ThinkWi-KI

Eine ältere Version des Dokuments wurde geladen! Beim Speichern wird eine neue Version des Dokuments mit diesem Inhalt erstellt.

====== 3.4.1. Arbeitsbeispiel ======

===== Unternehmensprofil =====

Die fiktive **AutoService Nord GmbH** ist ein mittelständischer Betrieb mit Sitz in Greifswald in Mecklenburg-Vorpommern.  
Das Unternehmen vereint drei Geschäftsfelder:

* **Gebrauchtfahrzeughandel**
  * **freie Kfz-Werkstatt**
  * **Verkauf von Transportern und leichten Nutzfahrzeugen**

Der Betrieb beschäftigt rund 25 Mitarbeitende aus Werkstatt, Verkauf und Verwaltung.

-----

===== Ausgangssituation =====

Die Automobilbranche befindet sich im Wandel. Alternative Antriebe wie Elektrofahrzeuge (BEV) gewinnen an Bedeutung.  
Gleichzeitig verändern sich Marktanteile, Zulassungstrends und Kundenbedürfnisse – etwa hin zu SUVs oder Transportern für Handwerk und Gewerbe.

Die AutoService Nord GmbH möchte darauf reagieren und plant:

* eine **Anpassung des Fahrzeugangebots im Gebrauchtmarkt**
  * eine **Modernisierung der Werkstattausstattung**, insbesondere für Elektromobilität
  * eine fundierte **Investitionsplanung für 2025**

-----

===== Ziel der Analyse =====

Auf Basis echter Daten des Kraftfahrt-Bundesamtes (KBA) für Dezember 2024 und Januar 2025 soll herausgefunden werden:

* Welche **Fahrzeugklassen und Segmente** sind besonders gefragt?
  * Welche **Marken und Modelle mit Elektroantrieb** zeigen starkes Wachstum?
  * Wie könnte sich dies auf **Werkstattbedarf** auswirken?

-----

===== Daten =====

Grundlage sind Monatsstatistiken vom Kraftfahr-Bundesamtes für die Monate Dezember 2024 und Januar 2025. Die Datenblätter für Dezember 2024 enthalten auch Daten für das gesamte Jahr 2024.

**Hinweis:** Die Tabellen enthalten enthielten Freitext. Da ChatGPT Probleme hatte die eigentlich Dateninhalte zu finden, musste dies von mir im Vorfeld angepasst werden. Der Inhalt wurde auf die eigentlichen Tabellen reduziert, Deckblätter und Freitext wurde entfernt.

2024
  * {{ :handbook:formate:datenanalyse:fz10_fz_neuzulassungen_von_personenkraftwagen_nach_marken_und_modellreihen_im_jahr_2024.xlsx | Neuzulassungen von Personenkraftwagen nach Marken und Modellreihen im Jahr 2024}}
  * {{ :handbook:formate:datenanalyse:fz11_neuzulassungen_von_personenkraftwagen_nach_segmenten_und_modellreihen_im_jahr_2024.xlsx | Neuzulassungen von Personenkraftwagen nach Segmenten und Modellreihen im Jahr 2024}}

2025
  * {{ :handbook:formate:datenanalyse:fz10_fz_neuzulassungen_von_personenkraftwagen_nach_marken_und_modellreihen_im_januar_2025.xlsx | Neuzulassungen von Personenkraftwagen nach Marken und Modellreihen im Januar 2025}}
  * {{ :handbook:formate:datenanalyse:fz11_neuzulassungen_von_personenkraftwagen_nach_segmenten_und_modellreihen_im_januar_2025.xlsx | Neuzulassungen von Personenkraftwagen nach Segmenten und Modellreihen im Januar 2025}}

----

===== Rolle der KI =====

Für die Analyse werden klassische Excel-Funktionen mit KI-gestützten Hilfsmitteln kombiniert.  
Zum Einsatz kommt ChatGPT (Data Analyst), um:

* Rohdaten schneller zu interpretieren
  * Diagramme automatisch zu beschreiben
  * Textauswertungen und Empfehlungen zu formulieren

Dies zeigt praxisnah, wie KI die Datenanalyse im beruflichen Kontext unterstützt.

