KI-Mitarbeiter · Viz: Leitfaden zur Konfiguration von CRM-Szenarien

Am Beispiel des CRM-Szenarios erfahren Sie, wie Ihr KI-Analyseexperte Ihr Geschäft wirklich versteht und sein volles Potenzial entfaltet.

1. Einleitung: Wie Viz lernt, Daten nicht nur zu sehen, sondern auch zu verstehen

Im NocoBase-System ist Viz ein vordefinierter KI-Analyseexperte. Er kann den Seitenkontext (wie Leads, Opportunities, Accounts) erkennen und Trenddiagramme, Trichterdiagramme und KPI-Karten generieren. Standardmäßig verfügt er jedoch nur über die grundlegendsten Abfragefunktionen:

Tool	Funktionsbeschreibung	Sicherheit
Get Collection Names	Sammlungsliste abrufen	✅ Sicher
Get Collection Metadata	Feldstruktur abrufen	✅ Sicher

Diese Tools ermöglichen es Viz lediglich, die Struktur zu erkennen, aber noch nicht, den Inhalt wirklich zu verstehen. Damit er Erkenntnisse generieren, Anomalien erkennen und Trends analysieren kann, müssen Sie ihn mit passenderen Analysetools erweitern.

In der offiziellen CRM-Demo haben wir zwei Ansätze verwendet:

Overall Analytics (Allzweck-Analyse-Engine): Eine vorlagenbasierte, sichere und wiederverwendbare Lösung;
SQL Execution (Spezialisierte Analyse-Engine): Bietet mehr Flexibilität, birgt aber auch größere Risiken.

Diese beiden sind jedoch nicht die einzigen Optionen; sie ähneln eher einem Designparadigma:

Sie können ihren Prinzipien folgen, um eine Implementierung zu erstellen, die besser zu Ihrem eigenen Geschäft passt.

2. Die Struktur von Viz: Stabile Persönlichkeit + Flexible Aufgaben

Um zu verstehen, wie Viz erweitert werden kann, muss man zunächst sein geschichtetes internes Design verstehen:

Ebene	Beschreibung	Beispiel
Rollendefinition	Viz' Persönlichkeit und Analysemethode: Verstehen → Abfragen → Analysieren → Visualisieren	Festgelegt
Aufgabendefinition	Angepasste Prompts und Tool-Kombinationen für ein spezifisches Geschäftsszenario	Modifizierbar
Tool-Konfiguration	Die Brücke für Viz, um externe Datenquellen oder Workflows aufzurufen	Frei austauschbar

Dieses geschichtete Design ermöglicht es Viz, eine stabile Persönlichkeit (konsistente Analyselogik) zu bewahren, und sich gleichzeitig schnell an verschiedene Geschäftsszenarien anzupassen (CRM, Krankenhausverwaltung, Kanalanalyse, Produktionsabläufe...).

KI-Übersetzungshinweis

Diese Dokumentation wurde automatisch von KI übersetzt.

3. Muster Eins: Vorlagenbasierte Analyse-Engine (Empfohlen)

3.1 Prinzipielle Übersicht

Overall Analytics ist die zentrale Analyse-Engine in der CRM-Demo. Sie verwaltet alle SQL-Abfragen über eine Datenanalyse-Vorlagensammlung (data_analysis). Viz schreibt SQL nicht direkt, sondern ruft vordefinierte Vorlagen auf, um Ergebnisse zu generieren.

Der Ausführungsablauf ist wie folgt:

flowchart TD
    A[Viz empfängt Aufgabe] --> B[Ruft Overall Analytics Workflow auf]
    B --> C[Gleicht Vorlage basierend auf aktueller Seite/Aufgabe ab]
    C --> D[Führt Vorlagen-SQL aus (schreibgeschützt)]
    D --> E[Gibt Datenergebnis zurück]
    E --> F[Viz generiert Diagramm + kurze Interpretation]

Auf diese Weise kann Viz in Sekundenschnelle sichere und standardisierte Analyseergebnisse generieren, und Administratoren können alle SQL-Vorlagen zentral verwalten und überprüfen.

