Explore data at any technical level

Eine kurze Beschreibung

Querio AI ist eine Plattform zur Analyse von Daten in Form von Agentic Notebooks. Nutzer können mit natürlicher Sprache Geschäftsfragen stellen, wodurch die KI auf den verbundenen Datenspeichern SQL-Abfragen, Python-Code, Tabellen, Diagramme und Erklärungen erstellt. Die Ergebnisse können anschließend veröffentlicht, automatisch aktualisiert oder in eigene Produkte eingebettet werden.

Einführung in die Tools

Querio wird von Querio Ltd. betrieben und zielt darauf ab, Teammitgliedern mit unterschiedlichem technischem Know-how die direkte Erforschung von Unternehmensdaten zu ermöglichen. Es verbindet dialogbasierte Analyse mit überprüfbaren Notebooks, wodurch sowohl für Geschäftsanwender die Hürden für die Stellung von Fragen gesenkt werden als auch Datenexperten die erstellten Abfragen und Berechnungsprozesse überprüfen können.

Das Produkt ist direkt mit einer Datenbank oder einem Data Warehouse verbunden und organisiert die Arbeit um die Bereiche Explore, Notebook, Context, Layout, Board, Automation und Embed. Es handelt sich dabei nicht um ein einfaches Chat-Tool, das nach dem Hochladen einer Tabelle sofortige Ergebnisse liefert, sondern um eine unternehmensweite Analyseumgebung, die eine Konfiguration sowie Verwaltung der Datenquellen erfordert.

Kernkonzepte

Hauptfunktionen

1. Erkundung von natürsprachlichen Daten

Die Benutzer können direkt die Indikatoren, den Zeitraum sowie die Filterbedingungen angeben. Querio liest den vorhandenen Kontext, wählt die benötigten Daten aus und erstellt Analysezellen. Spätere Anfragen bleiben im selben Explore-Modul, was es erleichtert, den Bereich schrittweise einzugrenzen oder verschiedene Dimensionen miteinander zu vergleichen.

• Überprüfen Sie monatlich die Einnahmen, Bestellungen, aktiven Nutzer oder andere Geschäftsindikatoren des letzten Jahres.
• Suchen Sie Kunden eines bestimmten Quartals, die nach Bestellmenge, Umsatz oder Retention-Rate sortiert sind.
• Vergleichen Sie die Konversionsraten der verschiedenen Kundenakquisekanäle, Produktversionen oder Regionen.
• Weitere Nachfragen zu den Ursachen der außergewöhnlichen Veränderungen, zu den betroffenen Gruppen sowie zu den detaillierten Informationen.
• Gewöhnliche Schlussfolgerungen können gespeichert und in einem Layout organisiert werden oder automatisch durch Aufgaben regelmäßig aktualisiert werden.

2. Dialog und Notebook parallel

Ein Explore enthält gleichzeitig eine KI-Unterhaltung und ein Notebook. Der Chat-Bereich erklärt, was das System getan hat, und nimmt weitere Befehle entgegen, während das Notebook die im Zuge der Analyse erzeugten SQL-Abfragen, Python-Code, Diagramme, Tabellen und Texte anzeigt.

Diese Struktur ermöglicht es den Fachleuten, zunächst zu den Ergebnissen zu gelangen, während die Datenexperten die Abfragen, Filterbedingungen und Berechnungen genauer überprüfen können. Selbst wenn die Benutzeroberfläche scheinbar vernünftige Diagramme anzeigt, sollten die zugrunde liegenden Zellen auf ihre Übereinstimmung mit den Geschäftsanforderungen überprüft werden.

3. Datenverzeichnis und Kontextschicht

Nachdem die Verbindung zur Datenquelle erfolgreich hergestellt wurde, kann Querio aus der Datenbank Verzeichnisse erstellen, die dem Agenten dabei helfen, das Schema, Tabellen, Felder, Verbindungen sowie Beschreibungen zu verstehen. Das Team kann außerdem im Bereich „Context“ weitere Metrikregeln sowie Geschäftskenntnisse hinzufügen.

