> 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/suiten/space-and-assets-analytics/copilot-assistant/agentenmodi/datenagent.md).
# Datenagent
Der Data Agent ist der aktuelle Ausführungsmodus des Copilot Assistant. Er ist für das Abrufen, Analysieren und Visualisieren von Daten auf der Grundlage der Smart-Building-Datenbank ausgelegt.\
Er verarbeitet natürliche Sprachanfragen zu Assets und deren Daten, übersetzt sie in Datenbankabfragen, analysiert die Ergebnisse und gibt Antworten in menschenlesbarer Form mit unterstützenden Visualisierungen zurück.
Jedes Ergebnis basiert auf dem, was tatsächlich in deinem Projekt-Assetmodell und in den Live-Daten vorhanden ist. Der Agent leitet keine Daten ab, schätzt nichts und erfindet keine Daten.
## So funktioniert es
Wenn du eine Abfrage sendest, folgt der Data Agent einem strukturierten internen Workflow:
1. Deine Anfrage verstehen - Identifiziert genannte Konzepte, um sie in der Asset-Hierarchie aufzulösen (z. B. Standorte, Asset-Typen, Messungen)
2. Asset-Umfang auflösen - Ordnet die identifizierten Konzepte vor dem Erzeugen einer Datenbankabfrage mithilfe von Asset-Auflösungstools realen Datenbankentitäten zu (spezifische Assets, Asset-Typen, Attribute)
3. Daten abrufen - Verwendet den dedizierten SQL-Subagenten, um eine SQL-Abfrage zu generieren und auszuführen, damit die relevanten Daten abgerufen werden (die SQL-Generierung wird bei Bedarf verfeinert und erneut ausgeführt)
4. [Ergebnisse analysieren](#result-analysis) - Prüft die zurückgegebenen Rohdaten und berechnet darauf aufbauend Aggregationen, Rangfolgen und Vergleiche
5. [Ergebnisse darstellen](#visualisation) - Gibt wichtige Ergebnisse visualisiert als Karten, optionale Diagramme und anschließend vorgeschlagene weitere Analysepfade zurück
Dieser Workflow ist transparent: Die [**Tool-Aufrufspur**](/collection/german/suiten/space-and-assets-analytics/copilot-assistant/schnellstart.md#understanding-the-tool-calling-trace) in jeder Antwort enthalten zeigt genau, welche Schritte der Agent ausgeführt hat und was er gefunden hat.
## Tools & Fähigkeiten
Der Data Agent verwendet eine Reihe spezialisierter interner Tools, von denen jedes für einen eigenen Schritt des Workflows verantwortlich ist. Wenn du sie verstehst, weißt du besser, was der Agent kann und was nicht.
### Asset- & Standortauflösung
Bevor Daten abgefragt werden, löst der Agent die Konzepte in deiner 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 → Etage 3 → Raum 302)
* Messkonzepte in tatsächliche Sensor-Assets/Asset-Typen auflösen, die die entsprechenden Daten erfassen (z. B. *"Energieverbrauch"* → Attribut Energie auf Assets vom Typ EMeter, Eingabewerte, Einheit: kWh)
Der Agent löst den Umfang iterativ auf. Wenn nach der automatischen Verfeinerung mehrere plausible Interpretationen übrig bleiben, fragt er mit konkreten Optionen nach einer Klärung
### SQL-Subagent
Sobald der Asset-Umfang aufgelöst 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, Aggregation |
| **Alarme** | Aktuelle und historische Alarme auf Assets |
Der Assistent interagiert auf Basis deiner Anfragen und der Assets in deinem Projekt über diesen spezialisierten Subagenten mit der Datenbank. Dieser Ansatz wird oft bezeichnet als [NL2SQL](/collection/german/akademie/building-intelligence-ki-und-maschinelles-lernen-in-buildingpro-suites/agenten/nl2sql.md), was bedeutet, dass natürliche Sprache im Hintergrund in kontrollierte Datenabfragen übersetzt wird. Nutzer 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 erfassten Werte für Assets abrufen.
