Der Besuch des diesjährigen Snowflake Summit, der weltgrößten Konferenz für Daten und KI, war schlicht elektrisierend. Schon ab der Keynote war klar: Snowflake iteriert nicht einfach – das Unternehmen definiert neu, was bei Datenplattformen, KI-Workloads und Produktivität im Arbeitsalltag möglich ist. Mit einer Welle an Produktneuheiten rund um Plattformökonomie, Governance und intelligente Automatisierung markieren die diesjährigen Ankündigungen einen gewaltigen Sprung nach vorn für datengetriebene Unternehmen.
Fassen wir alle Ankündigungen des Snowflake Summit 2025 zusammen!
Plattformökonomie
Snowflake hat mehrere Neuerungen rund um eine verbesserte Wirtschaftlichkeit vorgestellt. Dazu zählen mehr Kostentransparenz sowie attraktivere Konditionen bei Compute und Ingest.
Organizational Usage Views
Diese Views liefern eine zentrale Ansicht aller Snowflake-Ausgaben und des Verbrauchs über verschiedene Regionen und Clouds hinweg – und damit ein umfassendes Bild der Ressourcennutzung. Das ist spannend, denn bislang war es schwierig, Views wie "query_history" über mehrere Snowflake-Accounts hinweg abzufragen. Zu beachten ist allerdings, dass die meisten dieser Account Views bis zu 24 Stunden verzögert sind und zusätzliche Kosten verursachen, da sie als Premium Views gelten.
Spend Anomalies
Dieses Feature schickt Benachrichtigungen, sobald die Snowflake-Ausgaben einer Organisation außerhalb der erwarteten Bandbreite liegen, und hilft so, unerwartete Kostensteigerungen proaktiv zu erkennen und zu steuern. Gut gefällt uns, dass sich beliebige E-Mail-Adressen für diese Alerts hinterlegen lassen – anders als bei Monitors, die nur an Account Admins gehen. Praktisch außerdem: Account- und Org-Level-Monitors sind über dieselbe Seite verfügbar.
Budgets nach Query Tags und Object Tags
Bisher ließen sich Budgets in Snowflake nur pro Warehouse festlegen. Mit dem neuen Feature lässt sich der Verbrauch klassifizieren – das ermöglicht granularere Chargeback-Modelle für Ressourcennutzung, die an bestimmte Queries oder Datenbankobjekte gebunden ist. Wir finden das großartig, denn es fördert Best Practices zur Kostensenkung – endlich Budgetierung und Kostenzuordnung jenseits des Virtual Warehouse.
Adaptive Compute
Eine der spannendsten Ankündigungen des Summit: Kunden geben Policies und Zielvorgaben vor, und Snowflake ermittelt automatisch die nötigen Compute-Ressourcen (Typen, Größen, Skalierungsverhalten) – für einfacheres Management, bessere Performance und optimale Auslastung. Sie müssen nicht mehr überlegen, welche Warehouse-Größe für einen Job passt. Snowflake entscheidet das für Sie und berechnet nur die tatsächlich genutzte Compute – ohne Leerlaufzeiten nach Abschluss der Query.
Vereinfachtes Snowpipe-Ingest-Preismodell
Das neue Preismodell basiert auf dem Volumen der in Snowflake aufgenommenen Daten – statt auf der Anzahl der Dateien plus Compute-Zeit. Das neue Modell ist deutlich leichter zu verstehen, besser planbar und bietet 50 % bessere Konditionen für die Datenaufnahme. Eine vereinfachte Preisgestaltung ist ein Gewinn für alle!
Generation 2 Warehouses
Diese Warehouses bringen schnellere Hardware und Software-Optimierungen mit und liefern dadurch 2,1× schnellere Performance in Snowflake-Benchmarks sowie 1,9× schnellere Performance als Managed Spark beim Scannen von Parquet-Dateien in Iceberg-Tabellen. Wir haben schon viele Erfolgsgeschichten von Kunden zu Gen2 gehört – und freuen uns auf weitere!
