Visualisierung: Datenpipeline-Diagramm: CSV-Datei → Sprachmodell-Prompt → strukturierte Ausgabe → Excel-Tabelle → Bericht. Mit Annotationen zu Datenschutz-Checkpoints.
Modul-Lernziele
- Sie beschreiben, wie Sprachmodelle strukturierte Daten (CSV, Tabellen) verarbeiten und analysieren können.
- Sie formulieren Prompts zur Datenextraktion, Datentransformation und automatisierten Berichterstellung.
- Sie wenden KI-Unterstützung auf typische Excel-Aufgaben an: Formeln erklären lassen, Formeln generieren, Datenmuster beschreiben.
- Sie erkennen die Grenzen von Sprachmodellen bei quantitativer Datenanalyse und unterscheiden zwischen sinnvollen und ungeeigneten Anwendungsfällen.
- Sie beachten Datenschutzanforderungen beim Einsatz von Daten in KI-Systemen und leiten geeignete Anonymisierungsstrategien ab.
- Sie entwickeln einfache KI-gestützte Arbeitsabläufe für wiederkehrende Daten- und Berichtsaufgaben.
Modul-Übersicht
| UE | Titel |
| UE 49 | KI und strukturierte Daten: Was Sprachmodelle mit Tabellen können |
| UE 50 | CSV-Dateien und Sprachmodelle: Prompts für Datenanalyse |
| UE 51 | Datenextraktion aus unstrukturierten Texten |
| UE 52 | Datentransformation mit KI-Unterstützung |
| UE 53 | Excel: Formeln von KI erklären und generieren lassen |
| UE 54 | Excel: Datenaufbereitung und Pivot-Vorbereitung mit KI |
| UE 55 | Automatisierte Berichterstellung mit Sprachmodellen |
| UE 56 | Datenvisualisierung: Beschreibungen und Interpretationen mit KI |
| UE 57 | Grenzen der KI-gestützten Datenanalyse: Wann klassische BI-Werkzeuge besser sind |
| UE 58 | Datenschutz bei Daten-Prompts: Anonymisierung und Pseudonymisierung |
| UE 59 | KI-gestützte Datenprozesse dokumentieren und revisionssicher machen |
| UE 60 | Modul 5 — Zusammenfassung, Wiederholung, Ausblick auf Modul 6 |
Didaktische Verortung
Modul 5 überträgt die Prompting-Kompetenz der Module 3 und 4 auf einen besonders praxisrelevanten Anwendungsbereich: die Arbeit mit strukturierten Daten und Office-Produktivitätswerkzeugen. Datenanalyse ist in fast jedem beruflichen Kontext präsent — von einfachen Excel-Listen bis zu umfangreichen Berichten. Die Fähigkeit, KI-Systeme dabei kompetent einzusetzen, ohne dabei Datenschutzgrenzen zu überschreiten oder die Grenzen der Werkzeuge zu überschätzen, ist eine hochwertige Anwendungskompetenz.
Das Modul enthält bewusst eine kritische Einheit (UE 57): Sprachmodelle sind für qualitative Analyse und sprachliche Verarbeitung von Daten geeignet, aber nicht für statistische Berechnungen, die Werkzeuge wie Excel, R oder Python erfordern. Lernende sollen diese Grenze kennen und respektieren, damit keine unrealistischen Erwartungen entstehen.
Datenschutz ist in Modul 5 ein Querschnittsthema: Jede Einheit, die reale Daten als Beispielmaterial verwendet, verweist auf die datenschutzrechtlichen Anforderungen aus Modul 2.
Verzahnung mit anderen Modulen
Modul 5 setzt Module 1, 3 und grundlegende Konzepte aus Modul 2 voraus. Es verbindet sich mit Modul 7 (Agenten können Datenprozesse automatisieren) und Modul 8 (Datengestützte Entscheidungsfindung als strategisches Thema).
Kompetenzziel auf der AI-Act-Kompetenz-Skala: Anwendungskompetenz (Stufe 3).
Empfohlene Reihenfolge: Nach den Modulen 3 und 4. Modul 5 kann parallel zu Modul 6 angeboten werden, wenn der Zeitplan flexibel ist.
Quelle: KI-Wissensbasis von MindsMachines, Edition Juni 2026. Vollständige Fassung als PDF anfordern.