Anthropic hat recht: Agentic Analytics ist nicht Text-to-SQL. So haben wir den Stack darum herum gebaut.

Am 3. Juni 2026 hat Anthropic einen der ehrlichsten Praxisberichte zu Agentic Analytics veröffentlicht, die ich gelesen habe: How Anthropic enables self-service data analytics with Claude. Jose Parreño hat ihn hervorragend aufgeschlüsselt, mit einem Punkt im Zentrum, den sich mehr Teams auf ihre Roadmap tätowieren sollten: Ein LLM an die Datenbank anzuschliessen und ihm Fragen zu stellen, ist keine Analytics-Strategie.

Parreño nennt das Ergebnis dieser Abkürzung «analytics slop»: selbstsichere, sauber formatierte, plausibel wirkende Antworten, die niemand geprüft hat. Die eigenen Zahlen von Anthropic erklären, warum. Ohne das umgebende System erreichte Claude in den internen Analytics-Evals höchstens 21 %. Mit ihm stieg die Genauigkeit insgesamt auf über 95 % und in einigen Bereichen auf rund 99 %. Das Modell hat sich nicht verändert. Der Stack darum herum schon.

Diese Unterscheidung ist uns wichtig, weil sie genau die Wette ist, die wir beim Bau von InsightNarrator eingegangen sind. Wir sind eine Plattform für Voice of the Customer und CX-Analytics, und das heisst: Unser «Warehouse» enthält die unordentlichsten Daten überhaupt: offene Verbatims aus Umfragen, Bewertungen, Support-Tickets, Erwähnungen in sozialen Medien. Unstrukturierter Text, bei dem Mehrdeutigkeit kein Randfall ist, sondern das Rohmaterial. Den Beitrag von Anthropic zu lesen, fühlte sich an wie die Beschreibung der Architektur, bei der wir aus einer anderen Richtung bereits gelandet waren. Dieser Artikel legt ihren Stack Schicht für Schicht auf das, was wir gebaut haben, mit konkreten Fällen aus unserem eigenen Produkt.

Die These von Anthropic in 60 Sekunden

Anthropic identifiziert drei Fehlermodi, auf die die meisten falschen Antworten zurückgehen:

• Mehrdeutigkeit von Begriffen und Entitäten. «Aktive Nutzer» oder «Umsatz» können auf Dutzende plausible Felder zeigen. Der Agent wählt eins. Oft ist es falsch und sieht trotzdem professionell aus.
• Veraltete Daten. Schemas, Definitionen und Geschäftsregeln ändern sich, und das richtige Vorgehen von gestern wird still und leise falsch.
• Fehler beim Abrufen. Die richtige Antwort existiert, aber der Suchraum ist so gross, dass der Agent selbstsicher auf einem Beinahe-Treffer aufbaut.

Ihre Antwort ist ein Stack aus vier Schichten: Datenfundament (kanonische Datensätze, Metadaten als vollwertiges Produkt), Quellen der Wahrheit (zuerst die semantische Schicht, Lineage, kuratierte Referenzdokumente), Skills (prozedurale Playbooks, nicht bloss Prompts) und Validierung (Offline-Evals, adversariales Review, Herkunftsnachweise, Korrekturschleifen). SQL kommt erst nach alldem.

Und hier ist derselbe Stack, wie er heute in InsightNarrator existiert.

Schicht 1. Datenfundament: ein kanonischer Datensatz, nicht vierzig Kandidaten

Der häufigste Fehler bei Anthropic war, dass der Agent einen Begriff unter fast identischen Tabellen der falschen zuordnete. Die Lösung: weniger, strenger geregelte logische Modelle.