Data Governance
Snowflake Horizon Catalog (übergreifende Governance-Plattform)
Der Horizon Catalog ist die zentrale Plattform für die Verwaltung und Governance von Daten und bietet volle Interoperabilität mit Iceberg-basierten REST-Katalogen. Er hilft Ihnen nachzuvollziehen, welche Daten existieren, und diese zu steuern. Hier ein Überblick der Updates rund um den Horizon Catalog.
Sensitive Data Insights
Erweiterungen des Horizon Catalog umfassen die automatische Klassifizierung, das Tagging und die Propagierung von Tags für sensible Daten – das stärkt Datenschutz und Compliance. Die automatische Propagierung von PII-Tags ist sehr willkommen, denn die Verwaltung der PII-Lineage gehört zu den anspruchsvollsten Aspekten der Data Governance!
Expectations für Datenqualität
Mit diesem Feature lassen sich erwartete Aktualität und Volumen von Daten definieren – bei Abweichungen werden Anomalie-Alerts ausgelöst. Das Alerting auf Freshness ermöglicht es, mehr Data-Engineering-Workloads direkt in Snowflake auszuführen, statt einen Drittanbieter-Orchestrator einzusetzen. Das Feature befindet sich in der Private Preview.
AI Model RBAC (Role-Based Access Control)
Organisationen können damit festlegen, welche KI-Modelle von welchen Rollen genutzt werden dürfen – für einen sicheren, kontrollierten Zugriff auf KI-Funktionen. Das ist entscheidend, denn manche Unternehmen wollen breiten Zugang zu KI gewähren, während andere die Nutzung teurerer Modelle einschränken möchten.
Security-Erweiterungen
Dazu zählen die Abschaffung reiner Passwort-Logins, die Einführung programmatischer Access Tokens, Passkeys, Authenticator-Apps, Dark-Web-Credential-Monitoring sowie IP-Blocking für mehr Sicherheit. Persönlich freue ich mich am meisten auf die Passkey-Authentifizierung, weil sie die Hürden bei MFA deutlich senkt. Passkeys lassen sich nahtlos in den Passwortmanager (oder das Schlüsselsystem des Betriebssystems) einbinden – ein Klick reicht zum Login.
Horizon Co-Pilot
Ein KI-Assistent im Horizon Catalog, mit dem sich Fragen zu ungeschützten Objekten oder fehlenden Tags stellen lassen – das vereinfacht Governance-Aufgaben. So können auch weniger technisch versierte Anwender Fragen zu ihren Datenassets stellen. Das Feature befindet sich in der Private Preview.
External Asset Management
Eine weitere große und spannende Ankündigung: Der Horizon Catalog kann jetzt auch Assets außerhalb von Snowflake erkennen, sichtbar machen und verwalten. Zum Start werden Power BI und Tableau, dbt, Airflow, SQL Server, Postgres, MySQL und Databricks unterstützt. Noch ist unklar, in welchem Umfang sich diese Assets erkennen und verwalten lassen und wie das in der UI funktioniert – wir sind sehr gespannt, mehr darüber zu erfahren.
Verbesserungen im Internal Marketplace
Zu den Neuerungen zählt die Möglichkeit, Datenprodukte (Notebooks, ML-Modelle, Datasets) zu kuratieren und zu veröffentlichen – mit neuen Approval-Flows für Anfragen, vereinfachtem Management und einer überarbeiteten Benutzeroberfläche. Endanwender können so deutlich einfacher Zugang zu Datasets anfragen. Aktuell in Public Preview.
Data Engineering und Ingestion
Snowflake hat mehrere neue Data-Engineering-Features angekündigt, darunter OpenFlow, Workspaces und dbt in Snowflake.
Snowflake OpenFlow
Snowflake OpenFlow ist ein neuer Managed Service, um Daten aus einer Vielzahl strukturierter und unstrukturierter Quellen – darunter SharePoint, Slack, Google Drive und die gängigsten RDBMS – einzubinden und zu verarbeiten. Er basiert auf Apache NiFi und unterstützt das Deployment in Snowflake-verwalteten Ressourcen oder in kundeneigenen VPCs.
