Daten-Cloud-Workflows mit agentischer KI optimieren
Automatisieren Sie den Datenlebenszyklus, stärken Sie Ihre Teams und beschleunigen Sie die Gewinnung von Erkenntnissen mit intelligenten Agenten.
Überblick
Was sind KI-Agenten?
KI-Agenten sind Softwaresysteme, die KI nutzen, um im Namen der Nutzerinnen und Nutzer Ziele zu verfolgen und Aufgaben zu erledigen. Sie zeigen Denkvermögen, Planung und Gedächtnis und haben ein gewisses Maß an Autonomie, um Entscheidungen zu treffen, zu lernen und sich anzupassen. Weitere Informationen zu KI-Agenten.
Wie können KI-Agenten für Datenworkflows eingesetzt werden?
KI-Agenten helfen Datenteams, repetitive Aufgaben wie die Datenbereinigung und -kennzeichnung zu automatisieren. Geschäftsleute können Daten analysieren und Ergebnisse in natürlicher Sprache vorhersagen. So können sich verschiedene Teams auf strategische Initiativen mit höherem Wert konzentrieren. Das Ergebnis sind schnellere Erkenntnisse, raschere Innovationen und eine effizientere Skalierung von KI im gesamten Unternehmen.
Wer kann KI-Agenten für Datenworkflows verwenden?
KI-Agenten sind leistungsstarke Verbündete für die gesamte Datenorganisation:
- Data Engineers: Erstellung und Wartung von Pipelines mit Prompts in natürlicher Sprache automatisieren
- Data Scientists: Data Wrangling, Modellbewertung und Feature Engineering optimieren
- Analysten und geschäftliche Nutzerinnen und Nutzer können sofort Einblicke und Visualisierungen erhalten, indem sie einfach Fragen in natürlicher Sprache stellen – ohne dass sie programmieren müssen.
- Datenadministratoren: Automatisieren Sie das Onboarding, die Überwachung und die Beobachtbarkeit von Datenbanken, um einen gesunden Datenbestand zu erhalten.
Funktionsweise
Google Cloud bietet spezielle, selbst entwickelte Agenten, die Workflows für Data Engineering, Data Science, Analysen und Datenverwaltung automatisieren. Außerdem können Entwickler mit unseren flexiblen APIs und einem offenen Entwickler-Ökosystem die Data Cloud-Intelligenz von Google direkt in benutzerdefinierte Anwendungen, interne Verwaltungsportale oder Drittanbieter-Oberflächen wie Slack einbetten.
Google Cloud bietet spezielle, selbst entwickelte Agenten, die Workflows für Data Engineering, Data Science, Analysen und Datenverwaltung automatisieren. Außerdem können Entwickler mit unseren flexiblen APIs und einem offenen Entwickler-Ökosystem die Data Cloud-Intelligenz von Google direkt in benutzerdefinierte Anwendungen, interne Verwaltungsportale oder Drittanbieter-Oberflächen wie Slack einbetten.
Unterstützende Funktionen
Alltägliche Workflows optimieren
KI-basierte Unterstützung in der Data Cloud von Google optimiert Ihre Betriebs- und Analyse-Workflows. In BigQuery, Spanner und AlloyDB unterstützt Gemini Sie beim einfachen Generieren, Vervollständigen und Erklären komplexer Abfragen. Gemini in BigQuery unterstützt auch die Python-Codeunterstützung. Außerdem bietet es kontextsensitive Empfehlungen für die Datenaufbereitung und anpassbare SQL-Übersetzungen, wodurch komplexe Datenaufgaben sehr zugänglich und effizient werden.
Anleitungen
Alltägliche Workflows optimieren
KI-basierte Unterstützung in der Data Cloud von Google optimiert Ihre Betriebs- und Analyse-Workflows. In BigQuery, Spanner und AlloyDB unterstützt Gemini Sie beim einfachen Generieren, Vervollständigen und Erklären komplexer Abfragen. Gemini in BigQuery unterstützt auch die Python-Codeunterstützung. Außerdem bietet es kontextsensitive Empfehlungen für die Datenaufbereitung und anpassbare SQL-Übersetzungen, wodurch komplexe Datenaufgaben sehr zugänglich und effizient werden.