Unser Gegenstück beginnt beim Import. Ob Feedback aus einer Umfrageplattform, einem Konnektor für Bewertungen oder einem CSV-Upload kommt: Es wird in ein einziges kanonisches Datensatzformat normalisiert, mit Statistiken pro Spalte und einem automatischen Datenqualitätsbericht (Vollständigkeit, gültige Bereiche, Anomalien), bevor überhaupt ein Agent es anfasst. Ein Agent, der nach «Kommentaren von Detraktoren» fragt, steht nicht vor vierzig plausiblen Tabellen, sondern vor einem kontrollierten Datensatz mit dokumentierter Granularität: eine Zeile, ein Kundenfeedback.

Das ist Data Engineering der alten Schule, und Anthropic sagt ausdrücklich, dass es weiterhin gilt. Bei unstrukturiertem Text würden wir noch weiter gehen: Wenn dein Rohmaterial Sprache ist, steht nur ein kanonischer, qualitätsgeprüfter Datensatz zwischen dem Agenten und Garbage in, Garbage out im grossen Massstab.

Schicht 2. Quellen der Wahrheit: das Knowledge Pack und Referenzdokumente nach Art von Anthropic

In dieser Schicht ist die Ähnlichkeit fast unheimlich.

Die Agenten von Anthropic müssen von der Architektur her zuerst eine kontrollierte semantische Schicht befragen, rohes SQL ist der Notbehelf. Anthropic warnt auch davor, das LLM die semantische Schicht selbst erfinden zu lassen: Automatisch erzeugte Kennzahlendefinitionen hätten «genau die Mehrdeutigkeiten festgeschrieben, die wir beseitigen wollten». Die Empfehlung: Claude entwirft die Dokumentation, die Definition gehört den Menschen.

Das Knowledge Pack von InsightNarrator ist genau dieser Vertrag. Jeder Workspace trägt eine kuratierte Wissensbasis aus typisierten Einträgen:

• metrics: freigegebene Geschäftskennzahlen mit ihren exakten SQL-Formeln
• glossary: was «NPS», «Abwanderung» oder «aktiver Kunde» hier bedeutet
• rules: Vorgaben, an die sich der Agent halten muss («Testantworten ausschliessen», «letzter Monat heisst der letzte vollständige Kalendermonat»)
• caveats: dokumentierte Datenfallen
• example queries: bewährte Paare aus Frage und SQL
• reference docs: Dokumentation pro Datensatz

Zwei Mechanismen spiegeln die Empfehlungen von Anthropic direkt. Erstens: Wenn ein Datensatz fertig verarbeitet ist, entwirft ein LLM automatisch sein Referenzdokument, mit einer festen Struktur aus Business Context, Entity Grain, Standard Hygiene Filter, Dimensions, Key Columns, Gotchas. Wir sind unabhängig bei diesen Abschnitten gelandet, der Beitrag von Anthropic nutzt fast wörtlich dasselbe Gerüst. Zweitens, und darauf besteht Anthropic: Der Entwurf bleibt ausserhalb des Kontexts des Agenten, bis ein Mensch ihn freigibt. Einträge durchlaufen den Lebenszyklus draft → approved / needs_review. Das Modell schreibt die Dokumentation, die Bedeutung gehört dem Menschen.

Und der Schutz vor Veralten: Wenn sich das Schema eines Datensatzes ändert, wird sein Referenzdokument neu erzeugt und als needs_review markiert. Das Dokument kann einen Tag lang abweichen, aber nicht still und leise falsch bleiben. Es gibt immer einen sichtbaren Kontrollpunkt, der einem Menschen gehört.

Schicht 3. Skills: Tool Packs und Playbooks statt heldenhafter Prompts

Den grössten Sprung bei der Genauigkeit, von 21 % auf über 95 %, brachten bei Anthropic die Skills: prozedurales Wissen darüber, wie gearbeitet wird, nicht nur darüber, welche Daten es gibt.

