Wir erhalten immer noch viele Fragen zu Analytics. Wie individuell anpassbar sind die Dashboards? K\u00f6nnen wir unsere eigenen Berichte erstellen? K\u00f6nnen wir neue Diagramme hinzuf\u00fcgen? Wie viel Flexibilit\u00e4t haben wir, um die Daten auf unterschiedliche Weise zu analysieren? Immer h\u00e4ufiger stellen uns jedoch einige der gleichen Unternehmen die gleiche Frage: Haben Sie einen MCP-Server (Model Context Protocol)?<\/p>\n\n\n\n
Auf den ersten Blick scheinen dies zwei separate Anforderungen zu sein. Die eine betrifft Analysen, w\u00e4hrend die andere die Interaktion von LLMs (gro\u00dfen Sprachmodellen) mit Unternehmenssoftware behandelt. Ich denke, sie sind tats\u00e4chlich eng miteinander verbunden und stellen m\u00f6glicherweise unterschiedliche Generationen von Ansichten hinsichtlich der Preisanalysen und der Unternehmensanalysen dar. Dashboards beantworten die Fragen, die Sie sicher stellen werden stellen. AI-Agents, die \u00fcber MCP mit Ihren Systemen verbunden sind, beantworten die, die Sie nicht vorhergesehen hatten. <\/p>\n\n\n\n
Die wichtigsten Erkenntnisse<\/strong><\/p>\n\n\n\n Seit Jahren ist der Standardansatz f\u00fcr Unternehmensanalysen relativ einfach. Wir versuchen zu verstehen, was die Menschen wissen m\u00fcssen, erstellen Berichte und Dashboards, die diese Fragen beantworten, und geben den Benutzern die M\u00f6glichkeit, die Ergebnisse zu filtern, detaillierter zu analysieren und zu erkunden.<\/p>\n\n\n\n Vor einigen Jahren arbeitete ich mit einer sehr klugen Kollegin zusammen, die die Art und Weise, wie ich \u00fcber diese Themen denke, grundlegend ver\u00e4ndert hat. Sie hat die Analysen f\u00fcr eine Preisl\u00f6sung neu gestaltet und begann nicht mit den verf\u00fcgbaren Daten oder mit der Debatte dar\u00fcber, welche Diagramme auf dem Dashboard angezeigt werden sollten, sondern sie fragte stattdessen, welche Gesch\u00e4ftssituationen die Anwender tats\u00e4chlich beantworten mussten. Was muss ein Preismanager immer wieder verstehen? Welche Produkte f\u00fchren nicht wie erwartet, was macht uns auf dem Markt gegen\u00fcber Konkurrenten zur\u00fcck? Was ist nach der letzten Preiserh\u00f6hung passiert?<\/p>\n\n\n\n Sobald diese gemeinsamen Fragen identifiziert waren, diente dies als Grundlage f\u00fcr die Gestaltung der Analysen. Es klingt offensichtlich, aber es ist eine wichtige Unterscheidung. Erstellen Sie keine Analysen, nur weil Sie Daten vorliegen; erstellen Sie Analysen, weil jemand eine gesch\u00e4ftliche Frage beantworten muss. Diese Philosophie habe ich seitdem befolgt, aber selbst dieser bessere Ansatz hat eine grundlegende Einschr\u00e4nkung: Sie m\u00fcssen die Fragen immer noch im Voraus kennen.<\/p>\n\n\n\n Ich habe die Konsequenzen dieses Problems in einem anderen Projekt gesehen. Eine gro\u00dfe globale Organisation hatte stark in eine neue Preisplattform investiert und im Rahmen der Implementierung bedeutende Zeit und Geld in die Erstellung von Analysen f\u00fcr das Pricing-Team investiert. Wenn ich mich nicht irre, hatten sie schlie\u00dflich etwa 60 verschiedene Dashboards und Berichte. Die Logik war v\u00f6llig vern\u00fcnftig: Alle Fragen, die ein Pricing-Team regelm\u00e4\u00dfig beantworten k\u00f6nnte, sollten identifiziert und die f\u00fcr deren Unterst\u00fctzung erforderlichen Analysen erstellt werden.