Data Science without Code

Eine kurze Beschreibung

Offensichtlich ist AI eine kodenfreie Machine-Learning-Plattform für nicht-technische Geschäftsabteilungen, die historische Tabellendaten in Klassifizierungs-, Regression-, Zeitreihen- und Clustering-Modelle umwandeln kann und Vorhersagen auf Webseiten, in automatisierten Systemen oder Geschäftsprozessen einsetzen kann.

Einführung in die Tools

Offensichtlich wird AI von Obviously AI, Inc. in San Francisco, USA, betrieben und basierte ursprünglich auf kodenloser Prädiktivanalyse. Zu den aktuellen Produktfunktionen gehören außerdem Agentic AI, AI-Agenten, RPA-Automatisierung, regelmäßige Berichte sowie anpassbare große Modelle.

Die Plattform bietet rein softwarebasierte Lösungen an, aber auch Dienstleistungen, die Software mit speziellen AI-Strategen und Datenwissenschaftlern kombinieren. Die Geschäftsmitarbeiter können selbst Modelle erstellen, während komplexe Aufgaben wie Datensäuberung, -kombination, -prüfung sowie Modellstrategien von Experten unterstützt werden.

Überblick über die Kernkompetenzen

Hauptfunktionen

Codefreie Modellierung

Der Benutzer lädt Daten hoch, wählt die Spalten aus, für die eine Vorhersage erstellt werden soll, und die Plattform übernimmt anschließend die Kombination der Algorithmen sowie die Auswahl der Parameter. Dadurch wird die Hürde für das Modellieren gesenkt, doch es ersetzt nicht die Geschäftsdefinition, die Datenverwaltung sowie die Überprüfung der Ergebnisse.

Klassifizierende Vorhersage

Klassifizierungsmodelle werden verwendet, um diskrete Ergebnisse vorherzusagen – beispielsweise ob ein Kunde wechselt, ob eine Lead-Kontaktierung zu einem Abschluss führt oder ob mit einem Geschäft Risiken verbunden sind. Die ermittelten Wahrscheinlichkeiten eignen sich zur Sortierung und Strukturierung, sollten aber nicht direkt als gesicherte Fakten angesehen werden.

Rückgangsprognose

Regressionssysteme prognostizieren kontinuierliche Werte und können für Umsätze, dynamische Preise, Transaktionsvolumina sowie Kosten und Erträge verwendet werden. Die Definition des Zielwerts, Ausreißer sowie zukünftig unbekannte Variablen beeinflussen den Fehler erheblich.

Zeitreihenprognose

Die Zeitreihenfunktion verwendet historische Daten, die nach Zeitreihenfolge geordnet sind, um zukünftige Werte vorherzusagen. Beim Training und Validieren muss die zeitliche Reihenfolge eingehalten werden; es darf keine zukünftigen Daten in die Vergangenheitsbeispiele eindringen.

Clustering und Gruppierung

Klustermodelle erkennen ähnliche Datensätze ohne explizite Labels und können zur Kundengruppierung sowie zur Analyse von Verhaltensmustern eingesetzt werden. Die Namen der Gruppen sowie ihre geschäftliche Bedeutung müssen manuell interpretiert werden; statistische Ähnlichkeiten dürfen nicht mit tatsächlichen Identitätskategorien gleichgesetzt werden.

Einfache Bereitstellung und Webanwendungen

Nach Fertigstellung des Modells kann eine teilbare Webanwendung genutzt werden, über die Benutzer Daten eingeben und Prognosen erhalten können. Bei sensiblen Geschäftsdaten sollte der Link nicht öffentlich geteilt werden; zuerst müssen Zugriffskontrollen und Berechtigungen überprüft werden.

Modell-Dashboard und Überwachung

Das Preismodell umfasst ein Modell-Dashboard, Feinabstimmung und Überwachung, die zur Überprüfung der Leistung sowie zur Verfolgung von Produktionsveränderungen genutzt werden können. Die Überwachungsindikatoren, die Alarmfrequenz sowie die Regeln für die automatische Neustrukturierung sollten vor dem Kauf überprüft werden.

