Snowflake AI im Praxiseinsatz: Strategische Einblicke von World Tour und SPN Connect 2025

Die Datenlandschaft verändert sich rasant. Was früher ein Wettlauf um die Zentralisierung von Daten in Cloud-Warehouses war, ist heute ein Wettbewerb um Intelligenz, Automatisierung und Entscheidungen in Echtzeit.

Bei zwei aktuellen Snowflake-Veranstaltungen – dem SPN Connect Day (Berlin, 30. September) und der Snowflake World Tour (Berlin, 1. Oktober) – war eine Botschaft besonders deutlich: Snowflake versteht sich nicht länger nur als Data Warehouse, sondern als integrierte Plattform für KI und Datenanalyse.

Für Unternehmen in regulierten Branchen wie Gesundheitswesen, Life Sciences, Medien und Logistik markiert dieser Wandel einen zentralen Schritt hin zu zukunftsfähigen, datengetriebenen Systemlandschaften. Er eröffnet neue Möglichkeiten, erfordert aber auch eine kritische Betrachtung von Reifegrad und Governance. Mit neuen Funktionen wie Snowflake Intelligence, AISQL (KI-unterstütztes SQL)  und Cortex stellt sich nicht mehr die Frage nach dem Hype, sondern nach dem tatsächlichen Mehrwert: Wie lassen sich diese Technologien heute verantwortungsvoll und messbar nutzen?

In dieser Zusammenfassung stellen wir zentrale Ankündigungen, konkrete Anwendungsfälle und strategische Erkenntnisse beider Veranstaltungen vor – mit einem klaren Fokus auf das, was für Unternehmen, Datenteams und Entscheidungsträger wirklich zählt.

Snowflake war ursprünglich als „Data Sharehouse“ positioniert und wurde bekannt für seine skalierbare, cloudbasierte Architektur mit leistungsstarker Datenfreigabe.

Im Jahr 2025 verfolgt Snowflake jedoch eine neue Ausrichtung: eine einheitliche KI- und Datenplattform, die folgende Komponenten integriert:

Beim SPN Connect Day betonte Snowflake insbesondere drei strategische Säulen für den deutschen Markt:

Funktion	Beschreibung	Reale Wirkung
Abfragen in natürlicher Sprache	Nutzer stellen Fragen auf Englisch (z. B. „Wie entwickeln sich die Q3-Verkäufe von Produkt X?“), ohne SQL.	Demokratisierung von Datenzugriff – Fachbereiche erhalten eigenständig Einblick in ihre Daten.
Kontextbewusste Analyse	Ergebnisse basieren auf zugänglichen Datenquellen unter Berücksichtigung von Metriken und semantischen Metadaten.	Wegfall manueller Datenrecherche – Analysten müssen nicht mehr nach den passenden Quellen suchen.
Vertrauenswürdige Ergebnisse	Zeigt, ob der verwendete Code von Data Engineers verifiziert wurde – Ergebnisse sind deterministisch und nachvollziehbar.	Vertrauenswürdiges System – unsichere oder fehlerhafte LLM-Ausgaben werden gezielt vermieden.
Strukturierte und unstrukturierte Daten	Verarbeitet Tabellen, Dokumente, Audio u. a. in einer einzigen Abfrage.	Aufhebung von Datensilos – keine Trennung mehr zwischen Datenbank und Dokumentenablage.
Governance & Security	Nutzt Snowflakes rollenbasierte Zugriffskontrolle (RBAC), sodass nur freigegebene Daten sichtbar sind.	Compliance-fähige KI – entscheidend für regulierte Branchen wie die Pharmaindustrie.

Branchenfokus: Wo Snowflakes KI konkrete Wirkung entfaltet

Snowflakes KI-Funktionen zeigen ihr Potenzial besonders dort, wo Datenqualität, Nachvollziehbarkeit und regulatorische Anforderungen eine zentrale Rolle spielen. Ein Blick in regulierte Branchen verdeutlicht, wie sich Technologie verantwortungsvoll und wirkungsvoll einsetzen lässt.