4. SQL- und Python-Analyse von Zellen

Die offiziellen Einführungsunterlagen besagen ausdrücklich, dass das Notebook SQL-, Python-Code, Tabellen, Diagramme und Text anzeigt. So kann das Daten-Team verfolgen, wie die KI Daten abruft, umwandelt und Ergebnisse darstellt, anstatt nur unüberprüfbare Antworten in natürlicher Sprache zu erhalten.

5. Layout und Boards

Layout ermöglicht es, nützliche Zellen aus dem Notebook in ein Raster einzufügen und deren Position sowie Größe anzupassen, um eine bessere Ansicht für das Lesen und Teilen zu erzeugen. Layout bleibt weiterhin mit dem ursprünglichen Explore verbunden; nach der Analyse der Veränderungen kann es weiter aktualisiert werden.

• Kombinieren Sie mehrere Diagramme, Schlüsselindikatoren und Textbeschreibungen auf einer Seite.
• Verbergen Sie die vorübergehenden Zellen während des Erkundungsprozesses und zeigen Sie nur die Ergebnisse an, die geteilt werden sollen.
• Setzen Sie die Anpassung und Analyse des ursprünglichen Dialogs fort und aktualisieren Sie gleichzeitig den Inhalt des Layouts.
• Explore mit Layout wechselt in den Boards-Bereich, um eine zentrale Suche für das Team zu ermöglichen.
• Standardmäßig kann man die layoutbasierten Analysen ansehen, die von den Mitgliedern der Arbeitsbereichs geteilt werden.

6. Zeitgesteuerte Automatisierung

Die Automatisierung kann stündlich, täglich, wöchentlich, monatlich oder mit einer benutzerdefinierten Cron-Expression ausgeführt werden. Die Aufgaben können entweder die vorhandenen Explore-Daten aktualisieren oder jedes Mal eine neue Analyse erstellen.

7. Verbindung von Datenbanken und Data-Warehouses

Querio stellt eine direkte Verbindung zu den Datenbanken oder Speichern her, in denen sich die Daten bereits befinden. Auf der offiziellen Integrationstabelle sind PostgreSQL, MotherDuck, Redshift, Microsoft SQL Server, MariaDB, ClickHouse, BigQuery, MySQL, Snowflake, Databricks, Amazon Athena, Trino, Dremio und Materialize aufgeführt.

Für die Verbindung sind in der Regel ein Leserecht besitzender Benutzer oder Service-Konten, Informationen zum Host und zur Datenbank sowie eine Ausgangsadresse für Querio erforderlich, wenn das Netzwerk eingeschränkt ist. In einer produktiven Umgebung sollte das Prinzip des geringsten Rechtemusters eingehalten werden; es sollten keine Datenbankkonten mit Schreib-, Lösch- oder Verwaltungsrechten verwendet werden.

8. Embedded Explore-Oberfläche

Entwickler können die vollständige Explore-Seite in ihre eigenen SaaS-Lösungen oder internen Systeme einbetten. Das Workspace-Token steuert das zugehörige Arbeitsumfeld sowie die zugänglichen Datenquellen; die eingebettete Sitzung wird automatisch im Querio-Workspace gespeichert.

Bei der Einbettung in eine Seite kann entweder der Fokus auf das Chatten-Modus gewählt werden oder ein gemischter Modus, bei dem sowohl das Chatten als auch das Notebook angezeigt werden. Zudem kann die erste Frage im Voraus eingegeben werden, sodass sie automatisch abgerufen wird. Arbeitsbereichstoken sind sensible Zugangsdaten und sollten nicht an Orten gespeichert werden, an denen sie von unbefugten Benutzern verwendet werden können.

9. Embedded API v2

Die aktuelle Version der Embedded-API ist v2. Sie basiert auf den Konzepten „Conversation“ und „Turn“ und unterstützt mehrfache Nachfragen, Tags, Paginierung sowie Tabellen- und Diagramm-Elemente. Zudem stehen sowohl ein Testumfeld als auch ein Produktionsumfeld zur Verfügung, um die Integration vor dem Einsatz zu überprüfen.

