News

Fast & Fabric

Microsoft Fabric verstehen & smart migrieren

Daten sind das Herzstück moderner Unternehmen. Doch wie verwertest Du sie schnell, sicher und effizient? Mit Fabric stellt Microsoft eine All-in-One-Plattform bereit, die Data Warehousing, Data Engineering, Data Science, Real-Time Analytics und KI-gestützte Entscheidungsprozesse unter einem Dach vereint.

Wenn Du überprüfen möchtest, ob Microsoft Fabric auch für Dein Unternehmen sinnvoll ist:

1. Bewerte den Nutzen für deine Datenstrategie. Dazu kannst Du gerne im kostenlosen Gespräch auf unsere Expert:innen zugreifen.
2. Identifiziere passende Pilotprojekten und begleite den Rollout mit unseren Trainings und Coaching.
3. Starte durch mit handfesten Mehrwerten und barrierefreier Kollaboration

Alle Infos, Downloads und die Möglichkeit zum Erstgespräch findest du hier: Fast to Fabric mit EVACO

Haben wir Dein Interesse geweckt? Hier warten weitere Highlights:

• EVACO datatalk congress 2025 – unsere Plattform für Data & Analytics Insights.
• Hands-on-Workshop in Essen (17.09.2025): „Data In, Insights Out – Modernes Warehousing mit Microsoft Fabric“.

Jetzt mehr erfahren und anmelden!

TEILEN

Qlik®Table Recipe

Neues Feature in Qlik: Dein Turbo für die Datenaufbereitung

Du willst deine Daten schnell, intuitiv und ganz ohne Code aufbereiten? Mit Table Recipe bringt Qlik ein brandneues Feature in die Cloud, das dich im Handumdrehen von rohen Daten zu perfekt strukturierten Ergebnissen führt – direkt im Browser und ohne technische Hürden.

Was ist Table Recipe?

Table Recipe bietet dir eine vertraute, tabellenähnliche Oberfläche, in der du live mit deinen Daten arbeitest und Änderungen sofort siehst. Mehr als 60 visuelle Funktionen zum Bereinigen, Konvertieren, Maskieren, Splitten und Formatieren stehen bereit. Du kannst Spalten umbenennen, neue Werte berechnen, Inhalte ersetzen oder leere Felder füllen – alles ganz ohne Skripting.

Alle deine Schritte werden automatisch als „Rezept“ dokumentiert. So behältst du jederzeit den Überblick, kannst Aktionen wiederholen oder anpassen. Im Hintergrund erstellt Qlik die passenden Skripte – und du entscheidest, ob du dein Rezept einzeln ausführst oder nahtlos in deine Data Flows integrierst.

Anwenderfreundlichkeit im Fokus

Table Recipe richtet sich besonders an dich, wenn du ohne tiefes technisches Wissen eigene Datensätze aufbereiten möchtest. Dank interaktiver Oberfläche und Echtzeit-Feedback kannst du deine Daten so leicht organisieren wie in einer Tabellenkalkulation – nur mit der Power von Qliks Analytics Engine im Hintergrund.

Technische Highlights

• No-Code-Ansatz: Alle Aktionen wählst du bequem per Klick, den Code schreibt Qlik automatisch.
• Visuelle Funktionen: Über 60 Features für Strings, Zahlen und Datumswerte.
• Profiling & Filter: Erkenne Datenanomalien sofort mit Spaltenprofilen und Filteroptionen.
• Automatische Wiederholbarkeit: Aktualisiere deine Quelldatei – dein gespeichertes Rezept läuft erneut ab.
• Nahtlose Integration: Nutze Table Recipe in Kombination mit Data Flows, dem Activity Center oder in Dashboards, Apps und Machine-Learning-Modellen.

Mit Table Recipe bringt Qlik frischen Schwung in die Datenaufbereitung: Einfach, visuell, mächtig und für jeden zugänglich. Damit erhältst du nicht nur schnellere Einblicke, sondern auch die Freiheit, Daten ganz ohne technisches Vorwissen selbst in die Hand zu nehmen.

TEILEN

Von Fantasie zu Fakten: wieviel Kontext braucht KI?

