Von der Idee zur fertigen Lösung: Unser Vorgehen im Detail

Unsere Antwort auf diese Herausforderung war die Entwicklung eines intelligenten Systems, das auf modernen KI-Technologien basiert. Die Lösung verbindet die Leistungsfähigkeit des LangChain SQL-Agenten mit spezialisierten Anthropic Large Language Models. Mitarbeitende können nun beispielsweise Anfragen wie „Welche VPCs gehören dem Team Payments und weisen erhöhte monatliche Kosten auf?“, „Zeige mir alle Ressourcen ohne definierten Owner“ oder „Welche Ressourcen befinden sich im kritischen Sicherheitsstatus?“ in natürlicher Sprache stellen. Claude 3 Haiku übernimmt die schnelle und effiziente Intent Detection und prüft, ob eine datenbankrelevante Anfrage vorliegt. Für die hochpräzise SQL-Generierung sowie die verständliche Rückübersetzung in natürliche Sprache wurde Claude 4.5 Sonnet eingesetzt.

Das Modell überzeugte insbesondere durch seine hohe Präzision bei komplexen SQL-Statements, starkes kontextuelles Verständnis über mehrere Datenquellen hinweg sowie eine sehr zuverlässige logische Strukturierung von Query-Abhängigkeiten. Zusätzlich wurde eine Multi-Datenbank-Funktionalität umgesetzt, die eine nahtlose Aggregation mehrerer Datenquellen in einer einheitlichen Oberfläche ermöglicht. Claude 4.5 Sonnet spielte hierbei eine zentrale Rolle bei der robusten Verarbeitung komplexer Ressourcenstrukturen.

Ergänzend wurde eine AI-Explainability-Komponente implementiert, die sowohl die generierten Ergebnisse als auch die zugrunde liegende Datenbankabfrage transparent und verständlich erläutert. Dadurch können Nutzende nicht nur das Resultat nachvollziehen, sondern auch verstehen, welche SQL-Logik und welche Datenquellen zur Ergebnisermittlung herangezogen wurden. Dies schafft zusätzliches Vertrauen, erhöht die Transparenz und unterstützt Governance- sowie Audit-Anforderungen.