Wenn die Summe fast stimmt
Die Inhaberin eines Onlineshops für Tierbedarf kopiert die Umsatzzahlen von zwölf Monaten in ein KI-Chatfenster und bittet um die Jahressumme. Die Antwort kommt sofort, sauber formatiert, mit einem freundlichen Begleitsatz – und weicht um ein paar hundert Euro vom Ergebnis ihres Taschenrechners ab. Beim zweiten Versuch stimmt die Summe plötzlich, beim dritten weicht sie wieder ab, diesmal anders. Ein Werkzeug, das mal richtig und mal falsch addiert, ist für die Buchhaltung schlimmer als gar keins.
Die Szene ist typisch – und sie führt viele Anwender zu dem vorschnellen Schluss, KI tauge nicht für Zahlen. Das Gegenteil ist richtig: Richtig eingesetzt ist KI ein hervorragendes Analysewerkzeug für Tabellen, Reports und Kalkulationen. Man muss nur einen entscheidenden Unterschied kennen: den zwischen einer KI, die Zahlen als Text schätzt, und einer KI, die tatsächlich rechnet.
Warum ein Sprachmodell kein Taschenrechner ist
Ein Sprachmodell erzeugt Antworten, indem es Wort für Wort die wahrscheinlichste Fortsetzung eines Textes vorhersagt. Für das Modell ist eine Zahl keine mathematische Größe, sondern eine Zeichenfolge wie jede andere. Kleine Rechnungen gelingen trotzdem zuverlässig, weil sie tausendfach in den Trainingsdaten vorkamen – das kleine Einmaleins hat das Modell schlicht als Muster verinnerlicht. Bei längeren Additionen, mehrstelligen Multiplikationen oder Prozentrechnungen über viele Posten reißt dieser Faden: Das Modell produziert eine Ziffernfolge, die aussieht wie ein Ergebnis, aber nie durch ein Rechenwerk gelaufen ist.
Das Tückische daran: Die falsche Summe ist meist nicht absurd falsch, sondern plausibel falsch – die Größenordnung stimmt, einzelne Ziffern nicht. Genau deshalb fällt der Fehler ohne Gegenprobe selten auf. Merksatz für den Alltag: Eine Chat-KI, die frei heraus antwortet, schätzt Zahlen. Sie tut das eloquent, aber sie rechnet nicht.
Dass moderne Modelle bei Rechenaufgaben trotzdem oft richtig liegen, macht die Lage paradoxerweise gefährlicher, nicht besser. Ein Werkzeug, das immer falsch rechnet, würde niemand für die Buchhaltung verwenden; eines, das in neun von zehn Fällen stimmt, wiegt in Sicherheit – bis der zehnte Fall in einem Angebot oder einer Preiskalkulation landet. Für geschäftsrelevante Zahlen ist eine Trefferquote unterhalb von hundert Prozent schlicht keine Kategorie, mit der sich arbeiten lässt.
Der Data-Analysis-Modus: Wenn die KI wirklich rechnet
Die Lösung für dieses Problem ist inzwischen in allen großen KI-Tools eingebaut, auch wenn sie unterschiedlich heißt: Datenanalyse-Modus, Code-Ausführung, Advanced Data Analysis. Das Prinzip ist immer dasselbe – und es lohnt sich, es einmal verstanden zu haben. Statt das Ergebnis als Text vorherzusagen, schreibt die KI ein kleines Programm, meist in der Programmiersprache Python, und führt es in einer geschützten Umgebung aus. Das Programm liest Ihre Tabelle ein, summiert, filtert, gruppiert – und die KI übersetzt das Ergebnis zurück in verständliche Sätze und Diagramme.
Der Unterschied ist fundamental: Der Programmcode rechnet exakt, so exakt wie Excel. Die Stärken des Sprachmodells – Ihre Frage verstehen, den Rechenweg planen, das Ergebnis erklären – verbinden sich mit der Präzision echter Berechnung. Sie müssen dafür kein Python lesen können. Aber Sie sollten hinschauen, ob die KI tatsächlich Code ausgeführt hat: Die Tools zeigen das an, etwa durch einen aufklappbaren Codeblock oder einen Hinweis wie "Analyse wird ausgeführt". Sehen Sie nur fließenden Antworttext ohne solchen Hinweis, wurde geschätzt statt gerechnet – dann fragen Sie explizit nach: "Bitte berechnen Sie das mit ausgeführtem Code, nicht im Kopf."
