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

Generieren Sie KI-gestützte Übersichten für Ihre Datenassets im großen Maßstab. Verwenden Sie dazu einen Anreicherungsagenten, der Knowledge Catalog API-Aufrufe ausführt (Python).

Entwerfen Sie cloudübergreifende Analyse-Workflows für verteilte Datenspeicher. Verwenden Sie dazu KI-Agenten und Knowledge Catalog als Kontextdiagramm.

Hängen Sie strukturierte, schemabasierte Metadaten (Aspekte) und Geschäftsdefinitionen (Glossare) mithilfe der Google Cloud Console an Ihre Datenassets (Einträge) an.

Erstellen Sie Apache Iceberg-Tabellen, erzwingen Sie zentralisierte Datenrichtlinien für die Sicherheit auf Spaltenebene, definieren Sie Sicherheitsrichtlinien und visualisieren Sie die automatisierte Data Lineage.

Metadaten automatisch aus Google-Diensten wie BigQuery aufnehmen

Metadaten aus benutzerdefinierten Datenquellen mit offenen APIs indexieren

Verwenden Sie die Antigravity CLI, um mit Abfragen in natürlicher Sprache Daten zu profilieren und Qualitätsregeln zu generieren. Stellen Sie dann Datenqualitätsregeln als automatisierte Scans bereit.

Prüfen Sie, ob Knowledge Catalog zwischen Quelldaten und temporären Ableitungen unterscheiden kann. Verwenden Sie dazu Abfragen in natürlicher Sprache für die Antigravity CLI.

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

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

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

Rufen Sie mit einer einzigen API-Anfrage vorformatierte, LLM-fähige Kontexte für Datenassets ab.