RPA und bedingte Automatisierung

Die Plattform kann aufgrund der vorhergesagten Wahrscheinlichkeit weitere Aktionen auslösen und diese mit Zapier-artigen Workflows verbinden. Bei Aktionen mit hohem Einfluss sollten manuelle Genehmigungen, Betragsgrenzen sowie Mechanismen zur Rücknahme eingeführt werden.

AI-Agenten und benutzerdefinierte große Modelle

Auf der aktuellen Preistabelle werden AI-Agenten und Custom LLMs als Funktionen der kostenlosen Software aufgeführt, während Agentic AI in den kostenpflichtigen Paketen hervorgehoben wird. Auf der öffentlichen Seite werden die Anbieter der Modelle, die Wissensmaterialien, die Berechtigungen für die Tools sowie die Nutzungsgrenzen der einzelnen Pakete nicht vollständig erläutert.

Regelmäßige Berichte

Die SMB- und Enterprise-Lösungen ermöglichen die Erstellung von wiederkehrenden Berichten, mit denen Prognosen sowie Geschäftsindikatoren zu festgelegten Zeiten ausgegeben werden können. In den Berichten muss weiterhin der Zeitraum der Daten, die Version des Modells sowie die Fehlerquote angegeben werden, um zu vermeiden, dass Ergebnisse alter Modelle als aktuelle Fakten angesehen werden.

Exklusiver Data-Science-Support

Das Software-Plus-Expertenpaket verbindet KI-Strategen mit Datenwissenschaftlern mit Masterabschluss über Echtzeit-Kommunikation oder Videokollaboration. Dienstleistungsumfang, Reaktionszeiten, verfügbare Arbeitsstunden sowie die zu liefernden Ergebnisse müssen im Vertrag festgelegt werden.

Vollständiger Modellierungsworkflow

1. Definieren Sie ein messbares Geschäftsproblem und bestimmen Sie, wie die vorhergesagten Ergebnisse genutzt werden sollen.
2. Ordnen Sie die historischen Daten so an, dass jede Zeile einen gleichen Geschäftsbereich oder Zeitraum darstellt.
3. Löschen Sie die Leckziele, identifizierende Angaben ohne Geschäftsbedeutung sowie sensible Felder, die nicht verarbeitet werden sollten.
4. Laden Sie einen CSV-Datei hoch oder verbinden Sie sich mit einer Unternehmensdatenquelle, und wählen Sie anschließend eine Klassifizierungs-, Regression-, Zeitreihen- oder Clustering-Aufgabe aus.
5. Trainieren des Modells und Überprüfung der Stichprobengröße, des Einflusses der Merkmale, der Fehler sowie der Validierungsresultate.
6. Man führt manuelle Überprüfungen sowie Geschäfts-Backtests mit echten Beispielen durch, die noch nie an der Schulung teilgenommen haben.
7. Wählen Sie eine Webanwendung, Batch-Prognosen, REST-API, Berichte oder automatisierte Bereitstellung aus.
8. Ständige Überwachung von Datenverdrift, Geschäftsleistung und ungerechten Ergebnissen; bei Bedarf erneutes Trainieren oder Deaktivierung.

Einführungstutorial zur Benutzung

Erstellung eines Klassifizierungsmodells

1. Erstellen Sie eine CSV mit den historischen Ergebnissen, z. B. ob jeder Kunde letztendlich abgeworben wurde.
2. Überprüfen Sie, dass die Zielspalte nur klare Kategorien enthält, und vereinheitlichen Sie leere Werte, Rechtschreibung und Zeitrahmen.
3. Laden Sie die Datei hoch und wählen Sie die Zielspalte aus, um Felder auszuschließen, die erst nach der Erstellung des Ergebnisses entstehen.
4. Nach dem Training werden die Genauigkeit, die Trefferquote, die Verwechslungsrate sowie das Klassendisbalanz überprüft.
5. Hohes, mittleres und niedriges Risiko werden anhand von für das Geschäft akzeptablen Schwellenwerten eingeteilt, anstatt fester ein Halbwahrscheinlichkeitswert zu verwenden.
6. Zuerst werden Prognosen für kleine Teams bereitgestellt, anschließend werden die tatsächlichen Ergebnisse verglichen und angepasst.

