Zum Inhalt springen
DataTug.ai
GitHub

Ihre Daten haben Bedeutung.
Lassen Sie KI sie verstehen.

DataTug ist ein Workspace, in dem Sie und KI verbundene Daten untersuchen: in der Web-App, im Terminal oder in Ihrem eigenen Coding-Agent mit den DataTug AI Skills. Antworten über Quellen hinweg funktionieren heute in der CLI. Der Belegpfad, geteilte Bedeutung und Gedächtnis sind das, was wir als Nächstes bauen.

Die Live-Demo in DataTug.app ist in Entwicklung. Öffnet vorerst einen Prototyp der Untersuchung.

Sehen, wie DataTug antwortet
  • Kostenlose CLI · private und geschäftliche Nutzung
  • CLI v0.121.1
  1. Chinook · Invoice.BillingCountry"Ireland"
  2. BedeutungGeo.CountryGeplant
  3. ISO 3166-CodesIE · IRL
  4. WeltbankBevölkerung 5,48 Millionen
  5. Antwort8,3 pro Million

Umsatz pro Million Einwohner

Realer Demo-Lauf
  1. Irland8,3
  2. Tschechien8,3
  3. Finnland7,4
  4. Kanada7,3
  5. Portugal7,1
  6. USA1,5

Die USA kaufen insgesamt am meisten, liegen pro Kopf jedoch auf Rang 17.

Stellen Sie eine Folgefrage

Ergebnis: Verkäufe pro Million Einwohner

LandUmsatz, USDBevölkerung (2025)USD pro Million Einwohner
Irland45,625.484.3678,32
Tschechien90,2410.886.8788,29
Finnland41,625.646.4367,37
Kanada303,9641.651.6537,30
Sortieren und filtern

Untersuchung

  1. Ermittelt, was die Frage benötigtGeplant
  2. BillingCountry bedeutet ein LandGeplant
  3. Findet Bevölkerungsdaten an anderer StelleGeplant
  4. 24 von 24 Ländernamen zugeordnetEchter Lauf
  5. Drei Quellen verknüpft, Kennzahl berechnetEchter Lauf
Jeden Schritt prüfen

Wischen Sie für die anderen Ansichten

  • 24Länder
  • 3verbundene Quellen
  • 0KI-Tokens
  • 0,3 sLaufzeit

Aus dem echten Demo-Lauf: eine gespeicherte Abfrage, kein Modell.

One platform, three ways in.

Explore and chat in the browser, work from the terminal, or connect an AI agent. The status of each capability is shown here.

The whole platform: datatug.io

  • DataTug.app

    Explore, query and chat over your data in the browser.

    • Web appVerfügbar
    • AI chatVerfügbar
    • Managed AIVerfügbar
  • Terminal UI & CLI

    Explore projects, run TugQL, use AI chat, or script repeatable work.

    • Terminal appVerfügbar
    • AI chatVerfügbar
    • Managed AIVerfügbar
  • Integrated into your AI agent

    Use skills in Claude Code, connect MCP tools, or explore saved SQLite results with the MCP Apps explorer. Set up MCP & the explorer →

    • Skills pluginVerfügbar
    • MCP serverVerfügbar
    • MCP Apps explorerVorschau

Start with the right fit

Explore for free. See cloud plans as your needs grow.

Free €0/ monthPro €19/ monthBusiness €99 base / month + usageEnterprise Custom
Start free with the local CLI. Compare cloud plans for individuals and teams. Bring your own AI provider or choose managed AI where available.
See plans and pricing

Wie DataTug eine Antwort zusammensetzt. Öffne einen beliebigen Schritt.

Keine Gedankenkette, sondern ein Protokoll von Aktionen, Entscheidungen und Belegen. Zuerst genau, was der echte Lauf getan hat. Dann die Untersuchung, die DataTug künftig zeigen soll.

Was der echte Lauf getan hat

Echter Demo-Lauf

Die DataTug CLI hat eine gespeicherte TugQL-Abfrage ausgeführt. Sie verknüpft drei Quellen und ruft kein Modell auf.

Befehl

$ datatug query run sales/chinook-sales-per-capita

Was ausgegeben wurde

query download: 412 rows chinook
query download: 24 rows geo
query download: 216 rows geo
query process: 24 rows
Chinook-Rechnungen gelesen
412
Ländernamen in der Alias-Tabelle
24
entsprechen dem ISO-Namen
21
von Hand zugeordnet
3
Weltbank-Bevölkerungsdatensätze im Snapshot
216
Ergebniszeilen, eine pro Land
24
KI-Token
0

Cross-source TugQL joins in the CLIVerfügbar

Reproduzieren: datatug/datatug-demo-projects, Commit 0e5b98f, DataTug CLI 0.51.0.

Was das Produkt zeigen wird

In Entwicklung

Dieselbe Frage als Untersuchung in DataTug.app. Jeder Schritt ist markiert: Er ist entweder im echten Lauf passiert oder ein Verhalten, das wir gerade entwickeln, mit seinem Status.

