Snowflake Cortex AI und Snowflake Intelligence erklärt

Snowflake Cortex AI ist die Gruppe von KI-Diensten, die in Ihrem Snowflake-Konto laufen. Dazu gehören SQL-Funktionen, die große Sprachmodelle aufrufen, Cortex Analyst für Fragen an Tabellen und Cortex Search für Dokumente. Cortex Agents orchestrieren sie, und Snowflake Intelligence, inzwischen in Snowflake CoWork umbenannt, ist die Chat-App darüber.

Der Reiz ist einfach. Ihre Daten bleiben unter demselben Konto, denselben Rollen und denselben Richtlinien, die Sie bereits betreiben. Das Risiko ist ebenso einfach.

Es lässt sich leicht einschalten, und man kann leicht Geld dafür ausgeben. Wenn die Daten darunter nicht sauber modelliert sind, liefert es selbstsichere falsche Antworten.

In den Programmen in Fertigung und Verteidigung, an denen ich gearbeitet habe, lautete die Frage nie „Kann Snowflake KI?“. Sie lautete „Können wir der Antwort trauen, und können wir nachweisen, wer was gesehen hat?“. Dieser Leitfaden ist für genau dieses Gespräch geschrieben.

Die Produktnamen in diesem Bereich haben sich schnell geändert. Zwei Änderungen zählen. Snowflake hat Snowflake Intelligence am 4. November 2025 als allgemein verfügbar angekündigt, zusammen mit Cortex Agents und dem von Snowflake verwalteten MCP-Server.

Auf dem Summit im Juni 2026 hat Snowflake das Produkt dann in Snowflake CoWork umbenannt. Einige SQL-Berechtigungen und Objektnamen verwenden noch den alten Namen.

Document AI gibt es nicht mehr. Snowflake hat die Oberfläche von Document AI am 16. März 2026 abgeschaltet und die Dokumentextraktion in die Funktion AI_EXTRACT verlagert. Wenn ein Angebot eines Systemintegrators noch das Trainieren von Document-AI-Modellen erwähnt, ist es veraltet.

Hier der Stand im Oktober 2026, mit Status und Abrechnungsgrundlage aus der Dokumentation von Snowflake.

Komponente	Was sie tut	Status	Abgerechnet nach
Cortex AI Functions	SQL-Funktionen wie AI_COMPLETE, AI_CLASSIFY, AI_FILTER, AI_AGG, AI_EXTRACT, AI_PARSE_DOCUMENT, AI_REDACT	GA, einige Funktionen in der Vorschau	AI Credits pro Million Tokens oder pro Seite beim Parsen
Cortex Analyst	Macht aus einer Geschäftsfrage SQL über eine Semantic View	Verfügbar; seit August 2026 empfiehlt Snowflake den Aufruf über Cortex Agents, die REST API bleibt unterstützt	Pro Nachricht über die API, pro Token über Agents
Cortex Search	Hybride Stichwort- und Vektorsuche über Text, genutzt für Retrieval	GA seit Oktober 2024	AI Credits pro GB Index und Monat, plus Warehouse für die Aktualisierung
Cortex Agents	Plant eine Aufgabe und ruft Analyst, Search, eigene Werkzeuge und MCP-Konnektoren auf	GA seit November 2025	Orchestrierungs-Tokens plus die Kosten jedes Werkzeugs
Snowflake CoWork (früher Snowflake Intelligence)	Die Chat-App für Fachanwender, aufgebaut auf Cortex Agents	GA seit November 2025; mehrere im Juni 2026 angekündigte Funktionen waren als Vorschau oder „coming soon“ gekennzeichnet	Tokens, plus Kosten für Werkzeuge und Warehouse
Von Snowflake verwalteter MCP-Server	Stellt Agents, Analyst, Search und SQL für externe KI-Clients bereit	GA seit November 2025	Kosten der zugrunde liegenden Werkzeuge

Die Modelle kommen von Anthropic, OpenAI, Google, Meta, Mistral AI und anderen, dazu die eigenen Arctic-Modelle von Snowflake für Embedding und Extraktion. Welche Sie aufrufen können, hängt von Ihrer Region und Ihrer regionsübergreifenden Einstellung ab. Mehr dazu weiter unten, denn das ist die Entscheidung, die Kunden im Verteidigungsbereich am meisten beschäftigt.

