Snowflake BUILD 2025: Das Recap

KI-Produkte entstehen auf einem sauberen Datenfundament.

Openflow Snowflake Deployment (GA)

Ein offener, erweiterbarer, verwalteter und multimodaler Datenintegrations-Service, der strukturierte und unstrukturierte Daten ebenso unterstützt wie Batch- und Streaming-Verarbeitung. Ab sofort GA auf AWS und Azure für das Snowflake-verwaltete Deployment – Datenbewegung wird damit zum Kinderspiel. Bisher gab es das nur als "Bring your own Cloud", bei dem Openflow in AWS deployt und anschließend mit Snowflake verbunden wurde. Das Snowflake-Deployment vereinfacht Einrichtung und Verwaltung deutlich. Ich habe es am Wochenende ausprobiert: Das Setup ging absolut einfach von der Hand, die Nutzung erfordert allerdings etwas Einarbeitung.

Snowflake AI Data Cloud trifft SAP Business Data Cloud

Snowflake hat eine bidirektionale Zero-Copy-Integration zwischen SAP Business Data Cloud und Snowflake AI Data Cloud angekündigt. Damit erhalten Sie einen vereinfachten Zugriff auf kuratierte, geschäftsbereite SAP-Daten unter Erhalt des Geschäftskontexts – für schnellere KI- und Analyseszenarien. SAP BDC harmonisiert Daten zwischen SAP-Anwendungen. SAP-Kunden, die bislang nicht Snowflake nutzen, erhalten Zugriff auf SAP Snowflake, ein in SAP BDC eingebettetes Snowflake-Produkt.

Snowflake bietet damit Zero-Copy-Integrationen mit Workday (in Entwicklung), Salesforce, Oracle (bald in Public Preview) und SAP.

Snowflake Intelligence (GA)

Snowflake Intelligence wird als "Zukunft der Arbeit" bezeichnet – es ist Snowflakes ChatGPT-ähnliche Oberfläche für Business-Anwender ohne technischen Hintergrund. Wir bei SELECT haben darüber bereits ausführlich berichtet; das Feature ist nun in allen Snowflake-Clouds GA.

Cortex Code (Private Preview)

Cortex Code ist ein KI-Assistent zum Coden und Analysieren Ihrer Snowflake-Infrastruktur – direkt in Snowsight integriert. Er unterstützt bei administrativen Aufgaben, Security und Governance und bietet einen KI-Coding-Assistenten in natürlicher Sprache.

Cortex Agents API (GA)

Snowflakes verwaltete KI-Agenten rufen strukturierte wie unstrukturierte Daten ab und analysieren sie mithilfe robuster Reasoning-Modelle. Sie liefern präzise Insights über eine komfortable REST-API mit einheitlicher Security und Governance.

Cortex Knowledge Extensions (GA)

Snowflake CKEs binden unstrukturierte Drittanbieter-Daten in agentische Systeme ein – über das sichere Teilen von Dokumenten, die per Cortex Search Service indexiert werden. Greifen Sie nahezu in Echtzeit auf lizenzierte Inhalte wie News und Research zu, während Ihre Prompts in Ihrem Account bleiben. Das Feature ist von der Public Preview in GA übergegangen.

Snowflake Managed MCP Server (GA)

Mit dem von Snowflake verwalteten MCP lassen sich all Ihre Snowflake-Investitionen über das Model Context Protocol mit dem KI-Tool Ihrer Wahl steuern. So können KI-Tools wie Claude, ChatGPT oder andere LLM-basierte Anwendungen sicher auf Ihre Snowflake-Daten und -Infrastruktur zugreifen und damit interagieren. Durch die Implementierung des offenen MCP-Standards kann Ihr bevorzugter KI-Assistent Daten abfragen, Ihr Schema verstehen, SQL ausführen und Ihre gesamten Snowflake-Investitionen nutzen – ganz ohne eigene Integrationen entwickeln zu müssen.

Weitere Informationen zum Einrichten des MCP Servers in Ihrem Snowflake-Account finden Sie hier.

Online Feature Store für ML (Public Preview)

Latenzarmes Serving (<50 ms P90) von ML-Features für Online-Inferenz-Szenarien wie Betrugserkennung und Echtzeit-Empfehlungen. Mit automatisierter Konsistenz zu Offline-Feature-Pipelines und hoher Verfügbarkeit – ohne Infrastruktur-Management.

