Hex ist eine kollaborative Data-Science-Plattform für Datenteams, die SQL/Python Notebook-Analysen, interaktive Datenanwendungen und Teamzusammenarbeit unterstützt und direkt mit einer Vielzahl von Datenquellen verbunden werden kann.

Hex

Kernparameter und Statistiken von Hex

Hex ist eine kollaborative Data-Science-Plattform mit „Notebook native + AI-Enhanced“, die in der Lücke zwischen traditionellen Data-Science-Notebooks (Jupyter) und Business-Intelligence-Tools (Tableau, Looker) positioniert ist – sie ist nicht dazu gedacht, das Data Warehouse zu ersetzen, sondern die gesamte Verbindung von der Datenanalyse bis zur Bereitstellung in einem Arbeitsbereich zu komprimieren.

Kernpositionierung: Lassen Sie das Datenteam SQL/Python verwenden, um explorative Analysen durchzuführen, und veröffentlichen Sie die Ergebnisse dann mit einem Klick als interaktive Webanwendungen oder Berichte. Geschäftsparteien können Daten selbst nutzen, ohne den Code zu verstehen. Offiziell als „AI Analytics Platform“ positioniert, betont es den Zweiradantrieb der AI-Agent-gestützten Analyse + vertrauenswürdigen Datenkontext.

Projekte	Öffentliche Informationen
Offizielle Positionierung	KI-Analyseplattform
Kernkompetenzen	Notebook-Analyse, interaktive App, KI-Agentenunterstützung, Teamzusammenarbeit, Planungsfreigabe
Sprachunterstützung	Python, SQL, R
Datenquelle	Snowflake, BigQuery, Redshift, Databricks, PostgreSQL, ClickHouse, Athena, Trino, Dremio, MySQL, MSSQL, MariaDB, S3 usw. 20+ Typen
Bereitstellungsformular	Cloud SaaS (Community/Professionell/Team/Unternehmen)
Funktionen für die Zusammenarbeit	Bearbeitung durch mehrere Personen in Echtzeit, Kommentare und Threads, Berechtigungsverwaltung, Versionsverlauf Git-Integration
Enterprise-Funktionen	SSO, Audit-Protokolle, benutzerdefinierte Docker-Images, private Bereitstellung von oAuth-Datenquellenauthentifizierung
Hauptsitz	San Francisco, USA
Gegründet	Ungefähr 2019
Kundenskala	Über 2.000 Unternehmenskunden auf der ganzen Welt
Typische Kunden	Reddit, Notion, Anthropic, Figma, Brex, Ramp, Rivian, AWS, Cursor, Lovable, Vercel

Hauptunterscheidungsfaktor: Das Kern-Upgrade von Hex im Vergleich zum herkömmlichen Jupyter-Notebook ist die „reaktive Ausführungs-Engine“ – es gibt ein Abhängigkeitsdiagramm zwischen Zellen im Notebook. Wenn Upstream-Zellen geändert werden, werden nur die betroffenen Downstream-Teile neu berechnet, anstatt wie bei Jupyter eine manuelle erneute Ausführung nacheinander zu erfordern. Dieser Mechanismus reduziert die Wartezeit in großen Analyseprojekten erheblich und verbessert die Reproduzierbarkeit des Projektstatus erheblich.

KI-Agent-Positionierung: Der integrierte Notebook-Agent und Konversationsagent von Hex kann SQL, Python-Code, Diagramme und sogar vollständige Analyseprozesse direkt in Notebook generieren. Im Gegensatz zur Verwendung von ChatGPT zur unabhängigen Analyse von Daten werden die Antworten von Hex Agent „durch den Datenkontext der Organisation gesteuert“ – er ist mit dem unternehmenseigenen Data Warehouse verbunden und kann durch das semantische Modell (Semantic Model) konsistente Indikatorkaliber gewährleisten, anstatt sich auf Fuzzy-Speicher in den Modelltrainingsdaten zu verlassen.

Benutzer und Marktbekanntheit von Hex

Unternehmenskundengruppe: Die auf der offiziellen Hex-Website veröffentlichten Kundenlogos decken ein breites Spektrum von Technologiegiganten bis hin zu Star-Startups ab, darunter Reddit, Notion, Anthropic, Figma, Brex, Ramp, Rivian, AWS, Cursor, Lovable, Vercel, Sierra, StubHub, Mercor, Neo Financial, Calendly, Sedgwick, Doximity, PandaDoc usw. Diese Kundengruppe zeichnet sich dadurch aus, dass sie „datenintensiv“ ist – ihre Daten Die Größe der Teams beträgt in der Regel Dutzende bis Hunderte von Personen und erfordert eine abteilungsübergreifende gemeinsame Analyse. Mercor erwähnte in einem öffentlichen Fall, dass Hex dazu beigetragen habe, „einen Umsatz von mehr als 100 Millionen US-Dollar zu erzielen“, und ein leitender Forscher bei Figma sagte: „Mit dem Notebook Agent von Hex muss ich keine Diagramme mehr selbst erstellen.“

Branchenanerkennung: Hex wurde bei G2 zum Branchenführer ernannt und gewann mehrere Auszeichnungen wie „High Performer“, „Best Support“ und „Momentum Leader“. Die Softwareentwickler von Notion sagen, dass Hex „jedem – unabhängig vom technischen Hintergrund – die Möglichkeit gibt, seine eigenen Fragen mit Daten zu beantworten.“ Snowflake ernannte Hex 2026 zum Gewinner des Partner Award und würdigte damit seine ökologischen Beiträge im Bereich der KI-Analyse.

Finanzierungshintergrund: Hex hat Unterstützung von führenden Risikokapitalinvestoren erhalten, darunter Andreessen Horowitz (a16z), Sequoia Capital, Greenoaks und andere. Der konkrete Finanzierungsbetrag und die Runden unterliegen der offiziellen Echtzeitseite und Crunchbase.

