Excel-Daten mit KI auswerten: Summen und Zeilen vor der Aussage prüfen

Eine KI-Auswertung von Excel-Daten ist erst belastbar, wenn Zeilenbestand, Filter und Kontrollsummen nachvollziehbar sind. Ein plausibles Diagramm reicht nicht. Bevor du eine Aussage über Aufträge oder Umsatz übernimmst, musst du wissen, welche Datensätze die Berechnung tatsächlich enthält.

Die folgende Auftragsliste ist vollständig synthetisch. Sie enthält absichtlich eine doppelte Zeile, einen fehlenden Betrag und zwei Währungen. Du erhältst einen Lösungsschlüssel, eine CSV-Datei und eine Kontrollformel. Die Rechnung beschreibt kein echtes Geschäftsergebnis.

Formuliere die Analysefrage genau

Die Frage im Beispiel lautet: Wie hoch ist der bekannte Nettobetrag eindeutiger, bestätigter EUR-Aufträge mit Auftragsdatum im Oktober 2026? Gesucht ist kein Umsatz nach Rechnungsstellung und kein Zahlungseingang. Die Zeilen bilden Aufträge ab; diese Bedeutung muss erhalten bleiben.

Lege die Regeln vor der Auswertung fest: Bestätigte Aufträge zählen, stornierte Aufträge nicht. Ein vollständig identischer Mehrfachexport wird nach Prüfung einmal gezählt. Fehlende Beträge bleiben offen. Andere Währungen werden getrennt ausgewiesen. Ein abweichender Datensatz mit derselben Auftrags-ID wird zur Klärung gegeben und nicht automatisch verworfen.

Was Forschung zur Datenorganisation beiträgt

Broman und Woo beschreiben in Data organization in spreadsheets, wie konsistente Tabellen die Verarbeitung und Nachvollziehbarkeit erleichtern. Dazu gehören eindeutige Bezeichnungen, einheitliche Datumsformate und eine explizite Behandlung fehlender Werte. Sie empfehlen ausserdem, Rohdaten von Analyse und Visualisierung zu trennen. Der Fachartikel untersucht keine aktuelle KI-Anwendung und liefert keine Fehlerquote für ChatGPT. Er begründet die Datenorganisation, auf der eine überprüfbare Analyse aufbaut.

Für die folgende Übung leite ich daraus einen praktischen Ablauf ab: Zuerst wird die Bedeutung der Daten festgehalten. Danach entsteht eine reproduzierbare Berechnung. Erst anschliessend formuliert die KI eine Interpretation. Wenn diese Reihenfolge umgedreht wird, klingt eine Erklärung möglicherweise schon überzeugend, bevor überhaupt klar ist, was gezählt wurde.

Vor dem Upload einen Datenvertrag schreiben

Ein Datenvertrag ist hier eine kurze Beschreibung der Datei, keine juristische Vereinbarung. Er hält fest, welche Zeile welchen Sachverhalt beschreibt. Bei Auftragsdaten ist das beispielsweise ein Auftrag, eine Auftragsposition oder eine Statusänderung. Diese Ebenen führen zu unterschiedlichen Zählungen. Drei Positionen desselben Auftrags sind drei Zeilen, aber nur ein Auftrag.

Notiere deshalb die eindeutige Kennung und ihre Bedeutung. Wenn eine Auftragsnummer mehrfach vorkommt, ist das zunächst ein Prüfhinweis. Es ist noch kein Nachweis einer Dublette. Erst der fachliche Aufbau entscheidet, ob zwei Zeilen versehentlich doppelt oder absichtlich getrennt vorliegen. Die KI darf diese Entscheidung nicht anhand ähnlicher Schreibweisen allein treffen.

Auch das Datum braucht eine Definition. Auftragsdatum, Rechnungsdatum und Zahlungseingang beantworten unterschiedliche Geschäftsfragen. Eine Oktober-Auswertung nach Rechnungsdatum darf nicht still auf Auftragsdatum wechseln, nur weil dieses Feld weniger Lücken enthält. Fehlt das notwendige Datum, wird der betroffene Datensatz als ungeklärt ausgewiesen. Er verschwindet nicht aus der Auswertung ohne Hinweis.

