Cardamon eignet sich für Einzelpersonen und Teams zur schnellen Überprüfung und Implementierung.

Cardamon

Kernparameter und Statistiken

Cardamon konzentriert sich auf die Richtung „Nutzung natürlicher Sprache zur Förderung der Datenanalyse“ und zielt darauf ab, die Schwelle für die Konvertierung von Rohdaten in Erkenntnisberichte zu senken. Im herkömmlichen Datenanalyseprozess müssen Benutzer SQL und Python beherrschen oder zumindest mit der Betriebslogik von BI-Tools (wie Tableau, Power BI) vertraut sein, um die vollständige Verbindung von der Datenabfrage bis zur Visualisierung abzuschließen. Cardamon versucht, mithilfe von KI technische Zwischenverbindungen zu ersetzen: Benutzer beschreiben Analysebedürfnisse in Alltagssprache, das System führt automatisch Datenabfragen, statistische Berechnungen und Diagrammerstellung durch und gibt Analyseberichte aus, die direkt als Referenz für die Entscheidungsfindung verwendet werden können.

Projekt	Spezifikationen
Produktname	Kardamom
Kategorie	KI-Agenten
Lieferform	Web/SaaS
Support-Plattform	Web
Unterstützte Sprachen	zh-CN, en-US
Zielbenutzer	Datenanalysten, Betreiber, Manager
Benutzerskala	Nicht bekannt gegeben
Preismodell	Freemium / Abonnement

Kernfähigkeitsindikatoren: Zu den unterstützten Datenquellentypen gehören MySQL, PostgreSQL, Snowflake, BigQuery, CSV/Excel und Google Sheets. Zu den Diagrammtypen gehören Liniendiagramme, Säulendiagramme, Kreisdiagramme, Streudiagramme, Heatmaps, Sankey-Diagramme usw. Über 20 Typen. Exportformate für Berichte sind PDF-, PPT- und HTML-Online-Links. Eine einzelne Tabelle kann bis zu 2 Millionen Zeilen enthalten (Standardversion). Produktkonzept: Betonung der „Dialogfähigkeit der Analyse“ – Benutzer müssen nicht alle ihre Bedürfnisse auf einmal beschreiben, sondern können die Analyserichtung durch mehrere Dialogrunden schrittweise verfeinern. Fragen Sie beispielsweise zuerst nach „Umsatztrend des letzten Monats“ und fügen Sie dann „nach Produktlinie aufteilen“ hinzu. KI kann den Kontext des Gesprächs verstehen und die vorhandenen Analyseergebnisse weiter vertiefen. Dieses Interaktionsmodell kommt der Art und Weise der Zusammenarbeit zwischen menschlichen Analysten näher und wandelt die Datenanalyse von „Sie müssen in der Lage sein, SQL zu schreiben“ für Amateurbenutzer in „Sie können es überprüfen, wenn Sie die menschliche Sprache sprechen können“ um.

Benutzer- und Markterkennung

Überprüfbare Daten wie Nutzerzahlen oder Unternehmenskooperationsfälle hat Cardamon bislang nicht offengelegt. Von der Produktform her richtet es sich an Einzelanwender sowie kleine und mittlere Unternehmen mit hohen Anforderungen an die Effizienz. Eine objektive Beurteilung sollte auf der offiziellen Echtzeitseite und überprüfbaren Nutzerbewertungen basieren.

