In den letzten zwei Wochen habe ich intensiver mit einer spannenden Technologie experimentiert: einem MCP (Model Context Protocol) Agenten, der direkt über eine TabCP-Erweiterung in Tableau integriert ist. Die Grundidee klingt genial: Man stellt der KI in natürlicher Sprache eine Frage zu seinen Geschäftsdaten – zum Beispiel zu Kunden, Umsätzen oder offenen Angeboten – und erhält sofort die passenden Antworten.
Doch wie sieht die Praxis aus?
Beim Testen gegenüber unseres internen Tableau Servers wie Customer 360° traten direkt zu Beginn Unstimmigkeiten auf. Ohne präzise Steuerung neigt der Agent dazu, Abfragen falsch aufzubauen – etwa indem er einfach Datumsfelder zählt, anstatt Summen über echte Finanzwerte wie Umsätze oder Rechnungsbeträge zu bilden. Auch Verwechslungen zwischen verschiedenen Datenquellen oder abgebrochene Abfragen bei zu vagen Prompts gehörten zur Lernkurve.
Die Lösung lag nicht im Code der Schnittstelle, sondern im Feintuning:
- Präzise Prompts in der
datasources.yaml: Indem wir dem Agenten klare Regeln mitgaben, welche Kennzahlen für welche Fragen genutzt werden müssen, wurden die SQL-Abfragen im Hintergrund dramatisch besser. - Gezieltes Questions-Design: Anstelle von sehr allgemein gehaltenen Fragen („Gib mir Insights“) führten konkrete Fragen („Wie hoch ist die Summe der offenen Angebote pro Organisation?“) zu exakten Ergebnissen.
Mein Fazit: Der MCP-Agent hat enormes Potenzial, um den Datenzugriff in Tableau zu demokratisieren. Er ersetzt zwar nicht das kritische Auge beim Gegenprüfen der Visualisierungen, aber richtig konfiguriert wird er vom unberechenbaren Ratgeber zu einem extrem schnellen und wertvollen Daten-Assistenten.