Gemeinschaft und Ökologie: Hex bietet eine öffentliche Use-Case-Galerie und eine Vorlagenbibliothek, die explorative Datenanalyse, interaktive Datenstory, No-Code-Notebooks, SQL-Notebooks, polyglotte Notebooks und andere Szenarien abdeckt. Der offizielle Blog (hex.tech/blog) und der YouTube-Kanal veröffentlichen kontinuierlich Tutorials und Best Practices. In Bezug auf Open Source ist Hex kein Open-Source-Produkt, aber sein Python/R-Ausführungskontext unterstützt benutzerdefinierte Docker-Images, und Unternehmensbenutzer können ihren eigenen Kontext mitbringen.

Kostenvorteile von Hex

Die Kostenstruktur von Hex muss aus der Perspektive „was es ersetzt“ verstanden werden – es handelt sich nicht um einen Preisvergleich mit einem einzelnen Tool, sondern um eine Multiproduktkombination, die ursprünglich Notebook (kostenlos/Jupyter) + BI-Tool (teure Tableau/Looker-Lizenz) + Kollaborationstool (Confluence/Notion) + Planungstool (Airflow) erforderte.

C-Seite/Individuell: Der kostenlose Community-Plan reicht für den Einstieg aus

• Community (kostenlos): Geeignet für Enthusiasten und kleine persönliche Projekte, mit begrenztem Rechenkontingent und begrenzter Anzahl an Projekten. Die Haupteinschränkung besteht darin, dass die Kollaborationsfunktionen eingeschränkt sind und keine erweiterte Berechtigungsverwaltung vorhanden ist. Für das persönliche Selbststudium der SQL/Python-Datenanalyse ist die kostenlose Versionsfunktion bereits verfügbar, für die Verwendung auf Produktionsebene wird es jedoch zu einer Kontingentobergrenze kommen.
• Professionell (36 $/Redakteur/Monat): Für einzelne professionelle Analysten, Abrechnung pro Redakteurplatz. Im Vergleich zur Community werden mehr Rechenressourcen und erweiterte Funktionen freigeschaltet, sodass es für unabhängige Datenanalysten geeignet ist.

Team/Entwickler: Teampläne werden pro Redakteur abgerechnet

• Team (75 $/Redakteur/Monat): Für kollaborative Analyseteams bietet es umfassende Funktionen für Projektzusammenarbeit, Berechtigungskontrolle, Veröffentlichung und Planung. Am Beispiel eines 5-köpfigen Datenteams beträgt die monatliche Gebühr 375 US-Dollar und die Jahresgebühr etwa 4.500 US-Dollar. Vergleich der Alternativen: Wenn ein Team eine Kombination aus Jupyter + Looker + Slack verwendet, kann die Lizenzgebühr für Looker allein 3.000 US-Dollar pro Monat übersteigen und die Funktionen für die Zusammenarbeit mit Notebooks sind nicht enthalten. Unter dem Gesichtspunkt der „Reduzierung der Werkzeugwechselkosten“ kann der implizite Wert von Hex für ein Medium-Data-Team höher sein als sein expliziter Preis.

Enterprise/Privat: Auf Anfrage für Unternehmen maßgeschneidert

• Enterprise (benutzerdefinierter Preis): Bietet SSO, Audit-Protokolle, private Bereitstellungen, benutzerdefinierte Docker-Images, erweiterte Sicherheits- und Compliance-Funktionen. Für eine Preisbestätigung wenden Sie sich bitte an den Vertrieb. Zu den anwendbaren Szenarien gehören die Standardisierung von Datenanalyseplattformen in regulierten Branchen (Finanzwesen, Medizin und Regierungsangelegenheiten) und der Aufbau groß angelegter Datenkollaborationsplattformen für mehrere Teams.
• Versteckte Kosten: Die Migrationskosten sind die größten versteckten Kosten – die Migration vorhandener Jupyter Notebooks zu Hex erfordert eine Umgestaltung des Codes, eine Anpassung des Ausführungskontexts und eine Neugestaltung der parametrisierten App. Obwohl Hex die direkte Verbindung zu mehreren Datenquellen und die Git-Integration unterstützt, kann die Migrationszeit von Bestandsanalyseskripten Wochen bis Monate dauern, und das Team sollte ein eigenes Zeitfenster vorsehen.
• Versteckte Vorteile: Die Threads-Funktion von Hex ermöglicht es Geschäftsanwendern, Datenkonversationen in veröffentlichten Anwendungen direkt zu initiieren. Analysten müssen nicht wiederholt in Slack/E-Mail antworten: „Wie wird diese Zahl berechnet?“ Laut dem offiziellen Kundenfall von Hex reduziert diese Funktion die Zeit, die Analysten durch die Datenabfrage unterbrochen werden, um etwa 20–30 Minuten/Tag/Person (abgeleiteter Wert, inoffizielle Verpflichtung).

Hauptfunktionen von Hex

Das Funktionssystem von Hex basiert auf einer dreischichtigen Architektur mit „Notebook-Editor als Kern-KI-Agent und Beschleuniger-App-Release als Endpunkt“. Es verschiebt Jupyter nicht einfach in die Cloud, sondern gestaltet jeden Schritt von der Analyse bis zur Bereitstellung neu.

• Reaktiver Notebook-Editor: Basierend auf der Ausführungs-Engine des Abhängigkeitsdiagramms werden nur die betroffenen Downstream-Zellen automatisch neu berechnet, nachdem die Upstream-Zellen geändert wurden. Unterstützt die gemischte Verwendung von SQL-, Python- und R-Sprachen im selben Notebook und überträgt Daten zwischen Zellen über Dataframe. Hauptunterschiede zu Jupyter: Hex-Zellen verfügen über klare Eingabe-/Ausgabedefinitionen und der Editor kann Variablenabhängigkeiten identifizieren, sodass genaue inkrementelle Berechnungen durchgeführt werden können. Bei großen Analyseprojekten mit mehr als 50 Zellen wird die Wartezeit für eine einzelne Änderung von „vollständiger Wiederholung (Minuten)“ in Jupyter auf „inkrementelle Berechnung (Sekunden)“ in Hex reduziert.