Die Datenanalyse in natürlicher Sprache (NL2SQL + NL2Visualisierung) ist in den letzten Jahren eine der beliebtesten Richtungen von KI-Anwendungen. Marktgröße: Laut dem MarketsAndMarkets-Bericht 2026 weist der AI-Native BI-Markt eine durchschnittliche jährliche Wachstumsrate von 28 % auf und wird bis 2028 voraussichtlich 5 Milliarden US-Dollar überschreiten. Es gibt bereits mehrere konkurrierende Produkte auf dem Markt, die aus unterschiedlichen Blickwinkeln angehen – Tableau’s Ask Data (eingebettete NL-Abfrage, aber mit eingeschränkter Funktionalität), ThoughtSpot (mit Schwerpunkt auf suchbasierter Analyse, Positionierung auf Unternehmensebene) und verschiedene AI-Native BI Startups. Der Hauptunterschied von Cardamon ist die Kombination aus „Konversationsanalyse“ und „automatischer Berichtserstellung“, die nicht nur unmittelbare Fragen der Benutzer beantwortet, sondern auch den Analyseprozess in strukturierten Berichtsdokumenten organisiert. Konkurrenzproduktunterschiede: Im Vergleich zu ThoughtSpot (geeignet für groß angelegte Bereitstellungen auf Unternehmensebene, aber höherer Preis) ist das Einzel-/Team-Abonnementmodell von Cardamon besser für kleine und mittlere Teams geeignet; Im Vergleich zu Tableau Ask Data (nur innerhalb des Tableau-Ökosystems) unterstützt Cardamon mehr Datenquellentypen. Bei der Bewertung wird Benutzern empfohlen, sich auf die Unterstützung komplexer Abfragen (Multi-Table-Assoziationen, Aggregationsberechnungen, Zeitreihen, Fensterfunktionen) und die Formatflexibilität der Berichtserstellung zu konzentrieren. Risikoaufklärung: Die Genauigkeit von NL2SQL ist der Hauptengpass des Produkts – bei komplexen Geschäftsabfragen liegt die Genauigkeit normalerweise im Bereich von 75–90 % und es muss ein Abfragebestätigungsmechanismus eingerichtet werden, um irreführende Analyseergebnisse aufgrund von SQL-Fehlern zu vermeiden.

Kostenvorteil

Cardamon wird als Online-Dienst bereitgestellt und die offizielle Website bietet einen kostenlosen Testzugang.

Kostendimension	Beschreibung
Kostenlose Version	Anzahl grundlegender Datenquellen (1-2) + begrenzte Anzahl Abfragen
Persönliche Version	Mehrere Datenquellen + erweiterte Diagramme + Berichtsexport
Team-Edition	Kollaborationsraum + gemeinsame Datenquellen + geplante Berichte
Enterprise-Edition	Private Bereitstellung + Berechtigungen auf Zeilenebene + benutzerdefinierte Modelle

Beim traditionellen Modell müssen die Datenanalyseanforderungen einer Geschäftsabteilung in der Regel auf die Unterstützung des Datenteams warten, und der durchschnittliche Zyklus von der Anfrage bis zur Antwort beträgt 2–5 Tage. Cardamon ermöglicht es dem Geschäftspersonal, die häufigsten Analyseanforderungen (ca. 70–80 %) selbst zu erfüllen, wodurch die Kosten für die Zusammenarbeit bei der Datenanalyse innerhalb des Unternehmens direkt gesenkt werden. Quantitativer Vergleich: Kleine und mittlere Unternehmen können Cardamon nutzen, um regelmäßige Dateneinblicke ohne einen Vollzeit-Datenanalysten zu erhalten, und die monatliche Gebühr ist viel niedriger als das Jahresgehalt eines Junior-Datenanalysten (ca. 100.000–200.000). Unternehmenskunden zahlen auf Abonnementbasis, sodass die Kosten an die Nutzung gekoppelt sind und die Vorabinvestition (normalerweise 100.000+) und der Wartungsaufwand für den Aufbau einer selbst erstellten BI-Plattform entfallen. Kausalkette: Die kostenlose Version überprüft die Genauigkeit von NL2SQL → Intensive Nutzung der persönlichen Version → Die Teamversion teilt Datenquellen und Berichtsvorlagen → Die Unternehmensversion erfüllt Datenkonformität und Berechtigungsmanagement. Risikoaufklärung: Der Engpass von NL2SQL bei der Genauigkeit komplexer Abfragen kann zu unzureichendem Vertrauen bei Geschäftsmitarbeitern führen, die sich letztendlich immer noch auf das Datenteam verlassen. Es wird empfohlen, vor der eigentlichen Heraufstufung Genauigkeitstests für gängige Abfragetypen durchzuführen und einen manuellen Bestätigungsmechanismus für Abfrageergebnisse einzurichten.

