Topics

Am 27. November 2025 nahm ich am von Google veranstalteten „Data & AI Summit '25 Fall“ teil.

Vor Kurzem beschloss unser Unternehmen, sich ernsthaft mit dem Thema „Datennutzung“ auseinanderzusetzen und startete still und leise ein Projekt. Anfangs gingen wir es langsam an und konzentrierten uns auf das, was wir tun konnten. Doch dann erfuhren wir, dass Google den „Data & AI Summit '25 Fall“ veranstaltete.

Ich beschloss spontan, an der Veranstaltung teilzunehmen, denn ich dachte: „Ich muss über die neuesten Trends in der Datennutzung auf dem Laufenden bleiben!“, aber es war eine hervorragende Entscheidung. Ich hörte viel interessantere Vorträge, als ich erwartet hatte.

Daten & AI Summit '25 Herbstとは？

Wie der Name der Veranstaltung bereits vermuten lässt, ging es in diesem Vortrag um „KI-Agenten“. Die Hybridveranstaltung mit rund 3.000 Teilnehmenden war ein voller Erfolg. Ich war persönlich anwesend, und es bildeten sich Warteschlangen vor einigen Vorträgen, sodass manche aufgrund fehlender Sitzplätze stehen mussten. Ich konnte mir ein gutes Bild vom großen Interesse an Datennutzung und KI machen.

Der Tagesablauf sieht folgendermaßen aus.

https://cloudonair.withgoogle.com/events/data-ai-summit-25f

In diesem Artikel berichten wir über die Keynote-Rede und besonders denkwürdige Sessions!

Keynote-Vortrag: Auf dem Weg in eine Ära der „Ko-Kreation“ mit Datenagenten – Datenanalyse der nächsten Generation mit einer KI-fähigen Dateninfrastruktur

Die Keynote-Rede bestand aus drei Teilen: „Drei Anforderungen an KI-Agenten“ von Hamada von Google Cloud, gefolgt von Beispielen für die Datennutzung von Lion Corporation und Mercari, Inc. sowie einer „Demo für Konversationsanalysen“ durch die Technologieabteilung von Google.

◼︎Drei Anforderungen an KI-Agenten

Hamada hielt einen Vortrag über die drei wesentlichen Voraussetzungen für die vollständige Einführung von KI-Agenten und deren Einsatz bei der Abwicklung von Geschäftsvorgängen: „Aktion“, „Gedächtnis“ und „Kontext“.

Handlungsempfehlung: KI-Agenten sollten proaktiv und nicht passiv handeln.

Der Schlüssel liegt hier in der „Transparenz des Denkprozesses“. Er erklärte, dass das Konzept des „Fortgeschrittenen Denkens“, das eine Reihe von Schritten in Phasen unterteilt, der Schlüssel zur Verbesserung der Transparenz der Analyse sei.

Gedächtnis: Ein KI-Agent benötigt ein „Kurzzeitgedächtnis“ und ein „Langzeitgedächtnis“, um effektiv zu funktionieren.

In einer Erklärung des „Langzeitspeichers“, der den Echtzeitzugriff auf Unternehmensdaten ermöglicht, wurde als Beispiel die Kommunikation einer Person mit einem KI-Agenten per Sprachbefehl zur Produktbestellung genannt. Dies war deutlich schneller als die herkömmliche Bedienung per Fingertipp und verdeutlichte mir erneut, wie sehr diese Technologie mittlerweile vertraut geworden ist.

Kontext: Der Kontext ist unerlässlich, um die Zuverlässigkeit der Antworten zu gewährleisten.

Die Bedeutung der „semantischen Schicht“ für die Auswahl der richtigen Datenbank und Berechnungsformel wurde erläutert.

Ich hatte in nachfolgenden Vorlesungen viele Gelegenheiten, etwas über die semantische Schicht zu hören, und mir wurde klar, dass sie immer mehr Aufmerksamkeit erregt.

◼︎Beispiele für die Datennutzung

Lion Corporation hielt einen Vortrag über den Aufbau einer Dateninfrastruktur, und Mercari Inc. stellte seine Bemühungen zur Demokratisierung von Daten vor.

Die Demokratisierung von Daten hat mich besonders beeindruckt, da sie mich persönlich sehr betrifft. Der Einsatz von KI-Systemen ermöglicht es nun jedem, auf Daten zuzugreifen – etwas, das zuvor Analysten vorbehalten war. Genau das möchte unser Unternehmen erreichen.

In einer anschließenden internen Besprechung sprachen wir darüber, wie wir diese Idee sofort umsetzen wollten.

◼︎Demo für Konversationsanalyse veröffentlicht

Es wurde eine Demo eines Konversationsanalyse-Agenten anhand des Beispiels „Konversationsanalyse-Agent in BigQuery“ vorgestellt.