<\/p>\n\n\n\n Etwa 12 bis 18 Monate nachdem das System in Betrieb genommen wurde, haben wir untersucht, wie viele dieser Dashboards regelm\u00e4\u00dfig genutzt wurden. Die Antwort war eine erstaunlich einfache Zahl, die sich gut merken lie\u00df: null<\/em>.<\/p>\n\n\n\n Die Dashboards selbst hatten nichts Impossibles, und die Entwickler hatten viel \u00fcber die Anforderungen des Unternehmens nachgedacht. Das Problem bestand jedoch im zugrunde liegenden Modell. Wir versuchten, zuk\u00fcnftige Fragen zu antizipieren und dann permanente Analysen zu erstellen, um diese zu beantworten. In der Realit\u00e4t \u00e4ndern sich Gesch\u00e4ftsfragen. Priorit\u00e4ten \u00e4ndern sich, die Marktlage ver\u00e4ndert sich und \u2013 ganz oft \u2013 ist die Frage, die man heute beantworten m\u00f6chte, nicht diejenige, f\u00fcr die man vor 18 Monaten ein Dashboard erstellt h\u00e4tte. Die Dashboards waren nicht das Problem. Die Fragen hatten einfach weitergedreht.<\/p>\n\n\n\n Technologie hat dieses Modell allm\u00e4hlich flexibler gemacht. Die Self-Service-BI-L\u00f6sung gab Gesch\u00e4ftsanwendern mehr Kontrolle, konfigurierbare Unternehmensanwendungen erm\u00f6glichten ihnen, eigene Ansichten zu erstellen, und jetzt gehen die Sprachverarbeitungsalgorithmen und KI-Agenten noch weiter. Anstatt auf einen Analysten, einen Berater oder ein IT-Team zu warten, kann ein Benutzer zunehmend beschreiben, welche Analyse er ben\u00f6tigt, und die Technologie erstellt sie f\u00fcr ihn.<\/p>\n\n\n\n Ein Pricing-Manager k\u00f6nnte einen Diagramm anfordern, das die Margendynamik nach Kategorien in den letzten 12 Wochen gegen\u00fcber dem Preisniveau der Konkurrenz zeigt. Ein LLM oder ein Agent k\u00f6nnte diese Analyse in Sekundenschnelle erstellen. Dies ist \u00e4u\u00dferst n\u00fctzlich, da damit eines der gr\u00f6\u00dften Probleme der traditionellen Analysen beseitigt wird: die Zeit und Kosten, die in der Erstellung eines Berichts entstehen, der nur einmal oder zweimal verwendet werden k\u00f6nnte.<\/p>\n\n\n\n Es gibt jedoch eine andere M\u00f6glichkeit, dies zu betrachten. Wir haben die Technologie 2026 eingesetzt, um den Prozess 2016 zu beschleunigen.<\/em><\/p>\n\n\n\n Der zugrunde liegende Prozess hat sich nicht grundlegend ver\u00e4ndert. Der Benutzer muss weiterhin entscheiden, welche Analyse er ben\u00f6tigt, festlegen, welche Daten er betrachten soll, und die Technologie bitten, den entsprechenden Diagramm zu erstellen. Anschlie\u00dfend muss er interpretieren, was die Grafik mitteilt, und entscheiden, was er nun tun soll. Wir haben die Kosten und die Zeit, die f\u00fcr die Erstellung von Analysen erforderlich sind, drastisch reduziert, aber wenn das Ergebnis lediglich darin besteht, dass wir schneller mehr Dashboards erstellen k\u00f6nnen, haben wir die Art und Weise, wie Entscheidungen getroffen werden, wirklich ver\u00e4ndert?<\/p>\n\n\n\n Dies ist eine der Fallen, die Organisationen bei der Einf\u00fchrung von maschinellen Lernmodellen beachten m\u00fcssen. Es ist sehr einfach, einen bestehenden Prozess zu \u00fcbernehmen, eine KI- oder Agentenl\u00f6sung hinzuzuf\u00fcgen und diesen Prozess erheblich zu beschleunigen \u2013 und das alles als Transformation zu bezeichnen. Die Produktivit\u00e4tssteigerung mag real sein, aber manchmal bedeutet alles, was wir getan haben, lediglich die Automatisierung der alten Arbeitsweise.