Analytics Model

Was ist ein Analysemodell?

Das Analytics Model ist eine generative KI-Plattform für die Analyse von Unternehmensdaten und Business Intelligence. Nachdem die Benutzer eine Datenbank oder ein Geschäftssystem verbunden haben, können sie in natürlicher Sprache Fragen stellen; das System erstellt daraufhin Abfragen, Diagramme, Dashboards sowie umsetzbare Erkenntnisse.

Sein Ziel ist es, es auch Fachleuten, die mit SQL und herkömmlichen BI-Tools nicht vertraut sind, zu ermöglichen, Daten zu untersuchen, während gleichzeitig den Analysten schnellere Visualisierungs- und Automatisierungsprozesse geboten werden. Die Ergebnisse der KI müssen dennoch hinsichtlich der Definitionen der Metriken, der Abfragenlogik sowie der Datengültigkeit überprüft werden.

Hauptfunktionen

1. Datensätze für natursprachige Abfragen

Die Benutzer können direkt die Fragen beschreiben, zu denen sie Informationen haben möchten – beispielsweise Verkaufstrends, Kundenverluste, Gewinnänderungen oder Abweichungen im Lagerbestand. Die Plattform wandelt diese Fragen in Datenabfragen um und gibt die Ergebnisse zurück; es ist nicht notwendig, dass die Benutzer komplexe SQL-Anfragen manuell eingeben.

• Verwenden Sie freien Text, um Analysefragen zu stellen.
• Automatische Erkennung relevanter Tabellen, Felder und Beziehungen.
• Geben Sie Werte, Trends und Erklärungen zurück.
• Fragen weiter, um den Zeitraum, die Region oder das Produktangebot einzugrenzen.

Natürliche Sprache kann leicht zu Mehrdeutigkeiten führen; Begriffe wie Einnahmen, aktive Nutzer und Konversionsrate können unterschiedlich definiert werden. Vor der Erstellung eines formellen Berichts sollten überprüft werden, ob die richtigen Felder, Filterbedingungen und Zeitzone verwendet werden.

2. Automatische Erstellung von Diagrammen und Dashboards

Die Plattform kann anhand einer Beschreibung ein vollständiges interaktives Dashboard erstellen, das Diagramme, KPIs, Filter und Erklärungen umfasst. Die Benutzer können außerdem manuell anpassen, indem sie Felder verschieben, Aggregationsmethoden auswählen und Diagrammtypen wechseln.

• Stäckdiagramme, Liniendiagramme und andere gängige Visualisierungen.
• Daten nach Dimensionen filtern, sortieren und aggregieren.
• Mehrere Indikatoren zu einem Geschäfts-Dashboard zusammenfassen.
• Erstellen Sie personalisierte Ansichten für bestimmte Rollen oder Branchen.

Automatisch ausgewählte Diagramme drücken die Daten nicht unbedingt am besten dar. Analytiker sollten Achsen, Ausschneidungsbereiche, Stichprobengröße sowie die Bedeutung der Farben überprüfen, um irreführende visuelle Schlussfolgerungen zu vermeiden.

3. Mehr als 500 Datenverbindungen

Laut der offiziellen Website kann die Plattform mit mehr als 500 verschiedenen Datensätzen verbunden werden. Unter den gängigen Systemen, die unterstützt werden, sind BigQuery, MySQL, Redshift, Snowflake und Azure zu nennen. Die Verbindungslogik ermöglicht die Verarbeitung von Daten in Echtzeit sowie in größeren Mengen.

Die tatsächliche Anzahl der suchbaren Einträge auf der offiziellen Verbindungsmanager-Seite kann von der angegebenen Gesamtkapazität von „mehr als 500“ abweichen. Die genauen Anforderungen, Versionen sowie Zertifizierungsverfahren sollten im Kontoinformationssystem oder vor dem Verkauf geklärt werden.

4. Echtzeitdaten und zeitbasierte Warnungen

Benutzer können häufig verwendete Abfragen in den Feed aufnehmen und Zeitpunkte sowie Auslösebedingungen festlegen. Wenn die Metriken bestimmten Bedingungen entsprechen, sendet das System eine Benachrichtigung an die Empfänger.

1. Wählen Sie die Datenquelle aus und verbinden Sie sie.
2. Stellen Sie die zu überwachenden Fragen in natürlicher Sprache.
3. Fügen Sie die Abfrage dem Feed hinzu.
4. Einstellen von Täglichen, wöchentlichen oder anderen Laufzyklen.
5. Konfigurieren Sie Schwellenwerte oder Filterbedingungen.
6. Legen Sie den Empfänger der Benachrichtigung fest und testen Sie das Ergebnis.

