Diese Versionshinweise beziehen sich auf Updates der Conversational Analytics API.
16. April 2026
Aktualisierungen der Conversational Analytics API:
Mit der konversationellen Analyse-API können jetzt Lakehouse-Tabellen abgefragt werden, die mit dem Apache Iceberg REST-Katalog verbunden oder mit einem externen Katalog zusammengeführt sind. Wenn Sie Lakehouse-Tabellen verwenden, nutzen Sie die vierteilige project.catalog.namespace.table-Syntax (P.C.N.T).
Weitere Informationen
30. März 2026
Aktualisierungen der Conversational Analytics API:
Die Conversational Analytics API unterstützt jetzt AlloyDB for PostgreSQL, Cloud SQL for MySQL, Cloud SQL for PostgreSQL und Spanner als Datenquellen. Mit dieser Funktion können Nutzer ihre Betriebsdaten in natürlicher Sprache abfragen. Komplexe menschliche Dialoge werden in präzise Datenbankabfragen übersetzt, um umsetzbare Statistiken zu liefern. Dieses Feature befindet sich im Vorschaumodus. Hier finden Sie weitere Informationen:
Die konversationelle Analyse API für BigQuery-Datenquellen wurde um die folgenden Funktionen und Verbesserungen erweitert:
- Die konversationelle Analyse-API ist jetzt über ObjectRef-Funktionen in Cloud Storage integriert. So kann die API Fragen zu unstrukturierten Daten in Cloud Storage-Buckets wie Bildern und PDFs beantworten, indem sie auf ObjectRef-Spalten in einer beliebigen Tabelle verweist.
- Die API unterstützt jetzt eine Reihe von BigQuery ML-Funktionen, darunter
AI.FORECAST,AI.DETECT_ANOMALIESundAI.GENERATE. Die API kann diese Funktionen verwenden, um ein breiteres Spektrum an Fragen zu beantworten, z. B. für Prognosen, Anomalieerkennung und Aufgaben im Bereich generativer KI. - Die konversationelle Analyse API kann jetzt die BigQuery-Tabellenpartitionierung verwenden. Die API kann SQL-Abfragen optimieren, indem sie partitionierte Spalten wie Datumsbereiche in einer nach Datum partitionierten Tabelle verwendet. Dadurch kann die Abfrageleistung verbessert und die Kosten gesenkt werden.
BigQuery-Jobs, die von der Conversational Analytics API initiiert werden, enthalten jetzt Labels, mit denen Sie sie in Ihrem BigQuery-Jobverlauf in der Google Cloud Konsole identifizieren können. Diese Labels können dabei helfen, Kosten zu überwachen, Agentenaktivitäten zu prüfen und die Abfrageleistung zu analysieren. Da diese Labels nicht direkt in der Jobverlaufstabelle von BigQuery Studio sichtbar sind, können Sie sie identifizieren, indem Sie
INFORMATION_SCHEMA.JOBSnach Labels abfragen, die{'ca-bq-job': 'true'}ähneln:SELECT COUNT(*) AS job_count FROM `PROJECT_ID`.`region-LOCATION`.INFORMATION_SCHEMA.JOBS WHERE EXISTS ( SELECT 1 FROM UNNEST(labels) AS label WHERE label.key = 'ca-bq-job' AND label.value = 'true' );
In der Beispielabfrage würden Sie die Beispielwerte so ersetzen:
PROJECT_ID: Projekt-ID in Google Cloud .LOCATION: Der Standort Ihrer BigQuery-Jobs.
Bei Daten-Agents, die Looker- oder BigQuery-Datenquellen verwenden, können Sie jetzt in Ihrer Chatanfrage einen thinkingMode-Wert von FAST angeben, um den Denkmodus „Schnell“ zu aktivieren. Schnelles Denken kann die Latenz verbessern, indem die gesamte Denkzeit verkürzt wird. In diesem Modus sind die Antworten jedoch weniger transparent, da im Antwortstream keine Nachrichten mit dem TextType-Wert THOUGHT ausgegeben werden. Außerdem kann die Verwendung dieses Modus die Genauigkeit der Antworten beeinträchtigen.
