Excel mit ChatGPTMit ChatGPT Parameter und dynamische Logik für Power Query entwickeln

Problem: Statische Power-Query-Abfragen

Viele Power-Query-Abfragen funktionieren technisch einwandfrei, sind aber statisch. Sie kennzeichnet beispielsweise:

• ein fest eingestellter Datumsfilter
• ein fixer Zeitraum
• ein bestimmter Ordnerpfad
• eine einmal definierte Grenze („ab 01.01.2024“)

Sobald sich etwas ändert, muss die Abfrage angepasst werden. Das widerspricht dem eigentlichen Ziel von Power Query: Automatisierung und Wiederverwendbarkeit.

Gerade dynamische Datumsfilter sind besser. Zum Beispiel:

• letzter Monat
• letzte 30 Tage
• aktuelles Jahr
• rollierender Zeitraum

Viele Anwender wissen, dass sich dies in der Abfrage einbauen lässt. Aber sie wissen nicht, wie man es korrekt aufbaut.

Der passende Prompt (Beispiel)

Der Schlüssel liegt darin, nicht nach einer einzelnen Funktion, sondern nach einer steuerbaren Logik zu fragen. Ein sinnvoller Prompt wäre zum Beispiel:

„Ich habe eine Power-Query-Abfrage mit einem festen Datumsfilter.
Bitte entwickle eine parametrisierbare, dynamische Lösung, mit der ich zum Beispiel immer automatisch den letzten vollständigen Monat filtern kann. Die Logik soll sauber aufgebaut, gut verständlich und leicht anpassbar sein.“

Damit ist klar:

• Es geht um Dynamik, nicht um einen fixen Wert.
• Die Lösung soll strukturiert, nicht „zusammengeklickt“ sein.

Wie übergibt man die Abfrage an ChatGPT?

Damit ChatGPT sich auf das jeweilige Beispiel beziehen kann und das Ergebnis direkt nutzbar ist, braucht ChatGPT ergänzend zum Prompt:

• entweder den vollständigen M-Code einer bestehenden Abfrage,
• oder eine Beschreibung der aktuellen Filterlogik; zum Beispiel „Datum größer als 01.05.2024“.

ChatGPT benötigt zudem:

• das vorhandene Filterprinzip
• und das gewünschte dynamische Ziel; etwa „letzter Monat“.

Der eigentliche Mehrwert entsteht, wenn ChatGPT die Logik neu denkt, nicht nur ersetzt.

Was ChatGPT daraufhin leistet

ChatGPT strukturiert das Problem meist in zwei Ebenen:

Ableitung des relevanten Zeitraums

• Start- und Enddatum des letzten vollständigen Monats
• unabhängig vom aktuellen Tagesdatum
• als klar definierter Parameter
• oder als logisch abgegrenzter Berechnungsschritt

Saubere Einbindung in die Abfrage

Das Ergebnis ist keine „magische Formel“, sondern eine nachvollziehbare Datumslogik, die sich leicht auf andere Zeiträume übertragen lässt (zum Beispiel aktuelles Jahr, rollierende 12 Monate).

Wichtig: ChatGPT denkt hier fachlich („Was ist der letzte vollständige Monat?“), nicht nur technisch.

Worauf man beim Prompt achten sollte

Gerade bei Parametern lohnt sich Präzision. Zum Beispiel kann „letzter Monat“ bedeuten: letzter Kalendermonat, letzte 30 Tage oder letzter abgeschlossener Zeitraum. Je klarer diese fachliche Definition ist, desto besser wird die Lösung.

Hilfreiche Ergänzungen im Prompt sind deshalb:

letzter vollständiger Monat

ohne manuelle Anpassung

geeignet für regelmäßige Aktualisierung

leicht auf andere Zeiträume erweiterbar

So lenken Sie ChatGPT weg von Einzellösungen hin zu wiederverwendbarer Logik.

Wie man das Ergebnis sinnvoll nutzt

Der große Vorteil von Parametern und dynamischer Logik ist die Entkopplung von Daten und Steuerung:

• Die Abfrage bleibt gleich.
• Der Zeitraum passt sich automatisch an.
• Berichte werden stabiler.
• Aktualisierungen laufen ohne manuelle Eingriffe.

Typische Einsatzszenarien sind:

• Monatsberichte
• rollierende Auswertungen
• Dashboards
• automatische Exporte
• standardisierte Reports

Fazit

Dieser Praxisfall zeigt einen wichtigen Entwicklungsschritt in Power Query: von statischen Abfragen zu steuerbaren, dynamischen Datenprozessen. ChatGPT unterstützt dabei als:

• Ideengeber für saubere Parametrisierung
• Übersetzer fachlicher Anforderungen
• Strukturgeber für nachvollziehbare Logik