• AI Notebook Agent: Ein in den Notebook-Editor integrierter KI-Assistent, der SQL/Python-Code durch Beschreibungen in natürlicher Sprache generieren, Diagramme erstellen, Fehler debuggen, Abfragen optimieren und sogar einen vollständigen End-to-End-Analyseprozess generieren kann. Der Kontext des Agenten ergibt sich aus der Datenstruktur, den definierten Variablen und dem Datenquellenschema des aktuellen Notebooks und verlässt sich nicht ausschließlich auf das Wissen über das Modelltraining. Akzeptanzbedenken: Der Grad des vom Agent generierten komplexen Multi-Table-JOIN erfordert eine manuelle Überprüfung. Wenn Bedingungen für Geschäftslogikfilter beteiligt sind, übersieht der Agent möglicherweise implizite Bedingungen.

• Interactive Data App Builder: Dies ist die differenzierteste Funktion von Hex – Parameter in Notebook als UI-Steuerelemente (Dropdown-Felder, Datumsauswahl, Schieberegler, Texteingabefelder) verfügbar zu machen und sie über den Drag-and-Drop-App Builder zu interaktiven Webanwendungen zusammenzusetzen. Geschäftsmitarbeiter können Parameter unabhängig in der App auswählen (z. B. „Umsatz der Teleportation Pads-Produktlinie in der Kernweltregion Q3 anzeigen“), ohne den dahinter stehenden SQL-/Python-Code zu verstehen. Nachdem die App veröffentlicht wurde, unterstützt sie die Berechtigung „Can Explore“, sodass Techniker „den Quellcode anzeigen“ können, um das Vertrauen zu erhöhen.

• Conversational AI Self-Service-Analyse (Threads): In einer veröffentlichten App oder einem Datenbericht können Benutzer neue Datenfragen wie einen Chat initiieren (über die Slack-Integration oder direkt in Hex), und der Conversational Agent von Hex generiert Antworten basierend auf dem Datenkontext. Der Beantwortungsprozess ist transparent und nachvollziehbar – Nutzer können sehen, welche Datenquellen der Agent verwendet und welche Abfragen er durchgeführt hat. Das Ziel dieser Funktion besteht darin, den Feedback-Zyklus „Anfrage senden → Zeitplan abwarten → Bericht lesen“ von einigen Tagen auf einige Minuten zu komprimieren.

• Semantic Model Workbench: Die von Hex bereitgestellte YAML-Definitionsschicht abstrahiert die Originaltabellen im Data Warehouse in geschäftliche semantische Modelle (z. B. „Kundenumsatz“ und „Produktlinienverkäufe“) und vereinheitlicht das Indikatorkaliber. AI Agent legt bei der Beantwortung von Fragen Wert darauf, semantische Modelle anstelle von Originaltabellen zu verwenden, um sicherzustellen, dass mehrere Abteilungen ein einheitliches Verständnis des gleichen Indikators haben. Akzeptanzbedenken: Die Pflege des semantischen Modells erfordert, dass das Datenteam Zeit in die Definition und Aktualisierung investiert; Wenn die Modelldefinition unvollständig ist, greift der Agent möglicherweise auf die ursprüngliche Tabellenabfrage zurück und die Konsistenz des Kalibers kann nicht garantiert werden.

• Planung und Veröffentlichung: Unterstützt die automatische Ausführung von Notebook nach Zeitplan (täglich, wöchentlich usw.) und sendet die Ergebnisse an Slack, E-Mail oder eingebettet in externe Seiten. In Kombination mit der Git-Integration (GitHub/GitLab) kann ein Analyse-Workflow im CI/CD-Stil „Entwicklung → Review → Release“ etabliert werden. Bei Datenberichten, die eine regelmäßige Ausgabe erfordern (z. B. wöchentliche Geschäftsberichte), kann diese Funktion manuelle Vorgänge vollständig ersetzen.

• Umfassende Datenquellenintegration: Native Unterstützung für über 20 Datenquellen, darunter Snowflake, BigQuery, Redshift, Databricks, PostgreSQL, ClickHouse, Athena, Trino, Dremio, MySQL, MSSQL, MariaDB, S3 und mehr. Unterstützt die oAuth-Authentifizierung und kann konfigurierte Berechtigungen im Data Warehouse ohne wiederholte Verwaltung in Hex direkt wiederverwenden. DBT-Tiefenintegration: Automatischer Import von DBT-Dokumenten und Indikatordefinitionen als Grundlage des semantischen Modells.

Hex-Modell- und Versionsentwicklung

Als reines SaaS-Produkt hat Hex keine semantische Versionsnummer und seine Leistungsentwicklung wird durch „funktionale Meilensteine“ gekennzeichnet. Im Folgenden sind die wichtigsten Knoten aufgeführt, die auf dem offiziellen Blog und dem Update-Protokoll basieren:

Gründungszeitraum: Öffentliche Markteinführung und Notebook-Kern (~2021-01 bis 2022)

• Öffentlicher Start (~2021-01): Hex bietet offiziell Dienste für die Außenwelt an, wobei „Collaborative Data Science Notebook“ das wichtigste Verkaufsargument ist und die gemischte Bearbeitung von SQL + Python und die Zusammenarbeit in Echtzeit unterstützt. Eine frühe Cloud-Alternative zum Benchmarking von JupyterLab.
• App Builder veröffentlicht (~Mitte 2021): Einführung der Möglichkeit, interaktive Datenanwendungen zu erstellen, wodurch Notebook als Webanwendung veröffentlicht werden kann. Dies ist eine Schlüsselfunktion, die Hex von Konkurrenzprodukten wie Deepnote unterscheidet.
• Enterprise Edition-Version (~2022): Unterstützt die private Bereitstellung von Funktionen auf Unternehmensebene wie SSO und Audit-Protokolle und tritt in den regulierten Industriemarkt ein.

