AI Data Analysts Duell — 14. Dezember 2023

1

Model ML

AI-Arbeitsbereich für Forschung und Due Diligence in Finanzdienstleistungen.

4.6 (5)

Kontakt

Volle Rezension

Model ML ist eine KI-gestützte Plattform, die speziell für Teams im Finanzdienstleistungsbereich entwickelt wurde und Analysten dabei hilft, Forschungs-, Due-Diligence- und Deal-Workflows zu beschleunigen. Sie konsolidiert Dokumente, Daten und KI-Modelle in einem einzigen Arbeitsbereich, sodass Benutzer von rohen Quellen zu strukturierten Erkenntnissen wechseln können, ohne zwischen Tools wechseln zu müssen. Die Plattform unterstützt Aufgaben wie Unternehmensanalyse, Dokumentenprüfung, vergleichende Recherchen und die Erstellung von Berichten, mit KI-Assistenten, die auf Finanz-Anwendungsfälle zugeschnitten sind. Sie richtet sich an Investmentbanken, Private-Equity-Unternehmen, Vermögensverwalter und Beratungsfirmen, die große Informationsmengen unter engen Fristvorgaben verarbeiten müssen.

• KI‑Assistenten, angepasst an finanzielle Forschung
• Dokumentenintegration und -analyse
• Unterstützung von Due Diligence und Deal‑Workflow
• Werkzeuge zum Entwurf von Berichten und Memoranden
• Zusammenarbeit im Arbeitsbereich für Deal‑Teams
• Integration mit Finanzdatenquellen

2

Shortcut (Excel AI)

AI-Assistent für Excel, der durch Chat und eine native Excel-Add-In-Umgebung Tabellen, Modelle und Analysen erstellt und bearbeitet

4.8 (4)

Freemium

Volle Rezension

Shortcut (Excel AI) ist ein KI-Agent, der speziell für die Arbeit mit Tabellenkalkulationen entwickelt wurde und darauf abzielt, Excel-Modelle, Analysen und Berichte anhand von Anweisungen in natürlicher Sprache zu planen, zu erstellen und zu bearbeiten. Es richtet sich an Finanzprofis - Analysten bei Hedgefonds, Vermögensverwaltern und ähnlichen Institutionen -, wo Genauigkeit und Auditierbarkeit eine größere Rolle spielen als reine Geschwindigkeit. Das Unternehmen bewirbt es als Lösung, die in großen Multi-Strategy-Hedgefonds und in tausenden täglichen aktiven Sitzplätzen eingesetzt wird. Das Tool kann auf zwei Arten verwendet werden: als eigenständige Webanwendung und als natives Excel-Plugin. Die Webanwendung bietet etwa 95% der Funktionen von Excel, während das Plugin vollständige Funktionsgleichheit bieten soll, indem es direkt in der bestehenden Excel-Umgebung des Benutzers arbeitet, einschließlich Makros, Tastaturkürzel und großer Dateien. Dateien können im Excel-Format geöffnet und exportiert werden, ohne dass Formatierungen, Formeln oder Funktionen verloren gehen, was die Integration in etablierte Arbeitsabläufe erleichtert. Darüber hinaus gibt es eine terminalbasierte CLI (ShortcutXL) für Power-User, die mehrere Modelle parallel innerhalb von Desktop-Excel erstellen und bearbeiten möchten. Ein zentraler Designschwerpunkt liegt auf Korrektheit. Shortcut behauptet, dass seine Ausgaben formelgetrieben und nicht hartcodiert sind, sodass sich die Ergebnisse dynamisch mit den zugrunde liegenden Daten aktualisieren, anstatt zu brechen, wenn sich die Eingaben ändern. Es verwendet eine professionelle Formatierung und ist so konzipiert, dass es Änderungen präzise platziert, ohne vorhandene Daten zu überschreiben - ein häufiges Versagensmuster bei generischen KI-Tabellenkalkulationstools. Das Unternehmen verweist auf Ergebnisse von SpreadsheetBench und eine berichtete 90-prozentige Gewinnrate gegenüber Analysten im ersten Jahr bei direkten Herausforderungen als Beweis für seine Genauigkeitsansprüche. Prüfbarkeit und Vertrauen werden als vorrangige Anliegen betrachtet. Shortcut zeigt jede geänderte Zelle an, gibt an, welche Werte hartcodiert sind und warum, und ermöglicht es Benutzern, jeden Schritt in der Aktionssequenz rückgängig zu machen, wiederherzustellen oder zu widerrufen. Im Bereich Sicherheit wirbt es mit SOC 2 Type II-Konformität, AES-256-Verschlüsselung im Ruhezustand und TLS 1.3 während der Übertragung, rollenbasierten Zugriffskontrollen, Zero-Retention-Vereinbarungen mit seinen KI-Anbietern und einer Richtlinie, dass Daten von bezahlten Plänen niemals für das Modelltraining verwendet werden. Im Vergleich zu universellen Assistenten wie ChatGPT, Claude oder Microsoft Copilot in Excel ist Shortcut eng auf die Erstellung von Tabellenkalkulationen spezialisiert und behauptet eine deutlich höhere Genauigkeit bei Benchmark-Aufgaben. Seine Differenzierung beruht auf Excel-nativen Operationen, formelgetriebenen Ausgaben und den Audit-Funktionen, die institutionelle Finanzanwender benötigen. Der Kompromiss dieser Spezialisierung ist ein enger Fokus auf Excel-zentrale Finanz- und Datenarbeiten anstelle einer breiten Büroproduktivität, und viele seiner Leistungsansprüche sind vom Anbieter berichtete Benchmarks, die potenzielle Käufer anhand ihrer eigenen Workflows validieren möchten.

• Native Excel-Add-In plus eigenständige Webanwendung
• Terminal-für-sche CLI (ShortcutXL) für Power-User, die mehrere Modelle im Desktop-Excel gleichzeitig erstellen und bearbeiten möchten
• Formelgetriebene, dynamisch aktualisierende Ergebnisse
• Zellebenen-Auditierung von Änderungen mit Möglichkeit umzukehren, zu restaurieren oder zu stornieren
• Profizahl Standardformate für Branchenindustriell
• Verlustfreie Excel-Dateiimport und -Export

3

Together Open Data Scientist

Offene-Source-ReAct-Agent, der Python läuft, um Daten zu erkunden, Modelle zu bauen und Analyseberichte zu generieren

4.3 (4)

Kostenlos

Volle Rezension

Together Open Data Scientist ist ein Open-Source-, KI-gestützter Datenanalyse-Agent, der von Together AI auf GitHub veröffentlicht wurde. Er folgt dem ReAct-Framework (Reasoning + Acting), das zwischen Sprachmodell-Schlussfolgerungsschritten und konkreter Python-Codeausführung abwechselt, um End-to-End-Datenwissenschaftsaufgaben wie das Erkunden von Datensätzen, das Berechnen von Zusammenfassungsstatistiken, das Erstellen von Modellen und das Produzieren detaillierter schriftlicher Analyseberichte durchzuführen. Der Agent kann Python in einem von zwei Modi ausführen. Der "interne" Modus führt Code lokal in einem Docker-Container aus, was für die lokale Entwicklung durch einen einzelnen Benutzer geeignet ist, während der "tci"-Modus die Ausführung an den Together Code Interpreter (TCI) auslagert, eine Cloud-Sandbox, die über die Together AI API zugänglich ist. Benutzer können ein Datenverzeichnis für die automatische Aufnahme hochladen, eine maximale Anzahl von Denkiterationen festlegen und auswählen, welches zugrunde liegende Modell den Agenten antreibt — DeepSeek-V3 ist der Standard, aber Llama-Modelle und andere, die über die Together-Plattform verfügbar sind, können angegeben werden. Es wird als pip-installierbares Paket (open-data-scientist) vertrieben und bietet sowohl eine Kommandozeilen-Schnittstelle als auch eine Python-API. Die CLI unterstützt Optionen wie --write-report zum Generieren eines Markdown-Analyseberichts, --save-trace zum Protokollieren der vollständigen Abfrage- und Ausführungsspur sowie die Wiederverwendung von Sitzungen über Sitzungs-IDs. Die Python-API konzentriert sich auf eine ReActDataScienceAgent-Klasse, die eine Aufgabe in natürlicher Sprache entgegennimmt und Ergebnisse zurückgibt. Das Projekt ist ausdrücklich als experimentelle Software gekennzeichnet. Da sämtlicher Code und sämtliche Analysen KI-generiert sind, können Ausgaben Fehler oder suboptimale Ansätze enthalten und sollten am besten als Ausgangspunkt für Erkundung und Lernen behandelt werden und nicht als Grundlage für produktive Entscheidungsfindung. Die Betreuer betonen, dass menschliche Aufsicht und Validierung erforderlich sind, insbesondere für kritische Geschäfts- oder Forschungsanwendungen. Im Vergleich zu kommerziellen KI-Datenanalyse-Assistenten wie ChatGPTs Advanced Data Analysis oder Notebook-Copiloten unterscheidet sich Together Open Data Scientist dadurch, dass es vollständig Open Source ist, selbst gehostet werden kann, modellunabhängig innerhalb des Together-Ökosystems ist und in der Lage ist, viele Code-Ausführungsschritte autonom zu verketten, um einen vollständigen Bericht zu erstellen, anstatt eine einzelne Antwort zu geben.

