Lösung · Nach Integration
ChatGPT in einer Zelle ist eine Demo. Excel mit KI automatisieren ist ein Prozess.
Wir kommen nicht, um dir ein Add-in zu installieren. Das Problem ist nicht, dass Excel eine KI-Formel fehlt: Das Problem ist, dass jede Woche dieselbe Datei ankommt und sich jemand hinsetzt, um sie Zeile für Zeile zu sortieren. Wir bauen diese Arbeit als Prozess —die Tabelle geht rein, kommt fertig raus, das Zweifelhafte markiert und mit Nachweis, warum— auf deinem Microsoft 365 und lassen sie in Produktion.
Das Problem
Die Integration zwischen Excel und KI gibt es in deinem Unternehmen längst. Sie ist ein Mensch und läuft donnerstagnachmittags.
- Die Datei kommt jede Woche gleich —der ERP-Export, die Preisliste des Lieferanten, die CSV der Plattform— und jemand öffnet sie, um Zeilen zu klassifizieren, Namen zu vereinheitlichen, die in sechs Schreibweisen vorliegen, und die fehlenden Spalten zu füllen.
- Ein Add-in ist längst installiert. Jemand hat eine KI-Formel in eine Spalte gesetzt, bei dreißig Zeilen lief es hervorragend und bei viertausend flog es auseinander: Kontingent aufgebraucht, hängende Zellen, verstreute Fehler und eine Datei, die niemand neu berechnen will, damit das Gute nicht mitgeht.
- Dieselbe Zeile kommt dienstags anders klassifiziert heraus als donnerstags. Niemand kann erklären, warum, denn die Entscheidung lebt in einer Zelle und es bleibt kein Nachweis, womit sie getroffen wurde.
- Wenn es eilt, wird die ganze Datei in einen privaten Chat gekippt, "damit er sie analysiert". Preise, Kunden, Gehälter. Sie verlässt das Unternehmen ohne Protokoll und kommt als Text zurück, den jemand wieder abtippt.
- Es gibt vier Versionen der Tabelle: die aus der Mail, die in OneDrive, die jemand auf den Desktop geladen hat und die, die an die Geschäftsführung ging. Die richtige ist die, die der Absender dafür hält.
Was es kostet, alles zu lassen
Das steht nicht im Softwarebudget, das steht in der Lohnabrechnung. Laut Eurostat (Erhebung zur IKT-Nutzung und zum E-Commerce in Unternehmen, Bereich: Europäische Union) nutzten 2025 20,0 % der Unternehmen mit 10 oder mehr Beschäftigten KI-Technologien, gegenüber 13,5 % im Jahr 2024. Da hört die Zahl auf; die Lesart ist unsere: Vier von fünf erledigen Arbeit wie diese weiterhin mit Menschen. Und Handarbeit kostet nicht nur Stunden, sie kostet Fehler: Die Auswertung von dreizehn Feldstudien durch Raymond Panko (University of Hawaii, Fassung 2008; Bereich: USA und Vereinigtes Königreich) fand, dass 94 % der 88 geprüften operativen Tabellen mindestens einen Fehler enthielten, bei einer durchschnittlichen Fehlerquote von 5,2 % in den Formelzellen. Jede Woche, in der die Tabelle von Hand bearbeitet wird, sind teure Stunden fürs Abtippen plus Entscheidungen auf Basis einer Datei, die statistisch Fehler hat, die niemand gesehen hat.
Die Lösung
Wir holen die Arbeit aus der Zelle und bauen sie als Prozess: Die Tabelle geht rein, kommt fertig raus, mit Nachweis, warum
- 1Wir fangen bei der Tabelle an, nicht beim Werkzeug. Welche es ist, wie oft sie kommt, was die Person Zeile für Zeile entscheidet und nach welchem Kriterium. Dieses Kriterium —das heute im Kopf desjenigen steckt, der es macht— wird aufgeschrieben, mit dir durchgesprochen und zu den Regeln des Prozesses. Das ist der langweilige Teil und der, der über das Ergebnis entscheidet.
