Ich war auf der Data & AI Summit '25 Fall

Am 27. November 2025 habe ich an der von Google veranstalteten "Data & AI Summit '25 Fall" teilgenommen.

Kürzlich hat unser Unternehmen beschlossen, sich ernsthaft mit dem Thema "Datennutzung" auseinanderzusetzen. Still und leise wurde daraufhin ein Projekt gestartet. Anfangs gingen wir es ganz entspannt an, nach dem Motto "Schritt für Schritt, wo es eben möglich ist". Eines Tages erfuhr ich dann, dass Google die "Data & AI Summit '25 Fall" veranstaltet.

"Ich sollte mir die neuesten Trends in der Datennutzung nicht entgehen lassen!" Mit dieser Einstellung habe ich mich eher beiläufig angemeldet, und es war eine richtig gute Entscheidung. Ich habe weit mehr interessante Vorträge gehört, als ich erwartet hatte.

Was ist die Data & AI Summit '25 Fall?

Dem Namen der Veranstaltung ist wahrscheinlich schon zu entnehmen, dass der Schwerpunkt der Keynote auf "KI-Agenten" lag. Die Veranstaltung fand hybrid statt und war mit rund 3.000 Teilnehmenden sehr gut besucht. Ich war vor Ort dabei. Bei manchen Vorträgen bildeten sich Schlangen, und die Plätze reichten nicht aus, sodass Teilnehmende stehen mussten. Das hat mir deutlich gezeigt, wie groß das Interesse an Datennutzung und KI inzwischen ist.

Hier ist der Zeitplan für den Tag.

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

In diesem Beitrag berichten wir über die Keynote und die Sessions, die uns besonders beeindruckt haben!

Keynote: Im Zeitalter der Zusammenarbeit mit Datenagenten - Next-Generation-Datenanalyse auf Basis einer AI-Ready-Dateninfrastruktur

Die Keynote begann mit dem Vortrag „Drei Anforderungen an KI-Agenten“ von Herrn Hamada von Google Cloud und umfasste drei Teile: Praxisbeispiele zur Datennutzung von LION Corporation und Mercari, Inc. sowie die Vorstellung einer öffentlichen Demo der dialogbasierten Analyse durch die Technologieabteilung von Google.

◼︎Drei Anforderungen an KI-Agenten

Herr Hamada stellte drei Anforderungen vor, die für den produktiven Einsatz von KI-Agenten und die Übernahme betrieblicher Aufgaben unverzichtbar sind: „Action“ (Eigeninitiative), „Memory“ (Gedächtnisleistung) und „Context“ (Vertrauenswürdigkeit).

Action: KI-Agenten sollten nicht nur reagieren, sondern proaktiv handeln.

Entscheidend ist dabei die „Transparenz des Denkprozesses“. Laut Vortrag ist das Konzept des „Advanced Reasoning“ der Schlüssel zu mehr Transparenz in der Analyse, bei dem eine Abfolge von Schritten schrittweise aufgeteilt und ausgeführt wird.

Memory: Kurzzeit- und Langzeitgedächtnis, die KI-Agenten für eine wirksame Funktion benötigen.

Beim „Langzeitgedächtnis“, das den Echtzeitzugriff auf die im Unternehmen gespeicherten Daten ermöglicht, wurde ein Fallbeispiel vorgestellt, bei dem Produktbestellungen per Spracheingabe an einen KI-Agenten erfolgen. Das ist deutlich schneller als die herkömmliche Bedienung per Tippen, und man merkt, wie vertraut solche Systeme inzwischen werden.

Context: Kontext ist unverzichtbar, um die Verlässlichkeit der Antworten sicherzustellen.

Es wurde erläutert, wie wichtig die "semantische Schicht" ist, um zur richtigen Datenbank bzw. zur richtigen Berechnungsformel zu gelangen.

Das Thema semantische Schicht kam in den folgenden Vorträgen häufig zur Sprache, weshalb wir den Eindruck gewonnen haben, dass sie zunehmend an Bedeutung gewinnt.

◼︎ Praxisbeispiele zur Datennutzung

Die Lion Corporation stellte den Aufbau einer Datenplattform vor, während Mercari Initiativen zur Demokratisierung von Daten präsentierte.

Besonders das Thema Demokratisierung von Daten ist uns im Gedächtnis geblieben, da es uns sehr vertraut ist. Durch den Einsatz von KI-Agenten wird Datennutzung, die bisher dem Analystenbereich vorbehalten war, für alle zugänglich gemacht. Ein solches Organisationsmodell hat uns sehr inspiriert und wir möchten uns daran orientieren.

Bei einer internen Nachbesprechung haben wir umgehend beschlossen, diese Ansätze ebenfalls zu übernehmen.

