Data to AI™ / ChatGPT/Exact Online
Teams aus Kreditoren- und Debitorenbuchhaltung fragen ChatGPT, was überfällig ist, was zur Zahlung ansteht und wo Ausgaben das Budget übersteigen, und genehmigen jede Exact Online-Abfrage.
Weniger Tokens, bessere Antworten.
ChatGPT
Bei welchen Kunden steckt das meiste Geld in der ältesten Altersgruppe der Forderungen fest?
Van Dijk Bouw hat am meisten in der ältesten Gruppe, 14.200 € von insgesamt 31.500 € offen. Über diese drei Konten hinweg liegen 24.950 € in Age Group 4.
| Account Name | Total Amount | Age Group 1 Amount | Age Group 4 Amount |
|---|---|---|---|
| Van Dijk Bouw Financial - Aging Receivables List | 31.500 € | 9.800 € | 14.200 € |
| Kessler Logistik Financial - Aging Receivables List | 18.750 € | 6.300 € | 6.450 € |
| Maas Retail Financial - Aging Receivables List | 12.900 € | 8.600 € | 4.300 € |
Gelesen aus der aktuellen Altersliste, die bei jedem Lauf alle offenen Posten neu lädt. Die Bedeutung der Gruppen stammt aus den Feldern Age Group Description.
Exact Online ist eine Cloud-Unternehmenssoftware für Buchhaltung und Finanzmanagement. Dataddo extrahiert daraus Altersstruktur der Forderungen, Verbindlichkeiten, Ausgangsrechnungen, Budgets und Gewinn- und Verlustdaten.
Zeige Einträge aus Financial - Payables list mit einem Due Date in den nächsten 7 Tagen, gruppiert nach Account Name, jeweils mit Amount und Approval Status.
Vor der Freigabe der Zahlungen prüft die AP-Leitung, welche Lieferantenrechnungen fällig werden und welche noch auf Genehmigung warten, und bestätigt jeden Tool-Aufruf, damit die Herkunft jeder Zeile klar ist.
Führe zuerst data_status aus und gib mir dann Overdue Receivable Invoice Amount und Overdue Payable Invoice Amount pro Currency Code aus der Outstanding Invoices Overview.
Der Finance Manager eröffnet das morgendliche Stand-up mit den überfälligen Summen auf beiden Seiten der Bilanz, und dank der Aktualitätsprüfung zitiert niemand Zahlen aus einem veralteten Lauf.
Vergleiche Budgets AmountDC nach GLAccount Description mit dem Amount in Financial - Reporting balance für dieses Reporting Year und liste die fünf größten Überschreitungen.
Eine Budgetverantwortliche findet die Sachkonten, die dem Budgetszenario vorausgelaufen sind, und stellt im selben Chat Folgefragen zu den Konten mit der größten Lücke.
Data to AI™ wird pro Nutzer abgerechnet, wie die KI-Assistenten, die Ihr Team bereits nutzt, mit ~25 % Rabatt bei jährlicher Abrechnung. Sie brauchen individuelle Verträge oder Mengenpreise? Sprechen Sie mit uns über Enterprise.
Stellen Sie Claude, ChatGPT und anderen KI-Tools governte Geschäftsdaten über MCP bereit.
pro Nutzer, monatliche Abrechnung pro Nutzer, jährliche Abrechnung
Stellen Sie Dataddo flexibel in jeder Cloud- oder Hybridumgebung bereit.
Wir haben ein Zahlungsmodell, das zu Ihnen passt
| Ohne Dataddo |
Mit Dataddo
|
Ihr Ergebnis | |
|---|---|---|---|
| Den Zahlungslauf vorbereiten | Die AP-Leitung lädt die Verbindlichkeitenliste und die Übersicht offener Rechnungen herunter und lädt beide Dateien vor jedem Zahlungslauf in ChatGPT hoch. | Eine Developer-mode-App liest Financial - Payables list und die Übersicht aus Dataddo, sobald die Leitung fragt, ganz ohne Dateien. | Keine Uploads vor Zahlungsläufen |
| Wissen, was gelesen wurde | Sobald eine Datei hochgeladen ist, kann später niemand sagen, aus welchem Export oder welchem Tab eine Zahl in der Antwort stammt. | ChatGPT bittet Sie, jeden Tool-Aufruf zu bestätigen, sodass Sie sehen, welche Exact Online-Entität es beschreibt oder abfragt, bevor etwas läuft. | Jede Abfrage sichtbar |
| Snapshot-Listen | Ein in den Chat eingefügter Verbindlichkeitenexport wirkt aktuell, auch wenn er vor der Buchung der Zahlungen der letzten Woche erstellt wurde. | Listen wie die Payables list laden bei jedem geplanten Lauf alle aktuellen Daten neu, und data_status sagt ChatGPT, wann dieser Lauf stattfand. | Antworten mit Datum |
| Bankkontofelder | Exporte von Payments tragen die Spalten Bank Account Number und Account Bank Account Number direkt in eine Chat-Datei. | Entfernen oder hashen Sie diese Felder beim Erstellen der Quelle, damit ChatGPT die rohen Kontonummern nie erhält. | Sensible Felder bleiben draußen |
| Token-Verbrauch | ChatGPT verbraucht Tokens, um rohe Exact Online-Spalten zu erkunden, Zeilen zu sichten und neu anzusetzen, bis die Daten verstanden sind. | Felddefinitionen und Beziehungen werden vorab geliefert, sodass das Modell die Erkundung überspringt und direkt antwortet. | Weniger Tokens pro Antwort |
| Antwortqualität | Anfällig für falsche Joins, erfundene Felder und schwer überprüfbare Zahlen. | Antworten auf Basis definierter Felder. Im Dataddo-Benchmark wurden 78,5 % der Fragen korrekt beantwortet, gegenüber 65,5 % mit einfachen CSV-Dateien. | Bessere Antworten |
Die Exact Online-Datensätze, die Finance- und RevOps-Teams am häufigsten nutzen, mit ihren echten Feldnamen. ChatGPT fragt sie über die semantische Schicht von Dataddo beim Namen ab.
