Die KI, die 1,9 Millionen Euro erfand

Ich habe Claude, Copilot und ChatGPT in Excel getestet. Das Ergebnis hat meine Erwartung umgedreht.

Ich hatte die perfekte Tabelle vor mir.

Management-Summary, meine Markenfarben, ein sauberes Balkendiagramm, Formeln, die sich selbst aktualisieren. Ganz oben eine Kennzahl: 44 Artikel unter Einkaufspreis. Ich wollte sie schon in den Bericht kopieren.

Dann bin ich stutzig geworden und habe nachgezählt.

Es waren 26.

Achtzehn Verluste, die es nie gab. Erfunden von einer KI, die dabei keine Sekunde unsicher wirkte.

Ein paar Zeilen tiefer wurde es absurd. Die wertvollste Lagerposition des Shops? Fahrradhelme im Wert von 1,9 Millionen Euro. Jeder Händler lacht darüber sofort. Aber die Zahl stand da, in einer akkurat formatierten Top-10-Tabelle, mit dem kleinen Vermerk „Preis prüfen”.

Das Tool hatte perfekt gerechnet. 41 mal 46.156, korrekt auf den Cent. Nur war die 46.156 vorher ein Einkaufspreis von 14 Euro gewesen, den dieselbe KI beim „Aufräumen” zerstört hatte.

Perfekte Mathematik. Auf vergifteten Daten. Serviert in einem Dashboard, das seriöser aussah als alles, was ich je von Hand gebaut hätte.

Warum ich dir das erzähle

Ich habe drei KI-Tools gegeneinander getestet. Claude, Copilot und ChatGPT, alle direkt in Excel. Nicht im Chat nebenbei, sondern arbeitend in der Tabelle.

Als Prüfstein habe ich einen fiktiven Fahrradladen gebaut. 1.500 Artikel, über 750 absichtlich eingebaute Fehler: doppelte Zeilen, kaputte Datumsformate, Preise als Text, Verlustartikel, Ausreißer. Dieselben Aufgaben, dieselben Prompts, für jedes Tool.

Ich wollte eine einfache Antwort: Welches ist das beste?

Ich habe eine bessere bekommen. Die Frage ist falsch.

Kein Tool war fehlerfrei. Aber jedes hat auf seine eigene Art versagt. Und genau der Fehlertyp entscheidet, ob dich die KI im entscheidenden Moment blamiert oder nicht.

Fehler 1: Der, der sich versteckt

Claude war der beeindruckendste Aufräumer. Duplikate sauber getrennt, Kategorien vereinheitlicht, ein lückenloses Protokoll über jede Änderung. Es fasste sogar Dinge nicht an, die ich nicht verlangt hatte. Vorbildlich.

Dann kam die Analyse.

Bei den Preisen stieß Claude auf Werte, die es nicht sauber lesen konnte. Statt nachzufragen, hat es geraten. Aus 14 Euro Einkaufspreis machte es 46.156. Still, ohne Warnung.

Und dann rechnete es perfekt weiter. Auf kaputten Zahlen. So entstanden die 1,9 Millionen Euro Fahrradhelme. So entstanden die 44 Verlustartikel, von denen 18 nie existierten.

Das Faszinierende: Bei zwei Analysen hat Claude seinen eigenen Fehler bemerkt und selbst korrigiert. Das kann kein anderes Tool im Test. Aber im finalen Dashboard rutschte die falsche Zahl trotzdem durch.

Das ist der gefährlichste Fehlertyp. Nicht der sichtbare. Der, der aussieht wie die Wahrheit.

Fehler 2: Der, den du sofort siehst

Copilot hatte ich abgeschrieben. In einem früheren Test hatte es mir Zellen zusammengemergt und meine Farben ignoriert. Für mich erledigt.

Diesmal, mit präzisen Prompts, war die Formatierung tadellos. Erste Überraschung.

Die zweite kam bei den Preisen. Wo Claude riet, hat Copilot aufgegeben. 68 Zellen, die es nicht sicher lesen konnte, hat es leer gelassen. Kein Rateversuch, keine Erfindung.

Das klingt nach einem Nachteil. Ist aber das Gegenteil.

Weil Copilot keine Preise erfand, war seine Verlust-Analyse sauber. 25 von 26 echten Verlustartikeln gefunden, kein einziger erfundener. Den einen verpassten Artikel hatte es ehrlich leer gelassen, statt eine Fantasiezahl einzusetzen.

Ein leeres Feld schreit dich an: Prüf mich. Eine plausible falsche Zahl tut das nicht.

Dazu der Punkt, der für dich als DACH-Solopreneur zählt: Copilot läuft in deinem Microsoft-Konto, in der EU-Datengrenze. Von den dreien die stärkste Datenschutz-Karte.