3.2 Struktur der Vorlagensammlung (data_analysis)

Feldname	Typ	Beschreibung	Beispiel
id	Integer	Primärschlüssel	1
name	Text	Name der Analysevorlage	Leads Data Analysis
collection	Text	Zugehörige Sammlung	Lead
sql	Code	Analyse-SQL-Anweisung (schreibgeschützt)	`SELECT stage, COUNT(*) FROM leads GROUP BY stage`
description	Markdown	Vorlagenbeschreibung oder Definition	"Anzahl der Leads nach Phase"
createdAt / createdBy / updatedAt / updatedBy	Systemfeld	Audit-Informationen	Automatisch generiert

Vorlagenbeispiele in der CRM-Demo

Name	Collection	Description
Account Data Analysis	Account	Kontodatenanalyse
Contact Data Analysis	Contact	Kontaktdatenanalyse
Leads Data Analysis	Lead	Lead-Trendanalyse
Opportunity Data Analysis	Opportunity	Trichter für Opportunity-Phasen
Task Data Analysis	Todo Tasks	Statistik des Status von Aufgaben
Users (Sales Reps) Data Analysis	Users	Leistungsvergleich der Vertriebsmitarbeiter

3.3 Vorteile dieses Musters

Dimension	Vorteil
Sicherheit	Alle SQL-Abfragen werden gespeichert und überprüft, wodurch die direkte Generierung von Abfragen vermieden wird.
Wartbarkeit	Vorlagen werden zentral verwaltet und einheitlich aktualisiert.
Wiederverwendbarkeit	Dieselbe Vorlage kann von mehreren Aufgaben wiederverwendet werden.
Portabilität	Kann problemlos auf andere Systeme migriert werden, da nur dieselbe Sammlungsstruktur erforderlich ist.
Benutzererfahrung	Geschäftsanwender müssen sich nicht um SQL kümmern; sie müssen lediglich eine Analyseanfrage stellen.

📘 Diese data_analysis-Sammlung muss nicht unbedingt diesen Namen tragen. Entscheidend ist: Analyselogik vorlagenbasiert speichern und sie einheitlich über einen Workflow aufrufen lassen.

3.4 Wie Viz es verwendet

In der Aufgabendefinition können Sie Viz explizit mitteilen:

Hallo Viz,

Bitte analysieren Sie die Daten des aktuellen Moduls.

**Priorität:** Verwenden Sie das Overall Analytics Tool, um Analyseergebnisse aus der Vorlagensammlung abzurufen.
**Falls keine passende Vorlage gefunden wird:** Geben Sie an, dass eine Vorlage fehlt, und schlagen Sie dem Administrator vor, diese hinzuzufügen.

Ausgabeanforderungen:
- Generieren Sie für jedes Ergebnis ein separates Diagramm;
- Fügen Sie unterhalb des Diagramms eine kurze Beschreibung von 2–3 Sätzen hinzu;
- Erfinden Sie keine Daten und treffen Sie keine Annahmen.

Auf diese Weise ruft Viz automatisch den Workflow auf, gleicht die am besten geeignete SQL-Abfrage aus der Vorlagensammlung ab und generiert das Diagramm.

4. Muster Zwei: Spezialisierter SQL-Executor (Vorsicht geboten)

4.1 Anwendbare Szenarien

Wenn Sie explorative Analysen, Ad-hoc-Abfragen oder JOIN-Aggregationen über mehrere Sammlungen hinweg benötigen, können Sie Viz ein SQL Execution Tool aufrufen lassen.

Die Merkmale dieses Tools sind:

Viz kann SELECT-Abfragen direkt generieren;
Das System führt sie aus und gibt das Ergebnis zurück;
Viz ist für Analyse und Visualisierung verantwortlich.

Beispielaufgabe:

"Bitte analysieren Sie den Trend der Lead-Konversionsraten nach Regionen über die letzten 90 Tage."

In diesem Fall könnte Viz Folgendes generieren:

SELECT region, COUNT(id) AS leads, SUM(converted)::float/COUNT(id) AS rate
FROM leads
WHERE created_at > now() - interval '90 day'
GROUP BY region;

4.2 Risiken und Schutzempfehlungen

Risikopunkt	Schutzstrategie
Generierung von Schreiboperationen	Erzwingen der Beschränkung auf `SELECT`
Zugriff auf irrelevante Sammlungen	Überprüfen, ob der Sammlungsname existiert
Performance-Risiko bei großen Sammlungen	Zeitbereich begrenzen, Anzahl der Zeilen mit LIMIT beschränken
Nachvollziehbarkeit von Operationen	Abfrageprotokollierung und Auditierung aktivieren
Benutzerberechtigungssteuerung	Nur Administratoren dürfen dieses Tool verwenden

Allgemeine Empfehlungen:

Normale Benutzer sollten nur die vorlagenbasierte Analyse (Overall Analytics) aktiviert haben;

Nur Administratoren oder fortgeschrittene Analysten sollten SQL Execution verwenden dürfen.

