Führen Sie komplexe Abfragen in natürlicher Sprache für Unternehmensdaten aus. Verwenden Sie dazu einen Discovery-Agent, der Knowledge Catalog API-Aufrufe ausführt (Python).

KI-basierte Übersichten für Ihre Daten-Assets im großen Maßstab generieren – mit einem Enrichment-Agenten, der Knowledge Catalog API-Aufrufe ausführt (Python).

Cloud-übergreifende Analyse-Workflows für verteilte Datenspeicher mit KI-Agents und Knowledge Catalog als Kontextdiagramm entwerfen

Sie können Ihren Daten-Assets (Einträgen) über die Google Cloud Console strukturierte, schemabasierte Metadaten (Aspekte) und Geschäftsdefinitionen (Glossare) zuweisen.

Apache Iceberg-Tabellen erstellen, zentralisierte Datenrichtlinien für Sicherheit auf Spaltenebene erzwingen, Sicherheitsrichtlinien definieren und automatische Datenherkunft visualisieren

Metadaten aus Google-Diensten wie BigQuery automatisch erfassen

Metadaten aus benutzerdefinierten Datenquellen mithilfe offener APIs indexieren.

Mit der Gemini CLI können Sie Daten mit Anfragen in natürlicher Sprache profilieren und Qualitätsregeln generieren. Anschließend können Sie Datenqualitätsregeln als automatisierte Scans bereitstellen.

Prüfen Sie, ob Knowledge Catalog zwischen Quelldaten und temporären Ableitungen unterscheiden kann, indem Sie Abfragen in natürlicher Sprache an die Gemini CLI senden.

Ermitteln, wie sich Datentransformationen auf nachgelagerte Ressourcen, Datenintegrität und Workflows auswirken.

Verfolgen Sie den Fluss vertraulicher Daten zurück zu dem Prozess, der sie von einem vertrauenswürdigen an einen nicht vertrauenswürdigen Ort verschiebt.

Speicherkosten senken, indem Sie Assets identifizieren, die nicht aktiv als Quellen für andere Prozesse verwendet werden.

Mit einer einzigen API-Anfrage können Sie vorformatierten, LLM-kompatiblen Kontext für Daten-Assets abrufen.