Fehler 3: Der im Kleingedruckten

ChatGPT war bei der Preis-Umwandlung der genaueste. Es hat sogar die kniffligen Zellen korrekt umgewandelt, genau die, an der Claude scheiterte und Copilot passte. 26 von 26 Verlustartikeln, exakt. Und das lief bei mir sogar im schnellen Spar-Modus.

Wenn es nur um saubere Zahlen ginge, wäre ChatGPT der Sieger.

Geht es aber nicht.

Mitten im Test war Schluss. „Usage limit reached.” Der günstige Tarif macht dicht, mitten in der Arbeit, zurück erst in vier Wochen. Für dich, der zwischen Kundentermin und Kind schnell etwas fertig machen will, ist das kein Detail.

Und der wunde Punkt: Auf den günstigen Tarifen trainiert ChatGPT standardmäßig mit deinen Daten. Sauber wird es erst in der teuren Business-Version mit EU-Datenhaltung. Das genaueste Tool ist ausgerechnet das, dem du deine echte Kundenliste am wenigsten geben willst.

Der Fehler, den alle drei machen

Zum Schluss habe ich jedes Tool gebeten: „Bau den Report wie beim letzten Mal.”

Alle drei sind gescheitert. Komplett andere Zahlen, jedes Mal falsch. Keines hatte auch nur eine Erinnerung an das letzte Mal.

Das ist keine Schwäche eines einzelnen Tools. Das ist die Natur dieser KIs. Sie haben kein Gedächtnis über Sitzungen hinweg.

Dein wiederkehrender Report lebt also nicht in der KI. Er lebt in deinem gespeicherten Prompt. Wenn du ihn nicht sicherst und wieder einfügst, fängst du jede Woche bei null an.

Ein ehrliches Wort zum Test

Das war ein Testlauf, kein Laborurteil. Ein Datensatz, ein Durchgang, bei jedem Tool eine andere Modell-Einstellung. Claude lief auf seinem stärksten Modell, ChatGPT im Spar-Modus, Copilot auf Automatik.

Nächste Woche kann es anders aussehen. Diese Tools ändern sich fast täglich.

Nimm das hier also als Momentaufnahme und als Anleitung, wie du selbst prüfst. Nicht als Tabelle, die du auswendig lernst. Genau dafür bekommst du unten meine Testdatei.

IMPLEMENTATION KIT

Der Bike-Shop-Test: Prüf deine Tools selbst

Genau die Datei, mit der ich Claude, Copilot und ChatGPT gejagt habe. 1.500 Fahrrad-Artikel mit über 750 eingebauten Fehlern: doppelte Zeilen, kaputte Datumsformate, Preise als Text, versteckte Verlustartikel. Dazu die Schritt-für-Schritt-Anleitung mit allen Prompts und ein Lösungsschlüssel, an dem du misst, wie viele Fehler dein Tool wirklich findet.

Runterladen, in dein KI-Tool werfen, und in 30 Minuten siehst du selbst, ob es rät, aufgibt oder trifft. Selber testen schlägt jeden Vergleich, auch meinen.

​Test-Kit gratis holen​

Und wenn du wissen willst, welche Daten überhaupt in ein KI-Tool dürfen: Die KI-Datenschutz-Ampel klärt das auf zwei Seiten. Zur DSGVO-Ampel​

Dein Schnell-Check

• Prüf jedes KI-Ergebnis gegen die Rohdaten. „Aufräumen” kann Daten zerstören, nicht nur reparieren.
• Kontrolliere die eine Zahl, auf die es ankommt. Je schöner das Dashboard, desto kritischer.
• Achte darauf, wie ein Tool mit Unsicherheit umgeht. Ein ehrliches „das kann ich nicht lesen” ist mehr wert als eine selbstsichere Falschzahl.
• Kläre vor echten Kundendaten: Trainiert das Tool damit, und wo werden sie verarbeitet?
• Speichere deinen Report-Prompt. Kein Tool merkt sich, was letzte Woche war.

Wenn du das machst, hörst du auf, dem hübschesten Ergebnis zu vertrauen. Und fängst an, dem geprüften zu vertrauen. Das ist der ganze Unterschied zwischen KI, die dich blamiert, und KI, die dir Zeit spart.

Welcher Zahl aus einem KI-Tool hast du zuletzt vertraut, ohne sie zu prüfen?

Antworte auf diese Mail mit einer Zeile. Ich lese jede Antwort.

Bis nächste Woche,

Hans Peter

P.S. Alle drei Tools haben bei präziser Anweisung sauber formatiert, sogar Copilot, mein alter Wackelkandidat. Die Formatierungs-Probleme, über die sich alle beschweren, liegen selten am Tool. Sie liegen am Prompt.

P.P.S. Mehr kostenlose Werkzeuge und Vorlagen für deinen KI-Alltag findest du auf aimadesimple.at. Fang mit der KI-Datenschutz-Ampel an: Sie sagt dir grün, gelb, rot, welche Daten du einer KI geben darfst und welche nie.