Wachstumszeitraum: Einführung von KI-Fähigkeiten und Plattformerweiterung (2023–2025)

• Notebook Agent veröffentlicht (~2024): Integrieren Sie den KI-Assistenten in Notebook, unterstützen Sie die Generierung von Codes, Diagrammen und Analyseprozessen in natürlicher Sprache und markieren Sie den Ausgangspunkt für die Transformation von Hex vom „kollaborativen Notebook“ zur „KI-erweiterten Analyseplattform“.
• Conversational AI/Threads Release (~2025): Einführung der Funktion zur Analyse von Dialog-Self-Services, die es Geschäftsanwendern ermöglicht, Fragen direkt in der App zu stellen und der Agent auf der Grundlage des semantischen Modells zu antworten. Gleichzeitig wurde die Slack-Integration gestartet und das Analyseportal von der Hex-Schnittstelle auf das Instant-Messaging-Tool erweitert.
• Semantic Model Workbench Release (~2025): Bietet eine durch YAML definierte semantische Ebene, vereinheitlicht das Indikatorkaliber und bietet „kontrollierten Datenkontext“ für KI-Agenten. Die Einführung dieser Funktion entwickelt Hex weiter von einem „Analysetool“ zu einer „Unternehmensanalyseplattform“.

Aktuell: AI Analytics Platform Integration (2026)

• Aktualisierung im ersten Halbjahr 2026: Weitere Optimierung der Kontextverständnisfähigkeit und Generierungsqualität von Notebook Agent; Verbessern Sie die Flexibilität der Benutzeroberfläche und die Vorlagenfunktionen von App Builder. Erweitern Sie die Liste der Datenquellenintegrationen auf über 20 Typen. Der Beamte veröffentlichte im Juni 2026 die Funktion „Generative Data Apps“ – vollständige Datenanwendungen können durch Beschreibung in natürlicher Sprache generiert werden, was die Schwelle für die App-Erstellung weiter senkt.
• Öffentliche Veranstaltung 2026: Hex nahm am Databricks Data + AI Summit (Juni 2026) teil und tauschte seine Erfahrungen bei der Entwicklung von Datenteams mit Rivian aus; gewann den Snowflake 2026 Partner of the Year Award.

Versionshinweise: Da Hex das Continuous-Delivery-Modell (Continuous Delivery) übernimmt, werden die Funktionen nach und nach in einer „Graustufenversion“ für alle Benutzer bereitgestellt, und es gibt keine entsprechende spezifische Versionsnummer. Die oben genannten Zeitknoten basieren auf dem offiziellen Blog-Changelog (learn.hex.tech/changelog) und öffentlichen Veranstaltungsinformationen, und einige Daten sind ungefähre Angaben (~JJJJ). Die Verfügbarkeit spezifischer Funktionen unterliegt der offiziellen Echtzeit-Produktseite.

Technische Vorteile von Hex

Der technische Vorteil von Hex beruht nicht auf einem einzelnen Algorithmus-Durchbruch, sondern auf der Neugestaltung der Systemtechnik rund um die gesamte „Analyse-Workflow“-Verbindung.

Reaktive Graph-Ausführungs-Engine: Hex führt das Notebook nicht sequentiell Zeile für Zeile aus, sondern analysiert das Notebook in einen gerichteten Graphen (DAG) – jede Zelle ist ein Knoten und die Datenreferenzen zwischen Zellen bilden Kanten. Wenn der Benutzer eine Zelle ändert, führt die Engine nur die Knoten auf ihrem Downstream-Pfad erneut aus, nicht das gesamte Notebook. Mechanismus → Wirkung: In einem Produktionsanalyseprojekt mit mehr als 100 Zellen sank die Wartezeit für eine einzelne Änderung von Jupyters „vollständige Wiederholung 3–5 Minuten“ auf Hexs „inkrementelle Ausführung 10–30 Sekunden“. Die Engine unterstützt sowohl den Abfragemodus (Berechnungen werden zur Ausführung an das Data Warehouse übertragen), der für Aggregationsabfragen bei großen Datenmengen geeignet ist, als auch den Datenrahmenmodus (der in einem Hex-Berechnungskontext ausgeführt wird), der für komplexe Transformationen geeignet ist, die Python-Bibliotheken erfordern – beide können auf Zellenbasis im selben Notebook gemischt werden.

Mehrschichtige Kontextarchitektur des KI-Agenten: Der KI-Agent von Hex greift nicht direkt auf das Data Warehouse zu, sondern durchläuft drei Schichten der Kontextfilterung: (1) Semantische Modellschicht – definiert Geschäftsindikatoren und -dimensionen, um sicherzustellen, dass der Begriff „Umsatz“ im gesamten Unternehmen konsistent ist; (2) Datenquellen-Schemaschicht – Agent kann Tabellenstruktur, Feldtypen und Beispieldaten wahrnehmen; (3) Aktueller Notebook-Kontext – Agent kennt definierte Variablen und ausgeführte Abfrageergebnisse. Mechanismus → Wirkung: Diese mehrschichtige Architektur macht die Antwortgenauigkeit des Agenten deutlich höher als die des allgemeinen LLM, der die Daten direkt abfragt, da sein Wissen auf die Datengrenzen der Organisation beschränkt ist und jeder Schritt der Ausführung nachvollziehbar ist. Einschränkungen: Das semantische Modell erfordert eine manuelle Wartung und nicht modellierte Felder oder Indikatoren können vom Agenten nicht verstanden werden.