<\/p>\n\n\n\n Die interessante M\u00f6glichkeit erscheint, wenn wir uns an die Lektion zur\u00fcckerinnern, die ich vor Jahren gelernt habe: Beginnen Sie mit der Gesch\u00e4ftsfrage. Der Unterschied heute ist, dass wir diese Frage heute nicht notwendigerweise im Voraus vorhersagen oder die Analysen erstellen m\u00fcssen, die zur Beantwortung erforderlich sind. Hier erhalten die Fragen, die sich zwischen den Dashboards befinden, endlich eine Antwort.<\/p>\n\n\n\n Stellen Sie sich vor, ein Pricing-Manager bemerkt etwas Ungew\u00f6hnliches und fragt: \u201cWarum ist unsere Margenlast in der vergangenen Woche gesunken?\u201d Er braucht nicht einen bestimmten Dashboard anzufragen, welche Dimensionen analysiert werden sollen oder welche Datens\u00e4tze zusammengef\u00fchrt werden m\u00fcssen. Er beschreibt einfach das Gesch\u00e4ftsproblem, das er verstehen m\u00f6chte.<\/p>\n\n\n\n Ein KI-Agent, der \u00fcber MCP-Server mit den relevanten Unternehmenssystemen verbunden ist, kann diese Frage m\u00f6glicherweise untersuchen. Er k\u00f6nnte feststellen, dass der Gro\u00dfteil der Margendegradion in einer Kategorie entstanden ist, und dann weitere Untersuchungen durchf\u00fchren, um festzustellen, dass eine kleine Gruppe von Produkten den gr\u00f6\u00dften Teil des R\u00fcckgangs ausgemacht hat. Diese Produkte wurden aufgrund einer Werbeaktion des Wettbewerbers neu bewertet, aber w\u00e4hrend der Wettbewerber die Aktion inzwischen beendet hatte, blieben unsere Preise unver\u00e4ndert.<\/p>\n\n\n\n Anstatt dem Benutzer zu \u00fcberlassen, herauszufinden, was in den verschiedenen Ansichten passiert ist, kann das System erkl\u00e4ren, wie sehr der Marktanteil zur\u00fcckgegangen ist und wie viel dieser R\u00fcckgang auf diese Produkte zur\u00fcckzuf\u00fchren ist. Die Analysen sind nicht verschwunden; sie sind Teil der Untersuchung geworden, die zu der Antwort gef\u00fchrt hat.<\/p>\n\n\n\n Diese Unterscheidung ist wichtig, da wir von der Analyse zu Erkenntnissen \u00fcbergegangen sind. Der Benutzer kann dann die Konversation fortsetzen, indem er fragt, was passieren w\u00fcrde, wenn diese Produkte zu ihren fr\u00fcheren Preisen zur\u00fcckkehren w\u00fcrden, welche Produkte tats\u00e4chlich ge\u00e4ndert werden sollten oder welche den erwarteten wirtschaftlichen Auswirkungen entsprechen w\u00fcrden. Schlie\u00dflich k\u00f6nnte die n\u00e4chste Anweisung \u2013 sofern die entsprechenden Kontrollen und Governance vorhanden sind \u2013 einfach die \u00c4nderung sein. Dies ist die Idee hinter agentischer Preisgestaltung: KI, die untersuchen, empfehlen und \u2013 innerhalb vereinbarter Grenzen \u2013 handeln kann.<\/p>\n\n\n\n Der traditionelle Prozess verl\u00e4uft von Daten \u00fcber Analysen bis hin zur menschlichen Interpretation, zur Entscheidung und schlie\u00dflich zu Handeln. Dieser Ansatz beginnt mit der Unternehmensfrage und f\u00fchrt durch Untersuchung und Erkenntnisse zu einer Entscheidung und Handlung, wobei die Technologie zunehmend in der Lage ist, jede Phase zu unterst\u00fctzen. Die Distanz zwischen der Identifizierung eines Problems und der Umsetzung wird deutlich verk\u00fcrzt.