# Die Property-Wissensdatenbank - Bringen Sie der KI Ihr Geschäft bei KI-Modelle wissen, was Analytics-Metriken sind. Sie wissen nicht, was sie für Ihr Geschäft bedeuten. Die Wissensdatenbank schließt diese Lücke. Jedes Analytics-Setup hat Kontext, der in den Köpfen der Menschen lebt. Der Traffic-Anstieg im März, der eigentlich ein Jahresbericht ist, keine Wachstumstendenz. Der organische Traffic aus Indien, der zu 80 % aus Bots besteht. Die benutzerdefinierten Kanal-Gruppierungen, die nicht den GA4-Standards entsprechen. Dieser Kontext ist der Unterschied zwischen einer technisch korrekten und einer tatsächlich nützlichen Analyse. Eine KI, die nichts von Ihrem März-Bericht weiß, wird Ihnen zuversichtlich mitteilen, dass der Traffic um 300 % gestiegen ist - was stimmt und gleichzeitig völlig irreführend ist. Heute starten wir die **Property-Wissensdatenbank** - eine Möglichkeit, diesen geschäftlichen Kontext direkt neben Ihren Analytics-Properties zu speichern, wo die KI ihn bei jedem Gespräch nutzen kann. --- ## Das Problem KI-Modelle sind gut darin, Daten zu lesen. Sie wissen, was Sessions, Absprungraten und Conversion-Raten sind. Sie können Abfragen ausführen, Zeiträume vergleichen und Muster erkennen. Was sie nicht wissen, ist die Geschichte hinter Ihren Daten. Jedes Unternehmen hat eine: - **"Unser primäres Conversion-Ziel ist demo\_request, nicht das Standard-Purchase-Event."** Ohne diese Information analysiert die KI die falsche Metrik und jede Empfehlung ist daneben. - **"Traffic aus Indien ist hauptsächlich Bots - bei der organischen Analyse ausschließen."** Ohne dies meldet die KI aufgeblähte Traffic-Zahlen und zieht Schlüsse aus Rauschen. - **"Wir verwenden benutzerdefinierte Kanal-Gruppierungen: Partner-Traffic bedeutet Affiliate-Empfehlungen, nicht Partnerschaften."** Ohne dies wendet die KI die Standard-GA4-Kanal-Definitionen an, die nicht zu der Art passen, wie Ihr Team über Attribution denkt. Sie könnten dies in jedem Gespräch erklären. Sie könnten einen Teil davon in einen benutzerdefinierten System-Prompt aufnehmen. Aber System-Prompts sind in der Länge begrenzt und gelten auf Teamebene, nicht pro Property. Und den Kontext jedes Mal neu zu erklären, widerspricht dem Zweck eines KI-Assistenten. --- ## Wie es funktioniert Die Wissensdatenbank ist eine Sammlung kontextueller Einträge, die an jede Property angehängt sind. Jeder Eintrag hat einen Titel, Inhalt in Markdown, optionale Tags und eine KI-generierte Zusammenfassung. Sie schreiben Einträge so, wie Sie einen neuen Analysten briefen würden, der Ihrem Team beitritt: Hier ist, was Sie über die Daten dieser Property wissen müssen, bevor Sie mit der Analyse beginnen. Wenn Sie mit der KI chatten, weiß sie automatisch, welche Einträge existieren. Ihre Titel sind im System-Prompt enthalten, und die KI sucht nach relevanten Einträgen, wenn Ihre Frage ein Thema betrifft, das Sie dokumentiert haben. Sie müssen nicht sagen "schau in der Wissensdatenbank nach" - das passiert im Hintergrund. --- ## Semantische Suche Wenn Ihr Team einen OpenAI-Anbieter konfiguriert hat, werden Einträge automatisch als Vektoren eingebettet - numerische Darstellungen ihrer Bedeutung. Wenn die KI nach relevantem Kontext sucht, gleicht sie nach Bedeutung ab, nicht nach exakten Schlüsselwörtern. Das bedeutet, eine Frage über "ungewöhnliche Traffic-Muster" kann einen Eintrag mit dem Titel "März-Traffic-Anstieg - Jährlicher Branchenbericht" finden, auch wenn die Wörter nicht übereinstimmen. Eine Frage über "Datenqualität" kann einen