Checkliste für die Vorbereitung von Geschäftsdaten, bevor sie an einen KI-Agenten übergeben werden: Stammdaten, Normalisierung, Prozesse, Rollen — und die typischen Fallstricke.

Kurzfassung

Frage	Kurze Antwort
Kann ich einfach meine Dateien mit einem KI-Agenten verbinden und ihn es herausfinden lassen?	Kannst du — er liefert selbstbewusste Antworten auf widersprüchlicher Datenbasis. Lass es
Was kommt zuerst?	Ein Prozess, plus Messung seiner heutigen Kosten (Stunden, Fehler, Geld). Alles andere dient dem
Was sind Stammdaten (“Referenzdaten”)?	Die Listen, auf denen das Geschäft läuft: Kunden, Produkte, Preise, Status, Einheiten. Je eine kanonische Version, mit benanntem Verantwortlichen
Wie viel Historie übergeben?	Die aktiven 3–6 Monate. Ältere Jahre sind ein Migrationsprojekt, keine Agenten-Aufgabe
Was beweist, dass der Agent funktioniert?	Ein Testset: 20–50 reale Fälle mit bekannter richtiger Antwort, nach jeder Änderung geprüft
Der größte Einzelfehler?	Freitext, wo eine kontrollierte Liste gehören würde — Status wie “halb bezahlt”, Farben als Daten, ein Tabellenblatt pro Monat

Das Angebot klingt unwiderstehlich: Google Drive oder SharePoint verbinden, und ein KI-Agent liest die Tabellen, beantwortet Fragen und steuert die Abläufe. OpenAI verspricht auf der eigenen AgentKit-Seite Agenten, die man “visuell bauen und iterieren” kann (Ankündigung). Die Demo funktioniert immer. Dann kommt der Dienstag: Der Agent zitiert einen Preis aus einer veralteten Liste, “Romashka GmbH” und “Romashka” werden zwei verschiedene Kunden, und niemand kann sagen, welche Zahl stimmt.

Das Problem ist fast nie das Modell. Es sind die Daten und der Prozess dahinter. Das ist die Checkliste, die ich mit Kunden durchlaufe, bevor ein Agent irgendetwas anfasst — in der Reihenfolge, die tatsächlich funktioniert, inklusive der Fehler, die solche Projekte still beerdigen.

Warum rohe Dateien einen Agenten sabotieren

Drei Mechanismen, jeder für sich schon fatal:

1. Widersprüche werden zu selbstbewussten Antworten. Ein Agent weiß nicht, dass Preisliste-2025-FINAL-v3.xlsx die alte-preise.xlsx ersetzt. Er mittelt, rät oder wählt eine — und nennt das Ergebnis mit voller Überzeugung. Tabellen-Audits der letzten zwei Jahrzehnte (Ray Panko, University of Hawaii) finden konsistent ~88 % der Geschäftstabellen enthalten Fehler (Forschungsübersicht); ein Agent erbt jeden einzelnen davon, plus die Konflikte zwischen den Dateien.
2. Ohne Schlüssel keine Verknüpfung. Die Auftragstabelle sagt Kunde “AK-114”, das Zahlungsblatt “Kamensky A.”, die CRM-Registerkarte “Andrey — Großhandel”. Ein Mensch löst das aus dem Gedächtnis; ein Agent kann es nicht. Ohne gemeinsame Identifikatoren ist jede Gegenprüfung ein Münzwurf.
3. Volumen verbrennt Geld, bevor es irgendetwas anderes verbrennt. Eine 40-Registerkarten-Mappe, die bei jeder Anfrage neu gelesen wird, bedeutet: Die Kosten skalieren mit der Gesprächslänge, nicht mit dem gelieferten Wert. (Die abgerechnete Kostenmathematik hinter KI-Buildern steht in Deine Replit- oder Lovable-App ist nicht produktionsreif.)

Die Vorbereitung behebt alle drei — und es ist überwiegend Arbeit, die für das Wachstum über Tabellenkalkulation hinaus ohnehin ansteht.

