Leistung: Agentic Analytics

Agentic Analytics: Antworten aus deinen Daten in Minuten

Unsere Agentic-Analytics-Lösungen sind für Teams, die schneller Antworten aus ihren Daten brauchen, als ein Dashboard sie liefern kann. Wir bauen BI-Agenten, zugeschnitten auf dein Geschäft, die deine Daten abfragen, modellieren und dir die Antwort in wenigen Minuten erklären. Die Agenten arbeiten dort, wo dein Team ohnehin ist, zum Beispiel direkt in Slack.

Semantic LayerKI-Agenten auf deinen DatenForecasting & Machine Learning
„Ein guter Daten-Agent steht und fällt mit dem Fundament darunter. Wenn die Metriken sauber definiert sind, beantwortet er Fragen in Slack, für die früher jemand ein Ticket schreiben musste.“
Elena, Lead Analytics & AI Solutions at Gemma Analytics
Frag die Daten
Deine Expertin

Elena

Lead Analytics & AI Solutions
Was wir tun

Was wir liefern

Die drei Bausteine bauen aufeinander auf. Der Semantic Layer legt fest, was eine Kennzahl bedeutet, Agenten beantworten darauf deine Fragen, und Prognosemodelle rechnen mit denselben Definitionen nach vorne.

01

Semantic Layer

Wir definieren deine Kennzahlen einmal zentral in dbt, mit festen Metriken, Dimensionen und Filtern. Danach rechnen Dashboards, Analysen und KI-Agenten alle gleich.

Ohne diese Grundlage würde eine KI unterschiedliche Definitionen nur verstärken, deshalb bauen wir sie zuerst, falls sie fehlt. Du bekommst einen dokumentierten Semantic Layer, auf dem jede KI-Abfrage aufsetzt.

02

KI-Agenten auf deinen Daten

Dein Team stellt Fragen in natürlicher Sprache. KI-Agenten fragen die Daten über den Semantic Layer ab, modellieren sie und erklären die Antwort in wenigen Minuten, ohne dass jemand auf den nächsten Report wartet. Jede Antwort nennt die verwendete Kennzahl und ihre Definition aus dem Semantic Layer, damit du sie nachprüfen kannst.

Du bekommst einen Agenten, etwa einen Slack-Bot mit Claude, der über den MCP-Server deines BI-Tools auf freigegebene Metriken zugreift, mit einem System-Prompt, der auf deine Begriffe zugeschnitten ist. Dazu kommen Zugriffsregeln pro Nutzergruppe und ein Satz Testfragen mit erwarteten Antworten, mit dem dein Team die Qualität weiter prüft.

03

Forecasting & Machine Learning

Machine-Learning-Modelle sagen voraus, was als Nächstes kommt, etwa Nachfrage, Conversions oder Kündigungen. Sie lernen aus denselben Kennzahlen, die im Semantic Layer definiert sind. Eine Prognose für den Netto-Umsatz meint deshalb genau den Netto-Umsatz aus deinen Dashboards.

Scores und Prognosen landen dort, wo dein Team ohnehin arbeitet, zum Beispiel live im Dashboard. Auch der Agent kann sie abfragen, etwa wenn jemand wissen will, wie der Umsatz im nächsten Quartal voraussichtlich aussieht.

Daten-Agent So sieht eine Antwort aus
Wie hat sich der Umsatz pro Kanal im letzten Quartal entwickelt?

Der Umsatz ist im dritten Quartal in drei von vier Kanälen gestiegen, am stärksten im Shop (+15 %). Amazon ist von 260 auf 240 Tsd. € gesunken.

Kennzahl: Netto-UmsatzQuelle: dbt-Modell
Warum ist Amazon gesunken?

Der Rückgang kommt fast vollständig aus Nahrungsergänzung: 22 Tsd. € weniger als im Vorquartal. Die übrigen Produktgruppen auf Amazon sind stabil.

Filter: Kanal AmazonKennzahl: Netto-Umsatz
Wie hat sich Nahrungsergänzung auf Amazon pro Woche entwickelt?

Bis KW 31 lag der Wochenumsatz stabil bei rund 6 Tsd. €. Seit KW 32 liegt er bei etwa 3,5 Tsd. €. Soll ich Preise und Lagerbestand in dem Zeitraum prüfen?

Filter: Amazon, NahrungsergänzungDefinition aus dem Semantic Layer
Frag deine Daten...

Wer was abfragen darf

Engineers dürfen tiefer in die Rohdaten, alle anderen fragen über die definierten Metriken.

Semantic LayerMCP-ServerZugriff pro NutzergruppeTestfragen

Bei Conversational BI stellst du deinen Daten eine Frage in normaler Sprache, etwa in Slack, und bekommst eine Antwort mit Kennzahl und kurzer Erklärung.

Ein Dashboard zeigt Ansichten, die jemand vorab festgelegt hat. Ein Agent beantwortet auch die Fragen, an die beim Bau des Dashboards niemand gedacht hat.