Praxis: Der Monatsreport aus der CSV-Datei
Wie das konkret aussieht, zeigt ein Ablauf, der sich in vielen Betrieben bewährt hat – vom Onlineshop bis zum Handwerksbetrieb mit Warenwirtschaft. Fast jedes System, ob Shopsoftware, Kassensystem oder Buchhaltungsprogramm, kann Daten als CSV-Datei exportieren, eine simple Tabellendatei. Diese Datei laden Sie in den Chat und stellen Fragen in normalem Deutsch.
Ein realistischer Monatsreport entsteht dann in einem einzigen Gespräch: Wie hat sich der Umsatz gegenüber dem Vormonat entwickelt, aufgeschlüsselt nach Produktkategorie? Welche zehn Artikel tragen am meisten zum Umsatz bei, welche liegen wie Blei im Lager? Wie hoch ist die Retourenquote je Kategorie, und in welcher sticht sie heraus? An welchen Wochentagen bestellen Kunden am meisten? Zu jeder Antwort kann die KI auf Wunsch ein Diagramm erzeugen und am Ende eine Zusammenfassung für die Teambesprechung formulieren – aus einer Stunde Pivot-Tabellen-Arbeit werden fünfzehn Minuten Dialog.
Zwei Dinge gehören zur ehrlichen Einordnung. Erstens ersetzt dieser Ablauf kein professionelles Controlling und keine Buchhaltungssoftware – er ergänzt sie um eine schnelle, flexible Auswertungsebene. Zweitens gehört vor den Upload ein kurzer Datenschutz-Check: Kundennamen, Kontodaten und andere personenbezogene Angaben haben in einem Cloud-Chat nichts verloren, sofern Ihr Unternehmen dafür keine geklärte Grundlage hat. Oft reicht es, die entsprechenden Spalten vor dem Export zu entfernen oder zu pseudonymisieren – für die Frage nach Umsatz je Kategorie braucht niemand den Kundennamen.
#
Nicht nur E-Commerce: Nachkalkulation im Handwerk
Der gleiche Ablauf funktioniert überall dort, wo Zahlen in Tabellen anfallen. Ein Zimmereibetrieb exportiert die erfassten Arbeitsstunden und Materialkosten der abgeschlossenen Projekte eines Quartals und lässt die KI je Projekt kalkulierte und tatsächliche Stunden gegenüberstellen. Innerhalb weniger Minuten liegt auf dem Tisch, welche Auftragsarten regelmäßig aus dem Ruder laufen und wo die ursprüngliche Kalkulation zu optimistisch war – eine Nachkalkulation, die viele Betriebe aus Zeitgründen schlicht nie machen, obwohl sie über die Marge entscheidet. Eine Arztpraxis kann auf demselben Weg Terminausfälle nach Wochentag und Uhrzeit auswerten, eine Kanzlei die Verteilung ihrer abrechenbaren Stunden. Die Methode ist immer gleich: exportieren, hochladen, in normalem Deutsch fragen.
Erst die Datenqualität prüfen, dann auswerten
Der häufigste Grund für unbrauchbare Analysen sind nicht KI-Fehler, sondern schmutzige Daten. Ein Ausreißer – die versehentlich mit 9.999 Euro statt 99,99 Euro erfasste Bestellung – verzerrt jeden Durchschnitt. Doppelt importierte Rechnungen blähen den Umsatz auf. Leere Felder, uneinheitliche Schreibweisen derselben Kategorie oder das klassische Problem von Datumsformaten und Dezimalkommas beim CSV-Export führen zu stillen Fehlern, die im fertigen Diagramm nicht mehr sichtbar sind.
Machen Sie es sich deshalb zur Regel, jede Analyse mit einer Qualitätsrunde zu beginnen. Die passende erste Anweisung lautet sinngemäß: "Prüfen Sie die Datei zuerst auf Auffälligkeiten – fehlende Werte, Duplikate, extreme Ausreißer, uneinheitliche Kategorien – und listen Sie diese auf, bevor wir auswerten." Genau bei dieser undankbaren Fleißarbeit ist die KI ausgesprochen stark: Sie findet in Sekunden, wonach ein Mensch lange scrollen müsste. Erst wenn die Auffälligkeiten geklärt sind – korrigieren, ausschließen oder bewusst drinlassen –, beginnt die eigentliche Auswertung. Die Reihenfolge ist keine Formalie: Eine Analyse auf ungeprüften Daten liefert präzise aussehende Ergebnisse mit falschem Fundament.