Sofort einsatzbereite autonome Agenten
End-to-End-Workflows automatisieren
Google Cloud bietet selbst entwickelte Agenten, die Workflows für Data Engineering, Data Science und Analysen automatisieren. Der Data Engineering Agent in BigQuery verwaltet autonom die Pipelineerstellung und -migration mithilfe von Knowledge Catalog-Metadaten für Transformationen. Der Data Science Agent beschleunigt die Entwicklung, indem er die Datenvorbereitung und das ML-Training mit vollem Kontextbewusstsein und autonomer Autokorrektur plant. Der Database Onboarding Agent bewertet die Anforderungen der Nutzer, um die beste Google Cloud-Datenbank zu empfehlen, und führt sie durch den Bereitstellungsprozess. Der Database Observability Agent überwacht proaktiv die Leistung der Datenbankflotte, erkennt Anomalien und bietet intelligente Empfehlungen und mehrstufige Workflows zur Fehlerbehebung und Optimierung.
Der Deep Research-Agent geht über einfache einstufige Suchvorgänge hinaus und führt umfangreiche Unternehmensrecherchen durch. Sie strukturiert selbstständig mehrstufige Abfragen, verfolgt systemübergreifende Datenherkünfte, kombiniert strukturierte Tabellen mit unstrukturierten Daten (wie PDFs, Verträge und Bilder) und fasst umfassende Rechercheergebnisse zusammen, die die Ursachen und zukünftige Trends aufzeigen.
„Der Data Science Agent hat die Arbeit unseres Data-Science-Teams revolutioniert. Gemini vereinfacht unseren Workflow, indem es einfache Anweisungen in natürlicher Sprache in mehrstufigen Data-Science-Code übersetzt und diesen dann ausführt. Wir müssen nicht mehr bei null anfangen. Funktionen wie Codevervollständigung, Fehlerbehebung und Visualisierung auf der Grundlage natürlicher Sprache haben dem Team gezeigt, wie KI Data Scientists unterstützen kann.“ – Lorraine Zheng, Data Scientist bei Snap Inc.
„Der Agent bietet Lösungen, die es uns ermöglichen, neue Entwicklungsansätze zu erkunden, und er hat das Potenzial, komplexe Data-Engineering-Aufgaben zu bewältigen. Er zeigt eine beeindruckende Fähigkeit, unsere Anforderungen korrekt zu interpretieren, selbst bei anspruchsvollen Datenmodellierungsaufgaben wie dem Erstellen von SCD-Dimensionen vom Typ 2. Schon jetzt bietet er einen Mehrwert, indem er Wartungsarbeiten und kleinere Optimierungen automatisiert. Wir glauben, dass er das Potenzial hat, sich zu einem wirklich einzigartigen Tool zu entwickeln.“– Fernando Calo, Lead Data Engineer bei der spanischsprachigen Nachrichten- und Unterhaltungsgruppe PRISA
„Während der Migration in eine Dataform-Umgebung hat der Data Engineer Agent alle vorhandenen Daten und Transformationsskripts mit 100 % Automatisierung und ohne manuellen Eingriff erfolgreich repliziert. Dadurch konnte der Zeitaufwand für die manuelle ETL-Migration um 90 % reduziert und der Übergang deutlich beschleunigt werden.“ - Chris Benfield, Head of Engineering, Vodafone
„Die Prozessdokumentation ist für Entwickler oft eine mühsame Aufgabe, aber mit dem Dataform Data Engineering Agent wird dieser Aufwand vollständig automatisiert. Der Agent konnte die Dokumentation direkt aus unseren Dataform-Projektdateien erstellen und dabei die von uns festgelegten Standards und Stile berücksichtigen. So konnten wir unsere Dokumentation immer auf dem neuesten Stand halten, ohne dass manuelle Eingriffe in unseren Dokumentationsworkflow erforderlich waren. Es hat sich als Tool mit erheblichem Potenzial erwiesen.“ – Maximiliano Morales, Data Engineer bei einem führenden Telekommunikationsunternehmen in Argentinien
Anleitungen
End-to-End-Workflows automatisieren
Google Cloud bietet selbst entwickelte Agenten, die Workflows für Data Engineering, Data Science und Analysen automatisieren. Der Data Engineering Agent in BigQuery verwaltet autonom die Pipelineerstellung und -migration mithilfe von Knowledge Catalog-Metadaten für Transformationen. Der Data Science Agent beschleunigt die Entwicklung, indem er die Datenvorbereitung und das ML-Training mit vollem Kontextbewusstsein und autonomer Autokorrektur plant. Der Database Onboarding Agent bewertet die Anforderungen der Nutzer, um die beste Google Cloud-Datenbank zu empfehlen, und führt sie durch den Bereitstellungsprozess. Der Database Observability Agent überwacht proaktiv die Leistung der Datenbankflotte, erkennt Anomalien und bietet intelligente Empfehlungen und mehrstufige Workflows zur Fehlerbehebung und Optimierung.