Liste kuratierter Datasets
Fehlt ein Dataset, eine Kennzahl oder ein Attribut?
Sag uns, was fehlt, und wir fügen es dem Connector hinzu.
Läuft nach Ihrem Zeitplan. Datensätze mit Datumsbereich lesen bei jedem Lauf ein gleitendes Fenster neu, Listen wie Aging Receivables laden alle aktuellen Daten, und ein vollständiger Daten-Re-Sync lädt ältere Historie.
Exact Online-Konnektor →Wir haben 43 vorab registrierte Fragen zu drei echten Datensätzen gestellt - Google Search Console, HubSpot-Deals und Google Ads - und dieselben Zeilen auf vier Arten an dasselbe Modell geliefert. Nur die Datenschicht hat sich geändert.
der Fragen richtig beantwortet - der beste der vier getesteten Bereitstellungswege
weniger selbstsicher falsche Antworten - 14,0 % der Durchläufe gegenüber 24,0 % und 26,3 %
mehr richtige Antworten bei unübersichtlichen CRM-Daten - besser bei 8 Fragen, bei keiner schlechter
Dasselbe Modell, dieselben Prompts und dieselben Zeilen in jeder Bedingung; 759 bewertete Durchläufe, Referenzantworten vor dem ersten Durchlauf festgelegt. Allein bei Google Search Console schnitten dokumentierte CSV-Dateien genauso gut ab wie Data to AI™ - der Vorteil entsteht bei unübersichtlicheren Daten wie HubSpot-Deals.
Benchmark lesen →Erstellen Sie in Dataddo eine Exact Online-Quelle mit Datensätzen wie Financial - Outstanding Invoices Overview, Financial - Payables list und Budgets und verknüpfen Sie sie mit einem ChatGPT-Ziel oder AI Model. Aktivieren Sie in ChatGPT im Web den Developer mode, erstellen Sie eine App für den Remote-MCP-Server https://headless.dataddo.com/mcp-data mit OAuth und melden Sie sich an.
Pläne mit Developer mode: Pro, Plus, Business, Enterprise und Education, im Web. Bei Business und Enterprise muss ein Workspace-Admin den Developer mode eventuell erst erlauben, bevor Sie die Dataddo-App erstellen.
ChatGPT bittet Sie, jeden Tool-Aufruf zu bestätigen, bevor er läuft. Sie sehen, ob es Flows auflistet, die Payables list beschreibt oder eine Abfrage ausführt, und können jeden Aufruf ablehnen, den Sie nicht erwarten.
Ja. In den App-Einstellungen können Sie einzelne Dataddo-Tools ein- oder ausschalten, zum Beispiel refresh abschalten und query, data_status und known_gaps für alltägliche Fragen verfügbar lassen.
Nur wenn Sie sie extrahieren. Payments enthält Felder wie Bank Account Number. Entfernen Sie sie in der Quelle oder hashen Sie sie, dann erhält ChatGPT nie die Rohwerte, während gehashte Spalten über Datensätze hinweg weiterhin übereinstimmen.
Listen ohne Datumsbereich wie Financial - Aging Receivables List laden bei jedem Lauf alle aktuellen Daten neu, daher ändern sich die Werte erst nach der nächsten geplanten Extraktion. Bitten Sie ChatGPT, data_status auszuführen, um zu sehen, wann das war.
Der Developer mode, auf dem die Dataddo-App beruht, ist nur in ChatGPT im Web verfügbar. Richten Sie die App ein und stellen Sie Ihre Exact Online-Fragen in einem Web-Chat.