Hauptfunktionen

• Abfrage und Analyse in natürlicher Sprache – Benutzer geben Analysefragen in Alltagssprache ein, die KI analysiert automatisch die Absicht und ordnet sie dem Datenmodell zu, generiert SQL- oder Python-Abfragen und zeigt sie nach der Ausführung in Diagrammen oder Tabellen an. Unterstützt das Befragen (tiefer gehen auf der vorherigen Basis), den Vergleich (mehrdimensionale Vergleichsanalyse) und das Drillen (Drilling von der Zusammenfassung bis ins Detail). Anwendbare Aufgaben: Ein typischer Analyseprozess kann die Datenerkundung von Makro bis Mikro in 3–5 Gesprächsrunden abschließen. Bei mehrdeutigen Abfragen (z. B. „Umsatz dieses Jahres“ bezieht sich auf das natürliche Jahr oder das Geschäftsjahr) fordert das System proaktiv eine Bestätigung an, anstatt zu raten, um Fehler zu reduzieren.
• Automatisierte Berichtserstellung – Organisieren Sie den Analyseprozess automatisch in einem strukturierten Berichtsdokument, einschließlich Analyseübersicht, Schlüsselindikatoren (KPI-Karten), Diagrammanzeige und vorläufigen Schlussfolgerungen. Berichte können als PDF oder PPT exportiert werden oder Links für die Online-Freigabe generieren. Die narrative Struktur des Berichts wird automatisch von der KI arrangiert – zunächst werden die Schlussfolgerungen zusammengefasst, dann werden unterstützende Daten angezeigt und schließlich werden Empfehlungen gegeben, was den Lesegewohnheiten professioneller Analyseberichte entspricht. Nutzenwert: Eine Analyse endet nicht mehr mit dem „Sehen des Diagramms“, sondern mit dem „Erhalten eines lieferbaren Berichts“, wodurch die zusätzliche Arbeit zwischen Analyse und Berichterstellung reduziert wird.
• Intelligente Insight-Empfehlung – Das System scannt automatisch Datenmerkmale nach dem Datenzugriff, identifiziert ungewöhnliche Schwankungen (z. B. einen plötzlichen Rückgang des Datenverkehrs um 30 % an einem bestimmten Tag), Trendänderungen (kontinuierliches Wachstum/Abwärtstrends) und Verteilungsmerkmale (Long-Tail-Verteilung, 80/20-Regel) und fördert proaktiv Erkenntnisse, die den Benutzern Aufmerksamkeit verdienen könnten. Erweiterte Funktionen: Unterstützt das Festlegen regelmäßiger Berichtsaufgaben. Das System führt automatisch Analysen durch, generiert Berichte entsprechend der festgelegten Zeit und sendet sie per E-Mail oder über Kollaborationsplattformen an bestimmte Empfänger. Dadurch wird der Wandel von „Personen, die nach Daten suchen“ zu „Daten, die nach Personen suchen“ vollzogen.

Modell- und Versionsentwicklung

Version	Datum	Wichtige Änderungen
v1.0 (neueste Version)	Neu	Berichtserstellung + Insight-Empfehlung + Geplanter Push
v0.9	Frühstadium	Ergebnisvisualisierung + Zugriff auf mehrere Datenquellen
v0.x	Früh	Konvertierung von natürlicher Sprache in SQL

Die Produktentwicklungslogik folgt dem Weg „kann prüfen → kann sehen → kann erzählen“. Die aktuelle Version (v1.0) befindet sich im „kann sprechen“-Stadium – einem geschlossenen Kreislauf von Daten zu lieferbaren Berichten. Zukünftige Planungsrichtungen umfassen: proaktive Alarminterpretation abnormaler Ereignisse, direkte Hypothesentestanalyse durch natürliche Sprache und automatische Erstellung regelmäßiger Berichte auf der Grundlage von Datenkalendern. Technische Schlussfolgerung: Die NL2SQL-Kern-Engine von Cardamon basiert möglicherweise auf dem Modell der CodeGen-Serie oder einem speziell fein abgestimmten SQL-Generierungsmodell. Die Fähigkeit, komplexe Abfragen (Multi-Table-JOIN, Unterabfrage, Fensterfunktion) zu verarbeiten, ist ein Schlüsselindikator zur Unterscheidung der Reife des Produkts. Risikooffenlegung: Die Genauigkeitsobergrenze der NL2SQL-Technologie liegt bei etwa 85–90 % (die beste Modellgenauigkeit bei Benchmark-Datensätzen wie Spider liegt bei etwa 87 %), was bedeutet, dass etwa 10–15 % der Abfragen Fehler aufweisen können – insbesondere wenn das Geschäftsdatenmodell unbekannt ist (z. B. mehrdeutige Tabellennamen, nicht standardmäßige Feldnamen), kann die Fehlerrate höher sein.