Cortex Analyst liest nicht Ihre Tabellen und rät. Es liest eine Semantic View: ein Objekt auf Schemaebene, das Ihre Geschäftsentitäten, Kennzahlen, Joins und Synonyme benennt.

Nur diese Metadaten gehen an das Modell, um SQL zu schreiben. Das SQL läuft dann in Ihrem Warehouse unter der Rolle des Aufrufers.

Die Qualität jeder Antwort von Snowflake CoWork zu Umsatz, Ausschussquote oder Liefertreue hängt also an dieser Semantic View. Nach meiner Erfahrung liegt hier die eigentliche Arbeit.

Der schwierige Teil war, sich in der semantischen Schicht auf Kennzahldefinitionen zu einigen, nicht die Datenqualität. „Liefertreue“ einmal so zu definieren, dass Vertrieb, Supply Chain und Finanzen sie alle akzeptieren, braucht mehr Besprechungen als jede Modellkonfiguration.

Zwei Funktionen helfen. Mit Verified Queries speichern Sie eine bekannte, korrekte Frage samt SQL, sodass das Modell durchgearbeitete Beispiele hat. Snowflake lässt Sie außerdem Evaluierungen dagegen laufen, was Ihnen eine Genauigkeitszahl statt eines Demo-Eindrucks liefert.

Der ältere Ansatz, semantische Modelldateien in YAML auf einer Stage, funktioniert noch. Meiden Sie ihn für neue Arbeit. Die Dokumentation von Snowflake selbst empfiehlt Semantic Views, und jeder mit Zugriff auf die Stage kann ein YAML-Modell nutzen, was eine Governance-Lücke ist.

Wenn Ihre ERP-Daten noch nicht sauber geladen und modelliert sind, beginnen Sie dort. Mein Leitfaden dazu, wie Daten aus SAP, Oracle und Dynamics 365 nach Snowflake kommen, behandelt diesen Schritt.

Das stärkste Argument für Snowflake Cortex AI ist die Governance. Cortex Analyst, Cortex Agents und CoWork respektieren Ihre bestehende rollenbasierte Zugriffskontrolle, Ihre Row Access Policies und Ihre Maskierung.

Der Zugriff auf Modelle selbst wird inzwischen über Rollen-Grants gesteuert. Der ältere kontoweite Parameter für die Freigabeliste von Modellen wird im Lauf von 2026 abgeschafft.

Es gibt Feinheiten, die Sie prüfen sollten, bevor jemand abzeichnet.

1. Cortex Search läuft mit den Rechten des Eigentümers. Jeder mit USAGE auf einem Search Service sieht Ergebnisse aus allem, was die besitzende Rolle indexiert hat. Bauen Sie getrennte Services pro Zielgruppe, nicht einen großen Index.
2. Agents nutzen die Standardrolle des Aufrufers. Wenn Benutzer breite Standardrollen haben, erbt der Agent diese Breite. Räumen Sie zuerst die Rollen auf.
3. Regionsübergreifende Inferenz bewegt Prompts. Der Parameter CORTEX_ENABLED_CROSS_REGION steuert, ob Inferenz außerhalb Ihrer Heimatregion laufen darf. Laut Snowflake bleiben die Daten in der Heimatregion gespeichert und Prompts werden anderswo nicht dauerhaft gespeichert, aber die Nutzlast reist. Manche neueren Organisationen haben standardmäßig ANY_REGION. Die Dokumentation zur regionsübergreifenden Inferenz empfiehlt, den Wert ausdrücklich zu setzen, wenn Sie Residenzanforderungen haben.
4. Der MCP-Server kann Ihren Agenten umgehen. Snowflake rät, einen Cortex Agent als einziges Werkzeug für gesteuerte Fragen bereitzustellen. Wird auf demselben Server auch die direkte SQL-Ausführung angeboten, kann ein externer Client die Kontrollen des Agenten umgehen.