Cost Governance Controls für AISQL (bald GA)

Ein individuelles Tagging-Framework, mit dem Admins KI-Budgets nachverfolgen, verwalten und automatisch durchsetzen können. Richten Sie Benachrichtigungen oder eigene Aktionen ein, die ausgelöst werden, sobald Ausgaben definierte Schwellenwerte überschreiten.

Partnerschaft zwischen Snowflake und Vercel

Snowflake hat eine Integration mit Vercels KI-gestütztem Entwicklungstool v0 angekündigt. Damit lassen sich datengetriebene Next.js-Anwendungen per natürlicher Sprache erstellen und auf Snowpark Container Services deployen. Die Split-Architektur hält Compute und Daten innerhalb von Snowflake, während Vercel Anwendungs- und Authentifizierungs-Layer verwaltet und dabei automatisch bestehende Snowflake-Security-Richtlinien übernimmt. Im Chat mit v0 können Sie Daten abfragen und komplette Anwendungen samt API-Routen generieren, die sich per Klick deployen lassen. Die Integration ist aktuell in der Warteliste-Phase.

Soweit ich es einschätze, lassen sich damit moderne, ansprechende KI-Anwendungen mit Deployment in Snowflake deutlich einfacher umsetzen.

Storage Lifecycle Policies

Ein neues Feature, mit dem sich jeder Data Engineer vertraut machen sollte: Storage Lifecycle Policies verschieben Daten automatisch in COOL- oder COLD-Storage oder löschen Zeilen – basierend auf der von Ihnen definierten Policy und dem Alter des Datensatzes. Das macht Stored Procedures zur Umsetzung von Retention Policies überflüssig und bringt obendrein günstigere Storage-Tiers. Ein Bild sagt mehr als tausend Worte – werfen Sie daher einen Blick auf die folgenden Abbildungen aus der Snowflake-Dokumentation:

Schauen wir uns alle Kostenkomponenten der Snowflake Storage Lifecycle Policies an:

Storage:

• Cool Storage kostet 4 USD pro TB/Monat in AWS, und die Daten stehen unmittelbar für Abfragen bereit. Sobald Sie Daten dorthin verschieben, müssen Sie sie 90 Tage vorhalten – andernfalls fällt eine Mindestlaufzeit-Gebühr an.
• Cold Storage kostet 1 USD pro TB/Monat. Der Datenabruf aus dem Cold Tier kann bis zu 48 Stunden dauern. Die Mindest-Archivierungsdauer beträgt 180 Tage; bei vorzeitigem Löschen wird eine Gebühr fällig.

Kosten für Policy-Ausführung / Archivierung:

• Die Policies laufen alle 24 Stunden und nutzen Snowflake-verwaltetes Serverless Compute, um Ihre Daten zu verschieben. Dieses Serverless Compute hat einen Credit-Multiplikator von 50 %, kostet also die Hälfte eines herkömmlichen Warehouse. Snowflake bestimmt die benötigte Compute-Größe.
• Zusätzlich werden 0,05 Credits pro 1.000 archivierte Dateien berechnet.

Kosten für Datenabruf:

• Es werden 0,05 Credits pro 1.000 abgerufene Dateien berechnet.

Snowflake Postgres (bald Public Preview, eingeschränkte Regionen)

Ein vollständig verwalteter PostgreSQL-Service auf der Snowflake AI Data Cloud, ausgelegt auf schnelle, transaktionale Workloads mit hohem Volumen (OLTP). Mit diesem Service sind Sie in Minuten startklar – bei minimalem Management- und Admin-Aufwand. Beliebte Postgres-Extensions wie PG Vector und PGIS sind direkt enthalten.

pg_lake (GA)

"pg_lake" ist eine Sammlung von Open-Source-PostgreSQL-Extensions, mit denen PostgreSQL Ihren Iceberg-Katalog verwalten kann. Ducklake hat das als Erstes umgesetzt – und es ist nur konsequent, eine relationale Datenbank für die Verwaltung des Iceberg-Katalogs zu nutzen. Das erleichtert das Erkunden von Versionen und Time Travel und sorgt zusätzlich für mehr Performance in der Iceberg-Metadatenschicht. Weitere Informationen finden Sie im GitHub-Repo.

