Diagramme und Tabellen analysieren

Ein Diagramm verdichtet auf wenigen Quadratzentimetern Informationen, die sich in einer Tabellenkalkulation über mehrere Bildschirme erstrecken würden. Sie erfassen es schnell; selten lesen Sie es vollständig. Anstatt eine Reihe von Balken oder ein Analytics-Dashboard manuell zu entschlüsseln, laden Sie die Grafik in ChatGPT hoch. Sie erhalten eine strukturierte Interpretation, erkennen entstehende Trends und bekommen Empfehlungen, die auf den dargestellten Daten basieren.

Was ChatGPT lesen kann

Bei einem Balken- oder Säulendiagramm identifiziert das Modell Kategorien, relative Werte und signifikante Abweichungen. Bei einem Liniendiagramm erkennt es Trends, Wendepunkte und Anomalien – das Quartal, das abstürzt, oder der September-Spike, der sich vom Rest unterscheidet. Ein Kreisdiagramm ermöglicht es dem Modell, die Verteilung der Anteile zu rekonstruieren und Segmente zu vergleichen.

Die Lesefähigkeit geht über grafische Darstellungen hinaus. Konfrontiert mit einer Datentabelle liest es die Zellen, berechnet Summen und markiert Extremwerte. Ein Gantt-Diagramm oder ein Organigramm verschafft ihm Zugang zu Arbeitsabläufen und Abhängigkeiten: Welche Aufgabe blockiert eine andere? Wer berichtet an wen? Ein Screenshot eines Analytics-Tools eignet sich für eine Zusammenfassung der sichtbaren KPIs und erspart Ihnen das mühsame Übertragen von Zahlen aus einer Konsole, auf die Sie keinen Exportzugriff haben.

Der Dreiteilige Prompt

Eine relevante Analyse basiert auf drei Informationen, die das Modell nicht erraten kann. Der Kontext steht an erster Stelle: „Hier ist ein Diagramm, das die Entwicklung unseres Quartalsumsatzes über zwei Jahre zeigt.” Die spezifische Frage folgt: „Welche Quartale weisen ein Wachstum von mehr als 10 % auf?” Der erwartete Format schließt den Kreis: „Präsentieren Sie Ihre Antwort als Liste mit den genauen Prozentwerten.”

Entfernen Sie das erste Element, interpretiert ChatGPT Zahlen ohne Kontext, da es weder Ihre Branche noch Ihre Größenordnung kennt. Entfernen Sie das dritte Element, müssen Sie das Gelieferte nachträglich neu formatieren.

Schrittweise Analyse komplexer Visualisierungen

Stellen Sie sich einen Screenshot von Google Analytics vor, der Ihren Website-Traffic über sechs Monate zeigt. Wenn Sie sofort „Analysiere dies und sag mir, was zu tun ist” fragen, quetschen Sie drei distincte Operationen in eine einzige Anfrage zusammen. Das führt dazu, dass Sie am Ende nicht wissen, welcher Schritt fehlgeschlagen ist.

Beginnen Sie mit der rohen Erfassung: „Beschreiben Sie, was Sie in diesem Dashboard sehen. Identifizieren Sie die wichtigsten angezeigten Metriken.” So stellen Sie sicher, dass Sie und das Modell dasselbe Diagramm betrachten. Gehen Sie dann zur Interpretation über: „Was sind die wichtigsten Trends? Gibt es ungewöhnliche Spitzen oder Einbrüche?” Erst danach schreiten Sie zur Handlungsempfehlung: „Welche Maßnahmen würden Sie auf Basis dieser Daten empfehlen, um den Traffic im nächsten Monat zu steigern?” Jeder Schritt baut auf dem vorherigen auf und ermöglicht es Ihnen, Fehlinterpretationen zu korrigieren, bevor sie die finale Empfehlung verfälschen.