Im Verteidigungsbereich ist Punkt 3 das Gesprächsthema. Den Parameter auf DISABLED oder einen regionalen Wert zu setzen, hält die Inferenz innerhalb Ihrer Grenze, schränkt aber die nutzbaren Modelle ein und kostet mehr pro Credit. Die US-Government-Regionen von Snowflake halten Anfragen innerhalb derselben Compliance-Grenze.

Die MCP-Dokumentation von Snowflake hält außerdem fest, dass eine formelle FedRAMP-Bewertung des MCP-Servers noch nicht abgeschlossen ist. Eingestufte Daten haben in alldem nichts verloren. Halten Sie den Pilot bei nicht eingestuften, nicht exportkontrollierten Daten, und lassen Sie die Verantwortlichen für Exportkontrolle die Grenze schriftlich bestätigen.

Mein Leitfaden zum KI-Governance-Framework behandelt die Richtlinienseite.

KI-Funktionen werden in AI Credits abgerechnet, getrennt von den Platform Credits, mit denen Sie Warehouses bezahlen. Laut KI-Preisseite von Snowflake kostet ein AI Credit on demand 2,00 $ mit globalem Routing und 2,20 $, wenn Sie die Inferenz auf Ihre Region beschränken oder das regionsübergreifende Routing deaktivieren.

Der Preis für AI Credits ist über alle Editionen gleich. Ihr Kapazitätsrabatt auf Platform Credits gilt dafür nicht.

Die folgenden Sätze sind Listenpreise aus der Snowflake Service Consumption Table mit Gültigkeit ab 9. Oktober 2026, geprüft im Oktober 2026. Unternehmensverträge, Kapazitätsstaffeln für AI Credits und neue Modellversionen werden die Zahlen verändern.

Posten	Listenpreis
AI Credit, globales / regionales Routing	2,00 $ / 2,20 $
AI_COMPLETE mit llama3.3-70b (Eingabe / Ausgabe)	0,432 / 0,432 AI Credits pro Million Tokens
AI_COMPLETE mit openai-gpt-4.1 (Eingabe / Ausgabe)	1,20 / 4,80 AI Credits pro Million Tokens
AI_COMPLETE mit claude-sonnet-4-5 (Eingabe / Ausgabe)	1,80 / 9,00 AI Credits pro Million Tokens
AI_CLASSIFY oder AI_FILTER	1,62 AI Credits pro Million Tokens
AI_EXTRACT (arctic-extract)	5,55 AI Credits pro Million Tokens
AI_PARSE_DOCUMENT, Layout-Modus	3,66 AI Credits pro 1.000 Seiten
Bereitstellung von Cortex Search	6,3 AI Credits pro GB indexierter Daten und Monat
Cortex Analyst über die REST API	67 Platform Credits pro 1.000 Nachrichten

Die Spanne zwischen den Modellen ist groß. Bei Ausgabe-Tokens kostet claude-sonnet-4-5 etwa das 20-Fache von llama3.3-70b. Eine Klassifizierung über zehn Jahre Instandhaltungsnotizen mit dem falschen Modell laufen zu lassen, ist der Weg, ein KI-Budget in einer Woche zu sprengen.

Drei Kostenfallen erwischen viele. Mehrstufige Unterhaltungen verarbeiten bei jedem Schritt den gesamten Verlauf neu, lange Chats kosten also mehr pro Frage.

Die Kosten von Agents stapeln sich: Orchestrierungs-Tokens, dann jedes Werkzeug, dann das Warehouse, das das SQL ausführt. Bereitgestellter Durchsatz ist, wenn Sie ihn reservieren, nicht kündbar und wird berechnet, ob Sie ihn nutzen oder nicht.