Untersuchung: Musikverkäufe im Verhältnis zur BevölkerungPrototyp

Welche Länder kaufen die meiste Musik im Verhältnis zu ihrer Bevölkerung?

Schritte: 7. Im echten Lauf: 4. Zielverhalten: 3.

  1. Ermittelt, was die Frage benötigt.Musikverkäufe gruppiert nach Land: die Tabelle Invoice, ihre Spalte Total und ihre Spalte BillingCountry. Im echten Lauf hat eine Person diese beim Schreiben der Abfrage ausgewählt. Im Produkt wird Jev, ein Entscheidungsmodell von TypeSafe AI, sie vorschlagen, und das Schema wird sie prüfen.ZielverhaltenDecisions by Jev, a decision model by TypeSafe AIGeplant
    Tabelle
    Invoice
    Zeilen
    412
    Maßnahme
    Invoice.Total
    Gruppiert nach
    Invoice.BillingCountry
    Wie es entschieden wird
    Vorgeschlagen von Jev, einem Entscheidungsmodell von TypeSafe AI, dann gegen das Schema geprüft
    Aus Schema bekanntKI-Vorschlag
  2. Erkennt BillingCountry als Land.MeaningGraph wird angeben, dass dieses Feld Geo.Country bedeutet, sodass niemand aus dem Spaltennamen raten muss.ZielverhaltenMeaningGraph integrationGeplant
    Feld
    Invoice.BillingCountry
    Bedeutung
    Geo.Country
    Distinct-Werte
    24
    Wie es entschieden wird
    In MeaningGraph nachgeschlagen
  3. Findet Bevölkerungsdaten außerhalb von Chinook.Chinook enthält keine Bevölkerung. Die automatische Suche durch DataTug über das bestehende OVDB Directory ist geplant. Im echten Lauf war der Weltbank-Snapshot bereits im Projekt.ZielverhaltenAutomatic Directory discovery in DataTugGeplant
    Quelle
    Weltbank
    Datensatz
    SP.POP.TOTL · 2025
    Zeilen
    216
    Wie es entschieden wird
    Über OVDB Directory gefunden
    Deklariert
  4. Die Quellen schreiben Länder unterschiedlich.Chinook speichert Namen wie "USA". Die Bevölkerungsdaten sind nach ISO-Land verschlüsselt. Sie können nicht direkt verknüpft werden.Im echten Lauf
    Chinook sagt
    "USA"
    ISO-Länderschlüssel
    us
    ISO-Name
    "United States"
    Wie es entschieden wird
    Ein Unterschied in den Daten, die der Lauf gelesen hat. Der Lauf selbst hat nichts verglichen: Die Alias-Tabelle überbrückt die Namen
    Kein ModellMuss abgeglichen werdenVerifiziertDiesen Wert prüfen
  5. Eine Tabelle mit Ländernamen überbrückt sie.Alle 24 Chinook-Namen werden einem ISO-Land zugeordnet. Entspricht dem ISO-Namen: 21. Von Hand zugeordnet: 3.Im echten Lauf
    Referenzdaten
    country_aliases
    Aufgelöst
    24 / 24
    Entspricht dem ISO-Namen
    21
    Von Hand zugeordnet
    Czech Republic, Netherlands, USA
    Wie es entschieden wird
    In Referenzdaten nachgeschlagen, die als Dateien im Projekt liegen
    Kein ModellVerifiziertVom Menschen bestätigtDiesen Wert prüfen
  6. Verknüpft die drei Quellen.Rechnungen zu Aliasen zu Bevölkerung, in einer TugQL-Abfrage. Es ist kein Modell beteiligt.Im echten LaufCross-source TugQL joins in the CLIVerfügbar
    Verknüpfungspfad
    Invoice.BillingCountry → country_aliases.alias → population_wb.country
    Quelle
    Chinook + Weltbank
    Wie es entschieden wird
    Eine deterministische TugQL-Abfrage
    Aus der gespeicherten Abfrage (TugQL)
    from:
      database: chinook
      name: Invoice
      alias: i
      joins:
        - from:
            database: geo
            name: country_aliases
            alias: a
            joins:
              - from: {database: geo, name: population_wb, alias: p}
                on: [{left: {field: country, source: a}, op: '==', right: {field: country, source: p}}]
          on: [{left: {field: BillingCountry, source: i}, op: '==', right: {field: alias, source: a}}]
    Kein ModellVerifiziert
  7. Berechnet Verkäufe pro Million Einwohner.Eine Zeile pro Land, bereit zum Sortieren, Filtern und Visualisieren. Null KI-Token.Im echten Lauf
    Formel
    sum(Total) / population * 1000000
    Zeilen
    24
    Verwendete KI-Token
    0
    Wie es entschieden wird
    Arithmetik innerhalb der Abfrage, kein Modell
    Kein ModellVerifiziertErgebnis ansehen

Woher das Wissen kommt

  • Aus Schema bekannt
  • Deklariert
  • Vom Menschen bestätigt
  • Verifiziert
  • Beobachtet
  • Aus Daten abgeleitet
  • KI-Vorschlag
  • Hypothese

Die Trace-Ansicht ist ein Prototyp dafür, wie DataTug.app eine Untersuchung präsentieren wird. Sie ist noch nicht im Produkt enthalten.

