Nowl · Semantische KI-Schicht
Fragen Sie Ihre Unternehmens
Nowl macht Ihre bestehenden Systeme fachlich abfragbar: Ihre Leute fragen in eigenen Begriffen, jede Antwort trägt ihre Herleitung mit, und der Zugriff ist ausschließlich lesend. Self-hosted bis auf das Sprachmodell.
| Kunde | Q3 zum Vorjahr | Q4 zum Vorjahr |
|---|---|---|
| Kunde A | − 18 % | − 24 % |
| Kunde B | − 9 % | − 31 % |
| Kunde C | − 12 % | − 15 % |
Eine Umsatzliste pro Kunde zeigt Stände, keine Bewegung. Wer sie von Hand vergleicht, rechnet meist gegen das Vorquartal statt gegen das Vorjahresquartal – und zählt damit die Saison als Rückgang.
Ihre Daten sprechen.Nowl versteht sie.
Antworten mit Herleitung.
Was Nowl für Sie tut
Vier Dinge. Alles andere ist Umsetzung.
Ihre Leute fragen in ihren Worten
„Neukunde“, „offene Rechnung“, „storniert“: Gefragt wird in den Begriffen des Fachbereichs, nicht in Spaltennamen. Niemand muss wissen, wo das Bestelldatum steht.
Die Antwort trägt ihre Herkunft mit
Zu jeder Zahl gehören die aufgelösten Begriffe, das vollständige angewandte Regelset und die ausgeführte Abfrage im Wortlaut. Wer sie anzweifelt, kann die Regel benennen, die er für falsch hält.
Ihre Systeme bleiben, wie sie sind
Kein Schema-Umbau, keine Migration, keine zweite Datenhaltung – der Zugriff ist ausschließlich lesend. Nowl läuft self-hosted in Ihrer Infrastruktur, bis auf das Sprachmodell.
Aus einer Frage wird ein Auftrag
Angebunden an eine KI-Anwendung wie Claude Desktop bleibt es nicht bei Einzelfragen: Ein Auftrag wird in Teilfragen zerlegt, jede einzeln geprüft und beantwortet, Fachbereiche werden verbunden. Am Ende steht ein Befund, keine Zahl.
So läuft ein Gespräch
Von der Frage bis zur belegten Antwort.
Drei Gespräche hintereinander: eine Frage in normaler Sprache, die aufgelösten Fachbegriffe, der geprüfte Abfrageplan, die daraus erzeugte Leseabfrage – und eine Antwort, die ihre Herkunft mitführt. Das zweite Gespräch zeigt den Gruppenschutz, das dritte endet mit „Keine Treffer.“ samt Beleg. Das ist die Antwort, an der sich der Unterschied zeigt.
Nachgestellt aus einem laufenden Test gegen ein echtes Kundensystem · Fragen, Antworten und Hinweise im Wortlaut · Kundendaten anonymisiert
Antworten mit Herleitung.
Welche Kunden aus Hamburg haben mindestens zwei Aufträge erteilt?
- Subjekt
- Kunde
- Bedingung
- Stadt = Hamburg
- Kennzahl
- Anzahl Aufträge ≥ 2
Für Hamburg wurden Kunden berücksichtigt, bei denen die Anzahl der Aufträge mindestens 2 beträgt. Die höchsten Werte haben Kunde Nr. 13143 und Kunde Nr. 13156, jeweils mit 17 Aufträgen.
Pfad: Kunde → Personen → Aufträge · Bedingung: orderStatus = erteilt · aktuellster Stand je Auftrag
Hinweis: „Hamburg“ bezeichnet hier keine einzelne Sache — im Ergebnis stehen 10 verschiedene Kunden. Ein eindeutiges Merkmal macht daraus eine Auskunft über eine Sache.
SELECT t0.customer_number,
COUNT(DISTINCT t2.order_id) AS auftraege
FROM customer t0
LEFT JOIN customer_person t1
ON t1.customer_id = t0.id
LEFT JOIN customer_order t2
ON t2.person_id = t1.id
AND t2.status = ?
WHERE t0.city = ?
GROUP BY t0.customer_number
HAVING COUNT(DISTINCT t2.order_id) >= ?Wie verteilen sich Kunden mit hinterlegtem Pflegebedarf auf die Städte?
Nur Städte mit mindestens 5 betroffenen Kunden werden ausgegeben.
Gruppenschutz aktiv — Mindestgröße 5Welche 2025 neu angelegten Kunden aus Hamburg haben mindestens zwei Aufträge erteilt?
Keine Treffer.
Geprüfter Pfad: Kunde (angelegt 2025) → Personen → Aufträge ≥ 2 · Bedingungen vollständig geprüft, keine passenden Datensätze gefunden.
