So bereinigst du in Sekunden einen unleserlichen CRM-Export
Du bringst einen gewachsenen Alt-CRM-Export sauber ins neue System — ohne ein Zeichen zu verlieren.
YouTube-Video wird erst beim Klick geladen · cookie- & trackingfrei bis zur Interaktion
Ein Bekannter hat mich um Hilfe gefragt. Er wusste, dass ich viel mit KI mache. Seine Firma arbeitet seit 2002 mit dem gleichen CRM — vierundzwanzig Jahre Kundenhistorie — und wechselt jetzt auf ein neues System. Der Export aus dem alten Programm: unleserlich. Alles untereinander, Feldnamen mit Doppelpunkt, keine Spalten, gewachsen über zwei Jahrzehnte.
Der Import über die Firma hätte über 5000 Franken gekostet. Und dafür hätte er einen Massen-Import bekommen: alles in einem Rutsch reingekippt, ohne jede Unterteilung. Kein wie, kein wo, kein was. Am Ende stünde alles im neuen System — und man findet nichts mehr. 5000 Franken für einen Datenfriedhof.
Wir haben es in einem halben Tag gelöst: mit einem gut gebauten Prompt und einem lokalen Modell vor Ort. In diesem Artikel bekommst du den kompletten Ablauf — warum der erste Schritt nicht der Prompt ist, welcher Satz im Prompt über brauchbar oder zerschossen entscheidet, wo die Trennlinie zwischen Struktur und Inhalt verläuft, und warum du vor dem Import aufteilst. Am Schluss hast du nicht nur einen sauberen Import, sondern Auswertungen, für die du sonst extra zahlst.
Die Ausgangslage
Warum ein Alt-Export kein Formatier-Problem ist, sondern ein Umzug
Ein CRM-Wechsel ist ein Umzug. Vierundzwanzig Jahre Kundenhistorie sind die Kisten. Der Reflex: alles in einen Lastwagen, rüberfahren, abladen. Genau das ist der Massen-Import, für den die Firma 5000 Franken wollte — danach steht alles im neuen Haus, und du findest nichts mehr.
Zur Einordnung im Modul — und zur klaren Abgrenzung: Beim CSV-Trick war die KI ein Sortierer für einen Zahlenwust; dort galt: «Die Zahlen sind alle da und alle korrekt. Sie sind nur nicht in Reih und Glied.» Bei der Excel-Formel war sie ein Übersetzer für die Bedeutung einer einzelnen Formel. Hier ist die Baustelle eine dritte: gewachsene Kundendaten, die in ein anderes System müssen — und dabei kein einziges Zeichen verlieren dürfen. Nicht zu verwechseln mit der 3-Klick-Lösung oder der Word-Lektion: Dort ging es um das Aussehen von KI-Text. Hier geht es um die Unversehrtheit von echten Daten.
Darum ist der erste Schritt nicht der Prompt. Der erste Schritt ist: Schau dir die Struktur des Alt-Exports an — und bau sie mit Demo-Daten nach. Zwei Gründe dafür. Datenschutz: Du experimentierst nicht am Echtbestand einer fremden Firma. Kontrolle: Bei selbst gebauten Demo-Daten weisst du genau, was rauskommen muss — und erkennst sofort, wenn der Prompt danebenliegt. Genau so bin ich vorgegangen: Struktur angeschaut, mit Demo-Daten nachgebaut, dann mit grossen Modellen experimentiert, wie sich am einfachsten importieren lässt.
Der Kern
Der Anti-Halluzinations-Block — verbiete der KI, schlau zu sein
Jetzt kommt das Herzstück. Und es ist das Gegenteil von dem, was du von einer KI erwartest. Die KI will hilfreich sein. Sie sieht «Müeler» und denkt: Tippfehler, das korrigiere ich. Sie sieht «GmbHh» und macht «GmbH» draus. Sie sieht «unzufreiden» und schreibt «unzufrieden». Sie meint es gut — und genau damit zerschiesst sie dir den Import.
Beim CSV-Video hiess die Regel: «Rechne nichts, ergänze nichts.» Hier gehen wir eine Ebene weiter. Hier heisst sie: Korrigier nichts. Dieser Block gehört in jeden Migrations-Prompt:
═══ ABSOLUT WICHTIG ═══
Übernimm jeden Namen, jede Firma und jede Notiz WORTWÖRTLICH 1:1.
KEINE Tippfehler korrigieren. KEINE Inhalte erfinden.
"Müeler" bleibt "Müeler". "GmbHh" bleibt "GmbHh".
"unzufreiden" bleibt "unzufreiden".
