CSV-Import mit KI vorbereiten: Umlaute, Datum und Dezimalzeichen

Ein CSV-Import ist erst vorbereitet, wenn Trennzeichen, Zeichencodierung und Feldbedeutungen zum Zielsystem passen. KI kann Regeln formulieren und Auffälligkeiten erklären. Sie darf aber keine unbekannten Datumswerte raten, fehlende Angaben zu null machen oder Kennungen beim Umwandeln verändern. Der Originalbestand bleibt erhalten, und die Importdatei wird gegen ein festgelegtes Zielschema geprüft.

Dieser Artikel beschreibt einen eigenen Ablauf für eine kleine, fiktive Übergabedatei. Er ist keine universelle Importanleitung für jedes Produkt. Vor der Umsetzung muss die tatsächliche Importspezifikation des Zielsystems vorliegen. Die Wahl des passenden Werkzeugs behandelt der Beitrag Excel, Power Query oder Python.

CSV ist kein vollständiges Datenmodell

Eine CSV-Datei beschreibt Zeilen und Felder, aber nicht automatisch deren fachliche Bedeutung. Eine Zeichenfolge wie 00123 kann eine Kennung sein. Ein Wert wie 03/04/2026 bleibt ohne Formatregel mehrdeutig. Eine leere Zelle kann fehlend, nicht anwendbar oder bewusst leer bedeuten.

Die Python-Dokumentation zum CSV-Modul beschreibt unterschiedliche CSV-Dialekte mit variierenden Trenn- und Anführungszeichen. Das erklärt, warum eine Datei nicht allein anhand ihrer Endung sicher interpretiert wird. Die konkrete Dateikonvention muss bekannt oder kontrolliert festgestellt werden.

Die pandas-Dokumentation zu read_csv führt unter anderem Parameter für Datentypen, Codierung, Dezimalzeichen und fehlende Werte auf. Diese Einstellmöglichkeiten ersetzen keine fachliche Festlegung. Ein technisch erfolgreicher Import kann weiterhin die falsche Interpretation verwenden.

Das Zielschema vor der Bereinigung schreiben

Für jede Spalte werden Name, Typ, Pflichtstatus und Format festgelegt. Im Beispiel besteht das Ziel aus Kundennummer als Text, Name als Text, Belegdatum im Format Jahr-Monat-Tag und Nettobetrag als Dezimalwert mit Euro-Bezug. Die führenden Nullen der Kundennummer bleiben erhalten.

Zusätzlich muss feststehen, wie das Zielsystem leere Werte und Sonderzeichen erwartet. Die Vorgabe kann sich von der menschlichen Darstellung in einer Tabellenkalkulation unterscheiden. Eine optisch angenehme Datei ist nicht automatisch die richtige Importdatei.

Speichere diese Regeln neben dem Verarbeitungslauf. Wenn später eine andere Datei eintrifft, wird sie gegen dieselbe freigegebene Spezifikation geprüft. Änderungen am Schema erhalten eine neue Fassung. Eine spontane Anpassung, nur damit ein fehlerhafter Datensatz durchläuft, braucht eine fachliche Entscheidung.

Ein fiktiver Eingang mit typischen Stolperstellen

Die Quelldatei verwendet Semikolon als Feldtrenner, UTF-8 als Codierung und deutsche Zahlenformate. Für das Datum ist Tag.Monat.Jahr dokumentiert. Der folgende Ausschnitt zeigt drei Zeilen; alle Angaben sind erfunden:

kundennummer;name;belegdatum;betrag
00123;Müller Technik;23.10.2026;1.250,00
00456;"Büro; Nord";24.10.2026;80,50
00789;Jäger Service;31.02.2026;

Die zweite Zeile enthält ein Semikolon innerhalb eines korrekt zitierten Namens. Ein einfaches Aufteilen jeder Zeile am Semikolon erzeugt deshalb eine falsche Spaltenzahl. Ein geeigneter CSV-Parser berücksichtigt die Anführungszeichen. Die dritte Zeile enthält ein ungültiges Datum und einen fehlenden Betrag.