Die Kontrollen gibt es. Nutzen Sie Ressourcenbudgets, Kontingente pro Benutzer und Orchestrierungsbudgets für Agents. Überwachen Sie die Nutzungs-Views, etwa CORTEX_FUNCTIONS_QUERY_USAGE_HISTORY, CORTEX_AGENT_USAGE_HISTORY und SNOWFLAKE_COWORK_USAGE_HISTORY.

Testen Sie jeden Batch-Job zuerst an einer Stichprobe. Mein Leitfaden zu den Snowflake-Preisen und Credits behandelt die Plattformseite.

Die Dokumentation von Snowflake ist hier ehrlich. Cortex Analyst beantwortet Fragen, die SQL beantworten kann.

Offene Überlegungen wie „Warum ist die Marge gesunken?“ leistet es nicht, und es kann Ergebnisse früherer Abfragen nicht wiederverwenden. Snowflake warnt außerdem, dass Antworten und Quellenangaben von Agents nicht garantiert korrekt sind.

Mein Urteil: Behandeln Sie jede KI-Antwort, die in eine Entscheidung einfließt, als Entwurf, den eine benannte Person abzeichnet. Im Verteidigungsbereich zählt das noch mehr, denn dort kann eine falsche Zahl in einem Vertrags- oder Prüfdokument landen.

Lock-in ist das andere Risiko. Semantic Views, Agents und Search Services sind Snowflake-Objekte.

Ihre Prompts und Evaluierungssätze sind portabel; die Verdrahtung ist es nicht. Wenn Sie noch eine Plattform auswählen, legt mein Vergleich Snowflake vs. Databricks diesen Zielkonflikt dar.

Der erste Anwendungsfall, den ich in beiden Branchen wählen würde, hat dieselbe Form: ein strukturierter Fragenkatalog und ein Dokumentenbestand, für ein Team.

In der Fertigung würde ich den ersten Pilot als Assistenten für Instandhaltung und Qualität aufsetzen. Eine Semantic View liegt über Arbeitsaufträgen, Stillständen, Ausschuss und Abweichungsdaten aus ERP und MES.

Ein Cortex Search Service liegt über Instandhaltungsanweisungen und abgeschlossenen Qualitätsberichten. Ein Instandhaltungsplaner fragt „Welche Linien hatten im letzten Quartal die meisten ungeplanten Stillstände, und was haben wir beim letzten Mal gefunden?“ und erhält Zahlen plus die relevanten Berichte.

Im Verteidigungsbereich funktioniert dasselbe Muster für die Lieferantenqualität in einem nicht eingestuften Programm: Liefer- und Qualitätskennzahlen aus dem ERP plus Dokumente zu Korrekturmaßnahmen der Lieferanten. Halten Sie eingestuftes und exportkontrolliertes Material vollständig aus dem Umfang heraus.

Ein Cortex-AI-Pilot über 90 Tage

1. 01

   Umfang

   Wählen Sie ein Team, 20 bis 30 echte Fragen und einen Dokumentenbestand. Setzen Sie den regionsübergreifenden Parameter und die Rollen vor allem anderen.

2. 02

   Modell

   Bauen Sie die Semantic View und schreiben Sie Verified Queries für die wichtigsten Fragen. Stimmen Sie die Kennzahldefinitionen mit dem fachlichen Verantwortlichen ab.

3. 03

   Aufbau

   Legen Sie den Cortex Search Service pro Zielgruppe und einen Cortex Agent an. Setzen Sie Budgets und Kontingente pro Benutzer am ersten Tag.

4. 04

   Test

   Lassen Sie Evaluierungen gegen den Fragenkatalog laufen. Benutzer bewerten die Antworten. Vergleichen Sie, wie lange dieselben Antworten heute dauern.

5. 05

   Entscheidung

   Skalieren, die Daten reparieren oder stoppen. Halten Sie schriftlich fest, was und warum.

Messen Sie vier Dinge, und erfassen Sie einen Ausgangswert, bevor Sie beginnen.

