Prompts für Analyse und Arbeit mit Daten
Swipe um das Menü anzuzeigen
Sie müssen kein Datenanalyst sein, um KI für analytische Aufgaben zu nutzen. Und falls Sie einer sind, kann KI die Teile Ihres Workflows erheblich beschleunigen, die zeitaufwendig, aber nicht analytisch komplex sind.
In diesem Kapitel wird behandelt, wie man KI dazu auffordert, Daten zu interpretieren, analytisches Denken zu strukturieren und Ergebnisse zu liefern, die Entscheidungen unterstützen — auf jedem technischen Kenntnisstand.
Für nicht-technische Nutzer: Zahlen in eine Erzählung verwandeln
Wenn Sie mit Berichten, Dashboards oder Tabellen arbeiten, aber keinen Datenhintergrund haben, ist der unmittelbarste Nutzen von KI die Übersetzung — eine Tabelle mit Zahlen in eine klare Erzählung zu verwandeln, die vermittelt, was die Daten tatsächlich bedeuten.
Was Sie zuerst tun müssen: Fügen Sie die Daten als Text in die Eingabeaufforderung ein. Sie können eine Tabelle aus Excel kopieren, Zahlen aus einem Bericht einfügen oder die wichtigsten Zahlen eintippen. Das Modell kann keine Dateien oder Screenshots sehen — die Daten müssen in der Eingabeaufforderung stehen.
Vorlage für eine Kernerzählung:
Hier ist eine Tabelle von [was die Daten darstellen]:
[Daten hier einfügen]
Verfassen Sie eine dreisätzige Executive Summary, die Folgendes identifiziert:
- Den wichtigsten Trend oder Befund;
- Einen Problembereich oder eine Unterperformance;
- Eine konkrete Empfehlung auf Basis der Daten.
Zielgruppe: [wer dies liest — deren Rolle und was sie interessiert]. Verwenden Sie einfache Sprache — kein Fachjargon.
Für Analysten: Beschleunigung des Workflows
Wenn Sie bereits professionell mit Daten arbeiten, übernimmt KI die Teile Ihres Workflows, die formelhaft, aber zeitaufwendig sind:
Generierung von SQL aus Klartext:
Write a SQL query that [describe what you want to extract in plain language]. The table is called [table name] and has the following columns: [list columns and data types].
Return the results sorted by [column], limited to [number] rows.
Unbekannten Code oder Formeln erklären:
Erkläre, was diese [SQL query / Excel formula / Python script] Zeile für Zeile macht. Verwende einfache Sprache — gehe davon aus, dass die Leserin oder der Leser die Daten versteht, aber nicht die Syntax.
[paste code here]
Strukturierung eines Analyse-Frameworks:
Ich muss [Geschäftsproblem oder Fragestellung] analysieren.
Bevor ich beginne, Daten zu sammeln, hilf mir, das Rahmenkonzept zu durchdenken. Welche Schlüsselfragen sollte ich beantworten? Nach welchen Dimensionen sollte ich die Daten aufschlüsseln? Wie würde eine vollständige Analyse dieses Problems aussehen?
Bitte Schritt für Schritt durchdenken.
Eine entscheidende Einschränkung: Garbage In, Garbage Out
KI validiert deine Daten nicht. Sie verarbeitet alles, was du eingibst, und erzeugt überzeugend klingende Ausgaben, unabhängig davon, ob die zugrunde liegenden Zahlen korrekt sind.
Wenn du falsche, veraltete oder falsch formatierte Daten einfügst, sieht die Analyse sauber und autoritativ aus — basiert jedoch auf einer fehlerhaften Grundlage.
Bevor du KI zur Interpretation oder Zusammenfassung von Daten verwendest:
- Überprüfe, ob die Quelle aktuell und korrekt exportiert ist;
- Kontrolliere, ob die Zahlen mit denen in deinem Originalsystem übereinstimmen;
- Stelle sicher, dass alle Berechnungen oder Aggregationen in den Daten vor dem Einfügen korrekt sind.
KI ist ein leistungsfähiges Werkzeug, um die Bedeutung von Daten zu vermitteln. Die Validierung der Korrektheit der Daten bleibt jedoch deine Verantwortung.
Übung: Von Daten zur Erzählung in unter zwei Minuten
Nimm eine beliebige Tabelle oder Zahlenreihe, mit der du kürzlich gearbeitet hast — einen Verkaufsbericht, ein Projektkennzahl, einen Budgetüberblick. Füge sie als Klartext in ein beliebiges großes KI-Tool ein.
Formuliere einen Prompt, der angibt:
- Was die Daten darstellen;
- Für wen die Zusammenfassung bestimmt ist;
- Welche drei Dinge extrahiert werden sollen (Trend, Problem, Empfehlung);
- Die Länge und das Format der Ausgabe.
Überprüfe das Ergebnis. Notiere, was genau ist, was ungenau ist und ob das Modell etwas hervorgehoben hat, das dir vorher nicht aufgefallen ist. Passe dann die Extraktionskriterien an und beobachte, wie sich die Ausgabe verändert.
1. Welche Aussagen beschreiben Best Practices für die Nutzung von KI, um Daten für nicht-technische Nutzer in eine Erzählung zu verwandeln
2. Welche Aussagen beschreiben die Bedeutung der Datenvalidierung bei der Nutzung von KI für Datenanalyse oder Zusammenfassungen zutreffend
Danke für Ihr Feedback!
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
