Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Stellen Sie Datenfragen auf natürliche Sprache

Lektion 2 von 14 Aktualisiert am 5. November 2026 Mittelstufe
Auf dieser Seite
  1. Fragen Sie Ihre Daten so, als würden Sie mit einem Kollegen sprechen
  2. Das Prinzip: Von natürlicher Sprache zu Python-Code
  3. Arten von Fragen, die Sie stellen können
  4. Formulierung effektiver Fragen
  5. Iteration von Ergebnissen
  6. Mehr Nachdenken für komplexe Analysen
  7. Ihre Reihe
  8. Kernaussagen

Fragen Sie Ihre Daten so, als würden Sie mit einem Kollegen sprechen

Der größte Vorteil von ChatGPT für die Datenanalyse lässt sich auf eine Sache reduzieren: Es versteht Ihre Fragen in einfacher englischer Sprache. Sie benötigen kein SQL, kein Python oder eine verschachtelte Excel-Formel mit drei Ebenen. Beschreiben Sie einfach genau, wonach Sie suchen, so wie Sie es einem Kollegen Analysten sagen würden, der dieselbe Datei betrachtet, und ChatGPT übersetzt Ihre Absicht in ausführbaren Code. Dieser Wandel ist real und verändert die Art der Arbeit: Ihr Aufwand verlagert sich von der Syntax zur Formulierung der richtigen Frage.

Das Prinzip: Von natürlicher Sprache zu Python-Code

Wenn Sie eine Frage zu Ihren Daten stellen, passiert im Hintergrund Folgendes:

Von natürlicher Sprache zum Ergebnis Vier Schritte: Sie stellen die Frage auf natürliche Sprache; ChatGPT schreibt den Python-Code, oft mit pandas; der Code läuft in einem Jupyter-Notebook; das Ergebnis kommt als Tabelle, Zahl oder Diagramm an. PRINZIP Von natürlicher Sprache zum Ergebnis 1 Frage Auf natürliche Sprache 2 Code Python, oft pandas 3 Ausführung In einem Notebook Jupyter 4 Ergebnis Tabelle, Zahl, Diagramm Zeigen Sie den Code an und überprüfen Sie die Annahmen, bevor Sie dem Ergebnis vertrauen.
Basierend auf dem Artikel „Data analysis with ChatGPT" aus dem OpenAI Help Center (November 2026).

Dieser Code ist keine Black Box: Sie können ihn anzeigen, überprüfen und ChatGPT bitten, die Methode anzupassen. Beachten Sie, dass die Python-Umgebung keinen Webzugriff hat: Wenn Ihre Analyse externe Daten benötigt, importieren Sie diese oder verbinden Sie eine Quelle.

Arten von Fragen, die Sie stellen können

**Zusammenfassungs-**Fragen helfen Ihnen, einen Eindruck von der Datei zu bekommen, bevor Sie in die Details einsteigen: „Wie viele Zeilen und Spalten hat diese Datei?”, „Geben Sie mir einen allgemeinen Überblick über die Daten” oder „Welche Spalten sind verfügbar und welche Typen haben sie?” Diese Fragen verhindern, dass Sie eine Analyse starten, die eine Granularität voraussetzt, die Ihre Daten nicht haben – Sie können beispielsweise die durchschnittliche Korbgröße pro Kunde nicht berechnen, wenn die Datei bereits nach Region aggregiert ist.

Als Nächstes kommen **Aggregations-**Fragen, die Tausende von Zeilen in handlungsrelevante Zahlen kondensieren: „Was ist der Gesamtumsatz nach Produktkategorie?”, „Was ist die durchschnittliche Korbgröße pro Monat?”, „Wie viele eindeutige Kunden pro Quartal?” Dies ist der Kern monatlicher Berichte und oft die Hälfte der Arbeit, die Sie zu erledigen haben.

**Filter-**Fragen isolieren dann einen relevanten Teilmenge – „Zeigen Sie mir nur Verkäufe über 10.000 €”, „Welche Produkte hatten im März keine Verkäufe?”, „Listen Sie Kunden in der Île-de-France-Region” – während **Rang-**Fragen Daten ordnen, um Extreme hervorzuheben: „Wer sind die Top 10 Verkäufer?”, „Rangieren Sie Regionen nach Umsatz in absteigender Reihenfolge”, „Welcher Monat war am besten?” In der Praxis verknüpft eine ernsthafte Analyse alle vier Typen: Sie fassen zusammen, aggregieren, filtern die Anomalie aus, die Sie entdeckt haben, und rangieren, um Maßnahmen zu priorisieren. Sie können auch Zeilen, Spalten oder Zellen in der interaktiven Tabellen-Vorschau auswählen und dann Ihre Frage nur zu dieser Auswahl stellen – der häufigste Wert in einer Spalte, der Durchschnitt von wenigen Zellen.

