Azquo

npx add-mcp 'https://data.azquo.ai/mcp'

Die fehlende Schicht

KI-Agenten sind gut darin, Dateien zu lesen, Abfragen zu schreiben und Ergebnisse zu erklären. Was ihnen fehlt, ist ein vertrauenswürdiger Ort, an dem sie ablegen können, was sie lernen. Eine transaktionale Datenbank verlangt ein Schema von vornherein; eine Tabellenkalkulation hat keine Prüfspur; ein Kontextfenster vergisst alles, wenn die Sitzung endet.

Azquo ist diese fehlende Schicht: ein persistenter, prüfbarer Speicher, den ein Agent selbst aufbauen, abfragen und umorganisieren kann — in dem jede Schreiboperation zugeordnet wird und jede Entscheidung, die ein Agent festhält, für den nächsten Agenten da ist, der sich verbindet.

Neben Ihren Datenbanken, nicht an ihrer Stelle

In den Systemen, die Sie bereits betreiben, ändert sich nichts. Die Einrichtung von Azquo verlangt nur eines von ihnen: dass die Personen, die es nutzen, die Daten herunterladen können, auf die sie ohnehin Zugriff haben. Azquo lädt diese Downloads, sodass Ihre bestehenden Datenbanken, Berechtigungen und Routinen genau wie bisher weiterlaufen. Der Einstieg geht schnell, und es gibt keine Migration zu planen.

Das Risiko eines Datenverlusts ist vernachlässigbar, solange Downloads erstellt werden. Ihre Originale bleiben, wo sie sind, und eine Azquo-Sicherung ist eine einfache Datei: Wir haben getestet, dass eine KI, die nichts als eine Sicherung erhält und keinerlei Azquo-Unterstützung bekommt, jeden Namen, jede Zahl und jede Änderung darin wieder auslesen kann. Sie sind nie eingeschlossen.

Dann ergänzen Sie, was Ihre Systeme nicht halten können. Laden Sie weitere Daten aus jeder Quelle, auf die Sie Zugriff haben: Kunden- und Lieferantentabellen, Markt- und öffentliche Statistiken, Exporte einer anderen Abteilung. Fügen Sie Ihre eigenen Ziele, Prognosen und Annahmen daneben hinzu. Jede einzelne Zahl wird katalogisiert und geprüft, sodass Sie sehen, woher sie stammt, wer sie wann eingegeben hat, und auch die Designentscheidungen, die beim Aufbau der Datenbank getroffen wurden, sind darin festgehalten.

Viele Agenten, ein Datensatz. Mehrere KI-Agenten und die Menschen, die mit ihnen arbeiten, können in derselben Azquo-Datenbank arbeiten. Jede Schreiboperation wird dem Agenten und der dahinterstehenden Person zugeordnet, und was ein Agent lernt oder entscheidet, wird für den nächsten festgehalten. Die Arbeit lässt sich zwischen Agenten aufteilen, ohne den Überblick zu verlieren, wer was getan hat.

Wenn Sie versucht haben, KI auf Ihre Daten anzusetzen, sind Sie wahrscheinlich an einer dieser Hürden hängengeblieben

Das Modell wird nie reicher. Jede neue Frage ist ein frisches ChatGPT-auf-CSV. Der Agent hat letzte Woche etwas Nützliches gelernt — dass „Q3-Umsatz“ konzerninterne Geschäfte ausschließt — und der nächste Agent hat keine Möglichkeit, das zu wissen. Gespräche summieren sich nicht zu Fähigkeiten.

Das Schema arbeitet gegen Sie. Eine neue Dimension taucht auf, und Sie stehen wieder in der Warteschlange des Datenteams für eine Migration. Die Geschäftsfrage, die sie ausgelöst hat, ist längst kalt, wenn die Spalte existiert.

RAG halluziniert die Herkunft. Die Vektorsuche liefert „den richtigen Absatz“, kann Ihnen aber nicht sagen, ob die Zahl darin die kanonische Größe ist, ein alter Entwurf oder etwas, das jemand in eine Folie kopiert hat.

Hierarchien überleben den Join nicht. SQL flacht Rollups ab. Dokumentenspeicher ignorieren sie. Graph-DBs behandeln Beziehungen, können aber Zahlen nicht aggregieren. Jede Antwort, die Struktur berührt, hat einen Workaround im Hintergrund.

