AI Data Platform

Erstellen Sie ein vollständiges Data Lakehouse für strukturierte, halbstrukturierte und unstrukturierte Daten. Rohdaten werden im Objektspeicher als Bronze-Layer abgelegt, dort aufgenommen, wo sie sich befinden oder direkt und ohne unnötige Duplizierung abgelegt. Autoscaling Compute mit verwaltetem Apache Spark bereitet sie in saubere, zugriffskontrollierte Datensätze im Silber-Layer auf. Oracle Autonomous AI Database stellt den kuratierten, KI-fähigen Gold-Layer zur Verfügung, der für Analysen, maschinelles Lernen und KI-Agenten optimiert ist. Ein Lakehouse. Eine Umgebung. Das bedeutet, dass jeder Benutzer – vom Data Engineer bis zum Geschäftsanwender – mit denselben vertrauenswürdigen Daten arbeitet.

• Jede beliebige Quelle, jede beliebige Datensenke, jede beliebige Sprache – überall
  Katalogisieren und verbinden Sie sich mit mehr als 100 Quellen und Senken, einschließlich relationaler Datenbanken, SaaS-Anwendungen, Streaming-Feeds und Daten von Drittanbietern. Beispiel: Ein Data Engineer kann ERP-Datensätze, Kundenereignisse und Clickstream-Daten in Apache Spark-Transformationen kombinieren.
• Erstellung visueller Datenpipelines
  Entwerfen Sie No-Code- und Pro-Code-ETL- und ELT-Pipelines, welche die Aufnahme, Transformation und Anreicherung von Bronze zu Gold in einem einzigen Workflow orchestrieren.
• Interoperabilität mit offenen Dateiformaten
  Speichern Sie Daten in offenen Formaten, einschließlich Apache Iceberg und Delta Lake, direkt im Oracle Cloud Infrastructure (OCI) Object Storage und fragen Sie sie ab. Dabei sichern Sie sich Transaktionskonsistenz, Abfragen historischer Datenzustände (Time-Travel Queries) und Schema-Evolution. Interoperieren Sie mit Apache Spark, Apache Flink und jeder beliebigen Engine, die mit Iceberg oder Delta Lake kompatibel ist. Keine proprietären Abhängigkeiten, keine erforderlichen Überarbeitungen bei einem Tool-Wechsel.
• Branchenführende Engines für Datenvorbereitung und Abfragen
  Data Engineers können in Apache Spark Datentransformationen in großem Maßstab ausführen. Data Scientists können ML-Modelle erstellen. Geschäftsanwender können mithilfe von SQL und Oracle AI Database mit denselben Daten Ad-hoc-Explorationen durchführen. Jeder Benutzer kann für seine Workload die passende Engine auswählen, ohne Daten kopieren oder neu modellieren zu müssen.
• Konvergierte Analysen über Daten und Datenbanken hinweg
  Fragen Sie strukturierte Tabellen, halbstrukturierte JSON-Daten, Geodaten und KI-Vektoreinbettungen über Objektspeicher und verbundene Datenbanken hinweg über ein einzelnes rollenbasiertes Zugriffskontrollmodell ab. Beispiel: Ein Geschäftsbenutzer kann eine neue Umsatzprognose validieren, indem er die Lakehouse-Aktivitätsstreams mittles einer einzelnen SQL-Abfrage mit den maßgeblichen Kundendatensätzen in Oracle AI Database verknüpft.
• KI-bereiter Gold-Layer
  Machine-Learning-Pipelines, Retrieval-Augmented Generation (RAG)-Wissensdatenbanken und KI-Agenten greifen auf kuratierte und geschäftlich validierte Daten zurück. KI-Ingenieure erstellen Modelle anhand derselben maßgeblichen Fakten, auf die sich das Betriebsreporting stützt und nicht mit Rohdaten oder Zwischenkopien.
• Autonome Gold-Layer-Abläufe
  Profitieren Sie von den Vorteilen eines selbstoptimierenden, selbstskalierenden und selbstreparierenden Warehouse mit automatischer Indexierung, Abfrageoptimierung und Workload-Management. Bieten Sie während Spitzenzeiten eine konsistente Performance mit einer Latenz von weniger als einer Sekunde über Milliarden von Zeilen hinweg – ganz ohne manuelle Optimierung. Skalieren Sie die Rechenleistung unabhängig vom Speicher, um diese Hunderten von gleichzeitigen Benutzern zur Verfügung zu stellen.
• Hervorragende Erstanbieterintegration
  Verschieben Sie Daten aus Oracle Fusion Applications, einschließlich ERP, HCM, Supply Chain und CX, direkt in das Lakehouse. Bereiten Sie Fusion-Daten in Apache Spark-gestützten Notizbüchern für das Grounding von KI-Agenten, historische Berichte und Vorhersageanalysen im betrieblichen Aufzeichnungssystem vor.
• Datenaustausch
  Teilen Sie Live-Lakehouse-Daten mit internen Teams, Partnern und Oracle Anwendungen, ohne sie zu kopieren und oder zu verschieben. Der Datenaustausch trägt dazu bei,dass jeder Verbraucher über die aktuelle und maßgebliche Version verfügt.

