Neue Features für Oracle AI Data Platform
Im Folgenden finden Sie einen Überblick über neue Features und Verbesserungen in Oracle AI Data Platform.
Themen
- 17. November 2026
- 16. Oktober 2026
- 25. September 2026
- 10. August 2026
- 6. Juli 2026
- Juni 5, 2026
- 1. Mai 2026
Die neuesten Oracle AI Data Platform-News, Produktupdates, Kunden- und Partnerberichte sowie Markteinblicke finden Sie unter https://blogs.oracle.com/ai-data-platform/.
17. November 2026
| Feature | Beschreibung |
|---|---|
| Mit Oracle Agent Hub mit Unternehmens-KI interagieren | Oracle Agent Hub bietet eine einheitliche Schnittstelle für die Erkennung und Interaktion mit KI-Agents und -Tools von Unternehmen. Sie können Prompts eingeben und Agent Hub die entsprechenden KI-Ressourcen auswählen, einen Agent direkt auswählen oder Themen verwenden, um mit zugehörigen Agents und Tools zu arbeiten. Siehe Was ist Oracle Agent Hub? und Wie passt Agent Hub zu Oracle AI Data Platform? |
| Verbindung zu Agents und Tools in AI Data Platform, Agent Hub und anderen externen Quellen herstellen | Mit AI Registry in AI Data Platform können Sie Agents in AI Data Platform, Agent Hub und anderen externen Quellen mit Ressourcen für die Registrierung von Agents und MCP-Servern verwalten, Zugangsdaten erstellen und speichern sowie verwalten, wer die Agents anzeigen und verwenden kann. Siehe AI-Registry. |
16. Oktober 2026
| Feature | Beschreibung |
|---|---|
| Skill zu einem Agent in Visual Builder hinzufügen | Fügen Sie einen Skill zu einem Supervisor- oder Executive-Agent-Knoten in Visual Builder hinzu. Sie können eine Skilldatei auch direkt in einen Workspace hochladen, um sie mit einem Agent zu verwenden. Siehe Skill zu einem Agent hinzufügen und Skill in einen Workspace hochladen. |
| Laufzeitidentität für Agents auswählen | Wählen Sie eine Option "Ausführen als", wenn Sie einen Agent bereitstellen. Sie können Ihre eigene Identität oder einen Serviceaccount verwenden. Siehe Agents: Ausführen als und Agent bereitstellen. |
| Agent-Aufgabe in einem Workflow erstellen | Erstellen Sie eine Agent-Aufgabe, um einen Prompt aus einem Workflowjob an einen bereitgestellten Agent zu senden. Siehe Agent-Aufgabe erstellen. |
| Autoscaling für AI Compute konfigurieren | Wenn Sie ein AI-Compute-Cluster erstellen, können Sie die automatische Skalierung aktivieren, um die Anzahl der Replikate basierend auf API-Anforderungsraten und der durchschnittlichen CPU-Auslastung automatisch anzupassen. Konfigurieren Sie die Mindest- und Höchstanzahl von Replikaten, Skalierungsschwellenwerte und eine Abklingzeit zwischen Skalierungsaktionen. Siehe AI-Compute-Cluster erstellen. |
| Modelle überwachen und Zugriff verwalten | Inferenzdaten und Logs auf der Registerkarte "Monitoring" für Ihre Modelle anzeigen, filtern und exportieren. Mit Modellberechtigungen können Sie steuern, wer Modelle anzeigen und ändern, Deployments verwalten und anderen Zugriff erteilen kann. Der Zugriff auf Modelle erfolgt jetzt über das Standardschema im Standardkatalog in Ihrem Masterkatalog. Siehe Modelle und Modellberechtigungen. |
| Modelle von Drittanbietern in Multi-Agent-Systemen verwenden | Verwenden Sie Modelle von OpenAI, Anthropic und Google für Supervisor- und Executor-Agents in Visual Builder. Konfigurieren Sie jeden Agent mit einem Modell, das für seine Aufgabe geeignet ist. Siehe Supervisor-Agents und Executor-Agent-Konfiguration. |
