Snowflake erweitert Intelligence und Cortex Code für autonome KI-Agenten
Snowflake hat am 21. April 2026 umfassende Updates für Snowflake Intelligence und Cortex Code angekündigt und positioniert seine Plattform als zentrale Steuerungsebene für KI-Agenten. Der Softwareanbieter führte Konnektoren für Tools wie Salesforce und Slack sowie plattformübergreifende Entwicklerwerkzeuge ein. Damit können Fachanwender Routineaufgaben automatisieren, während Entwickler KI-Workflows direkt erstellen können, ohne die Umgebung zu wechseln oder Pipeline-Setups manuell zu schreiben.
Wie Snowflake eine Steuerungsebene für KI-Agenten aufbaut
Snowflake hat am 21. April 2026 in Menlo Park, Kalifornien, Updates für Snowflake Intelligence und Cortex Code vorgestellt, um eine zentrale Steuerungsebene für Unternehmens-KI zu etablieren. Baris Gultekin, VP of AI bei Snowflake, erklärte, dass Organisationen mit den Neuerungen Datenquellen, Unternehmenssysteme und Modelle innerhalb einer kontrollierten Umgebung verbinden können. Derzeit nutzen wöchentlich über 9.100 Kunden die KI-Produkte von Snowflake. Die Plattform führt Daten und Arbeitsabläufe zusammen, sodass KI-Agenten mehrstufige Aufgaben sicher ausführen können.
Welche Funktionen den KI-Arbeitsagenten von Snowflake antreiben
Snowflake Intelligence fungiert als personalisierter Arbeitsagent, der sich durch das Erlernen individueller Nutzerpräferenzen im Laufe der Zeit anpasst. Der Dienst ergänzt in Kürze allgemein verfügbare „Skills“, mit denen Anwender Aufgaben wie die Erstellung von Präsentationen, mehrstufige Analysen oder das Versenden von Follow-up-Nachrichten in natürlicher Sprache beschreiben können. Eine iOS-App startet demnächst in der Public Preview, um mobilen Datenzugriff zu ermöglichen. Zudem führt die Plattform vertiefte Recherchen („Deep Research“) als Vorschauversion ein, um vollständig zitierte, mehrstufige Berichte über strukturierte und unstrukturierte Daten hinweg zu erstellen – basierend auf dem Feedback zur Vorschau von Project SnowWork aus dem Vormonat. Über Artefakte lassen sich diese Analysen speichern und teilen.
Wie Werkzeuge über Snowflake Cortex Agents verbunden werden
Neue Anbindungen an Unternehmenswerkzeuge erweitern die Interaktion von Snowflake Cortex Agents und Snowflake Intelligence mit bestehenden Software-Systemen. Neue Konnektoren auf Basis des Model Context Protocol, die demnächst allgemein verfügbar sind, verbinden Snowflake Intelligence direkt mit Tools wie Gmail, Google Calendar, Google Docs, Jira, Salesforce und Slack. Nutzer können Unternehmensdaten analysieren und Aktionen auf diesen Drittanbieter-Plattformen direkt aus Snowflake heraus ausführen.
Erweiterung der Entwickler-Ebene durch Snowflake Cortex Code
Zentrale Funktionen von Snowflake Cortex Code erweitern die Entwicklerunterstützung in plattformübergreifenden Datenumgebungen. Mehr als 50 % der Snowflake-Kunden nutzen Cortex Code seit der Veröffentlichung im November 2025 aktiv. Das Tool unterstützt nun externe Systeme wie AWS Glue, Databricks und Postgres und verbindet sich über das Model Context Protocol sowie das Agent Client Protocol mit externen KI-Workflows. Entwickler können über eine neue VS-Code-Erweiterung in der Private Preview, ein Claude-Code-Plugin oder ein neues Agent Software Development Kit für Python und TypeScript auf Cortex Code zugreifen. In Snowsight bieten Cloud Agents in der Private Preview einen Plan-Modus für Workflow-Vorschauen sowie „Snap & Ask“ für direkte Interaktionen mit Diagrammen.