Für Beträge gehören Währung, Netto- oder Bruttobasis und die Bedeutung negativer Werte dazu. Ein negativer Betrag kann in einer festgelegten Datenstruktur eine Gutschrift abbilden. Er ist dann kein automatisch zu korrigierender Eingabefehler. Für jede Bereinigung muss eine fachliche Regel vorliegen. Die unveränderte Originaldatei bleibt als Bezug erhalten.

Fehlende Werte nicht unbemerkt in Nullen verwandeln

Eine leere Zelle bei einem Auftragswert bedeutet zunächst: Der Wert fehlt. Eine eingetragene Null bedeutet: Der erfasste Wert beträgt null. Diese Unterscheidung verändert Mittelwerte. In einem fiktiven Beispiel enthalten drei Vorgänge die Werte 100 Euro, 200 Euro und einen fehlenden Betrag. Der Mittelwert der zwei bekannten Beträge beträgt 150 Euro. Der Mittelwert aller drei Aufträge ist unbekannt. Wer die Lücke als Null einsetzt, berichtet 100 Euro und führt eine unbelegte Annahme ein.

Eine brauchbare Ergebniszeile lautet deshalb: "Bekannte Beträge: 300 Euro bei zwei von drei Vorgängen; ein Betrag fehlt." Ob diese Teilsumme für die konkrete Entscheidung ausreicht, entscheidet die fachlich verantwortliche Person. Für eine Vollständigkeitsfreigabe reicht sie nicht.

Die Prüfung muss auch Textwerte erfassen. "1.200,50" und "1,200.50" haben je nach Herkunft unterschiedliche Formatregeln. Ein Import, der ein Trennzeichen entfernt, kann einen Betrag verändern. Prüfe deshalb einzelne bekannte Kontrollwerte nach dem Import und vergleiche die erkannte Spaltenart mit dem Datenvertrag. Ein schöner Tabellenkopf beweist keine korrekte Zahlenerkennung.

Das Ausgangsmaterial

Lade die synthetische Auftragsliste als CSV herunter. Importiere sie mit Semikolon als Trennzeichen. Der Betrag bei O-103 bleibt in der Datei leer. Er ist weder null noch ein Textwert "fehlt".

Bewahre die Rohdaten unverändert auf. Arbeite in einer Kopie und notiere die Herkunft der Datei. Wenn du eine gefilterte Ansicht exportierst, muss der Filter im Prüfvermerk stehen. Die sichtbaren Excel-Zeilen sind nicht automatisch der vollständige Datenbestand.

Ein Arbeitsauftrag für die KI

"Prüfe zuerst Spalten, Zeilenanzahl und Datentypen. Berechne danach den bekannten Nettobetrag eindeutiger bestätigter EUR-Aufträge im Oktober 2026. Behandle leere Beträge als fehlend. Addiere keine Währungen. Zeige die ausgeschlossenen Zeilen mit Begründung und die verbleibenden Auftrags-IDs. Lege Formel oder Code sowie alle Annahmen offen. Gib keine vollständige Gesamtsumme aus, solange ein passender Auftrag einen fehlenden Betrag hat."

Bei einem produktiven Export muss vorher geklärt sein, ob die Daten in die verwendete Anwendung gelangen dürfen. Für die Übung reichen die synthetischen Angaben. Die Prüfung von KI-Nutzungsregeln behandelt diese Entscheidung an Beispielen.

Lösungsschlüssel: Bestand und Summe

Aus sieben Rohzeilen werden nach Entfernen der bestätigten identischen Dublette sechs eindeutige Aufträge. Fünf davon haben den Status bestätigt. Vier bestätigte Aufträge haben die Währung EUR: O-101, O-102, O-103 und O-106.

Für drei dieser vier Aufträge ist der Betrag bekannt. Die Summe beträgt 120 + 80 + 40 = 240 EUR. Der Betrag von O-103 fehlt. Deshalb lautet die Aussage: "Der bekannte Nettobetrag beträgt 240 EUR; ein weiterer passender Auftrag hat keinen erfassten Betrag. Der vollständige Betrag ist offen."