Wenn du Kundendaten "verbesserst", scheitert der Import!Warum ist das so wichtig? Zwei Gründe. Der erste ist die Zuordnung: Wenn im alten System «Müeler» steht und in der Auftragsdatenbank auch «Müeler», dann findet sich das wieder. Macht die KI daraus «Müller», reisst die Verknüpfung — und der Auftrag hängt an niemandem mehr. Der zweite ist grundsätzlicher: Es sind nicht deine Daten. Du ziehst sie um, du redigierst sie nicht. Ein Tippfehler von 2009 ist Teil des Datensatzes. Aufräumen kannst du später — im neuen System, bewusst, mit dem Kunden vor Augen.
Die Regel
Die Trennlinie: Struktur darf die KI ändern, Inhalt nie
Hier stolpern die meisten. Es heisst ja «bereinigen» — was darf die KI denn dann überhaupt? Die Antwort ist eine einzige Trennlinie: Die Verpackung darf sie anfassen. Den Inhalt nicht.
Struktur — da darf sie ran, und da soll sie auch ran:
- Feld-Mapping: Aus «Firma» wird
CompanyName, aus «Ansprechpartner» wirdContactName. Alte Bezeichnung rein, neue Bezeichnung raus. - Datum: Der Klassiker. «04.05.2025» muss zwingend zu «2025-05-04» werden — ISO-Format, sonst nimmt es das neue System nicht.
- Telefon: Leerzeichen und Bindestriche raus — aus «+49 151 - 123 45» wird «+4915112345».
- Umsatz: Währungszeichen raus, übrig bleibt die nackte Zahl — «5.000 €» wird 5000.
- Leere Felder: weglassen statt mit «0» oder «null» füllen — sonst importierst du erfundene Nullen.
Inhalt — da bleibt jedes Zeichen, wie es ist: Namen, Firmen, Notizen. «Frankk Müller» bleibt «Frankk Müller». «Autoohaus Mülerr GmbHH» bleibt stehen.
Und ein Bonus, der nichts extra kostet: die Domain-Extraktion. Die KI zieht aus der Mail-Adresse alles nach dem At-Zeichen und legt es in ein neues Feld — aus max@firma.de wird firma.de. Das ist kein Erfinden: Die Domain steht ja schon da. Du bekommst ein Feld geschenkt, das im Alt-CRM nie existiert hat.
Der Griff, der alles zusammenhält, ist das Beispiel: ein einziges Paar aus Input und gewünschtem Output im Prompt. Damit rät die KI nichts mehr, sie hat ein Muster. Der Clou dabei: Der Input im Beispiel ist absichtlich voller Fehler — und im Output stehen dieselben Fehler unverändert. So zeigst du der KI die Regel, statt sie ihr nur zu sagen.
Der Hebel
Aufteilen vor dem Import — und was gratis dabei abfällt
Jetzt der Punkt, der die 5000 Franken schlägt. Der offizielle Import wäre ein Massen-Import gewesen: alles in einem Rutsch, ohne jede Unterteilung. Zurück zum Umzug: der ganze Hausrat in einer einzigen Kiste, ohne Beschriftung.
Der Hebel ist, vor dem Import aufzuteilen statt nach dem Import zu suchen. Du sagst der KI, nach was sie trennen soll — bei uns war das in erster Linie der Zeitraum. Und plötzlich ist die Historie lesbar: was wann passiert ist, mit wem, und was daraus geworden ist. Aus vierundzwanzig Jahren wird eine Geschichte, die man lesen kann — mit einer Verknüpfung zu den Aufträgen.
Und dann kommt das Nebenprodukt, mit dem keiner gerechnet hat. Wenn die Daten einmal sauber strukturiert sind, sind sie nicht nur importierbar — sie sind auswertbar. Am Schluss hatte der Kunde mehrere Excel-Files, sauber aufgeteilt auf konkrete Fragen:
Wie war der Umsatz? Welcher Kunde hat was gemacht? Was ist über die Jahre liegengeblieben?
Das ist der Unterschied zwischen einem Datenfriedhof und einem CRM. Und dafür hätte er extra bezahlt — hier fällt es beim Aufteilen einfach mit ab.
Die Absicherung
Zwei Sicherheitsgurte: lokal halten und gegenprüfen
Gurt 1 — lokal. Beim CSV-Trick galt schon: Für interne Daten ist das «kein Nice-to-have, sondern Pflicht». Hier gilt es doppelt. Das sind keine Telefon-Zahlen aus dem eigenen Tagebuch mehr, das ist der komplette Kundenstamm einer fremden Firma: Namen, Mail-Adressen, Umsätze, Notizen über zwei Jahrzehnte. Darum lief der Ablauf vor Ort auf einem lokalen Modell. Kein Upload, kein fremder Server, alles bleibt im Betrieb.
