Katalog / Alltägliche Büroautomatisierung / AUTO-021

Reguläre Ausdrücke, Textmuster und Validierungsregeln mit KI

Ein KI-Assistent schreibt, erklärt und testet reguläre Ausdrücke und Validierungsregeln (Bestellnummern, IBANs, Postleitzahlen) für Tabellenkalkulationen, Formulare, Mailregeln und ERP-Felder, für Nicht-Programmierer im Büro und in der IT.

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

Bausteine für den EigenbetriebAgenten & AutomatisierungProgrammierassistentSprachmodell

Fast jedes Büro kennt dasselbe kleine Problem: Ein Feld darf nur gültige Bestellnummern annehmen, eine Excel-Spalte mischt zehn Datumsformate, eine Mailregel soll Ticket-IDs erkennen. Reguläre Ausdrücke lösen das, sind aber kryptisch. Ein KI-Assistent macht aus einer Beschreibung in einfacher Sprache plus Beispielen ein getestetes Muster und erklärt es Zeile für Zeile, sodass eine Sachbearbeiterin oder ein Administrator in Minuten eine funktionierende Regel erhält, statt einen Nachmittag lang in Foren zu suchen.

Problem & Nutzen

  • Heute: Beschäftigte kopieren halb passende Muster aus Foren, fragen den einen Kollegen, der „Regex kann", oder prüfen Daten nach Augenmaß. Falsche Regeln lassen entweder schlechte Daten durch oder weisen gültige Eingaben ab (ein Klassiker: eine Regel für Postleitzahl oder Name, die echte Kunden aussperrt).
  • KI-Nutzen: Der Assistent entwirft das Muster, erklärt es und erzeugt Grenzfall-Beispiele, die Sie in eine Testtabelle einfügen können. Die Person bleibt Richter darüber, was „gültig" ist.
  • Nutzenzahlen: Uns ist keine unabhängige Zeitersparnis-Zahl für diese enge Aufgabe bekannt; messen Sie Ihre eigene Ausgangslage.
  • Mehr als Bequemlichkeit: Validierung bei der Eingabe ist die günstigste Datenaufbereitung für die spätere KI-Nutzung.

Varianten

  • Regeln in Tabellenkalkulationen: Excel-Datenüberprüfung mit benutzerdefinierten Formeln und bedingter Formatierung [1]; Google Sheets REGEXMATCH; Python re für Skripte [2]. Prüfen Sie, welche Regex-Funktionen Ihr Excel-Build bietet; andernfalls Power Query oder ein Makro nutzen (AUTO-017, AUTO-019).
  • Formulare und ERP-Felder: Pattern-Attribut in Webformularen, Validierung in Microsoft Forms/Power Apps, Feldmasken in ERP oder CRM.
  • Mail- und Dateiregeln: Outlook-Regeln, Bedingungen in Power Automate oder n8n, die nach Ticket- oder Rechnungsnummer leiten, Umbenennungsmuster für Anhänge (AUTO-007).
  • Prüfsummenregeln: IBAN (Länderformat plus Mod-97-Prüfung), USt-IdNr., EAN/GTIN. Regex prüft nur die Form; für die Prüfsumme ergänzen Sie eine Formel oder ein Skript [3].
  • Private Nutzung: Fotos in großer Zahl umbenennen, einen CSV-Export bereinigen, Mailfilter.

So funktioniert es

  1. Regel beschreiben + positive und negative Beispiele einfügen
  2. KI schlägt Muster für das genannte Werkzeug vor (Dialekt!) + Erklärung in einfacher Sprache
  3. Beispiele in einem Tester ausführen (regex101, Excel-Testspalte, Python)
  4. KI behebt Fehlschläge und ergänzt Grenzfälle
  5. Mensch gibt frei, Regel geht live (Gültigkeitsliste, Mailregel, ERP-Feld)
  6. kurze Regeldokumentation (was, warum, Verantwortliche(r), Datum)
  • KI-Komponente: ein allgemeines oder code-fähiges LLM. Kein Feintuning, keine Unternehmensdaten nötig: erfundene Beispielwerte genügen.
  • Der Dialekt zählt: Excel, Sheets, Outlook, Python, JavaScript und PCRE unterscheiden sich (Lookbehind, benannte Gruppen, Flags). Nennen Sie im Prompt immer das Zielwerkzeug.
  • Mensch-in-der-Schleife (Human-in-the-Loop): Die Regelverantwortliche bzw. der Regelverantwortliche entscheidet, was gültig ist; eine zweite Person prüft die Testtabelle vor dem Livegang.

Datenaufbereitung

Welche Daten: kaum welche. Der Prompt braucht eine Regelbeschreibung und Beispielwerte. Nutzen Sie erfundene oder maskierte Muster, niemals echte Kunden- oder Mitarbeiterdatensätze.

Wo sie liegen: in den Köpfen der Beschäftigten, in alten Excel-Tabellen, in der Dokumentation von ERP-Feldern und in Fehlerlisten (abgewiesene Importe).