Die Antwort sind Daten, mit denen du weiterarbeiten kannst.

Sortiere sie, filtere sie, passe die Größe an, wähle einen Balken aus, um die Zeile zu finden. Das Raster und das Diagramm sind zwei Ansichten desselben Ergebnisses.

Cross-source TugQL joins in the CLIVerfügbarCross-source TugQL joins in the browserIn Entwicklung

Ergebnis: Umsatz pro Million EinwohnerEchter Demo-Lauf
24 von 24 LändernVersuche, nach Umsatz zu sortieren: Die USA kaufen am meisten, rangieren aber pro Kopf auf Platz 17.
Tabelle überspringen
Umsatz und Bevölkerung nach Land
LandUmsatz, USDBevölkerung (2025)Umsatz pro Million Einwohner
Irland45,625.484.3678,32
Tschechien90,2410.886.8788,29
Finnland41,625.646.4367,37
Kanada303,9641.651.6537,30
Portugal77,2410.804.8717,15
Norwegen39,625.610.8707,06
Dänemark37,626.009.1696,26
Ungarn45,629.514.2514,79
Österreich42,629.208.1634,63
Schweden38,6210.596.6203,64
Belgien37,6211.941.7813,15
Frankreich195,1068.720.3372,84
Chile46,6219.859.9212,35
Niederlande40,6218.087.6332,25
Deutschland156,4883.491.2491,87
Großbritannien112,8669.487.0001,62
USA523,06341.784.8571,53
Australien37,6227.614.4111,36
Polen37,6236.435.8611,03
Brasilien190,10212.812.4050,89
Argentinien37,6245.851.3780,82
Spanien37,6249.355.1430,76
Italien37,6258.915.6560,64
Indien75,261.463.865.5250,05

Lade das interaktive Raster…

Ende der Tabelle

Umsatz pro Million Einwohner

USD pro Million Einwohner

  1. Irland8,3
  2. Tschechien8,3
  3. Finnland7,4
  4. Kanada7,3
  5. Portugal7,1
  6. Norwegen7,1
  7. Dänemark6,3
  8. Ungarn4,8
  9. Österreich4,6
  10. Schweden3,6

Zeige die obersten 10 von 24 Zeilen in der aktuellen Reihenfolge

Aus dem echten Demo-Lauf: Chinook-Umsätze verknüpft mit Weltbank-Bevölkerung (SP.POP.TOTL, 2025). Ein aufgezeichnetes Ergebnis, keine Live-Abfrage.

Eine Folgefrage Prototyp

Was kannst du zu diesen Daten sagen?

Drei Dinge fallen auf. Jedes wird aus den Zeilen berechnet, auf die es verweist.

  • Die USA haben den größten Gesamtumsatz ($523,06), rangieren aber pro Kopf auf Platz 17 von 24: 1,53 pro Million.Zeilen: 1
  • Irland und Tschechien führen pro Kopf mit 8,32 und 8,29, fast gleichauf.Zeilen: 2
  • 9 der Top Ten haben weniger als 11 Millionen Einwohner. Kanada ist die Ausnahme mit 41,7 Millionen.Zeilen: 10

Fahre über eine Beobachtung oder wähle sie aus, um ihre Zeilen im Raster und im Diagramm hervorzuheben. Observations grounded in your dataIn Entwicklung

Das Raster verwendet das DataTug AG Grid-Theme aus dem Site-Kit. Die CLI führt diese Cross-Source-Abfrage heute aus; die Ausführung derselben Abfrage im Browser ist in Entwicklung.

Drei Wege, mit DataTug zu arbeiten KI kann bei jedem helfen.

Nutze den Browser-Arbeitsbereich, Terminal-UI und CLI oder integriere DataTug in einen KI-Agenten. KI-Chat ist Teil der ersten beiden; Statusanzeigen halten jede Integration transparent.

  1. In deinem Browser

    Erkunde Projekte, inspiziere Schemas und chatte über deine Daten in DataTug.app. Verwende einen von dir bereitgestellten Modellschlüssel und führe dieselbe Untersuchung im Terminal fort.DataTug.app öffnen

    DataTug.app · KI-ChatIllustrativ

    Sitzung: chinook-countries

    Welche Länder kaufen im Verhältnis zur Bevölkerung die meiste Musik?

    Chinook-Verkäufe mit Weltbank-Bevölkerungsdaten verknüpft.

    • Irland
    • Tschechien
    • Finnland

    datatug chatDataTug.appDiese Untersuchung im Terminal fortsetzen

    Starte mitDataTug.app

    • DataTug.app, the web appVerfügbar
    • Browser chat with your own API keyVerfügbar
    • Managed AI in the web appVerfügbar
    • Terminal-to-web session hand-offVerfügbar
  2. In deinem Terminal

    Erkunde mit der tastaturgesteuerten Terminal-App, chatte mit KI oder führe wiederholbare Befehle in Skripten und Pipelines aus.Lies den Leitfaden zur Terminal-App

    Terminal-UIIllustrativ

    › datatug chat

    › Welche Länder kaufen die meiste Musik pro Kopf?