5. Wenn Sie Ihr eigenes "Overall Analytics" erstellen möchten

Hier ist ein einfacher, allgemeiner Ansatz, den Sie in jedem System (unabhängig von NocoBase) replizieren können:

Schritt 1: Entwerfen Sie die Vorlagensammlung

Der Sammlungsname kann beliebig sein (z.B. analysis_templates). Sie muss lediglich die Felder name, sql, collection und description enthalten.

Schritt 2: Schreiben Sie einen Dienst oder Workflow zum "Abrufen der Vorlage → Ausführen"

Logik:

Empfangen Sie die Aufgabe oder den Seitenkontext (z.B. die aktuelle Sammlung);
Gleichen Sie eine Vorlage ab;
Führen Sie die Vorlagen-SQL aus (schreibgeschützt);
Geben Sie eine standardisierte Datenstruktur zurück (Zeilen + Felder).

Schritt 3: Lassen Sie die KI diese Schnittstelle aufrufen

Der Aufgaben-Prompt kann wie folgt geschrieben werden:

Versuchen Sie zuerst, das Vorlagenanalyse-Tool aufzurufen. Wenn in den Vorlagen keine passende Analyse gefunden wird, verwenden Sie den SQL-Executor.
Stellen Sie sicher, dass alle Abfragen schreibgeschützt sind und Diagramme zur Anzeige der Ergebnisse generiert werden.

Auf diese Weise verfügt Ihr KI-Mitarbeiter-System über ähnliche Analysefunktionen wie die CRM-Demo, ist aber völlig unabhängig und anpassbar.

6. Best Practices und Designempfehlungen

Empfehlung	Beschreibung
Vorlagenbasierte Analyse priorisieren	Sicher, stabil und wiederverwendbar
SQL Execution nur als Ergänzung verwenden	Beschränkt auf internes Debugging oder Ad-hoc-Abfragen
Ein Diagramm, ein Kernpunkt	Klare Ausgabe, übermäßige Unordnung vermeiden
Eindeutige Vorlagenbenennung	Benennung entsprechend der Seite/des Geschäftsbereichs, z.B. `Leads-Stage-Conversion`
Prägnante und klare Erklärungen	Jedes Diagramm mit einer 2–3-Satz-Zusammenfassung versehen
Fehlende Vorlagen angeben	Benutzer informieren, dass "Keine entsprechende Vorlage gefunden" wurde, anstatt eine leere Ausgabe zu liefern

7. Von der CRM-Demo zu Ihrem Szenario

Egal, ob Sie ein Krankenhaus-CRM, Fertigung, Lagerlogistik oder Bildungsanmeldungen verwalten, solange Sie die folgenden drei Fragen beantworten können, kann Viz in Ihrem System einen Mehrwert schaffen:

Frage	Beispiel
1. Was möchten Sie analysieren?	Lead-Trends / Abschlussphasen / Anlagenauslastung
2. Wo befinden sich die Daten?	Welche Sammlung, welche Felder
3. Wie möchten Sie es präsentieren?	Linien-, Trichter-, Kreisdiagramm, Vergleichstabelle

Sobald Sie diese Inhalte definiert haben, müssen Sie nur noch:

Die Analyselogik in die Vorlagensammlung schreiben;
Den Aufgaben-Prompt auf der Seite platzieren;
Und Viz kann Ihre Berichterstellung "übernehmen".

8. Fazit: Nehmen Sie das Paradigma mit

"Overall Analytics" und "SQL Execution" sind lediglich zwei Beispielimplementierungen. Wichtiger ist die Idee dahinter:

Lassen Sie den KI-Mitarbeiter Ihre Geschäftslogik verstehen, anstatt nur Prompts auszuführen.

Egal, ob Sie NocoBase, ein privates System oder einen selbst geschriebenen Workflow verwenden, Sie können diese Struktur replizieren:

Zentralisierte Vorlagen;
Workflow-Aufrufe;
Schreibgeschützte Ausführung;
KI-Präsentation.