Eingebetteter Arbeitsablauf für Sicherheit und Data Governance: Hex unterstützt die oAuth-Authentifizierung zur direkten Wiederverwendung von Data Warehouse-Berechtigungen, was bedeutet, dass die Abfrageberechtigungen des Benutzers auf der Datenquellenebene gesteuert werden und Hex keine zusätzliche Verwaltung erfordert. Die Unternehmensversion unterstützt SSO, Audit-Protokolle und benutzerdefinierte Docker-Image-Isolation. Mechanismus → Wirkung: In regulierten Branchen wie dem Finanzwesen und der medizinischen Versorgung verlassen die Daten die sichere Umgebung von Hex nicht und das Prüfprotokoll zeichnet die Abfragevorgänge jedes Benutzers auf – dies ist eine qualitative Verbesserung des Sicherheitsniveaus im Vergleich zu der Art und Weise, wie Analysten Daten in lokale Jupyter-Vorgänge exportieren und dann manuell Berichte erstellen.

Berechnungs-Pushdown (Abfragemodus): Wenn der Benutzer eine SQL-Abfrage ausführt, sendet Hex die Abfrageanweisung zur Ausführung direkt an das Data Warehouse und ruft nur die Ergebnismenge zurück in das Notebook. Dies bedeutet, dass Datensätze verarbeitet werden können, die das begrenzte Speicherlimit einer Hex-Berechnung überschreiten – die Datenmenge wird nur durch das Data Warehouse selbst begrenzt. Im Vergleich zu herkömmlichem Notebook: Jupyter-Benutzer müssen normalerweise Daten lokal exportieren oder Beispieldaten für die Analyse verwenden. Hex eliminiert in dieser Hinsicht den Schritt der Datenübertragung.

So verwenden Sie Hex

Das Nutzungsportal von Hex ist in vier Formen unterteilt, die alle Szenarien von der persönlichen Erkundung bis zur Unternehmensbereitstellung abdecken:

So verwenden Sie	Geeignet für die Menge	Kernprozess	Kosten
Webanwendung	Alle Benutzer	Besuchen Sie app.hex.tech, um sich zu registrieren → Mit Datenquelle verbinden → Notizbuch erstellen, um die Analyse zu starten	Community kostenlos / professionell 36 $/Monat
Slack-Integration	Geschäftsanwender	Stellen Sie eine Frage im Arbeitskanal @Hex + → Automatische Antwort des Agenten	Verfügbar im Team/Unternehmen
Hex-API	Entwickler	Verwenden Sie die öffentliche Hex-API, um Projekte programmgesteuert zu betreiben, die Ausführung auszulösen und Ergebnisse zu lesen	Verfügbar im Team/Unternehmen
Eingebettetes Publishing	Produktteam	Integrieren Sie die Hex-App in Ihre eigene Webanwendung	Unternehmensplan

Typischer Einstiegspfad (am Beispiel eines Datenanalysten):

1. Registrierung und Datenverbindung: Besuchen Sie app.hex.tech und registrieren Sie sich mit Ihrer E-Mail-Adresse (die kostenlose Community-Version wird unterstützt). Klicken Sie nach dem Aufrufen der Workbench auf „Daten verbinden“, um den Data Warehouse-Typ (Snowflake / BigQuery / Redshift usw.) auszuwählen und die oAuth- oder Schlüsselauthentifizierung abzuschließen. Vom Herstellen der Verbindung bis zum ersten Ausführen der Abfrage dauert es etwa 5 bis 10 Minuten.

2. Erstellen Sie Ihr erstes Notizbuch: Klicken Sie auf „Neues Projekt“, um ein leeres Notizbuch oder eine leere Vorlage auszuwählen. Schreiben Sie SQL-Abfragen in eine Notebook-Zelle – der Editor bietet einen Schemabrowser, automatische Schlüsselwortvervollständigung und Syntaxhervorhebung. Die Ergebnismenge wird direkt unter der Zelle in tabellarischer Form angezeigt, ohne dass zur Vorschau der Daten in ein anderes Fenster gewechselt werden muss.

3. Verwenden Sie AI Agent zur Beschleunigung: Klicken Sie auf das AI-Assistent-Symbol (oder verwenden Sie die Tastenkombination) in der SQL- oder Python-Zelle, um die Anforderungen in natürlicher Sprache zu beschreiben, z. B. „Zusammenfassung des Q3-Umsatzes nach Produktlinie, Balkendiagrammanzeige“. Nachdem der Agent Code und Diagramme generiert hat, können Parameter manuell angepasst oder akzeptiert werden. Es wird empfohlen, die WHERE-Bedingungen und die JOIN-Logik nach der Generierung komplexer Abfragen manuell zu überprüfen.

4. Erstellen Sie eine interaktive App: Wechseln Sie nach Abschluss der Analyse zur App Builder-Ansicht und stellen Sie die wichtigsten Parameter im Notebook (Datumsbereich, Produktlinienauswahl usw.) als UI-Steuerelemente bereit. Klicken Sie nach dem Ziehen des Layouts auf „Veröffentlichen“, um eine URL zu generieren, die öffentlich oder intern geteilt werden kann. Normalerweise zeitaufwändig: Der erste Build vom Notebook zur interaktiven App dauert etwa 15–30 Minuten, und nachfolgende Iterationen sind schneller.

5. Planung und Benachrichtigung einrichten: Konfigurieren Sie Planungsregeln in den Projekteinstellungen (täglich um 9 Uhr ausgeführt), und die Veröffentlichungsergebnisse werden automatisch an den Slack-Kanal oder die Mailingliste weitergeleitet. Analysten müssen nicht mehr jeden Morgen Screenshots manuell erneut ausführen und senden.

Migrationstipp: Die Migration von Jupyter Notebook kann über die Git-Integration (GitHub/GitLab) versioniert werden. Hex unterstützt den Import von .ipynb-Dateien, erfordert jedoch eine manuelle Anpassung der Datenquellenverbindungen und kontextuellen Abhängigkeiten. Es wird empfohlen, nicht alle vorhandenen Notebooks direkt stapelweise zu migrieren, sondern zunächst 1-2 häufig aktualisierte Analyseprojekte als Pilotprojekte auszuwählen und diese dann nach Überprüfung des Prozesses schrittweise zu erweitern.

