Wie beantwortet ein Agent Fragen mit Datenbank-Lesezugriff?

Das Problem

Sie möchten wissen, wie viele Offerten im letzten Quartal rausgingen oder welche Rechnungen seit 30 Tagen offen sind. Die Antwort steckt in einer Datenbank, also in dem Programm hinter Ihrer Fachsoftware, das die Zahlen speichert. Bisher müssen Sie dafür eine Auswertung bestellen oder jemanden aus der IT bitten.

Ein KI-Agent könnte das übernehmen: Sie fragen in normalem Deutsch, er holt die Zahlen selbst. Ein KI-Agent ist eine KI, die nicht nur antwortet, sondern selbstständig Werkzeuge aufruft, zum Beispiel eine Datenbankabfrage.

Das Risiko liegt auf der Hand. Gibt man dem Agenten vollen Zugriff, kann er im schlimmsten Fall Daten verändern oder löschen, etwa nach einem Missverständnis. Deshalb gilt der Grundsatz: Der Agent darf lesen, aber nie schreiben.

So lösen Sie es mit KI – Schritt für Schritt

1. Fragen sammeln. Notieren Sie die zehn häufigsten Zahlenfragen, zum Beispiel «Umsatz pro Monat» oder «offene Rechnungen». Das bestimmt, welche Daten der Agent sehen muss.
2. Eigenen Zugang anlegen lassen. Ihre IT oder der Softwarelieferant erstellt einen separaten Datenbank-Benutzer nur für den Agenten. Er erhält ausschliesslich Leserechte (bei gängigen Datenbanken heisst das «SELECT»). Verwenden Sie nie das Administrator-Konto.
3. Nur nötige Daten freigeben. Lassen Sie Sichten (englisch «Views», vorbereitete Auswahltabellen) einrichten, die nur die Spalten enthalten, die der Agent braucht. Spalten mit Personendaten, Löhnen oder Passwörtern bleiben aussen vor.
4. Abfragen als Werkzeug festlegen. Statt dem Agenten freie Hand zu geben, definieren Sie Werkzeuge wie «offene Rechnungen nach Kunde». Der Agent füllt nur Parameter aus, etwa den Zeitraum. Das ist sicherer und genauer als frei erzeugter Datenbanksprachtext.
5. Grenzen einbauen. Begrenzen Sie die Zahl der zurückgegebenen Zeilen (zum Beispiel 100) und die Laufzeit einer Abfrage. So legt keine Riesenabfrage das System lahm.
6. Abfrage und Antwort anzeigen. Der Agent soll immer mitliefern, welche Abfrage er ausgeführt hat und welchen Zeitraum er verwendet hat. Nur so können Sie die Antwort nachvollziehen.
7. Mit bekannten Zahlen testen. Stellen Sie Fragen, deren Ergebnis Sie aus einem Bericht kennen. Stimmen die Zahlen exakt, ist das Werkzeug richtig eingerichtet. Siehe auch Abnahmetest für KI-Agenten.
8. Zugriffe protokollieren. Lassen Sie festhalten, wer wann welche Frage gestellt hat und welche Abfrage lief. Das hilft bei Fehlern und bei Fragen zum Datenschutz.

Vorlage zum Kopieren

Mit diesem Auftrag lassen Sie sich von einer KI ein Pflichtenblatt für die IT erstellen.

Ich möchte, dass ein KI-Agent Fragen mit Daten aus unserer Datenbank beantwortet, aber nur lesend.

Software/Datenbank: [z. B. Branchensoftware, PostgreSQL, MariaDB]
Typische Fragen: [Frage 1], [Frage 2], [Frage 3]
Sensible Daten, die der Agent nie sehen darf: [z. B. Löhne, Personendaten, Passwörter]

Erstelle ein Pflichtenblatt für unsere IT-Person mit:
1. Welche Leserechte und welche Sichten nötig sind.
2. Welche Werkzeuge (vordefinierte Abfragen) der Agent erhalten soll, mit Parametern.
3. Welche Grenzen (Zeilenzahl, Laufzeit) sinnvoll sind.
4. Fünf Testfragen mit bekannter Antwort.
Schreibe in einfachem Deutsch. Erfinde keine technischen Details, die ich nicht genannt habe, und markiere Offenes mit «zu klären».

