> For the complete documentation index, see [llms.txt](https://docs.buildings.ability.abb/collection/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.buildings.ability.abb/collection/german/copilot-assistant/agent-modes/data-agent.md).
# Data Agent
Datenabruf, -analyse und -visualisierung für Assets und deren Daten
Der Data Agent ist der aktuelle Ausführungsmodus von Copilot Assistant. Er ist für Datenabruf, Analyse und Visualisierung auf Basis der Smart-Building-Datenbank konzipiert.\
Er verarbeitet Anfragen in natürlicher Sprache zu Assets und deren Daten, übersetzt sie in Datenbankabfragen, analysiert die Ergebnisse und gibt Antworten in menschenlesbarer Form mit unterstützender Visualisierung zurück.
Jedes Ergebnis basiert auf dem, was tatsächlich im Asset-Modell und in den Live-Daten Ihres Projekts vorhanden ist. Der Agent leitet keine Daten ab, schätzt sie nicht und erfindet sie nicht.
## So funktioniert es
Wenn Sie eine Anfrage senden, folgt der Data Agent einem strukturierten Ablauf:
1. **Anfrage verstehen:** Konzepte wie Standorte, Asset-Typen, Messwerte und Zeiträume identifizieren.
2. **Geltungsbereich der Assets bestimmen:** diese Konzepte mithilfe der Asset-Hierarchie und der verfügbaren Daten auf reale Datenbankentitäten (spezifische Assets, Asset-Typen, Attribute) abbilden.
3. **Daten abrufen:** den dedizierten SQL-Subagenten verwenden, um eine Abfrage zu generieren und auszuführen. Die SQL-Generierung kann verfeinert und erneut ausgeführt werden, wenn das Ergebnis weiterer Klärung bedarf.
4. [**Ergebnisse analysieren**](#result-analysis)**:** den vollständigen Ergebnissatz prüfen und Aggregationen, Rangfolgen, Vergleiche oder Datenqualitätskennzahlen deterministisch berechnen.
5. [**Ergebnisse präsentieren**](#visualization)**:** Schlüsselergebnisse als Text, Tabellen, KPI-Karten, Diagramme und vorgeschlagene nächste Schritte zurückgeben.
Dieser Ablauf ist transparent: die [**Tool-Aufrufspur**](/collection/german/copilot-assistant/quick-start.md#understanding-the-tool-calling-trace) die in jeder Antwort enthalten ist, zeigt genau, welche Schritte der Agent unternommen hat und was er gefunden hat
## Tools & Funktionen
Der Data Agent verwendet eine Reihe spezialisierter interner Tools, von denen jedes für einen bestimmten Schritt des Workflows zuständig ist. Sie zu verstehen hilft Ihnen zu wissen, was der Agent kann und was nicht
### Auflösung von Assets und Standorten
Bevor er irgendwelche Daten abfragt, löst der Agent die Konzepte in Ihrer Anfrage in konkrete Datenbankentitäten auf. Dazu gehören:
* Assets nach Name, Typ, Standort oder Tag finden
* die Asset-Hierarchie durchlaufen (z. B. alle Assets unter Gebäude A → Stockwerk 3 → Raum 302)
* Messkonzepte auf tatsächliche Sensor-Assets/Asset-Typen abbilden, die die entsprechenden Daten erfassen (z. B. *"energieverbrauch"* → Attribut energy auf Assets des Typs EMeter, Eingabewerte, Einheit: kWh)
Der Agent löst den Geltungsbereich iterativ auf. Wenn nach der automatischen Verfeinerung mehrere plausible Interpretationen übrig bleiben, fragt er mit konkreten Optionen nach Klärung
### SQL-Subagent
Sobald der Geltungsbereich der Assets bestimmt ist, generiert und führt der SQL-Subagent SQL gegen die Smart-Building-Datenbank aus. Er kann derzeit vier Datendomänen abfragen:
| Domäne | Beschreibung |
| ----------------------------- | ------------------------------------------------------ |
| **Asset-Konfiguration** | Struktur, Typen, Anzahlen, Gruppierungen und Kennungen |
| **Aktuelle Daten (Heap)** | Neueste Asset-Daten |
| **Historische Daten (Trend)** | Zeitreihendaten mit Bucketing und Aggregation |
| **Alarme** | Aktuelle und historische Alarme an Assets |
Der Assistent interagiert für Sie über diesen spezialisierten Subagenten mit der Datenbank, basierend auf Ihren Anfragen und den Assets in Ihrem Projekt. Dieser Ansatz wird oft bezeichnet als [NL2SQL](/collection/german/akademie/building-intelligence-ai-and-machine-learning-in-buildingpro-suites/agents/nl2sql.md), was bedeutet, dass natürliche Sprache im Hintergrund in kontrollierte Datenabfragen übersetzt wird. Benutzer benötigen keine SQL-Kenntnisse, um Portfolio- und Gebäudedaten zu erkunden.
#### Asset-Struktur
Die Konfiguration und Organisation von Assets in einem Portfolio abfragen.