Für die ersten beiden Zeilen beträgt die bekannte Summe 1.330,50 Euro. Für die gesamte Datei ist keine vollständige Betragssumme bekannt, weil der dritte Betrag fehlt. Die Zahl 1.330,50 darf deshalb nur als Summe der beiden gültigen Beträge bezeichnet werden.

Originaldatei und Arbeitskopie trennen

Bewahre die empfangene Datei unverändert auf und arbeite mit einer eindeutig benannten Kopie. Dokumentiere Quelle, Eingangszeit und die verwendete Spezifikation. Eine Prüfsumme kann helfen, den Originalstand später eindeutig zu identifizieren. Sie sagt nichts über die fachliche Richtigkeit aus.

Öffne die Datei nicht unkontrolliert in einem Programm, das Kennungen oder Datumswerte automatisch umformatiert und anschliessend überschreibt. Wenn du eine Tabellenansicht nutzt, müssen die Importoptionen passend gesetzt sein. Die angezeigten Werte werden mit dem Rohtext verglichen.

Bei sensiblen Daten gilt die bestehende Freigabe für Werkzeug und Verarbeitung. Eine Fehlersuche verlangt nicht automatisch die vollständige Datei in einem externen Chat. Oft reicht ein anonymisierter Ausschnitt mit derselben Struktur. Die tatsächliche Datenfreigabe muss unabhängig davon geklärt sein.

Zeichencodierung mit sichtbaren Beispielen prüfen

Umlaute eignen sich als Kontrollstellen, weil eine falsche Interpretation oft auffällt. Im Beispiel müssen Müller, Büro und Jäger nach dem Einlesen korrekt erscheinen. Eine erfolgreiche Dateieröffnung allein beweist das nicht. Vergleiche die Zeichen in der Vorschau mit dem Original.

Wähle eine dokumentierte Codierung, statt unbemerkt zwischen mehreren Versuchen zu wechseln. Wenn die Quelle keine Angabe liefert, ist eine erkannte Codierung zunächst eine technische Vermutung. Prüfe geeignete Zeichen und dokumentiere die tatsächlich verwendete Einstellung.

Eine Zeichensatzumwandlung darf nicht still unlesbare Zeichen durch Platzhalter ersetzen. Der Prozess muss solche Stellen melden. Andernfalls entsteht eine scheinbar saubere Datei, in der Namen oder Kennungen bereits beschädigt sind. Ein späterer Importtest entdeckt diese Veränderung möglicherweise nicht mehr.

Kennungen bleiben Text

Die Kundennummer 00123 wird nicht zur Zahl 123. Eine Kennung dient der Zuordnung, nicht der Rechnung. Dass sie aus Ziffern besteht, ändert ihre Bedeutung nicht. Dasselbe gilt für Postleitzahlen, bestimmte Artikelnummern und andere formal numerische Schlüssel.

Lege den Texttyp ausdrücklich fest und prüfe die Werte nach dem Einlesen. Die ursprüngliche Länge kann als zusätzliche Kontrolle dienen, wenn sie fachlich definiert ist. Eine feste Länge darf nicht erfunden werden, nur weil die ersten drei Beispiele gleich aussehen.

Prüfe auch scheinbare Leerwerte wie NA oder NULL, wenn sie als echte Kennung vorkommen können. Manche Parser behandeln bestimmte Zeichenfolgen standardmässig als fehlend. Die Einstellung für Datentyp und die Einstellung für fehlende Werte müssen daher gemeinsam zum Datenmodell passen.

Datumswerte nicht durch Vermutung reparieren

Das Datum 31.02.2026 ist ungültig. Die KI darf daraus nicht den letzten Februartag oder den 31. März machen. Beide Änderungen sind neue Informationen ohne Beleg. Die Zeile wird zurückgestellt, bis eine geeignete Quelle den richtigen Wert bestätigt.