    Chinook-Verkäufe mit Weltbank-Bevölkerungsdaten verknüpft.

    ✓ 24 Länder · 3 Quellen

    ›

    Starte mitdatatug chat

    • Terminal app (TUI)Verfügbar
    • Chat in the CLI and TUIVerfügbar
    • Managed AI in the CLIVerfügbar
  3. In deinen KI-Agenten integriert

    Claude Code Skills unterstützen die Projekteinrichtung, Discovery, Schema-Scans und Validierung. Verbinde MCP-Tools für Schemas und gespeicherte Abfragen. Die Entwicklervorschau des MCP-Apps-Explorers ergänzt Tabellen- und Datensatzansichten, Sortierung, Blättern und erneutes Ausführen mit Parametern für gespeicherte SQLite-Abfragen. Getestet mit dem Referenz-Host der Beitragenden; folge dem MCP-Setup-Leitfaden für den unterstützten Umfang.Sieh dir die Skills an und wie du sie installierst Befehle, die ein Agent ausführen kann

    Dein AgentIllustrativ

    › /plugin install datatug@sneat-co

    ✓ Skills für die datatug CLI sind installiert.

    › Welche Länder kaufen im Verhältnis zur Bevölkerung die meiste Musik?

    Läuft datatug query run sales/chinook-sales-per-capita

    Irland            8,32
    Tschechien        8,29
    Finnland          7,37

    ✓ Fertig. Das Ergebnis ist zurück in der Konversation.

    ›

    Starte mit/plugin install datatug@sneat-co

    • Skills plugin for coding agentsVerfügbar
    • MCP serverVerfügbar
    • MCP Apps explorer (developer preview)Vorschau

Gib KI Bedeutung, nicht nur ein Schema.

Ein Schema sagt, dass BillingCountry Text ist. Eine Bedeutung sagt, dass es ein Land ist, das andere Systeme als IE oder IRL kennen, und wie sicher wir uns bei jedem Fakt sind. Das ist die Aufgabe von MeaningGraph. Die Verbindung zu DataTug ist geplant.

MeaningGraph integrationGeplant
  • Wissen hat eine Quelle

    Jeder Fakt gibt an, ob er aus dem Schema, von einer Person, aus den Daten oder von einem Modell stammt.

  • Es geht in beide Richtungen

    DataTug liest MeaningGraph, bevor es ein Modell fragt, und schreibt zurück, was du bestätigst.

  • Bedeutung überschreitet Systeme

    Dasselbe Land kann ein Name, ein Alias oder ein ISO-Code sein. Bedeutung ist das, was sie verbindet.

Ein Wert, verfolgt über drei QuellenEchte Werte, Konzeptansicht
Wähle ein Land so, wie Chinook es speichert.
Chinook-Wert"Ireland"Invoice.BillingCountry
BedeutungKonzeptGeo.Countrywas dieser Wert ist
Alias-Zeile"Ireland" → iecountry_aliases
ISO 3166-CodesIE · IRLcountries
Weltbankiepopulation_wb · Bevölkerung 5,48 Millionen

Belege

Alias-Zeile: "Ireland" → ie

  • VerifiziertDer Alias "Ireland" entspricht dem ISO-Ländernamen und wird dem Schlüssel ie zugeordnet. Solche Aliase: 21 von 24.

Wähle einen Knoten, um seine Belege zu sehen.

Die Werte, die Alias-Tabelle und die Bevölkerungszahlen stammen aus dem echten Lauf. Der Bedeutungsknoten Geo.Country ist ein Konzept: Die MeaningGraph-Integration ist geplant.

Es lernt, während du arbeitest, und prüft, bevor es glaubt.

Abfragen, Joins und die Art, wie du navigierst, hinterlassen Belege. Die Idee: DataTug verwandelt wiederholte Belege in Wissen, das du bestätigen kannst, und verwendet es dann wieder, ohne erneut ein Modell zu fragen.

MeaningGraph learning loopWird evaluiert
Eine Beziehung, die DataTug bemerkt hatKonzept

Invoice.BillingCountry → Geo.Country

BeobachtetVom Menschen bestätigt
  • In jeder gespeicherten Abfrage, die es berührt, als Land verwendet
  • Werte gegen die Referenzliste geprüft. Übereinstimmungen: 24 von 24
  • Noch von niemandem bestätigt

Von dir bestätigt. Die nächste Untersuchung schlägt dies nach, statt ein Modell zu fragen.

Einmal ableiten. Prüfen. Merken. Wiederverwenden.

  1. AbleitenEin Muster oder ein Modell schlägt vor, was etwas bedeutet.
  2. PrüfenDataTug prüft den Vorschlag anhand der echten Daten.
  3. MerkenWas Bestand hat, wird mit seinen Belegen im Projekt gespeichert.
  4. WiederverwendenDie nächste Untersuchung beginnt mit dem, was bekannt ist.