Unser Agent Scoty folgt demselben Prinzip. Er bekommt keine rohe Datenbankverbindung und ein Stossgebet. Er bekommt eigene Tool Packs für häufige Aufgaben (Erkunden von Datensätzen, Analyseergebnisse, Themen und Risiken), die strukturierte, kontrollierte Ergebnisse liefern. Freies SQL gibt es, aber als ausdrücklich unerwünschten Notbehelf: nur lesend, beschränkt auf eine Freigabeliste von Datentabellen und nur dann genutzt, wenn kein eigenes Tool die Frage abdeckt. Das ist das Muster «zuerst die semantische Schicht, rohes SQL als Notbehelf» von Anthropic, durchgesetzt in den Tool-Beschreibungen statt per Konvention.

Für tiefere Arbeit gibt es eine Multi-Agenten-Pipeline: neun spezialisierte Agenten (Data, Domain, Sentiment, Themes, Trends, Segments, Risk, Synthesis und zum Schluss ein QA-Agent), jeder mit einem begrenzten Budget an Iterationen, die ihre Befunde weitergeben. Die über 30 vordefinierten Analysetypen (Treiberanalyse, Abwanderungssignale, Themenextraktion und so weiter) sind im Vokabular von Anthropic kodierte Analyse-Playbooks: das Vorgehen einer erfahrenen CX-Fachperson, reproduzierbar gemacht.

Schicht 4. Validierung: adversariales Review und ein Herkunftsnachweis zu jeder Antwort

Die Online-Validierung von Anthropic beruht auf zwei Ideen, die wir im selben Sinn umgesetzt haben.

Adversariales Review. Bevor eine Antwort ausgeliefert wird, stellt ein optionaler Prüfdurchgang das SQL des Entwurfs und seine Annahmen in Frage: dieselbe Disziplin «sich nicht selbst zertifizieren» wie beim obligatorischen Sub-Agenten sql-reviewer von Anthropic, der ihnen +6 % Genauigkeit brachte, zu echten Kosten bei der Latenz. Wir haben daraus einen Schalter gemacht, damit Nutzer pro Frage entscheiden, ob der Einsatz den zusätzlichen Durchgang rechtfertigt. Und der QA-Agent am Ende der Pipeline übernimmt dieselbe Rolle für ausführliche Analysen: Befunde werden hinterfragt, bevor sie gespeichert werden.

Herkunftsnachweis. Jede Antwort von Scoty trägt einen gespeicherten Herkunftsnachweis: aus welcher Quellenstufe sie stammt (knowledge_pack oder raw_exploration), eine daraus abgeleitete Konfidenzstufe, das tatsächlich ausgeführte SQL mit Zeilenzahlen und Laufzeit und die Aktualität der zugrunde liegenden Daten. Anthropic trifft es genau: Das macht die Antwort nicht richtiger, es sagt dir, wie sehr du ihr trauen kannst. Eine Antwort «raw exploration, Aktualität unbekannt» ist ein Signal, nachzuprüfen, bevor man sie an die Geschäftsleitung weitergibt. Im CX-Umfeld, wo eine falsche Zahl über ein Budget entscheiden kann, ist dieser Nachweis keine Dekoration.

Drei konkrete Fälle

Fall 1. ABSA auf NPS-Verbatims: kontrollierte Bedeutung für unstrukturierten Text. Ein CX-Team lässt eine aspektbasierte Sentimentanalyse über 40’000 Verbatims aus Umfragen laufen. Der Fehlermodus, den Anthropic Begriffsmehrdeutigkeit nennt, hat hier einen gemeineren Verwandten: Ein LLM ohne Vorgaben erfindet Aspektkategorien, plausibel, inkonsistent und bei jedem Durchlauf anders, sodass der Vergleich von Welle zu Welle bedeutungslos wird. Unsere Antwort ist die kuratierte Taxonomie: Das Modell kann nur Kategorien und Labels vergeben, die in der freigegebenen Taxonomie des Workspace existieren, nie frei erfundene. Die Taxonomie ist die semantische Schicht für Text. Die Definitionen gehören den Menschen, das Modell bildet unordentliche Sprache auf kontrollierte Bedeutung ab. Wenn Welle 2 kommt, heisst «Preis» immer noch «Preis».

