DGi

Was ist DGi?

DGi ist ein von Datagran entwickelter AI-Datenagent, der für Entwickler und Unternehmensteams bestimmt ist, die Datenanalyse, Codeausführung sowie Automatisierungsfunktionen in ihre Produkte integrieren möchten. Die alten Domainnamen verweisen nun auf die neuen Seiten von DGi sowie auf die API-Dokumentationen. Die Rolle des Produkts hat sich dabei von einem allgemeinen AI-Programmierwerkzeug zu einer Plattform für Datenagenten gewandelt.

Es kann Aufgaben in natürlicher Sprache verarbeiten, Dateien, Datenbanken, APIs oder Webseiten verbinden, Code erstellen und ausführen sowie anschließend Analyseergebnisse, Dateien, Diagramme oder Vorschauen der Anwendung zurückgeben. DGi ist weder ein reines Code-Vervollständigungs-Plugin noch sollte es als automatisches Entscheidungssystem ohne Überprüfung angesehen werden.

Überblick über die wichtigsten Fähigkeiten

Datenanalyse und Dokumentenverarbeitung

Benutzer können im Laufe einer Sitzung CSV-Dateien hochladen und anschließend in natürlicher Sprache von DGi verlangen, diese zu bereinigen, zu analysieren, zu visualisieren oder Berichte zu erstellen. Der Upload-Endpunkt der aktuellen API ist ausdrücklich auf CSV-Dateien beschränkt. Obwohl auf der Startseite auch Datenquellen wie CSV und Excel angezeigt werden, sollten Entwickler nicht davon ausgehen, dass alle Dateiformate über denselben Endpunkt hochgeladen werden können.

• Die Sitzung organisiert relevante Fragen, Dateien und Aufgaben im selben Kontext.
• Asynchrone Aufgaben können Fortschrittsmeldungen, die endgültige Antwort, eine Liste der Codes sowie einen Vorschau-Link zurückgeben.
• Die erstellten Dateien können im Sitzungskatalog aufgelistet, heruntergeladen oder aktualisiert werden.
• Die Schlussfolgerungen müssen weiterhin hinsichtlich der Felddefinitionen, fehlender Werte, Zeitrahmens und statistischer Methoden überprüft werden.

Codegenerierung und Ausführung

DGi kann je nach Aufgabe Verzeichnisse mit Python-Code erstellen, wobei der Haupteinstieg immer script.py ist. Entwickler können die Dateien in diesem Verzeichnis lesen oder ändern und anschließend mit run_file einen neuen Auftrag zur Ausführung des Codes erstellen.

1. Erstellen Sie eine Sitzung und übermitteln Sie Daten oder Verbindungsinformationen.
2. Beschreiben Sie die Analyseziele und die erwarteten Ergebnisse in natürlicher Sprache.
3. Speichern Sie den Verzeichnisnamen für die Ausführung des Codes, der von der Aufgabe zurückgegeben wird.
4. Überprüfen Sie den generierten Code, die Abhängigkeiten sowie den Zugriffsbereich der Dateien und passen Sie diese bei Bedarf an.
5. Die Ausführung der Aufgabe wird über script.py im Verzeichnis als Eingangspunkt gestartet.
6. Abfragen der Nachrichten, um den Protokollinhalt anzusehen; falls für die Codeaufgabe keine Nachrichten vorliegen, wird der vollständige Ausgabeinhalt gelesen.

Das Ausführen von von KI erzeugtem Code birgt Risiken wie Abhängigkeiten, Netzwerkzugriff, Ressourcenverbrauch und Datenbeschädigung. In Produktivumgebungen sollten isolierte Ausführungsumgebungen, Anmeldeinformationen mit minimalem Zugriffsrecht, Ressourcenlimits sowie manuelle Genehmigungen verwendet werden.