Hex-Produktpreise

Die Preise von Hex basieren auf dem Modell „nach Redakteurplatz + nach Planstufe“ und sind in vier Pläne unterteilt:

Planen	Preis	Geeignetes Szenario	Wichtige Einschränkungen
Gemeinschaft	Kostenlos	Persönliches Lernen, Erkundung kleiner Projekte	Begrenztes Rechenkontingent, begrenzte Anzahl von Projekten, keine erweiterte Zusammenarbeit
Professionell	36 $/Redakteur/Monat	Unabhängiger professioneller Analyst	Ein einziger Editor, mehr Rechenressourcen, begrenzte Veröffentlichungsmöglichkeiten
Team	75 $/Redakteur/Monat	Kollaboratives Datenteam	Komplette Kollaborationsfunktionen, Berechtigungsverwaltung, Planung der App-Veröffentlichung
Unternehmen	Benutzerdefiniert	Regulierte Industrien, groß angelegte Einsätze	SSO für private Bereitstellungen, Audit-Protokolle, benutzerdefiniertes Docker

Community- und Bildungsrabatte: Hex bietet Rabatte für Studenten und Lehrkräfte sowie Rabatte für gemeinnützige Organisationen – bitte kontaktieren Sie uns, um das spezifische Rabattverhältnis zu bestätigen.

KOSTENLOSE TESTVERSION: Der Team-Plan bietet eine 14-tägige kostenlose Testversion, um alle Funktionen für die Zusammenarbeit ohne Kreditkarte zu nutzen.

Kosten vs. Alternativen: Am Beispiel eines 5-köpfigen Datenteams beträgt die jährliche Gebühr für den Teamplan etwa 4.500 US-Dollar (5×75 US-Dollar×12). Im Vergleich zur herkömmlichen Lösungskombination – JupyterHub-Konstruktion (Betriebs- und Wartungskosten ca. 500–1.000 USD/Monat) + Looker (ca. 3.000 USD/Monat) + Slack (ca. 180 USD/Monat) hat Hex geringere explizite Kosten und eliminiert den Zeitaufwand für den Wechsel zwischen Tools. Aber bitte beachten Sie: Wenn das Team nur leichte Abfragen und einfache Diagramme benötigt, ist ein übermäßiger Kauf des Team-Plans eine Verschwendung von Ressourcen, und die professionelle oder sogar Community-kostenlose Version kann ausreichend sein.

Preistipps für die Enterprise Edition: Privat bereitgestellte Enterprise-Pläne beinhalten zusätzliche Infrastrukturkosten (Server, Netzwerke, Betrieb und Wartung), und die Gesamtkosten müssen anhand der drei Dimensionen „Lizenzgebühr + Infrastruktur + Betriebs- und Wartungspersonal“ bewertet werden. Es wird empfohlen, den Beamten zu bitten, während des Testzeitraums vor Vertragsunterzeichnung einen vollständigen Leistungs-Benchmark-Test durchzuführen und dabei besonders auf die Verzögerung der Notebook-Ausführung in Szenarien mit hoher Parallelität zu achten.

Anwendungsszenarien von Hex

Die Designphilosophie von Hex besteht darin, „das Datenteam die gesamte Verbindung von der Exploration bis zur Bereitstellung an einem Ort abschließen zu lassen“. Die typischen Szenarien decken mehrere Phasen der Datenarbeit ab:

• Self-Service-Geschäftsanalyse: Mitarbeiter der Geschäftsabteilung können über die von Hex veröffentlichte interaktive App selbst Parameter auswählen, um Daten anzuzeigen, ohne dass dazu Anfragen vom Datenteam erforderlich sind. Traditioneller Prozess: Das Unternehmen sendet eine E-Mail/stellt eine Anfrage in Slack (30 Minuten) → Der Analyst plant (1–3 Tage) → Der Analyst schreibt eine Anfrage (1–2 Stunden) → Der Analyst antwortet mit Ergebnissen (30 Minuten) → Wenn das Unternehmen weitere Fragen hat, melden Sie sich erneut. Hex-Prozess: Das Unternehmen kann Parameter direkt in der App anpassen, um die aktualisierten Ergebnisse anzuzeigen (1–2 Minuten), und komplexe Anfragen können über Threads initiiert werden (der Agent antwortet in Echtzeit oder leitet sie an den Analysten weiter). Abzug der Arbeitsstundeneinsparungen: Für eine Geschäftseinheit, die die Datenanforderungen fünfmal pro Woche erhöht, können Analysten 2–3 Stunden Demand-Response-Zeit pro Woche einsparen. Anwendbare Prämisse: Der Analysebedarf konzentriert sich auf den Bereich der modellierten Indikatoren und Dimensionen; Völlig neue Analyseanforderungen erfordern immer noch ein Eingreifen des Analysten.

• Gemeinsame Explorationsanalyse und Datenprodukt-Prototyping: Datenanalysten und Datenwissenschaftler erkunden Datensätze gemeinsam in Hex Notebook und sehen die Ergebnisse des anderen in Echtzeit. Nach Abschluss der Analyse wird die Kernlogik direkt über App Builder in einen interaktiven Prototyp gekapselt und schnell an Produkt-, Betriebs- und andere kollaborative Abteilungen übermittelt, um Erfahrungen und Feedback zu erhalten. Typische Rollen: Datenwissenschaftler sind für die Modelllogik verantwortlich → Datenanalysten sind für die Anpassung des Geschäftsszenarios verantwortlich → Produktmanager überprüfen den Ausgabewert in der App. Implementierungstipp: Es wird empfohlen, sich zu Beginn des Projekts auf Zellorganisationsspezifikationen zu einigen (z. B. „Datenladen→Bereinigung→Analyse→Visualisierung“-Segmente), um Notebook-Chaos zu vermeiden, wenn mehrere Personen zusammenarbeiten.