Oracle AI Data Platform bietet Data Scientists und ML-Ingenieuren eine vollständig verwaltete Umgebung, mit der maschinelles Lernen direkt über Lakehouse-Daten erstellt, trainiert, nachverfolgt und operationalisiert werden kann. Der gesamte MLOps-Lebenszyklus – verteiltes Spark-Training, Nachverfolgung von Experimenten, Modellregistrierung und eine katalogveröffentlichte Bereitstellung – wird in einem vom Kunden verwalteten und vom Kunden gesteuerten Workspace ohne zu verwaltende Infrastruktur ausgeführt.

• ML-Pipelines und -Workflows: Orchestrieren Sie End-to-End-ML-Pipelines mit wiederverwendbaren Komponenten – Datenvorbereitung, Feature Engineering Training und Bewertung – mithilfe der Workflow-Infrastruktur von AI Data Platform. Einmalige Erstellung, Ausführung nach Zeitplan oder bei Trigger – mit rollenbasierten Zugriffskontroll-Policys, die Sie festlegen und kontrollieren.
• Experimente und Modellregistrierung: Verfolgen Sie alle Modelltrainingsläufe mit automatischer Metrikprotokollierung, Hyperparametererfassung und Artefaktversionierung. Vergleichen Sie Experimente, registrieren Sie Produktionsmodelle und verwalten Sie Lebenszyklus-Workflows.
• Modellveröffentlichung und Katalogregistrierung: Veröffentlichen Sie trainierte Modelle im KI-Datenkatalog, damit sie über Agenten, Anwendungen und Workflows hinweg auffindbar, versioniert und zugänglich sind. Bei der Registrierung werden Lineage Tracking und Richtlinien für die Zugriffskontrolle angewendet.
• Apache Spark mit GPU: Skalieren Sie Feature Engineering und Modelltraining über verteilte Spark-Cluster hinweg und beschleunigen Sie Workloads mit von einer marktführenden NVIDIA-GPU-gestütztem ETL und ML.
• Data-Science-Agenten: KI-Agenten, die autonom Datensätze untersuchen, Hypothesen generieren, Code schreiben und ausführen sowie das Modelltraining iterativ optimieren und so die Zeit von Rohdaten bis zum produktiven Modell drastisch verkürzen.

Erstellen Sie KI-Agenten und -Anwendungen, die auf den eigenen Daten Ihres Unternehmens basieren – und nicht auf generischen LLM-Funktionen. Der Zugriff auf Ihre Agenten und Apps wird von Ihren Policys kontrolliert. Zudem werden diese von Ihrer Geschäftssemantik und Ihren Domainkenntnissen angereichert. Die KI-Agenten sind mit Ihrem KI-Datenkatalog sowie Ihren Geschäftsontologien und Unternehmenssystemen vernetzt, sodass sie in dem Kontext, in dem Ihr Unternehmen tatsächlich arbeitet, Schlussfolgerungen ziehen können. Stellen Sie Mehragenten-Systeme mit einem beliebigen Basismodell zusammen – von visuellen No-Code-Buildern bis hin zur vollständigen Pro-Code-Entwicklung – und stellen Sie diese mit integrierter Beobachtbarkeit auf verwaltetem KI-Computing bereit.

