Vom Warehouse zu KI-gestützten Insights in Minuten

Sie nutzen Fivetran Activations bereits, um Ihre Warehouse-Daten in geschäftlichen Mehrwert zu verwandeln. Jetzt helfen wir Ihnen, dasselbe mit KI zu tun. Wir stellen 2 neue Funktionen vor, die leistungsstarke neue Workflows für Daten- und KI-Teams eröffnen:

1. Embedding Columns – erzeugen Sie Vektor-Embeddings direkt in Ihren Datensätzen mit den Embedding-Modellen von OpenAI oder Gemini.
2. Neue Vektordatenbank-Verbindungen – integrierte Unterstützung für Pinecone und turbopuffer, sodass Sie Embeddings direkt mit modernen Vektordatenbanken synchronisieren können.

Gemeinsam ermöglichen sie den Weg von Rohdaten in Ihrem Warehouse zu KI-fähigen Vektoren in der Produktion – ohne eine einzige benutzerdefinierte Pipeline zu erstellen.

Die Herausforderung: Daten für KI vorzubereiten ist schwierig 

Jedes Unternehmen, das KI erkundet, steht vor demselben Problem: Sie verfügen über umfangreiche, strukturierte Daten in Ihrem Warehouse – CRM-Datensätze, Support-Tickets, Produktfeedback –, aber um sie mit großen Sprachmodellen oder Retrieval-Systemen nutzbar zu machen, müssen diese Daten in Vektor-Embeddings umgewandelt werden.

Das bedeutet in der Regel, Skripte zu schreiben, Batch-Jobs zu verwalten und eine Vektordatenbank manuell auf dem neuesten Stand zu halten. Das ist mühsam, fehleranfällig und erhält selten die Aufmerksamkeit, die es verdient.

Jetzt ist es einfach Teil Ihres Activations-Workflows. Sie können Embeddings genauso einfach erstellen wie eine berechnete Spalte – und sie überallhin synchronisieren.

Beispiel-Workflow: intelligentere Suche in Support-Tickets 

So sieht das in der Praxis aus. Ihr Support-Team arbeitet in Zendesk oder Intercom. Ihr Analytics-Team nutzt Fivetran, um diese Daten in Snowflake zu bringen. Und Sie verwenden Activations, um sie zu modellieren und zurück in die Geschäftsanwendungen Ihres Stacks zu synchronisieren. Jetzt können Sie diese Daten mit Embedding Columns für Ihre KI-Workflows verständlich und zugänglich machen.

1. Fügen Sie eine Embedding Column hinzu

Verwenden Sie in Ihrem Datensatz „support_tickets“ das Menü „Enrich & Enhance“, um eine neue Embedding Column hinzuzufügen, die den Ticket-Text in einen OpenAI-Embedding-Vektor umwandelt.

Jedes Ticket erhält nun seine eigene Vektordarstellung – eine numerische Kodierung der Bedeutung.

Ähnliche Tickets erscheinen im Vektorraum nah beieinander, selbst wenn sie unterschiedlich formuliert sind. Ein Benutzer sagt vielleicht „SSO-Anmeldung schlägt ständig fehl“, ein anderer „kann mich nicht mit Okta anmelden“. Mithilfe von Embeddings erkennt die KI, dass sie dasselbe Problem beschreiben. 

2. Synchronisieren Sie mit turbopuffer oder Pinecone

Verwenden Sie als Nächstes unsere neuen Verbindungen zu turbopuffer oder Pinecone, um diesen angereicherten Datensatz samt Embeddings direkt an eine Vektordatenbank zu senden.

Keine separaten ETL-Skripte. Keine Batch-Jobs. Activations hält die Vektoren automatisch auf dem neuesten Stand, sobald sich die Ticket-Daten ändern.

Sie können auch Daten anreichern, die Sie bereits in turbopuffer haben, über deren „Patch“-Funktion.

3. Erstellen Sie ein KI-gestütztes Such- oder Vorschlagstool

Ihre Entwickler können nun einen internen Assistenten oder ein Suchtool erstellen, das die Vektordatenbank abfragt, um semantisch ähnliche Tickets zu finden. Wenn ein neues Ticket eingeht, kann Ihr System sofort Folgendes anzeigen:

• Verwandte frühere Probleme – selbst wenn sie anders formuliert sind
• Die Lösungen, mit denen sie behoben wurden
• Der Support-Mitarbeiter, der sie am besten bearbeitet hat

Es ist der Beginn einer intelligenteren, Retrieval-Augmented Support-Automatisierung – angetrieben von Ihrem Warehouse und vollständig über Activations orchestriert.

Warum das wichtig ist

Embedding Columns und die neuen Vektordatenbank-Verbindungen bringen KI-Workflows näher an den Ort, an dem Ihre Daten bereits liegen.

• Einfachheit: Keine zusätzliche Infrastruktur, keine manuelle Arbeit. Definieren Sie einfach Ihr Modell und synchronisieren Sie. 
• Aktualität: Die Embeddings bleiben aktuell, während sich die Daten ändern. 
• Flexibilität: Wählen Sie das Embedding-Modell und das Ziel, die zu Ihrem Stack passen. 
• Governance: Alles läuft über dieselben Datenverträge und dieselbe Herkunftsverfolgung, die Sie bereits eingerichtet haben.

Ihr Warehouse ist nicht nur Ihre verlässliche Datenquelle für Analytik – es ist jetzt die Grundlage für KI.

Was Sie als Nächstes entwickeln können

Dieser Workflow kann unzählige KI-gestützte Anwendungsfälle ermöglichen:

• CRM-Intelligenz: Identifizieren Sie ähnliche Accounts oder Leads anhand von Notizen oder E-Mails.
• Wissensdatenbank-Suche: Lassen Sie Mitarbeiter interne Dokumente semantisch abfragen.
• Feedback-Analyse: Gruppieren Sie Kundenkommentare oder Umfragetexte nach Bedeutung.
• Intelligenter Support: Betreuen Sie Kunden in großem Maßstab mit besserem Kontext.

Sie haben die Daten bereits. Jetzt können sie mehr leisten.

[CTA_MODULE]