Prompt des Tages: Daten-Dolmetscher — Tabellen und Zahlen in klare Erkenntnisse verwandeln
Montagmorgen, dein Chef schickt dir eine Excel-Tabelle mit den Quartalszahlen. 'Kannst du da mal reinschauen und mir sagen, was auffaellt?' 500 Zeilen, 12 Spalten, keine Erklaerung. Du starrst auf die Zahlen und weisst nicht, wo du anfangen sollst.
Das kennt jeder: Daten lesen ist einfach, Daten interpretieren ist schwer. Was ist ein normaler Ausreisser, was ein echter Trend? Welche Zahl ist wichtig, welche nur Rauschen? Genau hier wird die KI zum Daten-Dolmetscher.
Dieser Prompt verwandelt rohe Daten in eine strukturierte Analyse — mit den wichtigsten Erkenntnissen, Auffaelligkeiten und konkreten Empfehlungen, die du direkt in deine Praesentation oder E-Mail uebernehmen kannst.
So nutzt du den Prompt:
1. Kopiere deine Daten direkt in den Chat (Tabelle, CSV, oder auch eine Beschreibung der Zahlen)
2. Beschreibe den Kontext — worum geht es? Was wird gemessen? Was war das Ziel?
3. Sage, fuer wen die Analyse ist — dein Chef braucht andere Erkenntnisse als dein Team
4. Pruefe die Ergebnisse kritisch: Die KI kann Korrelation mit Kausalitaet verwechseln und Zusammenhaenge erfinden
Warum das funktioniert: Die KI sieht Muster in Zahlen schneller als du — besonders bei grossen Datensaetzen. Aber der eigentliche Vorteil ist die Struktur: Statt planlos in der Tabelle herumzuscrollen, bekommst du sofort die wichtigsten Punkte, sortiert nach Relevanz.
Profi-Tipp: Lade deine Daten als CSV-Datei hoch (in ChatGPT, Claude oder Gemini) statt sie als Text einzufuegen. Das funktioniert bei groesseren Datensaetzen deutlich besser. Bei sensiblen Geschaeftsdaten: pruefe vorher die Datenschutzrichtlinien deines Unternehmens — nicht alle KI-Anbieter verarbeiten Daten gleich.
Wichtig: KI-Analysen sind ein Startpunkt, kein Endprodukt. Die KI kann Zahlen falsch interpretieren, Ausreisser uebersehen oder Trends erfinden, die nicht existieren. Nutze die Analyse als Grundlage und pruefe die Kernaussagen manuell — besonders wenn Geschaeftsentscheidungen davon abhaengen.
Du bist ein erfahrener Datenanalyst. Ich gebe dir einen Datensatz und brauche eine klare, verstaendliche Analyse — keine Fachsprache, sondern Erkenntnisse, die ich direkt weitergeben kann. **Kontext:** - Was wird gemessen: [z.B. Monatliche Verkaufszahlen, Website-Traffic, Kundenzufriedenheit, Projektkosten] - Zeitraum: [z.B. Januar bis Maerz 2026, letztes Quartal, letzte 12 Monate] - Ziel/Benchmark: [z.B. 10% Wachstum gegenueber Vorjahr, Budget von 50.000 EUR, NPS ueber 40] - Empfaenger der Analyse: [z.B. Geschaeftsfuehrung, mein Team, Kunde, ich selbst] **Meine Daten:** ''' [Hier Tabelle, CSV-Daten oder Zahlenbeschreibung einfuegen] ''' **Bitte erstelle folgende Analyse:** 1. **Executive Summary** (3-5 Saetze): Was sind die wichtigsten Erkenntnisse? Was laeuft gut, was nicht? Fasse zusammen, als wuerdest du deinem Chef im Aufzug 30 Sekunden erklaeren. 2. **Top-5-Erkenntnisse:** Die fuenf wichtigsten Datenpunkte oder Trends — jeweils mit: - Was: Was zeigen die Daten konkret? (mit Zahlen) - Warum relevant: Was bedeutet das fuer uns? - Handlungsempfehlung: Was sollten wir tun? 3. **Auffaelligkeiten und Ausreisser:** Gibt es Werte, die aus dem Rahmen fallen? Ungewoehnliche Spitzen oder Einbrueche? Liste sie auf und nenne moegliche Erklaerungen — aber markiere Vermutungen deutlich mit [Hypothese]. 4. **Trend-Analyse:** Welche Entwicklung zeigen die Daten ueber den Zeitraum? Gibt es einen klaren Aufwaerts-/Abwaertstrend? Saisonale Muster? Wendepunkte? 5. **Vergleich mit Ziel/Benchmark:** Wo stehen wir im Vergleich zum Ziel? Auf Kurs oder nicht? Was muesste sich aendern, um das Ziel zu erreichen? 6. **3 konkrete Empfehlungen:** Was wuerdest du basierend auf diesen Daten als Naechstes tun? Priorisiert nach Impact. Jede Empfehlung mit einem konkreten ersten Schritt. 7. **Visualisierungs-Vorschlag:** Welche 2-3 Diagramme wuerden die Kernaussagen am besten darstellen? (z.B. Liniendiagramm fuer Trends, Balkendiagramm fuer Vergleiche, Heatmap fuer Verteilungen) Beschreibe kurz, was auf welche Achse gehoert. **Regeln:** - Schreibe so, dass jemand OHNE Statistik-Wissen die Analyse versteht - Verwende konkrete Zahlen und Prozentangaben — keine vagen Aussagen wie 'deutlich gestiegen' - Unterscheide klar zwischen **Fakten** (was die Daten zeigen) und **Interpretationen** (was das bedeuten koennte) - Markiere unsichere Schlussfolgerungen mit [Hypothese] - Wenn die Daten fuer eine belastbare Aussage nicht ausreichen, sage das explizit - Erfinde KEINE Datenpunkte oder Zahlen, die nicht in meinen Daten stehen