Management Summary
Der Zugriff auf Datenbanken und Data Warehouses setzte bei der internationalen Finanzinstitution bisher SQL-Kenntnisse voraus. HMS entwickelte eine Text-to-SQL-Lösung, die natürlichsprachliche Fragen in SQL-Abfragen übersetzt und die Ergebnisse über eine interaktive Oberfläche bereitstellt. Für KPI-Berechnungen kann das LLM deterministische Funktionen aufrufen, die exakte und reproduzierbare Resultate liefern.
Projektsteckbrief
Internationale Finanzinstitution
Branche: Banken
Projektstart: 06/2023
Schwerpunkt: Generative & Agentic AI
Use Case: Data & Analytics Assistants
Projektziel
Datenbankabfragen ohne eigene SQL-Kenntnisse ermöglichen
Wichtigste Kernfunktionen
- Übersetzung quantitativer Geschäftsfragen in ausführbare SQL-Abfragen
- Modulare Trennung von Chatbot-Oberfläche und LLM-Backend
- Visualisierung, Bearbeitung und Export der ermittelten Abfrageergebnisse
Tech Stack
Gute Prompts allein reichen bei Text-to-SQL nicht aus. Abfragen müssen systematisch geprüft und exakte Berechnungen deterministisch ausgeführt werden.
Christoph Bergen
CoE Lead GenAI bei HMS
Die Ausgangslage
Das Unternehmen nutzte Daten aus relationalen Datenbanken und Data Warehouses für KPI-Berechnungen, Reports und explorative Analysen. Der direkte Zugriff blieb jedoch auf einen kleinen Kreis von Mitarbeitenden beschränkt, die sowohl das Datenmodell als auch SQL beherrschten.
Quantitative Rückfragen und Ad-hoc-Analysen erforderten damit die Unterstützung von Personen mit SQL-Kenntnissen. Das betraf insbesondere Detailanalysen zu Management-Reports, bei denen Quelldaten oder aggregierte KPIs interaktiv untersucht werden sollten.
Eine reine Erweiterung bestehender Reports reichte dafür nicht aus. Die möglichen Fragen waren zu vielfältig und entstanden häufig erst während der Analyse.
Die HMS-Lösung
Ein SQL Chatbot für quantitative Geschäftsfragen
HMS entwickelte und implementierte die vollständige Text-to-SQL-Anwendung einschließlich LLM-Backend, Benutzeroberfläche und Funktionen zur Weiterverarbeitung der Ergebnisse.
Der Kundennutzen
Breiterer Datenzugang durch Text-to-SQL
Die Anwendung erweitert den Zugang zu relationalen Unternehmensdaten über den bisherigen Kreis der SQL-Experten hinaus.
Die Lösung unterstützt damit sowohl explorative Datenfragen als auch Detailanalysen zu Kennzahlen aus Management-Reports.
Unsere Stärken, Ihre Vorteile
LLM und Datenzugriff zusammenführen
HMS verantwortete die vollständige technische Umsetzung von der LLM-Steuerung bis zur Benutzeroberfläche. Im Projekt verbanden wir Generative AI mit klassischem Software Engineering und relationalen Datenbanksystemen.
Was Sie von HMS erwarten können
Bei Text-to-SQL müssen Sprachmodell, Datenbankzugriff und Ergebnisprüfung als zusammenhängendes System funktionieren. HMS verbindet dafür LLM Engineering, Backend-Entwicklung und Interaction Design.
- Umsetzung der vollständigen Text-to-SQL-Anwendung
- Modulare Trennung von Benutzeroberfläche, LLM-Backend und Datenbankanbindung
- Methodisches Prompt Engineering und systematische Prüfung von Abfragen und Ergebnissen
Sie möchten ein ähnliches Projekt umsetzen?
Sprechen Sie mit HMS darüber, wie sich Ihre Daten-, KI- oder Softwarelösung fachlich einordnen, technisch umsetzen und in Ihre bestehende Systemlandschaft integrieren lässt.