| Installieren Sie PyPI- und Maven-Bibliotheken, um Cluster zu berechnen | AI Data Platform-Compute-Cluster unterstützen jetzt PyPI- und Maven-Bibliotheken, um Ihre Compute-Funktionen zu erweitern. Siehe Librarys verwalten. |
| Git-Repositorys mit Sparse Checkout verwalten | Verwenden Sie beim Erstellen eines Git-Ordners in AI Data Platform einen Sparse-Checkout, um zu verwalten, welche Dateien und Ordner aus dem Git-Repository geklont werden. Siehe Git Folders in Oracle AI Data Platform (Vorschau). |
25. September 2026
| Feature | Beschreibung |
|---|---|
| Modelle bereitstellen | Modelle in AI Data Platform können jetzt zur Verwendung als Endpunkte bereitgestellt werden. Bereitgestellte Modelle können auf der neuen Registerkarte Deployments Ihrer Modelle erstellt und verwaltet werden. Siehe Modelle. |
| Vorschau: Knowledge Base-Herkunft verfolgen | Mit der AI Data Platform-Herkunft können Sie jetzt die Tabellen und Volumes, die Daten in Ihre Wissensdatenbank einspeisen, visuell verfolgen. Siehe Lineage (Vorschau). |
| Synonyme in Katalogen aufnehmen und verwenden | Sie können jetzt Synonyme aus von Oracle Autonomous AI Database unterstützten Datenquellen verwenden und diese in AI Data Platform verwenden. Synonyme können anstelle der zugrunde liegenden Daten in Notizbüchern und anderen SQL-Abfragen aufgerufen werden. Siehe Synonyme. |
| Externe Katalogunterstützung für Snowflake | AI Data Platform unterstützt jetzt Snowflake als externe Quelle für Kataloge in Ihrem Masterkatalog. Siehe Externe Kataloge. |
| Tabellen unterstützen jetzt das Apache Iceberg-Tabellenformat | Sie können Apache Iceberg jetzt als Transaktionstabellenformat für Tabellen in AI Data Platform verwenden. Siehe Tabellen. |
| Mit Widgets Notizbücher parametrisieren | Mit Widgets können Sie Eingabewerte in Ihren AI Data Platform-Notizbüchern definieren, sodass Benutzer dasselbe Notizbuch mit verschiedenen Werten ausführen können. So können Sie das Notizbuch wiederverwenden, ohne den Code jedes Mal zu bearbeiten. Siehe Widgets in Notizbüchern. |
10. August 2026
| Feature | Beschreibung |
|---|---|
| Vorschau: Verfolgen Sie die Beziehungen von Datenartefakten über Lineage | Mit der Herkunft können Sie die Beziehungen zwischen Datenartefakten in Ihrer AI Data Platform-Instanz visuell verfolgen. Sie können ein bestimmtes Artefakt auswählen und Upstream- und Downstream-Beziehungen anzeigen. Siehe Lineage (Vorschau). |
6. Juli 2026
| Feature | Beschreibung |
|---|---|
| Erstellen Sie KI-Agents, um Ihre Daten zu entwickeln und zu verwalten | Sie können KI-Agents jetzt in AI Data Platform erstellen, entweder über den visuellen Ablauf-Builder oder über Code. Siehe KI-Agents. |
| Unterstützen Sie Ihre Agents mit AI Compute | KI-Agenten benötigen spezielle Rechenleistung, um ihre Tools und Fähigkeiten zu unterstützen. Sie können AI-Compute über Compute in Ihrer AI Data Platform-Instanz erstellen. Siehe AI Compute. |
| Dokumente und Suchdokumente in Knowledge Bases speichern | Mit Knowledge Bases können Sie Dokumente in AI Data Platform speichern und durchsuchen, indem Sie die Oracle Database 26ai Vector Search-Funktion zum Speichern von Vektoreinbettungen verwenden. KI-Agents können diese Wissensdatenbanken verwenden, um semantische Suchen durchzuführen und relevante Daten und Dokumente abzurufen. Siehe Knowledge Bases. |
