsatz

BigQuery Studio ist die zentrale Anlaufstelle für alle Datenfachleute. BigQuery Studio bietet einen hervorragenden SQL-Editor sowie Python-Notebooks. So können Ihre Datenteams zwischen SQL, Python, Spark oder Natural Language wählen. Datenteams können ihre Produktivität maximieren, indem sie mit dem von Gemini bereitgestellten Chat- und Codeassistenten in BigQuery zusammenarbeiten.

  • Ein einheitlicher Arbeitsbereich mit Gemini-basiertem Chat- und Codeassistenten

  • SQL, Python, Spark, JavaScript und Natural Language für Analysen verwenden

  • Zentrale Versionsverwaltung und Überarbeitungsverlauf

BigQuery vereinfacht die Verwaltung, Erkennung und Steuerung von Daten mit den in BigQuery integrierten Data Governance-Funktionen. Dazu gehören Datenqualität, Herkunft und Profilerstellung sowie Governance-Regeln zur Verwaltung von Richtlinien für BigQuery-Ressourcen.

  • Datenprofilerstellung für ein tieferes Verständnis Ihrer Daten

  • Mit automatischer Datenqualität in großem Maßstab Vertrauen in die Daten aufbauen

  • Bewegung von Daten mit End-to-End-Herkunft verstehen

Ereignisstreams in Echtzeit aufnehmen, verarbeiten und analysieren, um Daten mithilfe der Echtzeitfunktionen von BigQuery nutzbarer und zugänglicher zu machen. Kontinuierliche BigQuery-Abfragen bieten eine Echtzeit-Verarbeitungsebene, mit der eingehende Ereignisse in BigQuery analysiert und transformiert werden können. Kunden können Apache Kafka für BigQuery verwenden, um Arbeitslasten von Streamingdaten zu verwalten, ohne sich um Versionsupgrades, Ausgleich, Monitoring und andere betriebliche Probleme Gedanken machen zu müssen.

  • Unbegrenzte serverlose Analysen für eingehende Datenströme mit SQL durchführen

  • Einheitliche Batch- und Streamingverarbeitung sowie Echtzeit-ETL mit Dataflow

  • Mit Pub/Sub Hunderte Millionen Ereignisse pro Sekunde aufnehmen

  • Verwaltete Apache Kafka-Lösung ohne zusätzlichen Wartungsaufwand

Daten-zu-KI-Integration

Mit BigQuery ML können Sie Modelle für maschinelles Lernen mit vertrautem SQL erstellen, trainieren und ausführen. Sie lässt sich in Modelle Ihrer Wahl einbinden, darunter Gemini 1.0 Pro über Vertex AI, das für einen großen Eingabe-/Ausgabemaßstab und eine bessere Ergebnisqualität bei der Textzusammenfassung oder Sentimentanalyse entwickelt wurde. Sie können Datenpipelines erstellen, in denen strukturierte Daten, unstrukturierte Daten und Modelle für Generative AI kombiniert werden, um eine neue Klasse von Analyseanwendungen zu erstellen.

  • Einbindung von Daten in KI in Inferenz-Engine und Vertex AI Model Registry

  • Modellierungsfunktionen mit ARIMA+-Zeitreihenmodellierung, erklärbarer KI und mehr

  • Remote-Inferenz für LLMs zum Generieren von Text und Texteinbettungen

BigLake vereinheitlicht Data Lakes und Warehouses unter einem einzigen Verwaltungsframework, sodass Sie unstrukturierte Daten analysieren, suchen, schützen, steuern und freigeben können. Kunden analysieren Bilder bereits mithilfe einer Vielzahl von KI-Modellen. BigLake bietet erweiterte Funktionen, mit denen Sie mithilfe der APIs für Dokumentverarbeitung und Speech-to-Text von Vertex AI ganz einfach Informationen aus Dokumenten und Audiodateien extrahieren können.

  • Informationen aus Dokumenten und Audiodateien extrahieren

  • Neue Apps zur Generierung, Klassifizierung oder Sentimentanalyse von Inhalten erstellen

  • Neue Apps zum Zusammenfassen und Erstellen von Einbettungen erstellen

Die BigQuery-Vektorsuche ist in Vertex AI eingebunden, um die Suche nach Vektorähnlichkeiten in Ihren BigQuery-Daten zu ermöglichen. Diese Funktion ermöglicht Anwendungsfälle wie die semantische Suche, Ähnlichkeitserkennung und Retrieval-augmented Generation (RAG) mit einem LLM. Die Vektorsuche kann die Qualität Ihrer KI-Modelle verbessern, indem sie das Kontextverständnis verbessert, Ambiguität reduziert, sachliche Genauigkeit verspricht und die Anpassung an verschiedene Aufgaben und Bereiche ermöglicht.

  • Vektoren in mehreren Datenbanken und in Cloud Storage erfassen und standardisieren

  • Für eine Frage relevante Daten abrufen und mit Kontext für ein LLM bereitstellen

  • Ein vollständig verwalteter Index sorgt dafür, dass Einbettungen automatisch generiert und mit Vertex synchronisiert werden

Unternehmensfunktionen

BigQuery speichert automatisch eine synchrone Kopie Ihrer Daten in einer zweiten Zone zusammen mit genügend Standby-Rechenkapazität, um im Falle eines Notfalls auf Rechenzentrumsebene Hochverfügbarkeit zu bieten. Die regionsübergreifende Notfallwiederherstellung bietet im unwahrscheinlichen Fall einer regionalen Katastrophe einen verwalteten Failover. Mit der regionsübergreifenden Notfallwiederherstellung können Sie eine Reservierung und eine Sammlung von Datasets angeben, die BigQuery in einer zweiten Region verwaltet.