Datenbanken und externe Verbindungen

Auf der Produktseite werden die Verbindungsmethoden zu PostgreSQL, MySQL, BigQuery, Snowflake, Objektspeicher sowie Dateien aufgeführt. Die API ermöglicht außerdem die Erstellung, Abfrage, Aktualisierung und den gemeinsamen Zugriff auf Verbindungen. Die Verbindungseinstellungen können Datenbank- oder API-Zugangsdaten speichern, wobei der Zugang je nach Benutzer autorisiert oder entzogen werden kann.

• Datenbankkonten sollten vorrangig mit Leseberechtigungen verwendet werden, um zu verhindern, dass Agenten Produktionsdaten versehentlich ändern.
• Für die Entwicklungs-, Test- und Produktionsumgebungen sollten unterschiedliche Anmeldeinformationen und API-Schlüssel verwendet werden.
• Ein gemeinsamer Zugang ermöglicht es anderen Benutzern, die Verbindung sowie die Anmeldeinformationen einzusehen; vor der Berechtigung sollten Organisation und Personen überprüft werden.
• Passwortwechsel, Rückholung bei Ausscheiden aus dem Unternehmen sowie Alarme bei ungewöhnlichen Zugriffen müssen durch Unternehmensprozesse abgedeckt werden.

Zeitgesteuerte Aufgaben und Workflows

DGi kann die während einer Sitzung laufenden Dateien mit Cron-Expressionen oder Zeitbeschreibungen in natürlicher Sprache zu zeitgesteuerten Aufgaben kombinieren. Die API ermöglicht das Erstellen, Auflisten, Aktivieren, Deaktivieren sowie manuelles Auslösen solcher Aufgaben und eignet sich somit für periodische Berichte, Bestandsüberprüfungen sowie Datenüberwachung.

Die Scheduling-Funktion sollte eine idempotente Struktur sowie Mechanismen für Zeitüberschreitungen, Wiederholungsversuche bei Fehlern und Benachrichtigungen bei Ergebnissen beinhalten. Bei externen Schreibvorgängen sollten zudem für jede Ausführung Mechanismen zur Freigabe, zum Auditieren sowie zur Rückgängigmachung bereitgestellt werden.

Web-Automatisierung und Anwendungsentwicklung

Die Fähigkeit zur Web-Automatisierung ermöglicht es, Seiten zu durchsuchen, Informationen abzurufen, Formulare auszufüllen und mehrstufige Aufgaben auszuführen. Dabei können Nachrichten über die ausgeführten Aufgaben im Browser angezeigt werden. Das Anmelden auf Webseiten, Code-Zertifikate, Nutzungsbedingungen, Robots-Regeln sowie Beschränkungen gegen Automatisierung beeinflussen weiterhin den tatsächlichen Erfolg.

DGi kann außerdem Daten-Dashboards, Berichte oder Vorschauen interaktiver Anwendungen erstellen. Die Vorschauergebnisse eignen sich zur Überprüfung der Anforderungen, doch vor der endgültigen Implementierung müssen Rechte, die Leistung auf mobilen Geräten, Abhängigkeitsversionen, Eingabenvalidierung sowie das Risiko von Datenlecks überprüft werden.

Verständnis: Erstellung des Projektkontexts

Verständnis kann durch GitHub-Repositorien, Unterstützungs-Dokumentationen oder Markdown-Dateien in einem langfristigen Kontext erlangt werden. Bei umfassenderen Analyseaufgaben wird der Code-Bestand untersucht und ein PDF-Dokument erstellt; die geschätzte Bearbeitungszeit beträgt 5 bis 30 Minuten.

1. Erstellen Sie einen speziellen GitHub-Token für den privaten Speicher und legen Sie ihn in das Verbindungsobjekt ab.
2. Erstellen Sie ein Understanding und fügen Sie Lager-, Dokumentations- oder Markdown-Inhalte hinzu.
3. Starte eine tiefgehende Forschungsaufgabe und prüfe den Status.
4. Nach Abschluss der Aufgabe wird das erstellte Dokument gelesen, und anschließend wird die understanding_id für weitere Fragen und Antworten verwendet.
5. Nach Änderungen der Lagerberechtigungen oder des Personals sollten die Token umgehend zurückgezogen und der Kontext aktualisiert werden.