Was sich für Unternehmensabläufe ändert
Für Unternehmensabläufe verwandeln die Updates manuelle Datenprozesse fachbereichsübergreifend in automatisierte Aufgaben per Spracheingabe. Unternehmen wie Capita, Logitech, Telenav, United Rentals, Wolfspeed und Accenture nutzen die Plattform zum Einsatz von KI-Funktionen. Accenture zählt tausende aktive Anwender auf der Plattform, die fast zwei Dutzend Skills für SQL-Entwicklung, Notebooks und semantische Modellierung nutzen. Durch die Vereinheitlichung von Daten, Tools und Sicherheitsvorgaben sparen Unternehmen Entwicklungszeit, vermeiden manuelle Workflow-Einrichtungen und führen Operationen direkt in bestehenden Anwendungen aus.
Wie Unternehmen eine agentische KI-Infrastruktur aufbauen
Der Betrieb eines unternehmensweiten KI-Agentennetzwerks erfordert die Vereinheitlichung von Datenzugriff und Governance über unterschiedliche Softwaresysteme hinweg. Snowflake zentralisiert Governance, Modell-Orchestrierung und Sicherheit, sodass Unternehmen von isolierten KI-Experimenten zu produktiven Systemen übergehen können. Durch die Kombination von KI-Logik für Fachanwender mit programmierten Tools für Entwickler behalten Unternehmen die volle Datenkontrolle, während sie systemübergreifende Aufgaben automatisieren.
Fragen und Antworten
Wie dient Snowflake als Steuerungsebene für autonome KI?
Snowflake fungiert als Steuerungsebene, indem es die Steuerung, Anbindung und Orchestrierung von Unternehmensdaten, KI-Modellen und Anwendungen zentralisiert. Über Snowflake Intelligence und Cortex Code können Fachanwender und Entwickler KI-Agenten innerhalb gesicherter Grenzen ausführen und gleichzeitig externe Datenspeicher und Software-Tools einbinden.
Was ist der Unterschied zwischen Snowflake Intelligence und Cortex Code?
Snowflake Intelligence richtet sich an Fachanwender als kontextbezogener Arbeitsagent, der Aufgaben automatisiert, Berichte erstellt und Workflows über natürliche Sprache ausführt. Cortex Code wurde für Entwickler und technische Teams entwickelt und bietet KI-gestützte Programmierung, plattformübergreifende Datenintegration sowie Entwicklerwerkzeuge in Umgebungen wie VS Code und Snowsight.
Wie integrieren sich Snowflake Cortex Agents in Unternehmens-Tools wie Salesforce und Slack?
Snowflake verbindet sich über Konnektoren des Model Context Protocol mit Unternehmenswerkzeugen. Diese Integrationen ermöglichen es Snowflake Intelligence und KI-Agenten, auf Daten zuzugreifen und mehrstufige Workflows direkt in Drittanbieter-Tools wie Gmail, Google Calendar, Google Docs, Jira, Salesforce und Slack auszuführen.
Die Sicht von MOZGII
Wie wir es bauen würden
Um eine einheitliche Steuerungsebene für systemübergreifende KI-Agenten aufzubauen, würden wir jede Aktion in strengen Schemadefinitionen und expliziten rollenbasierten Zugriffsprotokollen verankern. Die Architektur würde Benutzeranfragen über eine isolierte Orchestrierungsschicht leiten, die natürliche Sprache in strukturierte API-Aufrufe für Systeme wie Salesforce, Slack oder Postgres übersetzt. Menschliche Bediener würden jede automatisierte Aktion überprüfen, die Kern-Datenbanksätze ändert oder externe Nachrichten sendet, um unbeabsichtigte Nebeneffekte zu verhindern.
Dieses Setup scheitert, wenn externe APIs ihre Authentifizierungsregeln aktualisieren oder wenn Software von Drittanbietern ihr Schema ändert, was dazu führt, dass Agenten ungültige Befehle ausführen. Unstrukturierte Datenfeeds wie Dokumentspeicher bergen zudem das Risiko, widersprüchliche Kontexte in mehrstufige Berichte einzubringen. Wir würden das System überwachen, indem wir die End-to-End-Ausführungserfolgsquote plattformübergreifender Aufgabenabschlüsse als primäre Kennzahl nutzen.
Als Nächstes würden wir einen automatisierten Rollback-Dienst für mehrstufige Agentenaktionen über Drittanbieter-Tools hinweg aufbauen. Wenn ein Agent mitten in der Sequenz bei der Aktualisierung eines CRM-Datensatzes oder dem Senden einer Nachricht fehlschlägt, würde das System vorherige Schritte rückgängig machen, um externe Unternehmensanwendungen in einem konsistenten Zustand zu halten.
Quellen
Woher die Fakten dieser Meldung stammen.