10. Modellwahl und Unternehmensimplementierung

Das Startup-Modell nutzt eine automatische Modellauswahl, während Core und Enterprise die Möglichkeit bieten, eigene Modelle auszuwählen. Laut der Datenschutzerklärung betreibt Querio derzeit keine eigenen Grundmodelle, sondern verwendet stattdessen von Dritten bereitgestellte, sorgfältig ausgewählte Großmodelle.

Enterprise listet außerdem dedizierte Rechenkapazitäten, Abfragen über verschiedene Datensquellen, Self-Hosting, GovCloud sowie Unterstützung bei Migrationen und ETL-Prozessen auf. Die genauen Bereitstellungsstandorte, die Liste der Modelle, die Netzwerktopologie sowie die Serviceversprechen müssen im Rahmen eines Unternehmensvertrags festgelegt werden.

Vollständiger Arbeitsablauf

1. Der Datenverwalter erstellt Leserechte-Konten für Datenbanken und begrenzt die zugänglichen Schemata, Tabellen sowie Netzwerkbereiche.
2. Fügen Sie eine Datenquelle zum Arbeitsbereich hinzu, geben Sie die Verbindungsparameter ein und testen Sie die Verbindung.
3. Warten Sie, bis die Plattform den Datenverzeichnis erstellt hat, und überprüfen Sie anschließend, ob Tabellen, Felder, Verknüpfungen und Beschreibungen korrekt sind.
4. Fügen Sie im Kontext Definitionen von Kennzahlen, Geschäftsbegriffe, Filterregeln, wiederverwendbare Logiken und Fähigkeiten hinzu.
5. Erstellen Sie ein neues Explore, um mit klaren Kennzahlen, Zeitfenstern und Filterbedingungen Fragen zu stellen.
6. Überprüfen Sie gleichzeitig die Chat-Erklärungen sowie die SQL-, Python-, Tabellen- und Diagramme im Notebook.
7. Durch nachfolgende Fragen wird der Umfang korrigiert, wobei wertvolle Zellen in das Layout oder in die Sammlung aufgenommen werden.
8. Veröffentlichen Sie die stabilen Ergebnisse als Board, konfigurieren Sie automatische Aktualisierungen oder liefern Sie sie über Embed an die Anwendungsbenutzer.
9. Regelmäßig Überprüfung der Berechtigungen, des Kontexts, der Abfragekosten, der Genauigkeit der Ausgaben sowie des Laufs automatisierter Aufgaben.

Anleitung zur Verwendung

Erste Ausführung von Explore

1. Überprüfen Sie, ob der Arbeitsbereich mit mindestens einer Datenquelle verbunden ist und die benötigten Tabellen gelesen werden können.
2. Stellen Sie Fragen mit Indikatoren, Zeitrahmen und Filterbedingungen, wie zum Beispiel das monatliche Einkommen der letzten 12 Monate.
3. Warten Sie, bis der Agent die Notebook-Zellen erstellt hat – lesen Sie nicht nur den endgültigen Überblick.
4. Öffnen Sie die SQL- und Python-Zellen, um die Zeitfelder, Verbindungsbedingungen, leeren Werte sowie die Aggregierungsarten zu überprüfen.
5. Vergleichen Sie einen kurzen Abschnitt an bekannten Daten, um zu überprüfen, ob die Ergebnisse mit den vorhandenen Berichten oder manuellen Berechnungen übereinstimmen.
6. Durch weitere Fragen werden zusätzliche Gruppierungen, Vergleiche zum Vorjahr, Erklärungen für Abweichungen oder detaillierte Informationen zu den Kunden ergänzt.
7. Speichern Sie die bestätigten Zellen oder fügen Sie sie dem Layout hinzu und geben Sie Explore einen klaren Namen.