Bei Data-Agents, die Looker-Datenquellen verwenden, kann der Agent jetzt Folgefragen stellen, um Unklarheiten in einer Abfrage zu beseitigen, z. B. wenn es mehrere ähnlich benannte Felder gibt. Diese Fragen werden als TextMessage-Antwort mit dem Präfix Clarification needed: zurückgegeben. Weitere Informationen finden Sie unter Effektive Fragen stellen.
Bei Daten-Agents, die BigQuery-Datenquellen verwenden, kann der Agent jetzt Folgefragen stellen, um Unklarheiten in einer Abfrage zu beseitigen, z. B. wenn es mehrere Felder mit ähnlichen Namen gibt. Diese Fragen werden als TextMessage-Antwort zurückgegeben.
Für Daten-Agents, die Looker-Datenquellen verwenden, wurden mehrere Verbesserungen vorgenommen, um die Latenz zu verringern. Dazu gehören parallele Tool-Aufrufe und eine bessere Nutzung des Looker-Cache.
26. März 2026
Aktualisierungen der Conversational Analytics API:
Für die konversationelle Analyse API mit Looker-Datenquellen können Sie kundenverwaltete Verschlüsselungsschlüssel (Customer-Managed Encryption Keys, CMEK) verwenden, um DataAgent- und Conversation-Ressourcen im Ruhezustand zu schützen. CMEK in der Conversational Analytics API ist in der Vorschau verfügbar. Weitere Informationen finden Sie unter Vom Kunden verwaltete Verschlüsselungsschlüssel (CMEK).
11. Februar 2026
Aktualisierungen der Conversational Analytics API:
Chatanfragen mit BigQuery-Datenquellen bieten jetzt mehr Einblick in den Entscheidungsprozess des Agents. Obwohl das API-Schema unverändert ist, werden Sie im Antwortstream die folgenden neuen Verhaltensweisen beobachten:
- Der API-Antwortstream enthält jetzt zusätzliche
systemMessage.text-Nachrichten mittextType = THOUGHT. Diese Nachrichten bieten einen detaillierten Einblick in die Argumentation und den Entscheidungsprozess des Agenten. - Nach den
THOUGHT-Nachrichten gibt die API die Antwort als Folge von Nachrichten zurück, z. B. Nachrichten zu Abfrage, Job, Text, Datenergebnis und Diagramm. Weitere Informationen zu Nachrichtentypen finden Sie unterSystemMessage. - Schema-Nachrichten sind nicht mehr im Antwortstream für BigQuery-Datenquellen enthalten.
Es sind synchrone Methoden zur Agent-Verwaltung verfügbar. Mit diesen Methoden können Sie Daten-Agents synchron erstellen, aktualisieren und löschen. Das ist eine Alternative zu den vorhandenen asynchronen Methoden:
CreateDataAgentSyncUpdateDataAgentSyncDeleteDataAgentSync
Die Python-Analyseoption (options.analysis.python.enabled) wird für BigQuery-Datenquellen nicht mehr unterstützt.
6. Februar 2026
Aktualisierungen der Conversational Analytics API:
Für Datenagenten, die Looker-Datenquellen verwenden, können Sie jetzt wichtige Looker-Abfragen als strukturierten Kontext definieren.
26. Januar 2026
Aktualisierungen der Conversational Analytics API:
Die verbesserte Transparenz der Argumentation, die Schritt-für-Schritt-Einblicke in die Argumentation und den Entscheidungsprozess des Agents mit textType = THOUGHT-Nachrichten bietet, erfordert keine Zulassungsliste mehr und ist für alle Nutzer für Looker-Datenquellen verfügbar.
Für den detaillierten Datenabruf für Looker-Datenquellen, der Updates zu Suchanfragen nach Datenwerten mit textType = PROGRESS-Meldungen bietet, ist keine Zulassungsliste mehr erforderlich. Er ist für alle Nutzer verfügbar.