• Periodische Berichterstattung und automatisierte Planung: Stellen Sie den gesamten Analyseprozess wöchentlicher/monatlicher Berichte (Datenextraktion → Kernindikatoren berechnen → Diagramme erstellen → Schlussfolgerungen zusammenfassen) als Hex-Notizbuch zusammen, konfigurieren Sie automatische Planung und Slack/E-Mail-Push. Abzug von Arbeitsstundeneinsparungen: Ein wöchentlicher Bericht, der von Analysten normalerweise 2–4 Stunden manuelle Arbeit erfordert, erfordert nur eine wöchentliche Überprüfung von Datenanomalien (ca. 15 Minuten) nach der Konfiguration der Automatisierung. Akzeptanzbedenken: Der Alarmmechanismus, wenn die Ausführung des automatisierten Berichts fehlschlägt, muss im Voraus konfiguriert werden; Änderungen im Datenquellenschema können zu Abfrageunterbrechungen führen, daher müssen regelmäßige Zustandsprüfungen eingerichtet werden.

• In Produkte eingebettete Datenanalysefunktionen: Durch die eingebetteten Veröffentlichungsfunktionen von Hex werden Analyse-Apps in SaaS-Produkte eingebettet, um Endkunden Self-Service-Analysepanels bereitzustellen. Typisches Szenario: Die Zahlungsplattform stellt Händlern ein Transaktionsanalysepanel zur Verfügung; Die Werbeplattform stellt Werbetreibenden eine Werbewirkungsanalyse zur Verfügung. Technische Voraussetzung: Die Enterprise-Lösung unterstützt die Einbettung; Es erfordert die technische Zusammenarbeit des Produktteams, um die SSO-Integration und die Stilanpassung abzuschließen.

• Datenschulung und interner Wissensaustausch: Hex Notebook selbst ist ein „ausführbares Dokument“ – Analyseprozess, Code, Kommentare, Diagramme und Daten im selben Dokument, geeignet für die Verwendung als interne Schulungsmaterialien oder Best-Practice-Vorlagen für Datenteams. Neue Mitglieder können bestehende Notebooks direkt forken, um den Analyseprozess zu erlernen, ohne durch verstreute Wiki-Seiten und SQL-Dateien blättern zu müssen.

Anwendbare Gruppen von Hex

Hex ist kein „Datentool, das jedem zur Verfügung steht“. Es richtet sich an Organisationen mit einer bestimmten Dateninfrastruktur und an Personen mit grundlegenden Datenkenntnissen. Im Folgenden werden der Anpassungswert und die Randbedingungen hierarchisch nach Rollen beschrieben:

• Datenanalysten und Datenwissenschaftler: Kernbenutzergruppe. Der Notebook-Editor von Hex bietet umfassendere Kollaborationsfunktionen und Ausführungseffizienz als Jupyter, und AI Agent kann die SQL/Python-Schreibgeschwindigkeit um das Zwei- bis Dreifache erhöhen (Abzugswert). Anpassungsgrenze: Wenn mehr als 90 % des Arbeitsablaufs eines Analysten darin besteht, Ad-hoc-Abfragen direkt im Data Warehouse zu schreiben und keine Python-Verarbeitung und mehrstufige Analyse beinhaltet, sind herkömmliche SQL-Clients (wie DBeaver, DataGrip) möglicherweise einfacher. Der Wert von Hex ist am bedeutendsten, wenn „mehrstufige, mehrsprachige und interaktive Ergebnisse geliefert werden müssen“.

• Datenplattform- und Infrastrukturteam: Das technische Team, das für den Aufbau und die Wartung der Unternehmensdatenanalyseplattform verantwortlich ist. Hex verwaltet Datenquellenverbindungen, Berechtigungen und Computerkontexte zentral und reduziert so die betriebliche Belastung, die dadurch entsteht, dass „jeder Analyst seinen eigenen Kontext erstellt“. Anpassungsgrenze: Wenn die Organisation nur 1-2 Analysten hat und die Datenmenge gering ist, können die Kosten für den Aufbau von Hex höher sein als der Nutzen; Der Skaleneffekt von Hex wird deutlich, wenn das Datenteam aus mehr als 5 Personen besteht.

• Geschäftsteam (Betrieb, Produkt, Markt): Nutzen Sie Daten über die von Hex veröffentlichten App- und Threads-Funktionen, ohne direkt Code zu schreiben. Voraussetzungen: Innerhalb der Organisation muss ein Team von Analysten vorhanden sein, das zunächst das semantische Modell und die App erstellt. Geschäftsanwender müssen das Grundkonzept des „Datenkalibers“ verstehen, da sie sonst aufgrund eines Missverständnisses der Indikatoren möglicherweise falsche Schlussfolgerungen ziehen. Nicht für Szenarien geeignet: Geschäftsszenarien, die eine Echtzeit-Stream-Datenverarbeitung erfordern (z. B. Echtzeit-Überwachungspanels) – Hex eignet sich besser für die Stapelanalyse und ist nicht für Echtzeitdaten auf Millisekundenebene geeignet.

• Bildungs- und Ausbildungseinrichtungen: Die kostenlose Community-Version von Hex kann als datenwissenschaftliche Lehrplattform verwendet werden – Schüler müssen die Python-Umgebung nicht lokal konfigurieren und können durch Öffnen des Browsers mit dem Erlernen von SQL und Python beginnen. Die ausführbare Dokumentfunktion von Notebook eignet sich zum Erstellen interaktiver Lehrfälle. Anpassungsgrenze: Wenn der Lehrinhalt Deep-Learning-Training umfasst (GPU erforderlich), ist Hex keine geeignete Plattform.

• Nicht für die Masse geeignet: (1) Einzelne Entwickler, die keine Zusammenarbeit benötigen – wenn die Datenanalysearbeit völlig unabhängig durchgeführt wird und nicht zur interaktiven Nutzung an andere weitergegeben werden muss, ist Jupyter + lokaler Python-Kontext funktional gleichwertig und kostenlos; (2) Data-Science-Teams, die GPU-intensives Computing benötigen – Hex bietet keine GPU-Rechenleistung und Deep-Learning-Training ist immer noch die Domäne professioneller GPU-Plattformen (wie Colab, Lambda Labs, RunPod); (3) Die Datenmenge beträgt EB-Engineering-Teams mit extremen Anforderungen an die Abfragelatenz – der Berechnungs-Pushdown von Hex ist durch die Abfrageleistung des Data Warehouse begrenzt. Für interaktive Abfragen mit geringer Latenz auf Billionen-Zeilen-Ebene ist weiterhin eine dedizierte OLAP-Engine erforderlich.

