Tabellen mit ChatGPT prüfen statt direkt analysieren
Prüfen Sie Daten in vier Schritten auf Lücken, Duplikate, Typfehler und Summen, bevor Sie ChatGPT um eine Analyse bitten.

Ein ansprechendes Diagramm kann eine fehlerhafte Tabelle verbergen. Fragen Sie ChatGPT nicht sofort nach der Bedeutung der Zahlen, sondern erst, ob die Datei eine Analyse überhaupt verdient. ChatGPT kann Tabellen prüfen, Diagramme erstellen und Code-basierte Berechnungen ausführen. OpenAI rät zudem zu klaren Spaltennamen und einem Datensatz pro Zeile. Diese Funktionen sind nützlich, entbinden Sie aber nicht von der Pflicht, Methode, Annahmen und Ergebnisse zu prüfen.
Starten Sie mit einem Daten-Audit, nicht mit der Analyse
Die erste Frage sollte nicht lauten: „Welche Trends siehst du?“, sondern: „Was könnte an diesem Datensatz irreführend sein?“ Das verlagert die Aufgabe von der Interpretation zur Qualitätskontrolle. So wird auch dokumentiert, was geprüft wurde, bevor jemand auf Basis der Ergebnisse handelt.
Der 4-Punkte-Check
Komplettheit
Finden Sie leere Pflichtfelder und unterscheiden Sie zwischen wirklich fehlenden Daten und gültigen Nullen oder „n. z.“-Werten.
Eindeutigkeit
Identifizieren Sie doppelte Datensätze anhand eines Business-Keys wie Bestell-, Rechnungs- oder Personalnummer.
Konsistenz
Prüfen Sie Datums-, Währungs-, Kategorie- und Zahlenformate auf gemischte oder unmögliche Werte.
Abgleich
Vergleichen Sie Zeilensummen mit einer Kontrollsumme, dem Quellbericht oder einer separaten Berechnung.
Praxisbeispiel: Bestellprotokoll
Stellen Sie sich eine Bestelldatei mit 20 Zeilen vor: Order ID, Date, Region, Units, Unit Price und Revenue. Eine Bestellung ist doppelt, zwei Umsatzzellen sind leer. Ein Datum ist als Text formatiert. In einer Zeile entspricht der Umsatz nicht dem Produkt aus Units und Unit Price. Keines dieser Probleme erfordert fortgeschrittene Statistik, doch alle können eine Zusammenfassung verfälschen.
Ein prüfbarer ChatGPT-Workflow
- 1
Sichere Kopie erstellen
Entfernen oder maskieren Sie sensible Felder gemäß den Regeln Ihrer Organisation. Belassen Sie das Original unverändert.
- 2
Geschäftsregeln beschreiben
Nennen Sie Pflichtspalten, den Schlüssel für Eindeutigkeit und welche Summen übereinstimmen müssen.
- 3
Audit-Tabelle anfordern
Fordern Sie eine Problem-Tabelle an: mit Zeile, Regelverstoß, Schweregrad und nächstem Schritt.
- 4
Methode prüfen
Prüfen Sie genutzten Code. Bitten Sie ChatGPT, Annahmen zu erklären und die Berechnung hinter jeder Markierung zu zeigen.
- 5
Außerhalb der Analyse korrigieren
Korrigieren Sie die Quelle oder eine Arbeitskopie. Führen Sie die gleichen Prüfungen erneut durch, bevor Sie Trends anfordern.
Lesen ist der Anfang. Üben macht den Unterschied.
Jetzt startenPrüfe diese Tabelle, bevor du sie analysierst. Korrigiere noch keine Werte. Prüfe: (1) fehlende Werte in Pflichtspalten [hier auflisten], (2) doppelte Datensätze anhand von [Business-Key], (3) inkonsistente Datums-, Kategorie- und Zahlentypen und (4) ob [berechnetes Feld] gleich [Formel] ist. Gib eine Problem-Tabelle aus mit Zeilen-ID, Beleg, Schweregrad und vorgeschlagener Aktion. Zeige dann den verwendeten Code und liste deine Annahmen auf.