15. Dezember 2025
Aktualisierungen der Conversational Analytics API:
Der API-Antwortstream für Looker-Datenquellen enthält zusätzliche systemMessage.text-Nachrichten mit textType = THOUGHT. Diese Nachrichten bieten Schritt für Schritt Einblick in die Argumentation und den Entscheidungsprozess des Agenten, während er versucht, Ihre Anfrage zu beantworten. Wenn Sie Chatbeispiele ausführen möchten, in denen diese Argumentation demonstriert wird, sehen Sie sich die Colaboratory-Notebooks für HTTP und das Python SDK an. Eine Anleitung zum Rendern von THOUGHT-Meldungen mit Looker-Datenquellen finden Sie unter KI-Datenagent-Antworten für Looker-Datenquellen rendern. Dies ist eine frühe Ankündigung einer experimentellen Funktion, die auf Anfrage verfügbar ist. Wenn Sie Zugriff auf dieses Feature anfordern möchten, senden Sie eine E-Mail an conversational-analytics-api-feedback@google.com.
Hinweis:Seit dem 26. Januar 2026 ist für diese Funktion keine Zulassungsliste mehr erforderlich. Sie ist für alle Nutzer für Looker-Datenquellen verfügbar. Weitere Informationen finden Sie im Eintrag für den 26. Januar 2026.
Bei Looker-Datenquellen verwenden Agents detailliertere Methoden zum Abrufen von Explore-Schemas und Datenwerten. Wenn der Agent nach bestimmten Datenwerten sucht, enthält der API-Stream auch systemMessage.text-Nachrichten mit textType = PROGRESS, die Updates zum Suchstatus und zu den Ergebnissen liefern. Eine Anleitung zum Rendern von PROGRESS-Nachrichten finden Sie unter Agent-Antworten für Looker-Datenquellen rendern. Dies ist eine frühe Ankündigung einer experimentellen Funktion, die auf Anfrage verfügbar ist. Wenn Sie Zugriff auf dieses Feature anfordern möchten, senden Sie eine E-Mail an conversational-analytics-api-feedback@google.com.
Hinweis:Seit dem 26. Januar 2026 ist für diese Funktion keine Zulassungsliste mehr erforderlich. Sie ist für alle Nutzer für Looker-Datenquellen verfügbar. Weitere Informationen finden Sie im Eintrag für den 26. Januar 2026.
Die Integration der konversationellen Analyse-API mit VPC Service Controls befindet sich in der Vorabversion. Diese Integration ist für umfassendere Tests und eine allgemeine Verwendung ausgelegt, wird in Produktionsumgebungen jedoch nicht vollständig unterstützt. Weitere Informationen finden Sie in der Liste der unterstützten Produkte.
Ein Problem mit big_query_max_billed_bytes, das nicht richtig angewendet wurde, wurde behoben.
Es wurden Probleme mit der Verarbeitung von Looker-Datenquellen durch die API behoben, darunter die folgenden:
- Bessere Wertformatierung in Textantworten
- Bessere Filterung für genaue Übereinstimmungen
- Unterstützung von verbesserten Messwerten für den Vergleich von Zeiträumen
- Verbesserte
always_filter-Unterstützung
Aktualisierungen der Clientbibliothek:
Die folgenden Clientbibliotheken wurden hinzugefügt:
21. Oktober 2025
Aktualisierungen der Conversational Analytics API:
Die Unterstützung für die API-Methode deleteConversation wurde zu den REST APIs und dem SDK hinzugefügt.
25. September 2025
Aktualisierungen der Conversational Analytics API:
Eine neue API, ListAccessibleDataAgents, ist jetzt verfügbar, um Daten-KI-Agenten aufzulisten, auf die ein Nutzer in einem Projekt zugreifen kann. Ein Daten-KI-Agent gilt als verfügbar, wenn der Nutzer, der die API aufruft, die Berechtigung get für den Agent hat. Mit dem Feld creator_filter können Sie festlegen, welche KI-Agenten von dieser Methode zurückgegeben werden:
NONE(Standard): Gibt alle Daten-KI-Agenten zurück, auf die der Nutzer zugreifen kann, unabhängig vom Ersteller.CREATOR_ONLY: Gibt nur die Daten-KI-Agenten zurück, die vom Nutzer erstellt wurden.NOT_CREATOR_ONLY: Gibt nur die Daten-KI-Agenten zurück, die von anderen erstellt wurden.
