Weniger Routinearbeit, mehr Zeit für fachliche Entscheidungen: Mit DQC über MCP übernimmt Ihr KI-Agent das Analysieren von Daten, Erstellen von Regeln, Ausführen von Prüfungen und Vorbereiten von Verbesserungen. Das schafft Freiraum für Sie als Data Steward.
Die nächste Datenquelle ist angebunden.
Das nächste SAP-Modul steht zur Migration an.
Auf Ihrer Liste als Data Steward landen neue Tabellen, neue Regeln und neue Auffälligkeiten.
Jede davon braucht Aufmerksamkeit: Daten verstehen, eine passende Prüfung formulieren, Ergebnisse auswerten und den nächsten Schritt festlegen.
Mit dem neuen MCP-Zugang zu DQC kann Ihr eigener KI-Agent viele dieser Arbeitsschritte auf der Plattform übernehmen. Sie beschreiben die Aufgabe. Der Agent nutzt die DQC-Funktionen, um sie auszuführen, und bringt die Ergebnisse zur Prüfung zurück.
SAP-Materialstamm: Können wir nach dem Go-live liefern?
Stellen Sie sich einen Hersteller vor, der im Zuge einer S/4HANA-Migration Teile seines Sortiments auf das Auslieferungswerk 2000 umstellt. Als Data Steward müssen Sie vor dem Go-live klären, ob die vorgesehenen Materialien in der Vertriebsorganisation 1000 und im Vertriebsweg 10 aus diesem Werk verkauft und ausgeliefert werden können.
Dafür müssen allgemeine Materialdaten, Werksdaten, Vertriebsdaten und Mengeneinheiten zusammenpassen. Im Beispiel stehen in DQC eine vorbereitete Prüfsicht über MARA, MARC, MVKE und MARM sowie die geplanten Material-/Werk-/Vertriebszuordnungen und die freigegebenen Statusregeln aus Ihrem SAP-Customizing bereit.
Ihr Auftrag an den Agenten könnte so aussehen:
Prüf die für den Go-live vorgesehenen Materialien für Vertriebsorganisation 1000, Vertriebsweg 10 und Auslieferungswerk 2000. Find fehlende Werks- oder Vertriebssichten, abweichende Auslieferungswerke, zum Stichtag wirksame Statussperren und Löschvormerkungen sowie fehlende oder ungültige Umrechnungen zwischen Verkaufs- und Basismengeneinheit. Berücksichtige unsere Zielzuordnungen und Statusregeln.
Mit den entsprechenden Berechtigungen kann der Agent daraus mehrere zusammenhängende Prüfungen vorbereiten:
Fehlende Erweiterungen erkennen. Die Zielzuordnungen mit den vorhandenen Werks- und Vertriebssichten abgleichen. So werden auch Materialien sichtbar, für die ein benötigter Datensatz vollständig fehlt.
Sperren im Kontext bewerten. Status- und Löschkennzeichen auf den relevanten Organisationsebenen berücksichtigen. Ob ein Status den vorgesehenen Prozess blockiert, ergibt sich aus Ihren Statusregeln und dem Gültigkeitsdatum. SAP berücksichtigt dabei mehrere Statusebenen gemeinsam.
Mengeneinheiten fachlich prüfen. Bei abweichender Verkaufseinheit die benötigte Umrechnung prüfen. Eine leere Verkaufseinheit ist für sich genommen kein Fehler: Dann verwendet SAP die Basismengeneinheit.
Prüfbare Regeln und Befunde liefern. Die Logik als Regeln in DQC anlegen, bei Bedarf mit Custom SQL, und auf einer Stichprobe testen. Zu den Treffern gehören die betroffenen Kombinationen und die verletzte Bedingung.
Ein möglicher Befund: Ein Material besitzt die vorgesehene Vertriebssicht und verweist auf Werk 2000, wurde aber nicht auf dieses Werk erweitert. Eine Prüfung auf ausgefüllte Felder in MARA würde diese Lücke übersehen.
Sie klären mit Vertrieb und Logistik, ob die Werkserweiterung fehlt oder die Zielzuordnung korrigiert werden muss. Nach Ihrer Prüfung kann der Agent die ausgewählten Regeln aktivieren und im vollständigen festgelegten Datenumfang ausführen. Aus dem einmaligen Migrationscheck wird eine wiederverwendbare Überwachung. Der Agent übernimmt die aufwendigen Abgleiche und die Regelvorbereitung; Sie entscheiden über die fachlich richtige Lösung.