Die Analyse privater Lager umfasst die Einbeziehung von Code und Dokumenten in externe Verarbeitungsprozesse. Unternehmen sollten zunächst die Aufbewahrungsfrist, die Beauftragten für die Verarbeitung, die Zwecke der Verwendung, die Methode der Löschung sowie die vertraglichen Verpflichtungen klären.

API v2-Anbindungsprozess

Die derzeit öffentlich verfügbare API verwendet einen Bearer-API-Schlüssel und bietet die OpenAPI-Spezifikationen. Der Kernprozess besteht darin, eine Sitzung zu erstellen, asynchrone Aufgaben anzulegen sowie nach Zeitstempeln nach Nachrichten zu suchen, bis der Status auf „completed“ oder „interrupted“ wechselt.

1. Registrieren Sie ein Konto und erstellen Sie auf der Profilseite einen API-Schlüssel.
2. Aufruf des Test-Endpunkts zur Überprüfung der Authentifizierung und des Service-Zustands.
3. Erstellen Sie eine Sitzung und speichern Sie die session_id.
4. Erstellen Sie im Dialog Fragen, führen Sie Dateien aus oder bearbeiten Sie Forschungsaufgaben und speichern Sie die task_id.
5. Verwenden Sie den Zeitstempel der vorherigen Nachricht zur Abfrage, um das erneute Herunterladen aller Nachrichten zu vermeiden.
6. Verwenden Sie zur Fehlbehandlung von Serverfehlern ein Backoff-Verfahren für Wiederholungsversuche und stoppen Sie das Abfragen nach Abschluss oder Unterbrechung.
7. Endgültige Antwort auslesen, Datei erstellen, Codeausgabe oder Anwendungsvorschau.

Die Zertifizierungsanleitungen enthalten weiterhin alte Domainnamen und Beispiele für Version v1, während die aktuelle API-Referenz neue Domainnamen sowie Pfade für Version v2 verwendet. Bei der Umsetzung sollte man sich an der aktuellen OpenAPI- und API-Referenz orientieren und nicht mit verschiedenen Beispielen mischen.

API, SDK und Open-Source-Status

Preis- und Mengenbeschränkungen

Die Anzahl der Anfragen pro Minute gibt lediglich die Schnittstellengeschwindigkeit an und entspricht nicht der Anzahl der kostenlos ausführbaren Aufgaben, den Modell-Tokens, der Laufzeit des Codes oder dem Speicherplatz. Derzeit sind keine offiziellen Angaben zu den Kosten, den Preisen für Überschreitungen, der Probephase sowie den Rückgaberegeln bekannt. Vor dem Kauf sollten diese Punkte im Account-Backend oder im Vertrag einzeln überprüft werden.

Sicherheits- und Privatsphäre-Hinweise

Auf der Produktseite werden Sicherheitsfunktionen wie Doppel-Umschlag-Verschlüsselung, statische AES-256-Verschlüsselung, TLS 1.3, Zero Trust, Audit-Logs, SOC 2 sowie Private Cloud aufgelistet. Derzeit liegen keine für die Öffentlichkeit zugänglichen Auditberichte, Zertifizierungsdaten oder umfassende Sicherheitsdokumente vor. Unternehmen sollten bei der Anschaffung sicherstellen, dass die Eignung des Produkts, die Verwendbarkeit in ihrem Gebiet sowie die Gültigkeitsdauer überprüft werden.

