Data to AI™ / Gemini/Personio
Holen Sie Anwesenheitsstunden, Austrittshistorie und Organisationsdaten aus Personio im Terminal in Notebooks, CSV-Dateien und Prüfungen vor dem Deploy, ohne Exporte und ohne API-Schlüssel im Repository.
Bessere Antworten, weniger Tokens.
Gemini CLI
Welche Abteilungen hatten im September die meisten genehmigten Krankheitstage?
Genehmigte Krankheitstage summierten sich im September auf 96. Customer Support hatte davon 41, mehr als Engineering und Sales zusammen.
| Department Name | Days Count |
|---|---|
| Customer Support Absences | 41 |
| Engineering Absences | 23 |
| Sales Absences | 17 |
Days Count wird über Abwesenheiten mit genehmigtem Status summiert; Department Name stammt aus Employees, verknüpft über Employee ID.
Personio ist eine HR-Plattform für kleine und mittlere Unternehmen, die Personalverwaltung, Zeiterfassung und Abwesenheitsmanagement abdeckt. Dataddo extrahiert Employees, Absences und Attendances, sodass People-Teams in natürlicher Sprache nach Headcount, Abwesenheiten und Arbeitszeiten fragen können.
Berechne aus den Attendances des letzten Monats die Stunden pro Employee aus Start Time und End Time abzüglich Break, nur mit bestätigtem Status, und schreibe payroll/hours-2026-09.csv.
Eine Payroll-Analystin nutzt Gemini CLI im Lohnabrechnungs-Repository und vergleicht die Datei mit dem Import des Dienstleisters, bevor der Lauf freigegeben wird.
Liste aktive Employees mit leerem Department Name, Office Name oder Cost Centers Name und lass das Skript, das du schreibst, mit einem Exit-Code ungleich null enden, falls es welche gibt.
Ein Data Engineer nimmt die Prüfung in die Deploy-Schritte der Verzeichnissynchronisierung auf, damit unvollständige Personio-Datensätze korrigiert werden, bevor sie andere Systeme erreichen.
Lade Employees mit Termination Date in den letzten 24 Monaten mit Termination Type, Termination Reason und Department Name in einen Dataframe und stelle die Austritte pro Quartal dar.
Ein People Analyst arbeitet in VS Code mit Gemini Code Assist im agent mode und führt die Fluktuationsanalyse als versioniertes Notebook statt als einmaligen Export.
Data to AI™ wird pro Nutzerplatz 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.
$10.49/Monat
pro Nutzerplatz
Mindestens 3 Nutzerplätze
Stellen Sie Dataddo flexibel in jeder Cloud- oder Hybridumgebung bereit.
Benutzerdefiniert
Wir haben ein Zahlungsmodell, das zu Ihnen passt
| Ohne Dataddo |
Mit Dataddo
|
Ihr Ergebnis | |
|---|---|---|---|
| Anwesenheitsstunden | Jemand lädt jeden Monat Anwesenheitsberichte herunter, bereinigt die Zeitspalten und rechnet die Pausen in einer Tabelle nach. | Gemini liest Attendances mit Start Time, End Time und Break und schreibt die Summen in eine Datei in Ihrem Repository. | Stunden im Code berechnet |
| Qualität der Organisationsdaten | Lücken bei Abteilungs- oder Kostenstellenzuordnungen fallen erst auf, wenn eine Synchronisierung sie schon verteilt hat. | Eine mit Gemini CLI geschriebene Prüfung fragt Employees vor jedem Deploy ab und schlägt fehl, wenn wichtige Organisationsfelder leer sind. | Lücken vor dem Deploy erkannt |
| Zugangsdaten im Repository | Skripte rufen die Personio-API mit einem Client Secret aus einer env-Datei auf, die geteilt oder committet wird. | Gemini CLI meldet sich per OAuth bei Dataddo an und speichert die Tokens in ~/.gemini/mcp-oauth-tokens.json, außerhalb des Projekts. | Keine Secrets im Code |
| Austrittshistorie | Austritte werden bei Bedarf aus Personio gezogen, und jede Analyse beginnt mit einem anderen Export. | Employees enthält Termination Date, Termination Type und Termination Reason, sodass das Notebook immer dieselben Felder abfragt. | Wiederholbare Fluktuationsanalyse |
| Token-Verbrauch | Gemini verbraucht Tokens, um rohe Personio-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 Personio-Datensätze, die HR und Lohnabrechnung-Teams am häufigsten nutzen, mit ihren echten Feldnamen. Gemini fragt sie über die semantische Schicht von Dataddo beim Namen ab.
| Datensatz | Metriken und Attribute |
Fragen Sie Gemini
|
|---|---|---|
| Employees |
|
Welche Termination Reason-Werte waren in den letzten 12 Monaten am häufigsten, nach Termination Type? |
| Absences |
|
Welche Time Off Category macht in diesem Jahr die meisten Abwesenheitstage aus, basierend auf Start Date? |
| Attendances |
|
An welchen Tagen gab es Anwesenheitszeiträume mit Start Time vor 7:00 oder End Time nach 20:00? |
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 →Legen Sie in Dataddo eine Personio-Quelle mit Client ID und Secret an, extrahieren Sie Attendances oder Employees und verbinden Sie sie mit einem Google Gemini-Ziel oder AI Model. Tragen Sie dataddo mit httpUrl https://headless.dataddo.com/mcp-data in ~/.gemini/settings.json ein, starten Sie Gemini CLI neu und führen Sie /mcp auth dataddo aus.
Tragen Sie dataddo unter mcpServers in ~/.gemini/settings.json ein, oder in .gemini/settings.json für ein Projekt, mit dem Schlüssel httpUrl und ohne headers- oder oauth-Block. Starten Sie Gemini CLI neu, führen Sie /mcp auth dataddo aus und prüfen Sie /mcp.
Ja. Der agent mode in VS Code liest dieselbe settings.json wie Gemini CLI. In IntelliJ fügen Sie den Dataddo-Server stattdessen zur mcp.json von Gemini Code Assist hinzu.
Standardmäßig nicht. Gemini CLI lässt Sie jeden Dataddo-Tool-Aufruf bestätigen, und für einzelne Tools können Sie Always allow wählen, sobald Sie ihnen vertrauen.
Auf jeden Flow und jeden Context, der in diesem Dataddo-Konto mit einem KI-Ziel oder AI Model verbunden ist, nicht nur auf die Gemini-Flows. Lassen Sie Gehalts- und Personenspalten, die nicht abgefragt werden sollen, aus der Personio-Quelle weg.
Attendances und Absences lesen ein gleitendes Datumsfenster, das jeder Lauf ersetzt. Führen Sie einmal eine vollständige Neusynchronisierung mit größerem Zeitraum aus, um die Monate zu laden, die Ihre Analyse braucht.
Nein. Gemini fragt extrahierte Daten über die semantische Schicht nach Entitäts- und Feldnamen ab. Dataddo akzeptiert nie SQL vom Modell, und nichts wird nach Personio zurückgeschrieben.