◼︎ Demo zur dialogbasierten Analyse

Anhand des Beispiels "Conversation analytics agent in BigQuery" wurde eine Demo eines dialogbasierten Analyse-Agenten vorgestellt.

Wir nutzen BigQuery bereits in Ansätzen, wussten aber nicht, dass sich Datenanalysen inzwischen in natürlicher Sprache durchführen lassen. Das ist für uns eine echte Aha-Erfahrung. Die Unterstützung ist umfangreich, etwa durch Gemini-gestützte Verbesserungen der Datengenauigkeit und die automatische Erstellung von Golden Queries, und auch die Einrichtung erscheint vergleichsweise einfach. Wir waren beeindruckt.

Conversational Analytics API im Praxiseinsatz! KI-Agenten zur Abfrage von in BigQuery gespeicherten Daten per natürlicher Sprache

Im Vortrag von iLET Co., Ltd. wurde ein Praxisbeispiel für die chatbasierte Datenanalyse vorgestellt, bei dem BigQuery mit der Conversational Analytics API kombiniert wird.

Die Daten der Website werden in BigQuery gespeichert, während Abfragen und Analyseaufgaben vollständig an die Conversational Analytics API übergeben werden. Durch den Zugriff auf KI-Agenten über alltäglich genutzte Kommunikationstools wurde eine Umgebung geschaffen, in der Daten einfach von allen genutzt werden können.

Der Inhalt verkörperte genau die „Demokratisierung der Daten“, die in der Keynote thematisiert wurde, und der Aufbau war sehr übersichtlich. Wir möchten diesen Ansatz umgehend auch in unserem Unternehmen umsetzen.

Eine eigene Umsetzung wäre sehr reizvoll, doch angesichts der eigenen Fähigkeiten würde es realistisch betrachtet viele Jahre dauern. Daher werden wir die Umsetzung gerne unseren Ingenieuren überlassen!

Minimaler Aufwand! KI-Agent mit Google Trends-Anbindung in Kombination mit Produktstammdaten

Im Vortrag von AEON Smart Technology Co., Ltd. wurde vorgestellt, wie KI für die Nutzung von „Produktstammdaten“ eingesetzt wird, eine Praxis, die für Unternehmen mit stationären Filialen typisch ist.

Die Präsentation behandelte zwei Herausforderungen: die Auflösung unscharfer Suchanfragen und die automatische Zuordnung zu Trends. Beide Inhalte basierten auf einer Architektur mit „Google Vertex AI Search“.

– Unscharfe Suche in Produktstammdaten mit KI

Als typisches Problem für Unternehmen mit stationären Filialen wurde an einem Beispiel dargestellt, dass Kunden unscharfe Fragen ohne konkrete Produktnamen stellen. Herkömmliche Systeme erfordern eine „exakte Übereinstimmung“, sodass Fragen, die Menschen problemlos beantworten können, für Systeme zu einer großen Hürde werden. Als Lösung wurde ein KI-gestützter Ansatz erprobt.

Im Demo wurde ein System vorgestellt, das auch auf unscharfe Eingaben, wie sie bei einer Internetsuche vorkommen, sofort passende Produktinformationen aus Big Data liefert. Die technischen Hintergründe habe ich nicht ganz nachvollziehen können, aber ich war schlicht beeindruckt, wozu ein Unternehmen heute in der Lage ist.

– Trend-Erfassung und automatischer Abgleich mit Produktdaten

Ziel ist es, die Zeitspanne von der Entstehung eines Kundenbedarfs bis zum tatsächlichen Angebot im Handel zu verkürzen. Dafür wird ein Tool geprüft, das externe Trendinformationen sofort erfasst und automatisch mit den eigenen Produktdaten verknüpft.

Auch dieser Vortrag behandelte moderne Technologien und war sehr spannend. Wie sich das Thema auf unsere Dienstleistungen übertragen lässt, kann ich noch nicht genau sagen, aber ich würde „Google Vertex AI Search“ persönlich gern einmal ausprobieren.

Fazit

Hier stelle ich nur die Sessions vor, die mir besonders im Gedächtnis geblieben sind. Ich hoffe, ich konnte Ihnen einen Eindruck davon vermitteln, wie begeisternd die Keynote „Die Innovationskraft von Data Agents“ war.

Ehrlich gesagt sind wir beim Thema Datennutzung bisher eher gemächlich vorgegangen. Die Teilnahme an diesem Summit war jedoch eine sehr gute Gelegenheit, mir klarzumachen: „Wir müssen jetzt richtig loslegen, damit wir den Anschluss nicht verlieren!“

Als Erstes möchten wir mit der Definition von Daten und des semantischen Layers beginnen, die an diesem Tag immer wieder als besonders wichtig hervorgehoben wurde.