Gesundheitswesen und Life Sciences: Von Compliance zur Wirkstoffentwicklung

Warum das Thema 2025 besonders relevant ist:

• Eine der am schnellsten wachsenden Branchen – neben Medien und Entertainment
• Strenge regulatorische Vorgaben (z. B. GxP, HIPAA, DSGVO) erfordern nachvollziehbare und sichere Datenflüsse
• KI-gestützte Arzneimittelentwicklung und personalisierte Medizin benötigen skalierbare, einheitliche Datenplattformen

Praxisbeispiele von der Snowflake World Tour

1. GxP-konforme Datenpipeline bei Merck (in Zusammenarbeit mit Infomotion)
   • Herausforderung: In Forschung und Entwicklung fallen große Mengen strukturierter (z. B. klinische Studien) und unstrukturierter Daten (z. B. Fachveröffentlichungen, regulatorische Einreichungen) an. Diese skalierbar zu integrieren und gleichzeitig GxP-konform für KI-Anwendungen bereitzustellen, ist komplex.
   • Lösungsansatz:
     • Direkte Datenfreigabe über den Snowflake Marketplace zur Vermeidung von ETL-Engpässen
     • Vier klar getrennte Snowflake-Umgebungen (Entwicklung, Test, Validierung, Produktion) ermöglichen reproduzierbare Validierung
     • Nutzung von Snowflakes Skalierbarkeit, Governance-Funktionalitäten und Self-Service-Möglichkeiten
   • Ergebnis: Schnellere regulatorische Einreichungen und reduzierte Aufwände bei der Validierung
2. KI-gestützte Datenharmonisierung bei Boehringer Ingelheim (Cortex im Einsatz)
   • Herausforderung: Globale Pharmaunternehmen arbeiten mit mehrsprachigen Dokumenten, uneinheitlicher Terminologie und sensiblen personenbezogenen Informationen (PII). Diese Herausforderungen behindern konsistente Datenanalyse und Automatisierung.
   • Lösungsansatz:
     • Einsatz von Cortex-LLMs zur Standardisierung von Begriffen – z. B. durch Übersetzung in eine einheitliche Ontologie
     • KI-gestützte Entfernung sensibler Daten (PII) bei gleichzeitiger inhaltlicher Zusammenfassung von Dokumenten
     • Kosteneffizienz durch gezielten LLM-Einsatz ausschließlich zur Erstellung von Stammdaten, nicht für Massenverarbeitung
   • Ergebnis: Globale Harmonisierung und Standardisierung von Daten als Grundlage für fortgeschrittene Analytik

Medien & Entertainment: Von Analyse zu KI-generierten Inhalten

Warum das Thema relevant ist:

• Streaming, Gaming und Ad-Tech erzeugen große Mengen unstrukturierter Daten – etwa Videometadaten oder Nutzerinteraktionen
• Personalisierung in großem Maßstab erfordert die Kombination aus Echtzeitanalyse und KI

Praxisbeispiel: Datenzugang bei REWE International (jö Bonus Club)

• Herausforderung: Die Auswahl passender und leistungsstarker Zielgruppen für CRM-Maßnahmen erfordert häufig eine manuelle, zeitintensive Abstimmung zwischen verschiedenen Teams.
• Lösungsansatz:
• Einsatz von Snowpark und Streamlit zur Entwicklung einer No-Code-CRM-Anwendung
• dbt sorgt für nachvollziehbare Datenflüsse und Governance durch standardisierte Datenprodukte
• Echtzeit-Feedback: Parameter können angepasst und sofort neu berechnet werden
• Ergebnis: Vereinfachter Arbeitsablauf, kürzere Durchlaufzeiten, gesicherte Datenqualität und skalierbare Self-Service-Funktionen für Fachbereiche

Wichtige Erkenntnis für HMS und seine Partner

• Die Verbreitung von dbtLabs – einem unserer strategischen Partner – nimmt spürbar zu. Viele Kunden setzen bei Transformationsprojekten auf dessen Governance-Stärke und die einfache Umsetzbarkeit.
• Weitere Lösungen wie Coalesce oder Datavault Builder etablieren sich zunehmend als Low-Code-Alternativen für Datenplattformen im Pharmaumfeld.
• Das Hosting von Anwendungen direkt auf Snowflake – etwa mit Streamlit – verbessert die Zusammenarbeit über Fachbereiche hinweg und unterstützt Self-Service-Nutzung gezielt.

Partnerökosystem: Wer profitiert 2025 besonders von Snowflake?

Die „Partner-First“-Strategie war ein zentrales Thema auf beiden Veranstaltungen. In diesem Kontext führten wir zahlreiche Gespräche mit unseren Partnern sowie weiteren Technologiepartnern von Snowflake. Einige besonders hervorzuhebende Beispiele: