Cube

Was ist Cube?

Cube ist eine agentische Analytics-Plattform, die auf einer semantischen Schicht basiert und Business Intelligence für Menschen sowie KI-Agenten bereitstellt. Sie ermöglicht Teams und Kunden den Zugriff auf reglementierte Daten über MCP und APIs, wobei ein einheitliches semantisches Modell für konsistente Antworten sorgt. Der Zugang erfolgt über das Web oder API-Schnittstellen zur Integration in eigene Produkte.

Was sind die Merkmale von Cube?

• Semantische Modellierung

  Zentrale Definition von Geschäftslogik und Berechtigungen, um Konsistenz über alle Schnittstellen hinweg zu gewährleisten.
• Analytics Chat

  Beantwortet Fragen in natürlicher Sprache durch Abfragen gegen das semantische Modell, mit identischen Ergebnissen unabhängig vom Nutzer.
• Workbooks

  Kombiniert SQL, einen visuellen Editor und einen Workbook Agent zur iterativen Erstellung von Abfragen innerhalb des governed Modells.
• Dashboards

  Ermöglicht den Aufbau visueller Berichte über den Dashboard Agent, unterstützt durch Pre-Aggregations für schnelle Ladezeiten.
• Embedded Analytics

  Bietet iframes, Creator Mode und Core Data APIs zur Integration von Analytics-Oberflächen in eigene Produkte unter Wahrung der Mandantentrennung.
• MCP Server

  Verbindet Cube mit externen Tools wie Claude, ChatGPT oder Cursor, damit KI-Agenten auf strukturierte Daten zugreifen können.

Was sind die Anwendungsfälle von Cube?

• KI-gestützte Entscheidungsfindung

  Autonome Agenten führen Routinen aus oder reagieren auf Trigger, indem sie reglementierte Daten via API abrufen, ohne menschliche Intervention.
• Kundenintegration

  Softwareanbieter binden maßgeschneiderte Analytics-Dashboards direkt in ihre Plattform ein, wobei die Governance-Regeln des Anbieters automatisch auf Endkunden angewendet werden.
• Interne Analysebeschleunigung

  Analysten nutzen Workbooks und Dashboards, um Metriken einmalig zu definieren und diese konsistent in Berichten und automatisierten Reviews zu verwenden.

Wie benutzt man Cube?

1. Modellierung

   Definieren Sie Geschäftslogik und Berechtigungen im semantischen Modell als Grundlage für alle Abfragen.
2. Abfrageerstellung

   Nutzen Sie Analytics Chat für natürliche Sprachanfragen oder Workbooks für SQL-basierte Exploration.
3. Visualisierung

   Erstellen Sie Dashboards über den Dashboard Agent oder exportieren Sie Ergebnisse als strukturierte Daten.
4. Integration

   Binden Sie die Oberfläche via Embedded iframes oder API-Schnittstellen in Ihre Anwendung ein.
5. Agenten-Anbindung

   Konfigurieren Sie externe KI-Agenten über den MCP Server, um automatisierte Datenabfragen zu ermöglichen.