Snowflake erschließt sich schrittweise den Connector-Markt, und diese Ankündigung zeigt, dass das Unternehmen ein zentraler Player im Bereich Datenaufnahme werden will. Ist der Managed Service tatsächlich nahtlos, ist das ein großer Gewinn für Kunden – ein Vendor weniger im Stack. Allerdings setzt das aktuell noch voraus, dass Sie Infrastruktur in AWS aufsetzen – für Kunden, die etwas vollständig Managed suchen, vermutlich ein Ausschlusskriterium.
Oracle-Partnerschaft (Xstream API Integration)
Die Xstream API Integration ermöglicht nahtloses Change Data Capture (CDC) nahezu in Echtzeit aus Oracle-Datenbanken nach Snowflake. Für Kunden mit Oracle-basierten ERP-Systemen (Fusion Cloud, JDE, NetSuite usw.), die Echtzeit-Analytics in Snowflake umsetzen wollen, ist das ein großer Schritt.
Snowpipe Streaming, neu überarbeitet
Die neue Version von Snowpipe Streaming bietet verbesserten SDK-Zugriff, stateless Transformationen, Pre-Clustering beim Ingest, hohen Durchsatz (bis zu 10 GB/s) und macht Daten innerhalb von 5–10 Sekunden abfragbar. Das neue SDK ist weiterhin nur in Java verfügbar, was die Zielgruppe im Vergleich zu Python einschränkt. Wir würden uns sehr über ein Python-SDK für Snowpipe Streaming freuen (natürlich in Rust geschrieben)!
Workspaces in Snowsight
Eine moderne Entwicklungsumgebung innerhalb von Snowsight für Editing und Data Curation – mit Unterstützung für Worksheets, Streamlit, Notebooks, dateibasierte Operationen, Ordner und Source-Code-Control-Integration. Workspaces sind in Public Preview.
Persönlich gehört das zu meinen Lieblingsankündigungen von Snowflake in diesem Jahr, weil es den Data-Engineering-Prozess vereinfacht. Wir haben jetzt einen zentralen Ort, um End-to-End-Datenpipelines zu schreiben, zu versionieren und zu planen. Vor Workspaces war die Git-Integration mit Snowflake umständlich. Jetzt lassen sich Dateien direkt im File Tree durchsuchen und bearbeiten, Änderungen vornehmen, Diffs anzeigen, committen und pushen – alles, ohne Snowsight zu verlassen. Ich kann es kaum erwarten, mit diesem neuen Tool zu arbeiten!
dbt Projects in Snowflake
(Public Preview) Eine Authoring-Umgebung, mit der sich dbt-Pipelines direkt in Snowflake erstellen, testen und deployen lassen – inklusive Observability-Features und Partnerschaft mit dbt Labs zur Einführung der dbt Fusion Engine.
Support für selbst gehostete Git-Provider
Snowflake unterstützt jetzt selbst gehostete Git-Integrationen, darunter GitLab, GitHub Enterprise, Bitbucket, Azure DevOps und AWS CodeCommit. Damit lassen sich private Git-Repositories mit Snowflake verbinden – für Versionskontrolle, CI/CD und Entwicklung direkt in der Plattform. Anwender können Repos klonen, Updates abrufen und Code in SQL, Prozeduren oder Apps referenzieren – bei voller Governance. Dieses Update bringt sichere und flexible DevOps-Workflows direkt in die Snowflake-Umgebung.
Migration Assistant
Der Migration Assistant ist ein KI-gestützter Datenmigrationsdienst, der Nutzer auf Basis des Outputs von Snow Convert durch den Migrationsprozess führt und so komplexe Übergänge vereinfacht.
PostgreSQL in Snowflake
Mit der Übernahme von Crunchy Data, einer gehärteten PostgreSQL-Plattform, reagiert Snowflake auf Kundenwünsche nach einem transaktionalen Datenspeicher. Postgres ist die bevorzugte Plattform für KI-Agenten – Postgres in Snowflake macht die KI-getriebene App-Entwicklung daher deutlich komfortabler.
