Daten analysieren

Alles, was Prozesse und Formulare in Pantarey speichern, liegt in Tabellen, eine je Datenschema. Auf diese Tabellen greifen vier Werkzeuge zu, mit denselben Daten und denselben Berechtigungen, aber für verschiedene Fragen: die schnelle Frage im Gespräch, die einmalige Auswertung mit Export, die dauerhaft sichtbare Kennzahl und die spontane Frage auf einem Dashboard. Diese Seite hilft bei der Wahl.

Eine Datenbasis, vier Zugänge

Werkzeug	Typische Frage	Ergebnis	Mehr
KI-Assistent (Claude, ChatGPT, …)	„Wie viele Urlaubstage sind für Dezember genehmigt?“	Antwort im Gespräch, auf Wunsch als Tabelle oder Diagramm	Mit dem Assistenten arbeiten
Datenanalyse	„Alle Bestellungen des Quartals je Lieferant, als Excel für den Einkauf“	Tabelle im Browser, Export als CSV, Excel oder JSON	Datenanalyse (SQL)
Dashboard	„Wie viele Rechnungen sind heute offen?“, jeden Morgen	Kennzahl, Tabelle, Diagramm, Kanban, dauerhaft auf einer Seite	Dashboards
KI-Abfrage auf einem Dashboard	„Umsatz je Kunde in diesem Jahr“, einmal spontan	Zahl oder Tabelle, ohne Widget mit SQL einzurichten	KI-Abfrage

Für einzelne Datensätze ist die Datenbank der kürzere Weg: suchen, öffnen, bearbeiten. Für den Lauf eines Prozesses, also wer wann welchen Schritt erledigt hat, der Process Explorer.

Was für alle Werkzeuge gilt

Tabellen heißen wie die Datenschemas. Der technische Name des Datenschemas ist der Tabellenname (urlaubsantraege), die technischen Namen der Attribute sind die Spalten (von, bis, status). Dazu kommen in jeder Tabelle die Standardspalten id, data_schema_id, document_name, created_at, updated_at, created_by und updated_by.
Zwei Tabellen je Datenschema. name enthält auch die Datensätze aller untergeordneten Datenschemas, name_only nur die des Datenschemas selbst. Ohne Unterschemas liefern beide dasselbe; siehe Vererbung und Hierarchien.
Berechtigungen gelten überall. Maßgeblich ist die Berechtigung Abfragen des Datenschemas. Wer nur bestimmte Datensätze sehen darf, bekommt in jeder Auswertung nur diese; Summen und Anzahlen beziehen sich darauf. Details unter Berechtigungen und Aktionen.
Eine SQL-Schreibweise. Datenanalyse, Dashboard-Widgets und der Assistent sprechen dieselbe SQL-Variante. Was bei Datum, Zahlen und leeren Werten zu beachten ist, steht einmal unter SQL in Widgets und gilt überall.
Nur lesen. Auswertungen ändern nie Daten. Geändert wird in der Datenbank, in Formularen oder durch Prozesse.

Fragen an den KI-Assistenten

Ein verbundener Assistent kennt die Tabellen, schreibt die SQL-Abfrage selbst, führt sie aus und erklärt das Ergebnis. Beispiele, wie sie im Doku-Mandanten funktionieren:

„Wie viele Urlaubstage sind je Status beantragt?“ → Tabelle mit Status, Anzahl und Summe der Arbeitstage.
„Welche Materialbestellungen kamen diese Woche rein, und wer hat sie angelegt?“
„Zeig mir die fünf Kunden mit den höchsten offenen Rechnungsbeträgen, als Diagramm.“
„Wie viele Vorgänge von ‚Rechnung erstellen‘ sind diesen Monat fehlgeschlagen?“ → Prozess-Statistik statt SQL.
„Welche Abfrage hast du dafür benutzt?“ → der Assistent zeigt die SQL, die sich in die Datenanalyse oder ein Widget kopieren lässt.
„Leg dafür eine Kennzahl auf dem Dashboard ‚Musterfirma‘ an.“ → im Entwicklermodus baut er das Widget.

Der Assistent nutzt dafür die Werkzeuge list_tables, query_records und get_query_result, für einzelne Datensätze search_data_objects und filter_records, für Prozesse process_stats. Er sieht nur, was das verbundene Konto sehen darf. Mehr unter Mit dem Assistenten arbeiten und in der Werkzeugliste.

Auswertungen in Formularen

Auch Formulare greifen auf die Tabellen zu, damit beim Ausfüllen die richtigen Werte bereitstehen:

Referenzfeld mit SQL-Filter: Die Auswahlliste eines Referenzfelds wird per Abfrage eingegrenzt, etwa nur Projekte mit Status „offen“ oder nur Kunden der eigenen Region. Siehe SQL-gefiltertes Referenzfeld.
Tabellenfeld: Ein Formular zeigt das Ergebnis einer Abfrage als Tabelle, zum Beispiel die bisherigen Bestellungen des gewählten Lieferanten. Platzhalter wie {{lieferant}} werden beim Ausfüllen durch die Werte des Formulars ersetzt; der Export funktioniert wie in der Datenanalyse.
Werte laden: Ein unsichtbares Feld führt beim Öffnen des Formulars eine Abfrage aus und stellt das Ergebnis den anderen Feldern zur Verfügung, etwa den Resturlaub und das Teilzeitmodell der Person für das Feld Arbeitstage. Platzhalter wie @currentUserEmail setzen die angemeldete Person ein.

