Ihre Geräte melden Daten. Temperaturen, Akkustände, Standorte, Betriebszeiten, all das fließt in Ihr TagoIO-Konto und liegt dort, abfragbar. Und wenn jemand in Ihrem Team eine einfache betriebliche Frage stellt, sind die Daten zur Beantwortung bereits vorhanden.
Doch die Antwort zu bekommen, ist selten so einfach wie die Frage. “Welche Geräte haben sich seit gestern nicht mehr gemeldet?” klingt wie eine Sache von einer Zeile. In der Praxis bedeutet es, die Plattform zu öffnen, Geräte zu filtern, die Zeitstempel der letzten Eingänge zu prüfen, vielleicht ein kleines Analysis-Skript zu schreiben oder ein Dashboard-Widget anzulegen. Die Daten sind direkt da, aber der Weg von der Frage zur Antwort führt weiterhin über das Erstellen von Abfragen, über Skripte oder über Dashboard-Arbeit.
Deshalb: Verbinden Sie einen KI-Assistenten über das Model Context Protocol mit Ihren TagoIO-Daten, und Sie können einfach fragen. Der TagoIO-MCP-Server verbindet Assistenten wie Claude, ChatGPT und Cursor direkt mit Ihrem Deployment. Sie tippen die Frage in einfachem Deutsch, der Assistent liest Ihre tatsächlichen Geräte und Daten und antwortet, oder er erzeugt das Skript oder Dashboard, das Sie sonst von Hand gebaut hätten. Dieser Beitrag zeigt, wie das in der Praxis aussieht.
Diese Anleitung setzt voraus, dass die MCP-Verbindung bereits eingerichtet ist. Falls nicht, beginnen Sie mit unserer Einrichtungsanleitung, So verbinden Sie Claude und andere KI-Assistenten über MCP mit Ihrer IoT-Plattform, und kommen Sie dann hierher zurück.
Aufgabe 1: Schnelle Statusprüfungen
Die häufigsten Fragen sind zugleich die einfachsten. Sie möchten den aktuellen Zustand Ihrer Flotte kennen, ohne sich durch Gerätelisten zu klicken.
Prompt: “Welche Geräte haben in den letzten 24 Stunden keine Daten gemeldet?”
Der Assistent fragt Ihre Geräte über die MCP-Verbindung ab, vergleicht den jüngsten Daten-Zeitstempel jedes Geräts mit den letzten 24 Stunden und gibt die Liste zurück. Sie erhalten Gerätenamen und die Dauer, seit der jedes Gerät still ist, direkt im Chat, in wenigen Sekunden. Kein Filter zum Konfigurieren, kein Widget zum Bauen.
Hier zeigen Abfragen in einfachem Deutsch ihre Stärke. Die Frage ändert sich jedes Mal ein wenig (“letzte 6 Stunden”, “nur die Gateways”, “in der Lagergruppe”), und Sie müssen nichts neu aufbauen, um die nächste Variante zu stellen. Sie tippen sie einfach.
Aufgabe 2: Zusammenfassungen und Aggregationen
Der nächste Schritt ist, nach Berechnungen über einen Datenbereich zu fragen: Durchschnitte, Summen, nach einem Attribut gruppierte Zählungen.
Prompt: “Zeig mir die Durchschnittstemperatur pro Zone für letzte Woche.”
Der Assistent ruft die relevante Gerätehistorie ab, gruppiert die Messwerte nach Zone, berechnet den Durchschnitt für jede und stellt das Ergebnis als kleine Tabelle dar. Wenn Sie es nach Tag aufgeschlüsselt statt als Wochendurchschnitt möchten, sagen Sie es, und der Assistent passt es an.
Das ist für die Erkundung wirklich nützlich. Sie stochern in den Daten, bilden sich ein Bild, entscheiden, was wichtig ist. Für einen schnellen Eindruck, “wie ist letzte Woche gelaufen”, ist Fragen schneller als ein Diagramm zu bauen. Bedenken Sie, dass der Assistent zusammenfasst, was er abruft. Für alles, worüber Sie berichten oder worauf Sie handeln, lohnt es sich daher, die Zahlen stichprobenartig mit der Plattform abzugleichen.
Aufgabe 3: Anomalien aufspüren
Manchmal lautet die Frage nicht “was ist der Durchschnitt”, sondern “was ist falsch”. Sie suchen nach dem Ausreißer, nach dem, was nicht passieren sollte.
Prompt: “Welche Paletten in Zone C stehen seit mehr als 72 Stunden still?”
Das ist eine schwierigere Frage. Der Assistent muss die Standort- oder Bewegungsdaten pro Gerät betrachten, ermitteln, wie lange jede Palette ihre Position gehalten hat, und auf Zone C sowie die 72-Stunden-Schwelle filtern. Er liest Ihre Daten, durchdenkt die Bedingung und liefert Ihnen die Liste der passenden Paletten, mit der jeweiligen Standdauer.
Für eine einmalige Untersuchung schlägt das eine von Hand geschriebene Abfrage. Sie beschreiben die Bedingung in Worten, statt sie in Code zu übersetzen. Denken Sie nur daran, dass der Assistent bei solcher Logik Fehler machen kann. Wenn die Antwort eine Entscheidung beeinflusst, prüfen Sie also selbst ein paar der markierten Einträge, bevor Sie handeln.
Aufgabe 4: Ein Analysis-Skript erzeugen
Bis hierher hat der Assistent Fragen beantwortet. Er kann auch Dinge bauen. TagoIO-Analysis-Skripte sind serverloses JavaScript, das auf Ihrem Konto läuft, und ein solches in einfachem Deutsch zu beschreiben, ist oft schneller als von einer leeren Datei zu starten.
