Sprechen Sie mit Ihren Callcenter-Daten – ohne SQL, ohne Dashboards, nur mit Fragen.

Während große Sprachmodelle hervorragend für logisches Denken und Zusammenfassen geeignet sind, bieten sie nur dann echten Mehrwert für Unternehmen, wenn sie mit strukturierten und verwalteten Unternehmensdaten verknüpft sind.

In diesem Beitrag zeigen wir, wie ein mit dem Agent Development Kit (ADK) und Gemini erstellter Google-Agent 3CX-Anrufdatensätze (CDRs) abfragen kann, die in BigQuery gespeichert sind. So können Vorgesetzte und Analysten direkt auf ihre Callcenter-Daten zugreifen, ohne SQL-Abfragen schreiben oder Berichte öffnen zu müssen.

Das Ergebnis: eine dialogbasierte Schnittstelle zu Ihren 3CX-CDRs, die lokal über die Befehlszeile (CLI) ausgeführt wird und gleichzeitig die Sicherheits- und Zugriffskontrollrichtlinien Ihres Unternehmens berücksichtigt.

Weiterlesen!

Warum Google ADK sich ideal für die Entwicklung von KI-Agenten eignet

Googles Agent Development Kit (ADK) bietet ein strukturiertes Framework zum Erstellen produktionsreifer KI-Agenten. Diese können Datenbanken abfragen, Informationen daraus extrahieren und sie in lesbarer Form präsentieren – ohne Vorkenntnisse des Datenbankschemas oder SQL-Programmiererfahrung. Gemini übernimmt das logische Denken und das Verstehen natürlicher Sprache, während das ADK sicherstellt, dass alle Datenbankzugriffe kontrolliert und nachvollziehbar bleiben.

So funktioniert der Agent-BigQuery-Workflow

Im Großen und Ganzen folgt das System diesem Ablauf:

  • Der Nutzer stellt eine Frage über die Befehlszeile.
  • Der ADK Runner leitet die Anfrage an den Agenten weiter.
  • Der LlmAgent sendet die Eingabeaufforderung und die Tool-Definitionen an Gemini.
  • Gemini entscheidet, welches Tool aufgerufen wird (z. B. SQL ausführen).
  • Das BigQueryToolset führt die Abfrage in BigQuery aus.
  • Die Ergebnisse werden zur Formatierung an Gemini zurückgesendet.
  • Der Nutzer erhält eine übersichtliche, strukturierte Antwort.

So funktioniert der Agent-BigQuery-Workflow

Durch diese Trennung wird sichergestellt, dass der LLM stets nur eingeschränkten Datenbankzugriff hat, wodurch die Lösung auch für reale Unternehmensumgebungen geeignet ist.

Konfiguration und Einrichtung

Voraussetzungen

  • Funktionierende Python-Installation
  • 3CX-Telefonsystem mit Google BigQuery-Datenquelle verbunden
  • Gemini-API-Zugriff

Installation

  • Laden Sie die Python-Quellen hier herunter.
  • Abhängigkeiten installieren:
pip install -r requirements.txt
  • Erstellen Sie eine .env-Datei basierend auf .env.example und tragen Sie Ihre Werte ein:
GOOGLE_CLOUD_PROJECT=Ihre-Projekt-ID
GOOGLE_API_KEY=Ihr-Gemini-API-Schlüssel
  • Authentifizierung – Sie können sich auf folgende Weise authentifizieren:
    • Dienstkonto-JSON
    • Standardanmeldeinformationen der Anwendung
    • gcloud auth application-default login

Agenten ausführen

python main.py

Praktische Anwendungsfälle

Über eine einfache Befehlszeilenschnittstelle können PBX-Besitzer, Administratoren und Callcenter-Supervisoren Fragen stellen wie beispielsweise:

  • Welche Datensätze sind verfügbar?
  • Zeigen Sie mir bitte das Schema der Tabelle „cdroutput“.
  • Wie viele Anrufe hat … in den letzten 30 Tagen beantwortet?
  • Welche dieser Anrufe waren Spam oder beleidigend?
  • Gab es Anrufe, bei denen sich jemand als Mitarbeiter des Finanzamts ausgegeben hat?
  • Erstellen Sie bitte eine Leistungsübersicht und Coaching-Empfehlungen für …
  • Listen Sie bitte alle Fragen auf, die ich in dieser Sitzung gestellt habe.

Der Agent verhält sich wie ein On-Demand-Datenanalyst, der auf realen CDR-Daten basiert.

Folgen Sie uns für Neuigkeiten

Beteiligen Sie sich an der Diskussion in unserem 3CX AI Forum. Folgen Sie uns auf X und LinkedIn, um über aktuelle Neuigkeiten und neue Funktionen informiert zu bleiben.