Und pass auf, das ist der Unterschied zur Excel-Formel-Lektion: Dort war die Cloud okay — weil in einer Formel keine Kundendaten stecken, nur Zellbezüge und Funktionsnamen. Hier ist es genau umgekehrt: Hier sind die Kundendaten der ganze Inhalt. Gleicher Lehrgang, gegenteilige Antwort — weil die Frage nicht «Cloud oder lokal?» lautet, sondern «Was steckt drin?».
Gurt 2 — gegenprüfen. Stimmt die Zeilenzahl mit dem Rohexport überein? Nimm dann zwei, drei Datensätze und lies sie Zeichen für Zeichen gegen das Original. Steht der Tippfehler noch drin? Gut — dann hat sich die KI an die Regel gehalten. Der Tippfehler ist hier dein Prüfstein: Er ist der Beweis, dass nichts «verbessert» wurde.
Und zum Schluss der wichtigste Griff: Test-Import mit zwanzig Datensätzen. Erst wenn die sauber im neuen System stehen, gehen die vierundzwanzig Jahre rein. Ein halber Tag Arbeit ist schnell verspielt, wenn man den Ernstfall zum Test macht.
Schritt für Schritt in die Praxis
Struktur anschauen und mit Demo-Daten nachbauen
Öffne den Alt-Export und schau dir an, wie er aufgebaut ist: welche Felder, welche Schreibweise, welche Formate. Bau die Struktur dann mit erfundenen Demo-Daten nach — inklusive absichtlicher Tippfehler. Am Echtbestand wird nicht experimentiert.
Den Anti-Halluzinations-Block an den Anfang setzen
Schreib der KI wortwörtlich vor: alles 1:1 übernehmen, keine Tippfehler korrigieren, nichts erfinden — und begründe es im Prompt («sonst scheitert der Import»). Dieser Block steht ganz oben, nicht am Ende.
Feld-Mapping und Struktur-Cleanup definieren
Leg fest, welches alte Feld auf welches neue geht, und was an Formaten sauber werden muss: Datum ins ISO-Format (2025-05-04), Telefon ohne Leerzeichen und Bindestriche, Umsatz als nackte Zahl. Leere Felder weglassen statt mit «0» füllen.
Ein Beispielpaar anhängen — mit Fehlern im Output
Häng ein einziges Beispiel an: Input mit Tippfehlern, Output mit exakt denselben Tippfehlern. Damit zeigst du der KI die Regel, statt sie ihr nur zu sagen — und sie rät das Zielformat nicht mehr.
Aufteilen, gegenprüfen, testweise importieren
Lass die KI vor dem Import nach Zeitraum aufteilen. Prüf danach die Zeilenzahl und lies zwei, drei Datensätze Zeichen für Zeichen gegen das Original. Dann Test-Import mit 20 Datensätzen — erst danach der ganze Bestand.
Die häufigsten Fehler
Die KI die Daten «verbessern» lassen
Ohne ausdrückliches Verbot korrigiert die KI Tippfehler, weil sie hilfreich sein will. Aus «Müeler» wird «Müller» — und die Verknüpfung zur Auftragsdatenbank reisst, weil dort noch die alte Schreibweise steht. Der Anti-Halluzinations-Block ist keine Feinheit, er ist der Kern.
Alles auf einmal blind importieren
Der Massen-Import ohne Unterteilung ist genau das, wofür der Dienstleister 5000 Franken wollte — und er liefert einen Datenfriedhof. Vor dem Import nach Zeitraum aufteilen kostet einen Prompt und macht die Historie lesbar.
Echte Kundendaten in eine Cloud-KI kippen
Ein kompletter Kundenstamm mit Namen, Mails, Umsätzen und Notizen hat auf einem fremden Server nichts verloren. Anders als bei der Excel-Formel, wo nur Zellbezüge im Spiel sind, sind hier die Kundendaten der ganze Inhalt. Lokales Modell, kein Upload.
Direkt am Echtbestand experimentieren
Wer ohne Demo-Daten loslegt, merkt Fehler im Prompt erst, wenn sie schon in den Daten stehen — und weiss nicht einmal, wie das richtige Ergebnis aussehen müsste. Demo-Daten sind Datenschutz und Prüfmassstab in einem.
Ohne Beispielpaar prompten
Regeln in Prosa versteht die KI ungefähr, ein Beispiel versteht sie exakt. Ohne Input-Output-Paar rät sie das Zielformat — und «vergisst» die 1:1-Regel beim ersten Tippfehler, weil kein Muster dagegenhält.
