Excel
Tabellen-Dateien (.xlsx, .xls, .csv) im Chat analysieren — präzise Pivots, Aggregationen und Folge-Auswertungen.
Der Excel-Agent liest hochgeladene Tabellen-Dateien direkt aus dem Chat und beantwortet Datenfragen, baut Pivots, berechnet Kennzahlen und erzeugt bei Bedarf neue Ergebnis-Dateien.
Aus 30 Minuten Pivot-Bauen werden 90 Sekunden — wenn die Frage präzise ist. Diese Seite zeigt, was eine präzise Frage ausmacht.
Mittelfristig wird der Excel-Agent durch einen regulären Assistenten mit Code-Sandbox-Tool abgelöst. Beide Varianten haben dieselbe Funktionalität, der Assistent integriert sich besser in den Workflow Deines Teams (Teilen, Anheften, eigene Anweisungen). In der Plattform findest Du dazu einen Migrations-Wizard. Solange der Excel-Agent verfügbar ist, bleibt die unten beschriebene Nutzung unverändert.
Unter der Haube: Der Excel-Agent nutzt die Code-Sandbox, um Python-Code auf Deiner Tabelle auszuführen, gehostet in Falkenstein (Hetzner, Deutschland). Damit sind exakte Berechnungen, Diagramme und das Erzeugen neuer Ergebnis-Dateien möglich, die das Sprachmodell allein nicht zuverlässig leisten kann.
Capabilities
- Methode:
excelToolAnalyze - Dateitypen:
.xlsx,.xls,.csv - Verarbeitet einzelne oder mehrere Dateien gemeinsam
- Erzeugt bei Bedarf neue Ergebnis-Dateien als Download-Link
- Hält den Datei-Kontext über Folgefragen hinweg
Eine gute Excel-Agent-Frage — drei Constraints
Der Agent fällt zuverlässig auf vage Fragen herein und liefert Ergebnisse, die aussehen wie das Gewünschte, aber falsch sind. Eine präzise Frage nennt drei Dinge explizit:
Top 5 Produktgruppen nach Netto-Umsatz Q1 2026.
1Stornos ausschließen — Spalte status mit Wert STORNO.
2Gruppiert nach region.
3SUM auf Spalte netto_umsatz.
Output: Tabelle mit Spalten Produktgruppe, Region, Netto-Umsatz, Anzahl Aufträge.
| Produktgruppe | Region | Netto-Umsatz | Anzahl |
|---|---|---|---|
| Industriepumpen | Süd | 412.300 € | 87 |
| Industriepumpen | West | 308.900 € | 64 |
| Ventile | Süd | 289.500 € | 52 |
| Ventile | Nord | 241.800 € | 48 |
| Dichtungen | West | 198.200 € | 91 |
Der Agent zeigt zusätzlich, wie er die Daten verarbeitet hat: "gefiltert auf status != STORNO, gruppiert nach produktgruppe und region, aggregiert mit SUM auf netto_umsatz" — diese Info kannst Du gegenchecken.
Faustregel. Eine gute Excel-Agent-Frage nennt mindestens einen Filter, eine Aggregation, eine Gruppierung. Drei Constraints — der Agent ist auf der richtigen Spur.
Vage vs. präzise — was passiert ohne Constraints
Dieselbe Q1-Tabelle, zwei Wege zu fragen:
"Mach mal was Sinnvolles draus — ich brauch das für den Wochenbericht."
Was zurückkommt:
- Generische 5-Reihen-Tabelle, sortiert nach Umsatz absteigend
- Stornos sind drin (positive und negative Beträge gemischt)
- Region nicht aufgeteilt
- Du fragst dreimal nach. 8 Minuten verloren.
"Top 5 Produktgruppen nach Netto-Umsatz Q1 2026, Stornos (status = STORNO) ausschließen, gruppiert nach Region, sortiert absteigend."
Was zurückkommt:
- Tabelle wie verlangt
- Verarbeitungs-Schritte transparent ausgewiesen
- 90 Sekunden inkl. Lesen.
Worauf der Agent häufig hereinfällt
Datumsformate.
Symptom: Wochen oder ganze Datumsbereiche fallen still aus dem Pivot.
Ursache: Excel-DE-Format (22.04.2026) wird als US-Format interpretiert (22.04. → invalid Month 22).
Fix: Datumsformat im Prompt explizit nennen — z.B. "Datums-Spalte ist im DE-Format TT.MM.JJJJ".
Gemischte Datentypen in einer Spalte.
Symptom: Aggregation läuft, aber Summe ist deutlich zu niedrig.
Ursache: Spalte enthält Zahlen UND Strings ("n/a", leere Zellen, Text-Notizen). Der Agent ignoriert Strings still.
Fix: Erst nach dem Schema fragen (s. Trick unten), dann Constraints setzen.
Storno-Logik. Symptom: Umsätze sind plausibel, aber Top-N stimmt nicht mit Controlling überein. Ursache: Stornos werden als negative Beträge oder als Status-Marker mitgezählt. Fix: Storno-Spalte und Storno-Wert im Prompt explizit benennen — niemals als selbstverständlich annehmen.
Der Trick — Schema-First-Reading. Erste Frage ist nicht der Pivot, sondern: "Lies die Tabelle und beschreibe mir in 4 Sätzen, was Du siehst — Spalten, Datentypen, Auffälligkeiten." Bestätigt das Schema-Verständnis, bevor Du Aggregationen verlangst. Spart bei großen Tabellen 5-10 Minuten Re-Prompting.