Daten für KI aufbereiten: Tabellen, PDFs und Texte
Wer Daten für KI aufbereiten will, spart doppelt: Das Modell versteht gut strukturierte Daten zuverlässiger, und überflüssige Formatierung kostet keine Tokens mehr. Oft entscheidet das Format mehr über die Qualität der Antwort als der Prompt.
Wer Daten für KI aufbereiten will, sollte sie klar strukturieren und von überflüssiger Formatierung befreien. Tabellen funktionieren am besten als CSV oder Markdown mit Kopfzeile, PDFs ohne Kopfzeilen und Seitenzahlen, Webseiten nur mit dem Hauptinhalt. Das Format entscheidet oft mehr über die Antwortqualität als der Prompt.
Tabellen
Aus Excel kopierte Zellen kommen als Text mit Tabulatoren an. Das klappt meist, aber eine Markdown-Tabelle oder CSV mit klarer Kopfzeile ist eindeutiger. Bei großen Tabellen spart CSV gegenüber Markdown Tokens, JSON ist am teuersten, aber für verschachtelte Daten am klarsten. Umwandeln lässt sich das mit Tabelle umwandeln, die Tokens der Formate vergleicht der Format-Vergleich.
Für Berechnungen über viele Zeilen sollten Sie das Modell nicht selbst rechnen lassen, sondern Code ausführen lassen (Datenanalyse in ChatGPT, Code-Ausführung bei Claude und Gemini) oder die Zahlen vorher in Excel zusammenfassen.
PDFs
- Text-PDFs funktionieren gut; gescannte PDFs brauchen Texterkennung (OCR).
- Kopf- und Fußzeilen, Seitenzahlen und Silbentrennungen stören. Beim Bereinigen hilft der Text-Bereiniger.
- Tabellen in PDFs gehen beim Kopieren oft kaputt. Lieber die Originaldatei nutzen oder das PDF direkt hochladen, wenn das Werkzeug Seiten als Bild versteht.
Webseiten und lange Texte
Navigation, Werbung und Cookie-Hinweise gehören nicht in den Prompt. Kopieren Sie nur den Hauptinhalt. Sehr lange Texte lassen sich in Abschnitte teilen (Text aufteilen), wenn sie das Kontextfenster sprengen oder das Werkzeug ein Zeichenlimit hat.
Struktur hilft
- Mehrere Dokumente mit Überschriften oder XML-Tags trennen und benennen.
- Anweisung und Material klar abgrenzen: erst die Daten, dann die Frage, oder umgekehrt, aber nicht vermischt.
- Einheitliche Datumsformate, Einheiten und Spaltennamen.
- Sonderzeichen-Salat vorher reparieren (Umlaute reparieren).
Datenschutz nicht vergessen
Bevor Kundenlisten oder Personaldaten in ein KI-Werkzeug gehen: Brauchen Sie die Namen überhaupt? Oft genügen Kundennummern oder Platzhalter.
Häufige Fragen
Welches Datenformat spart bei Tabellen die meisten Tokens?
Bei großen Tabellen spart CSV gegenüber Markdown Tokens. JSON ist am teuersten, aber für verschachtelte Daten am klarsten. Wichtig ist in jedem Fall eine klare Kopfzeile.
Kann ChatGPT gescannte PDFs lesen?
Text-PDFs funktionieren gut, gescannte PDFs brauchen dagegen Texterkennung (OCR). Tabellen in PDFs gehen beim Kopieren oft kaputt, daher lieber die Originaldatei nutzen oder das PDF hochladen, wenn das Werkzeug Seiten als Bild versteht.
Sollte man ChatGPT große Tabellen selbst ausrechnen lassen?
Besser nicht. Für Berechnungen über viele Zeilen lassen Sie das Modell Code ausführen, etwa mit der Datenanalyse in ChatGPT, oder fassen die Zahlen vorher in Excel zusammen.