# Parlance — Agentic Text-to-SQL Platform

> Parlance macht Unternehmensdaten in natürlicher Sprache abfragbar — präzise, nachvollziehbar, datensouverän und ohne Data-Engineering-Team.

Parlance ist eine Agentic Text-to-SQL-Plattform für Unternehmen, die natürlichsprachliche Fragen an ihre strukturierten Datenquellen stellen möchten. Im Gegensatz zu klassischen RAG-Ansätzen kombiniert Parlance SQL-basierte symbolische Ausführung mit Textretrieval und iterativem Multi-Hop-Reasoning. Das zentrale Differenzierungsmerkmal ist vollständige Datensouveränität: Weder Metadaten noch Nutzdaten verlassen die Infrastruktur des Kunden.

## Pages

- [Technology Deep Dive](index.html): Vollständige technische Beschreibung der 4-Stufen-Architektur, Datenbankdesign, Semantic Layer, Vektordatenbank und Governed-SQL-Sicherheitsprinzip.
- [Use Cases](use-cases.html): Branchenspezifische Anwendungsfälle für Maschinenbau (Mittelstand), Regionalbank (reguliert), E-Commerce (KMU), Krankenhaus und Logistik.

## Core Technology

### 4-Stufen-Agent-Pipeline
1. **Context-Sensitive Query Decomposition** — Zerlegung der natürlichsprachlichen Frage in Teilschritte; erkennt SQL- vs. Text-Retrieval-Anforderungen
2. **Text Retrieval (RAG)** — Semantische Suche über unstrukturierte Dokumente (PDFs, Reports, Verträge) via Vector Recall + Reranking
3. **SQL Programming & Execution** — Automatische SQL-Generierung und -Ausführung (ausschließlich Read-Only); keine Linearisierung von Tabellen
4. **Compositional Answer Synthesis** — Kreuzvalidierung von SQL-Ergebnissen und RAG-Ergebnissen; quellenbasierte, auditierbare Antwort

### Governed SQL
- Read-Only-Enforcement: Ausschließlich SELECT-Statements erlaubt; DML/DDL systemseitig blockiert
- Vollständiges Audit-Log: Jede Frage, jedes SQL-Statement und jedes Ergebnis wird protokolliert
- Retry-Logik: Bei syntaktisch fehlerhaftem SQL bis zu 3 erneute Versuche mit angepasster Formulierung
- Sprachflexibilität: Deutsch, Englisch und weitere Sprachen; System antwortet in der Anfragesprache

### Datensouveränität (primäres Differenzierungsmerkmal)
- On-Premises- oder Private-Cloud-Deployment; kein SaaS-Daten-Sharing
- LLM-Server läuft lokal (kompatibel mit Ollama, LM-Studio und lokalen Open-Source-Modellen)
- Modell-agnostisch: Claude, GPT-4, DeepSeek, Qwen, lokale Open-Source-LLMs

### Selbstlernender Feedback-Loop
- Erfolgreich ausgeführte SQL-Statements werden mit der natürlichsprachlichen Frage in einer Vektordatenbank gespeichert
- Bei ähnlichen Folgeanfragen werden diese als Few-Shot-Kontext bereitgestellt
- Die Plattform verbessert sich mit jeder Nutzung

## Service-Modell (3 Säulen)
- **Plattform (Technologie)**: Agentic Text-to-SQL Engine als On-Premise- oder Private-Cloud-Deployment
- **Data Advisory (Beratung)**: DB-Design-Check, Metadatenbeschreibung, Semantic-Layer-Aufbau, Qualitätssicherung
- **Prompt Library & IP**: Akkumuliertes Prompt-Engineering-Know-how nach Datenbanktyp, Branche und LLM-Modell

## Zielmarkt
Regulierte Branchen (Banken, Versicherungen, Behörden) sowie KMU ohne eigenes Data-Engineering-Team.
Typische Nutzer: CFOs, Controller, Risk Manager, Sales Manager.

## Demo
Live-Demo mit fiktiver Industriegruppe "GlobalMach AG": [parlance-demo.vercel.app](https://parlance-demo.vercel.app/)

## Optional

- [llms-full.txt](llms-full.txt): Vollständige Inhaltsbeschreibung aller Seiten für LLM-Verarbeitung