• ReAct-Gründungs- und Wirkungs- Agenten-Schleife
• Zwei Ausführungsmodi: lokales Docker oder Together Code Interpreter-Cloud
• Automatische Aufnahme von Daten-Verzeichnissen für Analyse
• Generierung von Markdown-Analyseberichten mit --write-report
• Konfigurierbare Modelle und maximale Gründungsanweisungsbeträge
• Befehlszeilen- und Programmatische Python-API

4

Edexia

KI-Noten- und Feedback-Assistent für IB Englisch und australische Lehrpläne, trainiert nach den eigenen Bewertungsstandards der Lehrkräfte

4.8 (5)

Freemium

Volle Rezension

Edexia ist ein KI-gestützter Noten- und Feedback-Assistent, der speziell für die Bewertung von Englisch im Sekundarstufe entwickelt wurde und sich primär auf den International Baccalaureate (IB)-Englisch-Lehrplan sowie die australischen Oberstufenrahmen VCE, HSC, QCE und WACE konzentriert. Anstelle einer generischen Aufsatzwertung lädt es die relevanten Rubriken, Bewertungsbeschreibungen und Studien-Design-Anforderungen vor und wird kontinuierlich von einem Team erfahrener Pädagog*innen anhand realer Bewertungssätze trainiert und validiert. Die Grundidee des Tools besteht darin, dass die KI-Bewertung an die tatsächlichen Bewertungspraktiken einzelner Lehrkräfte und Abteilungen angepasst werden sollte. Lehrkräfte bewerten Aufsätze anonym, stimmen ihre Urteile in Kalibrierungssitzungen ab, und das System lernt aus diesem Prozess, sodass seine Entwurfsnoten und Rückmeldungen zunehmend den Standards der Schule entsprechen. Laut dem Unternehmen entsprach Edexia in einem Test mit 579 Aufsätzen am St Bernard's College den Lehrer*innenbewertungen exakt 81,2 % der Zeit und lag 98,3 % der Zeit innerhalb einer Notenebene. Ein zentrales Designprinzip besteht darin, Lehrkräfte in die Kontrolle zu lassen. Jeder KI-generierte Kommentar kann vor der Auslieferung an einen Schüler bearbeitet, umgeschrieben oder gelöscht werden, Lehrkräfte können persönliche Sprachaufnahmen zum Feedback anhängen, und ein Lehrkraft-Bewertungsmodus hält alle Ausgaben aus, bis ein Mensch sie prüft und freigibt. Damit positioniert sich Edexia als KI-Schreiber und Assistent, der detailliertes Feedback für Lehrkräfte entwirft, die es anschließend verfeinern, anstatt ein autonomer Bewertungsalgorithmus zu sein. Über die Bewertung hinaus bietet die Plattform eine Reihe von Arbeitsablauf-Tools für den Unterricht: KI-Erkennung mit einer Wiedergabe des Schreibprozesses eines Schülers (Anzeige von Einfügungen, Tabulatoren und KI-Wahrscheinlichkeitswerten), Cross-Submission-Berichte, die die Stärken und nächsten Schritte jedes Schülers zusammenfassen, eine durchsuchbare Prompt- und Stimulus-Bibliothek, Funktionen für blindes Bewerten und Moderation mit visualisierten Notenverteilungen sowie Handschrifttranskription für gescannte Antworten. Außerdem baut sie pro Text Wissensbasen zu Themen, Autor*innenabsicht und Schlüsselaussagen für Werke aus der IB-Studienliste auf. Für Schülerinnen und Schüler ermöglicht Edexia einen schnellen Schreib–Feedback–Überarbeitungszyklus, sodass sie einen Aufsatz entwerfen, sofortiges Feedback erhalten und innerhalb eines Abends überarbeiten können. Für Lehrkräfte und Abteilungen liegt der Schwerpunkt auf Zeitersparnis bei der Bewertung und auf der Verbesserung der Konsistenz durch Moderation und Kalibrierung. Das Unternehmen betont den Datenschutz und die Datenverwaltung: Trainingsdaten sind auf einzelne oder institutionelle Konten beschränkt, bleiben geistiges Eigentum des Kontoinhabers und werden nicht zur Schulung der Modelle von Edexia verwendet. Die Daten werden anonymisiert und auf australisch betriebenen Servern gespeichert; das Unternehmen verfügt über SOC 2 Type II-Zertifizierung, ISO 27001 und ST4S‑Akkreditierung. Nach den aktuellen Angaben ist Edexia kostenlos für Lehrkräfte und Schüler mit Warteliste verfügbar und ist eng ausgerichtet – besonders stark für IB und australisches Englisch, weniger als ein generischer Bewertungsalgorithmus für alle Fächer.