Die Checkliste, in Reihenfolge

1. Einen Prozess wählen und basemessen

Ein Prozess: Auftragsannahme, oder Rechnungsfreigabe, oder Lagerupdates. Nicht “die Operative”. Notiere die heutigen Kosten: Stunden pro Woche, Fehlerquote, der Preis des letzten Fehlers. Ohne diese Baseline lässt sich nie belegen, dass der Agent etwas spart — das Projekt stirbt bei der ersten Budgetfrage.

2. Alle Quellen inventarisieren

Jede Datei, jede Registerkarte, jedes Tool und jede Person auflisten, die den Prozess berührt. Die Schattenquellen einschließen: den privaten Tracker des Vertriebsleiters, die WhatsApp-Gruppe, in der die Ausnahmen wirklich entschieden werden, das Whiteboard. Was hier fehlt, taucht später als blinder Fleck des Agenten wieder auf.

3. Die Stammdaten extrahieren (die “Sprawotschniki”)

Das ist der Kern der Vorbereitung. Für jede Liste, auf der das Geschäft läuft — Kunden, Produkte, Preise, Einheiten, Status, Lager, Kostenstellen — genau eine kanonische Version erstellen:

• Ein Datensatz pro realer Sache. “Romashka GmbH”, “Romashka”, “romashka (Großhandel)” kollabieren zu einem Kunden mit einer ID.
• Ein benannter Verantwortlicher und eine Änderungsregel. Wer ändert die Preisliste, und was löst eine Änderung aus? Stammdaten ohne Verantwortlichem verrotten innerhalb eines Quartals.
• Gültigkeitsdaten, wo sich die Realität ändert. Preise, Wechselkurse, Zölle: Historie behalten, aber der Agent muss stets wissen, welcher Wert der aktuelle ist.

4. Die Formate normalisieren

Langweilige, entscheidende Regeln:

Regel	Kaputt	Korrigiert
Status ist eine kontrollierte Liste	”bezahlt?”, “halb bezahlt”, “BEZAHLT!!”	paid / pending / overdue
Eine Zeile = ein Ereignis	Drei Aufträge in einer Zeile zusammengefasst	Eine Zeile pro Auftrag
Daten in einem Format	03.04.26, Apr-3, 2026/4/3	2026-04-03
Einheiten explizit	”5” (Kartons? Stück? Liter?)	5 Karton
Kein Layout-als-Daten	Verbundene Zellen, Rot = überfällig, ein Blatt pro Monat	Schlichte Zeilen, Statusspalte, Datumsspalte

Farben und verbundene Zellen sind für einen Agenten unsichtbar — alles, was sie kodieren, muss zur Spalte werden.

5. Fakten von Referenzen trennen

Aufträge, Zahlungen, Lieferungen, Tickets sind Ereignisse: sie häufen sich an und werden nie rückwirkend bearbeitet. Kunden, Produkte, Preise sind Referenzen: sie ändern sich. Sie in getrennten Tabellen zu halten (statt einem Mega-Blatt) macht die Antworten eines Agenten konsistent und prüfbar — und es ist dieselbe Trennung, die eine echte Datenbank erzwingt (warum Sheets nicht mehr skaliert).

6. Den Prozess aufschreiben, wie er wirklich läuft

Nicht die Organigramm-Version — die echte. Für jeden Schritt: wer macht ihn, was löst ihn aus, was wird entschieden, welche Ausnahmen gibt es, welche SLA gilt. Zwei Halbtagessitzungen mit den Menschen am Prozess reichen meist für die erste ehrliche Version. Jede ungeschriebene Ausnahme, die hier fehlt, wird ein künftiger Freitagabend-Vorfall.

7. Rollen und Berechtigungen zuweisen

Jetzt festlegen, wer Kosten sehen, wer Preise bearbeiten, wer Erstattungen freigeben darf. In Chat-Tools sieht jeder alles; in einem echten System wird daraus rollenbasierte Zugriffssteuerung und ein Prüfpfad. Dem Agenten ein Berechtigungsmodell mitzugeben (auch eine einfache Tabelle) verhindert sowohl Lecks als auch “hilfreiche” Übertretungen.

