Back to top

Qlik®Juli Update: das ist neu

Neue Funktionen für mehr Effizienz, Flexibilität und KI-Power

Mit dem aktuellen Qlik-Cloud-Update erwarten Dich zahlreiche Verbesserungen in den Bereichen Analytics, Data Integration, KI und Automatisierung. Von der Wiederverwendbarkeit editierbarer Skripte über erweiterte Berechtigungsoptionen bis hin zu innovativen Knowledge-Marts für RAG-Anwendungen – diese Version bringt mehr Möglichkeiten, Effizienz und Integration in Deine Daten- und Analytics-Workflows.

Analytics

  • Editierbare Skripte einbinden & wiederverwenden
    Lade-Skripte können nun modular aufgebaut werden: Skripte im Katalog oder Aktivitätszentrum erstellen, im Editor bearbeiten und in mehreren Apps nutzen – mit Vorschau. Bestehende QVS-Dateien lassen sich in editierbare Skripte umwandeln. Ideal für wiederverwendbare Logik wie Subroutinen, Variablen oder Kalender.

  • Gezieltere Notes-Berechtigungen
    Admins können den Zugriff auf die Notes-Funktion individuell steuern.

  • Mehr Berichte pro Task
    Limit von 100 auf 500 eindeutige Berichte pro Ausführung erhöht.

  • Mehr Benutzergruppen
    Limit von 1.000 auf 20.000 Gruppen pro Mandant gesteigert.

Connectors

  • Updates für Analytics-Connectoren
    Qlik Predict Analytics Connector unterstützt jetzt den Alias-Parameter.
    Aktualisierte Modelllisten für GenAI-Connectoren: OpenAI, Anthropic (Amazon Bedrock), Cohere (Amazon Bedrock), Meta (Amazon Bedrock).

  • Direct Access Gateway direkt einstellen
    Konfiguration jetzt im Administration Activity Center möglich (ab Version 1.7.2).

Automation & KI

  • Neue Funktionen für Qlik Predict Connector in Qlik Automate
    Vorhersagen generieren, Schlüsselfaktoren analysieren und ML-Workflows automatisieren – inkl. Experimente & Modellbereitstellung.

  • ML-Trainingsberichte erstellen
    Trainingsprotokolle als PDF exportieren – hilfreich für Reviews und Audits.

Data Integration

  • Databricks-Datasets direkt in Databricks öffnen
    Erste Nicht-Qlik-Integration von Datasets – weitere geplant.

  • Einführung von Knowledge Marts
    Automatisiertes Erstellen, Vektorisieren und Laden von Daten in Vektorspeicher – ideal für semantische Suche und RAG-KI-Anwendungen.

    • Knowledge Mart Task: Strukturdaten in Dokumente umwandeln und in Vektorspeicher publizieren.

    • File-based Knowledge Mart: Unstrukturierte Dokumente aus File Shares, FTP, OneDrive oder SharePoint verarbeiten.

    • Test Assistant: Semantische Suche in natürlicher Sprache im Vektorspeicher testen.

  • Unterstützte Ziele: Snowflake Cortex, ElasticSearch, OpenSearch, PineCone Vector Search.

  • LLM-Integration: Snowflake Cortex, Amazon Bedrock, Azure OpenAI, OpenAI.

  • Datenprodukte behalten Modell in Qlik Cloud Analytics
    Übernahme des in Qlik Talend Cloud erstellten Modells direkt in die Qlik-App – ohne erneute Modellierung.

ChatGPT 5 ist da

Jetzt aber PROMPT…

Das Release von ChatGPT 5 hat große Wellen geschlagen. Noch wird diskutiert, ob das neue Modell dem Hype gerecht wird oder ob sich eine gewisse Stagnation zeigt. Fest steht: ChatGPT 5 brilliert in vielen Benchmarks, ohne einseitig zu fokussieren. Statt das „schlauste“ Spezialmodell zu liefern, hat sich OpenAI erkennbar dafür entschieden, der breiten Nutzerschaft ein spürbares Upgrade zu geben.

Mit ChatGPT 5, Thinking und Pro werden ältere Varianten wie 4o, 4.1, 4.5 und o3 abgelöst.
Der Clou: Statt durch mehrere Modelle navigieren zu müssen, wählt ChatGPT 5 selbstständig die passende Variante für den jeweiligen Prompt. Für weniger erfahrene Nutzer:innen heißt das: einfacher Zugang zu mehr Funktionen.
Die Kehrseite: Prompting wird noch sensibler. Wer wirklich das Maximum herausholen will, muss präziser formulieren und die neuen Möglichkeiten verstehen.

Unser Angebot: 1-Tages-Remote-Training

Um dieses Potenzial zu heben, bieten wir ein kompaktes Training an, in dem wir alle Facetten von ChatGPT zeigen:

  • Optimales Prompting: von Struktur und Rollen bis hin zu wiederverwendbaren Prompt-Vorlagen
  • Deep Dive in Tools: u. a. Deep Research und Bildgenerierung
  • LLMs verstehen: Funktionsweise, Grenzen und Risiken
  • Praxispaket: ein Bundle mit Prompts und Best-Practice-Beispielen für den Berufsalltag

Wann? Jeden Dienstag bis zu unserem DataTalk am 16. und 17. September – komplett remote. Mehr erfahren und buchen.