Automatische Warnsysteme müssen Datenverzögerungen, wiederholte Benachrichtigungen sowie Ausreißer bewältigen. Für wichtige Betriebswarnungen sollten alternative Überwachungskanäle bereitgestellt werden, da man sich nicht vollständig auf eine einzige KI-Plattform verlassen kann.

5. Prognosen, Trends und Analyse von Abweichungen

Die Plattform kann Trendanalysen, Prognosen sowie datengestützte Empfehlungen erstellen und dabei helfen, Abweichungen oder Chancen zu erkennen. Auf der offiziellen Website werden die Anwendungsmöglichkeiten anhand von Kennzahlen wie Produktleistung, Werbeerträge, Finanzen, Logistik und Kundendaten dargestellt.

Die Prognoseergebnisse hängen von historischen Daten, Annahmen und Modellen ab und garantieren keine Vorhersage für die Zukunft. Die Geschäftsführung sollte den Konfidenzbereich, externe Variablen sowie die Bedingungen betrachten, unter denen das Modell versagt.

6. Pivot-Perspektive und manuelle Steuerung

Wenn die KI komplexe Strukturen nicht richtig verstehen kann, können Benutzer die Pivot-Funktion nutzen, um die Felder manuell auf die horizontale und vertikale Achse zu platzieren sowie Aggregatfelder und Visualisierungsarten auszuwählen. So ist ein Wechsel zwischen automatischer Erstellung und traditioneller Analyse möglich.

Tabellenkalkulationen können aufgrund von doppelten Einträgen, leeren Werten und Mehr-zu-Vielen-Beziehungen zu fehlerhaften Zusammenfassungen führen. Zunächst sollte eine Überprüfung der Datenqualität durchgeführt werden, bevor die Diagramme interpretiert werden.

7. Analytics Model API

Die offizielle API wird zur Erstellung von Diagrammen und vollständigen Dashboards mithilfe von Anfragen verwendet. Sie kann automatisch die relevanten Daten auswählen und die Analyseergebnisse zurückgeben. Zudem unterstützt sie die Abfrage von Metadaten, wie beispielsweise Schemata, Tabellenaufbauten und Datenbeziehungen.

• Natursprachliche Analyse in interne Systeme integrieren.
• Automatische Erstellung interaktiver Dashboards.
• Verbindung zu Echtzeit- oder Batch-Datenquellen.
• Anpassung der Datenauswahl und Visualisierung gemäß den Geschäftsanforderungen.
• Datenverbindungen zu anderen AI-Plattformen werden über eine einheitliche MCP-Schicht bereitgestellt.

Die Authentifizierungsverfahren für APIs, die Geschwindigkeitsbeschränkungen sowie die individuellen Preise werden auf der öffentlichen Seite nicht vollständig dargestellt. Vor der Anbindung sollte das Unternehmen technische Dokumente, eine Testumgebung sowie Servicegarantien anfordern.

8. Mehrere Agenten und die MCP-Verbindungs Schicht

Das Analytics-Modell betont in der Produktpräsentation für 2026 generatives AI, multi-agent-basierte Intelligenz sowie MCP-Verbindungsfähigkeiten. Ziel ist es, dass verschiedene Modelle oder Agenten über eine einheitliche Schicht auf Unternehmensdaten zugreifen und Analysen durchführen können.

Die MCP-Verbindung erweitert den Zugriff auf Daten. Es müssen Leseberechtigungen für den Proxy, Feldfilterung sowie Trennung der Nutzer vorgesehen werden. Jede Schreiboperation oder Auslösung von Geschäftsprozessen muss zusätzlich genehmigt werden.

Für welche Nutzer geeignet?

• Unternehmensmanager, die KPIs und Trends schnell überprüfen müssen.
• Unternehmensteams, die Verkaufs-, Marketing- und Kundendaten analysieren.
• Datenanalysten, die Visualisierungen und Berichte erstellen.
• Finanzmitarbeiter, die finanzielle Risiken und Abweichungen in der Geschäftstätigkeit überwachen.
• Entwickler, die natürlichsprachliche Analyse in ihre Produkte integrieren möchten.
• Unternehmenskunden, die die Verweildauer von Daten sowie die Zugriffsrechte auf Identitäten kontrollieren müssen.

Wie beginnt man mit der Nutzung?