Erstellung von Zeitreihenmodellen

1. Wählen Sie eine feste Tages-, Wochen- oder Monatsgranularität aus und ergänzen Sie die fehlenden Zeitpunkte.
2. Einen ausreichend langen historischen Zeitraum vorbereiten, um Feiertage, Werbeaktionen und strukturelle Veränderungen zu markieren.
3. Vermeiden Sie eine zufällige Veränderung der Daten und behalten Sie die Daten der jüngsten Zeit für Rücktests bei.
4. Vergleichen Sie die Vorhersagen des Modells mit dem einfachen saisonalen Durchschnitt oder der bewegten Durchschnittsbasislinie.
5. Legen Sie einen angemessenen Bereich für die Ausgabe fest, und formulieren Sie die Einzelprognosen nicht als Garantie.
6. Überprüfen Sie kontinuierlich die Fehler anhand neuer Daten und trainieren Sie erneut nach Veränderungen der Umgebung.

Prädiktionen über API bereitstellen

1. Die Modellvalidierung wurde abgeschlossen und bestätigt, dass der aktuelle Ansatz eine REST API enthält.
2. Erstellen Sie eigene Anmeldeinformationen und speichern Sie diese ausschließlich im Server-Schlüsselsystem.
3. Erstellen Sie die Anfrage gemäß den Feldern für die Einrichtung und halten Sie Namen, Typ und Einheit konstant.
4. Protokollieren Sie die Modellversion, die Eingabezusammenfassung, die Vorhersage, die Verzögerung und die Fehlercodes.
5. Erhöhung der Timeout-Werte, Wiederholungsversuche, Geschwindigkeitsbeschränkungen sowie Prozesse zur Reduzierung der Leistung bei Unverfügbarkeit.
6. Zuerst mit Graustufen-Zugang starten, die Geschäftsvorteile sowie die Kosten durch Fehler überprüfen, bevor der Datenverkehr ausgeweitet wird.

Für welche Benutzer geeignet

• Business Analyst: Es ist nicht notwendig, Code für maschinelles Lernen zu schreiben, um Prognoseprojekte zu überprüfen.
• Vertriebsteam: Prognose der Umwandlung potenzieller Kunden in tatsächliche Kunden, des Umsatzvolumens sowie des Risikos von Kundenverlusten.
• Marktteam: Identifizierung von Gruppen mit hoher Reaktionsfähigkeit und Planung differenzierter Aktionen.
• Betriebsteam: Prognose von Nachfrage, Lagerbeständen, Produktion und Servicebelastung.
• Finanz- und Risikomanagement-Team: Es werden Hilfsbewertungen erstellt, doch Entscheidungen mit hohem Risiko müssen weiterhin streng geregelt werden.
• Start-ups: Prüfen Sie einzelne AI-Anwendungen mit der kostenlosen Version oder dem Startup-Plan.
• Unternehmensdatenteam: Durch Private Cloud, SSO, Auditing und benutzerdefinierte Datensquellen bereitgestellt.

Typische Anwendungsszenarien

Preise und Pakete

Im Folgenden finden Sie die derzeit auf der offiziellen Website bis zum 22. August 2026 veröffentlichten Optionen. Die kostenlose Version weist eine klare Datengrenze auf; für Startup-, SMB- und Enterprise-Kunden werden lediglich die Kapazitäten sowie die Berechtigungen angegeben, ohne dass Preise in US-Dollar aufgeführt werden. Für aktuelle Kostenvoranschläge ist eine Registrierung oder eine Kontaktaufnahme erforderlich.

Die offizielle Website ermöglicht außerdem die Wahl zwischen „Software Only“ und „Software + Data Scientist“. Auf der Seite mit den öffentlich zugänglichen Preisen wird jedoch kein Unterschied zwischen den Preisen dieser beiden Services angegeben. Die monatlichen Preise aus dem alten Blog sind historische Daten und können daher nicht als aktuelle Kaufpreise herangezogen werden.

