Digitalisierung verstehen: Datenverarbeitung mit Excel, Grundlagen KI und ChatGPT.

Kapitel 1: Data Literacy

Du lernst, wie Daten die Entscheidungsfindung unterstützen – ob in der strategischen Planung oder bei operativen Prozessen. Dabei erkennst Du, welche Merkmale Daten auszeichnen und worauf es bei ihrer Struktur und Qualität ankommt.

Du machst Dich mit den einzelnen Schritten einer Datenanalyse vertraut: von der Aufbereitung über die Auswertung bis hin zur Interpretation. Dafür wendest Du passende Methoden zur Bereinigung, Auswahl und Aggregation von Daten an.

Du nutzt Best Practices, um Deine Ergebnisse in anschaulichen Visualisierungen darzustellen – klar, verständlich und überzeugend.

Anhand konkreter Problemstellungen erkennst Du, welche KI-Methode sinnvoll ist – zum Beispiel Klassifikation, Regression oder Clustering. Außerdem erweiterst Du Dein fachliches Vokabular rund um Analyse und Künstliche Intelligenz und setzt die Begriffe sicher im richtigen Kontext ein.

Kapitel 2: Excel Basics

Du lernst die Grundlagen im Umgang mit Excel, die Du brauchst, um Daten in Tabellen zu strukturieren und aufzubereiten.

Anhand eines praktischen Beispiels zum Thema Finanzplanung lernst Du, was Du beim Erstellen einer Excel-Datei alles beachten musst – zum Beispiel, wie Du Spalten und Zellwerte richtig formatierst und warum es sich lohnt, wichtige Zellbereiche als Tabellenobjekt zu formatieren. Du wendest Formeln und Funktionen für einfache Berechnungen an und kannst relative, absolute und gemischte Zellbezüge unterscheiden.

Du lernst, wie Du mit strukturierten Verweisen Deine Formeln noch leichter verständlich machst und wie Du Tabellen filterst und sortierst, um einen besseren Überblick über Deine Daten zu bekommen.

Kapitel 3: Datenanalyse mit Excel​

In diesem Kapitel lernst Du, Daten zusammenzufassen, zu analysieren und zu visualisieren, um daraus Erkenntnisse zu gewinnen. Und das so praxisnah wie möglich!

Wir betrachten die Daten eines Online-Kursanbieters, um Fragen zur Kundenzufriedenheit, zu Bearbeitungszeiten und zum Hintergrund der Teilnehmenden zu beantworten. Dabei lernst Du, grundlegende statistische Kennzahlen, Pivot-Tabellen und Datenschnitte für einfache Analysen zu nutzen und zu interpretieren. Du lernst, benannte Bereiche zu verwenden, um Formeln leichter verständlich zu machen, und bedingte Formatierungen, um wichtige Datenpunkte richtig hervorzuheben.

Mit Funktionen wie XVERWEIS() lernst Du Excel als effektives Werkzeug zur Datenorganisation kennen. Und natürlich lernst Du neben Kennzahlen und aggregierten Tabellen auch Visualisierungen effektiv einzusetzen, um Deine Daten zu verstehen.

Am Ende erwartet Dich ein spannendes Zwischenprojekt, bei dem Du all Deine Daten- und Excel-Kenntnisse noch einmal unter Beweis stellen kannst.

Kapitel 4: Datenqualität sicherstellen

In diesem Kapitel geht es um die Sicherstellung von Datenqualitätsstandards – und zwar auf jeder Stufe der Wertschöpfungskette.

Du stehst vor einer neuen Herausforderung: Die Daten, mit denen Du in Kapitel 1 gearbeitet hast, waren sauber und ordentlich. In der Realität ist das leider oft nicht der Fall. Dafür gibt es viele Gründe, die Du besser verstehen solltest.