Erstellen von automatischen Berichten

1. Erstellen Sie zunächst eine stabile Version von Explore, die wiederholt ausgeführt werden kann, um zu vermeiden, dass experimentelle Analysen direkt als automatische Aufgaben veröffentlicht werden.
2. Gehen Sie zu Automatisierungen und erstellen Sie Aufgaben, oder wählen Sie in Explore „Synchronisierung planen“.
3. Wählen Sie aus, ob die vorhandenen Analysen aktualisiert werden sollen oder jedes Mal neue Ergebnisse erzeugt werden sollen, und geben Sie außerdem die richtigen Datenquellen sowie Modelle an.
4. Einstellen Sie Frequenz, Zeitzone und Laufzeit; für komplexe Anordnungen können Cron-Expressionen verwendet werden.
5. Konfigurieren Sie die E-Mail- oder Slack-Empfangsorte nach Bedarf und überprüfen Sie, ob sensible Daten enthalten sind.
6. Führen Sie einen Testlauf durch, um Diagramme, Tabellen, Empfänger sowie die Zeitstempel der Datenaktualisierungen zu überprüfen.
7. Nach Überprüfung auf Richtigkeit wird die Aufgabe von Draft in Live versendet, und die Fehlerprotokolle werden regelmäßig überprüft.

In eigene Produkte integrieren

1. Zuerst entscheiden, ob eine vollständige Explore-Oberfläche benötigt wird oder ob man die Interaktion selbst gestalten und die Embedded API aufrufen möchte.
2. Erstellen Sie im Querio den entsprechenden iframe-Token oder API-Token und speichern Sie den Schlüssel auf der Serverseite.
3. Entwerfen Sie Datensphären für Mieter oder Kunden, um zu vermeiden, dass mehrere Kunden unbegrenzt dieselben Berechtigungen teilen.
4. Im Testumfeld wird die erste Anfrage, mehrfache Nachfragen, Seitenanzeige in Tabellen, Diagramme sowie die Fehlerbehandlung überprüft.
5. Es werden Seitenbeschränkungen für die Eingabelänge, den Abfragebereich, die Konkurrenz, die Zeitüberschreitung und die Nutzungskosten festgelegt.
6. Wechseln Sie erst nach Abschluss der Sicherheitsprüfung in die Produktionsumgebung und überwachen Sie Sessions, Tokens sowie Datenzugriffe.

Für welche Benutzer geeignet

• Business Analyst: Schnelles Erkunden von Kennzahlen in natürlicher Sprache, bei gleichzeitiger Beibehaltung eines überprüfbaren Analyseprozesses.
• Datenanalyst: Lassen Sie den Agenten anfängliche SQL-, Python-Code sowie Diagramme erstellen, die anschließend professionell überprüft und geändert werden.
• Dateningenieur: Verbindung von Repositorien, Wartung von Katalogen, Kontext, Berechtigungen und Unternehmensbereitstellung.
• Produktmanager: Analyse der Funktionsnutzung, Kundengruppierung, Konversion und Retention – es ist nicht notwendig, für jedes Problem einen separaten Zeitplan zu erstellen.
• Vertriebs- und Betriebsteam: Überwachen von Pipeline, Einnahmen, Bestellungen und regionaler Leistung sowie Erhalt regelmäßiger Berichte.
• Manager: Über das Board werden die aufbereiteten Kennzahlen und Analyseergebnisse angezeigt.
• SaaS-Entwicklerteam: Kundendaten, Fragen und Antworten sowie Tabellen und Diagramme in bestehende Produkte integrieren.
• Unternehmen, die eine private Implementierung benötigen: Bewerten Sie die Enterprise-Selbstverwaltungs-, GovCloud- und dedizierten Rechenlösungen.