Excel-Hilfe und Angebotsvergleiche
Neben der Analyse ganzer Dateien glänzt KI in zwei weiteren Zahlen-Disziplinen des Büroalltags. Die erste ist Excel-Hilfe. Beschreiben Sie in normalen Worten, was eine Formel tun soll – "Ich möchte zu jeder Artikelnummer in Spalte A den Preis aus der zweiten Tabelle holen" –, und die KI liefert die passende Formel samt Erklärung, etwa mit SVERWEIS oder der moderneren Funktion XVERWEIS. Genauso hilfreich ist die umgekehrte Richtung: eine kryptische Formel aus einer geerbten Arbeitsmappe einfügen und erklären lassen, oder eine Fehlermeldung wie #NV gemeinsam eingrenzen. Was früher ein Fall für Forendurchsuchung oder den Excel-erfahrenen Kollegen war, klärt sich meist in zwei Minuten Dialog. Auch beim Aufbau neuer Arbeitsmappen lohnt die Beratung: Wer beschreibt, welche Auswertung am Ende herauskommen soll, bekommt Vorschläge für Tabellenstruktur, Pivot-Aufbau und passende Diagrammtypen – und vermeidet damit die typischen Konstruktionsfehler, die sich später nur mühsam korrigieren lassen.
Die zweite Disziplin sind Vergleiche. Wer drei Handwerker-Angebote für die Bürorenovierung oder mehrere Lieferantenkonditionen auf dem Tisch hat, kann die Dokumente hochladen und die KI eine Vergleichstabelle erstellen lassen: Positionen nebeneinander, fehlende Leistungen markiert, auffällige Preisunterschiede benannt. Das strukturiert in Minuten, was von Hand einen Nachmittag kostet. Auch hier gilt die Grundregel dieses Textes: Die Struktur liefert die KI, die entscheidungsrelevanten Zahlen prüfen Sie stichprobenartig am Original – besonders dann, wenn die Beträge aus eingescannten PDFs ausgelesen wurden.
Wo die Grenzen liegen
Zur ehrlichen Bestandsaufnahme gehört auch, was der Chat-Ansatz nicht leistet. Er ist ein Werkzeug für Ad-hoc-Analysen, nicht für den Dauerbetrieb: Wer jeden Morgen automatisch aktualisierte Kennzahlen braucht, ist mit einem Dashboard oder einer Business-Intelligence-Lösung besser bedient – auch wenn die KI beim Aufbau solcher Lösungen wiederum helfen kann. Bei sehr großen Datenmengen mit Millionen von Zeilen stoßen die Analyse-Umgebungen der Chat-Tools an Kapazitätsgrenzen, und die Ergebnisse einer Dialog-Auswertung sind nicht automatisch reproduzierbar: Wer denselben Report nächsten Monat wieder braucht, sollte sich den bewährten Analyseablauf von der KI als wiederverwendbare Schrittfolge zusammenfassen lassen und ihn in der eigenen Prompt-Sammlung ablegen. Innerhalb dieser Grenzen aber ersetzt der Datenanalyse-Modus einen erheblichen Teil der Auswertungsarbeit, die bisher an Excel-Kenntnissen oder schlicht an fehlender Zeit gescheitert ist.
Fazit: Schätzen lassen war gestern
Der Umgang mit Zahlen ist kein Schwachpunkt der KI mehr – aber er verlangt den bewussten Griff zum richtigen Modus. Frei formulierende Chat-KI schätzt und eignet sich für Zahlenwerk nicht; der Datenanalyse-Modus rechnet mit ausgeführtem Code exakt und macht aus CSV-Exporten auswertbare Reports. Dazwischen liegen nur ein Datei-Upload und die Gewohnheit, Datenqualität vor Auswertung zu stellen.
Drei konkrete nächste Schritte: Exportieren Sie eine unkritische Tabelle aus Ihrem System – etwa Verkaufszahlen eines Monats ohne Kundendaten – und stellen Sie ihr im Datenanalyse-Modus fünf Fragen, deren Antworten Sie grob kennen. Etablieren Sie die Qualitätsprüfung als festen ersten Schritt jeder Analyse. Und notieren Sie die zwei Auswertungen, die Sie monatlich von Hand erstellen – sie sind die ersten Kandidaten für den neuen Ablauf. Wenn Sie solche Auswertungsroutinen im Betrieb einführen möchten, unterstützt FJ Design mit Workshops und Umsetzungsbegleitung.