QueryData – Übersicht

Mit QueryData können Sie über Konversationssprache und Daten-Agenten, die Sie zum Abfragen Ihrer Daten erstellen, mit Ihren Daten interagieren. Daten-Agenten sind KI-basierte Assistenten und Anwendungen, die die Nutzerabsicht verstehen, Ihre Betriebsdaten abfragen und genaue, fundierte Antworten liefern können. QueryData generiert Abfragen für Ihre Datenbank mithilfe von Kontextsets, die Sammlungen von ausgewählten Blueprints, Geschäftslogik und Schemainformationen sind. Dieser Kontext ermöglicht es QueryData, Fragen in natürlicher Sprache in genaue Abfragen für Ihre Zielanwendungsfälle zu übersetzen.

Wann sollte QueryData verwendet werden?

QueryData ist ideal für Anwendungen wie:

  • Automatisierung des Kundenservice: Bearbeiten Sie eine große Anzahl von Anfragen wie „Wo ist meine Bestellung?“ oder „Wie hoch ist mein aktuelles Guthaben?“.
  • E-Commerce-Einkaufsassistenten: Helfen Nutzern, sich in großen Produktkatalogen mit Abfragen in natürlicher Sprache wie „Zeige mir Laufschuhe unter 100 €“ zurechtzufinden.
  • Tools für den Außendienst: Ermöglichen es mobilen Mitarbeitern, Inventarbestände, Teileverfügbarkeit oder Details zu Servicetickets in Echtzeit abzufragen.

Wichtige Konzepte

Damit Fragen in natürlicher Sprache zuverlässig in Datenbankabfragen übersetzt werden können, nutzt QueryData die folgenden Schlüsselkonzepte:

QueryData und die Conversational Analytics API

Der Endpunkt QueryData in der Conversational Analytics API ist ein agentisches Tool, mit dem Sie programmatisch SQL-Abfragen in natürlicher Sprache für Ihre Datenbanken generieren können. In einer Konversationsanwendung oder einem Multi-Agenten-Workflow übernimmt der QueryData-Endpunkt die Schemainterpretation und die Abfragesynthese. Ihr Agenten-Framework (z. B. Antigravity, Agent Development Kit (ADK) oder LangChain) verwaltet den Gesprächsverlauf, den Nutzerstatus und die Tool-Orchestrierung, um die Eingabe des Nutzers zu kontextualisieren, bevor eine Anfrage in natürlicher Sprache an den QueryData-Endpunkt gesendet wird.

Kontextsets

Ein Kontextsatz ist eine Sammlung von datenbankspezifischem Wissen, kuratierten Abfragemustern und Geschäftsregeln, die mit Ihrer Datenbankinstanz verknüpft sind. Anstatt sich ausschließlich auf allgemeines LLM-Wissen oder Roh-Tabellenschemas zu verlassen, verwendet QueryData Kontextsets, um die Nuancen Ihres Datenmodells und die organisationsspezifische Terminologie zu verstehen.

Ein Kontextset enthält drei Hauptbausteine:

  • Abfrage-Blueprints: Ausgewählte Paare aus repräsentativen Fragen in natürlicher Sprache und den entsprechenden, vorab validierten SQL-Abfragen. Blueprints bieten kanonische Beispiele, die definieren, wie bestimmte Geschäftsabsichten SQL-Anweisungen zugeordnet werden.
  • Abfragefacetten: Modulare SQL-Prädikate und Filterbedingungen (z. B. Zeiträume, Schwellenwertberechnungen oder Geschäfts-Flags). Mit Facetten kann QueryData mehrere Filterkriterien dynamisch in einer Abfrage kombinieren, ohne dass für jede Kombination separate Blueprints erforderlich sind.
  • Wertsuchen: Semantische und String-Abfragen, die informelle Wortgruppen mit genauen Werten in Datenbankspalten abgleichen. Wertsuchen helfen, Mehrdeutigkeiten aufzulösen (z. B. die Zuordnung von „Bay Area“ zu San Francisco oder „Heathrow“ zu London Heathrow Airport) mithilfe von genau passenden Übereinstimmungen, Trigramm-String-Ähnlichkeit oder semantischen Vektoreinbettungen.

Funktionsweise von QueryData

Wenn Ihr KI-Agent oder Ihre Anwendung eine Anfrage in natürlicher Sprache sendet (z. B. eine Nutzerfrage, die der KI-Agent mit dem Unterhaltungsverlauf oder dem Nutzerstatus kontextualisiert hat), führt QueryData die folgenden Schritte aus:

  1. Wertauflösung: QueryData führt Suchanfragen für Werte in der Datenbank aus, um Entitäten im Prompt (z. B. Namen, Städte oder Kategorien) bestimmten Datenbankspaltenwerten zuzuordnen.
  2. Intent-Abgleich und Disambiguierung: QueryData gleicht die kontextualisierte Anfrage mit den kuratierten Abfrage-Blueprints und Facetten ab, die Sie im Kontextset definiert haben. Wenn die Anfrage unvollständig oder mehrdeutig ist, kann QueryData eine Frage zur Mehrdeutigkeitsauflösung zurückgeben, damit Ihr KI-Agent oder Ihre Anwendung den Nutzer um Klarstellung bitten kann.
  3. Abfragesynthese: QueryData erstellt anhand der übereinstimmenden Blueprint-Struktur, der angewendeten Facetten und der aufgelösten Werte eine vollständige SQL-Abfrage für Ihre Datenbank-Engine.
  4. Abfrageausführung: Die generierte Abfrage wird für die Datenbank ausgeführt, um Ergebnisse zurückzugeben.

Kontextsets erstellen und verwalten

So erstellen und verwalten Sie Kontextsets:

  1. Autorenkontext: Definieren Sie die Abfrage-Blueprints, Facetten und Wertesuchen für Ihre Datenbank. Weitere Informationen finden Sie unter Kontextsätze – Übersicht. Sie können auch den Kontext-Engineering-Agenten verwenden, um die Kontexterstellung zu automatisieren.
  2. In der Google Cloud Console verwalten: Erstellen und verwalten Sie Kontextgruppen in Bigtable Studio, um sie für die Abfragegenerierung verfügbar zu machen.
  3. In Ihre Anwendungen einbinden: Verbinden Sie Ihre Anwendungen oder KI-Agenten über die MCP Toolbox oder direkte API-Aufrufe mit QueryData.

Preise

Für Abfragen, die ausgeführt werden, wenn Sie Kontextsets erstellen und QueryData mit Ihren Daten-Agents oder Datenbank-Datenquellen verwenden, werden Ihnen die Bigtable-Rechenpreise in Rechnung gestellt. Für das Erstellen und Verwenden von Kontextsets und QueryData während des Vorschauzeitraums fallen keine zusätzlichen Gebühren an. Weitere Informationen finden Sie unter Data Cloud-Agent – Preise.

Nächste Schritte