Es ist Montag, 10:04 Uhr. Ihre Regionalleiterin fragt, welche Filialen hinter ihrem Quartalsziel liegen. Früher hieß das: ein Ticket, ein BI-Entwickler und zwei Wochen Warten. Hier tippt sie die Frage ein und bekommt einen Satz, eine Tabelle, einen Excel-Export und das SQL dahinter – noch vor dem nächsten Tagesordnungspunkt. Smart Data ist ein KI-Mitarbeiter, der Ihre echten Daten liest, in Alltagssprache antwortet, eigene Analyseberichte schreibt und, anders als die meisten Assistenten, ehrlich sagt, wenn die Daten keine Antwort hergeben.
Gefragt um 10:04. Beantwortet, mit Tabelle, um 10:04. Data Chat verwandelt eine einfache Frage in SQL für das Schema des Kunden, führt es mit einer harten Grenze von 15 Sekunden aus und antwortet mit einer formatierten Tabelle, einem Excel-Export und der verwendeten Abfrage, auf Hebräisch oder Englisch, von rechts nach links oder von links nach rechts. Materialisierte Sichten machen aus minutenlangen Scans Lesezugriffe in Millisekunden, sodass eine Kette mit 30 Millionen Verkaufszeilen so schnell antwortet wie eine Tabellenkalkulation. Rund 30 Millionen Datensätze kommen jede Nacht auf einem bescheidenen Server an. Neben dem Chat gibt es klickbare Dashboards für alle, die sie bevorzugen, gesteuert über ein freigegebenes semantisches Modell, sodass der Browser nie SQL sendet.
Der Teil, den Wettbewerber auslassen: eine Ehrlichkeitsschicht, im Code erzwungen. Jeder Datensatz hat ein Fähigkeitenmanifest: welche Kennzahlen exakt sind, welche geschätzt und um wie viel, welche Dimensionen fehlen, und das eigene Vokabular des Kunden. Eine deterministische Prüfung lehnt unmögliche Fragen ab, bevor überhaupt SQL geschrieben wird. Analyseberichte planen, fragen ab, schreiben und prüfen sich dann selbst über vier unabhängige Kontrollen, darunter ein separates Faktenprüfungsmodell, und zeigen dem Leser ihren Konfidenzwert und alles, was sich nicht abgleichen ließ. Jede Geldangabe nennt ihre Grundlage, ihren Datenstand und ob der letzte Tag unvollständig ist. Ausgedachte Testfälle bestanden 65 von 65; eine echte Sitzung fand zwei stille Falschantworten – deshalb wird jede echte Kundenfrage in einem Replay-Korpus eingefroren und vor jedem Release erneut ausgeführt.
Eine Engine. Drei Oberflächen. Überall dieselbe Zahl. Smart Replenishment berechnet jede Nacht, was bis wann in welcher Menge bestellt werden muss – aus Abverkaufstempo, Bestand, offenen Bestellungen und den Lieferzeiten, die die Einkäufer selbst festlegen, mit einem „Warum?“ unter jeder Zeile, das die Rechnung zeigt. Eine Engine bedient den Einkaufsbildschirm, das Chat-Tool und den Wochenbericht, sodass dieselbe Frage überall dieselbe Zahl bekommt. Fachanwender beschreiben einen neuen Bildschirm in einem Satz, und das Modell liefert eine validierte Spezifikation, nie rohes HTML oder SQL; der Server kompiliert die Abfragen, prüft die Summen per Stichprobe und stellt alles im Branding des Kunden dar. Smart Tune zeigt die 144 Artikel, die eine Änderung betrifft, und wartet auf Freigabe. Ein persönlicher Link macht die Plattform sogar zum MCP-Server, sodass das Team des Kunden Bildschirme aus ChatGPT, Claude oder Codex heraus bauen kann, ohne Modellkosten für den Kunden. Sieben Ketten, ein Deployment, neue Funktionen in Wochen.
Wenn das nach Ihrem Unternehmen klingt: Sie haben die Daten und warten trotzdem wochenlang auf jede Antwort. Setzen Sie einen KI-Mitarbeiter daran, der seinen Rechenweg zeigt.
Lass uns anfangen!