• No-Code Visual Flow Builder: Entwerfen und Sie Agenten visuell mit einer Drag-and-Drop-Leinwand und stellen Sie sie dort zusammen. Vernetzen Sie SQL-Tools, RAG-Wissensdatenbanken, LLM-Prompt-Knoten und weiten Sie dies auf auf zahlreiche Tools aus – ohne eine Zeile Code schreiben zu müssen. Wechseln Sie Basismodelle aus einem Dropdown-Menü heraus, ohne den Ablauf neu zu erstellen zu müssen.
• Pro-Code-Entwicklung: Schreiben Sie Agenten in Python mithilfe des AI Data Platform SDK mit vollständigem Zugriff auf LangChain, OCI Generative AI und jede Open Source-Bibliothek. Jede Visual Flow-Funktion ist vollständig über Code zugänglich. Importieren Sie scikit-learn, LangChain oder ein beliebiges Framework zusätzlich zum Agenten-SDK.
• Mehragenten-Systeme: Entwerfen und orchestrieren Sie Systeme kooperierende KI-Agenten, wie Orchestrator-Agenten, spezialisierte Sub-Agenten und Agenten, die Tools verwenden, um komplexe, mehrstufige Unternehmens-Workflows mithilfe des A2A-Protokolls autonom zu bewältigen.
• Beliebiges Basismodell: Verwenden Sie auf OCI jedes beliebige Modell, wie Llama, Cohere, Mistral, Grok und mehr, oder nutzen Sie Ihre eigenen fein abgestimmten Modelle. Tauschen Sie Modelle über das Oracle Cloud Infrastructure (OCI) Compute-Drowpdown-Menü aus, ohne die Anwendungslogik neu erstellen zu müssen.
• AIOps und Beobachtbarkeit: Vollständige Beobachtbarkeit über den gesamten Agenten-Lebenszyklus von der Entwicklung bis zur Produktion. Testen Sie Agenten interaktiv auf dem Playground der Plattform und prüfen Sie Toolaufrufe sowie LLM-Logik und -Ausgaben vor der Bereitstellung. Die Sitzungen erfassen einen Audittrail mit Status, Dauer, Eingaben/Ausgaben und Ereignisdetails pro Schritt über Entwicklung, Test und Produktion hinweg. Überwachen Sie Latenz, Tokenverwendung, Fehlerraten und benutzerdefinierte Geschäfts-KPIs in Echtzeit.

Eine einzige, integrierte Entwicklungsumgebung für Data Engineers, Data Scientists und KI-Entwickler, um an End-to-End-Daten- und KI-Projekten mit integrierter rollenbasierter Zugriffskontrolle (Role Based Access Control, RBAC), CI/CD, Versionierung und Auditierbarkeit auf Unternehmensniveau zusammenzuarbeiten. Vernetzen Sie alle Personas über gemeinsame Tools, Notizbücher und Pipelines, die alle durch einen integrierten Zugriff auf die zugrunde liegenden Services und den Katalog der Plattform unterstützt werden.

• Workspaces: Projektbezogene Umgebungen, in denen Teams an Notizbüchern, Pipelines, Agenten und Experimenten zusammenarbeiten. Alle Artefakte werden innerhalb der Workspace-Grenze entsprechend des Projekts versioniert und geteilt und unterliegen einer Zugangskontrolle mit vollständig rollenbasiertem Zugriff.
• Notizbücher, Workflows und Agenten: Alle Entwicklungsartefakte werden an einem Ort verwaltet, einschließlich Jupyter-kompatibler Notizbücher, Pipeline-Workflow-DAGs, KI-Agenten und ML-Experimenten. Teilen, versionieren und kollaborieren Sie im gesamten Team ohne Kontextwechsel.
• SQL-Tool- und Compute-Management: Führen Sie Ad-hoc-SQL-Abfragen direkt für Katalogtabellen mit integrierten Compute-Lebenszykluskontrollen aus. Hängen Sie innerhalb der IDE neuer KI-Compute-Ressourcen an, trennen Sie sie oder richten Sie sie ein – dazu ist keine separate Konsole erforderlich.
• CI/CD- und Git-Integration: Native Git-Integration für die Versionierung von Notizbüchern, Pipelines, Agenten-Definitionen und Modellkonfigurationen. Stellen Sie eine Verbindung zu GitHub, GitLab oder Bitbucket her, um eine kontinuierliche Integration und automatisierte Bereitstellung von Daten-zu-KI-Projektartefakten zu ermöglichen.
• Rollenbasierte Zugriffskontrolle, Auditing und Netzwerkisolation: Granulare, rollenbasierte Zugriffskontrolle über Workspaces, Artefakte und Compute hinweg. Umfassende Auditprotokolle für jede Benutzeraktion. Die Netzwerkisolation mit privaten Endpunkten trägt dazu bei, dass sensible Workloads niemals das öffentliche Internet berühren.