Damit die Antworten stimmen, braucht es darunter einen Semantic Layer. Dort sind Kennzahlen, Dimensionen und Filter einmal festgelegt, und der Agent fragt nur diese Definitionen ab, nie Rohtabellen. Ohne diese Grundlage rechnet jede Antwort ein bisschen anders.

Dashboards ersetzt das nicht. Für wiederkehrende Berichte bleiben sie der richtige Ort, der Agent übernimmt die Ad-hoc-Fragen dazwischen.

Ein Semantic Layer liegt zwischen deinem Data Warehouse und allem, was Zahlen anzeigt oder abfragt. Dort ist einmal festgelegt, was eine Kennzahl bedeutet, etwa wie Umsatz, Marge oder ein aktiver Kunde berechnet wird, und nach welchen Dimensionen und Filtern man sie auswerten kann.

Dashboards, Analysen und KI-Agenten greifen auf diese Definitionen zu und schreiben kein eigenes SQL. So rechnet jede Auswertung gleich, und eine Änderung an einer Definition gilt überall.

Wir bauen den Semantic Layer meist in dbt und machen ihn über das BI-Tool, zum Beispiel Lightdash, für Dashboards und Agenten nutzbar.

Case Studies

Agentic Analytics in der Praxis

Drei Kunden, drei Wege, wie KI auf ihren Daten arbeitet.

Glow25

Ein skalierbarer, moderner Data Stack

Ein Semantic Layer plus KI-Schnittstelle: Teams stellen Fragen in natürlicher Sprache und erhalten präzise Antworten aus verlässlichen Daten.

Volle Transparenz, zügig entscheiden
Case Study erkunden
VALUE AG

Zukünftige Nachfrage präzise prognostizieren und Operations optimieren

Eine Machine-Learning-Prognose berücksichtigt Trends, Saisonalität, Produktmix und externe Faktoren, um die Besetzung passend zu planen.

90% Prognosegenauigkeit, bis zu 50% weniger Fehlbesetzung
Case Study erkunden
Smoobu

KI-gestützte Conversion-Prognosen für schnelleres, smarteres Wachstum

Das Modell lernt aus historischen Daten und Verhaltensdaten und findet neue Muster ohne statische Regeln.

Prognosefehler um 50% reduziert
Case Study erkunden
Typische Probleme

Typische Probleme, die wir lösen

Kommt dir etwas davon bekannt vor? Dann lohnt sich ein Gespräch über KI auf deinen Daten.

Jede Frage wartet auf jemanden aus dem Analytics-Team

Dein Team ist der Engpass: mehr Anfragen als Kapazität, Entscheidungen warten auf Dashboards.

Fachbereiche können nicht selbst analysieren

Fachbereiche können Daten nicht eigenständig analysieren, schnelle, autonome Entscheidungen sind außer Reichweite.

Jedes Team fragt die KI auf eigene Faust

Teams probieren KI an verschiedenen Datenquellen aus, und am Ende kursieren unterschiedliche Antworten auf dieselbe Frage.

Der eingebaute BI-Agent überzeugt nicht

Der Chat im BI-Tool liefert leere oder falsche Antworten, zum Beispiel weil er das falsche Jahr annimmt.

Eine Kennzahl, mehrere Definitionen

Ohne Semantic Layer rechnet jedes Dashboard anders, und eine KI würde das nur verstärken.

Prognosen laufen über Faustregeln

Planung mit manuellen Schätzungen und statischen Regeln übersieht Saisonalität und Trends in Echtzeit.

So arbeiten wir

Vom Discovery Call zu Agenten im Betrieb

Wir arbeiten hands-on und ergebnisorientiert, in vier Schritten.

01

Discovery Call

Wir sprechen 30 bis 60 Minuten über deine Herausforderungen und über die Fragen, die deine Teams schnell beantwortet haben wollen.

02

Datenbasis prüfen

Agenten brauchen verlässliche, zentral gepflegte Daten. Wir prüfen, was vorhanden ist und was zuerst modelliert werden muss. Fehlt ein Semantic Layer, bauen wir ihn zuerst. Die KI fragt nur definierte Metriken ab, nie die Rohtabellen.

03

Agenten & Modelle bauen

Wir bauen die KI-Schnittstelle, die Agenten und die Machine-Learning-Modelle und stimmen jeden Schritt mit deinem Team ab. Wir testen mit einem festen Satz typischer Fragen und erwarteter Antworten und vergleichen bei Bedarf mit dem eingebauten Agenten deines BI-Tools.

04

Produktiver Betrieb

Antworten und Scores stehen im Arbeitsalltag bereit, zum Beispiel live im Dashboard.

Tools & Technologien

Technologien hinter Agentic Analytics

Wir arbeiten unter anderem mit diesen Tools. Welche zu dir passen, hängt von deinem Setup ab.

dbt logoLightdash logoSnowflake logoGoogle BigQuery logoPython logoClaude Code logo
Unsere Kunden

70+ erfolgreiche Projekte in sechs Jahren, ein Senior-Team von 20 Leuten mit Sitz in Berlin.

