KI-gestützte Datenanalyse wird zunehmend in Tools wie Excel Copilot, Google Sheets mit KI-Erweiterung oder ChatGPT (mit Advanced Data Analysis) genutzt. Dabei kann die KI nicht nur Zahlen auswerten, sondern auch Zusammenhänge erklären, Visualisierungen erzeugen oder Daten bereinigen.

Typische Anwendungsfelder:

• Daten zusammenfassen und interpretieren
• Trends und Muster erkennen
• Inhalte visualisieren (Diagramme, Tabellen)
• Daten umwandeln oder berechnen
• Strukturierte Texte aus Zahlen generieren

Ein zielführender Daten-Prompt enthält:

• Datentyp und Format (CSV, Excel, kopierte Tabelle, Beschreibung)
• Fragestellung oder Ziel (z. B. „Gibt es saisonale Schwankungen?“)
• Analyseart (Zusammenfassung, Vergleich, Ausreißer finden etc.)
• Ausgabeformat (Text, Tabelle, Liste, Diagramm)
• Sprachebene & Kontext (Fachlich, laienverständlich, Berichtsstil etc.)

→ Bei komplexeren Daten am besten tabellarisch oder als CSV beistellen.

Prompt 1 – Durchschnitt und Verteilung > Analysiere diesen Umsatzdatensatz. Gib mir den Durchschnittsumsatz, die Standardabweichung und die drei besten und schlechtesten Monate.

Monat,Umsatz
Jan,12000
Feb,9500
Mrz,13500
Apr,7000
Mai,15000
Jun,16000
Jul,11000
Aug,17000
Sep,9800
Okt,14200
Nov,13000
Dez,15500

Beispiel-Antwort der KI (Auszug): - Durchschnitt: 12983,33 € - Standardabweichung: 2701,85 € - Beste Monate: Aug, Jun, Dez - Schwächste Monate: Apr, Feb, Sep

—

Prompt 2 – Saisonale Muster finden > Finde saisonale Muster in diesem monatlichen Besucher-Tracking einer Website. Gibt es Zeiten mit auffälligem Zuwachs oder Rückgang?

Monat,Besucher
Jan,3500
Feb,3000
Mrz,4500
Apr,4200
Mai,6000
Jun,6200
Jul,4000
Aug,3900
Sep,5100
Okt,5800
Nov,4900
Dez,6800

Antworthinweis: → Die KI erkennt typische Sommer- und Winteranstiege, z. B. „Deutlicher Anstieg im Dezember – evtl. durch Jahresendgeschäft.“

—

Prompt 3 – Diagramm-Vorschlag mit Begründung > Erstelle einen Vorschlag für eine geeignete Visualisierung dieses Datensatzes. Erkläre, warum diese Darstellungsform sinnvoll ist. (→ Tabelle einfügen)

Beispiel-Antwort:

Ein Liniendiagramm zeigt die Entwicklung über Zeit gut sichtbar.

Für Vergleiche zwischen Kategorien bietet sich ein gruppiertes Balkendiagramm an.

Prompt 4 – Umsatzvergleich nach Region

Prompt: > Erstelle ein Balkendiagramm, das die Umsätze in drei Regionen (Nord, Süd, West) vergleicht. Gib die Werte in Tausend Euro an.

Prompt 5 – Besucherzahlen im Zeitverlauf

Prompt: > Erstelle ein Liniendiagramm, das die Entwicklung der Besucherzahlen von Januar bis Juni zeigt. Beschrifte die Achsen entsprechend.

Prompt 4 – Anomalien finden > Finde Ausreißer im folgenden Energieverbrauchs-Datensatz und gib eine mögliche Erklärung für starke Abweichungen.

Tabelle:

Tag,Verbrauch_kWh
01.03.,24
02.03.,22
03.03.,23
04.03.,52
05.03.,21
...