Entdecken, analysieren und verwalten Sie den Zugriff auf Ihre sämtlichen Daten und KI-Assets in einem einzigen, einheitlichen Katalog, der die gesamte Medaillon-Architektur umfasst, einschließlich der Bronze-Layer-Aufnahme, Silber-Layer-Kuratierung und KI-fähigen Datenprodukte des Gold-Layers. Der KI-Datenkatalog von Oracle AI Data Platform stellt über externe Kataloge eine Verbindung zu Autonomous AI Database, OCI Object Storage und Drittanbieterquellen her und entdeckt so angereichte Insights mit geschäftlicher Bedeutung durch semantischen Kontext und Ontologien. Jedes Team erfährt dadurch nicht nur, welche Daten vorhanden sind, sondern was diese für das Unternehmen bedeuten. Jeder KI-Agent erbt dieses Verständnis automatisch.

• Einheitlicher Daten- und KI-Assetkatalog: Ein einziger Katalog für alle Daten und KI-Assets, einschließlich strukturierter Tabellen, unstrukturierter Dateien, Wissensdatenbanken, ML-Modellen, Feature Stores und Agenten-Definitionen. Die Zugriffskontrolle auf den Katalog wird mit konsistenten Richtlinien über Daten und KI hinweg verwaltet. Der Katalog deckt die gesamte Medaillon-Architektur ab und ermöglicht eine schnelle Aufnahme, Kuratierung und Bereitstellung von Datenprodukten und KI-Anwendungen auf jedem Layer.
• Externe Kataloge und Asset-Erkennung: Stellen Sie eine Verbindung zu externen Datenquellen her (Autonomous AI Database, OCI Object Storage und Systeme von Drittanbietern), ohne dass Daten unnötig verschoben oder dupliziert werden müssen. Erkennen und katalogisieren Sie automatisch strukturierte und unstrukturierte Assets mit einer KI-gestützten Metadatenanreicherung und Lineage Tracking (Herkunftsverfolgung) vom Verbindungspunkt aus.
• Geschäftsontologien und semantischer Layer: Definieren Sie Domainontologien und semantische Beziehungen zwischen Geschäftskonzepten. Geschäftsglossare, semantische Ontologien, Domain-Taxonomien und KI-generierte Synonyme ermöglichen es Benutzern, Daten nach Bedeutung und nicht nach Tabellennamen zu finden. KI-Agenten erben dieses semantische Verständnis automatisch.
• Keine Zwischenspeicherung (Zero Copy): Fragen Sie Daten dort ab, wo sie gespeichert sind. Greifen Sie auf Daten zu und fragen Sie sie ab, ohne sie verschieben oder kopieren zu müssen. Stellen Sie eine direkte Verbindung zu Ihrer vorhandenen Oracle Database, Autonomous AI Database und Exadata her und fragen Sie Daten dort über SQL ab. Daten verbleiben in ihrer autoritativen Quelle, während der Katalog den Zugriff föderiert, eine rollenbasierte Zugriffskontrolle anwendet und sie anzeigt. Dadurch werden Duplikate reduziert und die Kosten gesenkt.
• Zero-ETL: Eliminieren Sie ETL-Pipelines mithilfe von Oracle GoldenGate, um eine KI-gestützte, echtzeitfähige und logbasierte Replikation aus jeder Quelldatenbank für eine Streaming-Aufnahme mit hohem Durchsatz direkt in das Lakehouse zu ermöglichen. Die Daten sind in dem Moment, in dem sie abgelegt werden, katalogisiert und KI-fähig.
• Volumes: Volumes speichern unstrukturierte Daten im Katalog neben Datenassets. Hängen Sie sie an Wissensdatenbanken an, damit Agenten und Anwendungen unstrukturierte Inhalte wie Dokumente, PDFs und Bilder sicher abrufen können.
• Datenherkunft: Visualisieren Sie die End-to-End-Datenherkunft, einschließlich der Aufnahme der Rohdaten durch Transformationen, ML-Feature Engineering, Modelltraining und der Bereitstellung für KI-Anwendungen. So sichern Sie sich ein sofortiges Verständnis der Auswirkungen von Upstream-Änderungen in der gesamten Daten- und KI-Pipeline.