Graph RAG macht KI verlässlich und nachvollziehbar

Die Idee klingt bestechend einfach: Ein Sprachmodell wie ChatGPT wird mit firmeneigenem Wissen angereichert und liefert so Antworten, die genau zur Organisation passen. Mit der Methode Retrieval Augmented Generation (RAG) werden passende Dokumente durchsucht, relevante Textstellen extrahiert und dem Modell zur Verfügung gestellt. Auf diese Weise entstehen digitale Assistenten, die Richtlinien erklären, Handbücher zusammenfassen oder interne FAQs beantworten. Die Vorteile sind klar: weniger Halluzinationen, mehr Aktualität und Antworten mit nachvollziehbaren Quellen.

Wo klassisches RAG an Grenzen stößt

So hilfreich klassisches RAG auch ist: es hat Schwächen, denn Wissen wird in kleinen Textschnipseln verarbeitet. Für einfache Fragen ist das völlig ausreichend, doch sobald Zusammenhänge komplexer werden, sinkt die Ergebnisqualität: Oft fehlen Verknüpfungen, wichtige Informationen werden abgeschnitten oder Zusammenfassungen bleiben lückenhaft.

Graph RAG: Wissen im Zusammenhang

Genau hier setzt Graph RAG an. Anstatt isolierte Textstellen bereitzustellen, wird ein Beziehungsnetz aufgebaut: Produkte, Bauteile, Lieferanten, Standorte oder Verträge – alles wird mitsamt seinen Verbindungen erfasst („gehört zu“, „liefert an“, „gilt für“). Das Sprachmodell erhält also nicht nur Texte, sondern auch strukturierte Zusammenhänge. Das Ergebnis: Antworten, die umfassender sind, Querverbindungen sichtbar machen und Ketten vollständig darstellen.

Ein Beispiel verdeutlicht den Unterschied: Meldet ein Zulieferer Qualitätsprobleme bei einem Bauteil, liefert klassisches RAG oft nur eine Sammlung einzelner Passagen. Graph RAG hingegen zeigt die gesamte Kette: Das Teil gehört zu einer Baugruppe, die wiederum in mehrere Produkte einfließt, die in unterschiedlichen Regionen verkauft werden. Auch die betroffenen Verträge und zuständigen Abteilungen werden direkt sichtbar. Damit entsteht ein vollständiges Bild, das nicht nur Ursachen und Folgen aufzeigt, sondern gleich die relevanten To-dos mitliefert.

Nutzen und Aufwand im Gleichgewicht

Der Mehrwert von Graph RAG liegt auf der Hand: Antworten sind vollständiger, der Lösungsweg bleibt transparent, und Entscheidungen können schneller und fundierter getroffen werden. Gleichzeitig bedeutet Graph RAG aber auch mehr Aufwand. Das Beziehungsnetz muss aufgebaut, gepflegt und regelmäßig aktualisiert werden. Ob sich dieser zusätzliche Aufwand lohnt, hängt stark vom jeweiligen Anwendungsfall ab. In manchen Szenarien reicht klassisches RAG vollkommen aus, in anderen ist Graph RAG die einzige Methode, um komplexe Fragestellungen zuverlässig zu beantworten.

Live und in Farbe auf dem #datatalk congress

Wie also die richtige Wahl treffen? Genau dieser Frage widmen wir uns auf dem #datatalk congress am 16.09.2025. In einer Breakout-Session zeigen wir, worauf es bei der Umsetzung von RAG und Graph RAG ankommt, in welchen Situationen klassisches RAG genügt – und wann Graph RAG klare Vorteile bietet. Praxisbeispiele, Raum für Diskussion und die Möglichkeit, eigene Fragen einzubringen, runden die Session ab.

Seien Sie dabei und erfahren Sie, wie Sie KI in Ihrem Unternehmen noch gezielter einsetzen können!

TEILEN

Qlik®August Update: das ist neu

Neue Funktionen für mehr Effizienz, Sicherheit und KI Konnektivität

Mit den aktuellen Updates erhältst Du neue Funktionen und Verbesserungen in den Bereichen Analytics, Administration und Datenintegration. Von erweiterten Connectoren über optimierte Skriptfunktionen bis hin zu mehr Transparenz in der Überwachung unterstützen Dich die Neuerungen dabei, Deine Daten noch effizienter und sicherer zu nutzen und KI nahtlos einzubinden.