Was, wenn Ihre Unternehmensdaten einfach antworten könnten?
Man fragt einfach — in normaler Sprache. Kein SQL, kein Datenbankschema nötig.
Die Frage wird im Fachvokabular Ihres Unternehmens verankert — nicht im Datenbankschema.
Kein frei geratenes SQL — ein geprüfter Plan aus Konzepten und Regeln, die es im Unternehmen bereits gibt.
Erst wenn der Plan gültig ist, entsteht daraus echtes, kontrolliertes SQL — lesend, deterministisch.
Jede Antwort trägt ihre eigene Herleitung — nachvollziehbar statt Blackbox.
Das System weist von sich aus auf Mehrdeutigkeiten hin — statt sie stillschweigend zu übergehen.
Bei besonders schützenswerten Kategorien schützt das System automatisch kleine Gruppen vor Rückschlüssen auf Einzelpersonen — ohne dass man danach fragen muss.
Statt zu raten, sagt das System lieber ‚dazu gibt es keine Treffer‘ — mit Beleg, statt einer plausibel aussehenden falschen Zahl.
So sieht das aus
Drei Fragen, für die niemand einen Report baut.
Nicht weil sie unwichtig sind, sondern weil sie einmal vorkommen. Unter jeder Karte steht, was schiefgeht, wenn man sie von Hand zählt – das ist der eigentliche Grund, warum es diese Antworten heute nicht gibt.
| Kunde | Rechnungen | Offener Betrag |
|---|---|---|
| Kunde A | 4 | 86.400 € |
| Kunde B | 2 | 31.250 € |
| Kunde C | 7 | 12.900 € |
„Offen“ ist eine Bedingungskette: gestellt, nicht storniert, nicht vollständig bezahlt. Teilzahlungen sind dabei der häufigste Zählfehler – sie verringern den Betrag, nicht die Anzahl. Wer nur nach dem Status filtert, bekommt beides falsch.
| Produkt | Fälle | zum Vorquartal |
|---|---|---|
| Baugruppe 4711 | 23 | + 15 |
| Baugruppe 2210 | 9 | + 1 |
| Zubehörsatz M | 7 | − 3 |
Einzelvorgänge sind im System einsehbar, Häufungen nicht. Von Hand fällt eine Häufung erst auf, wenn jemand auszählt – und den Grund zum Auszählen hat man ohne die Auszählung nicht.
| Sicht | Umsatz | zum Vorjahr |
|---|---|---|
| Vollständig | 18,4 Mio. € | + 7 % |
| Ohne die drei größten | 14,1 Mio. € | − 2 % |
Diese Frage entsteht beim Lesen des Berichts – und ist im Berichtswesen eine neue Anforderung mit eigenem Vorlauf. Bis die Antwort kommt, ist die Entscheidung gefallen.
Eine Ebene darüber
Manche Fragen sind keine Fragen. Sie sind Aufträge.
„Finden Sie heraus, woran das liegt“ ist kein Bericht, den jemand vergessen hat zu bauen. Angebunden an eine KI-Anwendung wird daraus eine Untersuchung: Der Auftrag wird in Teilfragen zerlegt, jede einzeln gegen Ihr Fachmodell geprüft und beantwortet, und die Ergebnisse werden verbunden.
Das Fachwissen dafür kommt nicht aus dem Modell, sondern aus Ihrem Haus – beschrieben in der semantischen Schicht. Das Modell bringt das Vorgehen mit. Die Arbeitsweise setzt voraus, dass es Zwischenergebnisse bewerten darf, und gehört damit zum Modus mit angebundener KI-Anwendung.
Wir verlieren Bestandskunden, und niemand kann sagen, warum. Prüfen Sie, ob es ein Muster gibt.
Die Frage wird jedes Jahr gestellt und jedes Jahr mit einer Vermutung beantwortet, weil sie vier Fachbereiche verbindet.
Welche Bestandskunden haben ihre Bestellfrequenz halbiert oder ganz eingestellt?
Vertrieb Wer überhaupt gemeint ist. „Abgewandert“ ist keine Spalte, sondern eine Festlegung – und ohne sie zählt jede Auswertung eine andere Menge.
Hatten diese Kunden vor dem Abbruch Reklamationen, und wie lange blieben sie offen?
Service Ob dem Abbruch regelmäßig ein ungelöster Vorgang vorausgeht.
Wie waren die Lieferzeiten dieser Kunden im Jahr vor dem Abbruch, verglichen mit allen anderen?
Logistik Ob sie tatsächlich schlechter bedient wurden oder ob das nur so erzählt wird.
Fiel bei ihnen eine Preisanpassung oder das Ende einer Konditionsvereinbarung in denselben Zeitraum?
Finanzen Ob der Abbruch mit einer eigenen Entscheidung zusammenfällt.
