PromptQL
Hasura · Coding
PromptQL ist ein Multiplayer-KI-Agent von Hasura, der sich mit Ihren Geschäftsdaten und Systemen verbindet und echte Fragen beantwortet, indem er Code schreibt. Statt dass eine einzelne Person isoliert mit einem Bot chattet, teilen Teams Threads, ein gemeinsames Kontextgehirn und Automatisierungen, die immer besser werden, je mehr Menschen die Arbeit korrigieren und verfeinern. Er richtet sich an Organisationen, die fundierte, nachvollziehbare Antworten brauchen statt selbstsicherer Vermutungen.
Über PromptQL
Was ist PromptQL
PromptQL ist eine Datenagenten-Plattform von Hasura, dem Unternehmen hinter der Hasura GraphQL Engine und dem Data Delivery Network. Der Kerngedanke: KI ist nur so genau wie der Kontext, den sie bekommt, und der wichtige Kontext steckt meist in den Köpfen der Menschen, nicht in einem Schema. PromptQL verbindet sich mit Data Warehouses, Datenbanken, SaaS-Apps und APIs, wie sie bereits existieren, und lässt Teams dieses Erfahrungswissen im Arbeitsfluss festhalten.
Das Produkt dreht sich um zwei Probleme, an denen Hasura jahrelang gearbeitet hat. Beide sind schwierig. Das erste ist geteilter Kontext: Statt Kontext einmal zu extrahieren und der KI zu übergeben, hält PromptQL ein Schwungrad am Laufen, in dem Menschen und KI zusammenarbeiten und sich gegenseitig korrigieren. Man korrigiert den Agenten einmal, und die Korrektur bleibt für alle. Das zweite ist Sicherheit. PromptQL setzt Berechtigungen deterministisch auf der Datenebene durch, sodass der Agent jeder Person genau mit den Zugriffsrechten arbeitet, die sie hat, und mit nichts mehr. Das ist das Tor. Ohne es können Teams keine wichtige Arbeit abgeben.
Die größte Einschränkung ist der Umfang. PromptQL ist ein unternehmensorientiertes Werkzeug, kein Consumer-Chatbot. Es ist zuerst ein KI-Analyse-Tool, und der Team-Tarif beginnt bei 40 Dollar pro Nutzer und Monat. Funktionen wie Single-Tenant-Deployment oder Setups mit eigenem Modell stecken hinter Enterprise- und Custom-Verträgen. Wer nur einen kostenlosen Assistenten für private Aufgaben will, ist hier falsch.
Erste Schritte
- Erstellen Sie einen Workspace unter prompt.ql.app und melden Sie sich im Playground an, der kostenlos ist.
- Verbinden Sie eine Datenquelle. PromptQL liest die Schemas Ihres Warehouses, Ihrer Datenbank oder SaaS-App aus und baut einen einheitlichen Datengraphen, ohne Ihre Daten zu verschieben.
- Laden Sie ein paar Kollegen ein, damit Threads und Kontext von Anfang an geteilt werden.
- Stellen Sie eine echte Geschäftsfrage in einem geteilten Thread und lassen Sie den Agenten Code schreiben, um sie zu beantworten.
- Korrigieren Sie alles Falsche an der Quelle, damit die Korrektur für das ganze Team bleibt.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von PromptQL.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Daten- und Analytics-Teams
- Betriebsmanager
- IT- und Sicherheitsverantwortliche in Unternehmen
Aufgaben
- Ausschläge bei Kennzahlen untersuchen
- Monatsabschluss-Exporte reparieren
- Wiederkehrende Geschäftsfragen beantworten
Szenarien
- Ein Growth-Team will erklären, warum eine Kennzahl an einem bestimmten Nachmittag gesprungen ist
- Finanzen gleichen regionale Zahlen ab, die in verschiedenen Systemen landen
- Eine sicherheitsbewusste Organisation führt KI intern ein
Wichtigste Funktionen
Geteilte Multiplayer-Threads
PromptQL läuft auf geteilten Threads statt privaten Chats, sodass ein Gespräch über eine Kennzahl dort liegt, wo das ganze Team es sehen und ergänzen kann. Korrigiert jemand den Agenten, gilt die Korrektur für alle, die denselben Thread nutzen. Diese Funktion trennt PromptQL von Einzelnutzer-KI-Assistenten. Das ist das ganze Versprechen.
Gemeinsames Kontextgehirn
Die Ebene des geteilten Kontexts hält die Definitionen, Ausnahmen und das Erfahrungswissen, die nie in ein Schema gelangen. Sie umfasst Wissen, Fähigkeiten und eine semantische Ebene, aus der der Agent beim Antworten schöpft. Weil der Kontext während der echten Arbeit gerade noch rechtzeitig erfasst wird, bleibt er aktuell, statt im Moment des Aufschreibens zu verfallen.
Jede Datenquelle ohne Vorbereitung anbinden
PromptQL verbindet sich mit Ihrem Warehouse, Ihren Datenbanken, SaaS-Apps und APIs, wie sie heute existieren. Es liest die Schemas aus und baut einen einheitlichen Datengraphen, ohne Ihre Daten zu verschieben oder umzuformen. Praktisch heißt das: Sie kommen in Minuten von den Daten zu den Fragen statt über ein langes Migrationsprojekt.