Snowflake Postgres wird einen Managed PostgreSQL-Service bieten – mit Enterprise-Funktionen wie Customer-Managed Keys und Integration in den Security-Perimeter von Snowflake. Damit wird das Angebot um einen vollwertigen transaktionalen Datenspeicher ergänzt.
KI, Agenten und ML
SnowConvert AI
Nutzt KI, um Datenbankmigrationen zu vereinfachen – inklusive automatisiertem Testen und Validieren des migrierten Codes. SnowConvert AI ist eine eigenständige Software, die Sie jetzt hier herunterladen können. Im Mittelpunkt steht offenbar die Dialektkonvertierung, die mithilfe eines Abstract Syntax Tree (AST) und einer Symbol Table ein semantisches Modell des Quellcodes erstellt, um die Konvertierung nach Snowflake SQL zu unterstützen.
Notebooks und Distributed ML APIs
Snowflake Notebooks und die Container Runtime sind jetzt allgemein verfügbar – ebenso wie Distributed ML APIs, die Modell-Laufzeiten und -Ausführung beschleunigen.
Cortex AI SQL
Erweitert Cortex Functions um eine Sammlung von Funktionen für Entity Extraction, Aggregation und Filterung über multimodale Daten (Text, Bild, Audio) – direkt in SQL. Snowflake bezeichnet das als größtes SQL-Update seit "group by all", und wir stimmen zu!
- Konkret handelt es sich um: ai_filter, ai_agg, as_summarize_agg, ai_classify, ai_transcribe, ai_embed, ai_similarity
AI Join ermöglicht es, Tabellen auf Basis von Natural-Language-Prompts (Semantic Join) zu verknüpfen – mit Query-Engine-Optimierungen für schnellere und günstigere Ausführung. Zum Beispiel das Matching von Lebensläufen und Stellenbeschreibungen, basierend auf einer KI-Bewertung der Eignung.
Erwähnenswert ist, dass Snowflake die Speicherung unstrukturierter Daten stark vorantreibt – und diese Daten lassen sich per KI abfragen. Ein Anwendungsfall: eine KI eine Spalte mit .wav-Dateien oder PDFs auswerten zu lassen und nach den häufigsten Kundenbeschwerden in den Aufnahmen oder PDF-Dokumenten zu fragen.
AI Complete Function
Nutzt Large Language Models, um Bilder zu interpretieren, Audio zu transkribieren und Insights zusammenzufassen – und ermöglicht es so, Text, Bild und Audio in einer einzigen Tabelle abzulegen. Das ist ein weiterer Vorstoß in den Bereich unstrukturierter Daten und eröffnet völlig neue Möglichkeiten für Analytics.
AI Aggregate Function
Umgeht Beschränkungen des Context Window bei großen Datensätzen durch mehrstufiges Map-Reduce und liefert zusammengefasste Insights über viele Datenzeilen hinweg.
Semantic Views
Ein neuer View-Typ, der Business-Kontext rund um Daten – etwa Kennzahlen, Dimensionen und Definitionen – sowohl für KI- als auch BI-Anwendungsfälle erfasst und bereitstellt.
Semantic SQL
Eine reichhaltigere Abfragesprache, speziell für die Abfrage von Semantic Views entwickelt – für bessere Performance und genauere Antworten.
Cortex Knowledge Extensions
Diese Extensions ermöglichen es Unternehmen, unstrukturierte Daten aus externen Quellen wie Nachrichtenartikeln, Forschungsarbeiten und Fachjournalen in ihre KI-Anwendungen einzubinden – und stellen dabei durch Isolation und klare Attribution sicher, dass Urheberrechte gewahrt bleiben. Die Extensions sind über den Marketplace verfügbar.
Cortex Agents
Cortex Agents, jetzt allgemein verfügbar, ermöglichen es, strukturierte und unstrukturierte Daten in Snowflake per natürlicher Sprache abzufragen. Sie orchestrieren komplexe Workflows, liefern Reasoning und interagieren mit verschiedenen Backends und Datensätzen. Teile einer Anfrage werden automatisch an die passenden Tools wie Cortex Analyst oder Cortex Search weitergeleitet, und die Antworten werden kontextbasiert verfeinert. Agents können auch andere Tools oder Agents aufrufen, um agentenbasierte Anwendungen zu unterstützen. Die eingebaute Governance sorgt für sicheren, regelkonformen Zugriff und bringt vertrauenswürdige, konversationelle KI in Unternehmensdaten – ohne Kontrollverlust.
