Snowflake hat die Integration der generativen KI Claude 3.5 von Anthropic in seinen Dienst Cortex Agents angekündigt und damit die Möglichkeiten zur Verarbeitung von Unternehmensdaten erweitert. Dieser Schritt steht im Einklang mit dem wachsenden Trend zur KI-gestützten Automatisierung im Management von Unternehmensdaten.
Die Unternehmen gaben am 12. Februar bekannt, dass Claude 3.5 zu den Tools des Dienstes Cortex Agents stoßen wird, der sich nun in der öffentlichen Vorschau befindet. Diese Integration ermöglicht einen fortschrittlicheren KI-gestützten Abruf und die Analyse von Daten, sodass Unternehmen effektiver mit strukturierten und unstrukturierten Daten arbeiten können.
Claude in Cortex Agents
Claude 3.5 unterstützt zwei zentrale Tools: Cortex Analyst und Search. Diese Tools erweitern die Möglichkeiten zum Abruf strukturierter und unstrukturierter Daten und machen KI-gestützte Erkenntnisse für Unternehmen leichter zugänglich.
Cortex Agents (einschließlich Analyst und Search) ist Teil von Cortex AI, Snowflakes Vorstoß zu einer Plattform, die auf dem lukrativen KI-Markt aufbaut. Mit Cortex AI können Unternehmen KI-Tools (darunter LLMs, RAG- und Text-to-SQL-Dienste) auf Grundlage ihrer eigenen strukturierten oder unstrukturierten Daten entwickeln.
Cortex Agents fügt dem Zugriff auf und der Orchestrierung von Anwendungsdaten KI-Funktionen hinzu, während Cortex Search den Abruf unstrukturierter Daten präziser gestaltet. Konkret kann Claude in Cortex Agents:
- Beantworten: die spezifischen und mehrdeutigen Fragen der Nutzer zu Daten.
- Aufteilen: komplexe Aufgaben in Teilaufgaben, um sie besser auszuführen.
- Auswählen: das passende Snowflake-Produkt – Cortex Analyst, Cortex Search oder die SQL-Generierung – auf Grundlage von Fragen in natürlicher Sprache.
Laut Snowflake erreicht Cortex Search mit Claude beim Abruf unstrukturierter Daten eine um 12 % höhere Genauigkeit als Einbettungsmodelle von OpenAI.
„LLMs sind hervorragend für unstrukturierte Daten geeignet, doch vielen Unternehmen fehlen ausgereifte Verfahren zur Aufbereitung dieser Daten. Strukturierte Daten werden dagegen besser verwaltet, allerdings bestehen weiterhin Herausforderungen dabei, LLMs ein Verständnis von Zeilen und Spalten zu ermöglichen“, schrieben Harshal Pimpalkhute, Senior Manager for Product in Generative AI and AWS bei Snowflake, und der AI Product Marketer Arun Agarwal in einem Blogbeitrag.
Die wachsende Rolle von KI-Agenten
Die Aufnahme von Claude 3.5 in Cortex Agents spiegelt den breiteren Wandel hin zu agentischer KI wider – Modellen, die komplexe Aufgaben in mehreren Schritten autonom ausführen können. KI-Agenten für Unternehmen müssen Automatisierung und Compliance in Einklang bringen und gleichzeitig sicherstellen, dass Datenschutz- und Sicherheitsrichtlinien eingehalten werden, während Daten präzise abgerufen und verarbeitet werden.
„Datenagenten, eine spezialisierte Kategorie von KI-Agenten, kombinieren Daten und Tools, um durch die effektive Auswahl der richtigen Datenquellen und Tools für den Abruf genauere, fundierte Erkenntnisse zu liefern“, schrieben Pimpalkhute und Agarwal.
Snowflake erwartet, dass Support-Analysten, Ingenieure und andere Nutzer in Unternehmen von der höheren Produktivität durch Cortex Agents profitieren werden. Snowflakes Head of AI Baris Gultekin erklärte bei einer Medienrunde, an der auch VentureBeat teilnahm, dass Entwickler von Kundenanwendungen zudem überwachen können, was die Agents tun, um Antworten zu verbessern und auf Governance- oder Sicherheitsanforderungen zu reagieren.
Wettbewerbslandschaft
Snowflake steht in direktem Wettbewerb mit anderen KI-gestützten Lösungen für Unternehmensdaten:
Databricks: bietet eine Data Intelligence Engine an, die mithilfe von KI Anfragen in natürlicher Sprache verarbeitet.
Google Cloud BigQuery: integriert Google Gemini. Das KI-Modell von Google dient dem KI-gestützten Datenmanagement.
Amazon Redshift: nutzt KI für SQL-Empfehlungen und ermöglicht es Nutzern, Abfragen aus Eingaben in natürlicher Sprache zu generieren.
Kritik an agentischer KI
Zu den Kritikpunkten an Erweiterungen durch generative KI oder an agentischer KI zählen Vertrauenswürdigkeit sowie mangelndes Vertrauen aufgrund unklarer oder fehlender Vorschriften sowie Bedenken hinsichtlich des Urheberrechts. Darüber hinaus benötigen generative KI-Modelle deutlich mehr Strom und Wasser als herkömmliche Computertechnik, was Fragen zur Nachhaltigkeit aufwirft.