Bei einem mehrdeutigen Datum wie 03/04/2026 muss die Quellkonvention bekannt sein. Eine hohe Wahrscheinlichkeit für eine bestimmte Schreibweise reicht für einen verbindlichen Import nicht aus. Ein dokumentiertes Format löst die Mehrdeutigkeit, eine Vermutung bleibt als solche ungeeignet.

Normalisiere gültige Werte erst nach erfolgreicher Prüfung. Aus 23.10.2026 wird im fiktiven Zielschema 2026-10-23. Bewahre für die Nachvollziehbarkeit den Originalwert oder eine verknüpfte Prüfdatei auf. So bleibt die Umwandlung kontrollierbar, ohne die Importdatei mit unnötigen Hilfsspalten zu belasten.

Beträge und Leerwerte getrennt behandeln

Aus 1.250,00 entsteht nach der dokumentierten Regel der Betrag 1250.00. Dabei werden Tausender- und Dezimalzeichen gezielt interpretiert. Ein globales Ersetzen aller Punkte oder Kommas in der gesamten Datei ist gefährlich, weil dieselben Zeichen auch in Textfeldern vorkommen.

Der fehlende Betrag der dritten Zeile bleibt unbekannt. Er wird nicht zu 0.00. Der Beitrag Fehlende Werte sind keine Nullen erklärt die Folgen für Summen und Entscheidungen. Für den Import bedeutet das hier: Die Zeile erfüllt das Pflichtfeld nicht.

Für Geldwerte muss die technische Verarbeitung die erforderliche Dezimalgenauigkeit berücksichtigen. Der konkrete Datentyp richtet sich nach dem Ziel und der verwendeten Umgebung. Kontrolliere bekannte Rechenfälle, statt allein auf eine schön formatierte Ausgabe mit zwei Nachkommastellen zu vertrauen.

Einen begrenzten KI-Auftrag verwenden

Eine eigene Vorlage lautet:

Prüfe den anonymisierten CSV-Ausschnitt gegen die beigefügte Importspezifikation. Erkläre Abweichungen pro Zeile und Feld. Erhalte Kennungen als Text. Rate keine Datumswerte und ergänze keine fehlenden Beträge. Unterscheide Originalwert, vorgeschlagene Normalisierung und offenen Fehler. Formuliere anschliessend überprüfbare Transformationsregeln. Erzeuge keine Datei für den Produktivimport, solange Pflichtfehler offen sind.

Die KI hilft hier beim Entwurf der Regeln und bei der Erklärung der Befunde. Die eigentliche Umwandlung muss mit einem kontrollierten Verfahren erfolgen. Wenn Code entsteht, wird er an Testfällen geprüft und nicht wegen seiner fehlerfreien Ausführung akzeptiert.

Der Beitrag zum Abgleichen zweier Excel-Listen ergänzt die Prüfung von Schlüsseln und Dubletten. Vor einem Import ist dieselbe Frage relevant: Gehört jede Zeile zu genau dem Datensatz, den das Zielsystem erwartet?

Gültige und offene Zeilen sichtbar aufteilen

Im Beispiel entstehen zwei freigegebene Zeilen und eine zurückgestellte Zeile. Die Bestandsrechnung lautet drei Eingangszeilen gleich zwei vorbereitete plus eine offene Zeile. Keine Zeile verschwindet still. Die Fehlerliste nennt für die dritte Zeile beide Probleme: ungültiges Datum und fehlender Betrag.

Ob ein Teilimport erlaubt ist, bestimmt der fachliche Prozess. Manche Vorgänge müssen vollständig zusammen verarbeitet werden. Dann bleibt die gesamte Datei gesperrt. In einem erlaubten Teilimport wird die fehlende Zeile mit einer stabilen Referenz nachgeführt, damit sie später nicht vergessen oder doppelt importiert wird.

