Komplexe Abfragen in natürlicher Sprache für Unternehmensdatenressourcen ausführen. Dazu wird ein Erkennungsagent verwendet, der Knowledge Catalog API-Aufrufe ausführt (Python).

KI-gestützte Übersichten für Ihre Datenressourcen im großen Maßstab generieren. Dazu wird ein Anreicherungsagent verwendet, der Knowledge Catalog API-Aufrufe ausführt (Python).

Cloudübergreifende Analyse-Workflows für verteilte Datenspeicher mit KI-Agenten und Knowledge Catalog als Kontextdiagramm entwerfen

Strukturierte, schemabasierte Metadaten (Aspekte) und Geschäftsdefinitionen (Glossare) über die Google Cloud Console an Ihre Datenressourcen (Einträge) anhängen

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

Metadaten automatisch aus Google-Diensten wie BigQuery aufnehmen

Metadaten aus benutzerdefinierten Datenquellen mit offenen APIs indexieren

Mithilfe der Datenprofilerstellung Spaltenstatistiken und Anomalien in einer BigQuery-Tabelle erkennen und dann einen automatisierten Datenqualitätsscan konfigurieren und ausführen

Mit der Antigravity CLI Abfragen in natürlicher Sprache verwenden, um Daten zu profilieren und Qualitätsregeln zu generieren. Anschließend Datenqualitätsregeln als automatisierte Scans bereitstellen

Mit Abfragen in natürlicher Sprache an die Antigravity CLI prüfen, ob Knowledge Catalog zwischen Quelldaten und temporären Ableitungen unterscheiden kann

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

Den Fluss sensibler Daten zu dem Prozess zurückverfolgen, der sie von einem vertrauenswürdigen an einen nicht vertrauenswürdigen Speicherort verschiebt

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

Vorkontext für Datenressourcen mit einer einzigen API-Anfrage abrufen, der für LLMs geeignet ist