Jede Untersuchung macht die nächste klüger.

Das Designziel für eine Frage, die immer wieder gestellt wird:

  1. Erstes MalEin Modell hilft beim Planen. Eine Person bestätigt das Mapping.Modellaufrufe: mehrere
  2. Zweites MalDas Mapping wird nachgeschlagen. Kein Modell für diesen Schritt.Modellaufrufe: weniger
  3. Bekannter PfadJeder Schritt ist bekannt. Das ist genau das, was der echte Demo-Lauf bereits ist.Modellaufrufe: keine

Aus deiner Arbeit zu lernen ist eine Idee, die wir testen. Die Schleife ist das Designziel, kein ausgeliefertes Verhalten.

Nicht jeder Schritt braucht ein großes Modell.

DataTug ist darauf ausgelegt, zuerst den leichtesten zuverlässigen Mechanismus zu verwenden und anzugeben, welcher verwendet wurde: was bereits bekannt ist, dann ein kleines Entscheidungsmodell, dann ein großes Modell, dann Sie.

Decisions by Jev, a decision model by TypeSafe AIGeplant
  1. Deterministisches Wissen

    Schema, bestätigte Bedeutungen, Referenzdaten, gespeicherte Abfragen. Kostenlos, sofort, wiederholbar.

  2. Ein leichtgewichtiges Entscheidungsmodell

    Jev, ein Entscheidungsmodell von TypeSafe AI, bewertet Kandidatentabellen, Felder und Join-Pfade. Das Schema prüft dann die Auswahl.

  3. Generative KI

    Neue Fragen, Pläne, die noch niemand gesehen hat, Erklärungen in einfacher Sprache.

  4. Ein Mensch

    Sie bestätigen, was von da an als vertrauenswürdig gilt.

Welche Tabellen sind für diese Frage relevant?Konzept

Welche Länder kaufen im Verhältnis zur Bevölkerung die meiste Musik?

  1. InvoiceAusgewählt
  2. InvoiceLine
  3. Customer
  4. Track
  5. Album

Bewertet von Jev, einem Entscheidungsmodell von TypeSafe AI. Die gewählte Tabelle wird dann gegen das Schema validiert.

Menschen und KI bauen gemeinsam Verständnis auf.

Nicht jedes Wissen verdient das gleiche Vertrauen. DataTug ist darauf ausgelegt, den Unterschied bei jeder Aussage sichtbar zu halten, damit Sie erkennen können, was deklariert und was geraten wurde.

Maßgeblich

Wird ohne Nachfrage verwendet.

  • Aus Schema bekanntDirekt von der Datenbank deklariert: Typen, Schlüssel, Constraints.
  • DeklariertVon einem Entwickler oder einer API-Beschreibung definiert.
  • Vom Menschen bestätigtVon jemandem im Team geprüft und bestätigt.
  • VerifiziertDeterministisch gegen reale Daten geprüft.

Bestätigt

Wird verwendet, Belege sind sichtbar.

  • BeobachtetWiederholt in Abfragen und Navigation gesehen.
  • Aus Daten abgeleitetMuster in den Werten deuten darauf hin.

Vorgeschlagen

Wird angezeigt, nie stillschweigend übernommen.

  • KI-VorschlagVon einem Modell vorgeschlagen. Erfordert Prüfung.
  • HypotheseEine überprüfenswerte Vermutung, nie stillschweigend übernommen.
orders.customer_ref → customers.idBeispiel
  1. BeobachtetIn wiederholten Abfragen gesehen
  2. VerifiziertWerte gegen Daten verifiziert
  3. Vom Menschen bestätigtVom Team bestätigt

Die Wiederverwendung benötigt dann keinen Modellaufruf.

Untersuchen, nicht nur SQL generieren.

Eine Abfrage ist ein Zug in einer Untersuchung. DataTug ist um das Ganze herum gebaut: die Frage, den Weg, den du genommen hast, die Beweise und was du dabei gelernt hast.

Ein Datenbank-Client

  1. Du
  2. SQL
  3. Datenbank

Ein KI-Datenbank-Client

  1. Du oder ein Agent
  2. Generiertes SQL
  3. Datenbank

DataTug

  1. Du + KI
  2. Untersuchung
  3. Bedeutung
  4. Verbundene Daten
  5. Beweise
  6. Wiederverwendbares Wissen

Einstiegsmöglichkeiten

  • Natürliche Sprache
  • SQL
  • TugQL
  • Navigation
  • Tabellen
  • Diagramme
  • CLI
  • TUI
  • Agenten

Sie ergänzen sich. Nutze, was für den nächsten Schritt am schnellsten ist, egal ob du SQL schreibst oder nicht.

Was anders ist

  • Der Agent sieht Bedeutung

    Nicht nur Tabellen- und Spaltennamen, sondern wofür sie stehen.

    Geplant
  • Es funktioniert über Quellen hinweg

    Verbinde eine Datenbank mit einem externen Datensatz in einer Abfrage.