----

===== Daten einpflegen =====

Wir geben ChatGPT die notwenidigen Daten, informieren es über die Ausgangssituation.

----

====== Abfragen ======

===== 🔹 Trendbasierte Modell- und Segmentanalyse =====

**Prompt:**  
> Erstelle eine Übersicht der zehn Fahrzeugmodelle mit den höchsten Neuzulassungen im Gesamtjahr 2024 und vergleiche diese mit den Januar-Zahlen 2025. Zeige auf, ob sich Trends bestätigen oder verschieben. Nutze Diagramme für die grafische Darstellung.

-----

===== 🔹 Wachstumsanalyse BEV + Hybrid kombiniert =====

**Prompt:**  
> Ermittle, welche Modelle oder Fahrzeugsegmente 2025 im Vergleich zum Vorjahr einen besonders starken Zuwachs an Elektro- oder Hybridzulassungen aufweisen. Berücksichtige dafür beide Tabellen (nach Marken und nach Segmenten). Gib auch prozentuale Veränderungen an.

-----

===== 🔹 Werkstatt-Relevanz durch Hochvolt-Antrieb =====

**Prompt:**  
> Finde alle Modelle, die sowohl 2024 als auch im Januar 2025 signifikant (>1.000 Zulassungen) mit BEV oder Plug-in-Hybrid ausgestattet waren. Liste diese auf und gib Empfehlungen, ob sich eine Investition in Hochvolt-Diagnosetechnik für Werkstätten lohnt.

{{ :handbook:formate:datenanalyse:relevante_modelle_bev_phev.xlsx | Relevante Modelle}}\\ 
{{:handbook:formate:datenanalyse:6.jpg?direct&600|}}

-----

===== 🔹 Marken mit Potenzial für Spezialisierung =====

**Prompt:**  
> Welche Marken haben im Betrachtungszeitraum (2024 + Jan 2025) durchgehend hohe Zulassungszahlen bei alternativen Antrieben (BEV/Hybrid)? Zeige auf, ob eine Spezialisierung der Werkstatt auf diese Marken sinnvoll wäre (z. B. VW, Tesla, Hyundai, etc.).

-----

===== 🔹 Segmentanalyse mit Blick auf Zukunftspotenzial =====

**Prompt:**  
> Welche Fahrzeugsegmente (z. B. SUV, Kompaktklasse, Transporter) zeigen eine kontinuierliche Zunahme bei den Neuzulassungen? Leite daraus ab, welche Fahrzeugtypen für Service-Angebote und Ersatzteillager in den kommenden Jahren relevant werden könnten.

{{:handbook:formate:datenanalyse:output2.png?direct&600|}}\\ 
{{:handbook:formate:datenanalyse:8.jpg?direct&600|}}

-----

===== 🔹 Elektrotrends & Geschäftsstrategie =====

**Prompt:**  
> Fasse zusammen, welche Entwicklungen bei alternativen Antrieben zwischen 2024 und Januar 2025 deutlich sichtbar sind. Bewerte daraus, ob ein mittelständischer Kfz-Betrieb in ländlicher Region jetzt in Werkstattausstattung für Elektrofahrzeuge investieren sollte – oder ob es noch zu früh ist.

-----

===== 🔹 Komplexe Kombination: BEV + Allrad nach Segmenten =====

**Prompt:**  
> Ermittle, in welchen Fahrzeugsegmenten BEV-Modelle mit Allradantrieb besonders häufig vorkommen. Analysiere, ob hier ein Spezialbedarf für Werkstatt oder Teilebeschaffung entsteht – z. B. bei SUVs oder Vans.

Zusammenfassung