Übersetzt aus dem englischen Original. Zahlen und Quellen sind unverändert. Englisches Original lesen
Grab
Die Analyse-Agenten von Grab beantworten mehr Datenanfragen ohne Analysten
Grab betreibt KI-Agenten in Slack und in einem internen Portal, damit Fachbereiche Datenfragen in natürlicher Sprache stellen können. Grab meldet, dass in einem Self-Service-Kanal der Anteil der Anfragen, die ganz ohne menschliches Zutun beantwortet wurden, zwischen März und Mai 2026 bei drei Anfragetypen gestiegen ist.
Kennzahlen
Wortgetreu aus den Quellen übernommen. Kopieren Sie jede Zahl mit ihrer Quellenangabe.
53 %
bis 67 %
Anteil der Kennzahlenfragen in einem Slack-Self-Service-Kanal, die ohne menschliches Zutun beantwortet wurden (März bis Mai 2026)1
63 %
bis 90 %
Anteil der Datenabfragen im selben Kanal, die ohne menschliches Zutun beantwortet wurden (März bis Mai 2026)1
50 %
bis 81 %
Anteil der SQL-Anfragen im selben Kanal, die ohne menschliches Zutun beantwortet wurden (März bis Mai 2026)1
44 %
bis 30 %
Anteil der abgeschlossenen Analysten-Tickets, die mechanische Arbeit waren, etwa Datenaufbereitung, Alarmierung und Reporting (Februar bis Juni 2026)1
Was es erforderte
Kosten, Teamgröße und Zeitplan wurden in den Quellen nicht veröffentlicht.
Das Problem
Fast jede Entscheidung bei Grab hängt von Daten ab. Fachbereiche mussten darauf warten, dass Analysten Daten aufbereiten, Abfragen schreiben und Berichte erstellen, sodass der Output davon abhing, wie schnell Analysten arbeiten konnten. Grab wollte, dass jeder, der eine geschäftliche Entscheidung trifft, sofort verlässliche Antworten erhält.
Was sie gebaut haben
Grab hat mehrere KI-Agenten für die Analyse gebaut. Spartan beantwortet Fragen in Slack in verständlicher Geschäftssprache, von Ursachenfragen wie dem Umsatzrückgang in einem Markt bis zu Zusammenfassungen von Experimenten. Scarlet greift ein, wenn eine Datenpipeline ausfällt: Er findet die Ursache und behebt sie oder übergibt sie an das zuständige Team. BriX ist ein internes Portal, in dem Analysten ein maßgeschneidertes Analysewerkzeug für ein Team einmal einrichten und es in Slack, in einem Coding-Tool oder nach Zeitplan ausführen.
Wie sie vorgegangen sind
Die Agenten antworten auf Grundlage zertifizierter Kennzahlen, also von Grab freigegebener Kennzahlendefinitionen, und nicht aus dem Gedächtnis des Modells. Spartan leitet jede Frage an eine von mehr als 50 Fähigkeiten und 120 Analyse-Frameworks weiter. Ein System namens ContextIQ hält den schriftlichen Kontext zu jeder Kennzahl aktuell, und jedes Mal, wenn ein Agent in der Produktion scheitert, korrigiert Grab den zugrunde liegenden Kontext. Dateningenieure verantworten BriX, die Plattform und die Support-Warteschlange, ohne Produktmanager oder Designer.
Ergebnisse
In einem Slack-Kanal, in dem Self-Service-Agenten aktiviert sind, stieg der Anteil der Kennzahlenfragen, die ohne menschliches Zutun beantwortet wurden, zwischen März und Mai 2026 von 53 % auf 67 %. Datenabfragen stiegen von 63 % auf 90 % und SQL-Anfragen von 50 % auf 81 %. Grab meldet außerdem, dass der mechanische Anteil der abgeschlossenen Analysten-Tickets von 44 % im Februar auf 30 % im Juni sank und die Durchlaufzeiten um etwa ein Drittel zurückgingen.