Formulierung effektiver Fragen

Die Qualität der Antwort hängt direkt davon ab, wie klar Ihre Frage ist. Ihr erster Reflex sollte sein, Spalten zu benennen, statt in Allgemeinplätze zu sprechen. „Analysiere Verkäufe” lässt ChatGPT raten, welche Spalte den Betrag enthält; diese Formulierung lässt keinen Raum für Interpretationen:

Berechne die Summe der Spalte „amount_incl_tax" gruppiert nach „region"
und sortiert von höchstem zu niedrigstem Wert.

Ihr zweiter Reflex ist, das gewünschte Ausgabeformat anzugeben. Andernfalls erhalten Sie eine textuelle Antwort, wenn Sie eine Tabelle für den Bericht benötigen, und Sie verlieren die Zeit, die Sie bei der Berechnung durch das Neuformatieren gespart haben:

Gib mir das Ergebnis als Tabelle mit diesen Spalten:
region, Gesamtumsatz, Anzahl der Transaktionen, durchschnittliche Korbgröße.

Der dritte, oft übersehene Punkt, ist, geschäftlichen Kontext bereitzustellen, der nicht in der Datei enthalten ist. ChatGPT weiß nicht, dass bestimmte Zeilen nicht in die Berechnung einbezogen werden sollten:

Die Spalte „status" enthält „approved", „pending" und „cancelled".
Nehmen Sie nur genehmigte Bestellungen auf.

Ohne diese Klarstellung verzerren Ihre stornierten Bestellungen den Umsatz, und der Fehler bleibt unbemerkt: Das Ergebnis sieht immer noch völlig plausibel aus. Dies ist die Art von Fehler, der in einem Führungskräfte-Meeting unbemerkt durchrutscht.

Iteration von Ergebnissen

Die Datenanalyse ist selten linear, und Sie werden nicht erwartet, die richtige Frage beim ersten Versuch zu finden. Sie beginnen damit, den Gesamtumsatz nach Monat zu erfragen, bemerken einen Rückgang im Februar und fragen dann, warum dieser Rückgang auftrat. Wenn die Antwort vage bleibt, filtern Sie auf die Kategorie „premium” und berechnen neu, vergleichen dann mit demselben Zeitraum des Vorjahres, um festzustellen, ob es sich um bekannte Saisonalität oder einen Vorfall handelt.

ChatGPT behält den Gesprächskontext und die hochgeladene Datei bei, sodass jede Frage auf den vorherigen aufbaut. Dies macht eine schrittweise Exploration möglich: Der Rückgang im Februar, einmal auf das Premium-Segment isoliert, könnte durch einen einzelnen großen Kunden erklärt werden, der zu einem Wettbewerber gewechselt ist – ein Schluss, der aus der ersten Frage nicht erreichbar wäre.

Mehr Nachdenken für komplexe Analysen

Manche Fragen können nicht mit einer einfachen Aggregation gelöst werden. Kreuzkorrelationen, Analysen mehrerer Quellen, differenzierte Interpretationen: Wenn mehrstufiges Nachdenken erforderlich ist, wählen Sie ein höheres Denklevel im ChatGPT-Selektor – High oder Extra High je nach Ihrem Plan, oder die Think-Taste auf Free und Go. Das zusätzliche Nachdenken hilft dabei, Faktoren zu berücksichtigen, die eine Verbindung zwischen zwei Variablen erklären könnten, bevor man Kausalität behauptet, subtile Muster zu erkennen – eine Saisonalität, die um drei Wochen verschoben ist, ein Segment, das Quartal für Quartal abnimmt – und Empfehlungen aus den berechneten Zahlen zu entwickeln. Keine Einstellung verwandelt jedoch Korrelation in Kausalität: Hier entscheidet Ihre Domänenexpertise und manchmal ein Test.

Ihre Reihe

Ihre ersten Fragen.

  1. Importieren Sie eine Datei, die Sie gut kennen.
  2. Stellen Sie eine Frage aus jeder Familie: Zusammenfassung, Aggregation, Filterung, Rangierung.
  3. Formulieren Sie eine davon neu, indem Sie Spalten benennen und das Ausgabeformat angeben, und vergleichen Sie die beiden Antworten.
  4. Fügen Sie eine Geschäftsregel hinzu – beispielsweise den Ausschluss stornierter Bestellungen – und messen Sie den Unterschied.
  5. Zeigen Sie den Code für eine Berechnung an und überprüfen Sie ihn manuell auf zwei oder drei Zeilen.

Offizielle Quellen: Data analysis with ChatGPT · Extracting Insights with ChatGPT Data Analysis (OpenAI Help Center) · Prompting (ChatGPT-Dokumentation)

Kernaussagen

  • Stellen Sie Fragen auf einfache englische Sprache; ChatGPT übersetzt sie in Code.
  • Seien Sie spezifisch: Benennen Sie Spalten, geben Sie Filter an, zeigen Sie Ihr gewünschtes Format an.
  • Iterieren Sie innerhalb desselben Gesprächs, um Ihre Analyse zu vertiefen.
  • Erhöhen Sie das Denklevel für mehrstufige Analysen.
  • Überprüfen Sie Ergebnisse immer – ChatGPT kann eine Spalte falsch interpretieren.