Überblick
Session 13 · Daten-Detektiv
Ein Freizeitpark erhält 1.000 Rückmeldungen zu seinen Restaurants. Diese Session zeigt dir, wie KI Daten bereinigt, ähnliche Aussagen clustert, Muster sichtbar macht und bessere Fragen für QM, Service und 8D-Denken vorbereitet.
Excel-Datensatz herunterladen ↓
Von 1.000 Kommentaren zu 3 Hypothesen.
Nicht die KI entscheidet. Sie macht sichtbar, wo du genauer hinschauen solltest.
📄
Rohdaten ansehen
🧹
Kommentare bereinigen
🔍
Cluster & Pareto erkennen
🧠
8D-Fragen ableiten
Wichtig: Diese Session ist eine Lernübung. Die Daten sind realistisch konstruiert, aber anonym und fiktiv. Ziel ist nicht eine perfekte Statistik, sondern ein nachvollziehbarer Denkweg: Daten → Muster → Hypothesen → bessere Fragen.
Download
Arbeite mit dem Datensatz mit.
Die Excel-Datei enthält bewusst uneinheitliche Kommentare, versteckte Muster, Stoßzeiten und mehrere Restaurants. Genau dadurch wird die Übung realistisch.
freizeitpark_feedback.xlsx
Enthält 1.000 Gästerückmeldungen aus sechs Restaurants eines Freizeitparks: Datum, Uhrzeit, Restaurant, Besucheraufkommen, Wartezeit, Produkt, Bewertung, Kommentar und Temperatur.
Lernweg
Der Weg von Datenchaos zu Hypothese.
01****Daten ansehen
Was steht in der Tabelle? Welche Spalten helfen wirklich?
02****Bereinigen
„Burger kalt“, „Essen kalt“ und „kalte Pommes“ werden zu einem Thema.
03****Clustern
Ähnliche Aussagen werden zu Beschwerdegruppen zusammengefasst.
04****Fragen stellen
Aus Mustern entstehen konkrete Fragen für QM, Service oder 8D.
Interaktiv
Schalte die Analyse Schritt für Schritt frei.
Die Demo zeigt den Denkweg. Lade den Datensatz herunter und wiederhole die Schritte in ChatGPT, Claude, Excel oder Power BI.
Analyseschritt
Was sieht man zuerst?
Vorher1.000Kommentare
Nach Bereinigung12Themencluster
Fokus2Problemfelder
Vorher / Nachher
Nicht mehr „Warum sind Gäste unzufrieden?“
Vorher
- 1.000 einzelne Kommentare
- viele unterschiedliche Formulierungen
- unklare Hauptursache
- zu breite Frage: „Was ist los?“
Nachher
- 12 klare Themencluster
- Pareto zeigt die größten Hebel
- Stoßzeit wird sichtbar
- bessere Frage: „Warum treten kalte Speisen mittags in der Burger Station auf?“
Hypothese
Ein mögliches Ursachenbild.
Das ist noch keine bewiesene Ursache. Es ist eine gute Richtung für die nächste Untersuchung.
Mittagsansturm
→
lange Wartezeit
→
kalte Speisen
→
Beschwerden
KI anwenden
Prompt für deine eigene Analyse.
Nutze diesen Prompt mit der Excel-Datei. Er ist bewusst auf Hypothesen und 8D-Fragen ausgelegt.
Prompt kopieren
Ich habe eine Excel-Datei mit Kundenrückmeldungen aus einem Freizeitpark-Restaurantbereich. Bitte analysiere die Daten Schritt für Schritt, ohne vorschnell Ursachen zu behaupten.
- Prüfe zuerst die Datenqualität: fehlende Werte, Schreibweisen, Ausreißer und unklare Kommentare.
- Gruppiere ähnliche Kommentare zu sinnvollen Beschwerdeclustern.
- Erstelle eine Pareto-Auswertung der wichtigsten Beschwerdegründe.
- Prüfe Muster nach Restaurant, Uhrzeit, Besucheraufkommen, Wartezeit, Produkt und Bewertung.
- Formuliere Hypothesen, aber unterscheide klar zwischen Korrelation und Ursache.
- Leite konkrete Fragen für einen 8D-Report oder eine Ursachenanalyse ab.
- Schreibe am Ende eine kurze Management Summary mit den wichtigsten Erkenntnissen und nächsten Prüfschritten.
Merke
Die wichtigste Erkenntnis.
KI löst keine Probleme. KI hilft, bessere Fragen zu stellen.
Aus Daten entsteht keine Wahrheit. Aber gute Datenanalyse macht Auffälligkeiten sichtbar. Genau dort beginnt professionelle Problemlösung.