Typische Anwendungsszenarien

• Analysieren Sie die monatlichen Veränderungen bei Einnahmen, Bestellungen, aktiven Nutzern und Retention und identifizieren Sie außergewöhnliche Monate.
• Vergleichen Sie die Konversionsraten von verschiedenen Produkten, Regionen, Vertriebskanälen oder Kundengruppen.
• Die bestätigten Schlüsselindikatoren werden in einem Managementboard zusammengefasst und gemäß dem Plan aktualisiert.
• Wöchentlich werden Zusammenfassungen zu den Pipelines oder der Betriebsabläufe erstellt und über Slack an das zuständige Team gesendet.
• Ermöglichen Sie dem Kundenservice oder dem Team für Kundenbetreuung den Zugriff auf kundenbezogene Daten unter Einhaltung von Berechtigungsregeln.
• In SaaS-Produkten mehrfache Daten-Frage-Antwort-Schleifen einbinden, anstatt einen vollständigen Analyse-Agent selbst zu entwickeln.
• Für verschiedene Mieter werden paginierte Tabellen sowie Vega-Lite-Diagramme zurückgegeben, wobei eine eigene Frontend-Engine zum Rendern verwendet wird.
• Durch Context werden geschäftliche Definitionen wie Einnahmen, Aktivität und Abwanderung, die leicht zu Missverständnissen führen können, vereinheitlicht.

Vorteile des Produkts

• Natürliche Sprachdialoge in Kombination mit überprüfbaren Notizbüchern sind transparenter als Tools, die nur Zusammenfassungen liefern.
• Context verwaltet konsolidiert Verzeichnisse, Indikatorlogik, Langzeitgedächtnis, Erweiterungen und Fähigkeiten.
• Es werden mehrere gängige Datenbanken sowie Cloud-Datenlager unterstützt, ohne dass eine vorherige Exportierung in statische Dateien erforderlich ist.
• Layout und Board können den Erkundungsprozess in kontinuierlich aktualisierte Berichtsseiten strukturieren.
• Automatisierte Unterstützung für das Aktualisieren von Plänen, Ausführung neuer Hinweise sowie Zustellung per E-Mail und Slack.
• Gleichzeitig werden eine vollständige Interface-Integration sowie die v2-API bereitgestellt, die sich für Produktteams mit unterschiedlichem Entwicklungsaufwand eignen.
• Die API unterstützt mehrere Sitzungen sowie Tabellen- und Diagramm-Ressourcen, anstatt nur einen Text zurückzugeben.
• Die Unternehmenslösungen bieten Optionen für mehrere Datengrundlagen, dedizierte Rechenkapazitäten, Self-Hosting sowie GovCloud.
• Die Offenlegung von Informationen zu Sicherheit, Privatsphäre, Zulieferern und Vertrauenszentren erleichtert es Unternehmen, Lieferanten zu bewerten.

Einsatzbeschränkungen und Hinweise

• Von KI erzeugter SQL, Python sowie Interpretationen können Verbindungsfehler, Abweichungen in der Messmethode oder unangemessene kausale Schlussfolgerungen aufweisen.
• Die Genauigkeit hängt von der Qualität der Datenkataloge, der Geschäftsdefinitionen, der Beziehungen zwischen Tabellen sowie der Pflege des Kontexts ab – sie kann nicht allein durch das automatische Verständnis des Modells erreicht werden.
• Auch bei der Verwendung eines Lesekontos können komplexe oder ungefilterte Abfragen erhebliche Rechenressourcen des Speichers verbrauchen.
• Die genauen Anzahl der kostenlosen Testversionen, die Berechnungsmethode sowie die Gültigkeitsdauer sind auf der offiziellen Preistabelle nicht ausdrücklich aufgeführt.
• Startup und Core enthalten nur eine begrenzte Anzahl an Datenverbindungen; die Abfrage mehrerer Datensquellen ist eine Enterprise-Funktion.
• Die jährliche Abonnementgebühr ist hoch; das Team sollte während der Testphase die Nutzungshäufigkeit sowie den Umfang der Ersatzmöglichkeiten durch herkömmliche BI-Tools überprüfen.
• Die öffentliche Benutzeroberfläche und die Dokumentation verwenden hauptsächlich Englisch; ein vollständiges chinesisches Interface wurde nicht bestätigt.
• Eingebettete Tokens und API-Tokens müssen als Schlüssel betrachtet werden; ein Datenleck kann zu einer unbefugten Zugriff auf die Workspace-Daten führen.
• Automatische E-Mails oder Slack könnten sensible Daten an die falschen Empfänger senden; vor der Veröffentlichung müssen Rechte und Inhalt getestet werden.
• Medizinische, finanzielle und andere regulierte Entscheidungen dürfen nicht direkt auf die Ausgaben von KI-Systemen gestützt werden; sie müssen von qualifiziertem Personal überprüft werden.