Typische Lücken: Niemand hat aufgeschrieben, wie eine gültige Artikel- oder Bestellnummer aussieht; Altdaten enthalten Ausnahmen, die das „saubere" Muster brechen; Beispiele für ungültige Werte fehlen.

Schritte zur Vorbereitung: 1. Die Formatregel in ein oder zwei Sätzen mit dem Prozessverantwortlichen festhalten. 2. 10-20 gültige Werte und 10-20 ungültige oder Grenzwerte sammeln, maskiert (PREP-022, PREP-011). 3. Praxisausnahmen aus Fehlerlisten ziehen (PREP-005) und entscheiden, ob sie zulässig sind. 4. Die Testtabelle neben der Regel als Regressionstest aufbewahren (PREP-018).

Werkzeuge: Excel oder Sheets, regex101, VS Code.

Grober Aufwandsanteil: gering; die meiste Zeit geht in die Einigung darauf, was „gültig" heißt, nicht in das Muster. Siehe GUIDE-003.

Umsetzungswege

Welcher Weg für wen

  • KMU — Weg A: Die im Büro bereits lizenzierten Chat-Assistenten und Copilot/Gemini erledigen das gut; eine Standardaufgabe braucht kein Projekt.
  • Großunternehmen — Weg A: Standardfunktion; nutzen Sie den freigegebenen Unternehmensassistenten (GUIDE-007) und eine gemeinsame Regelbibliothek, statt etwas zu bauen.
  • Entwickler — Weg C: Coding-Assistenten mit Open-Weight-Code-Modellen über Ollama laufen auf einem Laptop oder HW1/HW2 und halten Quellcode-Ausschnitte im Haus.
  • Privat — Weg A: Kostenlose oder günstige Chat-Assistenten genügen.

Weg A — Kaufen (für die meisten empfohlen)

  • In Office-Suiten eingebettet: Microsoft 365 Copilot in Excel (Formelhilfe), Gemini in Google Sheets/Workspace.
  • Allgemeine Chat-Assistenten: Claude, ChatGPT, Mistral Le Chat (EU-Anbieter, Frankreich), Microsoft Copilot Chat. Prüfen Sie im Business-Tarif die Bedingungen zu AVV und Nicht-Training (GUIDE-010).
  • Hilfsmittel: regex101 (erklären und testen), Excels Dialog „Datenüberprüfung".
  • A wählen, wenn: die Beispiele erfunden oder maskiert sind.

Weg B — Auf Cloud-KI-Diensten aufbauen

Lohnt sich nur für einen internen „Regelhelfer" in Power Automate oder n8n, der eine LLM-API in einer EU-Region aufruft und Muster plus Testtabelle zurückgibt (1-3 Tage).

Weg C — Selbst betreiben (Open Source)

  • Modelle: Open-Weight-Code-Modelle wie Qwen-Coder oder Modelle der Klasse Codestral/Devstral von Mistral, bereitgestellt über Ollama oder LM Studio; für Regex genügen kleine Modelle.
  • Hardware: HW1 (moderner Laptop) für kleine Modelle, HW2 für größere.
  • Einsetzen, wenn: gar keine Cloud-Nutzung gewünscht ist oder für AUTO-018/AUTO-020 bereits ein Server läuft.

Weg D — Eigenes Training

Für diesen Anwendungsfall nicht sinnvoll.

Stand der Technik (2026)

  • Aktuelle LLMs schreiben für gängige Formate zuverlässig korrekte Muster und erklären sie gut; schwächer sind sie bei ungewöhnlichen Dialektfunktionen und bei Regeln mit vielen Ausnahmen.
  • Grenzen und Fehlerbilder: plausibel aussehende, aber falsche Muster; Muster, die zu viel (nicht verankert) oder zu wenig akzeptieren; Dialektfehler (Muster funktioniert in regex101, aber nicht in Excel); katastrophales Backtracking (ReDoS) durch verschachtelte Quantoren, das einen serverseitigen Validator hängen lassen kann [4]; zu strenge Regeln für Namen, Adressen und Postleitzahlen, die echte Personen abweisen.
  • Regex kann keine Bedeutung validieren (existiert die Bestellung im ERP?); kombinieren Sie sie mit Nachschlagen.

Gemeinsame Bausteine & Kombinationen

  • Dieselben Bausteine: AUTO-001, AUTO-017, AUTO-018, AUTO-019.
  • Kombinationen: AUTO-006 (Aufräumen nutzt die Muster), AUTO-007 (Umbenennen von Anhängen), DOC-003 (Formulare), DATA-008 (laufende Überwachung übernimmt dort, wo einmalige Regeln enden).
  • Eine gemeinsame, versionierte Regelbibliothek (SharePoint-Liste, Git-Repository oder Nextcloud-Ordner) mit Testtabellen ist das Baukasten-Stück.

