Workshops: Agentic Coding

Agentic Coding für Data Science & Analytics: Workshop

Data-Teams verbringen viel Zeit mit Datenaufbereitung, SQL und Boilerplate in Notebooks. Dieser Workshop zeigt Data Scientists und Analytics Engineers, wie KI-Agenten diese Arbeit beschleunigen und wie man dabei die Korrektheit von Zahlen und die Reproduzierbarkeit von Analysen sicherstellt.

Für wen ist der Workshop?

  • Data Scientists
  • Data Analysts und BI-Entwicklerinnen und -Entwickler
  • Analytics Engineers (dbt, SQL)
  • Data Engineers
  • ML-Engineers

Das nehmen Sie mit

  • Sie lassen Agenten SQL-Abfragen und dbt-Modelle gegen Ihr Schema schreiben und validieren.
  • Sie nutzen Agenten für Datenbereinigung, explorative Analyse und Visualisierung in Python.
  • Sie überführen Notebook-Experimente mit Agenten-Hilfe in sauberen, getesteten Code.
  • Sie bauen Plausibilitätsprüfungen ein, damit falsche Zahlen nicht unbemerkt bleiben.
  • Sie kennen Datenschutzregeln für den Einsatz von Agenten mit Unternehmensdaten.

Agenda

  1. Modul 1

    Agenten für Datenarbeit

    • Claude Code, OpenAI Codex, GitHub Copilot und Cursor in Data-Workflows
    • Notebooks vs. Skripte vs. Pipelines
    • Kontext: Schema, Datenkatalog und Metrik-Definitionen
  2. Modul 2

    SQL und Modellierung

    • Übung: Abfragen gegen Ihr Datenmodell schreiben und prüfen lassen
    • dbt-Modelle, Tests und Dokumentation mit Agenten
    • Datenbank-Zugriff über MCP, schreibgeschützt
  3. Modul 3

    Analyse und Visualisierung

    • Explorative Analyse mit pandas oder Polars
    • Diagramme erstellen und iterieren
    • Ergebnisse gegenprüfen: Stichproben, Summen, Gegenrechnungen
  4. Modul 4

    Vom Notebook zur Pipeline

    • Refactoring in Module und Funktionen
    • Datentests und Validierung
    • Orchestrierung und Wiederholbarkeit
  5. Modul 5

    Daten sicher nutzen

    • Welche Daten in den Agenten-Kontext dürfen
    • Pseudonymisierung und Stichproben
    • Enterprise-Tarife und DSGVO

Die besondere Gefahr: plausible, aber falsche Zahlen

Bei Code merkt man Fehler oft am Absturz. Bei Analysen nicht: Ein falscher Join oder ein vergessener Filter liefert eine Zahl, die plausibel aussieht und trotzdem falsch ist. Agenten machen solche Fehler ebenso wie Menschen, nur schneller.

Deshalb liegt ein Schwerpunkt des Workshops auf Verifikation: Metrik-Definitionen als Kontext, automatische Datentests und Gegenrechnungen, die der Agent selbst ausführt.

Was Sie mitnehmen

Sie arbeiten mit Ihrem eigenen Datenstack oder einem vergleichbaren Übungsdatensatz.

  • Projektregeln für Ihr Data-Repository
  • Vorlagen für Analyse-Prompts mit Prüfschritten
  • Checkliste für Reviews von Datenanalysen
  • Leitfaden für den Umgang mit sensiblen Daten

Format

Remote oder vor Ort, auf Deutsch oder Englisch, durchgeführt von neooutput AI Code Engineers. Optional mit Follow-up-Coaching.

Häufige Fragen

Ist das nicht dasselbe wie Advanced Data Analysis in ChatGPT?

Chat-basierte Analyse ist für Einzelfragen nützlich. Agenten arbeiten dagegen in Ihrem Repository, mit Ihrem Schema, Ihren Tests und Ihrer Versionierung, also reproduzierbar und teamfähig.

Dürfen wir echte Kundendaten verwenden?

Wir empfehlen synthetische, anonymisierte oder pseudonymisierte Daten und Enterprise-Tarife mit passenden Vertragsbedingungen. Im Workshop klären wir, was in Ihrem Fall zulässig ist.

Welche Sprachen behandeln Sie?

Schwerpunkt sind SQL und Python. R oder Scala können wir auf Anfrage einbeziehen.

Workshop

Kontakt aufnehmen

Sollen Agenten Ihre Analysen beschleunigen, ohne dass Zahlen falsch werden?

Erzählen Sie uns kurz von Ihrem Team – wir melden uns innerhalb von 24 Stunden mit einem Vorschlag für Inhalte, Format und Termin.

Lieber direkt sprechen?

Wir verwenden Ihre Angaben nur zur Bearbeitung der Anfrage. Datenschutz.