- 2Wir bauen die Arbeit außerhalb der Zelle. Die Tabelle bleibt, wo sie ist —OneDrive, SharePoint oder Google Drive— und der Prozess liest sie über die Microsoft Graph API, oder über Apps Script, wenn du in Workspace lebst: Er arbeitet in Stapeln, schreibt in die Spalte zurück und führt den Nachweis. Keine Formeln, die sich neu berechnen und die Antwort ändern, sobald jemand die Datei öffnet.
- 3Wir trennen das Deterministische von dem, was Urteil verlangt. Gegen eine Stammdatenliste abgleichen, ein Format prüfen oder eine Regel anwenden macht Code: Der irrt sich nicht und rechnet nicht pro Token ab. Vom Modell verlangen wir nur, was wirklich Interpretation braucht —was dieser Begriff ist, in welche Kategorie diese frei geschriebene Zeile gehört— und zwar mit strukturierter Ausgabe, nicht als loser Text, den danach jemand aufräumt.
- 4Wir setzen Schwellenwert und Prüfwarteschlange. Was das Modell nicht sicher weiß, wird markiert und geht an einen Menschen, statt durchzurutschen, als wäre es richtig: Das ist menschliche Aufsicht genau dort, wo Korrigieren am billigsten ist. Und jede Zeile trägt, woher ihr Wert kam, damit die Tabelle geprüft statt geglaubt werden kann.
Was sich ändert
Was du nicht mehr verlierst
20,0 % der EU-Unternehmen mit 10 oder mehr Beschäftigten nutzten 2025 KI-Technologien, gegenüber 13,5 % im Jahr 2024. Bereich: Europäische Union.
Eurostat, IKT-Nutzung und E-Commerce in Unternehmen (2025)
In dreizehn Feldstudien enthielten 94 % der 88 geprüften operativen Tabellen mindestens einen Fehler, bei einer durchschnittlichen Fehlerquote von 5,2 % in den Formelzellen. Bereich: akademische Prüfungen von Unternehmenstabellen in den USA und im Vereinigten Königreich.
Raymond R. Panko, "What We Know About Spreadsheet Errors" (University of Hawaii, Fassung 2008)
Was wir messen: Anteil der Zeilen, die ohne Zutun erledigt werden, Treffergenauigkeit gegen eine bereits von deinem Team klassifizierte Stichprobe, Stunden pro Woche für die Tabelle vorher und nachher, und wie viele Zeilen aus welchem Grund in der Prüfwarteschlange landen.
Was wir messen
Datenblatt
- Wegfallende Arbeit
- dass eine Person jede Woche dieselbe Tabelle öffnet, um Zeilen zu klassifizieren, Fehlendes zu ergänzen und die Zusammenfassung zu bauen
- Übliche Einrichtung
- 2–4 Wochen
- Eingang
- die Tabelle, die jede Woche gleich ankommt: der ERP-Export, die Preisliste des Lieferanten, die CSV der Plattform
- Ausgang
- genau diese Tabelle mit befüllten und klassifizierten Spalten, das Zweifelhafte zur Prüfung markiert und der Nachweis, warum jede Zeile so herauskam
- Kompatibel mit
- Microsoft ExcelMicrosoft 365OneDriveSharePointGoogle SheetsChatGPT EnterpriseOpenAI APIPower Automaten8nMake
- Kann sich verbinden mit
- Dein ERP oder CRM, aus dem der Export kommtDie Lieferantendateien, die per Mail eintreffenDas Dashboard oder der Bericht, der danach gebaut wird
- Was wir messen
- % der Zeilen, die ohne Zutun erledigt werdenTreffergenauigkeit gegen eine bereits von deinem Team klassifizierte StichprobeStunden pro Woche für die Tabelle vorher und nachherZeilen, die in der Prüfung landen, und aus welchem Grund
- Geeignet für
- Unternehmen mit einer wiederkehrenden Tabelle von hunderten oder tausenden Zeilen, die heute jemand von Hand bearbeitet
- Nicht geeignet für