Antworten per Code, keine vorgefertigten Berichte.
Statt vorgefertigte Berichte abzurufen, schreibt der Agent Code, um die gestellte Frage zu beantworten. In den eigenen Beispielen des Produkts verbindet er sich mit mehreren Systemen, prüft jede Theorie gegen einen Ausschlag und ergänzt ein Feld mit der Antwort. So bewältigt er Fragen, die niemand vorhergesehen hat.
Deterministische Sicherheitsleitplanken
Berechtigungen werden auf der Datenebene durchgesetzt, für jeden Nutzer, jede Quelle und jede Abfrage. Der Agent jeder Person arbeitet genau mit den Zugriffsrechten, die sie hat, und mit nichts mehr, was zählt, wenn eine Organisation Daten über viele Systeme mit unterschiedlichen Richtlinien führt. Die Leitplanken sind nicht nachträglich angebaut. Sie sind eingebaut.
Modellwahl pro Bot
PromptQL misst die Nutzung in normalisierten Einheiten namens OLU und lässt Sie verschiedene Modelle für verschiedene Bots wählen, sogar mitten im Thread. Optionen mit offenen Gewichten wie DeepSeek, Qwen und GLM kosten einen Bruchteil der Frontier-Modelle, sodass Teams Kosten und Leistung je Aufgabe abwägen können.
Vor- und Nachteile
Vorteile
- Geteilte Threads und ein gemeinsames Kontextgehirn sorgen dafür, dass Korrekturen für das ganze Team bleiben, nicht nur für einen Nutzer.
- Verbindet sich mit bestehenden Warehouses, Datenbanken, SaaS-Apps und APIs, ohne Daten zu verschieben oder umzuformen.
- Berechtigungen werden deterministisch auf der Datenebene durchgesetzt, was zu sicherheitsbewussten Unternehmen passt.
- Unterstützt von Hasura, deren GraphQL Engine und Data Delivery Network in großen Unternehmen laufen.
- Teams können Modelle pro Bot oder mitten im Thread wechseln, um Kosten gegen Genauigkeit abzuwägen.
Nachteile
- Der kostenlose Playground deckt nur den Bau von Multiplayer-Bots ab, sodass echter Produktionseinsatz einen bezahlten Tarif braucht.
- Der Team-Tarif beginnt bei 40 Dollar pro Nutzer und Monat und wird wöchentlich in Schritten abgerechnet, was bei größeren Gruppen ins Gewicht fällt.
- Single-Tenant-Deployment und Setups mit eigenem Modell erfordern einen Enterprise- oder Custom-Vertrag, sodass kleinere Teams sie nicht leicht bekommen.
- Die API-Verfügbarkeit ist nicht öffentlich dokumentiert, was die Planung automatisierter Integrationen im Voraus erschwert.
Häufige Fragen
Es verbindet sich mit Ihren Geschäftsdaten und Systemen und beantwortet echte Fragen, indem es Code schreibt, und wird dann besser, während Ihr Team es korrigiert. Der Fokus liegt auf fundierter, nachvollziehbarer Analyse und Automatisierung statt auf allgemeinem Chat.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu PromptQL.
Alternativen zu PromptQL
Forefront
Forefront · CodingForefront ist eine Webplattform zum Bauen mit Open-Source-KI. Sie lassen sich führende Open-Source-Sprachmodelle mit eigenen Daten feintunen, ihre Leistung bewerten und sie über eine API ausführen oder exportieren, um sie selbst zu hosten. Entwickler, die den Komfort einer geschlossenen Plattform wollen, aber darauf bestehen, ihre Modelle und Daten zu besitzen, sind hier die Zielgruppe.
Startkit
StartKit.AI · CodingStartkit ist ein Boilerplate zum Bauen von KI-SaaS-Produkten und KI-Wrappern. Man kann es sich als KI-Startup-Boilerplate vorstellen, bei dem die langweiligen Teile schon verdrahtet sind: Authentifizierung, Zahlungen über Stripe und Lemon Squeezy, Nutzungslimits, transaktionale E-Mail und ein KI-API-Starter-Kit, das mit OpenAI, Anthropic, Groq oder Llama spricht. Man klont das Repository, setzt seinen Preis und kümmert sich um den Teil des Produkts, für den Menschen wirklich bezahlen. Es basiert auf Next.js über React und Tailwind, deshalb fühlt sich ein Großteil des Boilerplate-Codes schon vertraut an.
Testim
Tricentis · CodingTestim ist eine KI-gestützte Plattform für Testautomatisierung, mit der man End-to-End-Tests für Web-, Mobile- und Salesforce-Anwendungen baut und ausführt. Sie setzt auf maschinelles Lernen, um Tests stabil zu halten, wenn sich eine Oberfläche ändert, sodass Teams weniger Zeit mit der Reparatur kaputter Selektoren verbringen. Nicht schlecht für ein Tool für automatisierte Tests, das Sie heute schon nutzen können. Sie erstellen Tests, indem Sie Aktionen im Browser aufzeichnen, und fügen danach JavaScript hinzu, wenn Sie mehr Kontrolle brauchen. Für ein beschäftigtes QA-Team eine solide Wahl.