Sie können keine einzelne Zelle belegen. Die meisten Speicher können Ihnen sagen, welche Zeile wann geschrieben wurde — nicht, welche Zelle, durch welche Transformation, aus welcher Quelldatei. Das Auditgespräch frisst das Projekt auf.

Wie das Feld tatsächlich abschneidet

Die meisten Datenspeicher wurden entworfen, bevor KI-Agenten als primäre Nutzer existierten. So schneiden die gängigen Optionen gegen das ab, was ein KI-auf-Ihren-Daten-Projekt tatsächlich braucht:

	Schemafreie Erweiterung	Erstklassige Hierarchien	Herkunft pro Zelle	Verankerung externer Daten	Konventionen mit den Daten geführt	OLAP im Warehouse-Maßstab
Relationales SQL (Postgres, MySQL)	✗	◐	◐	✗	◐	✓
Dokumentenspeicher (Mongo)	✓	✗	✗	✗	✗	◐
Data Warehouse (Snowflake, BigQuery)	✗	✗	◐	◐	◐	✓
Graph-DB (Neo4j)	◐	✓	✗	✗	✗	◐
Vektor-DB (Pinecone, pgvector)	✓	✗	✗	✗	✗	✗
LLM-auf-CSV (ChatGPT, Claude direkt)	✓	✗	✗	✗	✗	✗
Azquo	✓	✓	✓	◐	✓	◐

✓ nativ ◐ teilweise ✗ nicht wirklich

Die meisten dieser Speicher sind inzwischen für einen Agenten über einen MCP-Server erreichbar. Der Unterschied, auf den es ankommt, ist, was der Agent dort vorfindet: ob er das Modell ohne Migration erweitern kann und ob die Konventionen für die Arbeit mit den Daten im Speicher selbst geführt werden, damit der nächste Agent sie lesen kann.

Was ein Agent über den Azquo MCP tun kann

Der Azquo MCP-Server gibt jedem MCP-fähigen KI-Agenten direkte Werkzeuge, um: Datenbanken zu erstellen; Rohdateien zu importieren; Importvorlagen zu entwerfen und zu verfeinern; mit AQL abzufragen; Hierarchien zu durchsuchen und zu erweitern; Berichte zu erstellen und auszuführen; und jede einzelne Zahl über jede Transformation bis zu ihrer Quelle zu prüfen.

Und weil Agenten Fehler machen, erlauben dieselben Werkzeuge ihnen, eine riskante Änderung zuerst an einer Kopie der Datenbank zu proben, den Verlauf jedes Namens zu sehen und einen gelöschten wiederherzustellen sowie jeden früheren Wert mit der Person, die ihn geändert hat, und der Herkunft der Änderung zu sehen.

Bewiesen, nicht versprochen — eine durchgearbeitete Demonstration

Konkret: Geben Sie einem Agenten einen Ordner mit monatlichen Vertriebsexporten (unterschiedliche Formen, unterschiedliche Spaltennamen), einige PDFs von Vorstandssitzungsprotokollen, eine Tabelle mit Regionen und Geschäftsbereichen. Sagen Sie ihm: Baue ein Modell, gegen das wir Budgetierungsfragen beantworten können.

In einem Azquo-Speicher bittet der Agent Sie nicht, zuerst ein Schema zu entwerfen. Er lädt jede Datei so, wie er sie vorfindet. Er schlägt eine Hierarchie vor — Division → Region → Büro — und übernimmt sie, ohne das zu stören, was bereits da ist. Er verankert den aus den PDFs extrahierten Kommentar an den Monaten, die er beschreibt. Jede Zelle trägt ihre Quelle. Jede Gruppierung ist umkehrbar — eine neue Hierarchie ist eine neue Sicht, keine Migration.

Zwei Wochen später fragt jemand: „Teile Q3 nach Produktlinie auf, nicht nur nach Region.“ Der nächste Agent beginnt nicht von vorn. Die Produktlinie existierte nicht, als der erste Agent lief — und das ist in Ordnung. Er fügt sie hinzu, verankert Produktlinien in der bestehenden Hierarchie und antwortet. Nichts Bestehendes bricht. Die Prüfspur aus Woche eins löst sich weiterhin sauber auf.