• IB‑abgestimmte Rubriken und Bewertungsbeschreibungen mit pädagogischer Validierung
• Lehrkraft-Bewertungsmodus mit vollständiger Bearbeitung und Sprachnotizen
• Wiedergabe des Schreibprozesses und KI-Wahrscheinlichkeits-Erkennung
• Blindes Bewerten, Moderation und Kalibrierungsanalyse
• Prompt- und Stimulusbibliothek, durchsuchbar nach Text, Thema und Befehlsbegriff
• Transkription von Handschrift gescannter Antworten

5

Anamap

KI-Analyst, der GA4 oder Amplitude-Daten untersucht, um Produkt- und Wachstumsmetriken zu erklären und Empfehlungen für die nächste Richtung zu geben

5.0 (4)

Kostenpflichtig

Volle Rezension

Anamap ist ein KI‑Analysetool, das für Produkt‑ und Wachstumsteams entwickelt wurde, die Erklärungen und Entscheidungen statt mehr Dashboards wollen. Sein zentrales Feature ist Cartos, ein „KI‑Analyst‑Kollege“, der sich mit den Web‑ und Produktanalysen eines Teams verbindet, bedeutende Verschiebungen entlang der User‑Journey – Akquisition, Aktivierung, Konversion und Retention – identifiziert und sie zu entscheidungsfertigen Analysen aufbereitet. Anstatt ein weiteres Diagramm oder eine vage Zusammenfassung zurückzugeben, ist jede Cartos‑Untersuchung um drei Ergebnis­lieferungen strukturiert: die relevante Veränderung (welche Kennzahl, welches Segment, welcher Kanal oder welcher Journeyschritt sich bewegt hat und welche geschäftliche Auswirkung das hat), die wahrscheinliche Ursache (eine evidenzbasierte Erklärung, die konkurrierende Hypothesen und Vorbehalte enthält, wenn die Daten nicht eindeutig sind) und ein empfohlener nächster Schritt, der direkt an die Erkenntnis gekoppelt ist. Das Ergebnis wird als Kurzbericht bereitgestellt, den Teams in Slack, per E‑Mail oder in der Web‑App einfügen können, sodass die Stakeholder sich abstimmen können, ohne die Analyse neu aufzubauen. Das Tool verbindet sich mit GA4 oder Amplitude als Datenquellen und integriert sich in Slack, E‑Mail und eine Web‑App, um die Erkenntnisse zu liefern. Anamap richtet sich an Organisationen, die die Produkt‑ und Webseiten‑Performance erklären müssen, aber nicht leicht zusätzliche Analysten einstellen oder rechtfertigen können – Gründer, Growth‑Teams, Produktteams und schlanke Daten‑Teams, bei denen jede Frage beim selben überlasteten Analysten landet. Ein zentraler Bestandteil von Anamaps Pitch ist persistenter Kontext. Während ein generischer Chatbot wie ChatGPT oder Claude von Ihnen verlangt, Daten zu exportieren und Definitionen bei jeder Eingabe erneut zu erklären, ist Cartos darauf ausgelegt, ein „Unternehmensgedächtnis“ zu behalten: wie KPIs definiert sind, was in Releases ausgeliefert wurde, welche Experimente durchgeführt wurden und welche Entscheidungen das Team zuvor getroffen hat. Ziel ist, dass jede Untersuchung auf dem vorherigen Kontext aufbaut und mit einem relevanten nächsten Schritt endet, anstatt bei Null zu beginnen. Die Preisgestaltung orientiert sich an Teams statt an einzelnen Sitzplätzen, bietet unbegrenzte Nutzer und keine pro‑Sitz‑Gebühr, zudem gibt es eine kostenlose Testphase, um eine reale Veränderung zu prüfen. Als Early‑Stage‑Produkt (die Website nennt über 12 Unternehmen, die bereits unterstützt werden) ist es am besten als fokussierte, klare Alternative zum Aufbau interner Analytics‑to‑Decision‑Workflows oder zur Abhängigkeit von knappen Analysten‑Ressourcen zu verstehen. Käufer sollten das enge aktuelle Integrationsangebot (GA4 und Amplitude) sowie die noch kleine, entstehende Erfolgsgeschichte gegen die spezifische, entscheidungsorientierte Ausgabe abwägen.

• Cartos KI-Analyst, der Produkte- und Webanalyse untersucht
• GA4- und Amplitude-Datenschaltungen
• Untersuchung von Verschiebungen entlang der Benutzerreise
• Naturbasierte Erklärungen des wahrscheinlichen Ursach mit konkurrierenden Erklärungen und Bedenklichkeiten
• Empfehlungen für die nächste Schritte mit jeder Erkenntnis
• Persitente Firma-Memory und -KPI, Release und Entscheidungszwecke