Auf diese Weise ist Viz nicht mehr nur eine "KI, die Diagramme erstellen kann", sondern ein echter Analyst, der Ihre Daten, Ihre Definitionen und Ihr Geschäft versteht.

KI-Mitarbeiter · Viz: Leitfaden zur Konfiguration von CRM-Szenarien

Am Beispiel des CRM-Szenarios erfahren Sie, wie Ihr KI-Analyseexperte Ihr Geschäft wirklich versteht und sein volles Potenzial entfaltet.

1. Einleitung: Wie Viz lernt, Daten nicht nur zu sehen, sondern auch zu verstehen

Tool	Funktionsbeschreibung	Sicherheit
Get Collection Names	Sammlungsliste abrufen	✅ Sicher
Get Collection Metadata	Feldstruktur abrufen	✅ Sicher

In der offiziellen CRM-Demo haben wir zwei Ansätze verwendet:

Overall Analytics (Allzweck-Analyse-Engine): Eine vorlagenbasierte, sichere und wiederverwendbare Lösung;
SQL Execution (Spezialisierte Analyse-Engine): Bietet mehr Flexibilität, birgt aber auch größere Risiken.

Diese beiden sind jedoch nicht die einzigen Optionen; sie ähneln eher einem Designparadigma:

Sie können ihren Prinzipien folgen, um eine Implementierung zu erstellen, die besser zu Ihrem eigenen Geschäft passt.

2. Die Struktur von Viz: Stabile Persönlichkeit + Flexible Aufgaben

Um zu verstehen, wie Viz erweitert werden kann, muss man zunächst sein geschichtetes internes Design verstehen:

Ebene	Beschreibung	Beispiel
Rollendefinition	Viz' Persönlichkeit und Analysemethode: Verstehen → Abfragen → Analysieren → Visualisieren	Festgelegt
Aufgabendefinition	Angepasste Prompts und Tool-Kombinationen für ein spezifisches Geschäftsszenario	Modifizierbar
Tool-Konfiguration	Die Brücke für Viz, um externe Datenquellen oder Workflows aufzurufen	Frei austauschbar

KI-Übersetzungshinweis

Diese Dokumentation wurde automatisch von KI übersetzt.

3. Muster Eins: Vorlagenbasierte Analyse-Engine (Empfohlen)

3.1 Prinzipielle Übersicht

Der Ausführungsablauf ist wie folgt:

flowchart TD
    A[Viz empfängt Aufgabe] --> B[Ruft Overall Analytics Workflow auf]
    B --> C[Gleicht Vorlage basierend auf aktueller Seite/Aufgabe ab]
    C --> D[Führt Vorlagen-SQL aus (schreibgeschützt)]
    D --> E[Gibt Datenergebnis zurück]
    E --> F[Viz generiert Diagramm + kurze Interpretation]

Auf diese Weise kann Viz in Sekundenschnelle sichere und standardisierte Analyseergebnisse generieren, und Administratoren können alle SQL-Vorlagen zentral verwalten und überprüfen.

3.2 Struktur der Vorlagensammlung (data_analysis)

Feldname	Typ	Beschreibung	Beispiel
id	Integer	Primärschlüssel	1
name	Text	Name der Analysevorlage	Leads Data Analysis
collection	Text	Zugehörige Sammlung	Lead
sql	Code	Analyse-SQL-Anweisung (schreibgeschützt)	`SELECT stage, COUNT(*) FROM leads GROUP BY stage`
description	Markdown	Vorlagenbeschreibung oder Definition	"Anzahl der Leads nach Phase"
createdAt / createdBy / updatedAt / updatedBy	Systemfeld	Audit-Informationen	Automatisch generiert

Vorlagenbeispiele in der CRM-Demo

Name	Collection	Description
Account Data Analysis	Account	Kontodatenanalyse
Contact Data Analysis	Contact	Kontaktdatenanalyse
Leads Data Analysis	Lead	Lead-Trendanalyse
Opportunity Data Analysis	Opportunity	Trichter für Opportunity-Phasen
Task Data Analysis	Todo Tasks	Statistik des Status von Aufgaben
Users (Sales Reps) Data Analysis	Users	Leistungsvergleich der Vertriebsmitarbeiter

3.3 Vorteile dieses Musters

Dimension	Vorteil
Sicherheit	Alle SQL-Abfragen werden gespeichert und überprüft, wodurch die direkte Generierung von Abfragen vermieden wird.
Wartbarkeit	Vorlagen werden zentral verwaltet und einheitlich aktualisiert.
Wiederverwendbarkeit	Dieselbe Vorlage kann von mehreren Aufgaben wiederverwendet werden.
Portabilität	Kann problemlos auf andere Systeme migriert werden, da nur dieselbe Sammlungsstruktur erforderlich ist.
Benutzererfahrung	Geschäftsanwender müssen sich nicht um SQL kümmern; sie müssen lediglich eine Analyseanfrage stellen.