Antworthinweis:

„Der Verbrauch am 04.03. ist mit 52 kWh doppelt so hoch wie der Tagesdurchschnitt – möglicher Geräteausfall oder Sondernutzung.“

—

Prompt 5 – Werte berechnen > Rechne in dieser Tabelle zu jeder Zeile den Bruttobetrag mit 19 % USt. aus und ergänze eine neue Spalte.

Artikel,Preis Netto
Tastatur,25.00
Maus,15.00
Monitor,220.00

Antwort der KI:

Artikel       | Preis Netto | Preis Brutto (19 %)
------------- | ------------| -------------------
Tastatur      | 25.00       | 29.75
Maus          | 15.00       | 17.85
Monitor       | 220.00      | 261.80

—

Prompt 6 – Bericht generieren > Erstelle einen kurzen Absatz in Fließtextform, der die Verkaufszahlen des letzten Quartals zusammenfasst. Sprache: sachlich, für Managementbericht.

Beispiel-Antwort:

Im dritten Quartal stiegen die Verkaufszahlen kontinuierlich an. Besonders im August wurde mit 17.000 € der höchste Umsatz erzielt. Insgesamt konnte das Quartal mit einem Umsatzplus von

Siehe auch: KI-gestützte Datenanalyse

Viele moderne Tools kombinieren Datenverarbeitung mit KI-Funktionalität. Sie helfen dabei, Daten zu interpretieren, Zusammenfassungen zu erstellen oder automatisch Visualisierungen zu generieren – auch ohne tiefgehendes Statistik- oder Programmierwissen.

• ChatGPT (Advanced Data Analysis / Code Interpreter)
  1. Lädt eigene Dateien (CSV, Excel) hoch
  2. Interaktive Analyse, Visualisierung und Textausgabe
  3. Besonders gut für erklärende, laiengerechte Interpretationen
  4. Ideal für Dashboards, Ausreißer, Trends, Berechnungen

• Microsoft Excel mit Copilot (Microsoft 365)
  1. KI-gestützte Analyse direkt im Tabellenblatt
  2. Erklärt Formeln, schlägt Pivot-Tabellen oder Diagramme vor
  3. Kann Zusammenfassungen, Auffälligkeiten und Auswertungen generieren

• Google Sheets mit Gemini (ehem. Bard)
  1. KI-Unterstützung zur Datenaufbereitung und Interpretation
  2. Vervollständigt Formeln, schlägt Diagramme vor
  3. Gut für Zusammenarbeit in Echtzeit

• Power BI mit KI-Visuals (Microsoft)
  1. Automatisierte Insights („Was beeinflusst Umsatz?“)
  2. Q&A-Funktion („Warum sind die Verkäufe gesunken?“)
  3. Integration von OpenAI-Modellen für Berichte und Dashboards

• Tableau GPT (Salesforce)
  1. KI-Fragen zu Datenbeständen stellen („Welche Produkte liefen am besten?“)
  2. Automatisierte Visualisierungen und Textbausteine für Präsentationen
  3. Ideal für Reporting, Dashboards und Storytelling mit Daten

• ThoughtSpot
  1. Fokus auf Natural Language Search in Unternehmensdaten
  2. Visualisiert Antworten sofort (z. B. Balken, Tabellen, Trends)
  3. Eignet sich für Self-Service-Analytics im Business-Bereich

• Zoho Analytics mit Zia
  1. Zia ist der KI-Assistent für Analysefragen
  2. Erkennt Trends, Muster, Anomalien
  3. Generiert automatisch Diagramme und Managementberichte

• MonkeyLearn
  1. Speziell für Textdatenanalyse (z. B. Kundenfeedback, Umfragen)
  2. Visualisiert Themen, Stimmungen, häufige Begriffe
  3. Ideal für qualitative Datenauswertung

• Looker Studio (Google, ehem. Data Studio)
  1. KI-gestützte Visualisierung in Kombination mit BigQuery
  2. Gut für Dashboards, auch für Marketing- oder Finanzdaten
  3. Zunehmende Integration von Gemini erwartet