Unternehmensdaten bereit für KI-Agenten

Geben Sie einem KI-Arbeitsablauf einen zuverlässigen Zugang zu den
benötigten Unternehmensdaten. Wir erfassen die relevanten Quellen,
klären die Bedeutung jedes Felds, verbinden die Daten und legen mit
Ihnen Zugriffsregeln fest. Das erste Ergebnis ist die Antwort auf
eine vereinbarte Frage aus nachvollziehbaren Datensätzen, mit
Prüfungen der Datenqualität und Berechtigungen.

Zusammengeführt: an einem für Agenten erreichbaren Ort

Wir entwickeln die Pipelines, die Ihre Systeme zusammenführen:
zeitgesteuerte ETL-Jobs, die nur Änderungen laden und ausgelassene
Daten ausweisen. Ziel ist eine Datenbank, deren Schema Ihr Geschäft
in Ihren Begriffen beschreibt — Kunden, Aufträge, Schiffe, Verträge,
Fälle. Alte PDFs, Scans und E-Mail-Archive werden in durchsuchbaren
Text umgewandelt und zusammen mit ihrer Quelle aufbewahrt, damit sie
auffindbar sind, statt nur gespeichert zu werden. Der Agent erreicht
alles über einen beschriebenen Zugang: einen MCP-Server oder eine
API, niemals über eine Datenbankkopie auf dem Laptop einer Person.

Bereinigt: ein Kunde statt fünf

Derselbe Kunde kann in fünf Systemen in fünf Schreibweisen stehen.
Liest ein Agent widersprüchliche Fassungen derselben Tatsache,
braucht er eine Regel dafür, welcher Quelle er vertrauen soll. Wir
legen mit Ihnen je Information das maßgebliche System fest, führen
Dubletten nach lesbaren Regeln zusammen und halten den Abgleich am
Laufen. So wird eine neue Dublette beim nächsten Laden erkannt statt
erst bei der nächsten Prüfung. Typen und Constraints in der
Datenbank weisen einen ungültigen Datensatz zurück, statt ihn zu
speichern. Jede Spalte benennt ihre Bedeutung, jede Migration wird
versioniert und geprüft. So liest ein Agent genau das Schema, das
auch bereitgestellt ist.

Berechtigt: jeder Agent sieht, was sein Benutzer sehen darf

Ein Agent, der alles lesen kann, ist ein Datenleck mit freundlicher
Stimme. Die Regeln gehören in die Daten, nicht in den Prompt: Rollen
in der Datenbank (RBAC), standardmäßig nur Lesezugriff, Regeln auf
Zeilenebene, wo ein Kunde niemals die Daten eines anderen sehen
darf, und personenbezogene Daten außer Reichweite, sofern die
Aufgabe sie nicht benötigt — wie es auch die DSGVO verlangt. Der
Agent handelt mit den Rechten seines Benutzers, niemals mit
Administratorrechten. Jeder Lesezugriff wird mit der Person
protokolliert, für die er erfolgte. Die Absicherung der Agenten
selbst beschreibt eine eigene Seite.

Jede Antwort auf ihre Quelle zurückführen

Eine Antwort aus Unternehmensdaten ist so gut wie ihre Quelle;
deshalb wird diese mitgeführt. Jede Zeile hält fest, woher sie
stammt und wann sie eingelesen wurde: System, Ladevorgang, Datei und
Seite. Ein Agent kann den Datensatz hinter einer Zahl zitieren, und
ein Mensch kann ihn öffnen. Ein Ladevorgang mit ausgelassenen Zeilen
nennt Anzahl und Grund, statt schlicht Erfolg zu melden. Eine
fehlerhafte Zahl führt zum verantwortlichen Ladevorgang statt zu
einer Woche Rätselraten. Auf dieser Regel beruht auch unser eigenes
Berichtswesen: Keine Zahl wird ausgegeben, die der Lauf nicht
gemessen hat.

Die Arbeit dahinter

Jede Aussage auf dieser Seite beschreibt eine von uns eingesetzte
Methode, und jede ist dokumentiert. Wir haben eine geografische
Datenpipeline 50-mal schneller gemacht, indem wir SQL und
Datenmodell korrigiert haben, und sechs ETL- und ELT-Pipelines
konzipiert und betrieben, über BigQuery, MS SQL und PostgreSQL
hinweg. Wir haben eine ganze Branche in 348 Tabellen über 34 Schemas
modelliert und dieses Schema über 1.022 Migrationen hinweg mit einer
Drift-Prüfung konsistent gehalten. Wir haben 495 Seiten aus einem
schreibgeschützten SQLite-Export erzeugt und 963 Blöcke
strukturierter Daten durch einen verknüpften Graphen ersetzt, den
ein Agent auf dieser Website zuerst liest.

So läuft ein Auftrag ab

Am Anfang steht eine Bestandsaufnahme mit reinem Lesezugriff: Welche
Systeme enthalten was, wer ist jeweils verantwortlich und welche
Fragen soll ein Agent beantworten können? Dann nehmen wir die
wichtigste Frage und bauen ihren Weg vollständig auf — Quellen,
Bereinigung, Berechtigungen und Zugang — mit Prüfungen, die den
Ladevorgang bei Datenabweichungen stoppen. Danach folgt die nächste
Frage. Alles liegt in Ihrer Infrastruktur und Ihrem Repository und
durchläuft Ihre Prüfung. Die lesenden Agenten können für Ihre
Branche entwickelt werden oder bereits bei Ihnen im Einsatz sein.
Die Beauftragung erfolgt wie bei unseren übrigen Leistungen zu den
unter Was es kostet beschriebenen Bedingungen.

Wenn die Antworten für Ihre Mitarbeiter an mehr Orten liegen, als
jemand aufzählen kann, sagen Sie uns, wo Ihre Daten liegen (von der
Ingenieurin gelesen).

hDiese Seite im Web	URL:https://ditte.engineer.company/de/ai-data/	ditte.engineer.company	70