Vergleich der Funktionen der Pakete

Einschränkungen in der kostenlosen Version

• Die kostenlose Version bietet nur einen Benutzerplatz und kann daher nicht als Lösung für die Teamzusammenarbeit angesehen werden.
• Jede Zeile oder jeder Datensatz, für den ein Modellergebnis zurückgegeben wird, zählt als eine Vorhersage.
• Die kostenlose Nutzung umfasst 1200 Vorhersagen; das Massen hochladen mehrerer Zeilen verbraucht den Freibetrag schnell.
• Auf der Preiseite werden gleichzeitig Angaben zu 1 Million Zeilen Trainingsdaten und bis zu 10.000 Zeilen Datensätze gegeben, was zu Unklarheiten führt.
• Die kostenlose Version unterstützt ausschließlich CSV-Datengrundlagen und beinhaltet keine benutzerdefinierten Datenschnittstellen.
• Die Obergrenze für eine einzelne Datei beträgt 10 MB; breite Tabellen oder Textfelder können bereits früher diese Grenze erreichen.
• Erweiterte Verwaltung, SSO, Auditing, Datenverbleib und Private Cloud gehören nicht zu den öffentlich verfügbaren, kostenlosen Leistungen.

Support-Plattformen und Integration

Vorteile des Produkts

• Umfasst gängige Tabellendatenmodellierungsaufgaben wie Klassifizierung, Regression, Zeitreihen und Clustering.
• Es ist kein Trainingsskript notwendig – das Geschäftsteam kann schnell überprüfen, ob die Daten einen prognostischen Wert haben.
• Das Modell kann über Webanwendungen, Batch-Ergebnisse, REST-APIs und Automatisierung in Geschäftsprozesse integriert werden.
• Bezahlte Dienste können mit KI-Strategen und Datenwissenschaftlern ausgestattet sein, die bei der Reinigung und Überprüfung von Daten helfen.
• Von der kostenlosen persönlichen Nutzung über Private Cloud bis hin zur Datenspeicherung – die Einsatzebenen sind recht umfassend.
• Die offizielle Website gibt Sicherheitsinformationen zu SOC 2 Type II, GDPR, HIPAA und CCPA frei.
• Bietet Überwachung, Protokollierung und Auditing für die Verwaltung in der Produktion.

Einsatzbeschränkungen und Hinweise

• Kein Code bedeutet nicht, dass keine Entscheidungen im Bereich der Datenwissenschaft notwendig sind – die Definition und Überprüfung der Ziele bleibt weiterhin das Kernstück eines Projekts.
• Verzerrungen, Lecks und veraltete Beziehungen in den Trainingsdaten werden vom Modell verstärkt.
• Eine hohe Genauigkeit bedeutet nicht, dass sie für alle Gruppen, die Gerechtigkeit oder die Betriebskosten geeignet ist.
• Die Höhe der Zahlungspläne wird nicht offengelegt; der Budgetbetrag muss durch ein Verkaufsangebot und eine Vertragsbestätigung festgelegt werden.
• Es besteht eine Unstimmigkeit in der Beschreibung der Anzahl der Trainingszeilen und der verarbeiteten Zeilen auf der Seite mit den kostenlosen Preisen.
• Die genauen Aufruflimits für AI-Agenten, angepasste LLMs und RPA sind nicht öffentlich bekannt.
• Dynamische Preissetzung, Kreditvergabe, Personalbeschaffung, Gesundheitswesen und Betrugsfälle erfordern zusätzliche Vorschriften sowie manuelle Überprüfungen.
• Dritte Datensquellen und Automatisierung führen zu neuen Berechtigungen, Kosten und Störungspunkten.
• Nach dem Einsatz des Modells muss der Datendrift überwacht werden; man darf sich nicht dauerhaft auf die Ergebnisse der ersten Trainingsphase verlassen.

Privatsphäre und Datensicherheit

Die Datenschutzerklärung wurde im Februar 2025 aktualisiert und legt dar, dass die Plattform Informationen zu Konten, Kontaktdaten, Authentifizierungsdaten, Zahlungen, Geräten, Nutzungsmustern sowie Cookies sammelt. Persönliche Daten werden in der Regel nach Beendigung des Kontos nicht länger als 90 Tage zu den in der Richtlinie genannten Zwecken aufbewahrt, doch gesetzliche Anforderungen, Backups sowie Streitigkeiten können eine tatsächliche Löschung verhindern.