Analytics

• Table Recipe: Für die schnelle Aufbereitung von Einzeltabellen steht nun eine interaktive, tabellenähnliche Oberfläche zur Verfügung. Sie bietet über 60 No-Code-Funktionen für Bereinigung, Standardisierung, Splitting und Formatierung sowie Profilierungs- und Filterfunktionen. Das Tool kann flexibel als eigenständiges Asset oder eingebettet in Datenflüsse genutzt werden.
• Neue GenAI-Connectoren: Qlik bietet nun Connectoren für generative Textmodelle von Amazon Bedrock (Converse API) und Google AI (Gemini) an. Diese Modelle stehen auch in Government-Varianten zur Verfügung. Der OpenAI-Connector unterstützt jetzt zudem die Modelle GPT 5, GPT 5 mini und GPT 5 nano.
• Verbesserte Window-Skriptfunktionen: Window-Funktionen ermöglichen nun Aggregationen mit benutzerdefiniertem Sortierausdruck für gleitende Fenster. Außerdem wurde die Dokumentation präzisiert und ein Fehler beim WRankWert in verschachtelten Ausdrücken behoben.
• DirectAccessGateway v1.7.6: Diese Version bringt zahlreiche Verbesserungen, darunter die Einschränkung des Dateizugriffs auf bestimmte Spaces, das Anwenden von Konfigurationsänderungen ohne Neustart, die Unterstützung von Oracle-Verbindungen über TNS Names, Prozess-Isolation für Dateikonnektoren, REST-Zugriffe auf lokale Endpunkte sowie asynchrone Datenläufe über die Public API.

Admin and Management

• App-Performance-Analyse für große Apps: Die Leistungsbewertungsfunktion unterstützt nun auch sehr große Apps. Evaluierungen laufen über dedizierte Kapazitäten, sodass aktive Nutzer nicht beeinträchtigt werden. Sie können direkt im Activity Center, über Automatisierungen oder per API gestartet werden.
• Neue Sicherheitsrolle für Datenverbindungen: Administratoren können nun tenantweit festlegen, wer Datenverbindungen erstellen, verwalten oder nur lesen darf. Diese Regelung wirkt über Spaces hinaus und stärkt die Governance, da selbst Space-Editoren eine explizite Berechtigung benötigen.

Data Integration

• Erweiterung der Überwachungs-APIs: Die APIs zur Laufzeitüberwachung von DataTasks liefern nun zusätzliche Informationen wie den aktuellen Run-Zustand, Startzeit, Dauer, Anzahl der Datasets (inklusive fehlerhafter Datasets) sowie Gateway-ID und Latenz. Ein weiterer Endpunkt stellt Laufzeitdaten auf Dataset-Ebene bereit.
• Fehlerhandhabung bei Tabellen: In Replikations- und LandingTasks lässt sich nun festlegen, wie oft ein Task bei Auftreten eines Fehlers neu gestartet werden soll. Nach Ablauf der definierten Anzahl greift automatisch die Fehlerrichtlinie. Dies erhöht insbesondere während Wartungsfenstern die Stabilität.
• JSON-zu-JSON-Spaltenmapping: Quell-JSON-Spalten können in kompatiblen Szenarien direkt als JSON auf das Ziel abgebildet werden. Diese Option ist bei neuen Tasks standardmäßig aktiv und kann für bestehende Tasks nach Anpassung der Downstream-Prozesse manuell eingeschaltet werden.
• Datentypen in der Vorschau von SQL-Transformationen: Bei der Vorschau von SQL-Transformationen werden nun die Datentypen der Spalten angezeigt. Dies erleichtert die Überprüfung der Datenstruktur.
• Validierungsregeln mit semantischen Typen: In Validierungsregeln kann nun geprüft werden, ob der Inhalt eines Feldes einem bestimmten semantischen Typ entspricht. Die verfügbaren Typen werden im Bereich Semantic Types des Data-Quality-Bereichs verwaltet.
• Erweiterte Überwachung geplanter CDC-Tasks: Die Überwachung geplanter Change-Data-Capture-Tasks zeigt nun sowohl den Intervallplan als auch die Zeit seit der letzten Ausführung an. Dadurch lassen sich verpasste Ausführungen – etwa durch hohe Änderungsraten, Netzwerkprobleme oder nicht verfügbare Gateways – leichter erkennen.