Ihr Agent bekommt Zugang zu DQC
MCP, das Model Context Protocol, ist ein offener Standard, über den KI-Anwendungen externe Werkzeuge aufrufen können. DQC stellt darüber Funktionen für die Datenqualitätsarbeit bereit. Sie nutzen diese aus einem kompatiblen KI-Client oder Ihrem eigenen Agent-Workflow heraus und formulieren die Aufgaben in natürlicher Sprache.
Der Zugriff reicht vom ersten Profiling bis zur Datenverbesserung:
Regeln erstellen und anpassen: einschließlich Custom-SQL- und Python-Regeln, mit Filtern für den relevanten Datenumfang.
Prüfungen ausführen: Regelwerke starten, den Status verfolgen und Ergebnisse auslesen.
Probleme untersuchen: fehlgeschlagene Regeln, Trefferzahlen nach Qualitätsdimension und verfügbare Problemzeilen analysieren.
Daten profilieren: Spaltenstatistiken und Korrelationen abrufen oder neu berechnen lassen.
Verbesserungen vorbereiten und ausführen: Improvement-Workflows konfigurieren, Vorschauen prüfen und Ergebnisse abrufen.
Spürbare Entlastung für Data Stewards
Damit können Sie DQC in die Agent-Workflows einbinden, die Sie bereits für Ihre Arbeit nutzen. Der Agent übernimmt das wiederholte Konfigurieren von Prüfungen, Abfragen von Status und Zusammentragen von Ergebnissen. Das entlastet Data Stewards massiv: Weniger manuelle Zwischenschritte und weniger Wechsel zwischen Ansichten schaffen Zeit für Ursachenanalyse, Abstimmung mit den Fachbereichen und die Lösung der wichtigsten Datenprobleme.
Sie können zusätzliche Tabellen und neue Fragestellungen angehen, während Ihr Agent die delegierten Abläufe ausführt. Ihre Expertise kommt dort zum Einsatz, wo sie den größten Unterschied macht: bei fachlichen Zusammenhängen, Prioritäten und Entscheidungen.
Sicherer MCP-Zugriff: PII-Schutz vor der Übergabe an das LLM
Der MCP-Anschluss folgt den Sicherheitsprinzipien der DQC-Plattform: authentifizierter Zugriff über eine verschlüsselte Verbindung und Prüfung der jeweiligen Berechtigungen. Lese- und Schreibzugriffe sind getrennt autorisiert. Der Agent erhält nur Zugriff auf die für das verwendete Benutzerkonto freigegebenen Daten und Aktionen.
Auch beim MCP-Zugriff greift der gemeinsame PII-Schutz der Plattform. Erkannte personenbezogene Informationen, etwa Namen, E-Mail-Adressen oder Telefonnummern, werden serverseitig durch Platzhalter ersetzt oder maskiert, bevor die Antwort an den KI-Client und damit an das LLM übergeben wird. Das LLM sieht für diese Werte die Ersatzdarstellung. Das gilt unter anderem für Stichproben, Problemzeilen und Werte in Profiling-Ergebnissen.
Die Datenqualitätsprüfungen laufen weiterhin auf den zugrunde liegenden Daten. Die Ersetzung schützt die Ausgabe an den Agenten; sie verändert keine gespeicherten Quelldaten. Ist die benötigte PII-Schutzkomponente nicht verfügbar, wird der entsprechende MCP-Datenzugriff blockiert.
Neue Regeln werden zunächst inaktiv angelegt. Das schafft einen konkreten Prüfpunkt zwischen Entwurf und Aktivierung. Legen Sie in Ihrem Agent-Workflow fest, welche Aktionen eine Freigabe brauchen, etwa das Aktivieren einer Regel oder das Starten eines Improvement-Workflows. Nutzen Sie dafür den von Ihrem Unternehmen freigegebenen KI-Client mit den passenden Einstellungen zur Datenverarbeitung.
Starten Sie mit einer konkreten Fachfrage
Wählen Sie einen relevanten Geschäftsprozess und die dazu in DQC verfügbaren Daten. Geben Sie Ihrem Agenten die fachlichen Vorgaben mit und lassen Sie passende Regeln samt ersten Befunden vorbereiten. Prüfen Sie das Ergebnis und erweitern Sie den Ablauf um die nächsten Aufgaben, die Sie delegieren möchten.
Sie setzen die Prioritäten. Ihr Agent übernimmt die Ausführung in DQC.