Cognos Analytics 12.1.3, GitHub und KI: Das eröffnet völlig neue Möglichkeiten
Es ist wirklich beeindruckend: Mit der GitHub-Integration in IBM Cognos Analytics 12.1.3 können Cognos-Objekte wie Reports, Dashboards und Datenmodule in einer Versionsverwaltung abgelegt und von dort wieder geladen werden.
Damit stehen erstmals viele Möglichkeiten zur Verfügung, die in der klassischen Arbeit mit dem Cognos Content Store nur eingeschränkt oder mit zusätzlichem Aufwand umsetzbar waren.
Versionsverwaltung für Cognos-Objekte
- Reports, Dashboards und Datenmodule können ein- und ausgecheckt werden.
- Jede Änderung wird als eigene Version nachvollziehbar.
- Frühere Versionen können gezielt wiederhergestellt werden.
- Zwei Versionen eines Objekts können miteinander verglichen werden.
- Es lässt sich erkennen, wann eine Änderung vorgenommen wurde.
- Änderungen können über Commit-Kommentare fachlich dokumentiert werden.
- Fehlerhafte Anpassungen lassen sich zurücknehmen, ohne alte Sicherungen suchen zu müssen.
- Entwicklungsstände können über Branches getrennt werden.
- Änderungen können vor der Übernahme über Pull Requests geprüft und freigegeben werden.
- Die Git-Historie unterstützt Revision, Qualitätssicherung und Nachvollziehbarkeit.
Sicherer Zugriff über die Versionsverwaltung
Ein besonders wichtiger Vorteil ist die Trennung vom laufenden Cognos-System:
- Die KI benötigt keinen direkten Zugriff auf den Cognos Content Store.
- Die KI arbeitet ausschließlich mit den in GitHub eingecheckten Objekten.
- Änderungen erfolgen zunächst nur in der Versionsverwaltung.
- Produktive Cognos-Inhalte werden nicht unmittelbar verändert.
- Erst nach Prüfung wird die neue Version bewusst in Cognos übernommen.
- Zugriffsrechte lassen sich über GitHub und die Repository-Freigaben steuern.
- Jeder Bearbeitungsstand bleibt über die Git-Historie nachvollziehbar.
Das reduziert Risiken erheblich. Die KI arbeitet nicht direkt im produktiven Cognos-System, sondern auf einer kontrollierbaren und jederzeit wiederherstellbaren Kopie.
Intelligente Suche über alle Cognos-Inhalte
Sobald die eingecheckten Objekte für eine KI erreichbar sind, kann das gesamte Repository inhaltlich durchsucht werden.
Mögliche Fragen sind zum Beispiel:
- Welche Reports und Dashboards stehen zur Verfügung?
- Welche Berichte behandeln ein bestimmtes fachliches Thema?
- Welche Berichte können eine konkrete Geschäftsfrage beantworten?
- Welche Reports verwenden eine bestimmte Datenquelle?
- Welche Datenmodule werden von welchen Dashboards genutzt?
- In welchen Berichten wird eine bestimmte Tabelle verwendet?
- Welche Reports greifen auf eine bestimmte Spalte oder Kennzahl zu?
- Wo wird ein bestimmter Filter eingesetzt?
- Welche Berichte enthalten eine bestimmte Visualisierung?
- Welche Reports verwenden bestimmte Layoutkomponenten oder CSS-Klassen?
- Welche Objekte sind voneinander abhängig?
- Gibt es mehrere Berichte, die nahezu dieselbe fachliche Aufgabe erfüllen?
Damit wird aus der klassischen Dateisuche eine fachliche Suche über den gesamten Cognos-Bestand.
Fachliche Empfehlungen durch KI
Die KI kann nicht nur Objekte finden, sondern auch deren Inhalt bewerten und Empfehlungen geben.
Beispiele:
- Welcher Bericht beantwortet die Frage nach der Umsatzentwicklung am besten?
- Welches Dashboard eignet sich für das Management?
- Welche Berichte enthalten Kennzahlen zur Kundenprofitabilität?
- Welche Reports könnten zusammengeführt werden?
- Welche Berichte wirken fachlich redundant?
- Welches Datenmodul eignet sich als Grundlage für einen neuen Bericht?
- Welche vorhandenen Visualisierungen können für eine neue Anforderung wiederverwendet werden?
- Welche Kennzahlen fehlen, um eine bestimmte Geschäftsfrage vollständig zu beantworten?
- Welche Berichte könnten durch ein Dashboard ersetzt oder ergänzt werden?
Analyse von Datenquellen und Abhängigkeiten
Aus den eingecheckten Spezifikationen lassen sich technische und fachliche Abhängigkeiten ableiten.