1. Genauigkeit der Antworten gegen den verifizierten Fragenkatalog, bewertet vom fachlichen Verantwortlichen.
2. Zeit bis zur Antwort im Vergleich zum heutigen Weg, meist eine Analystenanfrage oder die Suche nach einem Bericht.
3. Kosten pro beantworteter Frage, aus den Nutzungs-Views, einschließlich Warehouse-Zeit.
4. Zugriffsausnahmen: jeder Fall, in dem ein Benutzer Daten gesehen hat, die seine Rolle nicht erreichen sollte. Das Ziel ist null.

Bevor Sie irgendetwas kaufen, lesen Sie Ihre aktuelle Einstellung für CORTEX_ENABLED_CROSS_REGION aus, listen Sie auf, wer breite Standardrollen hat, und wählen Sie die 20 Fragen, die Ihr Betriebsleiter jeden Monat stellt. Diese eine Seite sagt Ihnen mehr über Ihre Bereitschaft als jede Anbieter-Demo.

Wenn Sie eine zweite Meinung zum Pilotumfang, zu den Residenzeinstellungen oder zum Angebot eines Systemintegrators wollen, helfe ich Unternehmen bei diesen Entscheidungen. Sie können hier Kontakt aufnehmen. Für das Gegenstück bei Databricks lesen Sie meinen Beitrag zu Databricks Genie und Agent Bricks.

Was ist Snowflake Cortex AI?

Snowflake Cortex AI ist die Familie von KI-Diensten von Snowflake, die in Ihrem Snowflake-Konto laufen. Dazu gehören KI-SQL-Funktionen, die große Sprachmodelle aufrufen, Cortex Analyst für Fragen an Tabellen und Cortex Search für Dokumente. Cortex Agents orchestrieren die Werkzeuge, und die App Snowflake CoWork bedient Fachanwender.

Ist Snowflake Intelligence dasselbe wie Snowflake CoWork?

Ja. Snowflake Intelligence wurde am 4. November 2025 allgemein verfügbar und auf dem Snowflake Summit im Juni 2026 in Snowflake CoWork umbenannt. Einige SQL-Berechtigungen und Standard-Objektnamen verwenden noch den Namen Snowflake Intelligence.

Sendet Snowflake Cortex meine Daten aus Snowflake hinaus?

Die Modelle laufen innerhalb des Dienstperimeters von Snowflake, und Ihre gespeicherten Daten bleiben in der Heimatregion Ihres Kontos. Bei aktivierter regionsübergreifender Inferenz können Prompts und Antworten in einer anderen Region verarbeitet werden und werden dort nicht dauerhaft gespeichert. Wenn Sie Residenzvorgaben haben, setzen Sie den Parameter CORTEX_ENABLED_CROSS_REGION ausdrücklich.

Was kostet Snowflake Cortex AI?

Die meisten Cortex-Funktionen werden in AI Credits abgerechnet, zu je 2,00 $ mit globalem Routing oder 2,20 $ mit regionalem Routing, Listenpreis geprüft im Oktober 2026. Die Sätze variieren nach Modell und Funktion, von Bruchteilen eines Credits bis zu mehreren Credits pro Million Tokens. Cortex Analyst über die REST API kostet 67 Platform Credits pro 1.000 Nachrichten. Unternehmensverträge verändern diese Zahlen.

Was sind Semantic Views in Snowflake?

Semantic Views sind Snowflake-Objekte auf Schemaebene, die Geschäftsentitäten, Kennzahlen, Beziehungen und Synonyme beschreiben. Cortex Analyst und Cortex Agents nutzen sie, um aus Fragen korrektes SQL zu machen. Sie ersetzen die älteren semantischen Modelldateien in YAML und sind der wichtigste Faktor für die Qualität der Antworten.

Was hat Snowflake Document AI ersetzt?

Die Funktion AI_EXTRACT. Snowflake hat die Oberfläche von Document AI und ihre Methode PREDICT am 16. März 2026 abgeschaltet. AI_EXTRACT zieht Entitäten, Listen und Tabellen in einem einzigen SQL-Aufruf aus Dokumenten und wird nach Tokens abgerechnet.