Beim #datatalk congress am 16. & 17. September zeigen wir in einem Praxisvortrag konkrete Use Cases, Technologie-Insights und Lessons Learned aus realen KI-Projekten.

#datatalk congress 2025 – Daten. Austausch. Inspiration.

RAG revolutioniert ESG- und Umweltberichte

KI-basierte Textgenerierung auf Basis verlässlicher Daten

Die Anforderungen an Nachhaltigkeitsberichte steigen – nicht nur durch die CSRD und ESRS, sondern auch durch zahlreiche gesetzliche Berichtspflichten wie z.B. die EU-Verordnung zur Entwaldungsfreiheit (EUDR), das ElektroG / EAR oder das Kreislaufwirtschaftsgesetz (KrWG). In der Konsequenz stehen Unternehmen zunehmend unter Druck, komplexe Daten aus unterschiedlichen Quellen konsistent, prüfbar und regelkonform aufzubereiten.

Genau hier kommt Künstliche Intelligenz ins Spiel – genauer gesagt: Retrieval-Augmented Generation (RAG).

RAG ist ein innovativer Ansatz der generativen KI, der zwei Technologien kombiniert:

  1. Retrieval (Abruf): Die KI durchsucht gezielt relevante Dokumente – von Richtlinien über ESG-Kennzahlen bis hin zu regulatorischen Vorgaben.
  2. Augmented Generation (verstärkte Textgenerierung): Auf Basis der gefundenen Inhalte generiert sie kontextbezogene, faktenbasierte Textbausteine – z. B. für ESG-Berichte, Lieferkettennachweise oder Umwelterklärungen.

Im Gegensatz zu klassischen Sprachmodellen „halluziniert“ RAG keine Inhalte, sondern nutzt ausschließlich unternehmensinterne oder offiziell vorgegebene Quellen. Das Ergebnis: nachvollziehbare, korrekte und KI-gestützte Texte.

Ein KI-System für viele Berichtspflichten

Ob ESG, Kreislaufwirtschaft oder Lieferkettenreporting – RAG kann vielfältig eingesetzt werden:

  • CSRD-/ESRS-konforme Nachhaltigkeitsberichte
  • Lieferkettengesetz-Reportings
  • EUDR-Meldungen zu entwaldungsfreien Lieferketten
  • EAR-Berichte im Rahmen des ElektroG
  • Umwelterklärungen nach dem KrWG
  • Produktverantwortungsnachweise
  • Corporate Carbon Footprints / Scope-Emissionen

Durch den dokumentengestützten Ansatz lassen sich unternehmensspezifische Inhalte mit regulatorischen Anforderungen präzise verknüpfen – auch über Landesgrenzen und Sprachräume hinweg.

So funktioniert KI-gestützte Berichtserstellung mit RAG

Die Grundlage bildet ein zentraler ESG-Daten- und Dokumentenpool: Richtlinien, Energie- und HR-Berichte, Lieferantenerklärungen, Nachhaltigkeitsziele, regulatorische Anforderungen. Diese Inhalte werden KI-lesbar gemacht – etwa über Vektordatenbanken oder graphbasierte Strukturen wie GraphRAG.

Dann kommt die eigentliche Stärke von RAG zum Tragen:

Mit gezielten Prompts wie
„Fasse alle Maßnahmen zur Reduktion von Scope-3-Emissionen zusammen“
oder
„Welche Berichtspflichten betreffen unsere Produkte gemäß EAR und KrWG?“
liefert die KI vollständige, konsistente Textvorschläge – optional mit Quellverweisen und in verschiedenen Sprachen.

Die Vorteile im Überblick

  • KI-basiert und faktengetrieben: Inhalte stammen aus realen Daten, keine Halluzinationen
  • Transparent & nachvollziehbar: Quellenangaben möglich
  • Effizient & skalierbar: Ideal für Unternehmensgruppen oder internationale Reportings
  • Rechtskonform: Inhalte lassen sich entlang gesetzlicher Vorgaben strukturieren
  • Mehrsprachig: Automatische Textgenerierung in DE, EN und weiteren Sprachen

Integration in bestehende ESG-Tools

RAG kann nahtlos an bestehende Plattformen wie Power Platform, Qlik, Nachhaltigkeitsdatenbanken oder Lieferantenportale angebunden werden. So fließen strukturierte ESG-Kennzahlen, gesetzliche Vorgaben und Richtliniendokumente direkt in die KI-gestützte Berichtserstellung ein – automatisiert und prüfbar.

Neugierig geworden?

Dann komm doch in unsere Agentensprechstunde oder erlebe live, wie KI – und speziell RAG – die ESG- und Nachhaltigkeitsberichterstattung auf ein neues Level hebt: Beim #datatalk congress am 16. & 17. September zeigen wir in einem Praxisvortrag konkrete Use Cases, Technologie-Insights und Lessons Learned aus realen KI-Projekten.

#datatalk congress 2025 – Daten. Austausch. Inspiration.