Was Sie übernehmen können
Messen Sie Automatisierung je Anfragetyp, nicht als einen einzigen Durchschnitt. Investieren Sie zuerst in Definitionen und Kontext. Planen Sie, was Analysten mit der zurückgewonnenen Zeit tun.
Alle berichteten Zahlen
| Messgröße | Wert | Quellenangabe |
|---|---|---|
| Anteil der Kennzahlenfragen in einem Slack-Self-Service-Kanal, die ohne menschliches Zutun beantwortet wurden (März bis Mai 2026) | 53 % bis 67 %1 | |
| Anteil der Datenabfragen im selben Kanal, die ohne menschliches Zutun beantwortet wurden (März bis Mai 2026) | 63 % bis 90 %1 | |
| Anteil der SQL-Anfragen im selben Kanal, die ohne menschliches Zutun beantwortet wurden (März bis Mai 2026) | 50 % bis 81 %1 | |
| Anteil der abgeschlossenen Analysten-Tickets, die mechanische Arbeit waren, etwa Datenaufbereitung, Alarmierung und Reporting (Februar bis Juni 2026) | 44 % bis 30 %1 | |
| Verkürzung der Ticket-Durchlaufzeit (Q1 gegenüber Q2, laut Grabs Diagramm) | ~33 %1 | |
| Wachstum der Nutzung des BriX-Portals seit September 2025 | mehr als 10-mal so hoch1 |
Erkenntnisse für Ihr Projekt
Verfolgen Sie je Anfragetyp den Anteil der Anfragen, die ohne menschliches Zutun erledigt werden. Grab weist Kennzahlenfragen, Datenabfragen und SQL getrennt aus, was zeigt, wo die Agenten am stärksten sind.
Lassen Sie Kennzahlendefinitionen zertifizieren, bevor Sie Agenten hinzufügen. Grab sagt, unklare Definitionen verursachten die meisten schlechten Analyseergebnisse, und korrigiert die Kontextdokumente, sobald ein Agent scheitert.
Setzen Sie Agenten dort ein, wo Menschen ohnehin um Hilfe bitten. Grabs Slack-Kanal wird überwiegend von Personen außerhalb des Analyseteams genutzt.
Lenken Sie die frei gewordene Zeit der Analysten gezielt um. Grab hat sie in Self-Service-Abläufe und tiefere Analysen verlagert und misst den mechanischen Anteil der Tickets.
Einschränkungen
- Alle Zahlen stammen von Grab selbst, aus einem einzigen Beitrag im Engineering-Blog. Kein Außenstehender bestätigt sie.
- Der Beitrag nennt die KI-Modelle hinter Spartan, Scarlet oder BriX nicht. Er erwähnt ein Design-Tool namens Claude Design, nur für die Oberfläche des Portals; das zeigt nicht, welches Modell die Agenten betreibt.
- Dem Beitrag zufolge laufen einige Erkundungen in der Produktion, andere sind noch Experimente. Er sagt nicht, welche, und nennt kein Startdatum. Das angegebene Einführungsdatum ist das Datum des Beitrags.
- Die Zahl zur Durchlaufzeit ist als ~33 % angegeben und beruht auf einem Diagramm (Q1 gegenüber Q2), das sich im Text nicht lesen ließ. Die Kanalzahlen beziehen sich auf einen Slack-Kanal, nicht auf die gesamte Analysearbeit.
- Grab nennt außerdem eine Schätzung von 230 bis 470 vermiedenen Arbeitstagen Rückstau. Sie beruht auf der Annahme von 1 bis 2 Tagen je Ticket und wird deshalb hier nicht verwendet.
- Zu Kosten, Teamgröße oder Bauzeit der Agenten selbst gibt es keine Angaben.
Quellen
- How AI is transforming analytics at Grab
Grab Engineering Blog · 2026-08-01 · Unternehmensblog · engineering.grab.com
In eigenen Worten aus den oben genannten Quellen zusammengefasst. Einen Fehler entdeckt? Siehe Korrekturen.