Das Enum systemMessage.text.textType ist jetzt mit den Werten FINAL_RESPONSE und THOUGHT verfügbar. So können Clients zwischen verschiedenen Arten von Textnachrichten unterscheiden. Für die Conversational Analytics API werden jetzt systemMessage.text-Nachrichten mit textType = THOUGHT verwendet, um Denkschritte zu generieren.
Die API unterstützt jetzt bis zu fünf Looker-Explore-Datenquellen im Kontext. Bei Chatanfragen werden Abfragen für den relevantesten Explore generiert. Weitere Informationen finden Sie in der Dokumentation zum Herstellen einer Verbindung zu Looker-Daten mit HTTP und mit dem Python SDK.
Das Feld systemMessage.data.generatedLookerQuery ist jetzt systemMessage.data.query.looker.
25. August 2025
Die Conversational Analytics API ist jetzt in der öffentlichen Vorschau verfügbar.
Aktualisierungen der Clientbibliothek:
Die folgenden Clientbibliotheken sind jetzt für mehrere Sprachen verfügbar:
Aktualisierungen der Conversational Analytics API:
v1beta-Endpunkte werden jetzt für HTTP REST unterstützt.
Die Unterstützung für die API-Methoden GetLocation und ListLocations wurde den REST APIs und dem SDK hinzugefügt.
Sie können jetzt KI-Datenagenten mit den API-Methoden GetIamPolicy und SetIamPolicy freigeben.
Sie können jetzt KI-Datenagenten aus Looker-Datenquellen erstellen, die auf Looker (Google Cloud Core)-Instanzen mit privaten IP-Netzwerken basieren. Die Conversational Analytics API unterstützt keine Datenquellen, die auf Looker (Google Cloud Core)-Instanzen basieren, die sich innerhalb von Virtual Private Cloud-Perimetern befinden.
Der strukturierte Kontext für BigQuery-Datenquellen ist jetzt verfügbar. Dazu gehört auch die Möglichkeit, mithilfe der API Frage-Abfrage-Paare, Tabellenbeschreibungen, Synonyme und Tags auf Tabellen- und Feldebene hinzuzufügen.
Standort- und Vorgangs-APIs werden jetzt unterstützt. Die IAM-Rollen DataAgentCreator und DataAgentEditor haben jetzt Berechtigungen für Vorgangs-APIs.
Es wurde eine Verbesserung für die automatische Speicherung von Last Published Context auf Serverebene vorgenommen, wenn der veröffentlichte Kontext eines KI-Datenagenten aktualisiert wird.
Die Anzeigenamen für IAM-Rollen wurden in „Gemini Data Analytics Stateless Chat User“ und „Gemini Data Analytics Data Agent Creator“ geändert. Weitere Informationen zu den IAM-Rollen, die mit der Conversational Analytics API verwendet werden, finden Sie auf der Dokumentationsseite IAM-Rollen und -Berechtigungen für die Conversational Analytics API zuweisen.
Die Colaboratory-Version 1.1 ist jetzt verfügbar.
Die Fehlerbehandlung wurde aktualisiert, um den konversationsbezogenen Fehler 500 (Internal Error) für den zustandsorientierten Chat zu verarbeiten.
Die Meldungen zur Ausnahmebehandlung des Clientfehlers 400 wurden verbessert.
Updates für die Dokumentation:
Mit der neuen Streamlit Quickstart-Anwendung auf GitHub können Sie jetzt in wenigen Minuten eine Demo der Conversational Analytics API einrichten.
Die Conversational Analytics API Golden Demo ist jetzt auf GitHub verfügbar. Mit der Conversational Analytics API Golden Demo können Sie sich Beispiele für die Einbindung der Conversational Analytics API in Webanwendungen sowie eine vollständige Produktionsdemo in TypeScript ansehen. Dieses Projekt dient nur zu Demonstrationszwecken. Es ist nicht für die Verwendung in einer Produktionsumgebung vorgesehen.
Architektur, Workflows und Rollen der Conversational Analytics API: Hier finden Sie weitere Informationen zu den wichtigsten Konzepten für die Verwendung der Conversational Analytics API, darunter die Funktionsweise von KI-Datenagenten, typische Workflows von KI-Datenagenten, Konversationsmodi, Identity and Access Management-Rollen und die Gestaltung von Systemen, die mehrere KI-Datenagenten verwenden.
