Häufig gestellte Fragen zum Knowledge Catalog

In diesem Dokument finden Sie Antworten auf häufig gestellte Fragen zu Google CloudKnowledge Catalog (ehemals Dataplex Universal Catalog).

Weitere Informationen zu Knowledge Catalog finden Sie in der Knowledge Catalog-Übersicht.

Allgemeine Konzepte

Häufig gestellte Fragen zu Knowledge Catalog-Funktionen

Was ist Knowledge Catalog?

Knowledge Catalog ist eine intelligente Governance-Lösung für Daten- und KI-Assets in Google Cloud. Es bietet ein zentrales Inventar, in dem Sie Ihre Daten in Google Cloud Datenquellen wie BigQuery, Cloud Storage, Pub/Sub und Spanner finden, verwalten und steuern können.

Knowledge Catalog nutzt KI, um die Datenerkennung, die Metadatenanreicherung und die Datenqualität zu automatisieren. Mit seinem verwalteten Data Catalog bietet Knowledge Catalog die wesentliche Fundierung, die KI-Agenten benötigen, um hochwertige Inhalte zu generieren.

Wofür wird Knowledge Catalog verwendet?

Knowledge Catalog löst das Problem des „Datenkaltstarts“, also die Zeit, die Sie mit der Suche, dem Verständnis und der Überprüfung von Daten verschwenden, bevor Sie sie tatsächlich verwenden können. Zu den Hauptanwendungsfällen gehören:

  • Beschleunigte Datenerkennung: Anstatt komplexe Organisationssilos zu durchsuchen, um Daten zu finden, können Sie die Suche in natürlicher Sprache verwenden (z. B. „Zeige mir die neuesten Daten zur Kundenabwanderung“), um Assets inGoogle Cloud -Ressourcen sofort zu finden. Das erhöht die Produktivität der Datennutzer.

  • Fundierung von KI-Agenten: Sie dient als „Source of Truth“ für generative KI oder das ADK. Durch die Verknüpfung physischer Daten mit Geschäftsdefinitionen wird sichergestellt, dass KI-Agenten (z. B. solche, die auf Vertex AI basieren) hochwertige Daten verwenden. Dadurch werden KI-Halluzinationen erheblich reduziert und das Vertrauen in KI-generierte Insights gestärkt.

  • Automatisierte Data Governance: Ihre Daten werden automatisch gescannt, um sensible Informationen (z. B. personenidentifizierbare Informationen) zu identifizieren, die Herkunft der Daten (Lineage) zu verfolgen und ihre Genauigkeit zu überwachen (automatische Datenqualität). Diese Funktionen tragen dazu bei, das Vertrauen in Daten, die Sicherheit und die Compliance mit weniger manuellem Aufwand zu verbessern.

  • „Dark Data“ entdecken: Es können unstrukturierte Dateien (z. B. PDFs oder Bilder in Cloud Storage) gescannt, die darin enthaltenen Informationen extrahiert und in BigQuery durchsuchbar und abfragbar gemacht werden. So können Sie Erkenntnisse aus zuvor unzugänglichen Daten gewinnen.

Informationen zu den ersten Schritten mit diesen Szenarien finden Sie unter Knowledge Catalog-Anwendungsfälle.

Welche Arten von Metadaten werden in Knowledge Catalog gespeichert?

Knowledge Catalog speichert drei Arten von Metadaten:

  • Technische Metadaten: Automatisch erfasste Schemas, Tabellennamen und Systemeigenschaften.

  • Geschäftliche Metadaten: Benutzerdefinierter Kontext wie Unternehmensbeschreibungen, Glossarbegriffe und Eigentümerschaft.

  • Laufzeitmetadaten: Informationen zur Datenherkunft, zu Datenqualitätswerten und zu Statistiken zur Datenprofilerstellung.

Abrechnung für Data Insights

Hier finden Sie Antworten auf häufig gestellte Fragen zur tokenbasierten Abrechnung, Nutzungsmessung und zu administrativen Einstellungen für die Funktion „Dateneinblicke“ in Knowledge Catalog.

Ab wann wird mir die Nutzung von Dateneinblicken in Rechnung gestellt?

Die aktive Abrechnung für Dateneinblicke beginnt am 27. Oktober 2026.

Wie wird die Nutzung von Dateneinblicken abgerechnet?

Die Nutzung wird in Datentokens gemessen. Datentokens sind die grundlegenden Einheiten von Text und Metadaten, die vom Gemini-Modell verarbeitet werden. Diese Tokens sind in zwei Kategorien unterteilt:

  • Eingabetokens: Der Kontext, die Anweisungen und der Verlauf, die an das Modell gesendet werden.
  • Ausgabetokens: Die vom Modell generierten Beschreibungen, Beziehungen und Abfragen in natürlicher Sprache.

Weitere Informationen finden Sie unter Data Cloud-Agent – Preise.

Erhalten Dienstkonten ein kostenloses Kontingent für Dateneinblicke?

Nein. Dienstkonten erhalten kein kostenloses Kontingent pro Nutzer. Ihre Nutzung wird jedoch auf dieselbe Weise wie die von Standardnutzern gemessen.

Wie kann ich verhindern, dass mir automatisch Gebühren für Dateneinblicke berechnet werden?

Um Gebühren zu vermeiden, sollten Sie Ihre laufenden Scans überprüfen und keine neuen Scans mehr auslösen. Administratoren können die Funktion für Dateneinblicke auch deaktivieren, indem sie die Dataplex API im entsprechenden Projekt deaktivieren.

