Mehrere Inhalte in einer Zelle mit ChatGPT korrekt trennen

Das Problem: Unterschiedliche Informationen in einer Excel-Zelle

Ein klassisches Datenproblem in Excel: Mehrere Informationen stehen in einer einzigen Zelle, obwohl sie fachlich getrennt gehören. Typische Beispiele aus der Praxis:

• Name und Abteilung in einem Feld
• Artikelnummer und Beschreibung kombiniert
• Datum und Uhrzeit als Text
• Status und Zusatzinfo („aktiv / intern“)
• Adresse als unstrukturierter Text

Auf den ersten Blick scheint das handhabbar – spätestens bei Auswertungen zeigt sich jedoch:

• Filter funktionieren nicht richtig.
• Pivot-Tabellen lassen sich nicht sinnvoll aufbauen.
• Vergleiche und Abgleiche werden kompliziert.
• Folgeprozesse (Power Pivot, Power BI) scheitern.

Das Problem ist nicht der Inhalt, sondern die fehlende Struktur.

Der passende Prompt (Beispiel)

Entscheidend ist, nicht nach einer einzelnen Funktion, sondern nach einer Trennlogik zu fragen. Ein sinnvoller Prompt wäre zum Beispiel:

„Ich habe in Excel Zellen, in denen mehrere fachlich unterschiedliche Informationen kombiniert sind.

Bitte entwickle eine saubere Logik, um diese Inhalte zuverlässig in separate Spalten zu trennen.

Berücksichtige typische Sonderfälle und erkläre mir das Prinzip.“

Mit diesem Prompt kümmert sich ChatGPT um die Struktur und Fachlogik und nicht um die einfache Textbearbeitung.

Wie übergibt man die Daten an ChatGPT?

Für diesen Praxisfall genügt eine typische Auswahl der Rohwerte. Hilfreich sind:

• mehrere Beispielzellen
• verwendete Trennzeichen (/, -, |, Leerzeichen …)
• Hinweise, ob die Struktur immer gleich ist oder variiert

Bekannte Beispiele:

• „4711 – Schraube M8 / Lager A“
• „Müller GmbH | Vertrieb“
• „01.02.2024 14:35“

Entscheidend ist nicht die Datenmenge, sondern das Trennmuster.

Was ChatGPT daraufhin leistet

ChatGPT betrachtet das Problem nicht als Textspielerei, sondern als Strukturierungsaufgabe. Typische Ergebnisse sind:

eine klare Trennlogik:

• anhand fester Zeichen
• an definierten Positionen
• nach fachlichen Regeln

Vorschläge für geeignete Umsetzungswege:

• Excel-Formeln für transparente, flexible Lösungen
• Power Query für robuste, wiederholbare Aufbereitung

Hinweise auf Risiken:

• inkonsistente Trennzeichen
• fehlende Teile
• variable Textlängen

ChatGPT betrachtet dabei auch die Sonderfälle, wendet aber nicht einfach nur überall die Excel-Funktion TEXTTEILEN() an. Der Fokus liegt auf einer sauberen Datenstruktur.

Worauf man beim Prompt achten sollte

Das Trennen von Inhalten ist immer fachlich geprägt. Wichtige Klarstellungen im Prompt sind:

• Sind alle Inhalte immer vorhanden?
• Ist die Reihenfolge fix oder variabel?
• Darf Text verloren gehen oder nicht?
• Was passiert bei unvollständigen Einträgen?

Hilfreiche Ergänzungen sind dann:

„Die Reihenfolge ist immer gleich.“

„Manche Einträge enthalten keinen zweiten Teil.“

„Fehlerhafte Zeilen sollen erkennbar bleiben.“

So verhindert man fragile Lösungen.

Wie man das Ergebnis sinnvoll nutzt

Sauber getrennte Inhalte sind die Grundlage für:

• belastbare Pivot-Tabellen
• klare Filter und Gruppierungen
• valide Auswertungen
• stabile Weiterverarbeitung in Power Query oder Power Pivot

In der Praxis wird ChatGPT hier genutzt als:

• Sparringspartner bei der Definition der Trennlogik
• Entscheidungshilfe zwischen Formel- und Power-Query-Lösung
• Ideengeber für robuste Strukturierungsansätze

Bewährte Prompts für die Praxis

Trennlogik entwickeln

„Bitte entwickle eine robuste Logik, um kombinierte Inhalte in Excel sauber zu trennen.“

Lösungswege vergleichen

„Welche Vor- und Nachteile haben Formeln gegenüber Power Query beim Trennen von Zellinhalten?“

Sonderfälle prüfen

„Welche typischen Sonderfälle sollte ich bei dieser Trennlogik berücksichtigen?“

Struktur validieren

„Wie erkenne ich Zeilen, die nicht der erwarteten Struktur entsprechen?“

Didaktischer Prompt

„Bitte erkläre mir die Trennlogik so, dass ich sie fachlich nachvollziehen und erklären kann.“

Einordnung und Fazit

Kombinierte Zellinhalte sind ein Strukturproblem, kein reines Textproblem. Viele Datenfehler entstehen nicht durch falsche Werte, sondern durch fehlende Trennung fachlicher Informationen. ChatGPT hilft dabei,

• Strukturen zu erkennen,
• Trennlogiken sauber zu formulieren,
• robuste Lösungen aufzubauen.

Erst sauber getrennte Inhalte lassen sich zuverlässig auswerten und weiterverarbeiten.