<\/p>\n\n\n\n Dashboards bleiben das richtige Instrument f\u00fcr die Fragen, die Teams jeden Tag stellen. Es gibt Dinge, die Unternehmen kontinuierlich \u00fcberwachen m\u00fcssen \u2013 sei es Umsatz, Gewinnspanach, Preisposition, Ausnahmen, Ausf\u00fchrung oder andere wichtige Kennzahlen. Die Preisplattform dient weiterhin als Ort, an dem Strategien festgelegt, Regeln verwaltet und \u00c4nderungen genehmigt werden. KI-Agenten beantworten die Fragen, die au\u00dferhalb dieser Ansichten liegen. Manchmal ist ein Diagramm auch einfach die klarste Art, eine Antwort zu vermitteln.<\/p>\n\n\n\n Ein KI-Agent, der einen Kursr\u00fcckgang untersucht, k\u00f6nnte entscheiden, dass eine Visualisierung, die den Zusammenhang zwischen Kurs und Preisposition des Wettbewerbers zeigt, n\u00fctzlich ist. In diesem Fall sollte er eine erstellen. Die Grafik dient als belegende Beweisf\u00fchrung f\u00fcr die Antwort. Anstatt den Nutzer st\u00e4ndig nach dem gew\u00fcnschten Diagramm zu fragen, k\u00f6nnen wir beginnen, indem wir ihn nach dem, was er verstehen m\u00f6chte, fragen und der Technologie gestatten, die beste Art und Weise zur Beantwortung dieser Frage zu ermitteln.<\/p>\n\n\n\n Jedes Tool erledigt seine besten Arbeit: Dashboards f\u00fcr die Fragen, die man vorhersehen kann, Agenten f\u00fcr die, die man nicht vorhersehen kann.<\/p>\n\n\n\n Deshalb ist es interessant, dass Gespr\u00e4che \u00fcber anpassbare Analysen und MCP gleichzeitig stattfinden. Schon seit Jahren ist eine der Methoden, mit der Unternehmen Unternehmenssoftware bewerten, die Frage, wie gut die Analysen sind. Wie viele Berichte sind verf\u00fcgbar? Wie konfigurierbar sind sie? K\u00f6nnen wir unsere eigenen erstellen? K\u00f6nnen wir eine weitere Dimension hinzuf\u00fcgen, eine andere Ansicht erstellen oder ein weiteres Dashboard erstellen?<\/p>\n\n\n\n Diese Fragen sind nach wie vor relevant und hatten auch Sinn, als die Anwendung selbst die meisten M\u00f6glichkeiten antizipieren musste, wie Benutzer mit ihren Daten interagieren w\u00fcrden. In einer Welt, in der die KI-L\u00f6sung (LLM) die Hauptrolle spielt, wird vielleicht eine ebenso wichtige Frage lauten: Wie einfach kann es f\u00fcr meine Organisation sein, alles zu erforschen, was Ihre Plattform wei\u00df?<\/p>\n\n\n\n Das \u00e4ndert die Bedeutung der Dinge. Kann die von der Organisation gew\u00e4hlte LLM sicher auf die relevanten Daten zugreifen und den Kontext verstehen, aus dem diese resultieren? Kann sie untersuchen, was passiert ist, anstatt einfach eine Zahl abzurufen? Kann sie erkl\u00e4ren, warum eine Empfehlung oder Entscheidung getroffen wurde? Kann die Informationen aus der Preisplattform mit autorisierten Informationen in anderen Bereichen der Organisation kombiniert werden? Am wichtigsten ist jedoch, kann die Technologie dazu beitragen, die Menschen von der Erkenntnis, was passiert ist, zu dem Schritt zu f\u00fchren, in dem sie entscheiden, was sie tun sollen?<\/p>\n\n\n\n\n
Generation 1: Erstelle mir die Analysen<\/strong><\/h3>\n\n\n\n
Generation 2: Hilf mir, die Analysen zu erstellen<\/strong><\/h3>\n\n\n\n
Generation 3: Antworten Sie auf meine Gesch\u00e4ftssache<\/strong><\/h3>\n\n\n\n
Dashboards und Fragen arbeiten nebeneinander<\/strong><\/h3>\n\n\n\n
MCP \u00e4ndert die Erwartungen an Unternehmenssoftware<\/strong><\/h3>\n\n\n\n