Agentic Analytics mit Angular
Mit den eigenen Daten sprechen.
Fachanwender wollen Antworten aus ihren Daten, ohne SQL zu schreiben und ohne auf den nächsten Report zu warten. In einem Abschlussprojekt im Energiehandel ist dafür ein KI-Agent in eine Fachanwendung eingezogen. Er versteht die Daten über eine Semantikschicht und beantwortet Fragen zu Kennzahlen und Handelsdaten in natürlicher Sprache, ohne Zugriff auf personenbezogene Daten.
Diese Demo-Anwendung zeigt denselben Ansatz an einem frei verfügbaren Datensatz. Sie ist Open Source, startet per Docker Compose und wurde live vorgeführt. Die Demo hat alle Teilnehmenden restlos überzeugt und wurde mit Begeisterung in die laufende Applikation integriert.
github.com/angular-schule/demo-agentic-analytics
Fragen stellen, Diagramme bekommen
Die Daten stammen aus AdventureWorks von Microsoft, den Verkäufen eines fiktiven Fahrradherstellers. Gefragt werden kann nach Umsatz, Kosten, Marge, Stückzahlen, Bestellungen, Rabatten und Fracht, jeweils nach Zeit, Vertriebskanal, Produkt, Region, Händler oder Aktion. Die Antwort erscheint direkt im Chat als Diagramm, Tabelle, Produktkarte oder Händlerprofil. Das nennt sich Generative UI. Die App zeichnet, was der Agent zurückgibt, als Angular-Komponenten.
Beispielfragen über dem Chat schicken eine vorbereitete Frage mit einem Klick. Fragt man den Agenten, was er kann, schlägt er selbst Fragen vor, die seine Semantikschicht beantworten kann.
Eine Semantikschicht statt freiem SQL
Das Sprachmodell schreibt nie SQL. Es wählt Kennzahlen, Dimensionen und Filter aus einer Semantikschicht. Das Backend prüft jede Anfrage und übergibt alle Werte als Parameter an die Datenbank. Die Werkzeuge, die das Modell aufrufen kann, entstehen aus derselben Semantikschicht, so kennt das Modell nur Namen, die es wirklich gibt.
Das hält die Zahl der Werkzeuge klein. Eine neue Frage braucht eine neue Kennzahl oder Dimension in der Semantikschicht, kein neues Werkzeug.
Ein Dashboard, das ohne Sprachmodell lädt
Eine gute Antwort lässt sich ans Dashboard heften, per Knopf oder per Chat. Das Dashboard speichert die Abfrage und holt die Zahlen bei jedem Laden direkt aus dem Backend. Dafür braucht es kein Sprachmodell und keine Tokens. Ist kein Modell eingerichtet, startet die App trotzdem, und das Dashboard funktioniert weiter.
Personenbezogene Daten bleiben draußen
Alles, was ein Werkzeug zurückgibt, geht an den Anbieter des Sprachmodells. Deshalb enthält schon die Semantikschicht keine personenbezogenen Daten. Firmennamen gehören dazu, Personen nicht. Es gibt also keine Vertriebsmitarbeiter und keine Ansprechpartner. Das Datenbankkonto der Backends liest nur drei Sichten ohne personenbezogene Daten. Auf welches Vertriebsgebiet sie beschränkt sind, setzt die Datenbank selbst durch.
Die App lädt keine Schriften, Skripte oder Telemetrie von Dritten. Wo die eingesetzten Werkzeuge Nutzungsdaten senden und es sich abschalten lässt, ist es abgeschaltet.
Zwei Backends, ein Vertrag
Dieselbe Angular-App läuft wahlweise mit einem TypeScript-Backend oder einem .NET-Backend:
- TypeScript: NestJS mit dem Agenten-Framework Mastra, Drizzle und PostgreSQL
- .NET: ASP.NET Core als Minimal API mit dem Microsoft Agent Framework, Entity Framework Core und SQL Server
Beide Backends erzeugen ihr OpenAPI-Dokument aus dem eigenen Code. Contract-Tests stellen sicher, dass beide Dokumente denselben Vertrag beschreiben und beide Backends gleich antworten. Der Agent hat in beiden Fällen denselben Systemprompt und dieselben drei Werkzeuge. Er läuft im Prozess des Backends oder als eigener Mastra-Dienst davor.
Angular, CopilotKit und AG-UI
Das Frontend ist eine Angular-App ohne Zone.js, mit Signals und httpResource. Für den Chat und die Generative UI sorgt CopilotKit für Angular. Zwischen App und Agent spricht das Protokoll AG-UI (Agent-User Interaction), gestreamt als Server-Sent Events.
Zum Lernen zeigt ein Fenster unter dem Chat jede Nachricht auf beiden Strecken. Zu sehen sind die AG-UI-Ereignisse zwischen Browser und Agent und die Anfragen zwischen Agent und Sprachmodell. So ist genau zu sehen, was das Modell bekommt. Das Fenster lässt sich abschalten und gehört nicht in eine produktive Anwendung.
Das Sprachmodell nach Wahl
Welches Modell antwortet, steht in der Konfiguration. Zur Wahl stehen Claude von Anthropic, OpenAI, Google Gemini und Mistral. Für OpenAI und Mistral lässt sich die Verarbeitung in der EU einstellen. Ohne API-Schlüssel antwortet ein Demo-Modell, das ohne Sprachmodell auskommt, so läuft die App auch ohne Kosten.
Getestet wird gegen ein nachgebautes Sprachmodell mit festgelegten Antworten. Dazu gehören Unit-Tests für Frontend und Agent, Contract-Tests über beide Backends und alle Agenten und Browser-Tests mit Playwright.
Open Source
Die Demo liegt auf GitHub, mit Anleitung für den Start per Docker Compose: github.com/angular-schule/demo-agentic-analytics
Angeregt wurde sie von Manfred Steyers Live-Coding-Workshop „Build an Agentic Analytics App with Angular“ (seine Demo). Neu gebaut ist sie mit eigenen Daten, eigenen Backends und einem klaren Schwerpunkt auf Datenschutz. Eine Artikelserie für angular.schule ist in Vorbereitung.