Der Deep Research-Agent geht über einfache einstufige Suchvorgänge hinaus und führt umfangreiche Unternehmensrecherchen durch. Sie strukturiert selbstständig mehrstufige Abfragen, verfolgt systemübergreifende Datenherkünfte, kombiniert strukturierte Tabellen mit unstrukturierten Daten (wie PDFs, Verträge und Bilder) und fasst umfassende Rechercheergebnisse zusammen, die die Ursachen und zukünftige Trends aufzeigen.
Kundenbeispiele
„Der Data Science Agent hat die Arbeit unseres Data-Science-Teams revolutioniert. Gemini vereinfacht unseren Workflow, indem es einfache Anweisungen in natürlicher Sprache in mehrstufigen Data-Science-Code übersetzt und diesen dann ausführt. Wir müssen nicht mehr bei null anfangen. Funktionen wie Codevervollständigung, Fehlerbehebung und Visualisierung auf der Grundlage natürlicher Sprache haben dem Team gezeigt, wie KI Data Scientists unterstützen kann.“ – Lorraine Zheng, Data Scientist bei Snap Inc.
„Der Agent bietet Lösungen, die es uns ermöglichen, neue Entwicklungsansätze zu erkunden, und er hat das Potenzial, komplexe Data-Engineering-Aufgaben zu bewältigen. Er zeigt eine beeindruckende Fähigkeit, unsere Anforderungen korrekt zu interpretieren, selbst bei anspruchsvollen Datenmodellierungsaufgaben wie dem Erstellen von SCD-Dimensionen vom Typ 2. Schon jetzt bietet er einen Mehrwert, indem er Wartungsarbeiten und kleinere Optimierungen automatisiert. Wir glauben, dass er das Potenzial hat, sich zu einem wirklich einzigartigen Tool zu entwickeln.“– Fernando Calo, Lead Data Engineer bei der spanischsprachigen Nachrichten- und Unterhaltungsgruppe PRISA
„Während der Migration in eine Dataform-Umgebung hat der Data Engineer Agent alle vorhandenen Daten und Transformationsskripts mit 100 % Automatisierung und ohne manuellen Eingriff erfolgreich repliziert. Dadurch konnte der Zeitaufwand für die manuelle ETL-Migration um 90 % reduziert und der Übergang deutlich beschleunigt werden.“ - Chris Benfield, Head of Engineering, Vodafone
„Die Prozessdokumentation ist für Entwickler oft eine mühsame Aufgabe, aber mit dem Dataform Data Engineering Agent wird dieser Aufwand vollständig automatisiert. Der Agent konnte die Dokumentation direkt aus unseren Dataform-Projektdateien erstellen und dabei die von uns festgelegten Standards und Stile berücksichtigen. So konnten wir unsere Dokumentation immer auf dem neuesten Stand halten, ohne dass manuelle Eingriffe in unseren Dokumentationsworkflow erforderlich waren. Es hat sich als Tool mit erheblichem Potenzial erwiesen.“ – Maximiliano Morales, Data Engineer bei einem führenden Telekommunikationsunternehmen in Argentinien
Conversational Analytics-Agents
Ergebnisse für technische und geschäftliche Nutzer verfügbar machen
BigQuery Conversational Analytics ermöglicht es Datenfachleuten, Erkenntnisse zu gewinnen und Vorhersagen zu multimodalen und mehrformatigen Lakehouse-Daten über einen Chat in natürlicher Sprache mit hoher Genauigkeit auf der Grundlage von Entitäten, Beziehungen und Geschäftsmetriken zu erstellen. Konversationelle Analysen in Datenbanken liefern operative Echtzeitinformationen, sodass Sie in natürlicher Sprache mit Cloud SQL, Spanner und AlloyDB interagieren können. Looker Conversational Analytics ermöglicht es Geschäftsteams, natürliche Sprache und eine verwaltete semantische Ebene für zuverlässige Entscheidungen zu nutzen, was die Arbeitsbelastung für technische Teams reduziert. Looker-Dashboard-Agents verbessern diese Erfahrung noch weiter, indem sie Abfragen in natürlicher Sprache und automatisierte Zusammenfassungen direkt zu Dashboards hinzufügen. Für operative Anforderungen in Echtzeit ermöglichen proaktive agentische Workflows den Übergang von reaktiver Berichterstellung zu ereignisgesteuerten Maßnahmen, indem Anomalien automatisch untersucht und Vorschläge zur Risikominderung gemacht werden.
