ChatGPT Code Interpreter: Datenanalyse-Anleitung

Eine CSV-Datei voller Zahlen ist noch keine Erkenntnis. Vielleicht fehlen Werte. Vielleicht werden zwei Regionen unterschiedlich benannt. Vielleicht zeigt ein Balkendiagramm genau das Gegenteil von dem, was du wissen wolltest.

ChatGPT kann dir bei diesem ersten Durchgang viel Arbeit abnehmen. Der frühere Name dafür lautet Code Interpreter. OpenAI nennt die Funktion heute Data Analysis. Sie liest hochgeladene Dateien, erstellt Tabellen und Diagramme und führt für manche Aufgaben Python in einer Jupyter-Notebook-Umgebung aus.

Das ist praktisch. Es ersetzt aber nicht dein Urteil über die Daten. In dieser Anleitung zeige ich dir einen Ablauf, den du mit einer harmlosen Beispieldatei nachvollziehen und danach auf deine eigenen Daten übertragen kannst.

1. Was der ChatGPT Code Interpreter heute macht

Die Funktion ist kein allgemeiner Programmiercomputer in deinem Browser. Sie ist eine Analyseumgebung für den aktuellen Chat. Du lädst Daten hoch, beschreibst deine Frage in normaler Sprache und ChatGPT kann daraus Tabellen, Berechnungen, Transformationen oder Diagramme erzeugen.

Besonders gut passt das zu klar strukturierten Daten. OpenAI empfiehlt aussagekräftige Spaltenüberschriften in der ersten Zeile und genau einen Datensatz pro Zeile. Das klingt banal. Spart dir später aber viel Rätselraten.

Typische Aufgaben sind:

• Umsätze, Mengen, Ausreißer und Zeiträume zusammenfassen
• fehlende Werte, Dubletten oder uneinheitliche Kategorien finden
• zwei Tabellen über eine gemeinsame Kennung zusammenführen
• Durchschnitt, Median, Standardabweichung oder Korrelationen berechnen
• ein passendes Balken-, Linien-, Kreis- oder Streudiagramm erstellen

2. Diese Dateien und Grenzen solltest du kennen

Für Datenanalyse eignen sich vor allem CSV-, XLS- und XLSX-Dateien. OpenAI nennt außerdem PDFs sowie Text- und Datenformate wie JSON, XML, YAML, TXT und Markdown. Welche Formate und Funktionen dir konkret angezeigt werden, hängt von Modell, Tarif, Workspace-Einstellungen und deinem Account ab.

Die offiziellen Upload-Grenzen sind deutlich differenzierter als die oft zitierten 100 MB:

• jede Datei maximal 512 MB
• CSV- und Tabellen-Dateien ungefähr maximal 50 MB, abhängig von der Zeilengröße
• Text- und Dokumentdateien maximal 2 Millionen Token pro Datei
• Bilder maximal 20 MB pro Bild
• bis zu 80 Uploads in drei Stunden. Im Free-Tarif bis zu drei Uploads am Tag. Diese Grenzen können bei hoher Auslastung niedriger liegen.

Nicht jeder erfolgreiche Upload führt zu einer vollständigen Analyse. Sehr große, verschachtelte, bildlastige oder schlecht strukturierte Dateien können zu unvollständigen Antworten führen. Dann hilft es, nur die relevanten Spalten hochzuladen oder die Datei in sinnvolle Teilmengen zu teilen.

2.1 Bibliotheken und Laufzeit

ChatGPT schreibt und führt Python aus. OpenAI nennt dafür Beispiele wie pandas und Matplotlib, veröffentlicht aber keine vollständige, verbindliche Liste aller vorinstallierten Bibliotheken und kein festes Zeitlimit pro Analyse. Verlasse dich deshalb nicht auf Listen mit angeblich hunderten Paketen oder auf ein angebliches 60-Sekunden-Limit.

Der Notebook-Kontext kann innerhalb einer Sitzung zustandsbehaftet sein. Für aufwendige Analysen ist das trotzdem kein Garant für eine bestimmte Laufzeit oder dauerhafte Zwischenergebnisse. Teile große Aufgaben auf, speichere wichtige Downloads und lass dir die Methode ausgeben.

3. Welcher Tarif reicht für die Datenanalyse?

Datenanalyse und Datei-Uploads gibt es auch im kostenlosen Tarif. Das ChatGPT Free Tier FAQ beschreibt dafür eigene und engere Limits. OpenAI kann diese Limits je nach Auslastung ändern. Für gelegentliche kleine Tabellen ist das ein sinnvoller Einstieg.

Stand: September 2026 (Quellen: ChatGPT Pricing und ChatGPT Business - Overview).

• Free: Datenanalyse und Uploads mit begrenzter Nutzung
• Go: Höhere Limits für Uploads und Datenanalyse als Free. Laut OpenAIs Go-Dokumentation in allen unterstützten ChatGPT-Ländern verfügbar. Den lokalen Preis siehst du auf der Tarifseite.
• Plus: 20 $ pro Monat. Höhere Limits für Nachrichten, Uploads und Datenanalyse.
• Pro: Zwei Stufen für 100 $ oder 200 $ pro Monat mit unterschiedlichem Nutzungsumfang, dokumentiert in OpenAIs Pro-Übersicht.
• Business: Für Teams. Standard-Sitze kosten laut OpenAI 25 $ pro Person und Monat bei monatlicher Abrechnung oder 20 $ bei jährlicher Abrechnung. Workspace-Regeln und Admin-Einstellungen können Funktionen steuern.
• Enterprise: Preis auf Anfrage.

