Katalog / Alltägliche Büroautomatisierung / AUTO-006

Tabellen ad hoc aufräumen (Spalten teilen/zusammenführen, Formate vereinheitlichen, KI-Ausfüllen)

Eine einzelne Liste oder einen Export in Minuten bereinigen - Namen und Adressen aufteilen, Datums- und Zahlenformate korrigieren, Schreibweisen vereinheitlichen, Kategorien nach Beispiel ausfüllen - für Büro-Beschäftigte im Mittelstand.

Schneller Erfolg: bewährt, überschaubarer Aufwand, erste Ergebnisse nach Wochen, geringes regulatorisches Risiko.

Bausteine für den EigenbetriebAgenten & AutomatisierungSprachmodell

Fast jede Büroarbeit beginnt mit einer unordentlichen Liste: einem Export aus dem Shopsystem, einer Kundendatei von der Messe, einem DATEV-Export mit merkwürdigen Datumsformaten. Statt mit Formeln zu kämpfen, beschreiben Beschäftigte das Ergebnis oder zeigen zwei, drei Beispiele, und die in die Tabellenkalkulation eingebaute KI (oder ein deterministisches Werkzeug wie Flash Fill oder Power Query, bei dessen Aufbau die KI hilft) übernimmt die Bereinigung. Das ist eine Schreibtischarbeit von wenigen Minuten für eine Datei, keine Stammdatenpflege und keine systematische Datenaufbereitung für KI-Projekte.

Problem & Nutzen

  • Heute: Beschäftigte teilen "Müller, Anna" von Hand in zwei Spalten, tippen Datumsangaben neu (31.12.26 statt 2026-12-31), korrigieren "Str." gegenüber "Straße" und ordnen Artikel nach Augenmaß Kategorien zu. Eine Liste mit 500 Zeilen kann eine Stunde oder mehr verschlingen und ist fehleranfällig.
  • KI-Nutzen: dieselbe Arbeit in Minuten, weniger Tippfehler und oft ein wiederverwendbares Rezept (Formel oder Power-Query-Schritte) für den Export des nächsten Monats.
  • Ehrliche Grenze: KI-Ausfüllen ist probabilistisch. Für exakt beschreibbare Regeln (am Komma teilen, Datum umwandeln) ist ein deterministisches Werkzeug sicherer als ein Sprachmodell.
  • Hier wird keine belegte Prozentzahl genannt; messen Sie Ihre eigene Ausgangslage (siehe Kennzahlen).

Varianten

  • Deterministische Helfer (ohne generative KI): Flash Fill, Text in Spalten, Suchen & Ersetzen, Power Query.
  • KI in der Tabelle: Copilot in Excel ("Daten bereinigen", mehrstufige Änderungen im Agenten-Stil, COPILOT-Funktion für zeilenweise Klassifizierung) und Gemini in Google Sheets.
  • Chat zu einem Export: einige Zeilen in einen freigegebenen Assistenten einfügen und nach einer Formel oder einem Skript fragen (siehe AUTO-001, AUTO-017).
  • Private Nutzung: eine Vereinsmitgliederliste, einen Haushaltsbuch-Export oder eine Adressliste für ein Fotobuch aufräumen.

So funktioniert es

unordentliche Liste (xlsx/csv)
  -> Methode wählen: Regel genau bekannt? -> Flash Fill / Power Query / Formel
                    unscharf (Schreibweisen, Kategorien)? -> KI-Ausfüllen nach Beispiel
  -> Ziel beschreiben oder 3-5 Beispielzeilen angeben
  -> KI schlägt die Änderung vor (Vorschau, Formel oder angewendete Schritte)
  -> Stichprobe an 20 zufälligen Zeilen + Summen/Zeilenzahl unverändert
  -> Rezept (Abfrageschritte / Formel) zur Wiederverwendung behalten, als neue Datei speichern
  • Flash Fill lernt ein Muster aus Ihren getippten Beispielen und läuft lokal in Excel.
  • Power Query zeichnet jeden Schritt auf, sodass die Bereinigung wiederholbar ist; die KI kann beim Schreiben der Schritte helfen (AUTO-019).
  • Generatives Ausfüllen (Copilot/Gemini oder ein lokales Modell) behandelt unscharfe Fälle wie "Meier GmbH" gegenüber "Maier Gmbh" oder das Zuordnen von Kategorien.
  • Mensch-in-der-Schleife (Human-in-the-Loop): immer eine Stichprobe prüfen, Zeilenzahlen und Summen vorher und nachher vergleichen und nie das Original überschreiben.

