Datenanalyse mit Codex: Abfragen, CSVs und strukturierte Ergebnisse

Was Codex für Datenanalyse erledigt

• Beantwortet Fragen mit SQL über eine Rolle mit Lesezugriff oder ein Replikat und zeigt die Abfrage zur Antwort.
• Bereinigt und analysiert CSV-Exporte mit Python und zeichnet die Diagramme.
• Schreibt einen wöchentlichen Kennzahlen-Digest: was sich bewegt hat, wie stark und der wahrscheinliche Grund.
• Meldet Auffälligkeiten wie einen Einbruch bei den Anmeldungen oder einen Anstieg der Fehler, bevor sie jemandem auffallen müssen.

Funktionen von Codex für Datenanalyse

So richtest du Codex für Datenanalyse ein

1. Verbinde die Tools

   Gib Codex eine Rolle mit Lesezugriff und schalte den Netzwerkzugriff nur ein, wenn die Daten nicht im Workspace liegen. CSV-Exporte im Projektordner brauchen nichts weiter.

   # ~/.codex/config.toml: Befehle dein Warehouse erreichen lassen
   [sandbox_workspace_write]
   network_access = true

2. Schreib die Regeln in die AGENTS.md

   Codex liest die AGENTS.md vor jeder Arbeit: zuerst ~/.codex/AGENTS.md, dann die Dateien vom Root des Repositorys bis zu dem Ordner, in dem es arbeitet. Schreib die Regeln der Aufgabe dort hinein oder, wenn sie lang sind, in einen Skill unter .agents/skills/. Siehe den AGENTS.md-Leitfaden.

   ## Datenregeln
   - Nur lesen: Nutze die Analytics-Rolle, nie den Datenbanknutzer der
     App. Kein INSERT, UPDATE, DELETE und keine Schemaänderungen.
   - Zeig die Abfrage oder das Skript hinter jeder Zahl.
   - Vergleich mit dem Zeitraum davor und sag, wenn eine Änderung im
     normalen Rauschen liegt.
   - Exportier keine personenbezogenen Daten; aggregiere, bevor du
     etwas aufschreibst.
   - Wöchentlicher Digest: die fünf Zahlen, die zählen, was sich bewegt
     hat, und eine Frage, die sich nächste Woche zu stellen lohnt.

3. Führ es ohne die interaktive Oberfläche aus

   codex exec führt eine Aufgabe aus und beendet sich. Der Fortschritt geht nach stderr, die letzte Nachricht nach stdout; -o schreibt sie zusätzlich in eine Datei, und --json streamt Events. Die Sandbox ist schreibgeschützt, außer du gibst --sandbox workspace-write an.

   # Die Zahlen der letzten Woche als JSON, passend zu deinem Schema
   codex exec --sandbox workspace-write --output-schema metrics.schema.json \
     -o metrics.json "Berechne Anmeldungen, Aktivierung und Umsatz der letzten Woche im Vergleich zur Woche davor"

4. Bring es in einen Zeitplan

   Leg eine geplante Aufgabe in der ChatGPT-Desktop-App oder im Web an (die CLI verwaltet keine) oder starte codex exec per cron. Siehe Codex proaktiv machen.

Quelle: Dokumentation von Codex (Englisch)

Grenzen und Sicherheit

• Gib ihm eine Rolle mit Lesezugriff. Ein Agent mit Schreibzugriff auf die Datenbank kann sie verändern.
• Es kann missverstehen, was eine Spalte bedeutet. Schreib ein kurzes Datenwörterbuch und prüf seine ersten Antworten.
• Große Ergebnisse kosten Kontext und Nutzung. Erst abfragen und aggregieren, dann Zeilen lesen.
• Codex führt Befehle standardmäßig in einer Sandbox aus: Schreibzugriffe bleiben im Workspace, das Netzwerk ist aus. Nutze danger-full-access nur auf einem isolierten Runner oder in einem Container.

Claude Code oder Codex für Datenanalyse?

Die Regeln lassen sich mitnehmen. Schreib sie einmal in die AGENTS.md und setz @AGENTS.md in die CLAUDE.md, dann lesen beide Agenten dieselbe Datei.

Schritt für Schritt für den anderen Agenten: Datenanalyse mit Claude Code.

Mach Datenanalyse zur festen Aufgabe

Befehle laufen, wenn jemand daran denkt, sie auszuführen. Crewmark macht aus deinem eigenen Codex einen KI-Mitarbeiter mit Rolle, einem Ziel in Zahlen, Arbeitszeiten und einem Heartbeat, damit die Arbeit nach Zeitplan passiert und auf einem Board sichtbar wird.

1. Fang mit der Rolle an

   Der KI-Mitarbeiter deiner Wahl, mit diesen Regeln in seiner Rollenbeschreibung.

2. Bring die Arbeit auf sein Board

   Leg die Aufgabe als wiederkehrendes Issue an. Der Mitarbeiter wacht per Heartbeat auf, erledigt sie und berichtet in einem Kommentar.

3. Mehr dazu

   Der tägliche SEO-Bericht ist ein ausgearbeitetes Beispiel für eine wiederkehrende Analytics-Aufgabe.

FAQ