• API-Schlüssel dürfen nicht in Browsercode, öffentliche Repositorien oder Logs geschrieben werden, sondern sollten in einem Schlüsselverwaltungssystem aufbewahrt und regelmäßig ausgetauscht werden.
• Erstellen Sie spezielle Anmeldeinformationen mit minimalem Berechtigungsgrad für Datenbanken, Objektspeicher und GitHub.
• Entfernen Sie vor dem Hochladen der Daten unerwünschte persönliche Informationen und überprüfen Sie die grenzüberschreitende Übertragung sowie die Unterauftragsverarbeiter.
• Es müssen klare Fristen für die Speicherung und Löschung von Sitzungen, Dateien, Code, Browser-Videoaufnahmen sowie Backups festgelegt werden.
• Die Ausführung von Code mit hohem Risiko, Änderungen an Webseiten sowie die automatische Entscheidungsfindung sollten einer menschlichen Überprüfung unterliegen.
• Erstellen Sie separate Prüfungsprotokolle für Aufgaben, gemeinsame Verbindungen sowie Änderungen bei den Organisationsmitgliedern.

Die aktuelle Seite von DGi bietet keinen klaren Zugang zu separaten Datenschutz- und Dienstleistungsbedingungen. Die bei Datagran auffindbaren Informationen zu den entsprechenden Richtlinien sind bereits veraltet. Bei sensiblen oder regulierten Daten sollten vor Abschluss eines Vertrags die geltenden Datenverarbeitungsvereinbarungen, Sicherheitsanhänge, Rückerstattungsregeln sowie Zusage zur Löschung für DGi eingeholt werden.

Geeignet für Nutzer und typische Szenarien

• Dateningenieur: Erstellt und führt Datenverarbeitungsskripte in natürlicher Sprache aus.
• Analyseteam: Schnelle Erstellung von Trends, Diagrammen und Berichten aus CSV oder Datenbanken.
• Produktentwickler: Embedden von Daten-Proxys über APIs in ihre eigene Plattform.
• Betriebsteam: Regelmäßige Erstellung von Berichten, Überwachung von Kennzahlen oder automatische Erfassung von Webdaten.
• Entwicklungsteam: Analyse des Code-Repositories und Erstellung eines wiederverwendbaren Projektwissenskontexts.
• Unternehmens-IT: Aufbau interner Datenwerkzeuge unter Berücksichtigung von Berechtigungen, Audits und Anforderungen an die private Implementierung.

Vorteile und Grenzen der Fähigkeiten

Hauptvorteile

• Von Aufgaben in natürlicher Sprache bis hin zu Code, Datenverbindungen, Scheduling und Anwendungsvorschauen.
• Die API umfasst Sessions, Aufgaben, Dateien, Verbindungen, Organisationen und Wissenskontexte.
• Asynchrone Aufgaben liefern Fortschrittsmeldungen, die sich gut in die Produktoberfläche einbinden lassen.
• Unterstützt den zeitgesteuerten Betrieb und die gemeinsame Nutzung von Verbindungen – geeignet für teambasierte Datenworkflows.

Hauptbeschränkungen

• Von KI erzeugte Analysen und Code können fehlerhaft sein und benötigen eine manuelle Überprüfung sowie getrennte Ausführung.
• Die offenen Preise, die Auftragsgrenzen, die Aufbewahrungsfristen sowie die Bedingungen für Rückerstattungen sind unvollständig.
• Einige Zertifizierungsbeispiele verwenden alte Domainnamen, was eine Inkonsistenz mit der aktuellen v2-Referenz aufweist.
• Die Erklärung zur Konformität mit den Sicherheitsvorgaben enthält keine nachvollziehbaren Nachweise über den Umfang der Durchführung von Prüfungen, die öffentlich einsehbar sind.
• Kein offizielles SDK, Quellcode des Produkts sowie native Mobile-Apps bestätigt.
• Die Web-Automatisierung wird durch die Regeln der Website, die Anmeldeverifizierung und Änderungen auf den Seiten beeinflusst.

Häufige Fragen

Ist DGi ein Code-Editor?