Der bestätigte USD-Auftrag O-104 wird mit 100 USD separat genannt. Ohne festgelegten Umrechnungskurs, Kursdatum und Umrechnungsregel entsteht daraus kein EUR-Wert. Der stornierte Auftrag O-105 gehört nicht in die gesuchte Summe.

Eine unabhängige Kontrolle in Excel

Für genau diese unveränderte Beispieltabelle stehen die Beträge nach dem Import in Spalte E und die Rohdaten in den Zeilen 2 bis 8. Die direkte Kontrollformel lautet =SUMME(E2;E3;E8). Sie muss 240 ergeben, wenn die Werte numerisch importiert wurden. Die Formel ist ein Lösungsschlüssel für dieses Beispiel, keine universelle Auswertungslogik.

Die Formel allein entdeckt den fehlenden Betrag nicht. Prüfe deshalb zusätzlich, dass O-103 in der Liste der passenden Aufträge steht und sein Betragsfeld leer bleibt. Eine Summenfunktion kann einen Zahlenwert liefern, obwohl die fachliche Gesamtaussage unvollständig ist.

Bei deiner echten Tabelle nutzt du eine nachvollziehbare Filterung oder Abfrage mit dokumentierten Regeln. Vergleiche nicht nur die Endsumme, sondern auch die enthaltenen IDs und die Anzahl ausgeschlossener Zeilen. Zwei verschiedene Fehler können sich in einer Summe gegenseitig ausgleichen.

Typische Fehler gezielt untersuchen

Wenn die Ausgabe 320 EUR meldet, wurde vermutlich die doppelte Zeile O-102 mitgezählt. Prüfe die enthaltenen IDs, statt die Zahl lediglich durch eine neue Aufforderung zu ersetzen. Wenn 370 EUR erscheint, sind möglicherweise zusätzlich die 50 EUR des stornierten Auftrags enthalten. Diese Vermutungen müssen am tatsächlichen Rechenweg geprüft werden.

Ein Ergebnis von 240 EUR mit der Beschriftung "Gesamtumsatz" bleibt ebenfalls falsch eingeordnet. Die Summe betrifft bekannte Auftragsbeträge unter den genannten Filtern. Die Benennung muss zur Datenbedeutung passen.

Bei längeren Auswertungen kontrollierst du zudem Zeitraum, Datumsformat und Gruppierung. Ein Datum als Text kann anders verarbeitet werden als ein erkanntes Datum. Eine Währungskennung mit Leerzeichen kann eine zusätzliche Gruppe erzeugen. Solche Bereinigungen gehören in den Prüfvermerk.

Eine Kontrollkette statt einer zweiten KI-Antwort

Die Frage "Bist du sicher?" liefert keinen unabhängigen Nachweis. Eine wirksame Kontrolle setzt an den Eingaben und den Berechnungsregeln an. Lass die verwendeten Filter, die ausgeschlossenen Zeilen und die verbleibenden Kennungen ausgeben. Prüfe anschliessend mit einer einfachen zweiten Rechnung, ob diese Auswahl zur Geschäftsfrage passt.

Für eine Summenauswertung reicht es oft, die einbezogenen Beträge sichtbar aufzulisten und mit einer Tabellenformel nachzurechnen. Für eine Zählung müssen zusätzlich die eindeutigen Kennungen geprüft werden. Wenn die KI zehn Zeilen zählt, die fünf Aufträge mit jeweils zwei Positionen enthalten, ist die Zeilenzählung mathematisch richtig und die Antwort auf "Wie viele Aufträge?" trotzdem falsch.

Die Kontrollkette hat mehrere Stationen: Eingangsbestand, fachlich begründete Ausschlüsse, analysierter Bestand und Ergebnis. Bei jeder Station muss die Anzahl nachvollziehbar bleiben. Wenn acht Zeilen eingehen und zwei wegen des Zeitraums entfallen, müssen sechs Zeilen in der nächsten Stufe stehen. Weitere Ausschlüsse brauchen eine eigene Begründung. Diese einfache Bestandsrechnung deckt stille Verluste auf.