„Mit der konversationellen Analyse in BigQuery haben wir die Art und Weise, wie unsere Teams bei Pet Circle mit Daten interagieren, weiter beschleunigt. Da unsere Teams komplexe Datenfragen in natürlicher Sprache stellen können, haben wir die Zeit bis zur Erkenntnisgewinnung drastisch verkürzt. So können unsere Datenteams Agents für nicht-technische Teams erstellen, die dann schneller datengestützte Entscheidungen treffen können. Das hilft uns letztendlich, Tierbesitzern einen besseren Service zu bieten.“ – Alistair Venn, CEO von Pet Circle
„Eine effektive konversationelle Analyse beginnt mit einer einheitlichen, geprüften Datenebene. Wenn Teams nicht dieselbe Datensprache sprechen, können KI-Systeme Abfragen nicht zuverlässig interpretieren oder genaue Statistiken liefern.“ - John Pettit, Chief Technology Officer, Promevo
„Wir möchten, dass unsere Kunden nicht nur sehen, was passiert ist, sondern auch mit ihren Daten interagieren und intelligente Empfehlungen in IRIS Fleet und unseren anderen Produkten erhalten. Wir glauben, dass die eigentliche Chance sich gerade erst eröffnet.“ – Gerardo Ortiz, Head of Product and Digital Transformation, Métrica Móvil
Anleitungen
Ergebnisse für technische und geschäftliche Nutzer verfügbar machen
BigQuery Conversational Analytics ermöglicht es Datenfachleuten, Erkenntnisse zu gewinnen und Vorhersagen zu multimodalen und mehrformatigen Lakehouse-Daten über einen Chat in natürlicher Sprache mit hoher Genauigkeit auf der Grundlage von Entitäten, Beziehungen und Geschäftsmetriken zu erstellen. Konversationelle Analysen in Datenbanken liefern operative Echtzeitinformationen, sodass Sie in natürlicher Sprache mit Cloud SQL, Spanner und AlloyDB interagieren können. Looker Conversational Analytics ermöglicht es Geschäftsteams, natürliche Sprache und eine verwaltete semantische Ebene für zuverlässige Entscheidungen zu nutzen, was die Arbeitsbelastung für technische Teams reduziert. Looker-Dashboard-Agents verbessern diese Erfahrung noch weiter, indem sie Abfragen in natürlicher Sprache und automatisierte Zusammenfassungen direkt zu Dashboards hinzufügen. Für operative Anforderungen in Echtzeit ermöglichen proaktive agentische Workflows den Übergang von reaktiver Berichterstellung zu ereignisgesteuerten Maßnahmen, indem Anomalien automatisch untersucht und Vorschläge zur Risikominderung gemacht werden.
