Regex aus Beispieltexten generieren

Use Case

Regex (kurz für „regulärer Ausdruck“) ist ein Muster, mit dem Sie in Texten gezielt nach Strukturen suchen — zum Beispiel alle E-Mail-Adressen, alle Telefonnummern, alle Rechnungsnummern. KI baut diese Muster aus Beispielen, ohne dass Sie die Regex-Syntax kennen müssen.

Für: IT / Allgemein · Niveau: Mittel · Tools: ChatGPT, Claude, Microsoft Copilot, Gemini

Für wen ist dieser Use Case geeignet?

Dieser Use Case eignet sich für alle, die regelmäßig Daten aus großen Textmengen extrahieren oder validieren wollen: Admins, Operations, Buchhaltung, Datenpflege, Personal, Customer Support. Regex ist ein „Such-Muster“ — Sie sagen dem Computer nicht „suche das Wort Müller“, sondern „suche alles, was so aussieht wie eine deutsche Mobilfunknummer“.

Sinnvoll ist Regex zum Beispiel, um in einer langen Liste alle gültigen Kunden-IDs zu finden, um in Logdateien Fehler-Codes zu filtern, oder um in einer Word-Datei alle Datumsangaben zu markieren. Sie brauchen kein Programmierwissen — nur ein paar Beispiele, wie das Muster aussehen soll, und ein paar Beispiele, wie es nicht aussehen darf.

Ausgangsproblem

Regex-Syntax ist für Nicht-Entwickler eine Hürde: Zeichen wie `d`, `[A-Z]`, `{3,5}` oder `^…$` sehen aus wie eine Geheimsprache. Selbst einfache Muster („vier Ziffern, ein Bindestrich, drei Ziffern“) werden zur Knobelaufgabe. Wer sich diese Sprache nicht aneignen will, lässt das Thema oft ganz liegen — und verliert eine sehr mächtige Methode der Datenarbeit.

KI nimmt Ihnen die Syntax ab. Sie geben Beispiele für das, was Sie finden möchten, und Beispiele für das, was nicht gefunden werden soll — und bekommen den fertigen Regex mit Erklärung jedes Bausteins zurück. Damit wird Regex von einer Spezialisten-Sache zu einem normalen Werkzeug.

Schritt-für-Schritt-Anleitung

Schritt 1: Ziel in einem Satz benennen

Beschreiben Sie in normalen Worten, was das Regex finden soll. Beispiele:

„Ich suche alle deutschen Mobilfunknummern in einem Text.“
„Ich möchte alle Rechnungsnummern erkennen, die mit RE- starten und sechs Ziffern haben.“
„Ich brauche ein Muster für IBAN-Nummern, die mit DE beginnen.“

Schritt 2: Positive Beispiele sammeln

Geben Sie der KI mindestens fünf bis zehn Beispiele, die das Muster erfüllen sollen. Variieren Sie dabei alle Schreibweisen, die Ihnen wirklich vorkommen:

+49 170 1234567
0170-1234567
0170 1234567
01701234567
+49(0)170/1234567

Schritt 3: Negative Beispiele sammeln

Genauso wichtig sind Beispiele, die NICHT erfasst werden sollen — sonst baut die KI ein zu breites Muster:

0211 1234567 (Festnetz Düsseldorf — soll nicht treffen)
+1 555 123 4567 (US-Nummer — soll nicht treffen)
01701 23 (zu kurz — soll nicht treffen)

Schritt 4: Werkzeug nennen, in dem das Regex laufen soll

Regex-Dialekte unterscheiden sich leicht zwischen Tools. Sagen Sie der KI, wo Sie das Muster einsetzen wollen:

Excel oder Google Sheets (begrenzte Regex-Unterstützung)
Word „Suchen & Ersetzen“ (verwendet Wildcards, kein vollständiges Regex)
Notepad++ oder Visual Studio Code
Programmiersprache wie Python, JavaScript, .NET
Power Automate, Make oder Zapier

Schritt 5: KI um Regex mit Erklärung und Testfällen bitten

Bitten Sie um drei Dinge:

Der fertige Regex-Ausdruck als kopierbare Zeile
Eine Erklärung jedes Bausteins (was bedeutet welcher Backslash, welche Klammer)
Eine Liste von Testfällen — sowohl Treffer als auch Nicht-Treffer, an denen Sie das Muster prüfen können

Schritt 6: Regex testen — auch mit Grenzfällen

Probieren Sie den Ausdruck in einem Online-Regex-Tester wie regex101.com aus. Geben Sie zuerst die positiven Beispiele ein, dann die negativen, dann ein paar Grenzfälle, die Ihnen einfallen. Wenn etwas nicht passt, geben Sie der KI das Beispiel zurück und bitten um Korrektur.

