Deine KI ist nur so gut wie die ihr zugrunde liegenden Definitionen
Actian bindet jede KI-Abfrage an eine regulierte semantische Ebene der Governance, sodass Agenten und Analysten konsistente, richtlinienkonforme Antworten erhalten und nicht auf das Rohschema zugreifen müssen.
Ein Luxus-Automobilkonzern. 10.000 festgelegte Definitionen.
Automatisierte Definitionen
.
Self-Service-Dashboards ohne Handshake
.
Validierung plattformübergreifender agentischer Arbeitsabläufe
.
Einer der größten Automobilimporteure Europas hat verhindert, dass seine KI „halluziniert“ – indem er ihr statt Rohdaten einen klar definierten geschäftlichen Kontext zur Verfügung stellte, der durch Governance-Prozesse gesteuert wird.
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
- Durch schnell erstellte, KI-generierte Dashboards bestand die Gefahr, dass Entscheidungsträgern unüberprüfte, nicht fundierte Daten präsentiert wurden.
- Uneinheitliche Definitionen von Kennzahlen in den verschiedenen Geschäftsbereichen führten dazu, dass ständig über Zahlen statt über Entscheidungen gestritten wurde.
- Frühe KI-Agenten benötigten genaue Feld-IDs oder Datenbanknamen und konnten nicht nach der Bedeutung suchen.
- Es gibt kein einheitliches Protokoll, um LLMs direkt mit Tableau und anderen BI-Tools zu verbinden.
Was Actian getan hat
- Das Deployment des MCP-Servers von Actian erfolgte als einheitliche, entkoppelte Kommunikationsschicht, die KI-Agenten mit geregelter Geschäftslogik verbindet, ohne dass ein Lieferanten-Lock-in entsteht.
- Der Kerndatenkatalog wurde direkt mit den LLMs als aktives Geschäftsglossar verknüpft, wodurch Anfragen in natürlicher Sprache in geregelte, strukturierte Definitionen übersetzt und „Halluzinationen“ bereits an der Quelle verhindert werden.
- Mitentwickelte semantische Suchfunktionen der nächsten Generation für den AI Analyst, die konzeptionell relevante Variablen auf der Grundlage ihrer Bedeutung und nicht anhand exakter Übereinstimmungen mit Suchbegriffen anzeigen.
Was sie erreicht haben
Über 10.000 Geschäftsdefinitionen, die automatisch aus dem Data Warehouse und den GitHub-Code-Repositorys in den globalen Katalog übernommen wurden.
Zero-Handshake Self-Service-Dashboards, die mithilfe von Gemini untersucht wurden, um Tableau-XML-Layoutcode direkt aus regulierten Metadaten programmgesteuert zu schreiben und zu ändern.
Plattformübergreifende Agentenbasierte Workflows, die sowohl in N8N als auch in Data Science-Pipelines validiert wurden und eine Brücke zwischen Abfragen in natürlicher Sprache und Echtzeit-Zahlen der Autohäuser schlagen.
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 Federated Knowledge Graph setzt Geschäftsdefinitionen, Datenherkunft und den Richtlinienkontext in Ihrer gesamten Datenlandschaft um. Der Data Steward Agent synchronisiert diese Definitionen kontinuierlich, sobald sich die Daten ändern. Die KI-Ergebnisse weichen nicht ab, da die semantische Ebene stabil bleibt.
Governance, die bei jeder KI-Abfrage zum Einsatz kommt
Der Governance-Kontext fließt zur Laufzeit in jede KI-Abfrage ein, nicht nur beim Dateneingang. MCP-Server und A2A-Protokolle ermöglichen es KI-Agenten von Drittanbietern, über offene Standards auf die geregelte Geschäftslogik abzufragen. Die Agenten erhalten zum Zeitpunkt der Abfrage einen richtlinienkonformen Kontext, der denselben Definitionen unterliegt, die Ihre Datenverwalter pflegen.
Herkunftsnachweis, der KI-Antworten bis zu ihrer Quelle zurückverfolgt
Jede KI-Ausgabe lässt sich zu dem verwalteten Asset zurückverfolgen, das sie erzeugt hat. Da geschäftliche und technische Abstammungslinien miteinander verknüpft sind, können Governance-Teams überprüfen, welche Daten die KI verwendet hat, bevor sie ihren Ergebnissen vertrauen.
Kommt Ihnen etwas davon bekannt vor?
Falls Ihr Team mit dieser Situation konfrontiert ist… |
Actian geht dieses Problem wie folgt an… |
|---|---|
KI-Dashboards, die Zahlen liefern, über die sich niemand einig ist |
Die semantische Ebene verknüpft jede Ausgabe mit einer einzigen Definition, die durch Governance festgelegt wurde. |
Verschiedene Teams bezeichnen dieselbe Kennzahl unterschiedlich |
Der „Federated Knowledge Graph“ sorgt dafür, dass überall dieselbe Definition gilt |
KI-Agenten schlagen fehl, wenn keine genauen Feld-IDs oder Datenbanknamen vorliegen |
Die semantische Suche ermittelt relevante Variablen anhand ihrer Bedeutung und nicht anhand von Schlüsselwörtern. |
Es gibt kein Protokoll darüber, welche Daten ein KI-Agent tatsächlich verwendet hat |
Smart Lineage lässt jede KI-Ausgabe bis zur zugrunde liegenden Quelle zurückverfolgen |
Wie sich die KI-Bereitschaft in das Gesamtbild einfügt
Sind Sie bereit, Ihrer KI etwas zu geben, dem sie vertrauen kann?
Sprechen Sie mit einem Solutions Engineer über Ihren KI-Stack. Wir zeigen Ihnen, wie sich die semantische Ebene auf Ihre spezifischen Agenten, Tools und Governance-Anforderungen abbilden lässt.
Vereinbaren Sie ein Beratungsgespräch
(z. B. sales@..., support@...)
