EP_014 20 min

KI-Tool ersetzt den Datenanalysten?!

Erschienen 25. Juni 2025

// Hören auf YouTube ↗ Spotify ↗ Apple ↗

// TeilenX LinkedIn WhatsApp Telegram E-Mail

// Lieber nur Audio? Bei Spotify hören

// KI-Zusammenfassung

Diese Folge beleuchtet, wie KI-Tools die Datenanalyse revolutionieren und für jeden zugänglich machen können. Sie zeigt, wie KI beim Verstehen, Verarbeiten und Ableiten von Handlungsempfehlungen aus Daten unterstützt, betont aber auch die Notwendigkeit, die Ergebnisse kritisch zu hinterfragen.

Kapitel

01
0:00
Intro & Thema
02
0:40
Keine Datenexperten? KI hilft!
03
2:30
Demo: KI analysiert YouTube-Daten
04
5:15
KI-Analyse: Ergebnisse & Wow-Effekt
05
8:50
KI-Tools: Colab vs. Julius
06
12:30
Datenanalyse für alle!
07
15:10
KI-Analyse: Tipps & Risiken
08
18:45
Ausblick: KI-Agenten & Automatisierung
09
20:20
Outro

Shownotes

Willkommen zur 14. Episode von Co-Intelligence, eurem KI-Lernpodcast mit Moritz Heininger und Benjamin Wüstenhagen!

In dieser Folge dreht sich alles darum, wie Künstliche Intelligenz die Datenanalyse revolutioniert. Ihr erfahrt, wie KI-Tools selbst ohne Programmierkenntnisse komplexe Datenauswertungen ermöglichen – quasi ein Junior-Datenanalyst in eurer Tasche. Wir zeigen am Beispiel unserer YouTube-Kanalstatistiken, wie einfach sich große Datenmengen mit Hilfe von KI analysieren lassen. Außerdem diskutieren wir, welche Vor- und Nachteile diese neuen Tools mit sich bringen (Stichwort Datenschutz und Kosten) und warum KI nicht einfach alle Jobs ersetzt, sondern Data Analytics für viel mehr Menschen zugänglich macht. Wenn ihr wissen wollt, wie ChatGPT & Co. euch künftig bei Datenanalysen unterstützen können und welche Fallstricke es zu beachten gilt, dann ist diese Episode ein Muss!

↗ Erwähnte Tools & Links

⏱ Kapitel

Erkenntnisse

1:08
KI-Tools wie Google Colab oder Julius AI ermöglichen es, komplexe Datenanalysen durchzuführen, selbst ohne tiefgehende Programmierkenntnisse, was den Zugang zur Datenanalyse demokratisiert.
2:46
KI kann unstrukturierte Daten verstehen und verarbeiten, indem sie beispielsweise Python-Code generiert und ausführt, um Rohdaten in verwertbare Erkenntnisse umzuwandeln.
2:56
Neben der reinen Analyse liefert KI auch konkrete Handlungsempfehlungen basierend auf den Daten, was die Entscheidungsfindung erheblich unterstützt und beschleunigt.
16:20
Es ist entscheidend, die Ergebnisse von KI-Analysen kritisch zu prüfen und nicht blind zu übernehmen, da Halluzinationen oder Fehlinterpretationen auftreten können.
15:40
Die Qualität der KI-Ergebnisse hängt stark davon ab, wie gut die Daten vorbereitet und der KI der Kontext der Analyseaufgabe erklärt wird.

Zitate

„Das ist ein klassisches Beispiel dafür, KI nicht alle Jobs wegnehmen wird."

0:00
„Und das ganze ist quasi wie so ein kleiner Data Analyst, Junior Data Analyst, den man seiner eigenen Tasche hat und was alles geht, ist schon echt cool."

1:08
„Die KI macht Fehler oder er kennt Fehler und merkt, h, hier komme ich nicht weiter, ich brauche ein anderen Ansatz. Jetzt gehe ich noch mal zurück und probier es noch mal mit dem neuen Ansatz, bis sie irgendwie zum Ziel kommt und das ist auch schon relativ cool, würde ich sagen."