Denkbare Auswertungen sind:
- Reports je Datenquelle auflisten,
- verwendete Tabellen und Spalten dokumentieren,
- Abhängigkeiten zwischen Reports und Datenmodulen darstellen,
- Auswirkungen einer Änderung an einer Tabelle untersuchen,
- betroffene Berichte vor einer Datenbankänderung identifizieren,
- ungenutzte Datenmodule oder Datenquellen erkennen,
- häufig verwendete Kennzahlen und Dimensionen ermitteln,
- doppelt definierte Berechnungen finden,
- inkonsistente Kennzahlendefinitionen aufdecken,
- eine einfache Data Lineage für Cognos-Inhalte erstellen.
Eine Frage wie „Welche Reports sind betroffen, wenn diese Spalte umbenannt wird?“ lässt sich damit wesentlich schneller beantworten.
Automatische Dokumentation
Die KI kann aus den Cognos-Spezifikationen technische und fachliche Dokumentationen erzeugen.
Beispiele:
- Dokumentiere den Report „Umsatzanalyse“.
- Erstelle eine Übersicht über Seiten, Abfragen, Filter und Visualisierungen.
- Beschreibe die verwendeten Datenquellen.
- Liste alle Kennzahlen und Dimensionen auf.
- Dokumentiere Berechnungen und Filterausdrücke.
- Erstelle eine fachliche Beschreibung für Anwender.
- Erstelle eine technische Dokumentation für Entwickler.
- Erzeuge eine Änderungsdokumentation zwischen zwei Versionen.
- Erstelle einen Berichtskatalog für alle Cognos-Inhalte.
- Erzeuge eine Abhängigkeitsmatrix zwischen Reports, Dashboards und Datenmodulen.
- Formuliere Release Notes aus den Git-Änderungen.
Diese Dokumentationen können bei jeder neuen Version automatisch aktualisiert werden.
Qualitätssicherung und Fehlersuche
Die KI kann alle eingecheckten Objekte systematisch auf Auffälligkeiten untersuchen.
Mögliche Prüfungen sind:
- Suche in allen Reports nach logischen Fehlern.
- Erkenne ungültige oder widersprüchliche Filter.
- Suche nach nicht verwendeten Abfragen.
- Finde doppelte Berechnungen.
- Prüfe Benennungsstandards.
- Identifiziere fehlende Titel oder Beschreibungen.
- Suche nach nicht mehr vorhandenen Datenquellen oder Spalten.
- Finde feste Werte, die besser parametrisiert werden sollten.
- Prüfe Sortierungen, Aggregationen und Formatierungen.
- Erkenne inkonsistente Farben und Layouts.
- Suche nach unnötig komplexen oder redundanten Berichtsbestandteilen.
- Prüfe, ob Monatsdarstellungen fachlich richtig sortiert sind.
- Ermittle mögliche Performanceprobleme.
- Finde Berichte, die sehr ähnliche Abfragen mehrfach ausführen.
Das ermöglicht eine repositoryweite Qualitätsprüfung, ohne jeden Bericht einzeln in Cognos öffnen zu müssen.
Automatische Layout- und Designanpassungen
Auch optische Anpassungen können auf Basis vorhandener Vorlagen automatisiert werden.
Beispiele:
- Formatiere den Bericht in den Farben meines Unternehmens.
- Übernimm Schriftarten, Farben und Abstände aus einer Designvorlage.
- Vereinheitliche Titel, Überschriften und Seitenlayouts.
- Füge einheitliche Kopf- und Fußbereiche hinzu.
- Ergänze Firmenlogo, Berichtsname und Aktualisierungsdatum.
- Übernimm Layoutkomponenten aus einem Referenzbericht.
- Verwende die vorhandenen CSS-Klassen der Komponenten.
- Baue fehlende Layoutkomponenten in bestehende Berichte ein.
- Vereinheitliche Filterbereiche und Navigationskomponenten.
- Optimiere die Darstellung für unterschiedliche Bildschirmgrößen.
- Überarbeite Dashboards anhand eines Corporate-Design-Screenshots.
- Verbessere Lesbarkeit, Abstände und visuelle Hierarchie.
- Prüfe Barrierefreiheit, Kontraste und Schriftgrößen.
Besonders interessant ist die Möglichkeit, einen gut gestalteten Bericht als Vorlage zu hinterlegen. Die KI kann dessen Komponenten erkennen und geeignete Teile in andere Berichte übernehmen.
Berichte und Dashboards per Sprache erzeugen
Da die vollständigen Spezifikationen und funktionierenden Beispiele verfügbar sind, können neue Inhalte auch aus einer natürlichsprachlichen Beschreibung entstehen.
Beispiel:
Erstelle ein Vertriebsdashboard mit Umsatz, Deckungsbeitrag und Absatz. Zeige die Entwicklung nach Monaten, einen Vergleich nach Regionen und die zehn stärksten Produkte. Verwende unsere Unternehmensfarben und übernimm den Filterbereich aus dem Management-Dashboard.
