GitHub: Interner Analyse-Agent Qubot verkürzte Abfragezeit um rund 66 Prozent

GitHub beschrieb die Architektur von Qubot, einem internen KI-Analyse-Agenten, der Mitarbeitern ermöglicht, das Data Warehouse (Datenlager) mit natürlicher Sprache zu befragen, statt Abfragen manuell zu schreiben. Ein Data Warehouse ist eine zentrale Datenbank, in die Daten aus vielen Systemen einfließen; Abfragen erfordern normalerweise Kenntnisse von Abfragesprachen.

Wie Qubot aufgebaut wurde

Qubot nutzt eine dreistufige föderierte Kontextschicht — Bronze, Silver und Gold — die Daten schrittweise verfeinert und strukturiert, damit der Agent zuverlässigeren Kontext erhält. Es läuft auf der Infrastruktur des Copilot Cloud Agent, zugänglich über Slack, VS Code und CLI. Der Agent leitet Abfragen automatisch zwischen zwei Engines weiter — Kusto und Trino — je nach Datentyp.

Ergebnisse

Laut GitHub bedient Qubot hunderte Nutzer, die tausende Abfragen ausführen, und reduzierte die Abfragezeit um rund 66 Prozent. Strukturierter Kontext, im Gegensatz zur direkten Übermittlung von Rohdaten an das Modell, erhöhte die Antwortgenauigkeit. Das Beispiel zeigt, wie große Technologieunternehmen agentische Systeme zunehmend für eigene interne Zwecke aufbauen, nicht nur als Produkte für den Markt.