Ein Filter kann sich auch durch leere Statusfelder verändern. Deshalb werden fehlende Statusangaben separat gezählt. Ein unbekannter Status ist nicht automatisch "offen" und nicht automatisch "abgeschlossen". Die Auswertung enthält dann einen offenen Rest, statt mit einer scheinbar vollständigen Aufteilung zu täuschen.

Von der richtigen Rechnung zur begrenzten Aussage

Selbst eine fehlerfreie Tabelle beantwortet nur Fragen, für die ihre Daten ausreichen. Ein höherer Auftragswert in einem Monat belegt noch keine bessere Vertriebsleistung. Ein anderer Kundenmix, verschobene Erfassung oder ein einzelner grosser Auftrag liefern mögliche Erklärungen. Ohne weitere Daten bleiben diese Erklärungen offen.

Trenne im Ergebnisbericht deshalb drei Sätze: "Die geprüfte Datei enthält …", "Unter der festgelegten Filterregel ergibt sich …" und "Für die Erklärung der Veränderung fehlen …". Diese Struktur hält Messung und Interpretation auseinander. Sie erlaubt eine klare Entscheidung, welche weitere Information tatsächlich gebraucht wird.

Bei wiederkehrenden Auswertungen muss ausserdem derselbe Zeitraumtyp gelten. Ein vollständiger Vormonat und ein angebrochener aktueller Monat sind unterschiedliche Beobachtungsfenster. Die KI muss diesen Unterschied sichtbar machen. Eine Hochrechnung braucht eine ausdrücklich benannte Annahme und wird getrennt vom beobachteten Wert ausgewiesen.

Einen wiederverwendbaren Prüfstand anlegen

Speichere für die nächste Runde die unveränderte Eingangsdatei, die fachlichen Regeln und die geprüfte Ergebnisdatei zusammen. Dokumentiere den Importzeitpunkt und die verwendete Dateiversion. Eine nachträglich ergänzte Zeile darf nicht versehentlich mit der alten Analyse als geprüft gelten. Bei einer neuen Dateiversion läuft die Kontrolle erneut.

Lege einige absichtlich schwierige Testzeilen an: fehlender Betrag, doppelte Kennung mit unterschiedlichen Positionen, unbekannter Status und ein Datum genau an der Periodengrenze. Für jede Testzeile steht vorher fest, wie die Auswertung damit umgeht. Nutze fiktive Daten. So prüfst du die Logik, ohne reale Informationen unnötig zu vervielfältigen.

Wenn sich nur die sprachliche Erklärung ändert, bleibt die geprüfte Zahlentabelle der Bezug. Ändert sich ein Filter oder eine Bereinigungsregel, muss auch die Rechnung neu geprüft werden. Für diesen Änderungsprozess hilft die Versionierung von KI-Arbeitsvorlagen. Sobald andere Personen die Ergebnisse weiterverwenden, gehört der Prüfstatus sichtbar zur Übergabe an Kollegen.

Prüfe am Schluss die exportierte Ergebnisdatei erneut. Ein korrekter Wert im Chat bestätigt nicht, dass dieselbe Zahl mit derselben Beschriftung und Währung im gespeicherten Bericht steht.

Quelle und Weiterarbeit

OpenAI empfiehlt für die Datenanalyse klare Spaltennamen und einen Datensatz pro Zeile. Bei codegestützten Analysen nennt die Dokumentation die Prüfung von Code, Ausgaben und Annahmen. Das Auftragsbeispiel und seine Kontrollwerte stammen aus diesem Artikel. Quellenprüfung: 21.10.2026.

Für wiederkehrende Auswertungen vertieft die Checkliste für KI-Ergebnisse die fachliche Prüfung. Die Messung der KI-Zeitersparnis zeigt, wie du auch Bereinigung und Kontrolle in den Aufwand einrechnest. Die Abnahme der Dokumentenverarbeitung behandelt die vorgelagerte Erfassung von Daten.