5. Unterrichtsblock

Datenanalyse

Was ist Datenanalyse?

Datenanalyse bedeutet, dass man aus vorhandenen Daten sinnvolle Informationen gewinnt. Ziel ist es, Muster zu erkennen, Zusammenhänge zu verstehen und bessere Entscheidungen zu treffen.

Warum ist Datenanalyse wichtig?

• Im Beruf: → Verkaufszahlen auswerten, Fehlerquellen erkennen, Kundenverhalten verstehen
• Im Alltag: → Stromverbrauch vergleichen, Fitnessdaten auswerten, Preise analysieren
• Mit KI: → Große Datenmengen schneller analysieren, Trends automatisch erkennen

Was passiert bei einer Datenanalyse?

1. Daten sammeln → z. B. Messwerte, Umfragen, Log-Dateien
2. Daten interpretieren → Was fällt auf? Gibt es Muster, Ausreißer, Lücken?
3. Daten bereinigen → Fehler entfernen, Format vereinheitlichen
4. Daten sortieren und filtern → Nur relevante Informationen anzeigen
5. Daten gruppieren → z. B. nach Produkt, Abteilung oder Zeitraum
6. Kennzahlen berechnen → Mittelwert, Spannweite, Häufigkeit
7. Daten visualisieren → Diagramme, Tabellen, Histogramme
8. Ergebnisse analysieren → Was bedeutet das? Was sollte man tun?

→ Das ist Datenanalyse: Zahlen lesen, vergleichen, handeln.

Daten vorbereiten und bereinigen

KI kann dir helfen, Datenquellen zu identifizieren, Beispieldaten zu generieren oder sogar Daten aus Texten zu extrahieren. Besonders hilfreich ist das, wenn du keine echten Datensätze zur Verfügung hast oder ein Szenario simulieren möchtest – z. B. für Übungen oder Schulprojekte.

Doch egal ob echte oder simulierte Daten: Daten kommen oft ungeordnet oder fehlerhaft an. Typische Probleme sind:

• Fehlende Werte
• Doppelte Einträge
• Falsche Formate (z. B. uneinheitliche Datumsangaben oder Zahlendarstellungen)

→ Diese Probleme musst du bereinigen, bevor du analysierst. 💡 KI kann dich dabei unterstützen, z. B. durch automatisches Erkennen und Korrigieren von Formatfehlern oder das Ergänzen fehlender Felder.

Datenquellen im Überblick

Daten stammen aus verschiedenen Quellen:

• Interne Daten → z. B. Mitarbeiterinfos, Maschinenwerte, Verkaufszahlen
• Externe Daten → z. B. Social Media, Satellitenbilder, öffentliche Statistiken

Unverarbeitete Informationen nennt man Rohdaten. → Sie sind oft unstrukturiert und müssen erst bereinigt und geordnet werden.

Datenbereinigung ist ein zentraler Schritt, um aus Rohdaten verwertbare Erkenntnisse zu gewinnen – z. B. für Entscheidungen, Visualisierungen oder KI-gestützte Auswertungen.

Daten interpretieren

Bevor du berechnest, solltest du die Daten sichten und verstehen. KI kann dir dabei helfen, auffällige Werte, Lücken oder Muster zu erkennen – z. B. durch Zusammenfassungen oder erste Einschätzungen.

Daten bereinigen

Daten sind oft unvollständig, doppelt oder falsch formatiert. Bevor du sie sortierst oder gruppierst, müssen sie bereinigt werden. KI kann dich dabei unterstützen, diese Probleme zu erkennen und zu beheben:

• Duplikate entfernen
• Leere Felder ergänzen
• Formate vereinheitlichen (z. B. Datum, Zahlen)

Erst nach der Bereinigung kannst du die Daten sinnvoll weiterverarbeiten.

