Was ist Business Intelligence?

Business Intelligence beantwortet die Fragen, die eine Führungskraft jede Woche stellt, auf Basis von Datensätzen: Was passiert, warum, und was sollten wir jetzt tun? In einem Unternehmen, das Maschinen verkauft und wartet, sehen diese Fragen so aus:

Alle diese Fragen betreffen denselben Kunden: Angebot, installiertes Gerät, Serviceeinsatz und Rechnung gehören zu einem Kunden. BI wird umso nützlicher, je mehr dieser Teile sie in einem Bild zeigt.

Klassische BI arbeitet in vier Schritten: Sie sammelt Daten, führt sie zusammen, definiert die Kennzahlen und zeigt das Ergebnis als Bericht oder Dashboard.

• Datenerfassung. Daten werden aus dem Vertriebswerkzeug, aus Serviceformularen, aus der Buchhaltungssoftware und aus Tabellen gezogen. Dieser Schritt heißt ETL (Extrahieren, Transformieren, Laden).
• Data Warehouse. Datensätze aus verschiedenen Programmen werden in einer Datenbank zusammengeführt. Zwei Schreibweisen desselben Kunden in zwei Programmen werden hier abgeglichen.
• Semantic Layer. Begriffe wie „Kunde“, „gewonnenes Angebot“ und „überfällige Wartung“ sowie die Formel hinter jeder Kennzahl werden einmal definiert. Mehr dazu: Was ist ein Semantic Layer?
• Berichte und Dashboards. Führungskräfte sehen die Kennzahlen als Diagramme und Tabellen, filtern sie und vergleichen Zeiträume.

Der größte Teil der Zeit in einem BI-Projekt fließt in die ersten beiden Schritte. Weil die Daten in anderen Programmen entstehen, müssen sie erst übertragen und dann abgeglichen werden, und jedes neue Programm verlängert die Kette.

Reporting zeigt, was passiert ist, BI erklärt, warum, und ein KI-Agent bereitet die nächste Arbeit vor.

Die drei bauen aufeinander auf: Der Agent liest die Kennzahlen der BI, und die BI nutzt die Datensätze hinter den Berichten.

KI verlagert die Oberfläche der BI vom Dashboard ins Gespräch und ihre Rolle vom Beobachten zum Handeln. Statt einen Filter zu bauen, fragt die Führungskraft in Alltagssprache: „Bei welchen Kunden endet in diesem Quartal die Garantie von Geräten?“ Der Agent übersetzt die Frage in eine Abfrage der Datensätze, erstellt die Liste und entwirft für jeden Kunden ein Angebot für einen Wartungsvertrag.

Die größten Anbieter gehen in dieselbe Richtung. Auf der Tableau Conference 2026 hat Salesforce Tableau als agentische Analyseplattform neu positioniert: eine Wissens-Engine, die Kennzahlen, Beziehungen, Geschäftsregeln und Definitionen verbindet, und eine Entscheidungs-Engine, die Workflows auslöst. Das Analystenhaus ISG erwartet, dass bis 2028 mehr als die Hälfte der Unternehmen dialogbasierte Oberflächen als Standard-BI-Oberfläche nutzen.

Dieser Wandel hat eine Bedingung: Die KI muss die Begriffe des Unternehmens kennen und wissen, wie die Datensätze zusammenhängen. So bequem das Chatfenster auch ist, die Qualität der Antwort hängt von der Qualität und Bedeutung der Datensätze ab.

BI ist am verlässlichsten, wenn sie in dem System läuft, in dem die Daten entstehen, denn Typ, Verantwortlicher und Verknüpfungen eines Datensatzes stehen fest, sobald er angelegt wird.

Liegt das Angebot in einem Programm, das installierte Gerät in einer Tabelle, das Serviceformular auf Papier und die Rechnung in der Buchhaltungssoftware, muss BI diese vier Teile nachträglich zusammenführen. Läuft dieselbe Arbeit auf einer Plattform, wird die Kette kürzer:

• Angenommene Angebotspositionen werden zu Anlagendatensätzen mit Seriennummer; jedes Gerät zeigt, aus welchem Angebot es stammt.
• Arbeitsaufträge werden aus dem Anlagendatensatz eröffnet; der Servicebericht ist mit dem Arbeitsauftrag verknüpft, verbrauchte Teile mit dem Lager.
• Die Rechnung entsteht aus dem abgeschlossenen Servicebericht, die Zahlung wird gegen die Rechnung gebucht.

Weil diese Verknüpfungen im Datensatz selbst liegen, steckt die Antwort auf „Wurden die Wartungsangebote für Geräte mit auslaufender Garantie angenommen?“ bereits in den Datensätzen, und die Kennzahl wird direkt daraus gelesen. Auch der KI-Agent liest aus dem Datensatz, was womit verbunden ist.

PureField ist eine Software für Vertrieb und Unternehmensführung, in der Teams den gesamten Kundenzyklus vom Verkauf bis zum Service in einem Datensatz führen und mit KI-Agenten aus diesen Datensätzen Entscheidungen und Arbeit machen. Die Daten entstehen in PureField, und die BI läuft am selben Ort.

• Dashboards. CRM-Statistiken zeigen den Vertriebstrichter und die Teamleistung, Servicestatistiken Kennzahlen zu Anlagen, Serviceberichten und Kosten.
• Copilot. Beantwortet Fragen in Alltagssprache aus Ihren Datensätzen. Braucht eine Frage Ihre Daten, eröffnet er eine Managementbesprechung mit den Direktoren für Vertrieb, Finanzen oder Service; jeder Direktor sieht sich die Datensätze seines Bereichs an, und jede genannte Zahl stützt sich auf einen Datensatz.
• Umsatz aus der installierten Basis. Installierte Geräte werden jeden Morgen geprüft: Garantieende, anstehende und überfällige Wartung, Verbrauchsmaterial und Ersatzteile, Verlängerung von Wartungsverträgen, Lebensende. Jede Chance erscheint mit geschätztem Wert und einem Score von 0 bis 100 und lässt sich in eine Verkaufschance oder einen Angebotsentwurf umwandeln.
• Digitale Mitarbeiter. Begleiten Arbeit wie Forderungsmanagement, Angebotsnachverfolgung und Serviceplanung; standardmäßig bereiten sie einen Vorschlag vor und warten auf Ihre Freigabe.
• Freigaberegeln. Löschungen, fehlende Felder und Inhalte aus externen Quellen gehen in die Freigabe; die Entscheidung bleibt bei Ihnen.

Copilot und digitale Mitarbeiter laufen auf PAIOS (PureField AI Operating System). Welcher Agent in welchem Modul arbeitet, sehen Sie auf der Seite KI-Agenten.