Unternehmens-KI im großen Maßstab erfordert Sicherheit, eine Zugriffsverwaltung und Auditierbarkeit auf Unternehmensniveau, die konsistent auf alle Datenassets, Modelle und Agenten angewendet werden. Oracle AI Data Platform setzt ein zweischichtiges Sicherheitsmodell durch: Oracle Cloud Infrastructure Identity and Access Management (IAM) für Identität und Authentifizierung, kombiniert mit AI Data Platform für feingranulare Zugriffskontrolle über jedes Katalog-Asset, jeden Arbeitsbereich und jede KI-Ressource hinweg, mit umfassenden Audit-Logs für vollständige Nachverfolgbarkeit. Bei der Verwaltung Ihrer gesamten Daten und Ihres KI-Bestands ist die Sicherheit durchgehend ein integraler Bestandteil und nicht erst nachträglich aufgesetzt.

• Zweischichtiges Sicherheitsmodell: Sicherheit wird auf zwei Ebenen umgesetzt: OCI IAM verwaltet Identität, Authentifizierung und Zugriff auf Cloud-Ebene; AI Data Platform steuert, wer Daten- und KI-Assets innerhalb der Plattform auffinden, lesen, ändern und nutzen kann. Beide Policys werden dabei vom Kunden definiert und verwaltet. Oracle erhält wiederum das Framework aufrecht, das sie durchsetzt. So sichern Sie sich die Vorteile einer Defense-in-Depth-Architektur ohne Kontrolle abgeben zu müssen.
• AI Data Platform Workbench: Feinstufige, rollenbasierte Zugriffskontrolle über Workspaces, Katalog-Assets, Compute-Ressourcen, Agenten und administrative Funktionen hinweg. Die Rollen werden konsistent auf Daten und KI angewendet, ohne Lücken zwischen dem, was Benutzer im Katalog sehen, und dem, worauf sie in der Plattform reagieren können.
• Auditlogging und Rückverfolgbarkeit: Umfassende Auditlogs für jede Benutzeraktion, jeden Datenzugriff, jede Agenten-Interaktion und jede administrative Änderung ermöglichen eine Rückverfolgbarkeit auf der gesamten Plattform, um die Compliance, Untersuchungen und Berichte zu den Zugriffsverläufen zu unterstützen.
• Netzwerkisolation und private Endpunkte: Stellen Sie Workspaces, Compute und Datenverbindungen in privaten VCN-Subnetzen mit privaten Endpunkten bereit. Sensible Workloads durchlaufen niemals das öffentliche Internet. Die Netzwerkisolation wird auf der Infrastrukturebene durchgesetzt.
• OCI Identity and Access Management und Sicherheitsintegration: OCI IAM verwaltet plattformübergreifend die Identitätsföderation und Authentifizierung. Die umfassende Integration mit OCI Vault für die Verwaltung von Secrets, OCI Certificates für TLS und OCI Security Advisor für Empfehlungen zur Sicherheitslage bietet eine einheitliche Sicherheits-Control Plane für Daten, KI und Infrastruktur.

Eine zentralisierte Registry zur Erkennung und Verwaltung von KI-Agenten im gesamten Unternehmen, einschließlich von Agenten, die mit AI Data Platform erstellt wurden und externen Agenten sowie MCP-Servern und -Tools. Die KI-Registry verfolgt die Identität, Funktionen, Berechtigungen, Versionen und Interaktionsprotokolle jedes Agenten, sodass Plattformadministratoren Sichtbarkeit und Kontrolle über die wachsende Flotte an KI-Agenten erhalten, die im gesamten Unternehmen arbeiten.