    Verfügbar
  • Es erinnert sich zwischen Sitzungen

    Was du bestätigt hast, ist beim nächsten Mal da, mit seinen Beweisen.

    Wird evaluiert
  • Eine Sitzung, drei Schnittstellen

    Web, Terminal-UI und CLI arbeiten auf derselben Sitzung.

    Verfügbar

Lass die KI nicht raten, was sie nachschlagen kann.

Chinook sagt "USA", die Bevölkerungsdaten sagen "us", und ISO nennt dasselbe Land USA und "United States". Das ist ein Fakt zum Nachschlagen, nicht etwas, das ein Modell bei jeder Frage neu herausfinden muss. Also behalte es als Tabelle: einmal gespeichert, versioniert, überprüft wie Code.

Referenzdaten: country_aliasesEchte Demo-Daten
AliasLandWie es abgeglichen wurde
Czech Republicczvon Hand abgeglichen
Netherlandsnlvon Hand abgeglichen
USAusvon Hand abgeglichen
Irelandieentspricht dem ISO-Namen

Die drei Namen, die eine Person brauchten, und einer, der nicht. Das Mapping sind erstklassige Daten, nicht etwas, das ein Modell bei jeder Frage neu ableitet.

Dieselbe Zeile als Datei in GitEchte Datei
# data/geo/country_aliases/$records/usa.json
{
  "alias": "USA",
  "country": "us",
  "source": "chinook-database Invoice.BillingCountry; manual match: Chinook spells it 'USA'; countries.names.en is 'United States'"
}

Vier Arten dauerhafter Untersuchungsdaten

  • Referenzdaten

    Länder, Währungen, interne IDs und Standards, Status-Mappings, Nachschlagetabellen.

  • Snapshots

    Zeitpunktkopien für Vorfälle, Testfehler, Migrationsproben und Regressions-Fixtures.

  • Zwischengespeicherte Daten

    Externe oder teure Daten, die einmal abgerufen werden, nicht bei jedem Lauf.

  • Sitzungsdaten

    Ausgewählte Datensätze, verdächtige Transaktionen, Zwischen-Joins und temporäre Mappings.

Wo es lebt

inGitDB

Verfügbar

Daten persistieren und versionieren

inGitDB ist heute live: menschenlesbare Dateien in Git, die verzweigbar, in einem Pull Request überprüfbar und in CI reproduzierbar sind. Die Verwaltung von Projektdaten auf diese Weise aus DataTug heraus ist geplant.

inGitDB

OVDB

Verfügbar

Zugreifen und teilen

OVDB und sein öffentliches Directory sind heute live und bieten eine gemeinsame Möglichkeit, sehr unterschiedliche Datenbankquellen zu entdecken und zu beschreiben. Die automatische Quellenerkennung innerhalb von DataTug über das Directory ist geplant.

OVDB

Eine Intelligenz, viele Schnittstellen.

Die Sitzung gehört DataTug, nicht der Schnittstelle. Starte im Terminal, öffne das Grid im Browser und komm mit demselben Kontext zurück. Oder umgekehrt.

Terminal-to-web session hand-offVerfügbar
TerminalIllustrativ

$ datatug

Sitzung chinook-countries ● synchronisiert

› Welche Länder kaufen im Verhältnis zur Bevölkerung die meiste Musik?

✓ Chinook mit Weltbank-Bevölkerung gejoint.

o Grid im Browser öffnen

DataTug.appIllustrativ

Sitzung: chinook-countries

Vom Terminal fortgesetzt

  • Irland
  • Tschechien
  • Finnland

Jederzeit zum Terminal zurückkehren; es ist dieselbe Sitzung.

Skripte und eingebettete Ansichten

  • CLI

    Einmalige Befehle für Pipelines und Skripte, mit integrierter verwalteter KI.

    Managed AI in the CLIVerfügbar
  • Einbettungen

    Füge ein Live-Grid oder -Diagramm auf jeder Seite ein.

    <datatug-grid> and <datatug-chart> embedsVerfügbar

Dein Modell oder unseres.

DataTug AI ist nicht an einen Anbieter gebunden.

  • Bring deinen eigenen Schlüssel mit

    Verwende deinen eigenen API-Schlüssel bei dem Anbieter, dem du bereits vertraust, im Browser oder in der CLI.

    Browser chat with your own API keyVerfügbar
  • Verwaltete KI

    Von DataTug verwaltete KI ohne einzurichtenden Schlüssel: in der CLI und der Web-App. Deine Prompts, das Schema und der Abfragetext gehen in die Cloud. Zeilenwerte nicht.

    Managed AI in the CLIVerfügbarManaged AI in the web appVerfügbar

Wenn eine Antwort mehr braucht als Text, lass eine Bubble aufploppen.

Eine Bubble ist eine kleine interaktive Oberfläche – etwa ein Grid, ein Diagramm oder ein Inspector –, die in der Unterhaltung erscheint und sich mit anderen zu reicheren Tools zusammensetzt. UIBubbles ist der offene Standard dafür.

UIBubbles runtimeGeplant
Chat mit BubblesKonzept

Zeig die Top-Länder als Grid.