> *Verwenden für: Echtzeit-Übersichten, Live-Statusprüfungen, aktuelle Vergleiche zwischen Assets.*
Beispiele:
* *Wie 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 Etagen 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, Energieberichte.*
Beispiele:
* *Wie viel Energie hat das Gebäude B2F im letzten Quartal verbraucht?*
* *Den historischen Wasserverbrauch zwischen dem 1. Januar und dem 31. Dezember abrufen, nach Etage kategorisiert.*
* *CO2-Werte in den Besprechungsräumen während der Vormittags- und Nachmittagsstunden vergleichen.*
* *Welche drei Assets verbrauchen außerhalb der Geschäftszeiten am meisten Energie?*
* *Den Energieverbrauch von Raum 202 für das letzte Quartal berechnen und mit dem gleichen Zeitraum des Vorjahres vergleichen.*
* *Den durchschnittlichen Energieverbrauch von Assets in Raum 101 in der letzten Woche prüfen und mit dem aktuellen Verbrauch vergleichen.*
#### Alarme
Alarmregeln und den Verlauf von Alarmereignissen abfragen, die mit Assets verknüpft sind.
> *Verwenden für: Untersuchung von Vorfällen, Audits der Alarmabdeckung, Überprüfung aktiver Probleme.*
Beispiele:
* *Geräte identifizieren, die seit letztem Dienstag im Ostflügel Fehlfunktionen aufweisen.*
* *Zeig mir alle Alarme mit hoher Priorität.*
* *Alle Alarmregeln für den Pausenraum identifizieren.*
### Ergebnisanalyse
Nachdem die Rohdaten abgerufen wurden, wendet der Agent eine deterministische Analyse auf den Ergebnissatz an, um Erkenntnisse über die Rohzeilen hinaus sichtbar zu machen:
* **Aggregationen** - Durchschnitt, Summe, Minimum, Maximum, ... über den Ergebnissatz
* **Rangfolgen** - Top- und Bottom-N Elemente nach beliebiger Kennzahl
* **Abweichungen** - Vergleich jedes Elements mit dem Gruppendurchschnitt, Median oder Basiswert
* **Periodenvergleiche** (z. B. dieses Quartal gegenüber dem letzten Quartal)
* **Datenqualitätsprofiling** (Nullwerte, inaktive Sensoren, Abdeckungslücken)
### Visualisierung
Wenn die Daten dafür geeignet sind, generiert der Agent:
* **KPI-Zusammenfassungskarten**: 1-3 hervorgehobene Kernergebnisse
* **Diagramme**: Linien-, Balken-, Kreis- und Heatmap-Diagramme
Diagrammtypen werden automatisch auf Grundlage der Struktur und des Inhalts der zurückgegebenen Daten ausgewählt. \
Du kannst die Ausgabe beeinflussen, indem du explizit einen Diagrammtyp anforderst (z. B. *"als Balkendiagramm anzeigen"*) 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 Zeitbereich
* Erkundung der Asset-Konfiguration und der Datenverfügbarkeit über ein Portfolio hinweg
* Von höherwertigen KPIs zu detaillierteren Asset-Ansichten herunterbohren \
(z. B. vom Standort- oder Gebäudelevel auf Etage und Raum oder sogar auf einzelne Assets)
* Vergleich der Asset-Performance über Standorte oder Zeiträume hinweg
## Weniger geeignet für
* Sehr breit gefasste Strategiefragen ohne definierte KPIs
* Fragen zur Business-Impact-Bewertung, die eine Interpretation über das verfügbare Datenmodell hinaus erfordern
* Stark mehrdeutige Prompts ohne klare Kennzahl, Umfang oder Zeitbereich
---
# 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 dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:
```
GET https://docs.buildings.ability.abb/collection/german/suiten/space-and-assets-analytics/copilot-assistant/agentenmodi/datenagent.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.
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.