Ein Stakeholder bittet um eine „saubere Kundenliste“, auf die man sich für eine E-Mail-Kampagne und die Aktualisierung eines Dashboards verlassen kann. Ihnen liegt zwar der Tabellenexport vor, dieser enthält jedoch Leerstellen, gemischte Datumsformate, inkonsistente Ländernamen und Duplikate. Das Risiko besteht nicht darin, dass die Bereinigung schwierig ist. Das Risiko liegt vielmehr darin, dass ein schneller, von der KI vorgeschlagener Bereinigungsschritt unbemerkt die Anzahl der Datensätze oder deren Bedeutung verändert – und Sie tragen die Verantwortung für das Scheitern der nachgelagerten Prozesse, wenn die Kampagne die falschen Personen anspricht oder die Dashboard-Daten verfälscht werden.
In diesem Kurs dient die KI als Werkzeug für Entwürfe und zur Beschleunigung der Arbeit. Sie nutzen sie, um Transformationen, Formeln, Apps Script oder VBA vorzuschlagen und mögliche Probleme mit der Datenqualität aufzulisten. Sie überlassen der KI jedoch nicht die Entscheidung darüber, welche Daten verworfen oder wie fehlende Werte ergänzt werden sollen oder was genau als „Duplikat“ gilt. Erfolgskriterien sind messbare Bedingungen, die festlegen, wann die Daten für die jeweilige geschäftliche Aufgabe „sauber genug“ sind. Sie legen diese Kriterien im Vorfeld fest, damit die Bereinigung nicht zu einer rein ästhetischen Übung verkommt.
Es gilt eine einfache Grundregel: Jeder von der KI generierte Schritt muss in Excel oder Google Sheets ausführbar, rückgängig machbar und nachvollziehbar sein – und zwar so, dass Sie die Ergebnisse in einer Überprüfung belegen können.
Gehen wir von einem Datensatz namens customer_contacts_export.xlsx aus, der 18.240 Zeilen umfasst und aus einem CRM-Export für den Zeitraum vom 01.01.2025 bis zum 30.06.2025 stammt. Jede Zeile entspricht einem Kontakt. Zu den wichtigsten Feldern gehören email, full_name, signup_date, country, phone und source. Für die Marketingleitung sind die Segmentierungsdimensionen country (Land) und source (Quelle) von Interesse; die konkrete Fragestellung lautet, in welchen Ländern das stärkste Wachstum bei den monatlichen Neuanmeldungen zu verzeichnen ist.
Untersuchen Sie, welche Probleme in den Rohdaten vorliegen.
Ihr Arbeitsergebnis ist nicht einfach nur „eine bereinigte Datei“. Es handelt sich um ein Bündel von Artefakten, die Ihre Arbeit reproduzierbar machen.
Sie erstellen eine bereinigte Tabelle, in der wichtige Identifikatoren standardisiert und die Regeln für die Datenaufbereitung (Parsing) konsistent sind. Sie führen Qualitätsprüfungen durch, die belegen, dass keine Zeilen unbemerkt verloren gegangen sind und keine unmöglichen Werte erzeugt wurden. Sie erstellen ein Änderungsprotokoll, das genau festhält, was geändert oder entfernt wurde und aus welchem Grund.
Ein LLM (Large Language Model) ist ein großes Sprachmodell, das Texte, Formeln und Code auf der Grundlage von Mustern aus seinem Training sowie Ihrer Eingaben generiert. Es hat keinen Einblick in den aktuellen Stand Ihrer Arbeitsmappe, sofern Sie diesen nicht bereitstellen. Ein Prompt ist die Anweisung samt Kontext, die Sie dem LLM geben, um ein mögliches Ergebnis zu erzeugen. Eine Halluzination ist eine generierte Behauptung oder Regel, die zwar plausibel klingt, aber nicht auf Ihren Daten oder Vorgaben basiert.
Fehler, die mit hoher Überzeugung auftreten („confident-wrong“), sind bei der Datenbereinigung häufig, da diese fachliche Definitionen erfordert. Das Modell kann zwar einen Schlüssel zur Deduplizierung vorschlagen – etwa E-Mail + vollständiger Name –, doch es kann nicht wissen, ob gemeinsam genutzte E-Mail-Adressen auf Familien, gemeinsame Postfächer oder Dateneingabefehler zurückzuführen sind. Wenn Sie diese Regel übernehmen und Zeilen löschen, führen Sie eine nicht mehr korrigierbare Verzerrung in alle nachgelagerten Zählungen und Kennzahlen ein.
Prüfen Sie, welche Aufgaben bedenkenlos delegiert werden können und welche zwingend überprüft werden müssen.