Auf der Sicherheitsseite wird erklärt, dass die Kundendaten in Google Cloud gespeichert werden, dass bei der Übertragung TLS verwendet wird und dass statische Daten mit AES-256 verschlüsselt werden. Auf der Seite werden außerdem die Zertifizierungen SOC 2 Type II, GDPR, CCPA sowie die Möglichkeit einer Unterzeichnung eines HIPAA BAA aufgeführt. Kunden, die unter regulatorischen Vorgaben stehen, sollten weiterhin aktuelle Berichte sowie Vertragsanhänge anfordern.

• Löschen Sie vor dem Training Namen, E-Mail-Adressen, Ausweisdaten sowie unnötige sensible Eigenschaften.
• Verwenden Sie für APIs, Datenquellen und Automatisierungen separate, mit minimalem Berechtigungsgrad ausgestattete Anmeldeinformationen.
• Bei Unternehmensbeschaffungen werden der Standort der Daten, die Backups sowie die Unterauftragsverarbeiter festgelegt.
• Vor der Nutzung von Medizin-Daten muss die Eignung gemäß BAA sowie der tatsächliche Umfang der Dienstleistungen überprüft werden.
• Das Hochrisikomodell speichert Versionen der Daten, Eigenschaften, Schwellenwerte, Genehmiger sowie Ausgabelogs.
• Überprüfen, ob das Modell und die hochgeladenen Daten zur Schulung der Plattform oder zur Verbesserung des Produkts verwendet werden.
• Nach Kündigung, Abschluss des Projekts und Schließung des Kontos sollte der Zugang umgehend entzogen und eine Löschung beantragt werden.

Modellgovernance und verantwortungsvolle Nutzung

• Für jedes Modell werden Verwendungszweck, verbotene Verwendungen, Verantwortliche sowie der Aktualisierungszyklus aufgezeichnet.
• Trennen Sie das Trainingsset, das Validierungsset und das Endtestset zeitlich oder nach Geschäftsunternehmen ordnungsgemäß voneinander.
• Gleichzeitig werden die Genauigkeit, die Rückrufrate, der Kostenfaktor für Fehlalarme sowie die Gruppenunterschiede bewertet.
• Entscheidungen mit hohem Einfluss verwenden die Prognosen lediglich als Hilfsindikatoren und führen sie nicht vollständig automatisiert aus.
• Einführung von Mechanismen für manuelle Beschwerden, Fehlerkorrektur und Rollback.
• Regelmäßig werden die Produktionsdaten mit den Trainingsdaten verglichen und ein Rückgang der Leistung überwacht.
• Nach einer Veränderung der externen Umstände sollte es erneut überprüft werden; alte Schwellenwerte sollten nicht blind weiter verwendet werden.

API, SDK und Open-Source-Status

Offensichtlich bietet die KI eine REST-API, über die einzelne oder mehrere Datensätze an das bereitgestellte Modell gesendet werden können, wobei die Ergebnisse in externen Anwendungen angezeigt werden. Auf der offiziellen Website werden derzeit keine vollständigen Endpunkte, Rate Limits, Fehlercodes oder offizielle Dokumentationen zu mehrsprachigen SDKs bereitgestellt.

Zum Zeitpunkt der Überprüfung wurden weder eine offizielle GitHub-Organisation noch Quellcode-Repositorys der Kernplattform noch Open-Source-Lizenzierungen gefunden, die auf Obviously AI, Inc. hindeuten würden. Dass eine REST-API zugänglich ist und Modelle bereitgestellt werden können, bedeutet nicht, dass das Produkt open source ist.

Grundlegende Informationen

Empfehlungswert

Die Empfehlungsbewertung liegt bei 4,2 von 5 Punkten. Offensichtlich bündelt AI gängige Vorhersagemodelle, Bereitstellung, Automatisierung sowie Expertenunterstützung in einer Plattform – was für Unternehmen ohne vollständiges Data-Science-Team geeignet ist.

Der größte Mangel ist die derzeitige Unklarheit bezüglich der Zahlungskonditionen. Bei einigen neuen Funktionen und Leistungen von Agentic AI fehlen detaillierte Angaben, und es gibt auch Unstimmigkeiten hinsichtlich der Anzahl der kostenlosen Nutzungen. Bevor hochwirksame Modelle in Betrieb genommen werden, sind weitere fachliche Überprüfungen sowie kontinuierliche Kontrolle erforderlich.

Häufige Fragen

Ist KI offensichtlich kostenlos?