Bekannte Einschränkungen der Conversational Analytics API: Hier finden Sie weitere Informationen zu den Einschränkungen bei der Anzahl der Datenquellen, zum Stil von Visualisierungen und zur Größe von Datasets.
Fehlerbehebung bei der Conversational Analytics API: Hier finden Sie Informationen zu möglichen Problemen oder Fehlern bei der Conversational Analytics API sowie Lösungsvorschläge.
BigQuery-Kosten für Ihre Conversational Analytics API-Agenten überwachen und verwalten: Hier erfahren Sie, wie Sie Kostenkontrollen für Ihre Conversational Analytics API-Agenten implementieren.
Die Methoden SetIAMPolicy und GetIAMPolicy zur Freigabe von KI-Datenagenten sind auf der Dokumentationsseite Übersicht über die Conversational Analytics API verfügbar.
Es gibt jetzt eine neue Dokumentationsseite mit Antworten auf häufig gestellte Fragen zur Conversational Analytics API.
Kontext für Daten-KI-Agenten für BigQuery-Datenquellen definieren: Hier erfahren Sie, wie Sie Systemanweisungen für BigQuery-Datenquellen schreiben.
Kontext für Daten-KI-Agenten für Looker-Datenquellen definieren: Hier erfahren Sie, wie Sie Systemanweisungen für Looker-Datenquellen schreiben.
15. Juli 2025
Sie können jetzt Nutzer dazu einladen, bei bestimmten Daten-Agents zusammenzuarbeiten, indem Sie vordefinierte IAM-Rollen zuweisen. Weitere Informationen finden Sie unter IAM-Rollen und -Berechtigungen für die API für konversationelle Analyse.
Ein neuer Leitfaden mit Best Practices soll Ihnen helfen, für Ihre Kundenservicemitarbeiter effektiven Geschäfts- und Datenkontext bereitzustellen. Weitere Informationen finden Sie unter Agent-Verhalten mit selbst erstelltem Kontext steuern.
SDK-Updates:
Sie können das Python SDK jetzt aus dem Python Package Index (PyPI) installieren.
25. Juni 2025
API-Updates:
Neue vordefinierte IAM-Rollen steuern den Zugriff zum Erstellen, Verwalten und Interagieren mit Daten-Agents:
geminidataanalytics.dataAgentCreatorgeminidataanalytics.dataAgentOwnergeminidataanalytics.dataAgentEditorgeminidataanalytics.dataAgentUsergeminidataanalytics.dataAgentViewergeminidataanalytics.dataAgentStatelessUser
Eine vollständige Liste der Rollen und ihrer Berechtigungen finden Sie unter Für die API für konversationelle Analyse IAM-Rollen und -Berechtigungen zuweisen.
5. Juni 2025
In der ersten privaten Vorschau der API für konversationelle Analyse sind Funktionen zum Erstellen von und Interagieren mit Daten-Agents enthalten.
Die folgenden interaktiven Colaboratory-Notebooks sind verfügbar, um mit REST und dem Python SDK zu starten:
API-Updates:
Mit dem Data Agent Service können Sie persistente, kontextbezogene KI-Agenten anhand von Looker, Data Studio und BigQuery programmatisch erstellen, konfigurieren und verwalten.
Mit dem Data Chat Service können Sie mit Ihrem Agent in verschiedenen Chat-Modi interagieren. Zu diesen Modi gehören ein zustandsorientierter Modus, in dem Google den Unterhaltungsverlauf verwaltet, eine zustandsorientierte Option, in der Ihre Anwendung die Unterhaltung verwaltet, und ein zustandsloser Modus, in dem Ihre Anwendung bei jeder Anfrage den vollständigen Kontext bereitstellt.
Die API unterstützt erweiterte Analysen mit Python und wiederholt fehlgeschlagene Abfragen automatisch.
Die API für konversationelle Analyse (geminidataanalytics.googleapis.com) ersetzt die eingestellte Data QnA API (dataqna.googleapis.com). Dies umfasst auch die Migration des DataQuestionService zum neuen DataChatService. Eine ausführliche Anleitung zum Aktualisieren Ihrer Anfragen finden Sie in der Migrationsanleitung.