Ihre KI ist nur so gut wie die Definitionen, auf denen sie basiert
Actian verankert jede KI-Abfrage in einer zentral verwalteten semantischen Ebene. So erhalten Agenten und Analysten konsistente Antworten, die geltende Richtlinien berücksichtigen, statt direkten Zugriff auf das Rohschema zu erhalten.
Ein Luxusautomobilkonzern. 10.000 zentral verwaltete Definitionen.
Automatisierte Definitionen
.
Automatisierung von Händleranfragen durch agentenbasierte Workflows
.
Einer der größten Automobilimporteure Europas hat verhindert, dass seine KI halluziniert. Indem er ihr statt Rohdaten einen zentral verwalteten Geschäftskontext bereitstellte.
Unser Kunde ist einer der größten familiengeführten, multinationalen Importeure von Luxusfahrzeugen in den Niederlanden. Jahresumsatz von über 10 Mrd. Euro. Geschäftstätigkeit in mehreren Ländern.
Ihr KI-Problem war konkret: Sie erstellten zwar mithilfe von Generativer KI schnell Dashboards, doch den Ergebnissen konnte man nicht trauen. Verschiedene Geschäftsbereiche verwendeten unterschiedliche Definitionen für dieselben Kennzahlen. KI-Agenten konnten ohne eine exakte Datenbank-ID keine unscharfen Suchanfragen ausführen. Und es gab keine standardisierte Methode, um große Sprachmodelle (LLMs) mit ihren nachgelagerten BI-Tools zu verbinden.
Die Herausforderung
- Bei schnell KI-generierten Dashboards bestand die Gefahr, dass Entscheidungsträgern unüberprüfte Daten ohne verlässliche Einbettung in den Geschäftskontext präsentiert wurden.
- Uneinheitliche Kennzahlendefinitionen in den verschiedenen Geschäftsbereichen führten zu ständigen Diskussionen über Zahlen statt über Entscheidungen.
- Frühe KI-Agenten benötigten exakte Feld-IDs oder Datenbanknamen und konnten keine semantische Suche durchführen.
- Kein einheitliches Protokoll zur direkten Verbindung von LLMs mit Tableau und anderen BI-Tools.
Actians Lösung
- Actian MCP Server als einheitliche, entkoppelte Kommunikationsschicht implementiert, die KI-Agenten ohne Vendor Lock-in mit zentral verwalteter Geschäftslogik verbindet.
- Den zentralen Datenkatalog direkt als aktives Geschäftsglossar an LLMs angebunden, das Anfragen in natürlicher Sprache in zentral verwaltete, strukturierte Definitionen übersetzt und Halluzinationen bereits an der Quelle verhindert.
- Funktionen der nächsten Generation für die semantische Suche im AI Analyst gemeinsam entwickelt, die inhaltlich relevante Variablen anhand ihrer Bedeutung statt anhand exakter Übereinstimmungen mit Suchbegriffen finden.
Die Ergebnisse
Über 10.000 Geschäftsdefinitionen, die automatisch aus dem Data Warehouse und den GitHub-Code-Repositorys in den globalen Katalog übernommen wurden.
Self-Service-Dashboards ohne Abstimmungsaufwand mithilfe von Gemini erprobt, um Tableau-XML-Layoutcode direkt aus zentral verwalteten Metadaten programmatisch zu erstellen und zu ändern.
Plattformübergreifende Agentic Workflows in N8N und Data-Science-Pipelines validiert, die Abfragen in natürlicher Sprache mit Echtzeit-Kennzahlen aus den Autohäusern verknüpfen.
Entwickelt für eine KI, bei der es auf Genauigkeit ankommt – nicht nur auf Geschwindigkeit
Eine semantische Ebene, die stets auf dem neuesten Stand bleibt
Der föderierte Wissensgraph macht Geschäftsdefinitionen, Datenherkunft und den Kontext geltender Richtlinien in Ihrer gesamten Datenlandschaft operativ nutzbar. Der Data Steward Agent synchronisiert diese Definitionen kontinuierlich, wenn sich die Daten ändern. So verändern sich die KI-Ergebnisse nicht unkontrolliert, weil die zugrunde liegende semantische Ebene stabil bleibt.
Governance, die jede KI-Abfrage begleitet
Der Governance-Kontext fließt zur Laufzeit in jede KI-Abfrage ein – nicht nur bei der Datenaufnahme. MCP Server und A2A-Protokolle ermöglichen es KI-Agenten von Drittanbietern, über offene Standards auf zentral verwaltete Geschäftslogik zuzugreifen. Die Agenten erhalten zum Zeitpunkt der Abfrage einen Kontext, der geltende Richtlinien berücksichtigt und auf denselben zentral verwalteten Definitionen basiert, die Ihre Data Stewards pflegen.
Datenherkunft und -wege, die KI-Antworten bis zu ihrer Quelle zurückverfolgen
Jede KI-Ausgabe lässt sich auf das zentral verwaltete Daten-Asset zurückführen, auf dem sie basiert. Geschäftliche und technische Datenherkunft und -wege werden miteinander verknüpft, sodass Governance-Teams nachvollziehen und überprüfen können, welche Daten die KI verwendet hat, bevor sie ihren Ergebnissen vertrauen.
Kommt Ihnen etwas davon bekannt vor?
Wenn Ihr Team vor dieser Herausforderung steht… |
Actian begegnet diesen Herausforderungen mit… |
|---|---|
KI-Dashboards, die Zahlen liefern, über die sich niemand einig ist |
Die semantische Ebene verankert jede Ausgabe in derselben zentral verwalteten Definition |
Verschiedene Teams bezeichnen dieselbe Kennzahl unterschiedlich |
Der föderierte Wissensgraph sorgt dafür, dass überall dieselbe Definition gilt |
KI-Agenten funktionieren nicht ohne exakte Feld-IDs oder Datenbanknamen |
Die semantische Suche findet relevante Variablen anhand ihrer Bedeutung statt anhand von Schlüsselwörtern. |
Kein Audit-Trail darüber, welche Daten ein KI-Agent tatsächlich verwendet hat |
Smart Lineage führt jede KI-Ausgabe auf das zugrunde liegende zentral verwaltete Daten-Asset zurück. |
Wie sich die KI-Bereitschaft in das Gesamtbild einfügt
Sind Sie bereit, Ihrer KI eine Grundlage zu geben, der sie vertrauen kann?
Sprechen Sie mit einem Solutions Engineer über Ihren KI-Stack. Wir zeigen Ihnen, wie sich die semantische Ebene in Ihre Agenten, Tools und Governance-Anforderungen integrieren lässt.
Vereinbaren Sie ein Beratungsgespräch
(z. B. sales@..., support@...)