Das ist keine Hypothese. In einer kürzlichen Demonstration baute Claude eine vollständige Datenbank für Versicherungsschadenkosten aus einer 168-seitigen ISO-Commercial-Auto-Einreichung mit 73 Territorien auf, ohne dass ein Azquo-Spezialist beteiligt war. Es entwarf die Importvorlagen, strukturierte die Hierarchien und erstellte die Berichte, wobei jeder Schritt in der Datenbank selbst festgehalten wurde. Jeder Wert in der Tarifierungskette — nicht nur die Summe — lässt sich bis zur Datei, zum Benutzer und zum Datum zurückverfolgen. Klicken Sie auf eine beliebige Zelle.

Institutionelles Gedächtnis für Agenten

Jede aufgedeckte Eigenheit, jede vereinbarte Konvention, jede interpretierende Entscheidung, die ein Agent trifft, wird als Teil der Datenbank gespeichert — verankert an Ihrem Geschäft und verfügbar für den nächsten Agenten, der sich verbindet. Agenten fangen nicht mehr bei null an.

Konkret wird einem Agenten, der sich zum ersten Mal verbindet, vom Server gesagt, er solle eine Einstiegsnotiz lesen, die ihn auf den Rest einer Wissensbasis von mehreren hundert Notizen zur Arbeit mit Azquo verweist. Neben seinen eigenen Datenbanken findet er eine gemeinsame Bibliothek mit Arbeitsbeispielen — Budgetierung, Management Accounts, Zeit und Spesen, Pivot-Analyse, Gebäudeversicherungsprämien und ein US-Auto-Angebot —, die er kopieren und anpassen kann, statt von null zu bauen. Was er über Ihre Daten lernt, schreibt er in Ihre Datenbank zurück, für den Agenten, der nach ihm kommt.

Zwei-Wege mit Ihren Tabellenkalkulationen

Derselbe Speicher spricht direkt Excel. Analysten ziehen Live-Daten herein, schreiben Änderungen zurück und teilen mit Kollegen. Die KI-Schicht und die Tabellenkalkulationsschicht sehen eine einzige Quelle der Wahrheit, und jede Änderung — von welcher Seite auch immer — ist festgehalten. Wenn Ihr Hauptinteresse die Tabellenkalkulationsseite dieser Geschichte ist, Azquo in Excel → hat sie im Finanzvokabular.

Warum die Architektur zählt

Azquo speichert Namen in Hierarchien, nicht Zeilen in Tabellen. Es gibt kein Schema zu entwerfen, bevor Daten eintreffen; jede Daten können jederzeit geladen werden, und neue Gruppierungen lassen sich später hinzufügen, ohne bestehende Daten zu berühren oder bestehende Berichte zu brechen. Genau diese Flexibilität braucht agentengesteuerte Arbeit: Struktur wächst mit dem Verständnis.

Mehr lesen: How Azquo Thinks →

Probieren Sie es aus

Der Azquo MCP-Server läuft auf unserer Infrastruktur unter https://data.azquo.ai/mcp. Evaluierungszugang wird auf Anfrage gewährt und gibt Ihnen ein eigenes Azquo-Konto. Jede Agentenaktion wird in der Prüfspur Ihnen zugeordnet.

Wenn Sie die Claude-App verwenden, gibt es nichts zu installieren: Fügen Sie diese Adresse als benutzerdefinierten Connector hinzu und melden Sie sich mit Ihrem Azquo-Login an. Sie können Claude dann bitten, die Informationen Ihrer Organisation zu führen und zu verantworten, und es wird dies in Azquo tun.

Wenn Sie Agentensysteme bauen, richten Sie jede MCP-fähige Laufzeitumgebung auf dieselbe Adresse mit einem API-Schlüssel von der Azquo-Adminseite.

Wenn Sie Agentensysteme bauen und darunter eine Speicher- und Prüfschicht möchten, würden wir gern mit Ihnen sprechen.

Oder fragen Sie einfach: Ask Azquo → beantwortet Fragen zu Azquo in einfachem Englisch.

Von der Finanzabteilung verantwortet. Von der IT genehmigbar. Läuft neben Ihren bestehenden Systemen — nichts muss herausgerissen werden.