KI-Datenanalyse

„Was sind die wesentlichen Unterschiede zwischen Teil 1 und der Fortsetzung?“ – solche Fragen stellt ein Controller wirklich. Die Daten für die Antwort liegen längst im System, sauber strukturiert und vergleichbar. Trotzdem kostet jede Antwort einen Nachmittag Spezialistenzeit: Datensätze auswählen, Vergleich aufbauen, Tabellen lesen, interpretieren. Die Folge: Die meisten Fragen werden gar nicht erst gestellt. Jahrelang gesammelte Daten beantworten nur die Fragen, für die einmal jemand Zeit hatte.

Wir machen die Frage selbst zur Schnittstelle. Ein Analyse-Agent übersetzt die Fachfrage in die Abfrage- und Vergleichslogik, die das System ohnehin besitzt: Er wählt die relevanten Datensätze, baut den Vergleich, lässt rechnen und übersetzt das Ergebnis zurück in eine Antwort. Entscheidend: Die Rechenarbeit macht das System, nicht das Sprachmodell. Die Zahlen kommen aus derselben geprüften Logik wie bisher – die KI sitzt nur zwischen Frage und Abfrage.

Jede Antwort zeigt ihren Rechenweg: welche Datensätze, welche Konten, welcher Vergleich. Ein Ergebnis, das sich nicht nachprüfen lässt, ist schlechter als keins. Deshalb ist jede Analyse auditierbar – und die KI sagt offen, was die Datenlage nicht hergibt. Sie informiert Entscheidungen, sie trifft keine.

Bei sensiblen Daten wie Finanzzahlen gehört die Datenschutzantwort zur Architektur: Modelle, die in der Cloud-Umgebung des Kunden laufen (etwa über AWS Bedrock, ohne Speicherung, ohne Training auf Kundendaten), plus Datenminimierung – das Modell sieht nur die Vergleichsergebnisse, die es erklärt, nie die Rohdaten. Aktuell entwickeln wir dieses Muster für die Produktionsbudget-Analyse eines großen Studios.