Technische Vorteile

• Route der Kerntechnologie – präzise Zuordnung natürlicher Sprache zu Abfragen: Die Kern-NLP-Engine übersetzt komplexe Geschäftsbeschreibungen genau in Datenbankabfrageanweisungen und unterstützt gängige Analysemodi wie Multi-Table-Assoziationen (JOIN), Aggregatfunktionen (SUM/AVG/COUNT), Zeitfenster (Jahresvergleich/Monatsvergleich/MTD/YTD) und bedingte Filterung (WHERE/HAVING). Interaktive Pflege des Analysekontexts: Der Analysekontext wird in mehreren Dialogrunden gepflegt. Nachfolgende Fragen beziehen sich automatisch auf die vorherigen Abfrageergebnisse und den Analyseumfang, ohne dass die Hintergrundbedingungen wiederholt beschrieben werden müssen – zum Beispiel „Umsätze nach Region ansehen“ → „Gewinnspanne hinzufügen“ → „Nur Ostchina betrachten“, wodurch der Umfang schrittweise in drei Schritten eingegrenzt wird.
• Engineering-Fähigkeit: Die automatisierte Berichtsorchestrierungs-Engine organisiert mehrere Analyseschritte und Diagramme in einer logisch kohärenten Erzählstruktur – zuerst Überblick, dann Details, zuerst Kern, dann Vergleich. Intelligentes Caching: Ergebnisse für wiederholte Abfragen werden automatisch zwischengespeichert, um die Datenbanklast zu reduzieren. Kostenschätzungen werden vor der Ausführung komplexer Abfragen erstellt und Benutzer werden zur Bestätigung aufgefordert, wenn der Schwellenwert überschritten wird. Datensicherheit: Unterstützt Berechtigungskontrolle auf Datensatzebene und Sicherheitsfilter auf Zeilenebene (schränkt den sichtbaren Datenbereich automatisch basierend auf Benutzerattributen ein).
• Sicherheit und Compliance: Das Berechtigungsschema auf Zeilenebene stellt sicher, dass Benutzer nur Daten innerhalb ihres Berechtigungsbereichs abfragen können. Es eignet sich für Unternehmensszenarien, in denen mehrere Abteilungen dieselbe Analyseplattform nutzen. Die privatisierte Bereitstellungslösung kann die Daten- und Analyse-Engine in der eigenen Umgebung des Kunden bereitstellen, um die Compliance-Anforderungen der Finanz-, Medizin- und anderen Branchen zu erfüllen. Risikooffenlegung: Im SaaS-Multi-Tenant-Modell muss bestätigt werden, ob die Datenisolationslösung (logische Isolation vs. physische Isolation) die Datensicherheitsanforderungen des Unternehmens erfüllt.

Wie man es benutzt

Eingang	So verwenden Sie
Webseite	Besuchen Sie die offizielle Website mit einem Browser → Registrieren → Datenquelle hinzufügen → Fragen in natürlicher Sprache stellen → Das System analysiert und visualisiert automatisch → Bericht speichern/exportieren
API	Senden Sie analytische Abfragen über die REST-API und erhalten Sie strukturierte Ergebnisse

Typischer Verwendungsprozess: Bei Cardamon anmelden → Eine Datenquelle hinzufügen (Datenbankverbindung oder Upload-Datei) → Das System scannt automatisch die Datenstruktur und Feldbedeutung → Geben Sie eine Analysefrage in das Dialogfenster ein (z. B. „Kundenakquisekostentrend jedes Kanals in den letzten drei Monaten“) → KI generiert Abfragen und Diagramme → Wenn Sie eingehende Fragen benötigen („Nach Stadt aufteilen“) → Speichern Sie die Analyseergebnisse in einem Bericht → Exportieren oder teilen. Best Practice: Es wird empfohlen, die Feldbenennung in der Datenquelle vor der ersten Verwendung zu bereinigen und zu standardisieren – klare Feldnamen (z. B. „order_amount“ anstelle von „fld_001“) können die Genauigkeit des KI-Verständnisses der Abfrageabsichten erheblich verbessern. Bauen Sie bei komplexen Analyseanforderungen schrittweise durch schrittweise Fragen auf, anstatt alle Bedingungen auf einmal zu beschreiben. In Teamszenarien wird empfohlen, ein gemeinsames Datenwörterbuch einzurichten und Geschäftsbegriffe (z. B. „aktive Benutzer“, definiert als „Benutzer mit Anmeldedatensätzen in den letzten 30 Tagen“) in das System einzugeben, um die KI beim Verständnis des Geschäftskontexts zu unterstützen.