Eine kompakte Problem-Tabelle, gefolgt von den durchgeführten Prüfungen und offenen Fragen.
Ersetzen Sie die Felder in Klammern durch Regeln aus Ihrem Prozess. Eine generische Anfrage wie „Bereinige meine Daten“ gibt dem Modell zu viel Spielraum.
Lesen Sie das Audit wie ein Prüfer
Akzeptieren Sie eine Markierung nicht nur, weil sie plausibel scheint. Ein leeres Lieferdatum kann bei einer offenen Bestellung korrekt sein. Ein wiederkehrender Kunde kann normal sein, eine doppelte Rechnung nicht. Prüfen Sie jedes Problem anhand der Bedeutung des Feldes, nicht nur nach dem Augenschein.
| Oberflächliche Prüfung | Entscheidungsreife Prüfung | |
|---|---|---|
| Fehlende Daten | Leere Zellen zählen | Pflichtfelder benennen und Ausnahmen erklären |
| Duplikate | Ganze Zeilen abgleichen | Den tatsächlichen Geschäftsschlüssel des Prozesses verwenden |
| Typen | Alles umwandeln | Gemischte Formate vor Änderungen markieren |
| Summen | Der Arbeitsmappe vertrauen | Mit einer unabhängigen Kontrolle abgleichen |
Datenrichtlinie vor Komfort
Nutzen Sie nur Dateien und Felder, die Ihre Organisation im freigegebenen Workspace erlaubt. Produktplan, Arbeitsbereichseinstellungen und Quell-Berechtigungen können verfügbare Funktionen und den Umgang mit Daten beeinflussen.
Audit in 10 Minuten testen
- Wählen Sie eine kleine, nicht sensible Tabelle und erstellen Sie eine Kopie.
- Schreiben Sie je eine Regel für Pflichtfelder, Eindeutigkeit und Abgleich.
- Führen Sie den wiederverwendbaren Prompt aus und prüfen Sie die Problemtabelle.
- Öffnen Sie eine markierte Zeile in der Originaldatei und prüfen Sie sie manuell.
- Speichern Sie die finalen Regeln, damit ein Kollege die Prüfung wiederholen kann.
Die Gewohnheit ist einfach: Prüfen Sie die Datenqualität, bevor Sie nach einer Interpretation fragen. Sind die Prüfungen explizit und wiederholbar, wird ChatGPT zum zweiten Augenpaar statt zur Quelle falscher Sicherheit. Bokilis kurze Praxis-Missionen helfen Teams, solche realen Prüfungen einzuüben, bis sie zur Routine werden.
Quellen
- Data analysis with ChatGPT — OpenAI Help Center
- What types of files are supported? — OpenAI Help Center
- Managing data, sharing, and privacy in ChatGPT Business — OpenAI Help Center
Lesen ist der Anfang. Üben macht den Unterschied.
Bokili macht aus solchen Fähigkeiten Zehn-Minuten-Missionen für das ganze Team – mit sofortigem Feedback und sichtbarem Fortschritt.
Jetzt startenWeiterlesen

KI-Kurs für Anfänger: Eine sichere erste Arbeitsprobe
Wählen Sie eine Aufgabe mit geringen Auswirkungen, schützen Sie die Eingaben, definieren Sie Qualitätskriterien und erstellen Sie eine verifizierte erste KI-Arbeitsprobe.

Generierung und Entscheidung trennen: Eine Zwei-Phasen-KI-Vorlage
Nutzen Sie KI, um Optionen zu erweitern und zu hinterfragen. Treffen und dokumentieren Sie dann die verantwortliche menschliche Entscheidung in einem separaten Schritt.

KI-Training für Mitarbeitende im Schichtdienst: Praxisleitfaden
Gestalten Sie KI-Training für Schichtteams mit kurzen Übungen, sicheren Beispielen, schnellem Feedback und Transfer in die nächste Anwendung.