Kundenbeispiele
„Mit der konversationellen Analyse in BigQuery haben wir die Art und Weise, wie unsere Teams bei Pet Circle mit Daten interagieren, weiter beschleunigt. Da unsere Teams komplexe Datenfragen in natürlicher Sprache stellen können, haben wir die Zeit bis zur Erkenntnisgewinnung drastisch verkürzt. So können unsere Datenteams Agents für nicht-technische Teams erstellen, die dann schneller datengestützte Entscheidungen treffen können. Das hilft uns letztendlich, Tierbesitzern einen besseren Service zu bieten.“ – Alistair Venn, CEO von Pet Circle
„Eine effektive konversationelle Analyse beginnt mit einer einheitlichen, geprüften Datenebene. Wenn Teams nicht dieselbe Datensprache sprechen, können KI-Systeme Abfragen nicht zuverlässig interpretieren oder genaue Statistiken liefern.“ - John Pettit, Chief Technology Officer, Promevo
„Wir möchten, dass unsere Kunden nicht nur sehen, was passiert ist, sondern auch mit ihren Daten interagieren und intelligente Empfehlungen in IRIS Fleet und unseren anderen Produkten erhalten. Wir glauben, dass die eigentliche Chance sich gerade erst eröffnet.“ – Gerardo Ortiz, Head of Product and Digital Transformation, Métrica Móvil
KI-Agenten in Gemini Enterprise veröffentlichen
Agenten auffindbar machen
Mit Gemini Enterprise können Fach- und Geschäftsanwenderinnen und ‑anwender sofort Einblicke erhalten, indem sie einfach Fragen in natürlicher Sprache stellen. Wenn Sie in BigQuery, Looker, Lakehouses und Datenbanken erstellte Konversations-Agenten in der zentralen Gemini Enterprise Agentengalerie veröffentlichen, können Sie Nutzern den Zugriff auf Unternehmensdatensysteme über eine einzige Oberfläche ermöglichen. Dieser Ansatz abstrahiert die zugrunde liegenden technischen Komplexitäten des Daten-Ökosystems vollständig und sorgt gleichzeitig dafür, dass der Datenzugriff sicher, geprüft und in den täglichen Produktivitätsarbeitsbereichen verwaltet wird. Über Gemini Enterprise können Administratoren ganz einfach den Zugriff bereitstellen und so dafür sorgen, dass die Dateninteraktion in den täglichen Produktivitätsarbeitsbereichen sicher, geprüft und verwaltet bleibt.
Anleitungen
Agenten auffindbar machen
Mit Gemini Enterprise können Fach- und Geschäftsanwenderinnen und ‑anwender sofort Einblicke erhalten, indem sie einfach Fragen in natürlicher Sprache stellen. Wenn Sie in BigQuery, Looker, Lakehouses und Datenbanken erstellte Konversations-Agenten in der zentralen Gemini Enterprise Agentengalerie veröffentlichen, können Sie Nutzern den Zugriff auf Unternehmensdatensysteme über eine einzige Oberfläche ermöglichen. Dieser Ansatz abstrahiert die zugrunde liegenden technischen Komplexitäten des Daten-Ökosystems vollständig und sorgt gleichzeitig dafür, dass der Datenzugriff sicher, geprüft und in den täglichen Produktivitätsarbeitsbereichen verwaltet wird. Über Gemini Enterprise können Administratoren ganz einfach den Zugriff bereitstellen und so dafür sorgen, dass die Dateninteraktion in den täglichen Produktivitätsarbeitsbereichen sicher, geprüft und verwaltet bleibt.
Eigene benutzerdefinierte KI-Agenten erstellen
Open-Source-Tools und ‑Frameworks nutzen
Entwicklungsteams können ganz einfach benutzerdefinierte Agenten erstellen und einbetten, um spezifische Herausforderungen bei Unternehmensdaten zu bewältigen. Mit der Conversational Analytics API können Sie Funktionen für Abfragen in natürlicher Sprache direkt in benutzerdefinierte Anwendungen, interne Tools oder automatisierte Workflows einbetten. Das BigQuery ADK-Integrationstoolset bietet sofort einsatzbereite Funktionen für die Schemaerkundung, Abfragen und Prognosen. Querydata für Datenbanken ist für Cloud SQL, AlloyDB und Spanner verfügbar, damit Sie Agents für Betriebsdaten erstellen können. Mit dem BigQuery Agent Analytics-Plug-in für das ADK können Sie mit nur einer Zeile Code Daten zur Agentaktivität direkt in BigQuery streamen, um sie in Echtzeit zu beobachten und auszuwerten. Um die Abläufe weiter zu optimieren, bietet der Looker-Block für BigQuery Agent Analytics eine schlüsselfertige Lösung für das Monitoring, Debugging und die Optimierung von KI-Agents.
