Use Case
Mit KI lassen sich Excel-Tabellen schnell nach Mustern, Ausreißern und Zusammenfassungen befragen. Wichtig ist, die Daten vorher aufzubereiten und alle Ergebnisse selbst zu prüfen — KI trifft Annahmen, die nicht immer zutreffen.
Für wen ist dieser Use Case geeignet?
Dieser Use Case eignet sich für alle, die regelmäßig mit Tabellendaten arbeiten: Controlling, Finanzen, Operations, Marketing, HR, Einkauf und Projektmanagement. Besonders hilfreich ist er, wenn eine Tabelle zu groß für manuelle Durchsicht ist oder wenn ein erster Überblick über Struktur und Verteilungen gefragt ist.
Voraussetzung ist keine Programmierkenntnisse. Entscheidend ist, dass Sie wissen, was Sie suchen, und das Ergebnis fachlich einordnen können.
Ausgangsproblem
Tabellen mit Hunderten oder Tausenden Zeilen lassen sich manuell kaum überblicken. Muster, Fehler und Ausreißer bleiben verborgen, oder das Herausfiltern dauert Stunden. Pivot-Tabellen und Formeln helfen, setzen aber Kenntnis der Datenstruktur voraus.
KI kann diesen ersten Durchgang beschleunigen. Sie kann Verteilungen beschreiben, Häufigkeiten zählen, Ausreißer markieren und einfache Zusammenhänge benennen. Sie ist aber kein automatisches Analysesystem: Korrektheit der Ergebnisse hängt von der Qualität der Eingabe und Ihrer fachlichen Prüfung ab.
Schritt-für-Schritt-Anleitung
Schritt 1: Daten exportieren und bereinigen
Exportieren Sie die Tabelle aus Excel als CSV oder kopieren Sie den relevanten Ausschnitt. Prüfen Sie vor der Eingabe:
- Sind Spaltenüberschriften eindeutig und vorhanden?
- Gibt es leere Zeilen oder zusammengeführte Zellen?
- Sind Zahlen konsistent formatiert (kein Währungssymbol, keine Leerzeichen)?
- Enthält die Tabelle personenbezogene oder vertrauliche Daten?
Schritt 2: Datenschutz und Tool-Freigabe klären
Prüfen Sie vor dem Upload, ob das verwendete KI-Tool für Ihre Daten freigegeben ist. Entfernen Sie personenbezogene Daten, Kundennamen, Kontonummern und interne Kostenstellen, wenn keine Freigabe für diese Inhalte besteht.
Viele Unternehmen haben eigene Richtlinien, welche Daten in welche Tools dürfen. Im Zweifel Datenschutzbeauftragte befragen.
Schritt 3: Analyseziel formulieren
Schreiben Sie vor dem Prompt auf, was Sie herausfinden wollen. Offene Fragen wie „Analysiere die Tabelle“ liefern oberflächliche Antworten. Konkrete Fragen liefern nützliche Ergebnisse.
Beispiele für konkrete Fragen:
- Welche Kategorie hat den höchsten Gesamtumsatz?
- In welchen Monaten liegen Werte deutlich über oder unter dem Durchschnitt?
- Gibt es Einträge ohne Werte in Spalte X?
- Wie verteilen sich die Werte nach Region?
Schritt 4: Daten und Frage übergeben
Fügen Sie die Tabelle (oder einen repräsentativen Ausschnitt) in das KI-Tool ein und stellen Sie Ihre konkrete Frage. Geben Sie an, welches Format die Antwort haben soll: Tabelle, Liste, kurze Zusammenfassung oder Zahlenangabe.
Schritt 5: Ergebnisse prüfen und hinterfragen
Prüfen Sie jede Zahl und jede Aussage der KI gegen die Quelldaten. KI kann rechnen, aber auch Fehler machen, Zeilen übersehen oder Werte falsch interpretieren. Prüfen Sie:
- Stimmt die genannte Zahl mit einer eigenen Stichprobe überein?