8:41
„Wie immer, wenn ich KI nutze, Hirn einschalten und nicht einfach alles an die KI abgeben und dann das Ergebnis blind verstehen, weil nur wenn ich die Daten selbst verstehe, verstehe was es da für Outl, die ich eventuell rausnehmen muss."

16:20

Zahlen

40 € im Monat

Das Tool Julius AI kostet monatlich etwa 40 Euro.

10:01

Häufige Fragen

Wie können KI-Tools die Datenanalyse für Nicht-Experten vereinfachen? ▾

KI-Tools wie Google Colab oder Julius AI ermöglichen es, Daten mit natürlicher Sprache zu analysieren, ohne Python-Code schreiben zu müssen. Sie können Rohdaten verstehen, verarbeiten und sogar Handlungsempfehlungen ableiten, was die Datenanalyse für Personen ohne spezielle Kenntnisse zugänglich macht und die Abhängigkeit von Data Analysten reduziert.

Welche Vorteile bieten KI-Tools gegenüber traditioneller Datenanalyse? ▾

KI-Tools beschleunigen den Analyseprozess erheblich, da sie sofort auf Nachfragen reagieren und Iterationen ermöglichen, die bei menschlichen Analysten Tage dauern könnten. Sie demokratisieren den Zugang zu Datenanalysen, indem sie auch Teams ohne eigene Data Analysten befähigen, einfache Aufgaben selbst zu lösen und sich auf komplexere Themen zu konzentrieren.

Welche Risiken gibt es bei der Nutzung von KI für Datenanalysen? ▾

Ein Hauptrisiko sind sogenannte Halluzinationen oder Fehlinterpretationen der KI. Es ist unerlässlich, die Ergebnisse kritisch zu hinterfragen und nicht blind zu übernehmen. Zudem muss man sich bewusst sein, dass manche kostenlose Tools wie Google Colab die eingegebenen Daten zum Lernen nutzen, was bei sensiblen Daten problematisch sein kann.

Wie kann man die Qualität der KI-Analysen verbessern? ▾

Um bessere Ergebnisse zu erzielen, sollte man die Daten vorab prüfen und bereinigen. Wichtig ist auch, die Spalten klar zu benennen oder der KI eine Erklärung zu geben, was in jeder Spalte enthalten ist. Je mehr Kontext und je klarer die Aufgabenstellung für die KI ist, desto präziser und relevanter sind die Handlungsempfehlungen.

Welche Tools werden für KI-gestützte Datenanalyse empfohlen? ▾

Empfohlen werden Google Colab als kostenlose Python-Umgebung mit integriertem Gemini für allgemeine Analysen und Julius AI (kostenpflichtig) für wiederholbare Workflows und Berichte mit Fokus auf Datenanalyse. ChatGPT kann für kleinere, einmalige Analysen genutzt werden, hat aber Grenzen bei der Datenmenge und Reproduzierbarkeit.

Anleitungen

Nutze KI als deinen persönlichen Junior Data Analysten

Lerne, wie du KI-Tools einsetzt, um komplexe Datenanalysen selbst durchzuführen und so die Kapazitäten deines Teams optimal nutzt. Du kannst Daten analysieren, die sonst ungenutzt blieben.

01

Datenanalyse demokratisieren

Erkenne, dass KI-Tools dir ermöglichen, Datenanalysen durchzuführen, die du vorher ohne spezialisierte Kenntnisse nicht hättest bewältigen können. Dies erweitert deine Fähigkeiten erheblich.

0:56
02

Unstrukturierte Daten verstehen

Nutze KI, um auch komplexe, unstrukturierte Daten aus Systemen wie NoSQL-Datenbanken zu verstehen und für die Analyse aufzubereiten, selbst wenn du keine Programmierkenntnisse hast.