Hier sind die Länder, sortiert nach Umsatz pro Million Einwohner.

LandPro Million
Irland8,3
Tschechien8,3
Finnland7,4
Kanada7,3

Mach daraus ein Diagramm.

Als Diagramm dargestellt und mit dem Grid verknüpft.

Warum wird Irland auf IRL abgebildet?

Hier ist der Beleg für diese Zuordnung.

  • Abgebildet von „Irland“ über Referenzdaten des Projekts
  • Geprüfte Namen: 24. Aufgelöst: 24.
Bubble aufploppen lassen

Dies ist ein handgebautes Konzept der Erfahrung. Die Bubble-Runtime ist geplant. Über UIBubbles

Wissen sollte nicht zurückgesetzt werden in keiner Phase der Entwicklung.

Was eine Phase über die Daten lernt, sollte der nächsten zur Verfügung stehen. Das Ziel von DataTug und MeaningGraph ist, es von der ersten Idee bis zum Alltagsbetrieb mitzutragen.

  1. Erdenken

    Die bereits vorhandenen Daten und das Domänenwissen erkunden.

  2. Entwerfen

    Entitäten, Bedeutungen, Identifikatoren, Beziehungen und Zuordnungen definieren.

  3. Entwickeln

    Entwickler und Agenten nutzen das Bekannte und geben Entdeckungen zurück.

    Incident möglich
  4. Testen

    Fehler untersuchen, Umgebungen vergleichen, gefundene Randfälle behalten.

    Incident möglich
  5. Betreiben

    Support und Agenten untersuchen echtes Verhalten mit allem bisher Gelernten.

    Incident möglich

Incident ist ein Zustand, keine sechste Phase.

Er kann während der Entwicklung, im Test, im Staging oder in der Produktion auftreten. Ein früher Incident ist ein Geschenk: Er zeigt ein Problem, bevor es Kunden tun, solange es noch günstig zu beheben ist.

Jeder löst eine gezielte Untersuchung aus, und was er lehrt, fließt in die kommende Arbeit zurück.

Der beste Produktions-Incident ist der, der bereits im Test abgefangen wurde.

Druck offenbart Wahrheit. Behalte sie.

Incidents sind Momente hohen Drucks, in denen wichtige Wahrheiten über Systeme und Daten zutage treten. Bewahre diese Wahrheiten, statt sie zu verlieren, wenn der Incident endet.

Incidentius integrationGeplant

  • DataTug

    Hilft dir bei der Untersuchung, während sie geschieht.

  • MeaningGraph

    Bewahrt, was festgestellt wurde: Bedeutungen, Beziehungen und Diagnosewissen.

  • Incidentius

    Hält den Incident selbst fest: das Ereignis, den Kontext und die Reaktion.

Die Idee: Entdeckungen behalten ihre Verbindung zurück zu dem Incident, der sie gelehrt hat, und kommen in zukünftigen Incidents, in der Entwicklung, in Regressionstests und in der Prävention wieder.

Besuche Incidentius.com

Kontrolle kommt zuerst.

KI auf Produktionsdaten zu richten, sollte von Grund auf sicher sein. Genau das gilt heute – und das steht noch aus, Aussage für Aussage.

  • Local execution

    Führe DataTug auf deiner eigenen Maschine neben deinen Daten aus: Abfragen laufen lokal. Bei verwalteter KI gehen deine Prompts, das Schema und der Abfragetext in die Cloud. Zeilenwerte nicht.

    Verfügbar
  • Access policies

    Begrenze, was eine Rolle lesen darf, über richtliniendurchgesetzte gespeicherte Abfragen – heute bei SQLite- und inGitDB-Quellen. Ohne gesetzte Richtlinie ist der Zugriff unbeschränkt, und der Terminal-Datenbank-Viewer wendet noch keine Richtlinien an.

    Verfügbar
  • Read-only connections

    Verbinde dich schreibgeschützt mit einer Quelle, sodass eine Untersuchung sie nicht verändern kann.

    Geplant
  • Approve an investigation step

    Genehmige einen Untersuchungsschritt, bevor er läuft, statt einem ganzen Plan auf einmal zu vertrauen.

    Geplant
  • Meaning-driven masking on the server

    Maskiere sensible Werte auf dem Server – gesteuert davon, was ein Feld bedeutet, nicht von seinem Namen.

    Geplant
  • Control over what reaches a model

    Entscheide, was ein externes Modell erreicht – bis auf Feldebene.

    Geplant
  • Audit trail merged with provenance

    Ein Audit-Trail, der derselbe Datensatz ist wie Provenienz: wer oder was hat dies getan, aus welchem Beleg.

    Geplant

Wie die Teile zusammenpassen.

Du hast sie oben einzeln kennengelernt. Jedes hat genau eine Aufgabe, und keines davon ist Voraussetzung für den Start.

  • Erkunden und lernen

    DataTug

    Der Arbeitsbereich, in dem Sie und die KI verbundene Daten analysieren.