Datenaufbereitung

Welche Daten: die einzelne zu bereinigende Liste, dazu 3-5 von Hand korrigierte Beispielzeilen und, für die Kategorisierung, die Liste der erlaubten Kategorien.

Wo sie liegen: Excel-Dateien in SharePoint/OneDrive oder auf einem Dateiserver, CSV-Exporte aus DATEV, ERP, Shop oder CRM, Google Sheets.

Typische Lücken: gemischte Datums- und Dezimalformate (Komma gegenüber Punkt), als Text gespeicherte Zahlen, verbundene Zellen, nachgestellte Leerzeichen, mehrere Werte in einer Zelle, uneinheitliche Schreibweisen, personenbezogene Daten in Spalten, die niemand braucht.

Schritte zur Aufbereitung: 1. Mit einer Kopie arbeiten; den ursprünglichen Export unangetastet lassen. 2. Nicht benötigte Spalten löschen, vor allem personenbezogene Daten (Datenminimierung). 3. Den Bereich in eine Excel-Tabelle mit einer Kopfzeile und ohne verbundene Zellen umwandeln. 4. Das Zielformat (Datum, Dezimaltrennzeichen, erlaubte Kategorien) festhalten und 3-5 Zeilen als Beispiele von Hand korrigieren. 5. Nach dem Durchlauf Zeilenzahlen und Summen vergleichen und eine Stichprobe prüfen.

Werkzeuge: Excel, Google Sheets, Power Query, ein Texteditor für CSV-Prüfungen. Für umfangreichere oder wiederkehrende Aufbereitung siehe PREP-005 und GUIDE-003.

Grober Aufwandsanteil: gering; die Aufbereitung ist die Aufgabe selbst und dauert für das erste Rezept typischerweise Minuten bis zu einigen Stunden.

Umsetzungswege

Welcher Weg für wen

  • KMU - Weg A: Die Werkzeuge gibt es bereits in Microsoft 365 oder Google Workspace, der Prozess ist Standard und es ist keine Integration nötig.
  • Privat - Weg C: Lokale Apps (LM Studio, Ollama mit einem kleinen Modell) bereinigen eine private Liste, ohne sie irgendwohin hochzuladen.

Weg A — Kaufen (Standardsoftware)

  • Microsoft 365: Flash Fill und Power Query sind in Excel enthalten; Copilot in Excel (separate Copilot-Lizenz) bietet KI-gestützte Bereinigung und Änderungen im Agenten-Stil. Funktionsnamen und Einführungstermine ändern sich schnell, prüfen Sie daher vor der Planung in Ihrem Tenant [1][2].
  • Google Workspace: Gemini in Sheets sowie eingebaute Vorschläge zur "Datenbereinigung". Datenregion und AVV-Einstellungen werden von Administratoren gesteuert [3].
  • In der EU hostbare Alternativen: Nextcloud mit OnlyOffice/Collabora und einer lokalen KI-App; LibreOffice Calc; OpenRefine (Open Source, läuft lokal) für das Clustering ähnlicher Schreibweisen mit unscharfem Abgleich [4].
  • Wählen Sie A, wenn: die Beschäftigten die Lizenz bereits haben und die Liste keine hochsensiblen Daten enthält oder der Tenant eine EU Data Boundary nutzt.
  • Kosten: Copilot ist eine Lizenz je Nutzer; aktuelle Listenpreise beim Reseller prüfen. Flash Fill und Power Query kosten nichts extra.

Weg B — Auf Cloud-KI-Diensten aufbauen

Nur wenn dieselbe Bereinigung jede Woche an einem festen Export läuft: Ein n8n- oder Power-Automate-Ablauf nimmt die Datei, ruft für die unscharfen Schritte eine in der EU gehostete Modell-API auf (z. B. Mistral, Azure OpenAI in einer EU-Region) und schreibt das Ergebnis zurück. Aufwand: 1-3 Tage je Ablauf. Meist reicht Power Query aus und ist günstiger; KI kommt nur für die unscharfen Spalten hinzu.