Bildquelle

Hybrid Tables auf Azure (GA)

Hybrid Tables, die transaktionale und analytische Fähigkeiten kombinieren, sind ab sofort allgemein auf Azure verfügbar.

Horizon Catalog: Schreibzugriff auf jedes Iceberg (GA)

Apache Polaris ist jetzt in Horizon Catalog eingebettet und ermöglicht Schreibzugriffe auf jede beliebige Iceberg-Tabelle – mit denselben Tagging-, Governance- und Lineage-Funktionen.

Business Continuity und Disaster Recovery für Snowflake-verwaltete Iceberg Tables (GA)

BDCR steht jetzt auch für Snowflake-verwaltete Iceberg-Tabellen zur Verfügung.

Interactive Tables & Warehouses (bald GA)

Interactive Tables sind für Echtzeit-Streaming-Ingestion und -Abfragen optimiert. Sie nutzen Interactive Warehouses, die stets aktiv sind und über vorgewärmte Caches verfügen. Konzipiert sind sie für Analytics im Sub-Sekunden-Bereich mit niedriger Latenz und hoher Parallelität.

Workspaces (GA)

Workspaces sind jetzt GA! Falls Sie es noch nicht mitbekommen haben: Workspaces sind eine zentrale, dateibasierte Entwicklungsumgebung innerhalb von Snowsight für einheitliches Code-Editing und Versionskontrolle. Workspaces lassen sich für Versionskontrolle und Zusammenarbeit mit Git verbinden und können auch dbt ausführen. Snowflake hat zudem Shared Workspaces angekündigt: Sie können Ihren Workspace jetzt mit einem Team teilen.

Erweiterte Git-Integration (GA)

Snowsight unterstützt nun self-hosted Repositories mit deutlichen Verbesserungen bei der Git-Integration. Im Marketplace ist eine GitHub-Actions-App verfügbar, die die CI/CD-Integration vereinfacht.

dbt Projects on Snowflake (GA)

Erstellen, testen, deployen und überwachen Sie dbt-Datentransformations-Projekte direkt in Snowflake. Eine eigene dbt-Core-Infrastruktur ist nicht nötig. Sie können bestehende Projekte importieren oder neue in Snowsight Workspaces anlegen. Seit dem Snowflake Summit im Juni war das Feature in Public Preview – jetzt ist es GA.

Snowpark Connect for Apache Spark™ (GA)

Führen Sie bestehenden Apache-Spark-Code (DataFrame, SQL) mit minimalem Migrationsaufwand direkt auf Snowflake aus. Snowpark Connect macht Spark-Cluster-Management und Egress-Gebühren überflüssig und liefert dabei eine 5,6-fach bessere Performance und durchschnittlich 41 % TCO-Einsparung. Seit unserem letzten "What's New in Snowflake"-Recap in Preview – jetzt hat Snowflake das Feature auf GA gehoben.

Snowflake Optima (GA)

Eine Workload-Optimierungs-Engine, die automatisch und kontinuierlich aus Ihren Nutzungsmustern lernt. Sie übernimmt Indexierung und Metadaten-Erfassung – ganz ohne manuelles Tuning – und verbessert so die Query-Performance.

Sharing von Semantic Views (GA)

Datenanbieter können Semantic Views jetzt zusammen mit strukturierten Daten teilen und so Abfragen in natürlicher Sprache ermöglichen. Entwickler integrieren geteilte Daten ohne zusätzliches Preprocessing problemlos in KI-Apps und agentische Systeme.

Open Table Format Sharing (GA)

Teilen Sie Daten, die in offenen Tabellenformaten wie Iceberg gespeichert sind, plattformübergreifend in Snowflake.

Dieser Artikel deckt die Highlights der Snowflake Build 2025 ab. Mein Dank geht an Vino Duraisamy für die großartige Übersichtsfolie auf LinkedIn, die noch ein paar weitere Ankündigungen aufgreift.

Jeff ist Data- und Analytics-Consultant mit über 15 Jahren Erfahrung in der Automatisierung von Insights und der Nutzung von Daten zur Steuerung von Geschäftsprozessen. Technologisch ist er auf Snowflake + dbt + Tableau spezialisiert. Inhaltlich bringt er Erfahrung aus den Bereichen Public Utility, Klinische Studien, Verlagswesen, CPG und Manufacturing mit. Sie erreichen ihn jederzeit unter [email protected].