Natural Language meets Data: Conversational Analytics in BigQuery bringt KI-gestützte Datenabfragen auf ein neues Level. Dank Agents Hub und Gemini für Google Cloud können Datenexperten direkt per Chat komplexe Analysen durchführen – ganz ohne SQL-Kenntnisse.
Summary: Conversational Analytics in Google BigQuery
Worum geht es? Conversational Analytics ermöglicht das direkte Analysieren von Daten mit natürlichen Sprachabfragen in Google BigQuery.
Vorteile: KI-gestützte Data Agents erinnern sich an Query-Kontext, generieren SQL/Python-Code, geben Ergebnisse als Text, Charts oder Code aus und unterstützen Unternehmenslogik via Verified Queries.
Wer kann das Feature nutzen? Business User, Data Scientists, Entwickler – verfügbar als Preview für Kunden mit BigQuery-Zugang und passender Berechtigung für generative AI/ML-Features.
Nutzbar seit: Preview-Verfügbarkeit ab Ende 2025 (siehe GCP Release Notes).
Integration: Nutzung im BigQuery Studio, über Conversational Analytics API, Looker und Dataplex möglich. Zugriff auch auf öffentliche Datasets, Governance zentral steuerbar.
Conversational Analytics: Daten einfach per Chat abfragen und analysieren
Mit Conversational Analytics in BigQuery können Daten direkt per Chat analysiert werden (oft auch als „Talk to your Data“ oder „KI-Analytics-Chat“ bekannt). Das Feature nutzt Google Gemini und ermöglicht natürliche Spracheingaben per Text oder Mikrofon statt technisch-komplexer SQL-Abfragen.
Zentrales Feature ist der neue Agents Hub im Tab „Conversations“: Hier lassen sich Data Agents erstellen, die Kontexte auch über mehrere Anfragen hinweg behalten, etwa Filter, Zeiträume oder bestimmte Businessregeln. Dadurch müssen wiederholte, inkrementelle Analysen nicht mehr bei null starten.
Chat-Ausgabe mit Tabellen, Charts und Auswertungen
Praktisch ist, dass die Ergebnisse nicht nur per Text sondern anschaulich über Charts & Tabellen gezeigt werden. So kann man Daten auch ohne Dashboards direkt per Chat analysieren.
So funktioniert Google Conversational Analytics in Google BigQuery
Der Daten-Chat ist als Multi-Agentensystem aufgebaut. Man erstellt sich einen Data Agent, indem man diesem einen System-Prompt (z.B. „Du bist ein E-Commerce-Datenanalyst) und Datenzugriff gibt (z.B. nur Ecommerce-Daten). Im System Prompt kann man detaillierte Anweisungen geben, die den Agent besser auf seine spezielle Aufgabe machen.
So kann man sich ein ganzes Team von Daten-Agents erstellen, die spezialisiert auf bestimmte Aufgabengebiete sind. Die Agents können sich untereinander kontaktieren und kommen so selbstständig zu einer besseren Lösung, z.B. bei komplexen Aufgaben über viele Datenquellen oder mit Spezialanalysen wie Forecasts.
KI-Chat per Code integrieren mit der Conversational Analytics API
Conversational Analytics steht im BigQuery Studio und als per API bereit. Die Google-API-Dokumentation gibt viele Beispiele, wie man Conversational Analytics per Code über die API in eigene Anwendungen integrieren kann. Man findet hier ein Streamlit-Demoprojekt, PHP/Java/Python-Beispielcode und mehr:
Eigene Firmen-Guidelines beachten: Verified Queries, Multi-Turn-Context & Business Rules
Data Agents lassen sich mit so genannten Verified Queries (ehemals „golden queries“) ausstatten, die unternehmenseigene Logik, Synonyme, Geschäftsfelder und Vorfilter abbilden können. Gerade in regulierten Umgebungen ermöglicht das die sichere Nutzung – inkl. zentraler Steuerbarkeit und Governance.
Multi-Turn-Gespräche behalten Kontexte im Blick, was die Analyse von Trends/Zeitreihen vereinfacht. Zusatzfunktionen durch die SQL-basierten Machine-Learning-Funktionen BigQuery ML erlauben Vorhersagen (z.B. Forecasts mit Arima+), Anomalie-Detektionen oder KI-Textgenerierung direkt aus dem Chat.