📘 Diese data_analysis-Sammlung muss nicht unbedingt diesen Namen tragen. Entscheidend ist: Analyselogik vorlagenbasiert speichern und sie einheitlich über einen Workflow aufrufen lassen.

3.4 Wie Viz es verwendet

In der Aufgabendefinition können Sie Viz explizit mitteilen:

Hallo Viz,

Bitte analysieren Sie die Daten des aktuellen Moduls.

**Priorität:** Verwenden Sie das Overall Analytics Tool, um Analyseergebnisse aus der Vorlagensammlung abzurufen.
**Falls keine passende Vorlage gefunden wird:** Geben Sie an, dass eine Vorlage fehlt, und schlagen Sie dem Administrator vor, diese hinzuzufügen.

Ausgabeanforderungen:
- Generieren Sie für jedes Ergebnis ein separates Diagramm;
- Fügen Sie unterhalb des Diagramms eine kurze Beschreibung von 2–3 Sätzen hinzu;
- Erfinden Sie keine Daten und treffen Sie keine Annahmen.

Auf diese Weise ruft Viz automatisch den Workflow auf, gleicht die am besten geeignete SQL-Abfrage aus der Vorlagensammlung ab und generiert das Diagramm.

4. Muster Zwei: Spezialisierter SQL-Executor (Vorsicht geboten)

4.1 Anwendbare Szenarien

Wenn Sie explorative Analysen, Ad-hoc-Abfragen oder JOIN-Aggregationen über mehrere Sammlungen hinweg benötigen, können Sie Viz ein SQL Execution Tool aufrufen lassen.

Die Merkmale dieses Tools sind:

Viz kann SELECT-Abfragen direkt generieren;
Das System führt sie aus und gibt das Ergebnis zurück;
Viz ist für Analyse und Visualisierung verantwortlich.

Beispielaufgabe:

"Bitte analysieren Sie den Trend der Lead-Konversionsraten nach Regionen über die letzten 90 Tage."

In diesem Fall könnte Viz Folgendes generieren:

SELECT region, COUNT(id) AS leads, SUM(converted)::float/COUNT(id) AS rate
FROM leads
WHERE created_at > now() - interval '90 day'
GROUP BY region;

4.2 Risiken und Schutzempfehlungen

Risikopunkt	Schutzstrategie
Generierung von Schreiboperationen	Erzwingen der Beschränkung auf `SELECT`
Zugriff auf irrelevante Sammlungen	Überprüfen, ob der Sammlungsname existiert
Performance-Risiko bei großen Sammlungen	Zeitbereich begrenzen, Anzahl der Zeilen mit LIMIT beschränken
Nachvollziehbarkeit von Operationen	Abfrageprotokollierung und Auditierung aktivieren
Benutzerberechtigungssteuerung	Nur Administratoren dürfen dieses Tool verwenden

Allgemeine Empfehlungen:

Normale Benutzer sollten nur die vorlagenbasierte Analyse (Overall Analytics) aktiviert haben;

Nur Administratoren oder fortgeschrittene Analysten sollten SQL Execution verwenden dürfen.

5. Wenn Sie Ihr eigenes "Overall Analytics" erstellen möchten

Hier ist ein einfacher, allgemeiner Ansatz, den Sie in jedem System (unabhängig von NocoBase) replizieren können:

Schritt 1: Entwerfen Sie die Vorlagensammlung

Der Sammlungsname kann beliebig sein (z.B. analysis_templates). Sie muss lediglich die Felder name, sql, collection und description enthalten.

Schritt 2: Schreiben Sie einen Dienst oder Workflow zum "Abrufen der Vorlage → Ausführen"

Logik:

Empfangen Sie die Aufgabe oder den Seitenkontext (z.B. die aktuelle Sammlung);
Gleichen Sie eine Vorlage ab;
Führen Sie die Vorlagen-SQL aus (schreibgeschützt);
Geben Sie eine standardisierte Datenstruktur zurück (Zeilen + Felder).