    Der Workspace
  • Verstehen

    MeaningGraph

    Bedeutung von Feldern, Werten und Beziehungen mit Belegen.

    meaninggraph.io
  • Zugreifen und teilen

    OVDB

    Ein einheitlicher Weg, Daten aus unterschiedlichen Quellen zu erreichen und bereitzustellen.

    openvaultdb.com
  • Daten persistieren und versionieren

    inGitDB

    Referenzdaten und Snapshots als lesbare Dateien in Git.

    ingitdb.com
  • Interagieren und erweitern

    UIBubbles

    Tabellen, Diagramme und Inspektoren direkt in einer Antwort.

    uibubbles.org
  • Erkenntnisse aus Vorfällen bewahren

    Incidentius

    Vorfallkontext und Reaktionsdaten, damit Erkenntnisse den Vorfall überdauern.

    incidentius.com

Für wen es heute passt, und wer noch warten sollte.

DataTug ist früh dran. Hier steht, wem es schon heute gut dient und wer noch warten sollte.

Heute am besten geeignet

  • Du untersuchst Daten, die an mehr als einem Ort liegen.
  • Du wechselst zwischen Terminal und Browser und willst in beiden dieselbe Session.
  • Du willst deinen eigenen Model-Key mitbringen oder verwaltetes AI in der CLI oder im Browser nutzen.
  • Du magst Tools, die du inspizieren, skripten und selbst ausführen kannst.
  • Du gestaltest Bedeutung und Provenienz lieber gemeinsam mit uns, statt darauf zu warten.

Noch nicht die beste Wahl

  • Du brauchst AI, die bereits weiß, was deine Felder bedeuten. Die MeaningGraph-Integration ist geplant.
  • Du brauchst heute einen schrittweisen Evidenz-Trace in der App. Er ist in Entwicklung; diese Seite zeigt den Prototyp.
  • Du brauchst einen Dashboard-Builder für viele Teams. DataTug untersucht Daten; es ist keine BI-Suite.
  • Du willst Ein-Klick-Setup für jeden Agenten. Der lokale MCP-Server braucht einen laufenden DataTug-Daemon und eine stdio-Client-Konfiguration.
  • Du brauchst serverseitige Maskierung und Freigabe-Gates für Produktionsdaten. Beides ist geplant.

Was heute funktioniert, und was noch bevorsteht.

Diese Liste zeigt den Funktionsstatus von DataTug. Die Verfügbarkeit der Ecosystem-Projekte wird separat beschrieben.

Verfügbar

Ausgeliefert. Du kannst es heute nutzen.

  • DataTug.app, the web app
  • Terminal app (TUI)
  • Chat in the CLI and TUI
  • Browser chat with your own API key
  • Managed AI in the CLI
  • Terminal-to-web session hand-off
  • <datatug-grid> and <datatug-chart> embeds
  • Skills plugin for coding agents
  • MCP server
  • Cross-source TugQL joins in the CLI
  • Managed AI in the web app
  • Local execution
  • Access policies
Vorschau

Funktioniert von Anfang bis Ende, aber noch nicht überall.

  • MCP Apps explorer (developer preview)
In Entwicklung

Wird gerade gebaut. Plane noch nicht damit.

  • Cross-source TugQL joins in the browser
  • Inspectable investigation trace
  • Detective Cases
  • Reusable Checks
  • Context Bag
  • Observations grounded in your data
  • Anonymous web demo
Geplant

Designt und eingeplant, noch nicht begonnen.

  • AI assistant in the query builder
  • AI assistant in schema discovery
  • Decisions by Jev, a decision model by TypeSafe AI
  • MeaningGraph integration
  • Automatic Directory discovery in DataTug
  • inGitDB project data management in DataTug
  • UIBubbles runtime
  • Incidentius integration
  • Read-only connections
  • Approve an investigation step
  • Meaning-driven masking on the server
  • Control over what reaches a model
  • Audit trail merged with provenance
  • Clone the demo project
Wird evaluiert

Eine Idee, die wir testen. Sie kann sich ändern oder verworfen werden.

  • MeaningGraph learning loop

Erst ansehen. Installieren, wenn du überzeugt bist.

Die Live-Demo ist in Entwicklung. Heute kannst du den Prototyp auf dieser Seite durchgehen oder die CLI installieren und die echte Abfrage selbst ausführen.

Stern auf GitHub vergebenDie CLI ist für persönliche und geschäftliche Nutzung innerhalb der Limits des Free-Plans kostenlos. Preise ansehen. Die AI-Skills sind Open Source (MIT). Skills auf GitHub.

Wie es weitergeht

  1. FragenBald: eine Frage in der Live-Demo ausführen, ohne Anmeldung. Heute: der Prototyp auf dieser Seite.In Entwicklung
  2. InspizierenÖffne jeden Schritt der Untersuchung und sieh das Ergebnis als Grid und Chart.In Entwicklung
  3. BehaltenDas Speichern einer Untersuchung, das Klonen des Demo-Projekts und das Anbinden eigener Daten sind geplant.Geplant
Sehen, wie DataTug antwortetLive-Demo in Entwicklung