Preise und Pakete

Die unten angegebenen Preise wurden am 22. August 2026 überprüft. Auf der aktuellen Preisseite werden die monatlichen Beträge in den Animationen nicht eindeutig angezeigt. Deshalb wird in der Tabelle vorrangig der jährliche Gesamtbetrag verwendet, der dort ausdrücklich angegeben ist, und es wird außerdem der durchschnittliche monatliche Kostenwert berechnet.

Die Preisseite bietet die Möglichkeit, zwischen Monats- und Jahreszahlung zu wechseln, doch der aktuell abrufbare öffentliche Text zeigt den Betrag für die Monatszahlung nicht zuverlässig an. In früheren offiziellen Artikeln wurden andere Preise genannt, die die aktuelle Kaufseite nicht ersetzen können.

Vergleich der Funktionen der Pakete

Hinweise zu Abonnements und Rückerstattungen

Laut den Dienstbedingungen werden die Gebühren in der Regel im Voraus eingezogen und sind nicht rückerstattbar, sofern im Vertrag nichts anderes vereinbart ist. Die Abonnemente werden automatisch verlängert; der Nutzer muss mindestens 30 Tage vor Ablauf der Laufzeit kündigen.

Bei Unternehmenskäufen sollten vor Abschluss des Vertrags der Umfang des Tests, der Preis pro API-Nutzung, die Berechnung von Punkten, zusätzliche Kosten, das Verlängerungsdatum sowie die Prozesse für die Rückgabe und Löschung der Daten nach Beendigung geklärt werden.

Unterstützte Datensätze

Unterstützungsplattformen

APIs, SDKs und Open Source

Querio stellt offizielle Dokumentationen zur Embedded API v2 bereit, sowie Funktionen für die Authentifizierung mit Bearer Tokens, Beispiele für die Nutzung der Schnittstellen, Informationen zu Test- und Produktivumgebungen sowie die OpenAPI-Spezifikationen. In den derzeit verfügbaren Dokumentationen werden keine von den Entwicklern gepflegten SDKs in den Sprachen Python, JavaScript oder anderen Sprachen aufgeführt.

Die offizielle GitHub-Organisation existiert bereits und verweist auf die Marke Querio, doch zum Zeitpunkt der Überprüfung gab es kein öffentliches Code-Repositorium. Die Quellcodes der kommerziellen Plattform sind nicht öffentlich zugänglich, weshalb sie nicht als Open Source eingestuft werden können.

Sicherheit und Konformität

Die Sicherheitsseite von Querio gibt an, SOC 2 Type II zertifiziert zu sein, und nutzt die AWS-Infrastruktur sowie kontinuierliche Schwachstellenbewertungen, Überwachung und Audits. Statische Daten werden mit AES-256 verschlüsselt, die Übertragung erfolgt über TLS 1.3, und es werden Rollenrechte sowie das Prinzip des minimalen Zugriffs unterstützt.

• Die Verbindung zur Datenbank kann durch SSH-Tunnels, SSL oder TLS, VPN sowie eine IP-Allowliste geschützt werden.
• Die Datenquellenkonten sollten auf Lesezugriff beschränkt werden, und nur die für die Analyse erforderlichen Schemata und Tabellen sollten zugänglich sein.
• Die Plattform erklärt, dass sie den GDPR und CCPA einhält, und stellt bei der Anmeldung einen Datenerfassungsvertrag zur Verfügung.
• Die Sicherheitsseite gibt an, dass die Dienste HIPAA-konform sind, doch in der Datenschutzerklärung wird ausdrücklich erklärt, dass die Dienste standardmäßig keine HIPAA-konformen Produkte sind.
• Bevor geschützte Gesundheitsdaten verarbeitet werden, muss ein BAA oder ein äquivalenter Datenschutzvertrag mit Querio abgeschlossen werden.
• Enterprise kann Self-Hosting, GovCloud und dedizierte Rechenleistung vereinbaren, wobei die genauen Kontrollmöglichkeiten durch einen Vertrag festgelegt werden müssen.
• Kein Übertragungs- oder Speichersystem kann eine absolute Sicherheit gewährleisten, und Sicherheitszertifizierungen können die eigene Berechtigungsverwaltung durch den Kunden nicht ersetzen.