Weg C — Selbst betreiben (Open Source)

  • OpenRefine zum Clustern und Normalisieren von Text, kein KI-Modell nötig.
  • Ollama oder LM Studio mit einem kleinen Open-Weight-Modell (etwa 7-14B, quantisiert) für Kategorisierung und Adressaufteilung; läuft auf einem Laptop oder einem HW1/HW2-Rechner.
  • n8n selbst betrieben, um Zeilen stapelweise durch das lokale Modell zu schicken.
  • Aufwand: ein halber Tag Einrichtung; am besten, wenn die Listen Kunden- oder Personaldaten enthalten, die das Unternehmen nicht verlassen dürfen.

Weg D — Eigenes Training

Nicht sinnvoll. Eine Handvoll Beispiele im Prompt ersetzt jedes Training.

Stand der Technik (2026)

  • Tabellen-Assistenten planen und führen inzwischen mehrstufige Änderungen aus und können KI-Funktionen je Zelle ausführen, mit Vorschau vor der Anwendung; die Verfügbarkeit hängt von Lizenz und Tenant-Rollout ab [2].
  • Kleine lokale Modelle können Aufteilen und Normalisieren gut; schwächer sind sie bei seltenen Kategorien und gemischten Sprachen.
  • Fehlerbilder: stilles "Korrigieren" gültiger Werte, Erfinden fehlender Daten, Verändern von Zahlen, Verwechslungen bei Ländereinstellungen (Reihenfolge Tag/Monat) und zellenweise KI-Ergebnisse, die sich von Lauf zu Lauf ändern. Gegenmaßnahmen: überall dort deterministische Schritte nutzen, wo eine Regel existiert, Summen prüfen und protokollieren, was geändert wurde.

Gemeinsame Bausteine & Kombinationen

  • Gleiche Fähigkeit (office-suite-ai): AUTO-001 Formeln, AUTO-002 E-Mail, AUTO-005 Dokumentvergleich.
  • Skripte und Abfragen: AUTO-017 Makros, AUTO-018 Python/PowerShell, AUTO-019 Power Query, AUTO-021 Regex und Validierungsregeln.
  • Eskalation: Wiederholt sich dieselbe Bereinigung systemübergreifend, wechseln Sie zu DATA-003 (Stammdaten) oder zur PREP-Familie.
  • Ein lokaler Ollama-Server (HW1/HW2) kann diese und andere kleine Textaufgaben bedienen (Baukasten-Effekt).

Aufwand, Kosten & Kennzahlen

  • Weg A: Stunden zur Einrichtung; eine kurze Schulung (30-60 Minuten).
  • Weg B: 1-3 Tage je wiederkehrendem Ablauf plus API-Kosten je Zeile (meist gering).
  • Weg C: etwa ein halber Tag für die lokale Einrichtung plus gelegentliche Aktualisierungen.
  • Kennzahlen: Minuten je Liste vorher/nachher, Fehlerquote in einer Stichprobe von 20 Zeilen, Anteil der Listen mit wiederverwendbarem Rezept, Anzahl manueller Nachkorrekturen.

Menschen & Veränderung

Früh einbinden: Die Endanwender und ihre Abteilungsleitung entscheiden, welche Listen zuerst angegangen werden; die IT prüft Lizenzen, Tenant-Einstellungen und welche KI-Werkzeuge freigegeben sind (GUIDE-007); die oder der Datenschutzbeauftragte wird einbezogen, wenn Listen Kunden-, Mitarbeiter- oder Bewerberdaten enthalten (GUIDE-005).

Betriebsrat: abhängig vom Einzelfall. Ein rein lokales Bereinigungswerkzeug überwacht niemanden, aber Copilot oder Gemini protokollieren Prompts und Nutzung, und das BAG sieht die objektive Eignung zur Überwachung als ausreichend für die Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG an. § 90 Abs. 1 Nr. 3 verlangt zudem eine rechtzeitige Unterrichtung, wenn KI-gestützte Arbeitsabläufe geplant werden. Eine kurze Betriebsvereinbarung zu den KI-Assistenten deckt diesen Anwendungsfall in der Regel ab (GUIDE-004). Öffentliche Stellen beteiligen den Personalrat.