Schritt 3: Lassen Sie die KI diese Schnittstelle aufrufen

Der Aufgaben-Prompt kann wie folgt geschrieben werden:

Versuchen Sie zuerst, das Vorlagenanalyse-Tool aufzurufen. Wenn in den Vorlagen keine passende Analyse gefunden wird, verwenden Sie den SQL-Executor.
Stellen Sie sicher, dass alle Abfragen schreibgeschützt sind und Diagramme zur Anzeige der Ergebnisse generiert werden.

Auf diese Weise verfügt Ihr KI-Mitarbeiter-System über ähnliche Analysefunktionen wie die CRM-Demo, ist aber völlig unabhängig und anpassbar.

6. Best Practices und Designempfehlungen

Empfehlung	Beschreibung
Vorlagenbasierte Analyse priorisieren	Sicher, stabil und wiederverwendbar
SQL Execution nur als Ergänzung verwenden	Beschränkt auf internes Debugging oder Ad-hoc-Abfragen
Ein Diagramm, ein Kernpunkt	Klare Ausgabe, übermäßige Unordnung vermeiden
Eindeutige Vorlagenbenennung	Benennung entsprechend der Seite/des Geschäftsbereichs, z.B. `Leads-Stage-Conversion`
Prägnante und klare Erklärungen	Jedes Diagramm mit einer 2–3-Satz-Zusammenfassung versehen
Fehlende Vorlagen angeben	Benutzer informieren, dass "Keine entsprechende Vorlage gefunden" wurde, anstatt eine leere Ausgabe zu liefern

7. Von der CRM-Demo zu Ihrem Szenario

Frage	Beispiel
1. Was möchten Sie analysieren?	Lead-Trends / Abschlussphasen / Anlagenauslastung
2. Wo befinden sich die Daten?	Welche Sammlung, welche Felder
3. Wie möchten Sie es präsentieren?	Linien-, Trichter-, Kreisdiagramm, Vergleichstabelle

Sobald Sie diese Inhalte definiert haben, müssen Sie nur noch:

Die Analyselogik in die Vorlagensammlung schreiben;
Den Aufgaben-Prompt auf der Seite platzieren;
Und Viz kann Ihre Berichterstellung "übernehmen".

8. Fazit: Nehmen Sie das Paradigma mit

"Overall Analytics" und "SQL Execution" sind lediglich zwei Beispielimplementierungen. Wichtiger ist die Idee dahinter:

Lassen Sie den KI-Mitarbeiter Ihre Geschäftslogik verstehen, anstatt nur Prompts auszuführen.

Egal, ob Sie NocoBase, ein privates System oder einen selbst geschriebenen Workflow verwenden, Sie können diese Struktur replizieren:

Zentralisierte Vorlagen;
Workflow-Aufrufe;
Schreibgeschützte Ausführung;
KI-Präsentation.

Auf diese Weise ist Viz nicht mehr nur eine "KI, die Diagramme erstellen kann", sondern ein echter Analyst, der Ihre Daten, Ihre Definitionen und Ihr Geschäft versteht.

#KI-Mitarbeiter · Viz: Leitfaden zur Konfiguration von CRM-Szenarien

#1. Einleitung: Wie Viz lernt, Daten nicht nur zu sehen, sondern auch zu verstehen

#2. Die Struktur von Viz: Stabile Persönlichkeit + Flexible Aufgaben

#3. Muster Eins: Vorlagenbasierte Analyse-Engine (Empfohlen)

#3.1 Prinzipielle Übersicht

#3.2 Struktur der Vorlagensammlung (data_analysis)

#Vorlagenbeispiele in der CRM-Demo

#3.3 Vorteile dieses Musters

#3.4 Wie Viz es verwendet

#4. Muster Zwei: Spezialisierter SQL-Executor (Vorsicht geboten)

#4.1 Anwendbare Szenarien

#4.2 Risiken und Schutzempfehlungen

#5. Wenn Sie Ihr eigenes "Overall Analytics" erstellen möchten

#Schritt 1: Entwerfen Sie die Vorlagensammlung

#Schritt 2: Schreiben Sie einen Dienst oder Workflow zum "Abrufen der Vorlage → Ausführen"