Ersetzen Sie die Platzhalter durch Ihre Angaben. Je genauer Sie die Fragen nennen, desto brauchbarer wird das Pflichtenblatt.

Worauf Sie achten müssen

• Falsche Zahlen trotz richtiger Abfrage: Der Agent kann einen Zeitraum, einen Status oder eine Spalte falsch deuten. Er liefert dann eine glaubwürdige, aber falsche Zahl. Prüfen Sie wichtige Zahlen immer gegen einen bekannten Bericht.
• Texte in der Datenbank: Freitextfelder (zum Beispiel Kundenbemerkungen) können Sätze enthalten, die wie Anweisungen wirken. Ein Agent kann sich davon beeinflussen lassen. Siehe Agenten gegen Prompt-Injection absichern.
• Personendaten: Enthält die Abfrage Daten von Kundinnen oder Mitarbeitenden, gelten die Regeln des Datenschutzes. Geben Sie nur frei, was für die Frage nötig ist, und klären Sie den Einzelfall bei Bedarf mit einer Fachperson.
• Last auf dem System: Eine schlecht gebaute Abfrage kann die Fachsoftware verlangsamen. Begrenzen Sie die Laufzeit und testen Sie ausserhalb der Hauptarbeitszeit.
• Berechtigungen im Alltag: Nicht jede Person im Team darf alles sehen. Der Agent sollte nur die Daten liefern, die die fragende Person auch sonst sehen dürfte.

Ein Beispiel aus der Praxis

Ein Beispiel: Eine Geschäftsführerin einer Elektrofirma in Olten will jeden Montag wissen, welche Rechnungen über 30 Tage offen sind. Bisher bittet sie die Buchhalterin, eine Liste zu exportieren, was jedes Mal eine halbe Stunde dauert.

Nachher richtet ein externer Informatiker einen Lese-Benutzer ein, der nur eine Sicht «offene Rechnungen» sieht. Der Agent hat ein Werkzeug «offene Rechnungen älter als [Tage]». Beim Testen vergleicht die Geschäftsführerin die Antwort mit der Liste der Buchhalterin: Eine Rechnung fehlt, weil der Agent Gutschriften anders behandelt. Die Sicht wird angepasst, danach stimmen die Zahlen. Die Antwort zeigt ab jetzt immer den Stichtag mit an.

So hilft Ihnen Alpasana

Wenn Sie klären möchten, welche Fragen sich für einen KI-Agenten eignen und wie Systeme sicher verbunden werden, hilft Alpasana mit KI-Beratung und digitaler Transformation. Dazu gehören das Konzipieren von Schnittstellen, das Verbinden von Systemen sowie die Integration von KI-Agenten mit Anwendungsfall, Pilot und Einsatzregeln.

Projekte werden individuell offeriert. Ob sich Ihre Datenbank für einen lesenden Zugriff eignet, wird im Gespräch geklärt, nicht pauschal.

Häufige Fragen

Reicht es, dem Agenten zu sagen, er dürfe nichts ändern?

Nein. Eine Anweisung ist keine Sperre. Ein Modell kann sie falsch verstehen oder durch eingeschleuste Texte umgangen werden. Verlassen Sie sich auf Rechte in der Datenbank selbst.

Darf der Agent auch rechnen?

Er kann einfache Rechnungen oft richtig, aber nicht zuverlässig. Lassen Sie Summen und Durchschnitte besser von der Datenbank selbst berechnen und den Agenten nur das Ergebnis erklären.

Funktioniert das auch mit einem lokalen Modell?

Ja, grundsätzlich. Kleinere lokale Modelle machen beim Aufrufen von Werkzeugen aber mehr Fehler. Testen Sie Ihr Modell zuerst, siehe Eignung eines lokalen Modells als Agent testen.