Die KI kann daraufhin:
- eine geeignete vorhandene Vorlage auswählen,
- benötigte Layoutkomponenten übernehmen,
- Visualisierungen anlegen,
- Datenrollen zuordnen,
- Filter und Interaktionen ergänzen,
- Farben und Formatierungen anwenden,
- die neue Spezifikation validieren,
- das Ergebnis als neue Git-Version speichern.
Autocreate für Reports und Dashboards
Ein besonders spannender Anwendungsfall ist ein Autocreate-Agent.
Der Anwender erstellt in Cognos lediglich:
- einen leeren Report mit einem Textelement oder
- ein leeres Dashboard mit einem Textelement.
In dieses Textelement schreibt er die vollständige fachliche Anforderung. Anschließend wird das Objekt in GitHub eingecheckt.
Mit einem Kommando wie
Autocreate Report <Reportname>
oder
Autocreate Dashboard <Dashboardname>
kann die KI:
- das gewünschte Objekt im Repository finden,
- die Anforderung aus dem Textelement lesen,
- passende Vorlagen und Komponenten auswählen,
- den Report oder das Dashboard vervollständigen,
- die bestehende Datenquelle berücksichtigen,
- das Ergebnis prüfen,
- die fertige Version wieder in GitHub einchecken.
Der Anwender prüft anschließend die neue Version und übernimmt sie kontrolliert nach Cognos.
Massenänderungen über viele Berichte
Änderungen, die bisher in jedem Bericht einzeln durchgeführt werden mussten, lassen sich vorbereitet und kontrolliert auf viele Objekte anwenden.
Beispiele:
- Ersetze ein altes Logo in allen Berichten.
- Führe ein neues Corporate Design ein.
- Ergänze einen einheitlichen rechtlichen Hinweis.
- Ändere eine wiederkehrende Beschriftung.
- Ersetze veraltete Farben oder Schriftarten.
- Ergänze eine neue Navigationskomponente.
- Vereinheitliche Datums- und Zahlenformate.
- Tausche eine technische Bezeichnung gegen einen verständlichen Fachbegriff aus.
- Ergänze Dokumentationsinformationen in allen Berichten.
- Passe Berichte an eine neue Namenskonvention an.
Jede Änderung bleibt über Git nachvollziehbar und kann bei Bedarf zurückgenommen werden.
Weitere Ideen
- Automatische Erstellung eines durchsuchbaren Berichtskatalogs
- Fachliche Verschlagwortung aller Reports und Dashboards
- Erkennung ähnlicher oder doppelter Berichte
- Automatische Vergabe von Kategorien und Themen
- Generierung von Kurzbeschreibungen und Anwenderhinweisen
- Automatische Übersetzung von Titeln und Beschriftungen
- Prüfung auf veraltete Datenquellen
- Erkennung nicht mehr verwendeter Inhalte
- Unterstützung bei Cognos-Upgrades und Migrationen
- Vergleich von Objekten vor und nach einem Upgrade
- Prüfung, ob Spezifikationen mit einer neuen Cognos-Version kompatibel sind
- Automatische Erstellung von Testfällen
- Generierung von Abnahmekriterien aus einer Berichtsanforderung
- Dokumentation der Änderungen für Fachbereich und IT
- Aufbau eines Freigabeprozesses über Branches und Pull Requests
- Vier-Augen-Prüfung vor der Übernahme nach Cognos
- Automatische Release Notes für neue Berichtsstände
- Wiederverwendung bewährter Komponenten aus einer zentralen Bibliothek
- Erkennung von Best Practices in bestehenden Berichten
- Aufbau eines unternehmensweiten Cognos-Styleguides
- Automatische Vorschläge zur Verbesserung von Bedienbarkeit und Performance
- Auswirkungsanalysen vor Änderungen an Datenbanken oder Datenmodellen
- Aufbau eines KI-gestützten Cognos-Support-Assistenten
Warum diese Kombination so leistungsfähig ist
Cognos liefert die fachlichen Inhalte und Berichtsstrukturen. GitHub ergänzt Versionsverwaltung, Vergleichbarkeit, Wiederherstellung und kontrollierte Freigabe. Die KI macht die Inhalte durchsuchbar, verständlich, analysierbar und automatisiert veränderbar.
Dadurch entsteht ein vollständig neuer Arbeitsprozess:
- Cognos für Erstellung, Ausführung und fachliche Nutzung,
- GitHub für Speicherung, Versionierung und Freigabe,
- KI für Suche, Analyse, Dokumentation, Qualitätssicherung und Automatisierung.
Das Entscheidende ist: Die KI muss nicht direkt im produktiven Cognos-System arbeiten. Sie verändert zunächst nur die versionierten Spezifikationen in GitHub. Dadurch bleiben Änderungen kontrollierbar, nachvollziehbar und reversibel.
Was bisher aus vielen manuellen Einzelschritten bestand, kann nun über natürliche Sprache angestoßen, repositoryweit analysiert und sauber versioniert werden.
