Die Daten liegen schon da — man muss nur hin
GA4 exportiert auf Wunsch jedes einzelne Event roh in Data Warehouses wie SAP, Oracle, IBM oder BigQuery. Kein Sampling, keine vorgefertigten Reports, keine Aggregation, die jemand anderes für uns entschieden hat. Einfach die Daten, so wie sie angefallen sind.
Genau dort setzt unser Dashboard an. Statt über die GA4-Oberfläche zu gehen, greifen wir direkt auf die Rohdaten zu. Das Dashboard zeigt die wichtigsten Kennzahlen, diejenigen, die für den Kunden wirklich zählen — Trends, Sources, Länder, Top-Seiten, Benutzer — live für den gewählten Zeitraum. Ein Report, eine URL that's it.
Diese Vereinfachung ist der halbe Wert: Der Kunde muss GA4 nie öffnen. Er sieht seine Zahlen so aufbereitet, wie sie für sein Geschäft Sinn ergeben — nicht so, wie Google sie standardmässig gruppiert.
Die andere Hälfte: "Speak to the data"
Der spannendere Teil ist der Chat. Unten im Dashboard sitzt ein Eingabefeld, in das man einfach eine Frage tippt:
"Wie hat sich der organische Traffic aus Frankreich im Vergleich zum Vormonat entwickelt?"
Im Hintergrund passiert dann das, was sonst ein Analyst machen würde: Ein Sprachmodell kennt das Schema der GA4-Tabellen, schreibt eine SQL-Abfrage, führt sie gegen die Datenbank aus und antwortet mit einer Tabelle, einem Chart oder Text — direkt im Chat. Nachfragen? Einfach weiterfragen. Das Modell verfeinert die Abfrage, statt dass man selbst wieder durch Reports klickt.
"Weshalb hat sich der Traffic aus Frankreich fast verdoppelt?"
Wir sprechen also buchstäblich mit GA4, statt uns durchzuklicken. Die Frage ist die Query.
Und die Sicherheit?
Der naheliegende Einwand: Ein LLM, das SQL gegen Kundendaten schreibt — kann das nicht schiefgehen? Deshalb ist der Zugriff bewusst eng gefasst: Der Service-Account ist strikt read-only — er kann Daten lesen, sonst nichts.
Jede Abfrage wird validiert: nur SELECT, mit hartem Limit auf Zeilen und verrechnetes Datenvolumen.
Das Modell sieht das Tabellenschema, nicht mehr. Das Schlimmste, was passieren kann, ist eine langweilige Antwort.
Was das für unsere Kunden und uns selbst heisst
Analytics scheitert selten an fehlenden Daten. Es scheitert daran, dass niemand Zeit und Lust hat, sie aus dem Tool herauszuholen. Wenn die Hürde von "Exploration konfigurieren" auf "Frage tippen" sinkt, werden Daten plötzlich im Alltag benutzt — im Meeting, kurz vor dem Kundencall, beim Schreiben des Monatsreports.
Genau das ist unser Anspruch: nicht mehr Dashboards, sondern weniger Reibung zwischen Frage und Antwort.
Das System ist übrigens nicht an bestimmtes Languagel Model oder Warehouse gebunden. Im Setup Prozess können wir sowohl Data Warehouse wie auch das Language Model an die Wünsche unserer Kunden customizen. Wenn ihr eure Analytics auch lieber fragen statt durchsuchen wollt: Meldet euch!