Nein. Es handelt sich um eine Daten-Agenten-Plattform, die Python-Code erstellen und ausführen kann – doch der Schwerpunkt liegt auf Datenanalyse, Automatisierung, Verbindungen sowie API-Integration.

Kann DGi kostenlos verwendet werden?

In den Zertifizierungsunterlagen sind die Free-Ebene sowie die Beschränkung von 100 API-Anfragen pro Minute aufgeführt. Die Anzahl der kostenlosen Aufgaben, die verfügbaren Ressourcen sowie die Speicherkapazität sind derzeit noch nicht vollständig offengelegt; es sollten die Angaben im Konto-Backend herangezogen werden.

Wie viel kostet die Pro-Version?

Der aktuelle Preis ist derzeit nicht öffentlich bekannt. Bitte wenden Sie sich an den Verkauf oder schauen Sie auf die Seite mit den tatsächlichen Abrechnungsdaten. Nutzen Sie keine historischen Preise Dritter als aktuellen Preisangabe.

Welche Datengrundlagen werden unterstützt?

Die Seite listet PostgreSQL, MySQL, BigQuery, Snowflake, Objektspeicher, CSV und Excel usw. auf. Die genauen Anmeldeberechtigungen für die Connector sowie die verfügbaren Regionen müssen im Konto überprüft werden.

Warum kann eine API-Aufgabe die Ergebnisse nicht sofort zurückgeben?

Die DGi-Aufgaben werden asynchron ausgeführt. Nach der Erstellung einer Aufgabe muss die task_id gespeichert werden, und es müssen kontinuierlich Nachrichten abgerufen werden, bis die Aufgabe abgeschlossen oder unterbrochen wird.

Kann man den selbst modifizierten Code ausführen?

Man kann die Dateien im Codeverzeichnis aktualisieren und anschließend mit script.py als Eingangspunkt ausführen. Vor der Ausführung sollte der Code überprüft werden, und es sollten isolierte Umgebungen sowie minimale Berechtigungen verwendet werden.

Ist DGi Open Source?

Es handelt sich nicht um eine nachweislich offene Quellcode-Plattform. Die Bereitstellung einer öffentlichen REST-API, von OpenAPI-Spezifikationen sowie Beispielcodes bedeutet nicht, dass der Quellcode des Produkts offen zugänglich ist.

Gibt es ein offizielles SDK?

Die Dokumentation erwähnt SDKs und Client-Bibliotheken, doch derzeit sind keine Informationen zu den herunterladbaren Paketen, Sprachen, Versionen und Lizenzen verfügbar. Entwickler können zunächst einen Client auf Basis von OpenAPI erstellen.

Kann eine Sicherheitsbeschreibung direkt als Nachweis der Konformität dienen?

Das ist nicht zulässig. Unternehmen sollten Prüfberichte, Angaben zum Umfang der Zertifizierung, Verträge zur Datenverarbeitung sowie eine Liste der Unterauftragsverarbeiter erhalten und sicherstellen, dass diese ausreichend die DGi-Dienste abdecken.

Wird DGi die Daten für das Modelltraining verwenden?

Die derzeit öffentlich zugängliche Seite gibt keine ausreichend klaren Angaben zur geltenden Regelung. Vor dem Zugriff auf sensible Daten müssen durch einen Vertrag die Zwecke der Verarbeitung, die Aufbewahrungsfrist, das Löschverfahren sowie der Umfang der Verarbeitung durch Dritte festgelegt werden.

Zusammenfassung

DGi eignet sich für Entwicklerteams, die Datenanalyse, Codeausführung, Scheduling und Automatisierung über APIs in die Produktentwicklung integrieren möchten. Seine öffentlichen APIs sind recht umfassend, doch Preis, Datennutzungsrichtlinien, SDK sowie Zertifizierungen müssen vor dem Kauf und der Einführung noch geprüft werden.