Alle drei laufen mit den Rechten der Person, die das Formular ausfüllt.

Vom Versuch zur Kennzahl

Ein typischer Weg: Die Frage wird zuerst dem Assistenten gestellt oder in der Datenanalyse ausprobiert. Stimmt die Abfrage, wandert sie in ein Dashboard-Widget und steht dort jeden Tag bereit. Die Datenanalyse zeigt dazu die fertige SQL-Abfrage, die sich in ein KPI-, Tabellen- oder Diagramm-Widget kopieren lässt; ein verbundener Assistent kann das Widget auch direkt anlegen.

Berechtigungen und Freigaben steuern

Wer was auswerten darf, wird an drei Stellen eingestellt, und alle Werkzeuge halten sich daran:

Rollen des Benutzers unter Benutzer → Benutzer verwalten → Berechtigungen: Datenabfragen (vordefiniert) oder Datenabfragen (Ad-hoc) öffnen die Datenanalyse; die MCP-Rollen erlauben den Assistenten, Ad-hoc ist dort Voraussetzung für SQL. Dashboards werden im Dashboard Designer einzelnen Benutzern oder Gruppen zugewiesen.
Berechtigung „Abfragen“ je Datenschema im Daten Designer: Ohne sie fehlt die Tabelle in der Datenanalyse, im Assistenten und in Widgets. Mit Nur für bestimmte Datensätze sieht jede Person nur ihren Teil, etwa eigene Anträge oder Kunden der eigenen Region, und zwar in jeder Auswertung, auch in Summen. Verbote nehmen einzelne Datensätze wieder heraus. Siehe Berechtigungen und Aktionen.
Per KI (MCP) in derselben Berechtigung: Ein Schema kann in der App auswertbar bleiben, für Assistenten aber gesperrt sein, etwa Mitarbeiterdaten. Die Sperre gilt auch in SQL-Abfragen des Assistenten. Siehe Rechte für KI-Assistenten.

Dazu kommen die Schalter des Accounts unter Benutzer → KI-Assistenten → Grenzen & Schalter: Der Hauptschalter kann Assistenten ganz abschalten, Freigaben und Grenzen pro Stunde betreffen Schreiben und Bauen; reine Auswertungen brauchen keine Freigabe. Jeder Aufruf steht im Protokoll prio_mcp_usage_statistics, das Administratoren in der Datenanalyse abfragen. Systemtabellen mit prio_ sehen nur sie. Ob eine Person etwas sehen darf und warum, erklärt das Werkzeug explain_access oder der Daten Designer im Tab Berechtigungen.

Beispiel: Mitarbeitende dürfen ihre eigenen Urlaubsanträge auswerten, die Personalabteilung alle, und der Assistent soll Gehaltsdaten nie sehen. Im Schema „Urlaubsantrag“ bekommt die Gruppe Mitarbeiter die Berechtigung Abfragen mit der Bedingung Erstellt von gleich E-Mail des Benutzers, die Gruppe Personal ohne Bedingung. Im Schema „Gehalt“ wird unter Per KI (MCP) alles abgewählt. Datenanalyse, Dashboards und Assistent verhalten sich danach gleich.

Beispiel

Die Geschäftsführung möchte wissen, wie viele Urlaubstage je Status beantragt sind. Erster Versuch in der Datenanalyse: SELECT status, COUNT(*), SUM(arbeitstage) FROM urlaubsantraege GROUP BY status. Die Zahlen stimmen, also kommt dieselbe Abfrage als Diagramm auf das Dashboard „Musterfirma“. Wer zwischendurch eine andere Frage hat, stellt sie dem Assistenten.

Häufige Fragen

Welches Werkzeug braucht welche Rolle?

Die Datenanalyse braucht eine der Rollen Datenabfragen (vordefiniert) oder Datenabfragen (Ad-hoc), Dashboards sind je Dashboard freigegeben, der Assistent braucht die MCP-Rolle und für SQL zusätzlich Datenabfragen (Ad-hoc). Was angezeigt wird, entscheidet in jedem Fall die Berechtigung Abfragen des Datenschemas.

Warum zeigt der Assistent andere Zahlen als das Dashboard?

Meist liegt es an der Frage, nicht an den Daten: ein anderer Zeitraum, Status „beantragt“ mitgezählt oder nicht. Die SQL-Abfrage des Widgets und die Antwort des Assistenten nebeneinander in der Datenanalyse ausführen, dann ist der Unterschied sichtbar.

Gibt es Auswertungen über mehrere Datenschemas?

Ja, per JOIN über Verknüpfungsfelder, etwa Rechnungen mit ihren Kontakten. Das geht in der Datenanalyse, in Widgets und beim Assistenten gleichermaßen.

Nächster Schritt

Datenanalyse (SQL): Tabellen finden, Abfragen schreiben, Ergebnisse exportieren.