Produktpreise

Paket	Preis	Inhalt
Kostenlose Version	$0	Anzahl grundlegender Datenquellen (1-2) + begrenzte Anzahl Abfragen
Persönliche Version	—	Mehrere Datenquellen + erweiterte Diagramme + Berichtsexport
Team-Edition	—	Kollaborationsraum + gemeinsame Datenquellen + geplante Berichte
Enterprise-Edition	—	Private Bereitstellung + Berechtigungen auf Zeilenebene + benutzerdefinierte Modelle

Preise. Entscheidungsvorschläge: Neue Benutzer beginnen mit den häufigsten täglichen Analyseanforderungen und nutzen den kostenlosen Plan, um die Leistung des Produkts anhand tatsächlicher Geschäftsdaten zu überprüfen. Es wird empfohlen, 20 bis 30 typische Analyseprobleme, die im letzten Monat aufgetreten sind, nacheinander in Cardamon einzugeben, um die Genauigkeit des KI-Verständnisses für geschäftsspezifische Abfragen und die Leistung bei der Verarbeitung des Datenumfangs (Antwortzeit, Abfrageerfolgsrate) zu überprüfen. Stellen Sie sicher, dass die NL2SQL-Genauigkeitsrate dem Standard entspricht, bevor Sie sich für einen kostenpflichtigen Plan entscheiden.

Anwendungsszenarien

• Scenario 1: Operation data analysis - The operation team queries daily/weekly core indicators through natural language: DAU/MAU trend, next day/7th/30th day retention, registration → activation → payment conversion rate. Eingabelink: Mit Datenquelle verbinden → Analysefrage eingeben → KI führt Abfrage aus → Diagramm zurückgeben → manuelle Interpretation. Effizienzvergleich: Vom Stellen einer Frage bis zum Erstellen eines Diagramms vergehen durchschnittlich 10–30 Sekunden, was viel weniger ist als die 3–5 Minuten manueller Bedienung von BI-Tools. Verifizierungsmethode: Wählen Sie 10 Analyseszenarien der letzten Woche aus, betreiben Sie sie mit Cardamon bzw. herkömmlichen BI-Tools und vergleichen Sie den Zeitaufwand und die Ergebnisgenauigkeit.
• Szenario 2: Zuordnung von Marketingeffekten - Analysieren Sie nach dem Zugriff auf Multi-Channel-Marketingdaten den ROI, die Kundenakquisekosten (CAC) und den Conversion-Pfad jedes Kanals. Typische Frage: „Vergleichen Sie den ROAS jedes Kanals im letzten Monat, um zu sehen, welche drei Kanäle am besten abgeschnitten haben.“ Risikooffenlegung: Die Attributionsanalyse umfasst die Zuordnung mehrerer Tabellen und die Prüfung der Datenkonsistenz. Wenn die Datenkaliber des CRM und der Werbeplattform inkonsistent sind (z. B. unterschiedliche Attributionsfenster), kann die KI diese Unterschiede möglicherweise nicht automatisch identifizieren und die Konsistenz zwischen den Datenquellen muss vor der Analyse manuell bestätigt werden.
• Szenario 3: Automatisierung von Managementberichten – Wandeln Sie die Datenanalyse, die regelmäßig berichtet werden muss, von manuellen Vorgängen in automatisierte Prozesse um. After setting up scheduled tasks, managers receive the last week's operation report generated by the system every Monday morning, including changes in key indicators, anomalies and preliminary analysis conclusions. Überprüfungsmethode: Nachdem der automatisierte Bericht zwei bis vier Wochen lang ausgeführt wurde, überprüfen Sie manuell die Richtigkeit der Schlüsseldaten im Bericht (überprüfen Sie stichprobenartig 5 bis 8 Datenpunkte) und erweitern Sie nach der Bestätigung schrittweise den Vertrauensbereich. Kausalkette: Zugriff auf Datenquellen → Automatisches KI-Scannen → Auslöser für Insight-Empfehlungen → Manuelle Wertbestätigung → Geplante Berichte einrichten → Manuelle Überprüfung schrittweise reduzieren → datengesteuerte Entscheidungsgewohnheiten bilden.