- einmalige Tabellen oder zwanzig Zeilen: da bringt dir das Add-in der Saison mehr als ein gebauter Prozess
Häufig gestellte Fragen
Zum Ausprobieren ja, für einen wöchentlichen Prozess nein. Ein Add-in setzt eine Formel in eine Zelle und funktioniert bestens, solange es wenige Zeilen sind und niemand das Ergebnis prüft. Im Maßstab bricht es an drei Stellen: an der Neuberechnung, die bereits richtige Antworten verändert; am Volumen, das gegen API-Limits läuft und die Datei halbfertig liegen lässt; und am Nachweis, den es schlicht nicht gibt. Microsoft hat das mit Taten eingeräumt: Die eigene Formel =COPILOT() in Excel ist ab dem 14. September 2026 nicht mehr verfügbar, ohne je allgemeine Verfügbarkeit erreicht zu haben, und die Dokumentation riet schon vorher davon ab, sie für numerische Berechnungen, für das Nachschlagen von Daten in der eigenen Arbeitsmappe und für rechtlich regulierte Inhalte zu nutzen. Wenn der Hersteller die KI-Formel aus seiner eigenen Tabellenkalkulation zieht, war die Zelle vielleicht nie der Ort für die KI.
Nutz ihn, und wir bauen nichts darüber, was ihn verdoppelt. Copilot in Excel ist gut in seinem Fach: der Seitenbereich, der Agentenmodus, der mehrere Schritte in der Arbeitsmappe ausführt, und die erweiterte Analyse mit Python, seit 2026 für alle mit Lizenz verfügbar. Aber es ist ein Copilot, und das Wort ist wörtlich gemeint: Jede Woche muss jemand davorsitzen, es anfordern und prüfen. Was wir bauen, läuft allein über die wiederkehrende Datei, ohne dass jemand Excel öffnet, und hinterlässt den Nachweis, den ein Chatfenster nicht hinterlässt. Wenn du die ganze Suite willst, die Daten zwischen Outlook, Excel und SharePoint bewegt, ist das KI für Microsoft 365; hier geht es um eine konkrete Tabelle und die Arbeit, die sie frisst.
Kannst du, und für einmal ist das perfekt. ChatGPT liest .xlsx und .csv, und die Konnektoren seiner Unternehmenspläne durchsuchen bereits OneDrive und SharePoint: Deine Dateien zu befragen ist ein gelöstes Problem —darum geht es, für Dokumente, bei Google Drive mit ChatGPT verbinden—. Ungelöst bleibt der Rest: dass das Ergebnis jede Woche in dieselbe Spalte der Tabelle zurückgeschrieben wird, ohne dass jemand es einfügt; dass das Kriterium im Januar dasselbe ist wie im Juni; und dass festgehalten wird, was womit verarbeitet wurde. Fragen ist ein Gespräch. Das hier ist ein Prozess.
Das wird passieren, und der Aufbau geht davon aus. Drei Dinge fangen es auf. Erstens: Das Deterministische fasst das Modell nicht an —lässt sich die Kategorie über einen Stammdatenabgleich lösen, wird abgeglichen—. Zweitens: ein Konfidenzschwellenwert, und was darunter liegt, wird nicht als richtig geschrieben, sondern markiert und in eine Prüfwarteschlange geschickt, die weit kürzer ist als die ganze Tabelle. Drittens: Bevor wir es allein laufen lassen, messen wir seine Treffergenauigkeit gegen eine Stichprobe, die dein Team bereits klassifiziert hatte, und diese Zahl zeigen wir dir auch dann, wenn sie uns nicht schmeichelt. Reicht die Genauigkeit nicht, verschiebt sich die Grenze: mehr Zeilen zur Prüfung, weniger automatisch. Was wir nicht tun, ist dir eine Tabelle voller Werte zu geben, die nur nach Wahrheit aussehen.
Bauen wir es in deinem Betrieb?
Du hast das Problem benannt. Wir liefern die Lösung und lassen sie gemessen laufen.