Anleitungen
Open-Source-Tools und ‑Frameworks nutzen
Entwicklungsteams können ganz einfach benutzerdefinierte Agenten erstellen und einbetten, um spezifische Herausforderungen bei Unternehmensdaten zu bewältigen. Mit der Conversational Analytics API können Sie Funktionen für Abfragen in natürlicher Sprache direkt in benutzerdefinierte Anwendungen, interne Tools oder automatisierte Workflows einbetten. Das BigQuery ADK-Integrationstoolset bietet sofort einsatzbereite Funktionen für die Schemaerkundung, Abfragen und Prognosen. Querydata für Datenbanken ist für Cloud SQL, AlloyDB und Spanner verfügbar, damit Sie Agents für Betriebsdaten erstellen können. Mit dem BigQuery Agent Analytics-Plug-in für das ADK können Sie mit nur einer Zeile Code Daten zur Agentaktivität direkt in BigQuery streamen, um sie in Echtzeit zu beobachten und auszuwerten. Um die Abläufe weiter zu optimieren, bietet der Looker-Block für BigQuery Agent Analytics eine schlüsselfertige Lösung für das Monitoring, Debugging und die Optimierung von KI-Agents.
Data Agent Kit
Data Cloud-Funktionen in IDE oder CLI einbinden
Das Data Agent Kit optimiert Ihre Workflows, indem es sichere Model Context Protocol (MCP)-Tools, native IDE-Plug-ins und vorkodierte Data-Engineering- und Data-Science-Funktionen in einem einzigen Open-Source-Paket bündelt. Durch die Integration dieser Funktionen direkt in IDEs wie VS Code, Claude Code, Codex und Antigravity CLI verschiebt sich die Rolle der Entwickler von der manuellen Erstellung von Pipeline-Code hin zu einer absichtsorientierten Entwicklung über den gesamten Datenbestand hinweg. Außerdem können Entwickler die Open-Source-MCP Toolbox nutzen, um Agents sicher mit AlloyDB, BigQuery, Spanner, Cloud SQL, Knowledge Catalog und Apache Spark zu verbinden. Erste Schritte mit dem Data Agent Kit
Anleitungen
Data Cloud-Funktionen in IDE oder CLI einbinden
Das Data Agent Kit optimiert Ihre Workflows, indem es sichere Model Context Protocol (MCP)-Tools, native IDE-Plug-ins und vorkodierte Data-Engineering- und Data-Science-Funktionen in einem einzigen Open-Source-Paket bündelt. Durch die Integration dieser Funktionen direkt in IDEs wie VS Code, Claude Code, Codex und Antigravity CLI verschiebt sich die Rolle der Entwickler von der manuellen Erstellung von Pipeline-Code hin zu einer absichtsorientierten Entwicklung über den gesamten Datenbestand hinweg. Außerdem können Entwickler die Open-Source-MCP Toolbox nutzen, um Agents sicher mit AlloyDB, BigQuery, Spanner, Cloud SQL, Knowledge Catalog und Apache Spark zu verbinden. Erste Schritte mit dem Data Agent Kit
Preise
| Dienste | Nutzungstyp | Preis (in $) |
|---|---|---|
BigQuery: Data Science Agent, Data Engineering Agent und Conversational Analytics Agents | Eingabedaten | 3 $ pro 1 Million Tokens |
Ausgabedaten | 20 $ pro 1 Million Tokens |
Hier finden Sie detaillierte Preisinformationen zu BigQuery, Looker und Gemini Code Assist.
BigQuery: Data Science Agent, Data Engineering Agent und Conversational Analytics Agents
Eingabedaten
3 $
pro 1 Million Tokens
Ausgabedaten
20 $
pro 1 Million Tokens
Hier finden Sie detaillierte Preisinformationen zu BigQuery, Looker und Gemini Code Assist.