Privatsphäre und Verarbeitung von AI-Daten

Die Datenschutzrichtlinien betrachten Verbindungen zu Datenquellen, Abfragen, Dashboards, Benachrichtigungen sowie Eingaben und Ausgaben von KI als Kundendaten. In der Kundenarbeitsumgebung handelt Querio in der Regel im Namen der Unternehmenskunden mit diesen Daten; die konkreten Regeln unterliegen in erster Linie den Vereinbarungen mit dem Kunden.

Auf der Seite der Unterauftragnehmer werden außerdem Dienste wie AWS, Vercel, Neon oder Databricks, PostHog, Stripe aufgeführt. Verschiedene Anbieter verarbeiten unterschiedliche Datentypen und befinden sich in verschiedenen Regionen; regulierte Unternehmen sollten eine aktuelle Liste anfordern.

Unterschiede zu herkömmlichen BI-Systemen und allgemeinen Chatbots

Grundlegende Informationen

Empfehlungswert

Empfehlungswert: 4,4 / 5. Querio verbindet natürlichsprachige Anfragen, überprüfbare Notebooks, Geschäftskontexte, Boards, Automatisierung sowie eingebettete APIs zu einer umfassenden Lösung – geeignet für Unternehmen, die gleichzeitig Geschäftskunden, Datenteams und Produktkunden bedienen möchten.

Die Haupthemmnisse sind die hohen Preise für die offiziellen Pakete, die unklaren Regeln bezüglich der kostenlosen Testmöglichkeiten sowie die Tatsache, dass die Qualität der AI-Analysen stark von der Datenverwaltung abhängt. In sensiblen Bereichen wie der Medizin müssen zudem gesondert Vertrags- und Zugriffsprüfungen durchgeführt werden – es reicht nicht aus, sich auf die kurzen Konformitätsangaben auf der Sicherheitsseite zu verlassen.

Häufige Fragen

Was macht Querio AI?

Es wird verwendet, um Unternehmensdatenbanken oder Data-Warehouses miteinander zu verbinden und es den Nutzern zu ermöglichen, Analysen durch natürliche Sprache sowie Agentic Notebook durchzuführen. Die Ergebnisse können SQL-, Python-Code, Tabellen, Diagramme, Erklärungen, Boards sowie automatische Berichte enthalten.

Kann man Querio ohne SQL-Kenntnisse verwenden?

Man kann mit der Erforschung in natürlicher Sprache beginnen, doch das bedeutet nicht, dass man das Wissen über Daten ignorieren kann. Bei der Analyse sind weiterhin die Definitionen der Indikatoren, die Filterung, die Verknüpfungen, die Aggregation sowie die von KI erzeugten Abfragen zu prüfen.

Ist Querio kostenlos?

Die offizielle Website ermöglicht einen kostenlosen Start ohne Kreditkarte, gibt jedoch keine genauen Angaben zu den verfügbaren kostenlosen Paketen. Das professionelle Team-Paket beginnt bei „Startup“; die auf der aktuellen Seite angegebene jährliche Gebühr beträgt 5.000 $.

Was ist der Unterschied zwischen Startup und Core?

Startup umfasst eine Datenverbindung und 10 Benutzer sowie automatische Modelle und Standardressourcen; Core umfasst 3 Verbindungen, unbegrenzte Anzahl an Benutzern, SSH oder VPN, wählbare Modelle, höhere Rechenleistung, Erweiterungspunkte, Schulungen und erweiterten Support.

Welche Datenbanken werden unterstützt?