In diesem Kapitel lernst Du deshalb zunächst die Dimensionen der Datenqualität kennen. Aber nicht nur in der grauen Theorie, sondern ganz praktisch anhand von echten Daten mit dem Tool Excel. Du lernst, mit typischen Fehlern beim Einlesen verschiedener Datenquellen umzugehen, wie Du Daten u.a. mit dem PowerQuery-Editor bereinigst und wie Du z.B. durch Formel und Datenprüfungen bestimmte Aspekte der Datenqualität sicherstellen kannst. Hier kommen ebenfalls die Analysefähigkeiten aus Kapitel 1 zum Einsatz. Auch die Grenzen des Tools Excel werden in diesem Kapitel näher beleuchtet.

Am Ende des Kapitels erwartet Dich ein weiteres spannendes Abschlussprojekt, in dem Du alle neu erlernten Fähigkeiten vertiefen kannst.

Kapitel 5: Data-driven Management

Du lernst, wie kognitive Verzerrungen unsere Wahrnehmung beeinflussen und welchen Effekt sie auf datenbasierte Entscheidungen haben können. Du interpretierst Analyseergebnisse sicher und kannst deren Aussagekraft im jeweiligen Kontext einschätzen.

Anhand konkreter Beispiele erkennst Du, wie Datenprodukte zur Zielerreichung von Unternehmen beitragen – ob in der Prozessoptimierung, im Marketing oder in der Produktentwicklung. Du entwickelst Strategien und Maßnahmen, mit denen sich eine datengetriebene Unternehmenskultur wirksam fördern lässt.

Du setzt bewährte Methoden des Data Storytelling ein, um Erkenntnisse verständlich und überzeugend zu vermitteln. Außerdem beschreibst Du den Innovationszyklus von Datenprodukten und verstehst, welche Phasen von der Idee bis zur Umsetzung durchlaufen werden.

Mit dem Prioritätsmatrix Canvas priorisierst Du Datenprojekte strukturiert und zielorientiert. Du kennst die Grundlagen einer effektiven Data Governance und kannst deren Bedeutung und Anwendung im Unternehmenskontext erläutern.
Abschließend definierst Du, was Datenqualität ausmacht, welche Merkmale entscheidend sind – und warum sie eine zentrale Rolle für jede datenbasierte Entscheidung spielt.

Kapitel 6:  Data Storytelling

Du lernst die verschiedenen Typen von Datenvisualisierungen kennen – von einfachen Balkendiagrammen bis hin zu komplexen interaktiven Dashboards. Du verstehst, welche Darstellungsform sich für welche Art von Daten eignet und worauf es bei der Auswahl ankommt.

Du lenkst gezielt die Aufmerksamkeit Deines Publikums, indem Du Visualisierungen klar strukturierst, Kernaussagen hervorhebst und gestalterische Prinzipien bewusst einsetzt.

Außerdem präsentierst Du Daten und Analysen eingebettet in eine Story – mit einem roten Faden, der Kontext schafft, Zusammenhänge erklärt und Deine Botschaft überzeugend vermittelt.

Kapitel 7: ChatGPT – Grundlagen generativer KI

Du lernst, in welchen Bereichen generative KI heute schon eingesetzt wird – von der Texterstellung über die Bildgenerierung bis hin zur Automatisierung kreativer Prozesse. Du kannst typische Anwendungsfälle benennen und deren Nutzen im Unternehmenskontext einschätzen.

Dabei setzt Du Dich auch mit den ethischen und rechtlichen Aspekten der KI-Nutzung auseinander. Du verstehst, welche Fragen zum Datenschutz, zur Transparenz und zur Verantwortung geklärt sein müssen, bevor KI-Lösungen zum Einsatz kommen.

Außerdem arbeitest Du mit strukturierten Prompts, um KI-Modelle gezielt zu steuern. Du formulierst Eingaben so, dass sie zu präzisen, relevanten Ergebnissen führen – effizient, nachvollziehbar und anwendungsnah.