Fall 2. C-Risk auf Support-Tickets: herausfinden, wo Abwanderung entsteht. Eine Support-Organisation bewertet Ticket-Verläufe mit Complaint-Risk-Scoring. Die Risikofaktoren kommen aus der kontrollierten Taxonomie, gekreuzt mit dem Sentiment pro Kategorie und Unterkategorie. Statt eines pauschalen «negatives Sentiment plus 12 %» sieht das Team, dass Abrechnung → Verzögerte Rückerstattung genau die Zelle ist, die diesen Monat Beschwerden mit hohem Risiko erzeugt, mit Schweregraden, die aus den Daten berechnet sind, nicht aus dem Bauchgefühl. Das Ergebnis speist Dashboards, und weil jedes Analyseergebnis in der gemeinsamen Bibliothek landet, wird es zu einem Beleg, den die nächste Analyse zitieren kann, statt zu einem Screenshot in irgendeinem Foliensatz.

Fall 3. Scoty beantwortet «Was treibt die Detraktoren in diesem Quartal?». Eine Führungskraft stellt Scoty die Art Frage, die normalerweise analytics slop erzeugt. Scoty befragt zuerst das Knowledge Pack: das freigegebene Referenzdokument zum NPS-Datensatz, die freigegebene Definition von «Detraktor», die Regel des Workspace dafür, was «dieses Quartal» heisst. Erst dann fragt Scoty die Daten ab. Die Antwort kommt markiert als knowledge_pack zurück, mit hoher Konfidenz, mit dem exakten SQL und der Aktualität der Daten. Deckt die Wissensbasis die Frage nicht ab, greift Scoty auf raw exploration zurück, und der Herkunftsnachweis sagt das, im Grunde mit der Botschaft: Prüf mich, bevor du mich wiederholst. Genau um diese Ehrlichkeit geht es.

Wo wir ehrlich über die Lücke sind

Der Beitrag von Anthropic ist auch eine nützliche Checkliste dessen, was wir noch nicht fertig haben. Ein formales Offline-Eval-Harness (Frage-Antwort-Paare, an die Ground Truth gebunden, in der CI gegen Änderungen an Skills ausgeführt) steht auf unserer Roadmap, nicht in der Produktion. Das automatische Einsammeln von Korrekturen (aus «nein, das ist die falsche Tabelle» einen Patch für die Wissensbasis machen) ist heute ein menschlicher Arbeitsablauf, kein geplanter Agent. Wir sagen das lieber klar, als fertige 95 % zu behaupten. Die eigene Drift-Geschichte von Anthropic, 95 %, die ohne Pflege innert eines Monats auf 65 % zerfallen, ist das beste Argument dafür, dass diese Schleifen nicht optional sind, und sie prägt unsere Roadmap so, wie sie ihre geprägt hat.

Das Fazit

Der nützlichste Satz im Beitrag von Anthropic ist der einfachste: Text-to-SQL ist eine Fähigkeit zur Ausführung, nicht das Produkt. Das Produkt ist das System, das Mehrdeutigkeit in kontrollierte Bedeutung überführt, bevor die Abfrage geschrieben wird, die richtige Antwort auffindbar macht und meldet, wenn eines von beiden veraltet ist.

Für Daten aus Voice of the Customer ist dieses System kein Nice-to-have. Es ist der Unterschied zwischen einer KI, die dir sagt, was deine Kunden gesagt haben, und einer, die dir eine Geschichte erzählt, die zufällig gut klingt. Wir haben InsightNarrator als die erste gebaut.

Wenn du VoC oder CX verantwortest und sehen willst, wie kontrollierte Agentic Analytics mit deinen eigenen Feedbackdaten aussieht, probier InsightNarrator aus.

Quellen

• How Anthropic enables self-service data analytics with Claude, Anthropic, 3. Juni 2026
• Jose Parreño, Anthropic is telling you that Agentic Analytics is not just text-to-SQL, Medium
• Building effective agents, Anthropic

Zuerst auf LinkedIn veröffentlicht am 4. August 2026.