Governance, Flexibilität und Use Cases für Unternehmen
Nutzende profitieren von dynamischer Zugriffssteuerung, zentralem Auditing und flexibler Bereitstellung individueller Agents, z.B. für verschiedene Fachbereiche. Gerade Unternehmen, die Self Service Analytics für Business User etablieren möchten, finden hier echte Vorteile:
Vorteile:
weniger Dashboard-Entwicklung
beschleunigter Erkenntnisgewinn
Einhaltung von Compliance-Anforderungen.
Haupt-Use Cases für das neue KI-Chat-Feature sind:
schnelle Ad-hoc-Analysen durch Fachanwender statt IT-Datenbankspezialisten
BI-Analysen auf Basis von Unternehmensmodellen, für alle im BigQuery-Data-Warehouse gespeicherten Daten
komplexe Analysen vereinfachen, z.B. Forecasts, Anomalieerkennung
Vergleich: Analytics-Chat-Features bei Microsoft vs. Google Cloud
Google:
Kosten: Zuvor war Conversational Analytics ein Premium-Feature der Google Looker Plattform. Jetzt wurde es als Preview-Feature kostenlos integriert.
KI-Antwortqualität: Man kann die KI-Antwortqualität per Prompt im Data-Agent verbessern.
Compliance: Besonders die Compliance-Features bieten eine starke Integration ins Unternehmen mit hoher Datenqualität.
Microsoft:
Kosten: Wer die Reporting-Lösung Power BI mit einer teureren Microsoft Fabric Instanz (F64 oder Power BI Premium) nutzt, kann eine ähnliche Daten-Chat-Funktionalität nutzen.
KI-Antwortqualität: Zur Verbesserung der KI-Antwortqualität kann man Informationen zum Datenmodell ergänzen, wie etwa Synonyme. So können Nutzer z.B. nach „Bestellungen im letzten Monat“ oder „Orders im letzten Monat“ fragen und bei beiden Anfragen valide Ergebnisse erhalten.
Compliance: Die Chat-Features sind in den „Copilot for Power BI“ integriert, so dass man Chat-Analysen direkt im Dashboard erstellen kann. Vorteile sind insbesondere Microsofts ausgereifte Enterprise-Security im Microsoft-Stack.
Ralf Schukay liebt Analytics, Python & alles mit Daten. In seiner Freizeit spielt er Synthesizer (Nord, Novation), joggt und fährt Gravel Bike. Er arbeitet als Teamlead Analytics & Conversion mit einem fitten und netten Team in der Berliner Digitalagentur >MAI mediaworx<
Wir verwenden Technologien wie Cookies, um Geräteinformationen zu speichern und/oder darauf zuzugreifen. Wir tun dies, um das Surferlebnis zu verbessern und um personalisierte Werbung anzuzeigen. Wenn Sie diesen Technologien zustimmen, können wir Daten wie das Surfverhalten oder eindeutige IDs auf dieser Website verarbeiten. Wenn Sie Ihre Zustimmung nicht erteilen oder zurückziehen, können bestimmte Funktionen beeinträchtigt werden.
Funktional
Immer aktiv
Die technische Speicherung oder der Zugang ist unbedingt erforderlich für den rechtmäßigen Zweck, die Nutzung eines bestimmten Dienstes zu ermöglichen, der vom Teilnehmer oder Nutzer ausdrücklich gewünscht wird, oder für den alleinigen Zweck, die Übertragung einer Nachricht über ein elektronisches Kommunikationsnetz durchzuführen.
Vorlieben
Die technische Speicherung oder der Zugriff ist für den rechtmäßigen Zweck der Speicherung von Präferenzen erforderlich, die nicht vom Abonnenten oder Benutzer angefordert wurden.
Statistiken
Die technische Speicherung oder der Zugriff, der ausschließlich zu statistischen Zwecken erfolgt.Die technische Speicherung oder der Zugriff, der ausschließlich zu anonymen statistischen Zwecken verwendet wird. Ohne eine Vorladung, die freiwillige Zustimmung deines Internetdienstanbieters oder zusätzliche Aufzeichnungen von Dritten können die zu diesem Zweck gespeicherten oder abgerufenen Informationen allein in der Regel nicht dazu verwendet werden, dich zu identifizieren.
Marketing
Die technische Speicherung oder der Zugriff ist erforderlich, um Nutzerprofile zu erstellen, um Werbung zu versenden oder um den Nutzer auf einer Website oder über mehrere Websites hinweg zu ähnlichen Marketingzwecken zu verfolgen.