Prompt: “Schreib ein Analysis-Skript, das einen Akkustand unter 15 Prozent markiert.”
Der Assistent erzeugt ein JavaScript-Analysis-Skript, das die Akkudaten Ihrer Geräte liest, jeden Messwert gegen die 15-Prozent-Schwelle prüft und die darunterliegenden markiert. Er kann die Logik mit einer Action verknüpfen, sodass ein niedriger Akkustand einen Alarm auslöst, da Actions und Alarme Teil derselben Plattform sind, die er sehen kann.
Hier kommt der ehrliche Teil: Behandeln Sie das erzeugte Skript als ersten Entwurf, nicht als fertiges Deployment. Es gibt Ihnen einen funktionierenden Ausgangspunkt und erspart Ihnen den Boilerplate-Code, aber Sie sollten es lesen, prüfen, ob es Ihre tatsächlichen Geräte- und Variablennamen referenziert, und es testen, bevor es gegen Live-Daten läuft. Der Assistent kann sich irren, und ein Skript, das Sie nicht geprüft haben, ist ein Skript, dem Sie nicht trauen.
Aufgabe 5: Ein Dashboard bauen
Der Assistent kann aus einer Beschreibung heraus auch ein Blueprint Dashboard aufsetzen, was praktisch ist, wenn Sie schnell ein Ausgangslayout wollen.
Prompt: “Bau ein Dashboard für meine Kühlketten-Geräte.”
Der Assistent betrachtet Ihre Kühlketten-Geräte, wählt relevante Variablen wie Temperatur und Akkustand und erzeugt ein Dashboard mit passend angeordneten Widgets. Sie erhalten etwas zum Ansehen und Anpassen statt einer leeren Leinwand.
Das ist ein hervorragender Weg, das Problem des leeren Blatts hinter sich zu lassen. Doch es führt direkt zum wichtigsten Ehrlichkeitspunkt dieses ganzen Beitrags, also gehen wir ihn frontal an.
Wann fragen, und wann bauen
Abfragen in natürlicher Sprache sind hervorragend für eine bestimmte Reihe von Aufgaben: spontane Fragen, Erkundung, einmalige Untersuchungen und das Erzeugen eines ersten Entwurfs eines Skripts oder Dashboards. Die Stärke liegt darin, dass Sie sich auf nichts festlegen. Jede Frage darf anders sein, und Sie müssen nie Infrastruktur bauen, um die nächste zu stellen.
Ein gespeichertes Dashboard ist für eine andere Reihe von Aufgaben besser. Für eine Kennzahl, die Ihr Team jeden einzelnen Tag prüft, dieselbe Ansicht an jedem Morgen, ist ein gebautes Dashboard schneller und zuverlässiger. Es lädt sofort, es zeigt jedes Mal dasselbe, es hängt nicht davon ab, dass ein Assistent eine Abfrage korrekt formuliert, und es kostet Sie keinen Umweg durch eine Chat-Oberfläche. Wenn Sie dem Assistenten dieselbe Frage täglich stellen, ist das Ihr Signal, das Dashboard einmal zu bauen und mit dem Fragen aufzuhören.
Die Regel ist also einfach. Nutzen Sie einfaches Deutsch, wenn die Frage neu, gelegentlich oder erkundend ist. Bauen Sie ein Dashboard oder eine gespeicherte Analysis, wenn die Frage wiederkehrend und betrieblich ist. Die beiden stehen nicht in Konkurrenz. Der Assistent ist oft der schnellste Weg, um überhaupt herauszufinden, was Ihr tägliches Dashboard enthalten sollte.
Und zum erzeugten Code: Alles, was der Assistent schreibt, ein Analysis-Skript oder eine Dashboard-Konfiguration, ist ein Entwurf, der Ihnen gehört. Prüfen Sie ihn, testen Sie ihn, stellen Sie sicher, dass er zu Ihren echten Geräte- und Variablennamen passt, und gehen Sie dann live. Der Assistent ist ein schneller Mitarbeiter, kein unbeaufsichtigter.
Worauf der Assistent zugreifen kann
Über MCP verbunden arbeitet der Assistent mit denselben Bausteinen, die Sie in der Plattform nutzen: Geräte samt ihrer Historie und Daten, Analysis-Skripte, Blueprint Dashboards, Actions und Alarme sowie die REST-API. Deshalb kann er sowohl Fragen zu Ihrem Deployment beantworten als auch die Skripte und Dashboards erzeugen, die Sie sonst von Hand bauen würden.
Fazit
Die Daten zur Beantwortung Ihrer betrieblichen Fragen liegen bereits in TagoIO. Die Reibung waren nie die Daten, sondern das Erstellen von Abfragen, das Skripten und die Dashboard-Arbeit zwischen Ihnen und der Antwort. Einen KI-Assistenten über MCP zu verbinden, beseitigt diese Reibung für die Fragen, die es nicht rechtfertigen, überhaupt etwas zu bauen. Fragen Sie in einfachem Deutsch, erhalten Sie die Antwort oder einen ersten Entwurf eines Skripts oder Dashboards, und heben Sie Ihren Aufwand für den Dashboard-Bau für die Kennzahlen auf, die Sie jeden Tag beobachten.
Nutzen Sie den Assistenten dort, wo er stark ist, behalten Sie Ihre gespeicherten Dashboards für das, worin sie am besten sind, und prüfen Sie alles, was er erzeugt, bevor es live geht.
