Auf der diesjährigen Snowflake Summit 2025 wurde klar: Snowflake entwickelt sich immer zunehmend zur zentralen Plattform für Daten- und KI-getriebene Strategien. Neben spannenden Praxisberichten präsentierte der Softwareentwickler eine Vielzahl neuer technischer Features, die Datenintegration vereinfachen, KI-Anwendungen ermöglichen und Migrationen beschleunigen. Hier finden Sie einen Überblick über die zentralen technischen Highlights der Veranstaltung.
Neue zentrale Features
Snowflake 2025 OpenFlow
Mit OpenFlow bietet Snowflake eine universelle Plattform zur Datenintegration. Egal ob Batch- oder Streaming-Daten, strukturiert oder unstrukturiert, OpenFlow vereint alles auf einer zentralen Steuerungsebene. Die elastische Skalierung stellt sicher, dass Ressourcen optimal genutzt werden. So reduziert OpenFlow die Komplexität bisheriger Datenpipelines und macht Daten unmittelbar für KI-Analysen nutzbar.
Cortex Analyst und Cortex Search
Cortex Analyst ist ein vollständig verwaltetes, LLM-gestütztes Feature von Snowflake Cortex, mit dem Anwendungen entwickelt werden können, die Fragestellungen basierend auf strukturierten Daten in Snowflake zuverlässig beantworten. Business-Anwender können dabei Fragen in natürlicher Sprache stellen und erhalten direkte Antworten ohne SQL schreiben zu müssen. Cortex Analyst steht als praktische REST-API zur Verfügung und lässt sich nahtlos in jede Anwendung integrieren.
Cortex Search erlaubt die semantische Suche und das Analysieren unstrukturierter Daten (z.B. Bilder, Dokumente, Audio), was deutlich tiefere und genauere Einblicke ermöglicht.
Serverless Tasks und Adaptive Compute
Serverless Tasks werden auf Snowflake-gemanagten Compute-Ressourcen ausgeführt. Snowflake passt die Ressourcen automatisch und dynamisch an den jeweiligen Workload an. Das System bestimmt dabei anhand der vergangenen Läufe, welche Größe der Ressourcen für einen bestimmten Tasklauf ideal ist. Dieses Modell empfiehlt sich besonders für regelmäßig oder halbregelmäßig ausgeführte Aufgaben, etwa Tasks mit festen Startzeiten oder Tasks, die nur bei neu eintreffenden Daten gestartet werden.
Adaptive Compute geht noch einen Schritt weiter und skaliert Compute-Ressourcen automatisch nach tatsächlichem Bedarf. Dies reduziert Kosten, verbessert die Performance und minimiert den Verwaltungsaufwand erheblich.
Apache Polaris und Iceberg
Apache Polaris, integriert mit Apache Iceberg, bietet flexible Anpassbarkeit für Multi-Tenancy, Metadatenverwaltung und Authentifizierung. Unternehmen können spezifische Anforderungen nun einfacher umsetzen, ohne die Kernarchitektur verändern zu müssen. Snowflake ermöglicht zudem den direkten Zugriff auf Iceberg-Tabellen, was redundante Datenhaltung überflüssig macht.
AI innerhalb der Snowflake-Plattform
Im Gegensatz zu anderen Plattformen, bei denen sich die Nutzung von KI oft noch unausgereift anfühlt, hat Snowflake eine robuste und ausgereifte Lösung geschaffen. Ein entscheidender Vorteil: Die Nutzung von AI erfolgt direkt innerhalb der Snowflake-Plattform, ohne dass Daten die Unternehmensumgebung verlassen. So werden Datenschutz und Compliance gewahrt. Durch Semantic Layers und klar definierten Datenkontext entsteht eine Umgebung, in der Unternehmen unmittelbar und selbstständig mit ihren Daten interagieren und Fragen an die KI stellen können. Diese Reife und tiefe Integration machen Snowflake besonders attraktiv für Unternehmen, die AI ernsthaft und sicher einsetzen möchten.
Bereit für den Wechsel: Tools und AI-gestützte Migration
Unternehmen, die nun Lust haben, von einer Legacy-Umgebung auf die innovative Snowflake-Plattform zu migrieren, profitieren von Snowflakes eigenen leistungsstarken Tools wie SnowConvert und Snowpark Migration Accelerator. Diese Tools ermöglichen es, Datenbanken und Workflows effizient und sogar AI-gestützt zu migrieren. AI-Funktionen passen Workflows automatisch an die neue Plattform an, sodass die Migration nahtlos und mit minimalem manuellem Aufwand gelingt. Die Migration umfasst dabei eine komplette Pipeline inklusive der Validierung der Daten und Workflows.
Praxisbeispiele erfolgreicher Migrationen
Kostenoptimierung trotz massiver Skalierung
Ein Unternehmen nutzt Snowflake, um eine komplexe, skalierbare Datenumgebung mit hunderten Nutzern und Millionen täglichen Workloads kosteneffizient zu betreiben. Besonders die tiefgehende Kostentransparenz und das proaktive Monitoring ermöglichen Einsparungen von 10–20 %. Die neue Infrastruktur und Automatisierung vereinfachen zudem das Management enorm und ermöglichen schnelles Reagieren auf Anomalien.
Echtzeitdatenintegration und offene Architektur
Ein weiteres Unternehmen migrierte von einer fragmentierten Oracle-ETL-Architektur zu einer zentralisierten Snowflake-Umgebung mit Apache Iceberg. Die Integration von Echtzeit-ERP-Daten über Kafka und Iceberg ermöglicht nahezu unmittelbare Analysen. Die Kosteneffizienz und Flexibilität wurden durch die Trennung von Compute und Storage massiv verbessert, und offene Standards reduzieren langfristige Risiken von Vendor-Lock-ins.
Benefits der Migration auf Snowflake
✔ Deutlich reduzierte Betriebskosten durch effizientes Ressourcenmanagement.
✔ Schnellere Analysen und verkürzte Time-to-Insight durch Echtzeitdatenintegration.
✔ Verbesserte Kollaboration und transparente Datenmodelle erleichtern die Arbeit im Team.
✔ Einfache Skalierbarkeit für hunderte Nutzer und Millionen Workloads.
Snowflake Summit 2025 Fazit
Snowflake positioniert sich klar als führende, KI-unterstützte Data-Plattform, die Unternehmen ermöglicht, ihre Datenstrategien zukunftssicher und flexibel zu gestalten. Durch integrierte KI, innovative Features und leistungsfähige Lösungen bieten sich den Nutzern erhebliche Effizienzgewinne, vereinfachte Prozesse und reduzierte Kosten.
