Skill bi_sql_audit · Version 0.1.0
BI & SQL Model Audit
Deterministische statische Prüfung eines synthetischen dbt-/BI-Analytics- Repositories (SQL-Modelle, schema.yml-Tests, dbt_project.yml, Dashboard-Export, Query-Historie, Lineage-Graph) auf Modeling-Qualität (SELECT *, Comma-Joins, Fanout-Risiko, Aggregations-Grain, hartkodierte Datumsfilter, volatile Funktionen, Divisions-Risiken, timezone-naive Timestamps, fehlende Incremental-/Partitionsstrategie), Testabdeckung (fehlende/deaktivierte Schema-Tests, undokumentierte Modelle), Freshness, Lineage (falsche ref()s, fehlende Lineage, verwaiste Modelle), BI/PII (unmaskierte PII-Spalten, doppelte Metriken) und Performance (langsame Full-Scan-Queries). Es gibt keine DB-Ausführung, keinen Datenscan, kein Netzwerk und keine LLM-Aufrufe; zwei Läufe sind byte-identisch. Der Quality-Score wird transparent aus Severity-Gewichten berechnet, heuristische Regeln sind gekennzeichnet. Saubere Muster (explizite Spalten, getestetes Modell, incremental+Partition, maskierte PII, dokumentierte Lineage, Freshness-Test) werden über explizite Guards unterdrückt.
Berechtigungen
- Nur Lesen (Workspace)
- Kein Netzwerk
Kosten- und Laufzeitmodell
| Feld | Wert |
|---|---|
| LLM-Aufrufe erlaubt | 0 |
| Netzwerkzugriff | nein (erzwungen) |
| Max. Laufzeit | 120000 ms |
| Letzte Evidenz | ec23026dbe4649fc8c263bc6accf20f1 (2026-11-03T11:21:51Z) |
Validierungs-Schwellenwerte
| Feld | Bedeutung | Wert |
|---|---|---|
min_recall | Mindest-Recall | 1 |
min_precision | Mindest-Precision | 0.9 |
max_runtime_ms | Max. Laufzeit (ms) | 120000 |
max_cost_usd | Max. Kosten (USD) | 0.05 |
Grenzen des Skills
- Nur statische Analyse von SQL/Config/Metadaten; keine SQL-Ausführung, keine DB-Verbindung, kein Datenscan und keine Query-Plan-Validierung.
- Heuristische Regeln (Fanout, doppelte Faktzeilen, PII-Exposition, verwaiste Modelle) können False Positives/Negatives liefern.
- Testabdeckung wird aus deklarierten Schema-Tests abgeleitet, nicht aus ausgeführten Testergebnissen.
- Keine Rechts-, Finanz- oder BI-Zertifizierung; Findings erfordern menschliche Data-Engineering-Prüfung.
- Das Golden-Dataset ist synthetisch; keine echten Daten oder Zugangsdaten.
Eingabe-Vertrag (JSON-Schema)
Der Runner validiert Eingaben gegen dieses Schema, bevor der Skill startet.
{
"additionalProperties": false,
"properties": {
"max_findings": {
"default": 200,
"type": "integer"
},
"scope": {
"default": [
"modeling",
"tests",
"freshness",
"documentation",
"lineage",
"privacy",
"metrics",
"performance"
],
"items": {
"type": "string"
},
"type": "array"
},
"target_path": {
"type": "string"
}
},
"required": [
"target_path"
],
"type": "object"
}
Ausgabe-Vertrag (JSON-Schema)
Die Ausgabe wird nach dem Lauf gegen dieses Schema geprüft; Abweichungen brechen den Lauf ab.
{
"additionalProperties": false,
"properties": {
"findings": {
"maxItems": 500,
"type": "array"
},
"summary": {
"type": "object"
}
},
"required": [
"findings",
"summary"
],
"type": "object"
}
Evidenz für diesen Skill
Nur verifizierte Records, neueste zuerst. Ein Record belegt einen konkreten Lauf gegen ein synthetisches Lab-Ziel.
| Record | Zeitstempel | Status | Reife | Precision / Recall | Laufzeit | Kosten |
|---|---|---|---|---|---|---|
| ec23026dbe4649fc8c263bc6accf20f1 | 2026-11-03T11:21:51Z | PASSED | VALIDATED | 1,000 / 1,000 | 732 ms | 0,00 € |