1. Registrieren Sie sich für einen Test oder wählen Sie eine Kaufmöglichkeit im AWS Marketplace aus.
2. Verbinden Sie zunächst die Datenbank oder das Geschäftsystem, das nur Testdaten enthält.
3. Definieren Sie die Definitionen der Kernindikatoren wie Einnahmen, Kunden, Bestellungen und Zeit.
4. Stellen Sie eine einfache Frage in natürlicher Sprache, die manuell überprüft werden kann.
5. Überprüfen Sie die vom System ausgewählten Tabellen, Felder, Filter und Aggregationsmethoden.
6. Erstellen Sie Diagramme oder Dashboards und passen Sie die Anzeige manuell an.
7. Speichern Sie bei Bedarf im Feed und legen Sie Warnbedingungen fest.
8. Erst nach Überprüfung mit echten Geschäftsbeispielen wird das Datensatz- und Nutzerumfang erweitert.

Preise und Deployment-Versionen

Stand dem 26. August 2026 bietet der AWS Marketplace die monatlichen Tarife für Professional Data Visualization sowie On Premise AWS EC2 Deployment an – es steht außerdem eine kostenlose Testphase zur Verfügung. Auf der Seite mit den Informationen zum 12-monatigen Vertrag wird angegeben, dass bis zu 17 % Einsparungen möglich sind. Die Ergebnisse der öffentlichen Abfragen zeigen jedoch nicht den Gesamtpreis für ein ganzes Jahr an.

Die Kosten für die AWS-Infrastruktur können separat berechnet werden. Die Umsetzung von Lokalisierungslösungen, deren Wartung sowie die Ressourcen für die Modelle müssen ebenfalls im Vertrag festgelegt werden. Die oben genannten Preise gelten zum Stand vom 26. August 2026; letztendlich gelten die Angebote von AWS, die Zahlungsseiten sowie der Vertrag.

Rückerstattungen und Hinweise zum Vertrag

Auf der AWS Marketplace-Seite wird angegeben, dass Hersteller in der Regel keine Rückerstattung für bereits in Anspruch genommene Dienste gewähren; nur in seltenen Fällen, in denen überhaupt keine Anfragen gestellt wurden, ist eine Rückerstattung möglich. Die Bedingungen nach Ablauf der Testphase, bei monatlicher Verlängerung sowie bei jährlichen Verträgen sollten vor dem Kauf überprüft werden.

• Bestätigung, wie 500 Nachrichten definiert werden und ob fehlgeschlagene Anfragen mitgezählt werden.
• Fragen Sie, ob der Service bei Überschreitung eingestellt wird oder ob zusätzliche Gebühren anfallen.
• Überprüfen Sie die Kosten für Rechenleistung, Speicher, Datenverkehr und Modelle bei AWS.
• Bestätigung der Rabatte für Jahresverträge, der Möglichkeiten einer vorzeitigen Beendigung sowie der Bedingungen für eine Verlängerung.
• Bewahren Sie Belege für die Probephase, Stornierungen und unbefragte Rückerstattungen auf.

Daten Sicherheit und Privatsphäre

Laut den Dienstbedingungen besitzt der Kunde die Kontrolle über seine Kundendaten. Die Plattform kann diese Daten nur dann abrufen oder nutzen, wenn dies zur Erbringung der Dienstleistungen notwendig ist, aufgrund gesetzlicher Anforderungen oder auf Anweisung des Kunden. Die Daten können in den Vereinigten Staaten oder in anderen Ländern, in denen sich die Server des Anbieters befinden, verarbeitet und gespeichert werden.

Kundenverwalter können auf die Daten der Endnutzer zugreifen und diese verwalten sowie für die Einholung der notwendigen Zustimmungen verantwortlich sein. Gesundheitsdaten, die durch Vorschriften wie HIPAA geschützt sind, dürfen ohne offizielle schriftliche Zustimmung und entsprechende Vereinbarungen nicht hochgeladen werden.

Lokale Bereitstellung

Die On-Premise-Lösung wird im eigenen AWS EC2-Umfeld des Kunden implementiert. Laut dem Hersteller werden weder Daten noch Verarbeitungsprozesse an externe Infrastrukturen übertragen. Der Kunde kann die Rechenleistung, den Speicherort der Daten sowie die Verwaltung von Benutzeridentitäten und Berechtigungen steuern.

„Lokalisierung“ bedeutet noch nicht automatisch eine vollständige Offline-Funktion oder die Bereitstellung des Quellcodes. Unternehmen sollten die Netzwerkanforderungen für Software-Updates, Lizenzüberprüfungen, Telemetrie, Aufrufe von Modellen sowie technischen Support prüfen.

Ist das Analytics-Modell Open Source?