- Hat die KI Annahmen über fehlende Werte gemacht?
- Sind Kategorien so zusammengefasst, wie Sie es erwarten würden?
- Welche Datenpunkte wurden ausgelassen?
Schritt 6: Ergebnis weiterverwenden
Verwertbare Erkenntnisse aus der KI-Analyse können Sie für einen Report, eine Präsentation oder eine Entscheidungsvorlage nutzen. Dokumentieren Sie, welche Fragen Sie gestellt haben und wie die Antworten zustande kamen, damit das Ergebnis nachvollziehbar bleibt.
Beispielprompt
Analysiere die folgende Tabelle und beantworte diese Fragen:
1. Welche Spalten enthält die Tabelle, und was sind plausible Datentypen pro Spalte?
2. Welcher Wert kommt in Spalte [Spaltenname] am häufigsten vor?
3. Gibt es Zeilen mit fehlenden Werten? Wenn ja, in welchen Spalten?
4. Welche drei Einträge haben den höchsten Wert in Spalte [Spaltenname]?
5. Beschreibe die Verteilung der Werte in Spalte [Spaltenname] in drei Sätzen.
Wichtig:
- Erfinde keine Werte, die nicht in der Tabelle stehen.
- Wenn eine Frage auf Basis der vorliegenden Daten nicht beantwortbar ist, sage das klar.
- Markiere Annahmen, die du getroffen hast.
Hier sind die Daten:
[Tabelle einfügen]Qualitätscheck
Bevor Sie das Ergebnis weiterverwenden, prüfen Sie:
- Stimmen genannte Zahlen mit einer eigenen Stichprobe überein?
- Hat die KI Annahmen explizit gemacht oder stillschweigend gesetzt?
- Sind fehlende Werte korrekt behandelt worden?
- Sind Kategorien so zusammengefasst, wie erwartet?
- Wurden sensible Daten vor der Eingabe entfernt?
Ein guter Test: Kontrollieren Sie einen Teilbereich der Aussagen direkt in der Originaltabelle. Wenn eine Zahl nicht übereinstimmt, alle anderen Aussagen ebenfalls prüfen.
Risiken und Grenzen
KI kann Tabellen falsch interpretieren, wenn Spaltenüberschriften fehlen, Formate uneinheitlich sind oder Werte mehrdeutig sind. Besonders bei Zahlen, Datumsangaben und Kategorien entstehen stille Fehler, die im Ergebnis plausibel wirken.
KI macht Annahmen über fehlende Werte und entscheidet manchmal selbstständig, welche Zeilen sie für die Analyse nutzen. Diese Annahmen sind nicht immer sichtbar. Eine ungeprüfte KI-Analyse ist keine verlässliche Grundlage für Entscheidungen.
Vertrauliche Tabellendaten dürfen nur in freigegebene Tools eingegeben werden. Fehler beim Datenschutz können nicht rückgängig gemacht werden.
Datenschutzhinweis
Tabellen enthalten häufig personenbezogene oder vertrauliche Geschäftsdaten: Mitarbeiterdaten, Kundenzahlen, Umsätze, Kostenstelleninformationen. Prüfen Sie vor jeder Eingabe, ob das verwendete KI-Tool für diese Daten freigegeben ist.
Wenn keine Freigabe besteht, anonymisieren Sie die Daten: Ersetzen Sie Namen durch Codes, entfernen Sie Identifikatoren und verwenden Sie aggregierte statt Einzelwerte. Interne KI-Lösungen mit Datenschutzvertrag bieten in vielen Unternehmen eine sichere Alternative zu öffentlichen Tools.
Passende Tools
- Microsoft Copilot: besonders geeignet, wenn Daten in Excel oder SharePoint liegen — direkte Integration
- ChatGPT: gut für strukturierte Abfragen und Tabellenauswertungen per Upload oder Einfügen
- Claude: gut für große Tabellen und differenzierte Analyse-Prompts
- Gemini: praktisch bei Google-Sheets-Integration in Google Workspace