Cloudflare hat Radar Researcher am 7. August 2026 als Beta gestartet. Nutzer formulieren Fragen in natürlicher Sprache und erhalten Antworten mit interaktiven Diagrammen. Entscheidend ist die technische Verankerung: Cloudflare zufolge stammen Informationen aus der Radar-API; Diagramme referenzieren exakte Abfrageergebnisse, statt Zahlen aus Modellprosa oder Bildpunkten abzuleiten. Außerdem können Nutzer nachvollziehen, wie ihre Frage interpretiert, welche Datensätze abgefragt und welche Tool-Aufrufe ausgeführt wurden. Für Unternehmen ist das ein interessanter Ansatz für KI-gestützte Analyse, aber noch kein Ersatz für fachliche Prüfung und belastbare Entscheidungsverfahren.
Warum API-verankerte Ergebnisse wichtig sind
Sprachmodelle können Zahlen runden, verkürzen oder in einer überzeugenden Erklärung falsch zusammenführen. Radar Researcher trennt laut Cloudflare die Diagrammdaten von der Modellprosa: Der Agent ruft Daten ab, gibt eine Referenz auf den API-Pfad zurück und die Oberfläche rendert daraus die Visualisierung. Das reduziert ein bekanntes Fehlerrisiko, beseitigt es aber nicht vollständig. Die falsche Auswahl von Datensatz, Zeitraum, Region oder Metrik kann weiterhin zu einer sachlich unpassenden Analyse führen.
Für Entscheider entsteht daher ein vierstufiger Prüfpfad. Erstens: Welche Frage wurde tatsächlich gestellt und wie hat das System sie interpretiert? Zweitens: Welche API-Endpunkte, Filter und Zeiträume wurden verwendet? Drittens: Entspricht das Diagramm den exakten Ergebnissen? Viertens: Ist die sprachliche Interpretation fachlich angemessen und vollständig? Jede Stufe braucht einen sichtbaren Nachweis. Ein schönes Diagramm allein ist kein Beleg für die richtige Analysefrage.
Geeignete und ungeeignete Unternehmensanwendungen
- Geeignet: erste Lagebilder zu Internetqualität, Traffic-Trends oder bekannten Störungen erstellen.
- Geeignet: Analysten bei der Suche nach passenden Radar-Datensätzen und Vergleichszeiträumen unterstützen.
- Geeignet: wiederholbare Diagramme für interne Briefings vorbereiten, wenn die zugrunde liegenden Abfragen geprüft werden.
- Nur mit Zusatzquellen: strategische Markt-, Sicherheits- oder Standortentscheidungen treffen.
- Ungeeignet: aus Radar-Daten allein Ursachen, Verantwortliche oder konkrete Auswirkungen auf das eigene Unternehmen ableiten.
Radar zeigt das Internet aus Cloudflares Datenperspektive. Das ist wertvoll, aber nicht identisch mit der eigenen Netzwerk-, Kunden- oder Geschäftslage. Unternehmen sollten daher vor dem Pilot definieren, welche Fragen Radar beantworten kann und welche zusätzlichen Datenquellen erforderlich sind. Ein beobachteter regionaler Traffic-Rückgang kann eine Untersuchung anstoßen, belegt aber nicht automatisch eine bestimmte Ursache oder einen Ausfall der eigenen Dienste.
So funktioniert ein kontrollierter Pilot
Der Pilot beginnt mit zehn Referenzfragen, deren erwartete Datensätze, Filter und fachliche Grenzen ein Netzwerk- oder Datenexperte kennt. Das Team lässt Radar Researcher dieselben Fragen in unterschiedlichen Formulierungen beantworten und vergleicht die Interpretation, Tool-Aufrufe, API-Ergebnisse und Diagramme. Danach folgen offene Fragen aus dem tatsächlichen Arbeitsalltag. Jede Antwort wird nach Datenpassung, Reproduzierbarkeit, fachlicher Interpretation und benötigter Korrektur bewertet.
- Referenzfragen und fachlich erwartete Radar-Datensätze festlegen.
- Interpretation, API-Endpunkte, Parameter und Tool-Aufrufe je Antwort dokumentieren.
- Diagramme gegen die abgerufenen Ergebnisse und Filter prüfen.
- Sprachliche Zusammenfassung durch einen verantwortlichen Fachexperten freigeben.
- Nutzen, Fehlerarten und Korrekturaufwand gegen den bisherigen Analyseprozess vergleichen.
Messbare Kriterien sind wichtiger als ein allgemeiner Eindruck. Sinnvoll sind die Quote korrekt gewählter Datensätze, Parameterfehler, Reproduzierbarkeit bei gleicher Frage, Zeit bis zur prüfbaren Antwort, Anteil fachlich akzeptierter Interpretationen und Zahl notwendiger Korrekturen. Zusätzlich wird dokumentiert, ob Nutzer die sichtbaren Tool-Aufrufe tatsächlich prüfen oder sie nur als technische Dekoration wahrnehmen. Nachvollziehbarkeit wirkt nur, wenn sie in den Freigabeprozess eingebaut ist.
MCP, Code Mode und WebMCP richtig einordnen
Cloudflare beschreibt einen einheitlichen MCP-Server, den der Agent im Code Mode über drei Werkzeuge für Suche, Ausführung und Dokumentation nutzt. Passende Endpunkte werden dynamisch in der OpenAPI-Spezifikation gesucht. Das reduziert fest im Prompt hinterlegte API-Details und kann neue Datensätze ohne separate Tooldefinition erschließen. Gleichzeitig wächst die Verantwortung für Codeausführung, Parameterkontrolle und Protokollierung. Im Unternehmenskontext sollten zulässige Endpunkte, Ressourcenverbrauch und Fehlergrenzen explizit begrenzt sein.
Radar unterstützt außerdem WebMCP, damit Browser-Agenten definierte Werkzeuge verwenden können, statt die Oberfläche zu scrapen. Dieser Zugang ist ein eigener Integrationspfad und darf nicht mit der Qualität der Researcher-Antworten gleichgesetzt werden. Für externe Agenten braucht es Tool-Allowlisting, Sitzungs- und Berechtigungsprüfung sowie Monitoring. Der bereits veröffentlichte GNS-WebMCP-Beitrag behandelt diese Governance-Fragen separat; der aktuelle Artikel fokussiert die prüfbare Datenanalyse.
Vom Analyseassistenten zur belastbaren Entscheidung
Radar Researcher kann den Weg von einer Frage zu einem passenden Datensatz deutlich zugänglicher machen. Der größte Unternehmenswert liegt nicht in einer vermeintlich autonomen Wahrheit, sondern im transparenten Prüfpfad zwischen Frage, Daten und Interpretation. Ein Rollout sollte deshalb zunächst Recherche und Briefing unterstützen, nicht ungeprüft operative Entscheidungen auslösen. Bei falschen Datensätzen, nicht reproduzierbaren Antworten oder fehlender fachlicher Prüfung wird der Einsatz begrenzt. Bei stabilen Ergebnissen kann das Team wiederkehrende Analysevorlagen und Freigaben standardisieren.
Für die Geschäftsführung genügt am Ende eine klare Entscheidungsgrundlage: Welche Aufgaben werden schneller, welche Fehler bleiben, wie hoch ist der Prüfaufwand und welche Entscheidungen benötigen weiterhin zusätzliche Quellen? Diese Bilanz verhindert sowohl überzogene Erwartungen als auch eine vorschnelle Ablehnung. Eine Beta ist erfolgreich, wenn sie eine überprüfbare Verbesserung eines konkreten Analyseprozesses zeigt – nicht wenn sie besonders überzeugend formuliert.