> *Verwenden für: Assets zählen, Assets nach Typ oder Standort auflisten, Kennungen und Konfigurationen abrufen.*
Beispiele:
* *Wie viele Assets gibt es insgesamt?*
* *Wie viele Assets befinden sich in Standort X?*
* *Gib mir die Asset-IDs und die GAI aller Assets, deren Namen mit 'Virtual' beginnen.*
* *Alle Assets zählen und nach Asset-Typ gruppieren.*
#### Aktuelle Asset-Daten (Heap)
Die zuletzt aufgezeichneten Werte für Assets abrufen.
> *Verwenden für: Echtzeit-Übersichten, Live-Statusprüfungen, aktuelle Vergleiche zwischen Assets.*
Beispiele:
* *Wie hoch sind die aktuellen Temperaturen im Gebäude?*
* *Zeig mir die neuesten Daten von Asset ABC.*
* *Welche Temperaturerfassungs-Assets weichen von ihrem Sollwert ab?*
* *Wie hoch ist die aktuelle Belegung in den Besprechungsräumen?*
* *Rufe den Stromverbrauch aller Steckdosen mit dem Asset-Typ SmartSocket ab.*
* *Gib mir die durchschnittlichen Temperaturen im ersten Stock.*
* *Wie viele Personen befinden sich derzeit im Gebäude, und welche Stockwerke sind am stärksten belegt?*
* *Welche Sensoren zeigen eine Temperatur über 20 an?*
#### Historische Asset-Daten (Trend)
Die historischen (Zeitreihen-)Daten von Assets mit flexiblen Zeiträumen und Aggregationen abfragen.
> *Verwenden für: Trendanalyse, Periodenvergleiche, Energieberichterstattung.*
Beispiele:
* *Wie viel Energie hat Gebäude B2F im letzten Quartal verbraucht?*
* *Rufe den historischen Wasserverbrauch zwischen dem 1. Januar und dem 31. Dezember ab, kategorisiert nach Stockwerk.*
* *Vergleiche die CO2-Werte in den Besprechungsräumen während der Morgen- und Nachmittagsstunden.*
* *Welche drei Assets verbrauchen außerhalb der Betriebszeiten am meisten Energie?*
* *Berechne den Energieverbrauch von Raum 202 für das letzte Quartal und vergleiche ihn mit dem gleichen Zeitraum des Vorjahres.*
* *Prüfe den durchschnittlichen Energieverbrauch von Assets in Raum 101 in der letzten Woche und vergleiche ihn mit dem aktuellen Verbrauch.*
#### Alarme
Alarmregeln und die Alarmereignishistorie von Assets abfragen.
> *Verwenden für: Untersuchung von Vorfällen, Audits der Alarmabdeckung, Überprüfung aktiver Probleme.*
Beispiele:
* *Identifiziere Geräte, die seit letztem Dienstag im Ostflügel eine Fehlfunktion haben.*
* *Zeig mir alle Alarme mit hoher Priorität.*
* *Identifiziere alle Alarmregeln für den Pausenraum.*
### Ergebnisanalyse
Nachdem die Rohdaten abgerufen wurden, wendet der Agent deterministische Analysen auf den Ergebnissatz an, um Erkenntnisse über die reinen Zeilen hinaus sichtbar zu machen:
* **Aggregationen** - Durchschnitt, Summe, Minimum, Maximum, ... über den Ergebnissatz
* **Rangfolgen** - die obersten und untersten N Elemente nach einem beliebigen Messwert
* **Abweichungen** - Vergleich jedes Elements mit dem Gruppendurchschnitt, Median oder Basiswert
* **Vergleiche von Zeitraum zu Zeitraum** (z. B. dieses Quartal vs. letztes Quartal)
* **Datenqualitätsprofiling** (Nullwerte, inaktive Sensoren, Abdeckungslücken)
### Visualisierung
Wenn die Daten dafür geeignet sind, generiert der Agent:
* **KPI-Zusammenfassungskarten**: 1-3 hervorgehobene Schlüsselergebnisse
* **Diagramme**: Linie, Balken, Kreis, Heatmap
Diagrammtypen werden automatisch basierend auf der Struktur und dem Inhalt der zurückgegebenen Daten ausgewählt. \
Sie können die Ausgabe beeinflussen, indem Sie ausdrücklich einen Diagrammtyp anfordern (z. B. *"zeige dies als Balkendiagramm"*) oder eine bestimmte Achsenanordnung.
## Am besten geeignet für
Anfragen zum Abrufen und Analysieren von Asset-Daten
* Ad-hoc-Fragen mit einer definierten Kennzahl, einem Standort oder einem Zeitraum
* Erkundung der Asset-Konfiguration und Datenverfügbarkeit über ein Portfolio hinweg
* Drill-down von KPIs auf höherer Ebene zu detaillierteren Asset-Ansichten \
(z. B. vom Standort- oder Gebäudelevel bis hin zu Stockwerk- und Raum- oder sogar einzelner Asset-Ebene)
* Vergleichen der Asset-Performance über Standorte oder Zeiträume hinweg
## Weniger geeignet für
* Sehr breite Strategiefragen ohne definierte KPIs
* Fragen zur Business-Impact-Rangfolge, die eine Interpretation über das verfügbare Datenmodell hinaus erfordern
* Hochgradig mehrdeutige Prompts ohne klare Kennzahl, klaren Geltungsbereich oder Zeitraum
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.
Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:
```
GET https://docs.buildings.ability.abb/collection/german/copilot-assistant/agent-modes/data-agent.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.