Aufwand, Kosten & Kennzahlen

  • Weg A: 15-60 Minuten pro Regel inkl. Test; Aufbau der Bibliothek etwa einen halben Tag.
  • Weg B: 1-3 Tage für einen internen Helfer.
  • Weg C: 1-2 Tage, um Ollama und ein Code-Modell zu installieren.
  • Kennzahlen: Zeit pro Regel, Anteil der Regeln mit Testtabelle, von Anwendern gemeldete zu Unrecht abgewiesene Eingaben, Anteil fehlerhafter Werte im Zielfeld vorher und nachher, Anzahl wiederverwendeter Regeln.

Menschen & Veränderung

Einbeziehen: Die Abteilungsleitung und die Datenverantwortlichen legen fest, was gültig ist; Endanwender liefern Beispiele und melden fälschliche Abweisungen; die IT setzt Regeln in Formularen, ERP und Mail um. Eine Prüfung durch die Datenschutzbeauftragte bzw. den Datenschutzbeauftragten ist nicht nötig, solange Prompts nur erfundene oder maskierte Beispiele enthalten (GUIDE-005).

Betriebsrat: nein, im typischen Fall. Der Assistent hilft beim Schreiben von Regeln und verarbeitet keine Verhaltens- oder Leistungsdaten. Prüfen Sie erneut, wenn das KI-Werkzeug Nutzer-Prompts zentral protokolliert, da solche Nutzungsprotokolle nach §87 Abs. 1 Nr. 6 BetrVG zur Überwachung von Beschäftigten geeignet sein können; unterrichten Sie den Betriebsrat nach §90 Abs. 1 Nr. 3 rechtzeitig, wo KI in Arbeitsabläufen geplant ist (GUIDE-004).

KI-Kompetenz: Art. 4 KI-Verordnung (AI Act) verlangt Maßnahmen zur Förderung der KI-Kompetenz der Beschäftigten; eine Schulung von 30 Minuten zu „beschreiben, Beispiele geben, testen, nie blind vertrauen" deckt diesen Anwendungsfall ab (GUIDE-006).

Pilot: 3-5 Power-User sammeln ihre ersten 10 Regeln in der Bibliothek und zeigen sie den Kolleginnen und Kollegen (GUIDE-008, GUIDE-009).

Typische Bedenken: falsche Regeln (Testtabelle ist Pflicht), Schatten-KI mit echten Daten (GUIDE-007).

Mensch behält die Kontrolle: Eine benannte Regelverantwortliche bzw. ein benannter Regelverantwortlicher gibt jede Regel frei, bevor sie in einem Produktivsystem Eingaben blockiert.

Risiken, Regulierung & Compliance

  • KI-Verordnung (AI Act): minimales Risiko; keine Kategorie nach Anhang III. Art. 4 zur KI-Kompetenz gilt. Die Transparenzpflichten nach Art. 50 werden nicht ausgelöst.
  • DSGVO: Es sollten keine personenbezogenen Daten in den Prompt gelangen; maskieren Sie Namen, IBANs und Kundennummern. Sind echte Muster unvermeidbar, nutzen Sie einen Anbieter mit AVV (Art. 28 DSGVO) und Hosting in der EU oder Weg C (GUIDE-005).
  • Sicherheit: Validierung ist keine Sicherheit. Regex ersetzt weder parametrisierte Abfragen noch Ausgabe-Kodierung; ein Muster von einer KI ist nicht vertrauenswürdiger Code, bis es getestet ist (GUIDE-013).
  • Geschäftsrisiko: Zu strenge Regeln blockieren echte Kunden oder die Auftragserfassung; führen Sie sie, wo möglich, zuerst nur warnend ein.

Erste Schritte

  1. Wählen Sie ein lästiges Feld (Bestellnummer, Kundennummer, Telefonnummer) und schreiben Sie seine Regel auf.
  2. Bereiten Sie 10 gültige und 10 ungültige erfundene Beispiele vor.
  3. Bitten Sie den Assistenten um das Muster, nennen Sie das genaue Werkzeug und fordern Sie eine Erklärung und Grenzfälle an.
  4. Testen Sie in einem Tester oder einer Excel-Testspalte; iterieren Sie, bis alle Beispiele bestehen.
  5. Führen Sie die Regel wenn möglich zunächst nur warnend ein und erzwingen Sie sie dann; speichern Sie Regel und Testtabelle in einer gemeinsamen Bibliothek.

Quellen

  1. Microsoft Support — Apply data validation to cells — https://support.microsoft.com/en-us/office/apply-data-validation-to-cells-29fecbcc-d1b9-42c1-9d76-eff3ce5f7249
  2. Python documentation — Regular expression HOWTO — https://docs.python.org/3/howto/regex.html
  3. European Committee for Banking Standards — IBAN (structure and check digits) — https://www.ecbs.org/iban.htm
  4. OWASP — Regular expression Denial of Service (ReDoS) — https://owasp.org/www-community/attacks/Regular_expression_Denial_of_Service_-_ReDoS
  5. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj