Jörg Köster berichtete von seinen Erfahrungen mit der AI-gestützten Analyse von FileMaker Server Logdateien. Inspiriert von Marcels DuckDB-Ansatz aus dem Vormonat hatte er eine eigene Umgebung aufgesetzt und die Server-Logs per AI analysieren lassen.
Analyse mit DuckDB und Claude Code
Jörg nutzt Claude Code in Kombination mit DuckDB, um die FileMaker Server Logs systematisch auszuwerten. Claude schrieb dafür ein Python-Skript, das die Log-Zeilen automatisch in eine DuckDB-Datenbank importierte. Ab diesem Punkt konnte Jörg einfach Fragen in natürlicher Sprache stellen – Claude formulierte eigenständig die passenden SQL-Queries, führte sie auf der DuckDB aus und lieferte eine strukturierte Analyse zurück.
Präzise Ergebnisse
Besonders beeindruckt war Jörg von der Präzision der Analyse: Der AI Agent erkannte aus den TopCallStats.log komplexe Zusammenhänge. Er identifizierte, warum bestimmte Operationen lange dauerten und welche parallelen Prozesse sich gegenseitig beeinflussten.
In einem konkreten Beispiel fand der AI Agent heraus, dass WebDirect-Benutzer bis zu einer Minute warten mussten. Die Ursache: Wenn ein Benutzer ein PDF oder Bild hochlud und gleichzeitig ein anderer Benutzer auf demselben Datensatz stand, blockierte der Container-Upload den Zugriff. Die KI identifizierte eigenständig einen betroffenen User anhand seiner Session-ID, rekonstruierte den zeitlichen Ablauf und bewertete die Häufigkeit des Problems – in den letzten 14 Tagen war es nur zweimal vorgekommen. Als Lösungsvorschlag empfahl sie, die Synchronisation von Binary Data in Zeiten mit wenig Traffic zu verlagern.
Zusätzlich entdeckte die KI eine Logging-Tabelle mit 5 Millionen Datensätzen, deren Commits bei hoher Last 15-16 Sekunden dauerten und andere Clients blockierten.
Eigenständige Problemlösung
Bemerkenswert war auch, dass der AI Agent die Darstellung der Ergebnisse eigenständig strukturierte – mit Beweisszenarien, betroffenen Dateien und Kausalitätsanalysen –, ohne dass Jörg das Format vorgegeben hatte. Die Teilnehmer zeigten sich beeindruckt davon, dass die KI die Struktur der Log-Dateien eigenständig verstand, vermutlich anhand der aussagekräftigen Header.
Fazit
Das Beispiel zeigt einen konkreten Anwendungsfall, bei dem eine AI-gestützte Analyse unmittelbaren Nutzen für den FileMaker-Server-Betrieb liefert – ohne dass dafür zusätzliche Tools benötigt werden. Die Logdateien sind ohnehin vorhanden, werden aber in der Praxis oft nur oberflächlich ausgewertet. Mit der Kombination aus DuckDB und AI Agent lassen sich diese Daten erstmals systematisch und tiefgreifend analysieren.