Viessmann logoVaillant logoyfood logoFlaschenpost logoglow25 logoheyData logoaudibene logoHomeToGo logoManiko logoWikinger Reisen logoasphaltgold logoPets Deli logoVALUE AG logomotel a mio logoju:it logoInno Nature logoMocMakler logon. logoPTV Logistics logoSmoobu logoTasty Urban logoAUXEUM logoVerdane logoAUCTUS logoLiberta Partners logoSwappie logowholey logoFOND OF logoCleanwatts logoViessmann logoVaillant logoyfood logoFlaschenpost logoglow25 logoheyData logoaudibene logoHomeToGo logoManiko logoWikinger Reisen logoasphaltgold logoPets Deli logoVALUE AG logomotel a mio logoju:it logoInno Nature logoMocMakler logon. logoPTV Logistics logoSmoobu logoTasty Urban logoAUXEUM logoVerdane logoAUCTUS logoLiberta Partners logoSwappie logowholey logoFOND OF logoCleanwatts logo
FAQ

Häufige Fragen zu Agentic Analytics

Das hängt vom Umfang ab. Kostentreiber sind vor allem die Anzahl der Datenquellen, die Fragen, die die Agenten beantworten sollen, ob schon ein Semantic Layer und saubere Datenmodelle stehen, ob dein BI-Tool schon einen MCP-Server mitbringt, wie Lightdash, ob der Agent in Slack oder im BI-Tool laufen soll und ob Machine-Learning-Modelle zum Projekt gehören. Im kostenlosen Discovery Call klären wir deinen Bedarf und skizzieren, wie ein Projekt aussehen kann. Für berechtigte KMU kann die BAFA-Förderung einen Teil der Beratungskosten übernehmen.

Nein. Du fragst in normaler Sprache, und der Agent arbeitet über die definierten Metriken im Semantic Layer. SQL schreiben oder Dashboards bauen musst du dafür nicht.

Wie lange es dauert, hängt vor allem davon ab, wie weit deine Daten bereit sind (vorhandene Modelle und ein Semantic Layer), wie viele Datenquellen und Fragen die Agenten abdecken und ob Forecasting-Modelle dazugehören. Wie lange dein Projekt dauert, klären wir im Discovery Call.

[TODO(Bijan/Flo): typische Projektdauer für Agentic Analytics]

Ja. Unsere Kunden haben zwischen 30 und 15.000 Mitarbeitende, meist 50 bis 200. Agentic Analytics passt überall dort, wo Teams mehr Fragen stellen, als dein Analytics-Team beantworten kann, unabhängig von der Unternehmensgröße. Für KMU kann zusätzlich die BAFA-Förderung greifen.

Die Agenten fragen über einen Semantic Layer ab, mit vordefinierten Metriken, Dimensionen und Filtern. Rohes SQL schreiben sie nicht selbst. Wie gut die Antworten sind, hängt nach unserer Erfahrung vor allem an den Anweisungen an den Agenten und weniger am Modell. Deshalb messen wir mit festen Testfragen nach.

BI & Data Analytics liefert Dashboards, Reporting und tiefere Analysen auf einem einheitlichen Fundament. Agentic Analytics setzt darauf auf: KI-Agenten fragen deine Daten ab und erklären dir die Antwort, innerhalb von Minuten.

Zu BI & Data Analytics

Möglicherweise, und zwar für den Beratungsanteil eines Agentic-Analytics-Projekts. Gemma Analytics ist bei der BAFA als Beratungsunternehmen registriert. Für berechtigte KMU übernimmt das Programm bis zu 50% der förderfähigen Beratungskosten als nicht rückzahlbaren Zuschuss, bis zu einem Höchstbetrag. Der Antrag muss vor Projektstart genehmigt sein, und wir begleiten dich kostenlos durch die Antragstellung.

Mehr zur BAFA-Förderung
Kompetenzen

Weitere Leistungen

BI & Data Analytics KPIs, Kennzahlendefinitionen und Analysestrukturen auf einem einheitlichen Fundament, damit alle Teams mit denselben Zahlen arbeiten. Leistung ansehen
Data Apps & Infrastructure Die Infrastruktur, Pipelines und Integrationen, auf denen Analytics- und KI-Workloads zuverlässig laufen. KI-Consulting Dein Weg zum KI-getriebenen Unternehmen. Wir klären, wo du stehst, setzen auf die Use Cases, die sich am schnellsten auszahlen, und bauen die Governance zum Skalieren auf. Intelligent Automation KI-Agenten und Automatisierungen, die deinem Team manuelle Arbeit abnehmen und ganze Workflows übernehmen. KI-Adoption Wir machen KI zu einem Teil deiner Arbeitsweise. Tools auswählen geht schnell; wir helfen dir, sie souverän und nachhaltig einzusetzen.
Kontakt

Bereit für Antworten in Minuten?

Buche dir einen kostenlosen Discovery Call: 30 bis 60 Minuten, fokussiert auf deine Herausforderungen.

Bijan, Founder & Managing Director at Gemma Analytics
Dein Ansprechpartner

Bijan Soltani

Founder & Managing Director

Bijan und das Gemma-Team schauen mit dir auf deine Daten und deine Fragen. Im Gespräch prüfen wir auch, ob dein Projekt für die BAFA-Förderung infrage kommt.