Das Analytics-Modell ist ein kommerzielles SaaS-Produkt sowie ein Produkt für unternehmensinterne Nutzung. Derzeit gibt es keine offiziell veröffentlichten, vollständigen Quellcodes oder Modelle sowie keine Versionen, die frei gehostet werden können. Die Bereitstellung auf AWS EC2 bietet Kontrolle über die Umgebung – doch das bedeutet nicht, dass eine Open-Source-Lizenz vorliegt.

Die Plattform bietet API- und MCP-Anschlussmöglichkeiten, kann aber deshalb nicht als Open Source eingestuft werden. Wenn eine Speicherung des Quellcodes, weitere Entwicklung oder Rechte für die Katastrophenwiederherstellung erforderlich sind, müssen diese in einem separaten Unternehmensvertrag festgelegt werden.

Einsatzbeschränkungen und Hinweise

• Bei AI-Anfragen kann es zu falscher Auswahl von Tabellen, Feldern, Verknüpfungen oder Aggregationsmethoden kommen.
• In der natürlichen Sprache müssen Geschäftsindikatoren zunächst eine einheitliche Definition erhalten.
• Prognosen, Empfehlungen und Anomalieerkennung garantieren keine Genauigkeit.
• Verbindungen zu mehreren Datendatenquellen erhöhen die Risiken im Bereich der Berechtigungen und der Privatsphäre.
• Die Professional-Version hat eine Beschränkung von 500 Nachrichten pro Monat.
• Die Nutzungsbedingungen beschränken den Umfang der Haftung, und Entscheidungen mit hohem Risiko müssen einer eigenständigen Prüfung unterzogen werden.

Vorteile des Produkts

• Durch natürliche Sprache werden die Hürden für Datenabfragen und -visualisierung gesenkt.
• Unterstützung von über 500 Datenquellen sowie Echtzeit- und Batch-Verbindungen.
• Es ist möglich, vollständige Dashboards sowie automatische Warnungen zu erstellen.
• Gleichzeitig werden eine Webplattform, API, MCP und AWS-Deployment bereitgestellt.
• Beibehaltung manueller Analysekontrollen wie Pivot und Filtern.

Produktbeschränkungen

• Die Nachrichtenmenge in der Professional-Version ist klar definiert, doch der Preis für die API ist unklar.
• Die Gesamtzahl der öffentlichen Anschlüsse sowie die Darstellung im Verzeichnis müssen bestätigt werden.
• Die Ergebnisse der KI müssen weiterhin von Personen überprüft werden, die mit den Geschäftsdaten vertraut sind.
• Lokalisierungs-Lösungen sind teuer, die Kosten für AWS können zusätzlich anfallen.
• Es wurde keine offizielle Open-Source-Version gefunden.

Häufige Fragen

Braucht ein Analytics-Modell SQL-Kenntnisse?

Nicht unbedingt. Benutzer können mit natürlicher Sprache Abfragen stellen und Visualisierungen erstellen, aber ein Verständnis für Datenstrukturen und Messgrößen hilft dennoch bei der Überprüfung der Ergebnisse.

An welche Datenquellen kann man sich anschließen?

Die offizielle Website gibt an, dass mehr als 500 Quellen unterstützt werden, und nennt Systeme wie BigQuery, MySQL, Redshift, Snowflake und Azure. Die genauen Connector-Optionen müssen im Konto überprüft werden.

Wie viel kostet das Professional-Paket?

Der derzeitige öffentliche Preis von AWS Marketplace beträgt 99 US-Dollar pro Monat und umfasst bis zu 500 Nachrichten sowie fortgeschrittene Visualisierungen, mehrere Anschlüsse und Filterfunktionen.

Kann es auf meinem eigenen AWS eingesetzt werden?

Ja. Die On-Premise-Lösung von AWS EC2 kostet 5000 US-Dollar pro Monat. Laut den Angaben von AWS gibt es keine Beschränkungen hinsichtlich der Anzahl der Nutzer oder der Nutzung der Plattform. Der Kunde hat die Kontrolle über die Daten sowie über die Verarbeitungsumgebung.

Kann die von KI erzeugte Analyse direkt zur Entscheidungsfindung verwendet werden?

Es wird nicht empfohlen, es direkt zu verwenden. Die Datenqualität, die SQL-Logik, die Definition der Kennzahlen, die Diagramme sowie die Annahmen für die Prognosen müssen überprüft werden. Wichtige Entscheidungen erfordern außerdem eine manuelle Überprüfung.

Ist das Analytics-Modell open source?

Nein. Es handelt sich um kommerzielle SaaS- und Unternehmenslösungen – API, MCP sowie die Deployment-Möglichkeiten bei AWS bedeuten nicht, dass es sich um Open-Source-Lösungen handelt.