1:42
03

Engpässe bei Analysten umgehen

Setze KI ein, um Datenanalysen durchzuführen, die sonst aufgrund fehlender Kapazitäten von Data Analysten nicht bearbeitet würden. So kannst du auch im kleinen Unternehmen oder bei knappen Ressourcen schnell zu Ergebnissen kommen.

2:36

So verstehst und verarbeitest du unstrukturierte Daten mit KI

Entdecke, wie KI dir hilft, selbst ohne tiefgehende Programmierkenntnisse unstrukturierte Daten zu entschlüsseln und für deine Analysen nutzbar zu machen. Dies demokratisiert den Zugang zur Datenanalyse.

01

Unstrukturierte Daten entschlüsseln

Verwende KI-Tools, um komplexe Datenstrukturen, wie sie beispielsweise in NoSQL-Datenbanken vorkommen, zu verstehen und zu interpretieren, auch wenn sie nicht in übersichtlichen Tabellen vorliegen.

1:42
02

Rohdaten exportieren und analysieren

Nachdem du die Datenstruktur verstanden hast, exportiere die Rohdaten in ein gängiges Format wie CSV und nutze dann KI-Tools, um diese Daten weiter zu analysieren.

2:04
03

Datenzugang demokratisieren

Ergreife die Möglichkeit, Daten zu analysieren und Ergebnisse abzuleiten, selbst wenn du keinen dedizierten Data Analysten im Team hast oder dessen Kapazitäten begrenzt sind.

2:36

Erhalte konkrete Handlungsempfehlungen aus deinen Daten mit KI

Lerne, wie du KI nicht nur zur reinen Datenanalyse nutzt, sondern auch, um konkrete, umsetzbare Handlungsempfehlungen zu erhalten, die deine Entscheidungsfindung verbessern.

01

Daten in KI-Tool hochladen

Lade deine Daten, zum Beispiel als CSV-Dateien, in ein geeignetes KI-Tool wie Google Colab oder Julius AI hoch. Das Tool beginnt dann automatisch mit der Analyse.

4:49
02

KI analysiert und interpretiert

Lass die KI die Daten selbstständig laden, explorieren und analysieren. Sie erstellt einen Plan und führt die notwendigen Schritte durch, um erste Erkenntnisse zu gewinnen.

5:01
03

Handlungsempfehlungen erhalten

Gib der KI den richtigen Kontext zu deinen Daten und deinem Unternehmen, um nicht nur Analysen, sondern auch konkrete Handlungsempfehlungen zu erhalten, die auf den Ergebnissen basieren.

4:12
04

Kontext für bessere Empfehlungen

Je genauer du der KI Kontext zu deinem Datensatz, deinem Unternehmen und deiner Aufgabe gibst, desto präziser und relevanter werden die Handlungsempfehlungen sein.

17:23

Bleibe kritisch: So hinterfragst du KI-Analysen und vermeidest Fehlinterpretationen

Auch mit KI ist dein menschliches Urteilsvermögen entscheidend. Lerne, wie du Daten und KI-Ergebnisse kritisch prüfst, um Halluzinationen zu vermeiden und fundierte Entscheidungen zu treffen.

01

Rohdaten selbst verstehen

Bevor du Daten in die KI gibst, schau dir den Datensatz selbst an. Entwickle ein Gefühl dafür, was die Daten enthalten und welche Spalten relevant sind, um die Ergebnisse später einordnen zu können.

14:50
02

Daten für KI aufbereiten

Stelle sicher, dass die Spalten in deinem Datensatz klar benannt und erklärt sind. Benenne Spalten bei Bedarf um oder gib der KI eine Erklärung, damit sie die Daten korrekt interpretieren kann.

15:17
03

KI-Ergebnisse hinterfragen

Nimm die Ergebnisse der KI nicht blind an. Hinterfrage sie kritisch und weise die KI auf mögliche Fehler hin, indem du zum Beispiel fragst, ob sie bestimmte Aspekte berücksichtigt hat.

16:37
04

KI korrigieren und iterieren

Nutze den Dialog mit der KI, um Fehler zu korrigieren. Oft versteht die KI ihren Fehler und passt die Analyse an, bis du ein korrektes und verwertbares Ergebnis erhältst.

16:49

Weitere Fragen

Warum sollte ich für Datenanalysen Tools wie Julius AI oder Google Colab statt ChatGPT nutzen? ▾

ChatGPT eignet sich gut für erste, kleine Analysen. Wenn du aber wiederkehrende Auswertungen machen willst, sind spezialisierte Tools besser, da sie reproduzierbaren Python-Code liefern und sich Prozesse damit automatisieren lassen.

„Wenn ich das aber mehrmals machen möchte, was weiß ich, jede Woche, dann ist es nicht so gut reproduzierbar. Da finde ich es dann besser, wenn ich sagen kann, ich habe den Python Code bekommen und ich kann es immer wieder reproduzieren. Ich kann fast schon Automatismus draus machen. Da finde ich dann solche Tools wie Julius oder auch die Collab besser als Chat GPT." · 8:57

Kann ich sensible Unternehmensdaten bedenkenlos in Google Colab hochladen? ▾

Nein, bei der kostenlosen Version von Google Colab nutzt Google deine Daten zum Trainieren der Modelle. Du musst dir also vorher genau überlegen, welche Datensätze du dort hochlädst und sensible Informationen gegebenenfalls anonymisieren.

„Nichts ist kostenlos im Leben, dass Google ganz klar sagt, wir lernen auf diesen Daten. Das heißt, ich muss mir genau überlegen, welche Daten ich da reingebe und welche nicht." · 9:23

Wie muss ich meine Daten vorbereiten, bevor ich sie von der KI analysieren lasse? ▾

Du solltest dir die Daten zuerst selbst ansehen und ein Gefühl dafür bekommen. Wichtig ist, dass die einzelnen Spalten klar benannt sind oder du der KI eine Erklärung mitgibst, was in den jeweiligen Spalten steht, damit sie die Daten richtig interpretieren kann.

„Nummer 3 ist, ich gucke, ob die Colums, also die einzelnen Spalten klar erklärt sind, weil wenn ich die dann einfach in die KI reingebe, muss die KI auch verstehen, was in jeder einzelnen Spalte drin ist." · 15:17

Wie bekomme ich aus meinen Daten konkrete Handlungsempfehlungen von der KI? ▾

Damit die KI nützliche Empfehlungen ableiten kann, braucht sie ausreichend Kontext. Du musst ihr genau erklären, um was für einen Datensatz es sich handelt, in welchem Unternehmen du arbeitest und was deine spezifische Aufgabe ist.

„Je genauer die KI versteht, um was es für ein Datensatz geht und zusätzlich noch Kontext zu dir in deinem Unternehmen deine Aufgabe hat, desto besser sind am Ende die Handlungsempfehlungen, die du bekommst." · 17:31

Ersetzt KI jetzt die Data Analysten in meinem Unternehmen? ▾

Nein, KI demokratisiert lediglich einfache Datenanalysen, sodass auch andere Teams diese Aufgaben übernehmen können. Deine Data Analysten werden dadurch entlastet und können sich auf die wirklich komplexen und anspruchsvollen Themen konzentrieren.

„Genau Katja kann sich ab sofort auf die richtig challenging Themen, die ganz besonders viel Spaß machen, konzentrieren und die einfachen Sachen können dann die Teams, die Marketing Teams oder wer auch immer dann selbst umsetzen." · 14:21

Diese Folge wird zitiert in

In anderen Folgen erwähnt

// Vollständiges Transkript

Komplettes Transkript dieser Folge öffnen →

← Ältere Folge

#13 Research mit KI: So ersetzt künstliche Intelligenz deine Google Suche | Co-Intelligence Podcast

Nächste Folge →

#15: KI Revolution im Workflow: Wie Automatisierungen wöchentlich Zeit sparen.