Zusammenfassung und Ausblick

Durch die Dreifaltigkeitsarchitektur aus „reaktivem Notebook + KI-Agent + App-Publishing“ hat Hex eine neue Kategorie zwischen „traditionellen Data-Science-Notebooks“ und „Business-Intelligence-Tools“ etabliert – es handelt sich weder um ein reines Notebook noch um eine reine BI, sondern um eine Full-Link-Plattform von der „Analyse bis zur Produktbereitstellung“.

Kernwettbewerbsposition: Der größte Graben von Hex ist nicht der Notebook-Editor (es gibt auch Konkurrenzprodukte wie Deepnote und Count), sondern die Workflow-Beziehung, die durch „App-Publishing + Threads-Dialog“ gebildet wird – die von Analysten erstellten Analyseergebnisse können direkt zu Produkten werden, die Geschäftsparteien interaktiv nutzen können, und Geschäftsparteien können auf der Grundlage dieses Produkts direkt neue Datendialoge initiieren. Diese Methode reduziert den Zyklusverlust von „Analysieren → Bericht → Neue Anforderungen → Neu analysieren“. Gemessen an seinem Kundenstamm (datenintensive Unternehmen wie Reddit, Notion, Anthropic, Figma usw.) und seiner G2-Branchenführerbewertung hat Hex bei mittleren und großen Datenteams eine starke Markenbekanntheit aufgebaut.

Aktuelle Haupteinschränkungen: (1) Die Analysequalität von AI Agent hängt stark von der Vollständigkeit des semantischen Modells und der Klarheit des Datenquellenschemas ab – bei Organisationen, die noch kein Datenverwaltungssystem eingerichtet haben, wird die Genauigkeit der Antworten des Agenten erheblich abnehmen; (2) Die Kosten für die private Bereitstellung im Unternehmen sind undurchsichtig, und der Mangel an GPU-Rechenleistung schränkt das Data-Science-Team bei der Durchführung von ML auf der Plattform ein. Möglichkeit der Schulung; (3) Das Rechenkontingentlimit der Community-Version ist für Vielnutzer nicht geeignet – funktionale Erkundung ist ausreichend, aber für die langfristige Produktionsnutzung ist früher oder später ein Upgrade auf einen kostenpflichtigen Plan erforderlich; (4) Erfahrene Benutzer einer einzelnen Sprache (z. B. Analysten, die nur R oder nur Python schreiben) haben möglicherweise das Gefühl, dass einige Funktionen des mehrsprachigen Notebooks überflüssig sind.

Follow-up-Beobachtungspunkte: (1) Ob Hex die Investitionen in KI-Agent-Funktionen weiter erhöhen wird – der aktuelle Agent ist auf Codegenerierung und Datenfrage und -antwort ausgerichtet und kann er weiter auf automatische Anomalieerkennung und proaktives Insight-Push ausgeweitet werden; (2) Das Wettbewerbsverhältnis zwischen Hex und Snowflake/Databricks – da das Cloud Data Warehouse selbst auch seine Analysefunktionen stärkt, muss Hex weiterhin den Mehrwert der „unabhängigen Analyseplattform“ unter Beweis stellen; (3) Das Wachstum der Kundenfälle für die private Bereitstellung der Unternehmensversion – das sind Hex-Schlüsselindikatoren für den Eintritt in regulierte Branchen wie Finanzen und Gesundheitswesen.

Beschaffungs- und Einführungsrisikobewertung: Für Organisationen mit mehr als 5 Datenteams ist die Team-Lösung von Hex eine Pilotverifizierung als Kandidat für eine „kollaborative Analyseplattform“ wert. Empfohlener Verifizierungspfad: (1) Nutzen Sie zunächst die kostenlose Community-Version, um 1–2 Analysten zwei Wochen lang die Möglichkeit zu geben, den Veröffentlichungsprozess vom Notebook zur App zu erleben. (2) Nachdem Sie bestätigt haben, dass der grundlegende Prozess reibungslos verläuft, führen Sie ein Upgrade auf die Team-Lösung durch, um einen gemeinsamen Test mit einem Team von mehr als drei Personen durchzuführen, wobei der Schwerpunkt auf dem Testen von Echtzeit-Zusammenarbeit, Berechtigungsverwaltung und Planungsfunktionen liegt. (3) Nachdem Sie überprüft haben, dass die Teameffizienz verbessert wurde, sollten Sie erwägen, dies in allen Abteilungen zu fördern und die Notwendigkeit der Unternehmenslösung zu bewerten. Für regulierte Branchen wie das Finanzwesen müssen Sicherheitsüberprüfungen und Compliance-Bestätigungen vor der Einführung der Privatisierung abgeschlossen werden, wobei besonderes Augenmerk auf die Einhaltung der Datenresidenz und der Vererbung von Data-Warehouse-Berechtigungen gelegt werden muss. Für Einzelpersonen und kleine Teams kann die kostenlose Version von Community bereits die meisten Datenanalyseanforderungen abdecken – es ist nicht erforderlich, kostenpflichtige Pläne vorzeitig zu aktualisieren, bevor eine langfristige Abhängigkeit festgestellt wird.

Verwandte Tools: hugging-face, replicate

Versionsinfo

• Hex-Update vom Juni 2026 ：Eine kontinuierlich iterative Cloud-Service-Plattform ohne feste Versionsnummer. （2026-06）
• Hex wird öffentlich eingeführt ：Einen offiziellen genauen Termin gibt es noch nicht. （~2021-01）