Beispielprompt

Ich brauche einen Regex und möchte jeden Teil erklärt bekommen. Ich habe keine Entwickler-Erfahrung.

Ziel:
Ich möchte alle deutschen Mobilfunknummern in einem Text erkennen — egal in welcher Schreibweise.

Soll treffen (positive Beispiele):
+49 170 1234567
0170-1234567
0170 1234567
01701234567
+49(0)170/1234567
+49 1525 1234567

Soll NICHT treffen (negative Beispiele):
0211 1234567        (Festnetz — nicht treffen)
+1 555 123 4567     (US-Nummer — nicht treffen)
01701 23            (zu kurz — nicht treffen)
muelleratbeispiel.de (E-Mail — nicht treffen)

Einsatzumgebung: Python (re-Modul)

Bitte liefere:
1. Den fertigen Regex-Ausdruck als kopierbare Zeile, fertig für `re.findall()`.
2. Eine Schritt-für-Schritt-Erklärung jedes Bausteins — was bedeutet `d`, `{3,5}`, `[+]?` etc.
3. Eine Tabelle mit 10 Testfällen (5 Treffer, 5 Nicht-Treffer), an denen ich den Ausdruck prüfen kann.

Wichtig:
- Erkläre so, dass jemand ohne Regex-Vorwissen es versteht.
- Halte den Ausdruck so einfach wie möglich — keine Über-Konstruktionen.
- Erfinde keine Beispiele, die nicht zum genannten Ziel passen.

Qualitätscheck

Bevor Sie das Regex produktiv einsetzen, prüfen Sie:

Trifft das Regex alle Ihre positiven Beispiele?
Lässt es alle negativen Beispiele draußen?
Was passiert bei Grenzfällen — leere Felder, Sonderzeichen, doppelte Trennzeichen?
Verstehen Sie selbst, was jeder Baustein des Ausdrucks tut?
Ist das Regex im Dialekt des Werkzeugs, in dem es laufen soll?

Ein guter Test: Geben Sie das Regex in regex101.com ein und stellen Sie das passende Flavor (Python, JavaScript, PCRE) ein. Das Tool zeigt jeden Treffer farblich an — so sehen Sie sofort, ob etwas zu viel oder zu wenig erfasst wird.

Risiken und Grenzen

KI baut Regex-Muster manchmal zu breit — sie matchen dann auch Inhalte, die nicht gemeint waren. Ohne ausreichend negative Beispiele entsteht ein Muster, das oberflächlich funktioniert, aber im echten Datenbestand zu viele Treffer liefert.

Manche Regex-Funktionen funktionieren nur in bestimmten Programmiersprachen oder Tools. Ein Ausdruck, der in Python einwandfrei läuft, kann in Excel oder Word „Suchen & Ersetzen“ gar nicht funktionieren. Die Werkzeug-Angabe im Prompt ist deshalb nicht optional.

Datenschutzhinweis

Wenn Sie der KI echte Beispieldaten geben (z. B. echte Telefonnummern oder Rechnungsnummern aus Ihrem Bestand), behandeln Sie diese wie sensible Daten. In öffentliche KI-Tools nur anonymisierte oder fiktive Beispiele eingeben — für die Regex-Konstruktion reicht das vollständig.

Das fertige Regex enthält selbst keine personenbezogenen Daten. Sie können es bedenkenlos in interne Dokumentationen aufnehmen oder mit Kollegen teilen.

Passende Tools

ChatGPT: baut Regex zuverlässig und erklärt jeden Baustein einzeln; auch für komplexere Muster geeignet
Claude: liefert besonders ausführliche Erklärungen und schlägt Testfälle proaktiv vor
Microsoft Copilot: praktisch in Visual Studio Code oder Power Automate — Regex kann direkt eingesetzt werden
Gemini: praktisch für Regex in Google-Umgebungen wie Sheets oder Apps Script