KI-Kompetenz: Art. 4 der KI-Verordnung (AI Act) verlangt Maßnahmen zur Förderung der KI-Kompetenz der Beschäftigten; eine 60-minütige Schulung zu "Stichproben prüfen, nie das Original überschreiben, keine vertraulichen Daten in nicht freigegebene Werkzeuge" reicht für den Start (GUIDE-006).

Kommunikation und Pilot: 3-5 neugierige Power-User aus Buchhaltung oder Vertrieb auswählen, ihre besten Prompts sammeln und als Rezepte teilen; als Entlastung von mühsamem Kopieren und Einfügen darstellen (GUIDE-008, GUIDE-009).

Typische Sorgen: Angst vor falschen Daten (Stichprobenprüfung), Angst vor Kontrolle (keine individuelle Auswertung von Prompts), Unsicherheit darüber, was eingefügt werden darf (Richtlinie).

Menschen behalten die Kontrolle: Die Nutzerin oder der Nutzer prüft jedes Ergebnis; nichts wird ohne Prüfung in ERP oder Buchhaltung zurückgeschrieben.

Risiken, Regulierung & Compliance

  • KI-Verordnung (AI Act): minimales Risiko; keine Anwendung nach Anhang III. Die Maßnahmen zur KI-Kompetenz nach Art. 4 gelten. Die Transparenzpflichten nach Art. 50 gelten nicht für die interne Datenbereinigung [5][6].
  • DSGVO: Listen enthalten oft personenbezogene Daten. Nur freigegebene Werkzeuge mit AVV (Art. 28) nutzen, EU Data Boundary oder lokale Modelle bevorzugen, nicht benötigte Spalten zuerst entfernen. Eine DSFA ist bei einmaligen Bereinigungen gewöhnlicher Kontaktdaten normalerweise nicht nötig; ziehen Sie die oder den Datenschutzbeauftragten bei besonderen Kategorien oder umfangreichen Personaldaten hinzu (GUIDE-005).
  • Schatten-KI: Das Einfügen von Kundenlisten in private Chatbot-Konten ist das Hauptrisiko; bieten Sie eine freigegebene Alternative an (GUIDE-007).
  • Datenqualität: falsche automatische Korrekturen, die in Rechnungen oder Mailings gelangen; Originale und ein Änderungsprotokoll aufbewahren.

Erste Schritte

  1. Eine wiederkehrende lästige Liste wählen (z. B. den monatlichen Kundenexport) und kopieren.
  2. Zuerst deterministische Werkzeuge ausprobieren: Flash Fill, Text in Spalten, Power Query.
  3. Für unscharfe Spalten dem freigegebenen KI-Assistenten 3-5 Beispiele geben und eine Stichprobe von 20 Zeilen prüfen.
  4. Das Rezept (Abfrageschritte, Formel oder Prompt) in einer gemeinsamen Prompt-Bibliothek speichern (AUTO-023).
  5. Eine einseitige Regel schreiben: welche Daten in welches Werkzeug dürfen (GUIDE-007).

Quellen

  1. Microsoft Support - Flash Fill and Power Query in Excel - https://support.microsoft.com/en-us/office/using-flash-fill-in-excel-3f9bcf1e-db93-4890-94a0-1578341f73f7
  2. ICAEW - Excel community: new technology features Dec-Feb 2026 (Copilot Clean data, agent mode) - https://www.icaew.com/technical/technology/excel-community/excel-community-articles/2026/new-tech-features-dec-feb-26
  3. Google Workspace Learning Center - Gemini in Google Sheets - https://workspace.google.com/products/sheets/
  4. OpenRefine project - https://openrefine.org/
  5. Regulation (EU) 2024/1689 (AI Act) - https://eur-lex.europa.eu/eli/reg/2024/1689/oj
  6. Regulation (EU) 2016/679 (GDPR) - https://eur-lex.europa.eu/eli/reg/2016/679/oj