top of page

Conversational Analytics: Vom statischen Dashboard zum prozessorientierten Dialog – mit RAG als Fundament

  • Autorenbild: herbertwagger
    herbertwagger
  • vor 8 Stunden
  • 3 Min. Lesezeit
ree

Executive Summary


  • Neuer Ansatz: Analytics wird gesprochen statt geklickt. Nutzer fragen in natürlicher Sprache; BubbleGPT liefert Zahlen + Begründungen + nächste Aktion.

  • Single Source of Truth: Wenn vorhanden, nutzt BubbleGPT bestehende Semantic Models (z. B. Power BI) direkt – wir duplizieren keine KPIs. Wenn nicht vorhanden, bietet BubbleGPT ein leichtgewichtiges Conversational-BI mit Upgrade-Pfad auf Semantic Models.

  • RAG als Basis: Fakten aus Tabellen werden mit Wissen aus Dokumenten (Handbücher, E-Mails, Verträge, Wikis) kombiniert, inkl. Quellenzitat.

  • Prozessfokus: Antworten enden nicht bei der Zahl, sondern in Aktionen (Ticket, E-Mail, Datensatz-Refresh, ERP-Update), mit Audit-Trail und Governance.

Warum wir Analytics neu denken


Dashboards bleiben wichtig – aber echte Wertschöpfung entsteht, wenn Fragen → Erklärung → Aktion in einem Gespräch passieren. Genau hier setzt BubbleGPT mit BubbleChat an: Wir kombinieren Zahlen (Semantic Models, SQL, ERP/CRM) mit Wissen(Dokumente, E-Mails, Wikis) und Tools (Ticketing, ERP, E-Mail) – inklusive Governance, Audit-Trail und Identitätsdurchgriff.

Structured RAG und Unstructured RAG – zwei Seiten eines Systems

Dimension

Structured RAG

Unstructured RAG

Quelle

SQL/DWH/Lake, ERP/CRM, Semantic Models

Dokumente, E-Mails, Wikis, Verträge

Abruf

DAX/SQL/Graph, APIs, MCP-Tools

Vektor-Suche (Chunks, Re-Ranking)

Ergebnis

Metriken, Sichten, Drilldowns

Begründungen, Policies, Kontext

Governance

RLS/ACLs, OLS, Datenverträge

Dokument-ACLs, PII-Masking/Redaction

Typische Frage

„DB-Marge Q3 vs. Plan je Region?“

„Warum fällt Region Süd ab?“

Wichtig: Wenn Semantic Models (z. B. Power BI) existieren, greifen wir direkt darauf zu (kein KPI-Fork) – via ExecuteQueries (REST) für DAX-Abfragen; Admin-/Write-Szenarien laufen bei Bedarf über XMLA in Premium/PPU. RLS bleibt wirksam (Viewer-Rollen), Workspace-Admins/Members/Contributors umgehen RLS wie im Originalsystem. (Microsoft Learn, powerbi.microsoft.com)


APIs waren gestern allein – jetzt kommt MCP dazu


Neben klassischen APIs nutzen wir das Model Context Protocol (MCP) als offenen Standard, um Modelle sicher und einheitlich mit Datenquellen & Tools zu verbinden – denken Sie an USB-C für KI-Kontexte. MCP ermöglicht es, Daten/Tools über MCP-Server bereitzustellen und von MCP-Clients (z. B. Agenten-Apps) kontrolliert zu verwenden. Ergebnis: schnellere Integration, klarere Berechtigungen, weniger Spezial-Adapter. (Model Context Protocol, Anthropic, LogRocket Blog)

So „entscheidet“ BubbleGPT, welchen Weg es nimmt (Query Planner)


  1. Intent verstehen: Metrikabfrage? Diagnose? Aktion?

  2. Tool-Wahl:

    • Semantic Model → DAX via ExecuteQueries (REST) (RLS-Passthrough) (Microsoft Learn)

    • SQL/ERP/CRM → Connector oder MCP-Tool (strukturierte Retrievals, Transaktionen) (Model Context Protocol)

    • Dokumente → Vektor-RAG mit Zitatpflicht

  3. Fusion: Zahlen (structured) + Belege (unstructured) → evidenzbasierte Antwort

  4. Aktion: Ticket, Mail, ERP-Update, Alarm – mit Audit-Trail

  5. Guardrails/Evals: Zitatdeckung, Kosten/Latency, Fallbacks (z. B. von DAX→SQL)


Beispiel (kompakt)


  • Frage: „Zeig DB-Marge Q3 vs. Plan je Region.“ → DAX über ExecuteQueries; Tabelle/Chart.

  • Warum? „Wieso fällt Region Süd ab?“ → RAG zieht Vorstands-Memo & Lieferanten-E-Mail; KI erklärt Ursachen, mit Quellen.

  • Aktion: „Lege Abweichungs-Ticket & alarmiere Einkauf bei >5 % Abweichung.“ → Tool-Use (API/MCP), Protokollierung.


Power BI optional – BubbleGPT bleibt konsistent


  • Mit Power BI: Wir duplizieren keine KPIs. BubbleGPT fragt Semantic Models via REST ab; für Admin/Write (z. B. Partitionen, Backups, Metadaten) nutzen wir XMLA in Premium/PPU. RLS/OLS/Workspace-Rollen bleiben maßgeblich. (Microsoft Learn)

  • Ohne Power BI: Start als leichtgewichtiges Conversational-BI direkt auf SQL/DWH/Lake (Structured RAG + Unstructured RAG). Upgrade-Pfad: späteres Heben der Metriken in ein Semantic Model – BubbleGPT schaltet die Abfragen um, Use-Cases bleiben.


Referenz-Architektur

ree

Governance & Qualität (ohne Kompromisse)

  • Identität & RLS-Durchgriff: Delegierte Identitäten; RLS/ACL wirken in der Quelle (Viewer). (Microsoft Learn)

  • PII/Redaction: Masking & Policy-Checks vor Ausgabe.

  • Evals/Guardrails: Korrektheit, Zitatdeckung, Kosten; Fallback-Routen; Human-in-the-Loop.

  • Betrieb: Telemetrie (Prompt/Tool-Nutzung), Kostenstellen, Audit-Logs.



Kurz-Fazit:

BubbleGPT macht Analytics zum Dialog, der handelt. Wir verbinden Structured RAG(Semantic Models/SQL/ERP/CRM) und Unstructured RAG (Dokumente) – ergänzt um MCP für schnelle, standardisierte Tool-Anbindung. Ohne KPI-Forks, mit Governance & Audit-Trail.


 
 
 

Kommentare

bottom of page