8. Schutzregeln und die Eskalationsregel definieren

Was der Agent allein darf (antworten, entwerfen, verschlagworten, weiterleiten) versus was immer einen Menschen braucht (Geld senden, Kunden kontaktieren, Stammdaten ändern, alles unter dem Konfidenz-Schwellenwert). Zusätzlich den Fehlerpfad definieren: Bei fehlenden oder widersprüchlichen Daten muss der Agent anhalten und nachfragen — nicht improvisieren.

9. Das Testset bauen

20–50 reale historische Fälle nehmen, bei denen das richtige Ergebnis bekannt ist, die bösen eingeschlossen. Dieses Set ist die Definition von “funktioniert”. Nach jeder Prompt- oder Datenänderung muss der Agent es bestehen. Ohne Testset ist “besser” von “anders” nicht zu unterscheiden — der Ausfallmodus hinter den meisten Token-Feuern.

10. Die Übergabe verpacken

Was der Agent (oder der Ingenieur, der darum herumbaut) erhält: die kanonischen Referenzdateien, das Prozessdokument, die Berechtigungstabelle, die Schutzregeln, das Testset und die KPI-Baseline. Dieses Paket — nicht der Prompt — ist das eigentliche Projekt.

Die Fehler, die diese Projekte töten

Fehler	Was passiert	Die Lösung
Den rohen Ordner übergeben	Der Agent antwortet aus der falschen Dateiversion	Schritte 3–5 zuerst, ein Prozess nach dem anderen
Stammdaten ohne Verantwortlichen	Die Listen driften wieder still auseinander	Benannter Owner + Änderungsregel, schriftlich
Freitext-Status	Der Agent kann nicht zuverlässig zählen, filtern, eskalieren	Kontrolliertes Vokabular
Farben/verbundene Zellen als Daten	Der Agent ist blind für die halbe Bedeutung	Spalten, schlichte Zeilen
Am ersten Tag die gesamte Historie migrieren	Monate Arbeit ohne Ergebnis	Aktive 3–6 Monate, Rest archivieren
Ungeschriebene Ausnahmen leben in einem Kopf	Der Agent “fällt scheinbar zufällig aus”	Prozessdokument + Schattenquellen-Inventar
Kein Testset	Endloses Prompten, kein Fortschrittsnachweis	20–50 Fälle mit bekannten Antworten
Keine KPI-Baseline	ROI unbelegbar; Budget mittendrin gestrichen	Vor dem Bau messen

Was sich ändert, sobald die Daten vorbereitet sind

Derselbe Agent auf demselben Modell verhält sich plötzlich wie ein anderes System: Er verknüpft Kunden mit Zahlungen ohne Münzwurf, seine Kosten skalieren nicht mehr mit der Dateigröße, seine Antworten werden am Testset prüfbar — und verbleibende Fehler behebt man an einer Stelle statt sie über vierzig Registerkarten zu jagen. Dieselbe Vorbereitung macht auch eine spätere Migration auf eine echte Plattform günstig: Die Sheets-zu-SQL-Demo zeigt das mit live Zahlen.

Die Vorbereitung ist der Großteil der Schlacht — aber nicht alles. Der Folgeartikel behandelt den Teil, den Datenvorbereitung nicht heilen kann: warum Teams nach korrekter Vorbereitung hunderte Prompts verbrennen und warum das fehlende Stück ein Mensch ist.

Quellen und weiterführende Lektüre

• Introducing AgentKit — OpenAI — was die Anbieter wirklich liefern (und wer ihre “Builder” sind)
• Raymond Panko, What We Know About Spreadsheet Errors — die Audits mit ~88 % Fehlerquote
• When Google Sheets Stops Scaling — die Volumendecke hinter Mechanismus 3
• Google Sheets to SQL in One Transaction — wohin diese Checkliste führt: 1.686 Datensätze, 12 gefundene Defekte, live Demo