ChatGPT für Struktur und Modellierung mit ExcelDatentabellen und Dimensionen in Excel korrekt trennen

Das Problem: Fehlende Übersicht und redundante Dateneingabe

Viele Excel-Modelle wirken auf den ersten Blick übersichtlich – und sind dennoch strukturell instabil. Eine Excel-Datei aus der Praxis enthält beispielsweise:

• Umsätze, Kosten und Mengen in einer großen Tabelle
• zusätzliche Spalten mit Kostenstellen, Produktnamen, Regionen und Verantwortlichen
• außerdem Hilfsspalten für Zuordnungen
• gelegentlich manuelle Korrekturen

Das funktioniert – bis eine Auswertung komplexer wird oder sich Anforderungen ändern. Typische Probleme sind dann:

• identische Informationen sind mehrfach vorhanden
• Änderungen müssen an vielen Stellen erfolgen
• Pivot-Tabellen werden unübersichtlich
• Modelle sind schwer erweiterbar
• Fehler schleichen sich unbemerkt ein

Das Kernproblem ist nicht die Datenmenge, sondern eine fehlende Trennung von Fakten und Beschreibungen.

Der passende Prompt (Beispiel)

Auch hier können die Struktur und das Tabellenmodell mithilfe von KI verbessert werden. Der entscheidende Perspektivwechsel lautet: Nicht alles gehört in eine Tabelle. Ein entsprechender Prompt wäre:

„Ich habe eine Excel-Tabelle mit Zahlen und beschreibenden Informationen gemischt. Bitte hilf mir, Datentabellen (Fakten) und Dimensionen sauber zu trennen. Erkläre mir, welche Tabellen ich benötige und welche Vorteile diese Trennung für Auswertungen und Modellstabilität bringt.“

Dieser Prompt lenkt ChatGPT auf:

• Modelllogik statt Tabellenkosmetik
• Struktur statt Verdichtung
• Nachhaltigkeit statt Bequemlichkeit

Wie übergibt man die Situation an ChatGPT?

Für diesen Praxisfall benötigt ChatGPT keine fertige Datei, sondern eine fachliche Beschreibung. Hilfreich sind Angaben wie:

• Welche Zahlen werden ausgewertet? Umsätze, Kosten, Mengen?
• Welche beschreibenden Merkmale gibt es? Produkte, Organisation, Zeit, Regionen?
• Wie verändern sich diese Merkmale? Selten oder regelmäßig?
• Gibt es Mehrfachzuordnungen?

Ein Beispiel für eine Angabe zum Kontext ist:

„Monatliche Umsätze nach Produkt, Kostenstelle und Region.“

Entscheidend ist nicht die Tabellenform, sondern die Rolle der Informationen.

Was ChatGPT daraufhin leistet

ChatGPT denkt Excel-Modelle modellorientiert, nicht listenorientiert. Typische Empfehlungen sind:

Definition von Datentabellen (Fakten)

• enthalten messbare Werte
• jede Zeile ist ein Ereignis
• keine Beschreibungslogik
• möglichst schlank

Beispiele für Daten in der Datentabelle sind Umsatz, Mengen oder Kosten.

Definition von Dimensionstabellen

• beschreiben die Fakten
• enthalten stabile Attribute
• ändern sich seltener
• sorgen für Konsistenz

Beispiele sind Produktstammdaten, Kostenstellen oder Zeitdimension.

Verknüpfung über Schlüssel

ChatGPT weist darauf hin:

• klare IDs statt Texte
• eindeutige Zuordnungen
• keine doppelten Bedeutungen

Warum das wichtig ist: Texte ändern sich – Schlüssel nicht.

Vorteile für Auswertungen

ChatGPT erklärt die Effekte wie:

• einfachere Pivot-Tabellen
• weniger Redundanz
• konsistente Filter
• bessere Erweiterbarkeit
• Vorbereitung für Power Pivot

Worauf man beim Prompt achten sollte

Damit ChatGPT sinnvoll strukturieren kann, sollte man:

• Zahlen und Beschreibungen bewusst unterscheiden,
• akzeptieren, dass mehrere Tabellen besser sind als eine,
• nicht an bestehenden Layouts festhalten und
• nach Prinzipien fragen, nicht nach Layouts.

Hilfreiche Ergänzungen im Prompt sind entsprechend:

„Das Modell soll später erweitert werden.“

„Mehrere Personen arbeiten damit.“

„Bitte erkläre mir die Vorteile dieser Trennung.“

Wie man das Ergebnis sinnvoll nutzt

Die Trennung von Fakten und Dimensionen bewirkt sofort:

• klarere Modelle
• weniger Redundanz
• höhere Datenqualität
• einfachere Erweiterungen
• professionellere Auswertungen

Bewährte Prompts für die Praxis

Fakten und Dimensionen identifizieren

„Welche Informationen in meinem Modell sind Fakten und welche Dimensionen?“

Tabellenstruktur prüfen

„Welche strukturellen Probleme erkennst du bei gemischten Fakten- und Beschreibungstabellen?“

Modell erweitern

„Wie sollte ich mein Modell strukturieren, damit neue Dimensionen leicht ergänzt werden können?“

Power-Pivot-Vorbereitung

„Ist mein Tabellenmodell für Power Pivot geeignet? Wenn nein, warum?“

Didaktischer Prompt

„Bitte erkläre mir die Trennung von Fakten und Dimensionen fachlich nachvollziehbar.“

Einordnung und Fazit

Viele Excel-Modelle scheitern nicht an Berechnungen, sondern an struktureller Überladung. Wer Fakten und Dimensionen sauber trennt, reduziert Fehler, erhöht Transparenz und schafft Zukunftsfähigkeit.

ChatGPT hilft dabei:

• Strukturfehler sichtbar zu machen
• saubere Modelllogik zu entwickeln
• Excel-Modelle auf professionelles Niveau zu heben