Techniken der Datenverarbeitung

KI kann diese Schritte automatisiert ausführen – du musst nur die richtigen Fragen stellen. Sie erkennt Muster, bereinigt Daten und strukturiert sie für die Analyse Achte darauf: Nicht jede KI kann mit echten Daten umgehen – prüfe, ob Datenanalyse-Funktionen vorhanden sind (z. B. Python, Tabellenverarbeitung)

Technik	Nutzen
Sortieren	Daten in Reihenfolge bringen (z. B. A–Z oder Z–A)
Filtern	Nur relevante Daten anzeigen
Gruppieren	Daten nach Kategorien ordnen (z. B. nach Abteilung oder Produktart)

Kennzahlen berechnen

KI kann dir helfen, statistische Kennzahlen zu berechnen – z. B.:

• Mittelwert
• Häufigkeit
• Spannweite
• Standardabweichung

Daten visualisieren

Daten lassen sich besser verstehen, wenn man sie grafisch darstellt. Die Wahl des richtigen Diagramms ist entscheidend:

Diagrammtyp	Wann verwenden?
Balkendiagramm	Zahlen zwischen Kategorien vergleichen (z. B. Verkäufe pro Produkt)
Liniendiagramm	Entwicklungen über Zeit zeigen (z. B. Temperaturverlauf)
Punktdiagramm	Einzelne Werte darstellen
Kreisdiagramm	Anteile eines Ganzen zeigen – aber nur bei wenigen, großen Teilen

Tipp: Farben, Formen und Größen helfen, Daten zu „übersetzen“. Das nennt man visuelle Codierung. Du kannst auch mehrere Diagramme kombinieren, um Zusammenhänge sichtbar zu machen.

Ergebnisse analysieren – KI als Entscheidungshilfe

Am Ende geht es darum, aus den Daten eine sinnvolle Handlung abzuleiten. KI kann dir helfen, die Ergebnisse zu interpretieren und Vorschläge zu machen:

• Was bedeutet das für die Praxis?
• Was sollte verbessert werden?
• Welche Maßnahmen wären sinnvoll?

Vorteile von KI bei Datenverarbeitung und Analyse

1.  Automatisierung von Routineaufgaben

• Mehrere Schritte gleichzeitig ausführen → Sortieren, Filtern, Gruppieren, Visualisieren – alles in einem Durchgang
• Daten bereinigen automatisch → Entfernt Duplikate, ergänzt fehlende Werte, erkennt Formatfehler
• Große Datenmengen effizient verarbeiten → Auch tausende Einträge werden in Sekunden analysiert

2. Schnelle und verständliche Auswertung

• Kennzahlen berechnen → z. B. Mittelwert, Häufigkeit, Spannweite, Standardabweichung
• Trends und Muster erkennen → z. B. saisonale Schwankungen, Ausreißer, Korrelationen
• Diagramme und Tabellen erzeugen → Balkendiagramme, Histogramme, Heatmaps, Zeitreihen

3. Unterstützung bei Interpretation und Entscheidung

• Ergebnisse zusammenfassen → Liefert verständliche Erklärungen zu komplexen Daten
• Handlungsempfehlungen geben → z. B. „Produkt B sollte überarbeitet werden“ oder „Kampagne A zeigt bessere Conversion“
• Hypothesen prüfen (A/B-Tests) → Berechnet p-Werte, Signifikanzniveau, interpretiert Unterschiede

4. Flexibler Umgang mit verschiedenen Datenquellen

• Interne Daten → z. B. Mitarbeiterinfos, Produktionsdaten, Verkaufszahlen
• Externe Daten → z. B. Social Media, Satellitenbilder, öffentliche Statistiken
• Unstrukturierte Daten verarbeiten → z. B. Texte, Bilder, Kommentare, PDFs

5.  Integration in Arbeitsprozesse

• Schnittstellen zu Tools und Programmen → z. B. Excel, SQL-Datenbanken, Python-Umgebungen
• Einfache Bedienung über Prompts → Kein Programmierwissen nötig – aber Verständnis hilfreich
• Ergebnisse direkt nutzbar → z. B. für Präsentationen, Berichte, Entscheidungsrunden

6. Lernhilfe und Kompetenzaufbau

• Erklärt Analysebegriffe verständlich → z. B. „Was ist ein p-Wert?“ oder „Wie funktioniert ein Histogramm?“
• Hilft beim Formulieren von Fragen → z. B. „Wie kann ich die häufigsten Bewertungen herausfinden?“
• Fördert Datenkompetenz durch aktives Ausprobieren → Schüler:innen lernen, wie man mit Daten denkt und handelt

7. Wichtige Hinweise

• Nicht jede KI hat echte Analysefunktionen → Prüfen, ob Python/SQL oder Tabellenverarbeitung möglich ist
• Halluzinationen vermeiden → Ergebnisse immer kritisch prüfen, besonders bei komplexen Daten
• Datenschutz beachten → Keine sensiblen oder personenbezogenen Daten hochladen