Dashboards, die Fragen beantworten, statt Diagramme zu zeigen.

Wir bauen die Analyseschicht auf Ihren vorhandenen Daten, auf Claude, Google Gemini oder OCI — vom ERP bis zum Dashboard, mit der Abfrage hinter jeder Zahl im Blick.

Die meisten Unternehmen haben die Daten, die sie für ihre Entscheidungen brauchen, längst. Was fehlt, ist die Schicht, die sie zusammenführt, erklärt und eine Frage in Sekunden beantwortet — statt sie an eine Analystin weiterzureichen, deren Kalender erst nächste Woche aufgeht.

Warum niemand die vorhandenen Dashboards öffnet

Ein klassisches Dashboard beantwortet die Fragen, die jemand beim Bauen vorhergesehen hat. Die Frage, die heute zählt — warum ist die Marge bei diesem Kunden in diesem Quartal gefallen — war nicht vorgesehen, und sie zu beantworten heißt: Excel wieder aufmachen.

Deshalb werden die meisten Dashboards in der ersten Woche geöffnet und in der dritten aufgegeben. Es fehlt nicht an Daten. Es liegt daran, dass zwischen Frage und Antwort weiterhin ein Mensch steht.

Was wir bauen

• Die Erfassung. Anbindungen an ERP, CRM, Datenbanken und die Tabellenkalkulationen, die den Prozess immer noch bestimmen. Oracle, SQL Server, PostgreSQL, interne APIs — und Dateien, wenn es nur Dateien gibt.
• Das Datenmodell. Die Schicht, in der definiert wird, was ein Verkauf, ein aktiver Kunde oder eine Marge ist — einmal, schriftlich, für alle gleich. Hier sterben die Meetings, in denen zwei Abteilungen unterschiedliche Zahlen mitbringen.
• Die Dashboards. Kennzahlen, Zeitreihen und Vergleiche, entworfen für die Entscheidung, die sie tragen sollen — nicht, um den Bildschirm zu füllen.
• Die KI-Schicht. In natürlicher Sprache fragen, die Zahl und die Abfrage erhalten, die sie erzeugt hat. Wer sie liest, kann prüfen statt glauben.

Was KI einem Dashboard hinzufügt

• Schriftlich fragen. „Welche fünf Kunden sind gegenüber dem Vorquartal am stärksten eingebrochen?“ liefert die Tabelle und das SQL dahinter — ohne Umweg über eine Person.
• Die Veränderung erklären. Nicht nur, dass die Kennzahl gefallen ist, sondern welche Dimensionen am stärksten dazu beigetragen haben.
• Muster­brüche erkennen. Warnungen zu Abweichungen, die niemand beobachtet hat, weil niemand wusste, dass dort ein Muster war.
• Für Entscheider zusammenfassen. Der Monatsbericht, aus den echten Zahlen geschrieben, Ausnahmen markiert — von einem Menschen geprüft, bevor er hinausgeht.
• Vorausschauen. Prognosen zu Nachfrage, Liquidität oder Auslastung, mit sichtbarem Konfidenzintervall statt einer einsamen Zahl.

Auf Plattformen gebaut, die Sie kennen

Wir entwickeln auf Claude, Google Gemini und OCI Generative AI, mit der Datenschicht auf Oracle, PostgreSQL oder dem Warehouse, das Sie ohnehin betreiben. Das Modell liegt hinter einer Schicht von uns: ein Anbieterwechsel ist Konfiguration, keine Neuschreibung.

Wo Power BI, Looker oder Qlik bereits im Haus sind, bauen wir darauf auf statt zu ersetzen — die Sprachschicht und die Warnungen kommen hinzu, ohne dass jemand das Werkzeug wechseln muss.

Was Sie erhalten

• Die Dashboards im Produktivbetrieb, an echte Daten angebunden und selbstständig aktualisiert.
• Das dokumentierte Datenmodell, jede Kennzahl schriftlich definiert und von denen abgenommen, die sie nutzen.
• Den Frage-Assistenten eingebettet dort, wo das Team ohnehin arbeitet — Intranet, Teams oder die Anwendung selbst.
• Ein Protokoll der gestellten Fragen und der Kosten je Zeitraum, damit klar ist, was genutzt wird und was es kostet.
• Schulung für die Nutzenden und Dokumentation für die, die es warten.

Häufige Fragen

Wir haben bereits Power BI. Ersetzt das die Lösung?

Es ersetzt sie nicht, es ergänzt sie. Wir behalten die Dashboards, die funktionieren, und bauen die fehlende Schicht darüber: in natürlicher Sprache fragen, Veränderungen erklären, auf Abweichungen hinweisen. Wenn das eigentliche Problem das Datenmodell darunter ist, sagen wir das — und dort liegt es meistens.

Verlassen unsere Daten unsere Infrastruktur?

Das legen wir vorab fest. Das Modell erhält die Tabellenstruktur und die Frage, nicht den gesamten Datenbestand — und wo die Datenkategorie es verlangt, ist die Alternative ein selbst gehostetes Modell. Es ist Ihre Entscheidung, informiert.

Wie lange bis zum ersten brauchbaren Dashboard?

Vier bis acht Wochen für den ersten Satz Kennzahlen im Produktivbetrieb, je nach Zustand der Daten und Anzahl der anzubindenden Systeme. Die Sprachschicht folgt danach, auf einem bereits validierten Modell.

← Alle Leistungen