Agentic Coding für Data-Teams: Python, SQL, dbt und Datenschutz

This page in English

Kurz gesagt

Coding Agents beschleunigen Data- und Analytics-Engineering spürbar, doch Fehler in der Datenarbeit bleiben oft unbemerkt: Ein falscher Join liefert trotzdem plausible Zahlen. Geben Sie Agenten deshalb Schemata und Metadaten statt echter Datensätze, nur lesenden Zugriff auf Entwicklungsdaten und dbt-Tests nach jeder Änderung. Generiertes SQL prüfen Sie gezielt auf Zeilenvervielfachung, NULL-Logik und Zeitzonen.

Stille Fehler sind das eigentliche Risiko

Ein typisches Szenario: Der Agent baut in wenigen Minuten ein neues Umsatzmodell, alle Tests sind grün, das Dashboard sieht gut aus. Drei Wochen später fällt dem Controlling auf, dass Bestellungen mit mehreren Lieferungen doppelt gezählt werden. In der Anwendungsentwicklung führt falscher Code meist zu einem Absturz – in der Datenarbeit zu falschen Zahlen, die niemand bemerkt. Agentic Coding in Data-Teams braucht deshalb zwei Dinge besonders: Kontrolle darüber, welche Daten das Modell erreichen, und ein Review, das auf inhaltliche Fehler zielt.

Metadaten statt Daten: Datenschutz von Anfang an

Der Agent muss Ihre Modelle verstehen, nicht Ihre Kunden kennen. Hilfreich sind Tabellendefinitionen, dbt-YAML mit Spaltenbeschreibungen, die Granularität jeder Tabelle und einige synthetische Beispielzeilen. Darüber hinaus gilt:

  • Keine Exporte mit personenbezogenen oder vertraulichen Daten in Prompts kopieren.
  • Nur lesende Zugangsdaten für eine Entwicklungs- oder Stichprobenumgebung, nie für die Produktion.
  • Abfrageergebnisse, die der Agent selbst ausführt, landen in seinem Kontext und damit beim Modellanbieter. Ein SELECT * auf die Kundentabelle ist aus DSGVO-Sicht eine Datenübermittlung.
  • Kostenlimits im Data Warehouse setzen, etwa eine Obergrenze für abgerechnete Bytes pro Abfrage in BigQuery.

Ob ein konkretes Setup zulässig ist, hängt von Verträgen, Rechtsgrundlagen und Daten ab – sprechen Sie mit Ihrer oder Ihrem Datenschutzbeauftragten. Dieser Text ist keine Rechtsberatung. Praktische Techniken beschreibt unser Leitfaden zur Anonymisierung vor der Nutzung von ChatGPT oder Claude.

dbt als Sicherheitsnetz

dbt-Projekte eignen sich gut für Agenten: Die Struktur ist explizit, Tests sind schnell ausgeführt. In die Instruktionsdatei gehören:

  1. dbt build --select mein_modell+ baut und testet das Modell samt allen nachgelagerten Modellen.
  2. dbt compile --select mein_modell zeigt das fertige SQL für Agent und Review.
  3. Generische Tests wie unique, not_null und relationships auf den Schlüsseln jedes neuen Modells.
  4. Namenskonventionen der Schichten, etwa Staging, Intermediate und Marts, sowie Materialisierungen.
  5. In der CI hält zustandsbasierte Auswahl mit --select state:modified+ und --defer die Läufe kurz.

Python und Notebooks

Notebooks sind JSON-Dateien mit eingebetteten Ausgaben. Das macht Diffs unübersichtlich und kann Daten unbemerkt ins Git-Repository bringen. Verlagern Sie wiederverwendbare Logik in getestete Python-Module, entfernen Sie Ausgaben vor dem Commit, etwa mit nbstripout, oder koppeln Sie Notebooks per Jupytext an lesbare Skripte. Legen Sie außerdem die Bibliotheksversionen fest: Agenten mischen gern APIs verschiedener pandas-Versionen – etwa DataFrame.append, das mit pandas 2 entfernt wurde – oder vermengen pandas- und Polars-Stil.

Generierte Abfragen richtig prüfen

  • Zeilenvervielfachung: Granularität beider Seiten klären und Zeilenzahlen vor und nach dem Join vergleichen.
  • Versteckte Inner Joins: Ein Filter auf die rechte Tabelle im WHERE macht aus einem LEFT JOIN faktisch einen Inner Join.
  • NULL-Logik: NOT IN gegen eine Unterabfrage mit NULL-Werten liefert keine Zeilen; COUNT(spalte) überspringt NULL.
  • Zeit: Zeitzonen, Sommerzeitumstellung, Datumsabschneidung und halboffene Intervalle an Periodengrenzen.
  • Abgleich: Ergebnisse vor der Veröffentlichung mit bekannten Summen abstimmen, etwa mit dem gebuchten Umsatz aus der Finanzbuchhaltung.

Ein bewährter Kniff: Lassen Sie den Agenten zu jeder neuen Abfrage auch Prüfabfragen schreiben – Zeilen je Schlüssel, Summen je Monat, Anteil der NULL-Werte – und legen Sie deren Ergebnisse dem Pull Request bei. So wird aus „sieht plausibel aus“ eine nachvollziehbare Prüfung, die auch Kolleginnen und Kollegen ohne tiefen Einblick in das Modell bewerten können.

Wie jocapps unterstützt

neooutput bietet Praxis-Workshops, Team-Trainings und 1:1-Beratung zu Agentic Coding auf Deutsch oder Englisch, vor Ort oder remote. Data-Teams erarbeiten dort Instruktionsdateien für ihr dbt-Projekt, sichere Zugriffsmuster und eine Review-Routine für generiertes SQL – jede Session endet mit einem funktionierenden Ergebnis. Die Formate finden Sie unter Agentic-Coding-Workshops; ein kostenloses 30-minütiges Erstgespräch buchen Sie im Terminplaner.

Häufige Fragen

Darf ein Coding Agent direkt auf unser Data Warehouse zugreifen?

Technisch ja, aber nur lesend und auf Entwicklungs- oder Stichprobendaten. Jedes Abfrageergebnis geht an das Modell und sollte wie ein Datenexport behandelt werden.

Schreiben Agenten gutes SQL?

Syntaktisch meist ja und sehr schnell. Das Risiko liegt in inhaltlichen Fehlern wie Zeilenvervielfachung oder falscher NULL-Logik, deshalb sind Tests und Abgleich mit bekannten Summen unverzichtbar.

Wie arbeiten Agenten am besten mit Jupyter Notebooks?

Logik gehört in getestete Python-Module, Notebooks bleiben schlank. Ausgaben vor dem Commit entfernen und gekoppelte Skripte nutzen, damit der Agent lesbaren Code bearbeitet.

Guides zum Thema

Sprechen wir über Ihr Projekt

Ehrliche Einschätzung zu Idee, Prototyp oder App.

  • 30 Minuten
  • Kostenlos
  • Unverbindlich

Kostenloses Gespräch buchen [email protected]