Verteilen sich die Fälle auf Gebiete, Betreuer, Produktgruppen – oder auf keines davon?
Verknüpfung Ob das Muster in der Betreuung, im Produkt oder im Ablauf liegt.
Ein Muster, aber nicht das erwartete: Die Abbrüche verteilen sich nicht auf ein Gebiet und nicht auf einen Betreuer, sondern auf die Kunden mit mehr als einer Reklamation, deren Vorgang ungewöhnlich lange offen stand. Lieferzeiten und Preisanpassung treffen beide Gruppen gleich und erklären nichts.
Fünf einzelne Reports beantworten diese Frage nicht, weil die Antwort in der Überschneidung liegt und nicht in einer der fünf Listen. Solange Vertrieb, Service, Logistik und Finanzen getrennt auswerten, sieht die Überschneidung niemand.
Nach Fachbereich
Wenn Sie wissen, aus welchem Bereich Ihre Fragen kommen.
- Bestandsentwicklung, Abwanderung, Potenzial
Vertrieb & Kundenmanagement
Abwanderung, Erstkunden und Cross-Selling: drei Beispielfragen aus dem Vertrieb, jeweils mit dem Zählfehler, der dabei entsteht.
- Forderungen, Stichtage, Abweichungen
Finanzen & Controlling
Forderungsbestand, Altersklassen und Storni: drei Beispielfragen aus dem Controlling, mit der Regel neben der Zahl.
- Durchlauf, Häufungen, Nacharbeit
Service & Auftragsabwicklung
Häufungen, Durchlaufzeit und Nacharbeit: drei Beispielfragen aus dem Service, mit dem Statusfehler dahinter.
- Nachfragen, die nicht warten können
Geschäftsführung
Großaufträge, Neukundenabhängigkeit und Regionalverteilung: drei Beispielfragen der Geschäftsführung, im Gespräch beantwortet.
Nowl im Detail
Diese Seite gibt den Überblick. Jede Einzelfrage hat ihre eigene Seite.
- Nowl
Beispiele
Zwölf branchentypische Fachfragen mit Antwortformat – und dem Zählfehler, der von Hand entsteht.
- Nowl
Analysen
Ein Auftrag statt einer Frage: zerlegt in Teilfragen über mehrere Fachbereiche, mit dem Befund am Ende.
- Nowl
Nutzen
Vorher und nachher: wer die Auswertung anstößt, woher die Zahl kommt und was beim Ausstieg bleibt.
- Nowl
Anwendungsfälle
Die vier Fachbereiche im Überblick – und was alle ihre Fragen gemeinsam haben.
- Nowl
Abgrenzung
Wann Nowl das richtige Werkzeug ist – und wann BI, Text-to-SQL, RAG oder ein DWH.
- Nowl
Betrieb & Zugriff
Die acht Fragen, die Ihre IT-Sicherheit ohnehin stellt – Datenzugriff, Rechte, ausgehende Daten, Protokollierung.
- Nowl
Privacy Layer
Was aus einem Abfrageergebnis entfernt wird, bevor es ein externes Modell sieht – und was der Filter nicht leistet.
- Nowl
Datenbankzugriff
Warum das Sprachmodell keine Zugangsdaten erhält und die Grenze in der Architektur liegt.
- Nowl
Self-hosted
Welche Komponente wo läuft – und welcher Teil heute noch extern ist.
- Nowl
Pilot
Ablauf, Voraussetzungen und Ergebnis eines Pilotprojekts – was Sie beistellen und was Sie zurückbekommen.
- Nowl
Funktionen
Was im Produkt enthalten ist, in einer Liste zum Abgleich mit Ihrer Anforderung.
- Nowl
Technik
Betriebsform, Voraussetzungen im Haus und die beiden Zugänge – die Angaben für Ihre IT.
Anbieter
Nowl ist aus der Architekturarbeit an gewachsenen Systemen entstanden.
Hinter Nowl steht Gerling Solutions: über 15 Jahre Enterprise-Softwareentwicklung mit Schwerpunkt IT-Architektur und gewachsene Systeme. Das Produkt ist nicht aus einer Produktidee entstanden, sondern aus der wiederkehrenden Beobachtung, dass das entscheidende Fachwissen eines Unternehmens im Sourcecode steckt und nirgends beschrieben ist.
Unabhängig von Nowl übernimmt Gerling Solutions Verantwortung für IT-Architektur, Systemklärung, Modernisierung und Umsetzung – häufig genau die Grundlage, auf der KI in einem Unternehmen überhaupt zuverlässig arbeiten kann.
Aktuell werden wenige Unternehmen als Pilotkunden aufgenommen. Lassen Sie uns prüfen, ob Ihr System dafür passt.