• Zentralisierte Agenten-Registry: Eine einheitliche Registry unterstützt Sie dabei, alle Ihre KI-Agents aufzulisten, zu versionieren und zu verwalten, unabhängig davon, ob sie mit AI Data Platform oder Tools von Drittanbietern erstellt wurden. Verfolgen Sie die Identität jedes Agenten sowie deren deklarierte Funktionen, ihren Berechtigungsumfang, die Versionshistorie und die Interaktionslogs. Entdecken Sie unternehmensweit Agenten nach Funktion, Domain oder Team mithilfe umfangreicher Metadaten für Verwaltung, Zugriffskontrolle und Wiederverwendung.
• Agent-zu-Agent (Agent-to-Agent, A2A)-Protokoll: Ermöglichen Sie eine strukturierte, standardisierte Kommunikation zwischen AI Data Platform-Agenten und externen Agenten mithilfe des offenen A2A-Protokolls. Stellen Sie komplexe Workflows zusammen, bei denen Spezialagenten mit Orchestrator-Agenten mit klarer Identität, Funktionsdeklaration und Berechtigungsgrenzen zusammenarbeiten, die bei jeder Interaktion durchgesetzt werden.
• Model Context Protocol (MCP)-Server und -Tools: Registrieren und Sie MCP-Server und -Tools und zeigen Sie sie an. Agenten erkennen und rufen Tools zur Laufzeit dynamisch auf, einschließlich Datenbankabfragen, REST-APIs und benutzerdefinierten Geschäftsfunktionen – ohne fest codierte Bindings. Toolberechtigungen werden über die von Ihnen definierten Registry-Policys verwaltet, die mit der Kontrolle des Agenten-Zugriffs konsistent sind.

Ermöglichen Sie nichttechnischen Benutzern durch Selfservice-Analysen, kuratierte KI-Agenten und KI-gestützte Einblicke Zugriff auf die gesamte Leistungsfähigkeit Ihrer Unternehmensdaten. KI-Funktionen sind direkt in die Geschäftsabläufe eingebettet, in denen Entscheidungen getroffen werden. Dazu sind keine technischen Kenntnisse erforderlich. Das ist demokratisierte Unternehmens-KI.

• Analysen in Geschäftsworkflows: Oracle Analytics Cloud integriert erstklassige Analysen direkt in die Anwendungen, die Ihre Teams täglich verwenden, einschließlich Oracle Fusion ERP, HCM, SCM und CX. Stellen Sie Fragen in natürlicher Sprache, zeigen Sie KI-generierte Erzählungen an und teilen Sie im Workflow zentral verwaltete Dashboards.
• Eine einheitliche dialogorientierte Oberfläche: Eine zentrale Oberfläche, um die KI-Agenten Ihres Unternehmens zu finden, abzufragen und mit ihnen zusammenzuarbeiten. Agent Hub interpretiert Anfragen von Geschäftsbenutzern, sucht den richtigen Agenten, ruft ihn auf und präsentiert Ergebnisse im Kontext – alles in natürlicher Sprache. Dazu sind keine technischen Kenntnisse erforderlich.
• Kuratierte KI-Agenten-Bibliothek: Durchsuchen Sie eine kuratierte Bibliothek von genehmigten Agenten – internen Agenten, die von Ihren Datenteams erstellt wurden, und geprüften externen Agenten – mit Beschreibungen, Beispiel-Prompts und Nutzungsanleitungen für allgemeine Geschäftsaufgaben.
• Verwalteter Zugriff und Sicherheit: Benutzer können jede Agenten-Interaktions- und Analyseabfrage mit denselben RBAC-Policys verwalten wie die zugrunde liegenden Daten. Die Benutzer sehen dabei nur Agenten und Daten, auf die sie auch zugriffsberechtigt sind. Es handelt sich dabei um eine Sicherheit auf Unternehmensniveau ohon zusätzliche Konfiguration.