TEILEN

Gas statt Bremse

Berichtspflicht: Proaktiv handeln trotz gelockerter EU-Vorgaben

Die EU nimmt bei der Nachhaltigkeitsregulierung den Fuß vom Gas und den Beginn der Berichtspflichten nach der Corporate Sustainability Reporting Directive (CSRD) um zwei Jahre verschoben. Dadurch müssen große Unternehmen erst 2028 berichten, börsennotierte KMU sogar erst 2029. Parallel dazu soll der Kreis der Verpflichteten deutlich kleiner werden – die Schwelle für „große Unternehmen“ steigt auf 1 000 Mitarbeitende, gelistete mittelständische Unternehmen fallen ganz heraus. Zudem hat die EU im Juli 2025 eine freiwillige Berichtsnorm (VSME) für kleine und mittlere Unternehmen vorgelegt, die den Austausch von ESG-Daten vereinfachen und den Verwaltungsaufwand reduzieren soll.

Kein Freibrief zum Abwarten
Doch diese „Atempause“ ist kein Freifahrtschein zum Abwarten. Ab Ende 2025 gilt die EU-Entwaldungsverordnung (EUDR): Unternehmen, die Holz, Soja, Kaffee, Kakao, Palmöl, Gummi oder Rindfleisch in der EU vertreiben, müssen nachweisen, dass ihre Produkte nicht von entwaldeten Flächen stammen. Parallel steigt international der Druck: Investoren, Kreditgeber und Kunden verlangen belastbare ESG-Daten – auch die US-Börsenaufsicht und globale Standardsetter treiben neue Vorschriften voran.

EUDR ist ESG im Kleinen
EUDR ist ein Teilbereich von ESG, da ein strukturiertes Nachhaltigkeitreporting diese Punkte bereits abdeckt. Wer ESG ernsthaft betreibt, erfüllt viele EUDR-Anforderungen automatisch und hat seine Hausaufgaben zum großen Teil schon gemacht.

Darum lohnt sich Nachhaltigkeitsreporting weiterhin:

1. Zukunftssicherheit: Die Erfüllung von ESG‑Standards wird langfristig unumgänglich sein. Frühzeitige Berichterstattung erleichtert die Anpassung an künftige Vorschriften – ob CSRD, VSME oder EUDR.
2. Vertrauen bei Investoren und Kunden: Transparenz über ökologische und soziale Auswirkungen steigert die Glaubwürdigkeit und verbessert den Zugang zu Kapital. Viele Finanzinstitute basieren ihre Finanzierung mittlerweile auf ESG‑Kriterien.
3. Risikomanagement: Nachhaltigkeitsberichterstattung deckt Umwelt‑, Lieferketten‑ und Reputationsrisiken auf. Unternehmen können Probleme frühzeitig erkennen und beheben, statt später mit Bußgeldern oder Lieferausfällen konfrontiert zu werden.
4. Wettbewerbsvorteil: Nachhaltige Produkte und Dienstleistungen sind für Kund:innen zunehmend ein Kaufargument. Wer ESG‑Daten bereitstellt, gewinnt Marktanteile und stärkt die Marke.
5. Effizienz und Kostenersparnis: Transparenz fördert effiziente Prozesse und Ressourceneinsparungen. Energie‑ und Materialverbrauch lässt sich gezielt senken.

Trotz Verzögerungen und vereinfachter Vorgaben bleibt Nachhaltigkeitsreporting ein zentrales Zukunftsthema. Unternehmen, die jetzt handeln, sichern sich einen Vorsprung – ökologisch, finanziell und image-technisch. Wer Nachhaltigkeitsreporting nicht als Pflicht, sondern als strategisches Werkzeug begreift, sichert die Zukunftsfähigkeit seines Geschäfts und unserer Umwelt.

TEILEN

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.

TEILEN

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.

TEILEN

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.

TEILEN