Eintrag über Bot-Traffic aus Indien finden. Wenn Sie keinen OpenAI-Anbieter haben, erfolgt die Suche über Schlüsselwort-Abgleich, der in den meisten Fällen gut funktioniert. Beide Modi können koexistieren - Einträge mit Embeddings nutzen semantische Suche, und Einträge ohne nutzen Schlüsselwörter. Die Kosten für Embeddings sind vernachlässigbar (Bruchteile eines Cents pro Eintrag) und sie werden automatisch beim Veröffentlichen generiert. --- ## Was in die Wissensdatenbank gehört Die wertvollsten Einträge sind Dinge, die die KI nicht aus den Daten selbst ableiten kann: **Probleme mit der Datenqualität.** Bot-Traffic-Quellen, falsch konfigurierte Ereignisse, Tracking-Lücken, bekannte Abweichungen zwischen Plattformen. **Geschäftsdefinitionen.** Was Ihre Conversion-Ziele tatsächlich bedeuten. Wie Ihre benutzerdefinierten Kanal-Gruppierungen funktionieren. Welche Metriken Ihrem Team wichtig sind und wie Sie sie intern definieren. **Saisonale Muster.** Jährliche Ereignisse, Urlaubseffekte, Budgetzyklen - alles, was vorhersagbare Metrik-Änderungen verursacht, die allein aus den Daten nicht offensichtlich sind. **Wettbewerbskontext.** Gegen wen Sie konkurrieren, wie deren Aktivität Ihre Metriken beeinflusst (z.B. aggressive PPC-Gebote, die Ihre Marken-CPCs erhöhen), und wie Sie sich differenzieren. **Technischer Kontext.** Aktuelle Migrationen, Plattformwechsel, Tracking-Einschränkungen, wie sich Ihr Setup von Standard-Implementierungen unterscheidet. --- ## Vergleich mit anderen Funktionen Die Wissensdatenbank füllt eine spezifische Lücke zwischen bestehenden Funktionen: | Funktion | Was sie tut | Zeitdimension | |----------|------------|---------------| | **System-Prompts** | Formen das Verhalten und Denken der KI | Permanent, teamweit | | **Anmerkungen** | Markieren bestimmte Daten mit Ereignissen | An Daten gebunden | | **Wissensdatenbank** | Speichert geschäftlichen Kontext, den die KI nutzt | Permanent, pro Property | Anmerkungen beantworten "Was ist an diesem Datum passiert?" - eine Kampagne wurde gestartet, ein Deployment ging raus, ein Algorithmus-Update traf ein. Die Wissensdatenbank beantwortet "Was bedeutet das?" - wie Ihr Unternehmen Conversions definiert, warum bestimmte Traffic-Muster normal sind, worauf man in den Daten achten muss. System-Prompts steuern die Persönlichkeit und den Ansatz der KI. Die Wissensdatenbank gibt ihr Fakten über Ihr Geschäft. --- ## Erste Schritte Navigieren Sie zu einer beliebigen Property und klicken Sie auf **Wissensdatenbank** in der Seitenleiste. Beginnen Sie mit den Einträgen, die Ihnen am meisten Zeit beim Wiedererklären sparen: 1. **Ihre Conversion-Definitionen.** Welche Ereignisse wirklich wichtig sind und welche zu ignorieren sind. 2. **Bekannte Datenprobleme.** Bot-Traffic, falsch konfiguriertes Tracking oder Plattform-Abweichungen. 3. **Saisonaler Kontext.** Vorhersagbare Muster, die sonst wie Anomalien aussehen würden. Jeder Eintrag hat eine **KI-Zusammenfassung**-Schaltfläche, die eine prägnante Zusammenfassung aus Ihrem Inhalt generiert, was es der KI erleichtert, die Relevanz schnell einzuschätzen. Schreiben Sie Einträge so, als würden Sie einen Kollegen briefen, nicht als würden Sie ein System dokumentieren. Die KI liest natürliche Sprache, daher funktioniert "Unser März-Anstieg kommt vom Jahresbericht, den wir veröffentlichen - der Traffic ist etwa zwei Wochen lang 3-5x höher" besser als eine formale Spezifikation. Die vollständige Dokumentation finden Sie in unserem [Wissensdatenbank-Leitfaden](/de/docs/knowledge-base/).