  • Garantierter Standby

  • SLA für regionalen Ausfall

  • Koordiniertes Failover

Mit BigQuery können Sie in großem Maßstab zusammenarbeiten und Daten-Assets sicher austauschen. Mit Data-Clean-Rooms können Sie Umgebungen für die datenschutzkonforme Datenfreigabe und Analyse erstellen und verwalten. Datenanbieter können Abos für Dateneinträge verwalten und die Nutzung geteilter Daten durch Abonnenten überwachen. Mit BigQuery Omni können Sie Daten cloudübergreifend freigeben. Außerdem werden benutzerdefinierte Funktionen, Zeitreisen und materialisierte Ansichten verknüpfter Datasets unterstützt.

  • Mit nur wenigen Klicks einen Data-Clean-Room erstellen

  • Kosten sparen und Daten effizient teilen, ohne sie verschieben zu müssen

  • Nutzung freigegebener Datasets überwachen

BigQuery Migration Service bietet eine Reihe kostenloser Tools, die Sie bei der Migration zu BigQuery unterstützen. Wir fügen fortlaufend neue Funktionen hinzu und unterstützen jetzt verschiedene Quellen, einschließlich Amazon Redshift, Apache HiveQL, Netezza, Teradata, Azure Synapse, Oracle, Presto, Snowflake, SQL Server und Vertica. Generative KI-gestützte Übersetzungen unterstützen optional den Abfragecompiler und schlagen automatisch Ausgabeoptionen mit Unterstützung für Migrationen aus lokalen und Cloud-Quellen vor.

  • 15 Quellen für die Abfrageübersetzung aus beliebten Data Warehouses und Data Lakes

  • Vier automatisierte Bewertungsquellen mit Betriebskosten und Migrationsaufwand

  • Generative KI-gestützte Abfrageübersetzungen

Datenanalyse und KI in einer einzigen, einheitlichen Umgebung

Kunden möchten zunehmend mehrere Analyse- und KI-Anwendungsfälle auf einer einzigen Kopie ihrer Daten ausführen. BigQuery ermöglicht Ihnen die Verarbeitung von Daten in Python genauso einfach wie mit SQL, da ein serverloses Spark direkt in BigQuery verfügbar ist. Ein einheitlicher Metastore bietet Laufzeitmetadaten und Connectors für SQL, Open-Source-Engines und KI/ML.

  • Vollständig serverlos; keine Cluster zum Einrichten oder Verwalten erforderlich

  • Einzelne Nutzerumgebung für alle Arbeitslasten

  • Kein Kopieren von Daten zwischen verschiedenen Tools

Mit BigQuery ML können Sie Modelle für maschinelles Lernen mit vertrautem SQL erstellen, trainieren und ausführen. Sie lässt sich in Modelle Ihrer Wahl einbinden, darunter Gemini 1.0 Pro über Vertex AI, das für einen großen Eingabe-/Ausgabemaßstab und eine bessere Ergebnisqualität bei der Textzusammenfassung oder Sentimentanalyse entwickelt wurde. Sie können Datenpipelines erstellen, in denen strukturierte Daten, unstrukturierte Daten und Modelle für Generative AI kombiniert werden, um eine neue Klasse von Analyseanwendungen zu erstellen.

  • Einbindung von Daten in KI in Inferenz-Engine und Vertex AI Model Registry

  • Modellierungsfunktionen mit ARIMA+-Zeitreihenmodellierung, erklärbarer KI und mehr

  • Remote-Inferenz für LLMs zum Generieren von Text und Texteinbettungen

BigQuery speichert automatisch eine synchrone Kopie Ihrer Daten in einer zweiten Zone zusammen mit genügend Standby-Rechenkapazität, um im Falle eines Notfalls auf Rechenzentrumsebene Hochverfügbarkeit zu bieten. Die regionsübergreifende Notfallwiederherstellung bietet im unwahrscheinlichen Fall einer regionalen Katastrophe einen verwalteten Failover. Mit der regionsübergreifenden Notfallwiederherstellung können Sie eine Reservierung und eine Sammlung von Datasets angeben, die BigQuery in einer zweiten Region verwaltet.

  • Garantierter Standby

  • SLA für regionalen Ausfall

  • Koordiniertes Failover

Analystenberichte

Gartner stuft Google Cloud als einen führenden Anbieter ein

Gartner® stuft Google Cloud als einen der führenden Anbieter ein und hat es im 2023 Magic QuadrantTM for Cloud Database Management Systems (DBMS) als Vorreiter eingestuft.

Google Cloud wurde im Bericht „Forrester Wave 2023“ als ein führender Anbieter eingestuft

Google Cloud wurde im Bericht „The Forrester WaveTM: Streaming Data Platforms, Q4 2023“ als einer der führenden Anbieter eingestuft.

BigQuery hat uns eine solide Datengrundlage für KI geboten. Unsere Daten waren genau dort, wo wir sie brauchten. Wir konnten Millionen von Kundendaten aus Hotelinformationen, Marketinginhalten und Chatgesprächen für den Kundenservice verbinden und unsere Geschäftsdaten für grundlegende LLMs verwenden.

Allie Surina Dixon, Director of Data, Priceline

Gleich loslegen

Neukunden erhalten ein Guthaben von 300 $.

Google Cloud
  • ‪English‬
  • ‪Deutsch‬
  • ‪Español‬
  • ‪Español (Latinoamérica)‬
  • ‪Français‬
  • ‪Indonesia‬
  • ‪Italiano‬
  • ‪Português (Brasil)‬
  • ‪简体中文‬
  • ‪繁體中文‬
  • ‪日本語‬
  • ‪한국어‬
Console
Google Cloud