#Schritt 3: Lassen Sie die KI diese Schnittstelle aufrufen

#6. Best Practices und Designempfehlungen

#7. Von der CRM-Demo zu Ihrem Szenario

#8. Fazit: Nehmen Sie das Paradigma mit

#KI-Mitarbeiter · Viz: Leitfaden zur Konfiguration von CRM-Szenarien

#1. Einleitung: Wie Viz lernt, Daten nicht nur zu sehen, sondern auch zu verstehen

#2. Die Struktur von Viz: Stabile Persönlichkeit + Flexible Aufgaben

#3. Muster Eins: Vorlagenbasierte Analyse-Engine (Empfohlen)

#3.1 Prinzipielle Übersicht

#3.2 Struktur der Vorlagensammlung (data_analysis)

#Vorlagenbeispiele in der CRM-Demo

#3.3 Vorteile dieses Musters

#3.4 Wie Viz es verwendet

#4. Muster Zwei: Spezialisierter SQL-Executor (Vorsicht geboten)

#4.1 Anwendbare Szenarien

#4.2 Risiken und Schutzempfehlungen

#5. Wenn Sie Ihr eigenes "Overall Analytics" erstellen möchten

#Schritt 1: Entwerfen Sie die Vorlagensammlung

#Schritt 2: Schreiben Sie einen Dienst oder Workflow zum "Abrufen der Vorlage → Ausführen"

#Schritt 3: Lassen Sie die KI diese Schnittstelle aufrufen

#6. Best Practices und Designempfehlungen

#7. Von der CRM-Demo zu Ihrem Szenario

#8. Fazit: Nehmen Sie das Paradigma mit

KI-Mitarbeiter · Viz: Leitfaden zur Konfiguration von CRM-Szenarien

1. Einleitung: Wie Viz lernt, Daten nicht nur zu sehen, sondern auch zu verstehen

2. Die Struktur von Viz: Stabile Persönlichkeit + Flexible Aufgaben

3. Muster Eins: Vorlagenbasierte Analyse-Engine (Empfohlen)

3.1 Prinzipielle Übersicht

3.2 Struktur der Vorlagensammlung (data_analysis)

Vorlagenbeispiele in der CRM-Demo

3.3 Vorteile dieses Musters

3.4 Wie Viz es verwendet

4. Muster Zwei: Spezialisierter SQL-Executor (Vorsicht geboten)

4.1 Anwendbare Szenarien

4.2 Risiken und Schutzempfehlungen

5. Wenn Sie Ihr eigenes "Overall Analytics" erstellen möchten

Schritt 1: Entwerfen Sie die Vorlagensammlung

Schritt 2: Schreiben Sie einen Dienst oder Workflow zum "Abrufen der Vorlage → Ausführen"

Schritt 3: Lassen Sie die KI diese Schnittstelle aufrufen

6. Best Practices und Designempfehlungen

7. Von der CRM-Demo zu Ihrem Szenario

8. Fazit: Nehmen Sie das Paradigma mit

KI-Mitarbeiter · Viz: Leitfaden zur Konfiguration von CRM-Szenarien

1. Einleitung: Wie Viz lernt, Daten nicht nur zu sehen, sondern auch zu verstehen

2. Die Struktur von Viz: Stabile Persönlichkeit + Flexible Aufgaben

3. Muster Eins: Vorlagenbasierte Analyse-Engine (Empfohlen)

3.1 Prinzipielle Übersicht

3.2 Struktur der Vorlagensammlung (data_analysis)

Vorlagenbeispiele in der CRM-Demo

3.3 Vorteile dieses Musters

3.4 Wie Viz es verwendet

4. Muster Zwei: Spezialisierter SQL-Executor (Vorsicht geboten)

4.1 Anwendbare Szenarien

4.2 Risiken und Schutzempfehlungen

5. Wenn Sie Ihr eigenes "Overall Analytics" erstellen möchten

Schritt 1: Entwerfen Sie die Vorlagensammlung

Schritt 2: Schreiben Sie einen Dienst oder Workflow zum "Abrufen der Vorlage → Ausführen"

Schritt 3: Lassen Sie die KI diese Schnittstelle aufrufen

6. Best Practices und Designempfehlungen

7. Von der CRM-Demo zu Ihrem Szenario

8. Fazit: Nehmen Sie das Paradigma mit