Pneuma-Seeker: KI‑gestütztes Tool für iterative Datenanalyse in der Beschaffung

In der Analyse relationaler Daten beginnen Fachleute häufig mit unklaren Fragen, die im Verlauf der Exploration schrittweise verfeinert werden. Dieser iterative Prozess erfordert Werkzeuge, die die Bedürfnisse des Nutzers sichtbar machen und gleichzeitig die Datenfindung erleichtern.

Pneuma-Seeker erfüllt genau diese Anforderungen. Das System wandelt die Informationsbedürfnisse des Anwenders in explizite, prüfbare relationale Spezifikationen um. So können Analysten ihre Fragen schrittweise anpassen, gezielt nach relevanten Daten suchen und gleichzeitig die Herkunft jeder Auswertung nachvollziehen. Dabei agieren große Sprachmodelle (LLMs) als transparente, interaktive Analysepartner – sie liefern nicht nur fertige Antworten, sondern unterstützen den Nutzer aktiv beim Formulieren und Verfeinern seiner Anfragen.

In zwei praxisnahen Beschaffungsszenarien konnte Pneuma-Seeker demonstrieren, wie LLMs als kollaborative Helfer eingesetzt werden können. Die Anwender konnten ihre ursprünglichen, vagen Fragen in konkrete Abfragen umwandeln, die Daten gezielt filtern und die Ergebnisse nachvollziehbar ausführen lassen. Das Ergebnis ist ein deutlich effizienterer Analyseprozess, bei dem die Transparenz und Nachvollziehbarkeit der Datenabfragen im Vordergrund stehen.