Die Summe der vorbereiteten Beträge beträgt 1.330,50 Euro. Diese Kontrollsumme wird nach der Erzeugung der Zieldatei erneut berechnet. Stimmen Zeilenzahl und Summe, ist das ein wichtiger Kontrollschritt. Zusätzlich müssen die einzelnen Kennungen und Werte erhalten sein.

Einen Importtest bis zum Zielzustand durchführen

Nutze eine geeignete Testumgebung oder den vom Zielsystem vorgesehenen Prüfmodus. Kontrolliere die tatsächliche Zuordnung der Spalten und die gespeicherten Werte. Eine Meldung "Datei akzeptiert" beweist noch nicht, dass Umlaute, Kennungen und Beträge korrekt angekommen sind.

Lies die importierten Datensätze zurück und vergleiche sie mit den vorbereiteten Zeilen. Im Beispiel bleiben 00123 und 00456 unverändert, die Namen korrekt und die Beträge eindeutig. Die dritte Zeile darf nicht unbemerkt mit Ersatzwerten angelegt sein.

Der Abschluss besteht aus Originaldatei, dokumentierten Regeln, geprüfter Importdatei und einer sichtbaren Fehlerliste. Erst der bestätigte Zielzustand beendet einen tatsächlichen Import. Die hier beschriebene Vorbereitung liefert die dafür nötige Grundlage, ohne einen produktiven Schreibvorgang vorwegzunehmen.

Einen erneuten Import nicht mit einer neuen Datei verwechseln

Eine korrigierte CSV kann dieselben Vorgänge enthalten wie die erste Fassung. Vor dem erneuten Import muss deshalb feststehen, ob das Zielsystem neue Datensätze anlegt, vorhandene aktualisiert oder Dubletten zurückweist. Der Dateiname allein ist kein verlässlicher Schlüssel für diese Entscheidung.

Im Beispiel wird die dritte Zeile später mit bestätigtem Datum und Betrag ergänzt. Wenn die ersten beiden Zeilen bereits importiert sind, darf ein erneuter Gesamtimport sie nicht unbemerkt duplizieren. Der Prozess verwendet entweder eine geprüfte Aktualisierungsfunktion oder eine gezielte Nachlieferung nach den Regeln des Zielsystems.

Die Nachlieferung erhält eine Verbindung zum ursprünglichen Prüflauf. So bleibt die Bestandsrechnung vollständig: drei ursprüngliche Zeilen, zwei bereits übernommen und eine nachträglich geklärt. Ein neuer Dateiname ohne diesen Zusammenhang erzeugt möglicherweise den Eindruck eines zusätzlichen Vorgangs.

Teste den Wiederholungsfall ausdrücklich in der geeigneten Umgebung. Prüfe nach der zweiten Verarbeitung die Zahl eindeutiger Kennungen und den tatsächlichen Zielbestand. Eine Meldung über drei erfolgreich gelesene Zeilen beantwortet die Dublettenfrage nicht. Erst der Readback zeigt, ob die bereits vorhandenen Datensätze erhalten, korrekt aktualisiert oder unerlaubt erneut angelegt wurden.

Prüfe zusätzlich die Kopfzeile der erzeugten Datei. Unsichtbare Zusatzzeichen, doppelte Spaltennamen oder eine unerwartete Reihenfolge können die Zuordnung verändern. Der Vergleich erfolgt gegen die tatsächliche Importspezifikation. Wenn das Ziel nach Spaltennamen arbeitet, müssen diese exakt passen. Wenn es nach Position arbeitet, ist die Reihenfolge verbindlich. Beide Verfahren verlangen eine bewusste Prüfung statt einer optischen Annäherung.

Quellenstand: 23.10.2026. Python und pandas belegen die genannten Parserkonzepte und Einstellmöglichkeiten. Beispieldaten, Zielschema, Rechnungen und Prüfablauf sind eigene Vorschläge.