Künstliche Intelligenz

Excel – der leistungsfähige Türöffner in die Welt der künstlichen Intelligenz

Von

2. November 2019

[Blogtitel] Excel - der leistungsfähige Türöffner in die Welt der künstlichen Intelligenz [Beschreibung] PowerQuery, Power Pivot und PowerBI sind leistungsstarke Werkzeuge von Excel und wichtige Basis für den Einsatz bei künstlicher Intelligenz. [Bildquelle] iStock 901627692 [Bildbeschreibung] Das Bild zeigt eine Platine mit einer CPU sowie Einsen und Nullen — [Bildquelle] iStock 901627692

Seit nun mehr als dreißig Jahren ist das Produkt für Tabellenkalkulation von Microsoft auf dem Markt. Mit Power Query und Power Pivot sowie der Integration in Power BI stehen in Excel leistungsfähige Werkzeuge für die Integration, Modellierung und Analyse von Daten zur Verfügung.

Fokus Daten

Viele Excel-Anwender in den Unternehmen nutzen allerdings viel zu wenig die funktionalen Möglichkeiten. Oftmals endet das Wissen beim Erstellen von einfachen Tabellen und Wenn-Funktionen. Zu Pivot-Tabellen dringen normale Anwender jenseits der Controlling oftmals nicht vor. Werden nun „Künstliche Intelligenz“ und Excel in einem Atemzug genannt, dann passt das zunächst nicht recht zusammen. Ungläubige Blicke sind vielmals die Folge. Bevor allerdings intelligente Algorithmen Daten analysieren können, werden eben diese Daten benötigt. Diese gilt es in ausreichender Menge und Qualität bereitzustellen. Ist das nicht der Fall, nutzen auch die besten Algorithmen nichts bzw. liefern unzureichende Ergebnisse. Genau an dieser Stelle tritt nun Excel auf den Plan.

Umfassender Import

Ein sehr mächtiges und oftmals nicht genutztes Werkzeug innerhalb von Excel ist die Power Query. Seit der Version 2016 ist die Power Query nun nativ im Menü Daten als Bereich „Abrufen und transformieren“ verfügbar. In früheren Versionen war Power Query nur als optionales Add-In verfügbar. Die Mächtigkeit dieser, zunächst unscheinbaren, Funktionen wird aber schnell sichtbar. Neben einfachen, bereits bekannten Importen von TXT- oder CSV-Formaten, zeigt Excel plötzlich seine volle Leistungsfähigkeit. Somit sind Daten aus unterschiedlichen Anwendungen wie beispielsweise Salesforce, Sharepoint, Exchange oder Datenbanken wie Access, SQL, Oracle oder DB/2 zugreifbar.

Datenmodelle und Dashboards

Sind die Daten importiert, konsolidiert und bereinigt, so können diese nun in Power Pivot in einem Datenmodell modelliert und mit Relationen versehen werden. Neue und aussagefähige Daten und Erkenntnisse können mittels Data Analysis Expressions (DAX) im Handumdrehen generiert werden. Basierend auf den DAX-Funktionen lassen sich mittels Measures leicht Key-Performance-Indikatoren (KPI) erstellen und überwachen. Die Measures stehen dann auch wieder in Pivot-Tabellen zur Verfügung. Mittels Measures können Datenanalysen durchgeführt werden, die mit normalen Pivot-Tabellen so nicht möglich sind. Mit Power BI stellt Microsoft eine webbasierte Plattform zur Verfügung, in der Power Pivot und Power Query integriert sind. So können dann Dashboards und interaktive Berichte erstellen werden, die dann als Grundlage für intelligente Entscheidungen dienen und unternehmensweit in Echtzeit bereitstehen.

Algorithmen und KI

Mit der Integration in das Azure Machine Learning Studio öffnet sich dann die große Welt des Machine Learning. Ein großer Marktplatz bietet zu unterschiedlichsten Szenarien Modelle und Algorithmen an, auf die einfach zugegriffen werden kann. So lassen sich sehr schnell Modelle bauen und Prognosen werden. Mit dem Azure Machine Learning Plugin in Excel schließt sich dann wieder der Kreis. Excel ist in der Lage, die Ergebnisse aus dem Azure Machine Learning Studio direkt zu verwenden. Änderungen der Daten in Excel werden direkt im Modell im Azure Machine Learning Studio neu berechnet. Die neuen Ergebnisse werden dann direkt wieder an Excel zurückgespielt.

Fazit

Excel bietet als bekanntes und eingesetztes Werkzeug großes Potential, ein wichtiger Baustein im Rahmen von künstlicher Intelligenz zu werden. Die leistungsfähigen Funktionen sind hervorragend dafür geeignet, vorhandene Daten zu aggregieren, bereinigen, modellieren, analysieren und visualisieren.