dbt Wizard: KI-Agent zeigt Auswirkungen auf Daten als DAG statt als Diff

Warum ein eigener Agent für dbt-Projekte

In der Session argumentierten Sam Ferguson, Product Designer bei dbt Wizard, und Ryan Eakman, Senior Staff Software Engineer bei Fivetran, dass Analytics Engineering einen eigenen KI-Agenten braucht und nicht einen universellen Coding-Agenten, der auf ein dbt-Projekt angesetzt wird.

Fergusons Ausgangspunkt war eine Verschiebung in der Arbeit: Je mehr Agenten die Ausführung von Datenarbeit übernehmen, desto mehr verlagert sich die Aufgabe des Menschen vom Schreiben des Codes zum Beurteilen. Laut der Session wurden gängige Coding-Agenten nicht dafür konzipiert, dieses Beurteilen zu erleichtern. Ein Diff zeigt, welche Zeilen sich geändert haben, ein Chatverlauf zeigt die Unterhaltung, aber beides zeigt weder, wie sich die zugrunde liegenden Daten verändert haben, noch, ob das Ergebnis stimmt. Teams müssen diesen Kontext jedes Mal von Hand rekonstruieren, wenn ein Agent eine Aufgabe beendet hat.

dbt Wizard behandelt ein dbt-Projekt als zusammenhängendes System und nicht als Ordner voller Dateien. Der Agent validiert jede Änderung gegen ein Entwicklungsschema, bevor etwas die Produktion berührt, und stellt die Auswirkungen als DAG dar, sodass Reviewer sehen können, was sich weiter unten in der Kette verändert hat.

Designentscheidungen und berichtete Ergebnisse

Ferguson nannte mehrere bewusste Entscheidungen hinter dem Produkt:

• Ein Harness, der speziell für Analytics Engineering gebaut wurde, statt einer allgemeinen Chat-Oberfläche.
• Eine native Metadaten-Engine, die dem Agenten strukturierten Zugriff auf ein Projekt gibt, sodass er nicht suchen und raten muss.
• Validierung und visuelles Review sind fest in den Workflow eingebaut und nicht nachträglich ergänzt.

Laut Ferguson berichten Design-Partner, die Wizard nutzen, seit der Einführung von 15 bis 20 Prozent weniger Produktionsvorfällen. Die Zahl stammt vom Vortragenden; eine Methodik nannte die Quelle nicht.

dbt Wizard ist ab sofort über drei Zugänge verfügbar: eingebettet in dbt Studio und als eigenständiger Workspace innerhalb der dbt-Plattform, über die Kommandozeile sowie über die neue Desktop-App.

Live-Demo der Desktop-App

Eakman führte die Desktop-App anhand zweier fiktiver dbt-Projekte vor, Jaffle Games und Jaffle Shop. Im Szenario definierten das Business-Team und das Game-Design-Team den Begriff „aktiver Spieler“ unterschiedlich. Er zeigte, wie Wizard eine Konversation verzweigt, um eine zweite Frage zu untersuchen, ohne den Kontext der ersten zu verlieren, und beide anschließend parallel bearbeitet.

Bei jeder Änderung legte Wizard die zugrunde liegenden Annahmen offen. In einem Fall wies der Agent darauf hin, dass eine Crash-Metrik auf null-wertigen Sitzungsdauern beruhte, obwohl in den Daten bereits ein ungenutztes Crash-Flag existierte. Die Session beschrieb dies als einen Fehler, den der Agent entdeckt und nicht eingebaut hat.

Der Validierungsablauf trennt günstige Operationen wie das Kompilieren und Parsen von Code von teuren wie dem Materialisieren von Daten. Die Validierung läuft über einen isolierten Sub-Agenten, damit die Prüfung nicht die Annahmen des Agenten übernimmt, der die Änderung vorgenommen hat. Nach bestandener Validierung konnte Wizard direkt einen Pull Request öffnen und Annahmen sowie Kontext aus der Konversation in die PR-Beschreibung übernehmen.

Vergleich mit Claude Code und Verfügbarkeit

In der Fragerunde wurde Eakman gefragt, worin sich Wizard bei dbt-spezifischer Arbeit von Claude Code unterscheidet. Er antwortete, Wizard werde mit integrierten dbt-spezifischen Werkzeugen ausgeliefert, sodass ein Team keine eigenen MCP-Server und Skills zusammenstellen müsse. Ein universelles Werkzeug müsse jeden Anwendungsfall bedienen, was begrenze, wie weit es einen Agenten auf dbt-spezifische Muster lenken könne.

Außerdem bestätigte er, dass Wizard über den zugrunde liegenden Harness Skills und MCP-Verbindungen unterstützt und Schemas automatisch pro Work Tree isoliert, damit parallel arbeitende Agenten nicht dieselben Datenbankobjekte überschreiben.

Für Teams, die bereits dbt einsetzen, lautet das Versprechen: ein Review-Prozess, der sich an den Auswirkungen auf die Daten orientiert statt an Diffs auf Zeilenebene. dbt Wizard ist ab sofort über die Produktseite von dbt verfügbar, Details zur Einrichtung finden sich in der Wizard-Dokumentation und im Wizard-CLI-Leitfaden. Die Desktop-App befindet sich in der Private Beta, die Anmeldung ist geöffnet.