Excel ist nicht das Futter für KI – es ist die Verpackung. 🧮📦

Der effektivste Weg: Einen MCP-Server um das Excel bauen und die KI per Funktionsaufrufen genau die Datenscheiben anfordern lassen, die sie wirklich braucht.

Warum das wirkt

• 🎯 Präzise Slices: list_sheets → describe → select(columns, where, limit, cursor) – nur Relevantes landet im Kontext.
• 💸 Kosten im Griff: Projektion/Filter/Aggregation laufen serverseitig (Pushdown).
• 🧪 Reproduzierbar: Typen, Validierung, Constraints & Idempotenz im Tool, nicht im Prompt.
• 🔒 Governance: PII-Masking, Audit-Logs, Rate-Limits, Row-Level-Security.
• 🔁 Rückschreiben: write_back(mapping, validate=true) mit Checks & sauberem Report.

So läuft es ab

1. Excel am MCP registrieren (unter der Haube: Power Query, pandas oder SQL).
2. KI nutzt describe() für Struktur & Datentypen.
3. KI zieht gezielte Slices via select() und arbeitet dort, wo Sprache & Urteil zählen: Klassifizieren, Normalisieren, Dubletten mergen, Zusammenfassen.
4. Ergebnisse validieren und mit write_back() in neue Spalten/Sheets/DB zurückspielen.

Mini-Case

Produktkatalog mit 20.000 Zeilen. MCP liefert nur name, description, brand bei fehlender/unsicherer category. Die KI klassifiziert diese 6–10 %. Danach write_back() mit Validierung → neue category-Spalte. Schnell, günstig, auditierbar – und skalierbar.

Merksatz

Werkzeuge rechnen, die KI entscheidet. Mit MCP bleibt der Kontext klein, die Qualität hoch und der Prozess testbar. 🦙⚙️