Anwendbare Personen

• Einzelbenutzer: Geschäftsabläufe und Analysten reduzieren die Lernkosten von SQL/BI-Tools durch Interaktion in natürlicher Sprache. Mittlere Manager können selbst Analyseergebnisse erhalten, ohne auf Datenteams angewiesen zu sein. Unabhängige Geschäftsanalysten können die Analyseeffizienz von „Stunden“ auf „Minuten“ verbessern.
• KMU-Team: Wenn kein dediziertes Datenteam vorhanden ist, können Sie mit Cardamon schnell wichtige Einblicke in Geschäftsdaten erhalten, die Sie bei der Geschäftsentscheidung unterstützen. Das monatliche Honorar liegt deutlich unter dem Gehalt eines Junior-Datenanalysten.
• Große Unternehmen: Mitarbeiter in nicht-technischen Abteilungen (Marketing, Vertrieb, Personalwesen) decken den täglichen Datenbedarf selbst durch Gesprächsanalyse ab und reduzieren so die abteilungsübergreifenden Kommunikationskosten. Die Berechtigungen auf Zeilenebene und die Sicherheitsüberwachung der Unternehmensversion erfüllen die Anforderungen einer groß angelegten Bereitstellung.
• Ungeeignete Grenze: Komplexe statistische Modellierung (Regressionsanalyse, Clusteranalyse), strenge A/B-Tests, kausale Schlussfolgerungen, Analyseszenarien, die Datenprüfungsstandards entsprechen müssen – KI-Analyseergebnisse sollten als Referenz und nicht als alleinige Grundlage für die Entscheidungsfindung verwendet werden. AI is most efficient in data exploration and regular report generation, but professional tools (R, SPSS) are still needed for hypothesis testing and complex modeling.

Vergleich von Konkurrenzprodukten

Dimensionen vergleichen	Kardamom	Tableau Ask-Daten	GedankenSpot	Traditional BI (manual)
Kernunterschiede	Konversationsanalyse + automatisiertes Reporting	Tableau Embedded NL-Abfragen	Suchbasierte Analyse	Flexibel, aber ineffizient
Preis	—	In der Tableau-Lizenz enthalten	Ab 1.500 $/Monat	Arbeitskostenbasiert
Abgedeckte Szenarien	NL-Analyse mit mehreren Datenquellen	Nur Tableau-Datenquellen	BI auf Unternehmensebene	Vollständige Szenarien
Benutzerrezensionen	Ausstehende Überprüfung	G2 4,4/5	G2 4,3/5	N/A
Technische Schwelle	Niedrig (gesprächig)	Medium (requires Tableau basics)	Mittel (erfordert Datenmodellierung)	Hoch (erfordert SQL/BI-Kenntnisse)

Zusammenfassung und Ausblick

Es bietet wettbewerbsfähige Lösungen in seinem Bereich und sein Kernwert liegt darin, die Schwelle für den Einsatz von KI in diesem Bereich zu senken.

Aktuelle Einschränkungen: Für einige erweiterte Funktionen ist ein kostenpflichtiges Abonnement erforderlich, und die kostenlose Version unterliegt Funktions- oder Nutzungsbeschränkungen. Spezifische technische Details und Leistungsbenchmarks wurden noch nicht vollständig bekannt gegeben.

Verwandte Tools: crewai, langchain

Versionsinfo

• Öffentliche Betaversion ：Es handelt sich derzeit um eine öffentlich zugängliche Version und bestimmte Funktionen werden in einem bestimmten Tempo aktualisiert. （2026-07-14）
• frühere Version ：Eine frühe Testversion, deren Kernausrichtung mit der aktuellen Version übereinstimmt. （2026-07-14）