Microsoft-Teams-Integration
Diese Integration bringt Cortex Agents direkt nach Microsoft Teams – und damit die Kraft der Daten dorthin, wo Business-Anwender typischerweise arbeiten.
Agentic Products auf dem Marketplace
Der Snowflake Marketplace unterstützt jetzt agentenbasierte Produkte und Anwendungen von Partnern und erweitert damit das Ökosystem KI-gestützter Lösungen.
Snowflake Intelligence
Snowflake Intelligence ist ein neuer Agent, der Business-Anwendern den Zugang zu Insights per natürlicher Sprache eröffnet – ganz ohne SQL- oder Programmierkenntnisse. Fragen zu den Daten lassen sich in einfachem Englisch stellen; der Agent zerlegt die Anfrage intelligent, leitet sie durch die passenden Tools und liefert Antworten transparent und präzise. Er arbeitet mit strukturierten Daten und Dokumenten, die bereits in Snowflake liegen, und unterstützt Folgefragen für tiefere Analysen. Das ist wichtig, weil es Business-Teams in die Lage versetzt, schneller datenbasierte Entscheidungen zu treffen – ohne auf technische Teams angewiesen zu sein – und das bei Governance und Sicherheit auf Enterprise-Niveau. Snowflake Intelligence geht bald in die Public Preview. Ihren Zugriff können Sie unter ai.snowflake.com prüfen – das wird die neue UI für nicht-technische Business-Anwender.
Data Science Agent
Der Data Science Agent gehört zum Snowflake-Intelligence-Umfeld, ist aber auf Data Scientists statt auf nicht-technische Business-Anwender zugeschnitten. Er wurde entwickelt, um Machine-Learning-Workflows innerhalb von Snowflake zu vereinfachen und zu skalieren. Per Natural-Language-Prompt lassen sich ML-Modelle direkt auf Snowflake-Daten generieren, evaluieren und deployen – ohne externe Tools oder komplexe Pipelines. Der Agent kann relevante Features vorschlagen, Modelltypen empfehlen und sogar Training und Tuning automatisieren, was den Entwicklungsprozess beschleunigt. Das senkt die Einstiegshürde für Advanced Analytics, beschleunigt das Experimentieren und hält Modellierung und Data Governance vollständig innerhalb der Snowflake-Plattform.
In-line Co-Pilot
Ein inline arbeitender KI-Assistent, der sich per Hotkey (Command+i bzw. Control+i) innerhalb der Snowflake-Umgebung aktivieren lässt und sofort kontextbezogene Unterstützung liefert.
Fazit
Mit diesen Neuerungen legt Snowflake das Fundament für eine Zukunft, in der Datenplattformen nicht nur skalierbar sind, sondern intelligent, effizient und eng mit den Geschäftsergebnissen verzahnt. Kunden profitieren von geringeren Kosten, besserer Transparenz, stärkerer Governance und KI-gestützten Tools, die sie dort abholen, wo sie arbeiten. Eines ist klar: Snowflake reagiert nicht nur auf Kundenbedürfnisse – das Unternehmen antizipiert sie. Die nächste Ära von Daten und KI ist da, und sie wird schnell, sicher und tiefgreifend transformativ. Wir bei SELECT sind gespannt, wie Sie diese neuen Features einsetzen!
Jeff ist Data- und Analytics-Consultant mit über 15 Jahren Erfahrung darin, Insights zu automatisieren und Geschäftsprozesse mit Daten zu steuern. Technologisch ist er auf Snowflake + dbt + Tableau spezialisiert. Geschäftlich bringt er Erfahrung aus Public Utility, Clinical Trials, Publishing, CPG und Manufacturing mit. Sie erreichen ihn jederzeit unter [email protected].