Datenabfragen in natürlicher Sprache mit LLMs
Fragen in natürlicher Sprache machen BI einfacher, aber ein Modell kann Zahlen erfinden. Wir erklären, warum eine geprüfte Berichtsdefinition sicherer ist.

Die Frage „In welcher Region ist die Marge im letzten Quartal gesunken?“ in ein Feld zu tippen und eine Antwort zu bekommen, ist verlockend. Große Sprachmodelle (LLMs) machen das möglich; geht es aber um Zahlen, liegt das Problem hier: Das Modell formuliert einen flüssigen Satz, was nicht heißt, dass es die Zahl richtig berechnet hat.
Zwei Ansätze
- Das Modell SQL schreiben lassen: liefert einen schnellen Prototyp. Dieselbe Frage kann an verschiedenen Tagen aber zu verschiedenen Abfragen führen, Tabelle oder Filter können falsch gewählt werden, und es ist schwer zu belegen, dass die Zahl mit dem Dashboard übereinstimmt.
- Das Modell eine Berichtsdefinition ausfüllen lassen: Das Modell schreibt kein freies SQL, sondern füllt nur eine strukturierte Definition aus vordefinierten Kennzahlen und Dimensionen aus. Ein Validator prüft die Definition, danach erzeugt ein fester Compiler das SQL.
Warum der zweite Weg
Laufen Dashboard und natürliche Sprache durch denselben Compiler, sind zwei verschiedene Zahlen strukturell ausgeschlossen. Das Rechnen wird nicht dem Modell überlassen; die Berechnung erfolgt in deterministischem Code, das Modell interpretiert nur das Ergebnis. Wird eine Kennzahl verlangt, die nicht im Katalog steht, meldet das System einen Fehler, statt etwas zu erfinden.
Stand bei Floemdata
Das ist der Designansatz von Floemdata Analytics: Die Berichte entstehen heute aus einem definierten Katalog von Kennzahlen und Dimensionen über einen einzigen Compiler; die Firmenübersicht im Dashboard wird außerhalb dieses Wegs mit einer eigenen Abfrage berechnet, und dass beide Wege dasselbe Ergebnis liefern, wurde noch nicht gemessen (nicht verifiziert). Die Schicht für natürliche Sprache (ein KI-Assistent) steht auf der Roadmap; sie ist noch kein Produktmerkmal (nicht verifiziert).
Bevor Sie BI in natürlicher Sprache ausprobieren
- Schreiben Sie die 10 häufigsten Fragen auf und ordnen Sie jede einem Bericht zu, dessen richtige Antwort Sie kennen.
- Das System soll nachfragen oder ablehnen, wenn es unsicher ist, und nicht raten.
- Zeigen Sie bei jeder Antwort, welche Kennzahl und welcher Filter verwendet wurden.
- Halten Sie den Datenzugriff je Person begrenzt; Daten, die ein Nutzer nicht sehen darf, dürfen nicht in eine Antwort einfließen.
Kurz gesagt: Natürliche Sprache ist eine Oberfläche, keine Rechenmaschine. Machen Sie aus der Frage eine geprüfte Definition und überlassen Sie die Zahl dem Code.