Obwohl ich bereits Erfahrung mit BigQuery hatte, war mir nicht bewusst, dass man Daten mithilfe natürlicher Sprache analysieren kann – das war eine echte Offenbarung. Der Support ist hervorragend, mit Geminis Vorschlägen zur Verbesserung der Datengenauigkeit und der automatischen Generierung optimaler Abfragen. Ich war beeindruckt, wie relativ einfach die Einrichtung war.

Erste Übungen zur Conversational Analytics API! Wie man einen KI-Agenten entwickelt, der Daten aus BigQuery mithilfe natürlicher Sprache extrahiert

In einer Präsentation von Irete Inc. wurde eine Fallstudie zur Datenanalyse im Chat-Format vorgestellt, die „Big Query“ und die „Conversational Analytics API“ kombiniert.

Die Idee war, Website-Daten in BigQuery zu speichern und die gesamte Abfrageausführung und -analyse an die Conversational Analytics API auszulagern. Indem der KI-Agent über gängige Kommunikationstools zugänglich gemacht wurde, entstand eine Umgebung, in der jeder die Daten problemlos nutzen kann.

Der Inhalt verkörperte wahrhaftig die in der Keynote-Rede angesprochene „Demokratisierung von Daten“, und die Struktur war sehr einfach. Ich wollte sie sofort in mein Unternehmen integrieren.

Ich würde es ja gerne selbst umsetzen, aber angesichts der dafür erforderlichen praktischen Fähigkeiten würde das wahrscheinlich Jahre dauern, deshalb überlasse ich das unseren Ingenieuren!

Minimale Schritte! Zusammenarbeit zwischen einem mit Google Trends verknüpften KI-Agenten und dem Produktmanager

In einem Vortrag von AEON Smart Technology Co., Ltd. wurde vorgestellt, wie das Unternehmen KI für „Produktstammdaten“ einsetzt – eine Initiative, die für ein Unternehmen mit stationären Geschäften einzigartig ist.

Die Präsentationen konzentrierten sich auf zwei Herausforderungen: „Auflösung von unscharfen Suchanfragen“ und „Automatischer Trendabgleich“. Beide Präsentationen nutzten Google Vertex AI Search.

— Fuzzy-Suche mithilfe von KI in Produktstammdaten

Er sprach über das Problem, dass Kunden vage Fragen ohne konkrete Produktnamen stellen – ein Problem, das vor allem Unternehmen mit stationären Geschäften betrifft. Herkömmliche Systeme erfordern eine exakte Übereinstimmung, sodass Fragen, die für Menschen leicht zu beantworten sind, eine große Hürde für das System darstellen. Diese Initiative versucht, dieses Problem mithilfe eines KI-Ansatzes zu lösen.

Auf dem Demobildschirm wurde ein System gezeigt, das selbst bei vagen Eingaben wie einer Internetsuche sofort relevante Produktinformationen aus Big Data ausgibt. Ich verstand zwar nicht genau, wie es funktionierte, war aber einfach beeindruckt, dass ein Unternehmen so viel leisten konnte.

— Trenderkennung und automatischer Abgleich mit Produktdaten

Sie erklärten, dass sie ein Tool in Betracht ziehen, das externe Trendinformationen sofort erfassen und automatisch mit ihren eigenen Produktdaten verknüpfen kann, mit dem Ziel, die Vorlaufzeit zwischen dem Entstehen eines Kundenbedarfs und dem tatsächlichen Erscheinen des Produkts in den Geschäften zu verkürzen.

Es handelte sich auch um einen Vortrag über Spitzentechnologie, und er war sehr interessant. Ich kann mir noch nicht vorstellen, wie sie in den Dienstleistungen unseres Unternehmens eingesetzt werden kann, aber ich würde „Google Vertex AI Search“ gerne persönlich ausprobieren.

Zusammenfassung

Wir haben nur die denkwürdigsten Sessions ausgewählt und vorgestellt, aber was halten Sie davon? Wir hoffen, wir konnten Ihnen zumindest ein wenig von der Begeisterung vermitteln, die wir an diesem Tag für die „Innovationen durch Datenagenten“ empfunden haben.

Ehrlich gesagt, haben wir bei der Datennutzung nur langsam Fortschritte gemacht, aber die Teilnahme an diesem Gipfeltreffen war eine großartige Gelegenheit, uns daran zu erinnern, dass wir das Thema ernst nehmen müssen, damit wir nicht den Anschluss verlieren.

Zunächst möchte ich die Daten- und Semantikschicht definieren, deren Bedeutung ich diesmal schon oft betont habe.