Excel-Dateien mit Hunderten von Formeln, zirkulären Bezügen und unübersichtlichen Sheets stellen in vielen Einrichtungen ein strukturelles Problem dar – besonders, wenn die ursprünglichen Ersteller*innen nicht mehr verfügbar sind. Dieses Phänomen, oft ironisch als „Excel-Archäologie“ bezeichnet, begegnet uns z.B. in alten Budgetplanungen, Statistiken oder Auswertungstabellen aus Verwaltung und Bibliothek.
In diesem praxisorientierten Workshop lernen Sie, solche Excel-Monster systematisch zu analysieren, zu verstehen und schrittweise zu vereinfachen. Zum Einsatz kommen drei Werkzeuge:
- Microsoft Excel – mit integrierten Analysefunktionen wie Fehlerüberprüfung, Spurverfolgung und Formelüberwachung untersuchen Sie komplexe Tabellen direkt in der vertrauten Oberfläche. Diese Tools sind in allen Excel-Versionen ab 2016 verfügbar.
- Python mit openpyxl – eine spezialisierte Bibliothek für die programmatische Excel-Analyse, primär verfügbar in der Academic Cloud. Sie ermöglicht automatisierte Tiefenanalysen: versteckte Formeln finden, Querverweise visualisieren, fehlerhafte Zellverknüpfungen identifizieren. Alle Analysen laufen in der gesicherten Hochschulumgebung, sensible Daten verlassen nicht die Infrastruktur. Für unterbrechungsfreies Arbeiten wird anlassbezogen ein Backup-System verwendet, das auch nach Kursabschluss nur mit Übungsdaten verwendet werden sollte.
- KI-Assistenz über Academic Cloud API – datenschutzkonforme KI-Unterstützung beim Verständnis kryptischer Formeln, automatisierter Dokumentation und Ideenfindung für Umstrukturierungen. Während der Nutzung der gesicherten Academic Cloud API verlassen sensible Daten nicht die Hochschulinfrastruktur.
- Fortgeschrittene Kenntnisse in Excel, etwa aus unserem Kurs Aufbaukurs: MS Excel – Effizientes Arbeiten mit komplexen Funktionen und Tools, oder vergleichbare Vorkenntnisse
- Grundlagen in Python, etwa aus unserem Basisworkshop: Python für Verwaltungsaufgaben: Daten effizient bearbeiten und Prozesse automatisieren oder vergleichbare Vorkenntnisse
- Excel 2016 (oder neuer) installiert
- Primärsystem (eine der beiden Optionen ist Pflicht):
- Academic Cloud (CoCalc inkl. VS Code, Chat AI, API-Zugang) ODER
- Python und Visual Studio Code (lokal installiert) für maximalen Datenschutz
- Backup-System (Pflicht - nur für Übungsdaten): GitHub-Account (Codespaces) + Google-Account (Gemini, Gemini API), Hinweis: ausschließlich für technische Ausweichszenarien, keine sensiblen Daten
- optional:
- Claude.ai oder ChatGPT Account
- Python und Visual Studio Code (lokal installiert) für maximalen Datenschutz
- Hugging Face Account (KI API-Zugang)
Ziele
Nach dem Workshop sind die Teilnehmenden in der Lage,
- komplexe und historisch gewachsene Excel-Dateien strukturiert zu analysieren,
- typische Fehlerquellen und Risiken (z.B. zirkuläre Bezüge) zu identifizieren,
- Python zur automatisierten Analyse und Dokumentation großer Excel-Dateien einzusetzen,
- alte Strukturen durch moderne, wartbare Tabellenlösungen zu ersetzen,
- einen Migrationsplan zur schrittweisen Ablösung problematischer Tabellen zu entwerfen.
Inhalte
- Bestandsaufnahme in Excel: Formelüberwachung, Spurpfeile, Fehlerprüfung, benannte Bereiche analysieren
- Tiefenanalyse mit Python: openpyxl zur Zellinspektion, versteckte Inhalte aufspüren, Abhängigkeitsgraphen visualisieren, Komplexitätsgrad erfassen
- Vereinfachung und Modernisierung: SVERWEIS ersetzen, Power Query für Importe, klare Strukturen und modulare Tabellen
- KI-gestützte Unterstützung: ChatGPT, Gemini oder Claude zur Erklärung komplexer Formeln, automatische Dokumentation und Verbesserungsvorschläge
- Schrittweise Migration: Validierung durch Parallelbetrieb, strukturierter Umbau und Nutzer*innen-Schulung
Methoden
Live-Demonstrationen, praktische Übungen mit anonymisierten Beispieldateien, Austausch über eigene Anwendungsfälle Hinweise
Für die Übungen wird Beispielmaterial gestellt.