Preise können je nach Land, Währung, Steuern und Angebotsseite abweichen. Einen ausführlicheren Vergleich findest du auch in meinem ChatGPT-Tarife-Überblick.

4. Datenanalyse ohne Pythonkenntnisse. Ein nachvollziehbarer Ablauf

Fang nicht mit Kundendaten an. Lade zuerst meine synthetische CSV-Beispieldatei mit 24 Bestellungen herunter. Sie enthält bewusst erfundene Verkaufsdaten aus Januar bis Juni 2026. Keine echten Kunden. Keine echten Umsätze.

So gehst du vor:

1. Öffne einen neuen Chat in ChatGPT und hänge die CSV über das Anhang-Symbol an.
2. Bitte zuerst um eine Bestandsaufnahme. So erkennst du, ob Spalten, Datumswerte und Zahlen richtig gelesen wurden.
3. Formuliere danach eine konkrete Analysefrage mit Zeitraum, Kennzahl und gewünschter Grafik.
4. Prüfe die Antworten gegen die Datei und lass dir die Berechnung zeigen, bevor du daraus eine Entscheidung ableitest.

Für den ersten Durchgang kannst du diesen Prompt verwenden:

Untersuche die hochgeladene CSV-Datei zuerst auf Datenqualität. Nenne die Anzahl der Zeilen, fehlende Werte, doppelte Zeilen und die erkannten Datentypen.

Berechne anschließend den Nettoumsatz nach Region und Vertriebskanal. Erstelle ein Balkendiagramm für den Umsatz je Region und ein Liniendiagramm für den Monatsumsatz.

Zeige die verwendeten Annahmen und den Python-Code. Wenn etwas aus der Datei nicht eindeutig hervorgeht, markiere es als offene Frage statt es zu erfinden.

Die Beispieldatei ist absichtlich klein und sauber. In einer echten Tabelle kommen Leerzeilen, unklare Kategorien und falsch formatierte Zahlen fast immer dazu. Genau deshalb beginnt ein guter Workflow mit einer Datenprüfung und nicht mit dem ersten Diagramm.

4.1 Mit einer zweiten Frage weiterarbeiten

Ein Diagramm beantwortet selten alles. Die nächste Frage sollte die erste Antwort gezielt prüfen, statt einfach „mehr Insights“ zu verlangen.

Vergleiche die beiden Regionen mit dem höchsten Nettoumsatz. Erkläre anhand der vorhandenen Spalten, welche Vertriebskanäle den Unterschied verursachen könnten.

Trenne dabei beobachtete Werte klar von Vermutungen. Schlage zwei zusätzliche Datenfelder vor, die für eine belastbarere Erklärung fehlen.

Das ist der entscheidende Unterschied zwischen einer schnellen Zusammenfassung und einer brauchbaren Analyse. ChatGPT rechnet und strukturiert. Du entscheidest, ob die Frage sinnvoll war und ob die Daten eine Schlussfolgerung überhaupt tragen.

5. Drei sinnvolle Anwendungen neben Umsatz-Tabellen

Dasselbe Vorgehen funktioniert auch bei anderen, überschaubaren Fragen. Für eine Monte-Carlo-Simulation gibst du Annahmen, Wiederholungen und die gewünschte Kennzahl vor. Für Textdaten kannst du Kategorien zählen, Begriffe gruppieren oder Abschnitte strukturiert vergleichen. Und bei zwei Tabellen mit derselben Kunden- oder Produktkennung kannst du um eine Zusammenführung bitten.

Bei Bilddateien ist Vorsicht sinnvoll. ChatGPT kann Bilder zwar untersuchen, für exakte Tabellenwerte in eingescannten PDFs oder komplexen Layouts empfiehlt OpenAI aber eine Tabellen- oder Textdatei. Das ist weniger spektakulär als eine bunte Wortwolke, führt bei Zahlen aber viel seltener in die falsche Richtung.

6. Kein Internet in der Python-Umgebung

Die Python-Umgebung für Data Analysis kann keine externen Websites aufrufen und keine API-Anfragen senden. Wenn deine Analyse aktuelle Wechselkurse, Werbedaten oder Produktpreise braucht, musst du diese Daten zuerst als Datei bereitstellen oder eine für deinen Account verfügbare verbundene Datenquelle verwenden.

Verwechsle das nicht mit der Websuche in ChatGPT. Sie kann je nach Modell und Tarif aktuelle Quellen recherchieren. Der Python-Code, der deine hochgeladene Datei auswertet, kann daraus aber nicht eigenständig Daten nachladen.

7. Datenschutz und Ergebniskontrolle

In persönlichen ChatGPT-Workspaces kannst du unter Einstellungen > Data Controls die Nutzung neuer Unterhaltungen zur Modellverbesserung ausschalten. Das betrifft neue Unterhaltungen, lässt sie aber in deiner Historie. In ChatGPT Business, Enterprise, Edu und der API werden Ein- und Ausgaben laut OpenAI standardmäßig nicht zum Training verwendet. Prüfe dennoch immer die für deinen Tarif geltenden Einstellungen und Aufbewahrungsregeln.

Anschließend kommt der Teil, den kein KI-Tool für dich übernehmen darf. Vergleiche Summen mit der Ausgangsdatei. Prüfe eine Stichprobe von Zeilen. Lies Achsen, Filter und Einheiten im Diagramm. Und frage nach, wenn die Antwort nicht erklärt, wie sie zustande kam.

Die Datenanalyse in ChatGPT ist ein sehr guter Startpunkt. Für wichtige Entscheidungen ist sie kein Autopilot. Genau so solltest du sie auch einsetzen.