Flotten-Klasse D · Daten

BI-Agent — Daten fragen statt suchen

Beantwortet Daten-Fragen direkt aus Ihrem Data Warehouse in natürlicher Sprache. Kein SQL, kein Ticket, keine Wartezeit. Manager fragen, Agent antwortet.

BI-Agent anfragen ROI ansehen

Das Problem

Daten nutzen nur die, die SQL können — der Rest ratet.

ENGPASS

Analytics-Team bekommt 30 Ad-hoc-Anfragen/Woche. Warteschlange: 2 Wochen.

SELF-SERVICE-FAIL

Looker/Tableau ist für Analysten gebaut, nicht für Geschäftsführer. 90 % der Lizenzen werden nicht genutzt.

DATEN-ANGST

Manager treffen Entscheidungen mit 3 Monate alten Zahlen, weil sie den Analysten nicht nerven wollen.

Die Lösung

Ein Agent, der Ihr Data Warehouse versteht — und antwortet.

Das kann der Agent

✓Beantwortet Fragen wie 'Wie ist die Conversion im März in DE vs. AT?' in natürlicher Sprache
✓Generiert SQL, das gegen Ihr Warehouse läuft (BigQuery, Snowflake, Redshift)
✓Erstellt Visualisierungen automatisch (Chart-Typ passend zur Frage)
✓Versteht Ihre Business-Logik (was ist 'Aktiver Kunde' bei Ihnen?)
✓Stellt Rückfragen wenn uneindeutig ('Meinen Sie Bestell- oder Bezahl-Datum?')
✓Flaggt Datenqualitäts-Probleme ('Keine Daten in Region X — Pipeline defekt?')

Das kann er nicht (bewusst)

—Schlecht strukturierte Daten magisch verbessern — garbage in, garbage out
—Ihren Data Engineer ersetzen — er baut das Fundament, der Agent nutzt es
—Predictive Analytics (separates Modul Forecast-Agent)
—Aktions-Empfehlungen ableiten — er zeigt, Sie entscheiden

Integrationen

Passt in Ihr Tooling — oder wir bauen die Brücke.

BigQuery

Snowflake

Redshift

dbt

Looker

Tableau

Slack

MS Teams

„Vor dem Agent hatte unser Data-Team 80 offene Tickets. Heute 12. Das Management trifft Entscheidungen mit Live-Daten — nicht mit der Monatspräsentation.“

Chief Data Officer

E-Com-Gruppe · 620 MA

Der Prozess

In 5 Wochen in Produktion.

Daten-Audit

Wir schauen uns Ihr Warehouse an. Was ist dokumentiert? Was ist wild gewachsen?

Semantic-Layer

Wir bauen dbt-Modelle, die Business-Logik kodifizieren. 'Aktiver Kunde' ist dann eindeutig definiert.

Training

Agent lernt Ihre Metrics, Terminologie, Aliase ('Umsatz' = 'Revenue' = 'Netto-Erlös'?).

Pilot mit 10 Usern

4 Wochen Pilot. Feedback fließt in Prompts, Definitionen, Security ein.

Rollout

Slack-Integration macht den Agent für 50+ User verfügbar. Analytics-Team entlastet.

Angebot

Erst Scope, dann Angebot.

Jeder Agent hängt von Datenlage, Integrationen, Freigaben und Betriebsmodell ab. Deshalb nennen wir keine Pauschalpreise, sondern erstellen ein Angebot nach kurzer Diagnose.

01 Diagnose

Use-Case prüfen

Wir klären Prozess, Datenquellen, Verantwortlichkeiten und Integrationen.

02 Scope

Lösung zuschneiden

Sie bekommen eine klare Empfehlung für Agenten, Rollout und Betrieb.

03 Angebot

Individuell anfragen

Das finale Angebot enthält Scope, Timeline, Verantwortlichkeiten und Betreuung.

Angebot anfragen

Häufige Fragen

Sechs Fragen, die wir oft hören.

Halluziniert der Agent Zahlen?

Nein — er schreibt SQL, das tatsächlich läuft. Die Ergebnisse stammen aus Ihrem Warehouse. Die Frageninterpretation könnte falsch sein, dafür gibt es Rückfragen-Modus.

Ist das DSGVO-konform?

Abhängig vom Warehouse-Hosting. Bei BigQuery/Snowflake in EU-Region: ja. Wir setzen zusätzlich Row-Level-Security um.

Was ist mit unserer Datenqualität?

Wir prüfen vorab und machen ein Data-Quality-Audit. Der Agent kann schlechte Daten nicht heilen, nur auf sie hinweisen.

Wer darf was sehen?

Row-Level-Security nach Ihren Regeln. Geschäftsführung sieht alles, Marketing nur Marketing-Daten, etc.

Ersetzt das Looker/Tableau?

Nein, er ergänzt. Dashboards bleiben für Routine, der Agent für Ad-hoc-Fragen.

Wie lange dauert der Aufbau?

6–10 Wochen inkl. Semantic-Layer. Bei guter dbt-Basis schneller.