Es gibt eine kostenlose Version, die 1 Sitzplatz, 1200 Prognosen, unbegrenzte Modelle, 10 MB an Dateigröße sowie die Verarbeitung von bis zu 10.000 Datensätzen umfasst. Auf der Seite steht außerdem, dass es 1 Million Trainingsdatensätze gibt; die genauen Angaben sollten im Konto überprüft werden.

Ist Programmierkenntnisse erforderlich?

Für den Aufbau eines Grundmodells ist keine Programmierung erforderlich; Nutzer können Daten über eine Webseite hochladen und das Ziel auswählen. Für die Integration von APIs, die Verwaltung der Daten sowie die umfangreiche Bereitstellung im Produktionsumfeld sind jedoch weiterhin Techniker nötig.

Welche Vorhersageaufgaben werden unterstützt?

Es gibt klare Unterstützung für Klassifizierung, Regression, Zeitreihen und Clustering, wodurch Aufgaben wie Churn, Konvertierung, Preis, Verkaufszahlen, Nachfrage und Segmentierung abgedeckt werden können.

Wie wird eine Vorhersage gezählt?

Jedes Mal, wenn eine Zeile oder ein Datensatz an das Modell gesendet wird und ein Ergebnis zurückgegeben wird, zählt das als eine Vorhersage. Das Hochladen von 100 Zeilen gleichzeitig und die Erstellung der Ergebnisse für alle Zeilen zählt als 100 Vorhersagen.

Wird eine API bereitgestellt?

Es wird eine REST-API bereitgestellt, über die Prognosen in Anwendungen, interne Tools oder Websites integriert werden können. Die genauen Geschwindigkeitsbeschränkungen, Authentifizierungsverfahren sowie Gebühren müssen im Kontoinformationen oder Vertrag festgelegt werden.

Wird Chinesisch unterstützt?

Die offizielle Website bietet keine vollständige chinesische Benutzeroberfläche sowie keine Erklärungen zu den chinesischen Textmodellen. Tabellen, die hauptsächlich aus Zahlen und Kategorien bestehen, können getestet werden, doch bei den Feldern für chinesische Texte muss zunächst die Kodierung sowie die Funktionalität überprüft werden.

Wird die Daten für das Training verwendet?

Die Seite zu Privatsphäre und Sicherheit gibt keine ausreichend klaren und einheitlichen Anweisungen bezüglich der Nutzung von Kundendaten zur Trainingszwecken. Unternehmen sollten die Regeln für das Training, die Speicherung und Löschung dieser Daten durch einen DPA oder Vertrag festlegen.

Ist KI offensichtlich Open Source?

Es handelt sich um kein Open-Source-Projekt – es gibt weder ein offizielles Repository mit den Quellcodes noch eine Lizenz. Die Bereitstellung von APIs sowie der Möglichkeit zur Bereitstellung von Webanwendungen bedeutet nicht, dass die Codebasis des Modells oder der Plattform öffentlich zugänglich ist.

Eignet sich es für Entscheidungen mit hohem Risiko?

Es kann als unterstützende Analyse dienen, doch in Bereichen wie Kreditvergabe, Personalbeschaffung, Gesundheitswesen, Versicherungen und Betrug darf man sich nicht ausschließlich auf automatische Vorhersagen verlassen – es sind Compliance-Prüfungen, Erklärbarkeit sowie menschliche Überprüfungen erforderlich.

Zusammenfassung

Offensichtlich eignet sich KI für Teams, die schnell Prädiktionen auf der Grundlage von historischen Tabellendaten erstellen möchten und diese über APIs, Automatisierung oder Dashboards in ihren Geschäftsprozessen einsetzen wollen. Die kostenlose Version kann zur kleinen Skalenerprobung genutzt werden, während die kostenpflichtigen Optionen die Anwendungsmöglichkeiten, die Kapazitäten sowie die Expertise und Steuerungsfähigkeiten erweitern.

Vor dem eigentlichen Go-Live müssen Preisangaben, Datengrenzen, Funktionen des neuen Agents, API-Limits sowie Vertragsbedingungen zur Datenverarbeitung festgelegt werden. Zudem muss mit einem unabhängigen Testset nachgewiesen werden, dass das Modell in der realen Anwendung zuverlässig und fair funktioniert.