Juni 5, 2026
| Feature | Beschreibung |
|---|---|
| Stellen Sie über Ihre IDE eine Verbindung zu Daten in Ihrer AI Data Platform her | Die Oracle AI Data Platform-(AIDP-)Entwicklererweiterung kann jetzt über den Microsoft Visual Studio Code-Marktplatz installiert werden. Durchsuchen Sie Arbeitsbereiche und Kataloge, zeigen Sie per Fernzugriff eine Vorschau an, vergleichen Sie Dateien, laden Sie sie herunter, laden Sie sie hoch und vieles mehr. Siehe Oracle AI Data Platform (AIDP) Developer Extension. |
1. Mai 2026
| Feature | Beschreibung |
|---|---|
| Vom Kunden verwaltete Schlüsselverschlüsselung auswählen | Beim Erstellen Ihrer AI Data Platform-Instanz können Sie jetzt die von Oracle verwaltete Schlüsselverschlüsselung verwenden oder die Verschlüsselung des verwalteten Schlüssels in Ihrer Organisation verwenden. Siehe Speicherverschlüsselungsoptionen. |
| Netzwerkbasierte Zugriffskontrolle aktivieren | Erstellen Sie Gruppen definierter IP-Adressen, die Sie in Richtlinien oder Authentifizierungseinstellungen referenzieren können, um den Zugriff zu kontrollieren. Siehe Netzwerkquellen. |
| REST-API-Referenz für AI Data Platform | Dokumentation für AI Data Platform-REST-APIs ist jetzt verfügbar. Siehe REST-API für Oracle AI Data Platform. |
| Vorschau: Zugangsdaten mit Secrets und Vault-Referenzen verwalten | Der Zugangsdatenspeicher bietet eine sichere und zentralisierte Möglichkeit, vertrauliche Informationen wie Authentifizierungstoken und externe Zugangsdaten zu verwalten. Anstatt Secrets direkt in Konfigurationen oder Code einzubetten, können Benutzer sie über ihre AI Data Platform sicher speichern und wiederverwenden. Siehe Info zum Zugangsdatenspeicher. |
| Vorschau: Verbinden und verwalten Sie Ihre Daten in Git | Sie können Ihre Git-Dateien jetzt vollständig in AI Data Platform verwalten. Mit Utilitys können Sie Dateien pushen, abrufen, festschreiben und zusammenführen sowie auftretende Zusammenführungskonflikte verwalten, ohne die Plattform verlassen zu müssen. Siehe Git-Integration (Vorschau). |
| Vorschau: Bundles aus Git-Ordnern verpacken und bereitstellen | Mit Bundles können Sie Ressourcen in einem Git-Ordner verpacken, wie dies für Jobs oder Agents erforderlich ist, und diese Packages in Workspaces und Umgebungen bereitstellen, um diese Ressourcen freizugeben. Siehe Bundles und CI/CD (Vorschau) |
| Vorschau: Führen Sie Experimente aus und iterieren Sie sie, um Modelle basierend auf Ihren Daten zu erstellen | Experimente in der AI Data Platform bieten Data Scientists, Machine-Learning-Ingenieuren und Managern die Möglichkeit, bei der Entwicklung von Modellen zusammenzuarbeiten. Siehe Experimente (Vorschau). |
| Vorschau: Modelle für maschinelles Lernen erstellen und trainieren | Mit Modellen für maschinelles Lernen in AI Data Platform können Sie optimierte Modelle durch Leistungsanalyse, Zusammenarbeit und Analyse experimenteller Bedingungen wie Hyperparameter, Eingabedatensets und Feature Engineering erstellen. Siehe Modelle (Vorschau). |
| Vorschau: Administrationseinstellungen | Mit den Administrationseinstellungen können Sie Ihre verknüpften Git-Accounts verwalten. Siehe Administrationseinstellungen (Vorschau). |
Neue Features in Oracle AI Data Platform in der Oracle Cloud
G55970-07
Copyright ©2025,2026,
Oracle und/oder verbundene Unternehmen.