Was ist BigQuery ML?
BigQuery ML ermöglicht das Training und die Ausführung von Machine-Learning-Modellen direkt in BigQuery mit SQL-Syntax. Datenanalysten können Modelle erstellen, ohne Daten zu exportieren oder eine separate Programmiersprache zu lernen. Die Modelle trainieren auf BigQuery-Daten und liefern Predictions als SQL-Abfragen.
Für komplexere Modelltypen wie Deep Neural Networks, Boosted Trees oder AutoML greift BigQuery ML auf die Gemini Enterprise Agent Platform (den ehemaligen Vertex AI Dienst) zurück. Modelle lassen sich zudem im Model Registry verwalten und für Online-Predictions auf Endpunkten bereitstellen.
Kernfunktionen
- SQL-basiertes Training: CREATE MODEL mit SQL-Syntax für Modelltraining
- Integrierte Predictions: ML.PREDICT für Batch- und Echtzeit-Vorhersagen
- Automatisches Feature Engineering: Automatische Transformation von Eingabedaten
- Model Registry: Versionierung und Management trainierter Modelle
- Plattform-Integration: Export und Deployment von Modellen über die Gemini Enterprise Agent Platform für erweiterte Optionen
Typische Anwendungsfälle
Churn Prediction
SQL-Analysten erstellen Churn-Modelle auf Kundendaten. Das Training erfolgt mit CREATE MODEL, Predictions mit ML.PREDICT. Keine tiefe Data-Science-Expertise erforderlich.
Demand Forecasting
ARIMA_PLUS- und TimesFM-Modelle prognostizieren Zeitreihen wie Umsatz oder Nachfrage. Die Modelle erkennen automatisch Saisonalität und Trends in historischen Daten.
Recommendation Systems
Matrix Factorization erstellt Empfehlungen aus Nutzer-Item-Interaktionen. Produktempfehlungen und Content-Personalisierung direkt auf BigQuery-Daten.
Vorteile
- Kein Datenexport oder ETL-Aufwand
- SQL-Kenntnisse reichen für viele gängige Modelle
- Skaliert automatisch mit BigQuery-Infrastruktur
- Nahtlose Integration mit BI-Tools und der Gemini Enterprise Agent Platform
Integration mit innFactory
Als zertifizierter Google Cloud Partner unterstützt innFactory Sie bei BigQuery ML: Use-Case-Identifikation, Modelldesign, Feature Engineering und Integration von ML-Predictions in Geschäftsprozesse. Wir helfen bei der Entscheidung zwischen BigQuery ML und der Gemini Enterprise Agent Platform.
Verfügbare Varianten & Optionen
BigQuery ML
- Kein Daten-Export nötig
- SQL-basiert
- Automatisches Feature Engineering
- Limitierte Modelltypen für internes Training
- Weniger Kontrolle als bei dedizierten ML-Plattformen
Typische Anwendungsfälle
Technische Spezifikationen
Häufig gestellte Fragen
Was ist BigQuery ML?
BigQuery ML ermöglicht das Training von Machine-Learning-Modellen direkt in BigQuery mit SQL. Daten müssen nicht exportiert werden, SQL-Kenntnisse reichen für viele gängige Modelltypen.
Welche Modelltypen werden unterstützt?
Intern trainierbar sind u.a. lineare und logistische Regression, K-Means-Clustering, Matrix Factorization, PCA sowie Zeitreihenmodelle wie ARIMA_PLUS und TimesFM. Komplexere Modelle wie Boosted Trees, Deep Neural Networks oder AutoML werden über die Gemini Enterprise Agent Platform (ehemals Vertex AI) trainiert und in BigQuery ML nutzbar gemacht.
Wie unterscheidet sich BigQuery ML von der Gemini Enterprise Agent Platform?
BigQuery ML ist für SQL-basiertes ML direkt auf BigQuery-Daten optimiert. Die Gemini Enterprise Agent Platform (ehemals Vertex AI) bietet mehr Kontrolle, Custom Training und MLOps-Funktionen für komplexere Anforderungen; beide Dienste sind eng integriert.
Kann ich externe Modelle wie TensorFlow oder XGBoost nutzen?
Ja, BigQuery ML kann ONNX-, TensorFlow-, TensorFlow-Lite- und XGBoost-Modelle importieren sowie Remote-Modelle über Endpunkte der Gemini Enterprise Agent Platform referenzieren und für Predictions nutzen.
Hinweis: Alle Produktinformationen auf dieser Seite wurden sorgfältig zusammengestellt, sind jedoch ohne Gewähr und können veraltet oder unvollständig sein. Cloud-Services entwickeln sich schnell weiter — Funktionen, Preise, SLAs und Verfügbarkeit ändern sich laufend. Verbindliche und aktuelle Informationen finden Sie ausschließlich auf der offiziellen Produktseite von Google Cloud (offizielle Dokumentation). Diese Seite stellt kein Angebot von Google Cloud dar.
