Sie erstellen ein Dashboard für die Geschäftsführung eines E-Commerce-Unternehmens, das jeden Montag drei Fragen beantworten muss: Hat sich der Umsatz verändert? Hat sich die Conversion-Rate gewandelt? Können wir unsere Kunden halten? Der Datensatz umfasst 2,4 Millionen Bestellungen aus dem Zeitraum vom 01.01.2024 bis zum 30.06.2024, verknüpft mit Sitzungs- und Kundendaten sowie segmentiert nach Kanal, Gerätetyp und Kundenstatus (neu vs. wiederkehrend).
KI kann Sie dabei unterstützen, SQL-Abfragen zu entwerfen, Diagrammoptionen vorzuschlagen, Veränderungen im Wochenvergleich zusammenzufassen und Regeln für Benachrichtigungen (Alerts) zu formulieren. Keines dieser Ergebnisse ist für sich genommen sofort entscheidungsreif, da Sie – und nicht das Modell – die Verantwortung für nachgelagerte Fehler tragen. Wird der Umsatz beispielsweise aufgrund doppelter Verknüpfungen (Joins) falsch berechnet, trifft das Unternehmen seine Entscheidungen auf der Basis fehlerhafter Zahlen.
Der professionelle Ansatz in diesem Kurs ist simpel: KI beschleunigt die Erstellung von Arbeitsergebnissen. Der Analyst überprüft Definitionen, validiert Berechnungen anhand der verlässlichen Datenquelle („Source of Truth“) und gibt die Veröffentlichung frei.
Ein BI-Dashboard ist dann fundiert und belastbar, wenn jede Phase einen klaren Verantwortlichen und einen Prüfschritt (Verification Gate) aufweist. Die Phasen umfassen die Definition von Kennzahlen, die Datenmodellierung, die Visualisierung, die Veröffentlichung und die Überwachung. KI ist dort am nützlichsten, wo die Arbeit generativ und umkehrbar ist; sie ist weniger geeignet, wenn es um die Festlegung von Bedeutungen oder Governance-Regeln geht.
KI kann Entwürfe für Kennzahlendefinitionen und Beispiel-SQL-Code generieren. Die Entscheidung über die Kennzahl muss jedoch beim Analysten liegen, da eine Kennzahl eine geschäftliche Aussage darstellt. So ist die Definition der conversion_rate als „Bestellungen geteilt durch Sitzungen“ nicht gleichbedeutend mit „Bestellungen geteilt durch Unique Visitors“ – und die Wahl der Definition verändert das Ranking der Kanäle.
KI kann schnell Vorschläge für Diagrammtypen machen. Der Analyst muss die Wahl des Diagramms im Hinblick auf die Fragestellung und die Zielgruppe bestätigen, denn die Wahl der Visualisierung ist eine Form der Interpretation, nicht bloße Dekoration. KI kann Textentwürfe (Narrative) erstellen. Der Analyst muss jedoch den Entscheidungskontext liefern, da allgemeine Texte lediglich eine Zusammenfassung darstellen, aber keine Analyse.
Machen Sie sich mit dem gesamten Arbeitsablauf und dessen Zusammenhängen vertraut.
Überprüfung umfasst die Kontrollschritte, mit denen sichergestellt wird, dass ein Ergebnis mit den zugrundeliegenden Daten und der beabsichtigten Definition übereinstimmt. Wenn eine KI SQL-Code generiert, gleicht der Analyst die Ergebnisse mit einer bekannten Referenz ab – etwa dem Finanzbericht zu den Umsätzen für denselben Zeitraum und dieselben Filterkriterien. Erstellt eine KI ein Diagramm, prüft der Analyst dessen Korrektheit, einschließlich der Skalierung der Achsen, des Zeitraums und der Konsistenz der Bezugsgrößen über verschiedene Segmente hinweg. Eine abgeschnittene y-Achse, die eine Veränderung von 1 Prozent übertrieben darstellt, ist kein bloßes Stilproblem, sondern eine faktische Verzerrung.
Generiert eine KI erläuternde Texte für ein Dashboard, stellt der Analyst sicher, dass jede Aussage auf einem berechneten Wert und einem definierten Vergleich basiert – beispielsweise dem Wochenvergleich für channel=Paid Search und device_type=Mobile. Erstellt eine KI Überwachungsregeln, validiert der Analyst die Alarmierungslogik anhand historischer Daten, da Sensitivität und Fehlalarme (False Positives) Kosten verursachen, die zu Ihren Lasten gehen.
Erfahren Sie, wie verschiedene KI-Ergebnisse bestimmten Überprüfungsschritten zugeordnet werden, die Sie durchführen müssen.
Governance umfasst die Vorgaben, die festlegen, welche Daten von wem, zu welchem Zweck und unter welchen Bedingungen (einschließlich Nachvollziehbarkeit/Audit-Trail) verwendet werden dürfen. Der Einsatz von KI verändert die Governance, da Prompts und Ergebnisse von Anbietern protokolliert, zwischengespeichert oder erneut abgespielt werden können; dies kann die Vertraulichkeit gefährden, selbst wenn das Dashboard intern betrieben wird.
Personenbezogene Daten (PII) stellen eine offensichtliche Grenze dar, sind jedoch nicht die einzige. Auch vertrauliche Finanzdaten, noch nicht veröffentlichte Produktkennzahlen und Kundensegmente können durch Richtlinien eingeschränkt sein – selbst wenn keine Namen oder E-Mail-Adressen enthalten sind. Analysten müssen wissen, ob das KI-Tool für die jeweilige Datenklassifizierung zugelassen ist, ob die Datenspeicherung (Retention) deaktiviert ist und ob der Zugriff nach dem Prinzip der minimalen Rechtevergabe (Least-Privilege-Prinzip) erfolgt.
Dokumentation ist ein wesentlicher Bestandteil der Kontrolle. Sie bewahren die Definition der Kennzahl, die Abfrageversion, die Validierungsnachweise sowie Informationen zur genehmigenden Person auf, damit sich die Ursache etwaiger künftiger Abweichungen nachvollziehen lässt.
Analysieren Sie, welche Anfragen unbedenklich sind und welche gegen Richtlinien verstoßen.