Der Fall fotografierter Tabellen

Eine gedruckte Preisliste, ein papierener Kontoauszug, ein an die Wand gehefteter Dienstplan: Alles, was nicht in digitaler Form vorliegt, kann fotografiert und konvertiert werden. Machen Sie ein Foto von einer Speisekarte und fragen Sie: „Wandeln Sie diese Speisekarte in eine strukturierte Tabelle mit den folgenden Spalten um: Gericht, Beschreibung, Preis.” Sie erhalten ein sauberes Raster, wo zuvor nur eine schräge Aufnahme existierte.

Der Mehrwert steigt noch einmal, wenn Sie Berechnungen anschließen. Bei einer monatlichen Ausgabenübersicht liefert die Aufforderung „Berechnen Sie die Summe pro Kategorie und identifizieren Sie die drei größten Ausgabenposten” in einem Durchgang das, was eine manuelle Eingabe in die Tabellenkalkulation gekostet hätte. Prüfen Sie jedoch Beträge, die für Sie verbindlich sind, doppelt: Ein falsch gelesener Wert meldet sich nicht von selbst; er pflanzt sich stillschweigend in alle Summen fort. Für die Berechnungen selbst sollten Sie ChatGPT auffordern, die Datenanalyse-Funktion zu nutzen: Das OpenAI Help Center weist darauf hin, dass exakte Berechnungen in Python durchgeführt werden, sofern die Werte korrekt gelesen wurden. Wägen Sie zudem Datenschutzbedenken ab, bevor Sie einen Kontoauszug oder andere persönliche Dokumente fotografieren.

Wo die visuelle Analyse an ihre Grenzen stößt

Bestimmte Konstellationen überfordern das System; es ist besser, diese zu erkennen, als weiter Druck auszuüben. Ein Diagramm mit sehr niedriger Auflösung, bei dem die Zahlen physisch unleserlich sind, lehrt das Modell nichts mehr, als es Sie lehrt. Zwei Linien in ähnlichen Farbtönen – Gelb und Orange auf weißem Hintergrund – verschwimmen ineinander und verzerren die Wertezuordnung. 3D-Diagramme mit Perspektiveffekten verzerren Proportionen und induzieren fehlerhafte Vergleiche. Sehr dichte Tabellen mit Dutzenden von Spalten in kleiner Schrift überschreiten die Schwelle, ab der jede Zelle noch unterscheidbar bleibt.

Die richtige Reaktion besteht nicht darin, den Prompt umzuformulieren, sondern das Medium zu wechseln: Exportieren Sie die Rohdaten als CSV- oder Excel-Datei und senden Sie diese. Die Analyse gewinnt an Zuverlässigkeit, was sie an Unmittelbarkeit verliert.

Das Help Center merkt zudem an, dass Diagramme, bei denen sich Linien nur durch den Strichstil unterscheiden – durchgezogen, gestrichelt oder gepunktet –, zu Verwirrung führen können.

Sie sind dran

Analysieren Sie ein echtes Diagramm. Wählen Sie ein reales Diagramm, einen Bericht, einen Nachrichtenartikel oder Ihre eigenen Zahlen und laden Sie es hoch: „Analysieren Sie diese Visualisierung im Detail. Identifizieren Sie die drei wichtigsten Informationen, Trends und etwaige Anomalien. Schlagen Sie anschließend zwei Fragen vor, zu denen diese Daten Anlass geben sollten.” Geben Sie in derselben Nachricht Ihre Branche an und ergänzen Sie manuell jede Legende oder Achsenbeschriftung, die Ihr Screenshot möglicherweise abgeschnitten hat.

Offizielle Quellen: ChatGPT Image Inputs FAQ · Data analysis with ChatGPT · Does ChatGPT tell the truth? (OpenAI Help Center)

Kernaussagen

• ChatGPT kann die meisten Diagrammtypen analysieren: Balken, Linien, Kreise, Tabellen, Dashboards
• Strukturieren Sie Ihren Prompt in drei Teile: Kontext, Frage, Antwortformat
• Gehen Sie bei komplexen Visualisierungen schrittweise vor, anstatt alles in einem Prompt abzufragen
• Überprüfen Sie extrahierte numerische Werte bei kritischen Daten stets manuell
• Wenn ein Diagramm unleserlich ist, exportieren Sie die Rohdaten und senden Sie diese stattdessen als Datei