Zum Inhalt springen
Saiku Cloud

Die KI fragen

Das Panel Die KI fragen lebt in der Symbolleiste des Saiku-Workbench. Klicken Sie auf die ⚡-Schaltfläche, und ein Drawer schiebt sich von rechts herein, in dem Sie Fragen in einfachem Englisch tippen und eine strukturierte Cube-Abfrage zurückbekommen, ohne MDX zu schreiben.

Es ist der schnellste Weg zur „ersten nützlichen Zahl” auf einem Cube, den Sie noch nicht auswendig kennen — und das Panel zeigt Ihnen immer die generierte Abfrage, sodass sich die Mechanik nie undurchsichtig anfühlt.

Das Panel öffnen

  1. Wählen Sie einen Cube in der linken Seitenleiste — das Panel fragt immer gegen den derzeit ausgewählten Cube.

  2. Klicken Sie auf die ⚡-Schaltfläche Die KI fragen in der Workspace-Symbolleiste. (Tastatur: Es gibt noch keinen globalen Shortcut — die Schaltfläche ist Ihr Einstiegspunkt.)

  3. Der Drawer schiebt sich von rechts herein. Wenn kein Cube ausgewählt ist, sagt Ihnen der leere Zustand, dass Sie zuerst einen auswählen sollen.

Eine Frage stellen

Tippen Sie Ihre Frage in die Textarea unten und drücken Sie Senden — oder ⌘/Strg + Enter, um zu senden, ohne zur Maus zu greifen. Einfaches Enter fügt einen Zeilenumbruch ein, sodass mehrzeilige Fragen ebenfalls funktionieren.

Beispiele, die gut aufgelöst werden:

  • „Show sales by country for last quarter.”
  • „Top 5 customers by store sales in 1997.”
  • „How does unit sales break down by store type and quarter?”
  • „Just the totals by region.”

Das Modell sieht nur das Schema dieses Cubes — Measure-Namen, Dimensionshierarchien, Level-Namen, Sample-Member — sodass Fragen, die auf im Cube vorhandene Dinge verweisen, gut aufgelöst werden. Fragen zu Daten auf einem anderen Cube tun dies nicht (die KI sieht andere Cubes nicht).

Multi-Turn — Folgefragen zur vorherigen Antwort

Sobald Sie eine Frage gestellt haben, kann die nächste auf die erste verweisen:

„Show sales by country last quarter.” → 3 Zeilen.

„Now break it down by region as well.” → verwendet weiterhin sales last quarter, aber mit hinzugefügter Region.

Vorherige Runden werden als Kontext an das Modell zurückgesendet, sodass Folgefragen natürlich aufgelöst werden. Konversation löschen (🗑 im Panel-Header) wischt diesen Kontext, wenn Sie neu anfangen möchten.

Die Antwort lesen

Jede Antwort ist eine Sprechblase im Chat-Thread, die enthält:

  • Eine einzeilige Zusammenfassung — „12 Zeilen zurückgegeben.” oder eine Selbstkorrekturmeldung, wenn das Modell etwas Ungültiges gewählt hat.
  • ▶ Generated MDX — klicken Sie zum Erweitern. Dies ist die genaue MDX, die die Engine ausgeführt hat. Innerhalb der erweiterten Ansicht:
    • Kopieren — legt die MDX in Ihre Zwischenablage.
    • In Canvas bearbeiten — lädt die MDX in Ihren aktiven Abfrage-Tab und führt sie im Workbench erneut aus. Das Chart, das Grid, Sortieren, Drillen, Exportieren — alles, was Sie mit einer handgebauten Abfrage tun würden, funktioniert einfach.
  • über Modellname — kleiner Footer, der zeigt, welches LLM diese Antwort produziert hat. Nützlich für „warum hat sich diese Frage gestern anders verhalten?”-Debugging.

Das Ergebnis lebt auch im Panel — Sie brauchen In Canvas bearbeiten nur, wenn Sie das vollständige Workbench drumherum wollen.

Selbstkorrektur — wenn das Modell etwas Ungültiges wählt

Das Modell kann ein Measure oder eine Dimension benennen, das/die der Cube nicht hat. Wenn es das tut, sehen Sie eine Sprechblase, die „Das Modell hat eine Abfrage erzeugt, die nicht validiert wurde” sagt, mit einem kleinen Meinten Sie (für <Feld>)-Bereich, der die nächstgelegenen gültigen Namen als anklickbare Chips auflistet.

Klicken Sie auf einen beliebigen Chip → der Text des Chips wird an Ihren Prompt angehängt → erneut fragen. Das Modell verwendet die Korrektur als Hinweis und trifft es meist beim zweiten Mal richtig.

Dies ist derselbe selbst-korrigierende Validierungs-Envelope, den die AI Query API für Agenten freigibt, hier als anklickbare Vorschläge dargestellt.

Was das Panel nicht tut

Das Panel ist absichtlich eng gefasst:

  • Ein Cube auf einmal. Cube-übergreifende Fragen („Sales vs. HR vergleichen”) werden nicht unterstützt — wählen Sie zuerst den richtigen Cube.
  • Kein Streaming. Die Antwort erscheint, sobald das Modell fertig ist; die ❄️-Denkpunkte sind Ihr Statusindikator.
  • Keine SQL-Ausgabe. Das Panel spricht MDX (die OLAP-Sprache, die Saiku intern verwendet) — wenn Sie rohes SQL brauchen, verwenden Sie die Tools unter MDX & Export nach In Canvas bearbeiten.
  • Kein sessionsübergreifender Verlauf. Der Chat-Thread lebt im geöffneten Zustand des Drawers. Das Schließen des Drawers oder Aktualisieren der Seite startet eine neue Konversation.

Datenschutz

Jede Frage wird an Ihren konfigurierten LLM-Provider (Anthropic oder OpenAI) zusammen mit dem Schema des aktiven Cubes gesendet (Measure-Namen, Dimensionsnamen, Sample-Member-Beschriftungen). Er sieht nicht:

  • Andere Cubes, auf die Sie zugreifen können — nur den in der Anfrage.
  • Das zugrundeliegende SQL oder die Warehouse-Anmeldedaten.
  • Konversationshistorien anderer Benutzer.
  • Die HTTP-Anfrage, Ihr Session-Cookie oder irgendeinen Header.

Wenn Ihr Deployer einen OpenAI-kompatiblen Endpunkt verwendet, der auf On-Prem-Infrastruktur zeigt (Azure / vLLM / Ollama), verlassen die Fragen niemals diese Grenze. Siehe die Seite AI Ask API für das Provider-Modell.

Wann Die KI fragen vs. den Rest des Workbench verwenden

ZielVerwenden Sie
Erste nützliche Zahl auf einem neuen Cube erhaltenDie KI fragen, dann In Canvas bearbeiten
Eine Abfrage Feld für Feld mit voller Kontrolle bauenZiehen und drillen im Workbench
Ein komplexes Chart erstellenCharts
In bestehende MDX greifen oder Rohdaten exportierenMDX & Export
Einen Agenten Saiku ohne UI abfragen lassenMCP Server

Das Panel ist ein Einstiegspunkt — sobald Sie eine Abfrage haben, ist der Rest des Workbench Ihr Zuhause.

Wie geht es weiter?