Zu den offiziell unterstützten Integrationen gehören PostgreSQL, MySQL, SQL Server, Snowflake, BigQuery, Redshift, Databricks, ClickHouse, MotherDuck, Athena, Trino, Dremio usw. Für fehlende Optionen kann man sich an die offiziellen Ansprechpartner wenden.

Wird Querio die gesamte Datenbank kopieren?

Auf der Sicherheitsseite wird angegeben, dass Kundendaten nicht dauerhaft gespeichert werden. Temporäre Daten befinden sich in einem geschützten Umfeld oder werden von den Kunden selbst verarbeitet. Die Datenschutzerklärung gibt außerdem die konkreten Aufbewahrungsfristen für verschiedene Datentypen an. Unternehmen sollten sich dabei an die Vereinbarungen mit den Kunden sowie an die tatsächliche Konfiguration halten.

Wird Kundendaten zur Schulung von KI verwendet?

Laut der Datenschutzerklärung werden Querio sowie seine vertraglich verbundenen Modellanbieter die Kundendaten nicht zur Trainierung von Modellen verwenden. Um Ergebnisse zu erzeugen, können jedoch weiterhin relevante Anweisungen, Schemata, Metadaten sowie Abfragen an den ausgewählten Modellanbieter gesendet werden, damit dieser sie verarbeiten kann.

Ist Querio standardmäßig HIPAA-konform?

Nein. In der Datenschutzerklärung wird ausdrücklich erklärt, dass die Standarddienste standardmäßig nicht HIPAA-konform sind. Bevor geschützte Gesundheitsinformationen übermittelt werden, muss ein BAA oder ein äquivalentes Abkommen unterzeichnet werden.

Kann man eigene SaaS-Lösungen einbinden?

Ja. Entwickler können die vollständige Explore-Seite einbetten oder die v2-API nutzen, um eigene mehrstufige Dialoge, paginierte Tabellen sowie Vega-Lite-Diagramme zu erstellen.

Wird eine API und ein SDK bereitgestellt?

Es werden die Embedded API v2 sowie die OpenAPI-Spezifikationen bereitgestellt. In der Preisliste wird angegeben, dass die API nach dem Verbrauch abgerechnet wird. Es wurden keine offiziell unterstützten Sprach-SDKs festgestellt.

Ist Querio Open Source?

Keine Offenlegung des Quellcodes. Die offizielle GitHub-Organisation verfügt derzeit über keine öffentlichen Repositorien, und auch kommerzielle Plattformen bieten keine Lizenz für den offenen Quellcode an.

Wohin können automatische Berichte gesendet werden?

Die Automatisierung kann die Ergebnisse per E-Mail senden oder, nach Verbindung mit Slack, in einen bestimmten Channel übertragen. Wenn keine Aktion konfiguriert ist, wird die Aufgabe lediglich den Bereich „Explore“ im Arbeitsbereich aktualisieren.

Kann die Abonnementierung jederzeit gekündigt werden?

Laut den Bedingungen muss die automatische Verlängerung mindestens 30 Tage vor Ablauf storniert werden. Vorausbezahlte Gebühren werden in der Regel nicht rückerstattet. Bei Unternehmensverträgen können andere Bestimmungen gelten; es gilt das in den Vertragsdokumenten festgelegte.

Zusammenfassung

Querio eignet sich für Teams, die natürlichsprachliche Analyse mit überprüfbarem Code, einheitlicher Semantik, kontinuierlichen Berichten sowie Kundenintegration verbinden möchten. Sein Wert liegt nicht nur darin, Antworten zu erzeugen, sondern auch darin, Explore in Notebooks, Boards, Automatisierungen sowie Analysefunktionen innerhalb von Produkten umzuwandeln.

Vor der offiziellen Einführung sollte zunächst über eine Leserverbindung die Genauigkeit der Indikatoren sowie die Kosten im Lager überprüft werden. Anschließend müssen Pakete, API-Nutzung, Datenspeicherung und Deployment-Optionen bewertet werden. Bei sensiblen Daten und regulierten Geschäftsaktivitäten müssen zudem durch Verträge, DPA und BAA usw. die tatsächlichen Konformitätsgrenzen festgelegt werden.