Wie kann ich herausfinden, wie viel mir für Dateneinblicke in Rechnung gestellt wird?

Google Cloud bietet eine Messung für Datentokens. Mit dieser Messung können Administratoren und Agent-Inhaber ihren Tokenverbrauch im Blick behalten. Informationen zum Erfassen des Tokenverbrauchs für Scan-Jobs für Dateneinblicke und zum Erstellen benutzerdefinierter Dashboards in Cloud Monitoring finden Sie unter Tokennutzung für Dateneinblicke überwachen.

Wie kann ich die Kosten kontrollieren und Tokenlimits für Dateneinblicke festlegen?

Informationen zum Verwalten von Kosten und zum Festlegen von Limits für die Nutzung von Tokens für Dateneinblicke finden Sie unter Kontingente und Limits für Dateneinblicke.

Was passiert, wenn die Kontingentlimits für Dateneinblicke erreicht sind?

Knowledge Catalog prüft vor dem Start eines Scans sowohl die Eingabe- als auch die Ausgabetokenkontingente und zieht die verbrauchten Tokens nach Abschluss eines Scans ab.

Was passiert mit bereits laufenden Scans, wenn das Limit überschritten wird?

Knowledge Catalog prüft das Kontingent nur zu Beginn eines Scans, nicht während des Scans. Wenn ein Scan gestartet wird, während noch Kontingent verfügbar ist, und die Tokennutzung das Projekt über das Tageslimit bringt, wird der Scan normal abgeschlossen und die generierten Insights werden veröffentlicht. Nach Abschluss des Abgleichs der Abrechnung nach dem Scan markiert Knowledge Catalog den täglichen Kontingent-Bucket für den Rest des Tages als erschöpft (100 %).

Was passiert mit nachfolgenden Scans, die nach Erreichen des Limits ausgelöst werden?

Nachdem das tägliche Tokenkontingent für Eingaben oder Ausgaben erschöpft ist, blockiert Knowledge Catalog sofort alle neuen On-Demand- oder geplanten Insights-Scans vor der Ausführung. Für abgelehnte Scans fallen keine Tokengebühren an.

Was sehe ich in der Google Cloud Console?

Wenn ein Scan fehlschlägt, weil das Tokenkontingent überschritten wurde, zeigen BigQuery Studio und Knowledge Catalog in der Google Cloud Console das folgende Verhalten:

  • Bei einer Tabelle oder einem Dataset mit vorhandenen Insights: Die Neugenerierung schlägt mit dem folgenden Inline-Fehlerbanner fehl:

    Knowledge Catalog Insights token quota limit exceeded for this project.

    Alle zuvor generierten Beschreibungen und vorgeschlagenen SQL-Abfragen bleiben sichtbar und verwendbar.

  • Bei einer neuen Tabelle oder einem neuen Dataset ohne vorherige Insights: Die Generierung schlägt fehl und das Banner für überschrittene Kontingente wird im leeren Zustand angezeigt. Der Button Statistiken generieren bleibt verfügbar, um es noch einmal zu versuchen.

Wie kann ich die Generierung von Dateneinblicken fortsetzen?

So setzen Sie die Generierung von Dateneinblicken fort:

  • Auf das tägliche Zurücksetzen warten: Die täglichen Tokenzähler werden um Mitternacht (Pacific Time, 00:00 PT) automatisch auf 0 zurückgesetzt.
  • Kontingentlimit erhöhen: Ein Projektadministrator kann das Tageslimit auf der Seite Kontingente und Systemlimits in derGoogle Cloud -Konsole erhöhen oder auf „Unbegrenzt“ zurücksetzen, um die Generierung von Statistiken sofort fortzusetzen.

Abrechnung und Kostenmonitoring

Hier finden Sie häufig gestellte Fragen zum Monitoring und zur Zuordnung von Rechenkosten in Knowledge Catalog.

Wie kann ich die Knowledge Catalog-DCU-Kosten für Datenqualität, Datenprofilerstellung und Datenherkunft überwachen und zuordnen?

Knowledge Catalog DataScan-Computing (automatische Datenqualität und Datenprofilerstellung) und Data Lineage-Recheneinheiten (DCUs) werden auf serverlosem Computing in einer von Google verwalteten Infrastruktur ausgeführt und veröffentlichen keine Zeitachsenmesswerte unter dataplex.googleapis.com/* in Cloud Monitoring.

Wenn Sie Knowledge Catalog-DCU-Kosten projekt- und scanübergreifend überwachen, Benachrichtigungen dazu erhalten und zuordnen möchten, exportieren Sie Ihre Cloud Billing-Daten nach BigQuery und fragen Sie Systemlabels ab, die an Knowledge Catalog-Abrechnungsdatensätze angehängt sind:

  • Verwenden Sie für Datenqualitäts- und Datenprofilscans die goog-dataplex-datascan-*-Labels (z. B. goog-dataplex-datascan-id, goog-dataplex-datascan-data-source-project und goog-dataplex-datascan-data-source-bigquery-table).
  • Verwenden Sie für die Verarbeitung der Datenherkunft das Label goog-dataplex-workload-type mit dem Wert LINEAGE.

Detaillierte Labeldefinitionen und BigQuery-SQL-Beispielabfragen finden Sie unter Knowledge Catalog-DCU-Kosten mit Cloud Billing-Export überwachen und zuordnen.