Fazit
Ein unleserlicher Alt-CRM-Export ist kein Formatier-Problem, sondern ein Umzug — und darum brauchst du keinen 5000-Franken-Massen-Import, sondern einen festen Ablauf: Struktur mit Demo-Daten nachbauen, den Anti-Halluzinations-Block an den Anfang setzen, Feld-Mapping und Formate sauber trennen vom Inhalt, ein Beispielpaar anhängen, vor dem Import aufteilen und lokal gegenprüfen. Aus vierundzwanzig Jahren Datenwust wird in einem halben Tag eine lesbare Geschichte — plus Excel-Auswertungen, die vorher niemand hatte.
Mit diesem Ablauf und dem einen Prompt hast du 90 % erledigt. Die restlichen 10 % — wie eure Alt-Struktur konkret aussieht, welche Felder das neue System zwingend erwartet, nach welchen Kriterien ihr sinnvoll aufteilt, welches lokale Modell zu eurer Datenmenge passt — machen den Unterschied zwischen einem Prompt, der bei mir funktioniert hat, und einer Migration, die bei euch sauber durchläuft.
Wenn du diese 10 % nicht allein angehen willst: Genau da kommt Coaching ins Spiel. In 30 Minuten schauen wir gemeinsam auf euren Alt-Export, die zwei, drei Felder, an denen so ein Import typischerweise scheitert, und den Prompt, der bei eurer Struktur sitzt — lokal und ohne dass eure Kundendaten den Betrieb verlassen.
Die letzten 10 % gemeinsam
In 30 Minuten schauen wir auf euren konkreten Alt-Export, die zwei, drei Felder, an denen der Import scheitert, und den Prompt, der bei eurer Struktur sitzt — lokal, ohne dass eure Kundendaten den Betrieb verlassen.
Kostenloses Strategie-Gespräch buchenLieber die Komfort-Version?
Du willst den fertigen Migrations-Prompt plus eine Demo-Datei zum Üben, ohne selbst zusammenzubauen? Hol dir das Komfort-Paket zu dieser Lektion — direkt einsatzbereit.
Komfort-Paket holen · 9 EUREinmalzahlung 9 EUR über CopeCart. Es gelten die AGB §12.
Häufige Fragen
Warum darf die KI die Tippfehler im Export nicht korrigieren?
Aus zwei Gründen. Erstens die Zuordnung: Steht im alten CRM «Müeler» und in der Auftragsdatenbank ebenfalls «Müeler», findet sich das wieder. Korrigiert die KI still zu «Müller», reisst die Verknüpfung und der Auftrag hängt an niemandem mehr. Zweitens grundsätzlich: Es sind nicht deine Daten. Du migrierst sie, du redigierst sie nicht. Ein Tippfehler von 2009 ist Teil des Datensatzes — aufräumen kannst du später im neuen System, bewusst und mit dem Kunden vor Augen.
Was darf die KI beim Bereinigen denn dann überhaupt ändern?
Alles, was Verpackung ist: Feldnamen umbenennen («Firma» wird CompanyName), das Datum ins ISO-Format bringen («04.05.2025» wird «2025-05-04»), Leerzeichen und Bindestriche aus Telefonnummern werfen, Währungszeichen beim Umsatz entfernen. Nicht anfassen darf sie den Inhalt: Namen, Firmen, Notizen. Die Faustregel: Struktur ja, Inhalt nie.
Brauche ich wirklich ein lokales Modell dafür?
Sobald echte Kundendaten im Spiel sind: ja. Ein kompletter Kundenstamm mit Namen, Mail-Adressen, Umsätzen und Notizen gehört nicht auf einen fremden Server. Ein lokales Modell läuft direkt auf dem Rechner — etwa über eine App wie Ollama oder LM Studio. Für das reine Umstrukturieren braucht es kein riesiges Modell. Zum Entwickeln und Testen des Prompts nimmst du Demo-Daten — damit darfst du auch in der Cloud experimentieren.
Was ist der Unterschied zum CSV-Video aus demselben Modul?
Beim CSV-Trick war die KI ein Sortierer: Ein Zahlenwust sollte in saubere Spalten, die Regel hiess «Rechne nichts, ergänze nichts». Hier geht es eine Ebene weiter — um gewachsene Kundendaten, die in ein anderes System müssen. Die Regel heisst darum «Korrigier nichts», und es kommt der Teil dazu, den es beim CSV nicht gab: Feld-Mapping aufs Zielsystem und Aufteilen vor dem Import. Hier geht es zum CSV-Trick.
Was mache ich mit einem sehr grossen Export?
In Blöcken arbeiten — und das ist hier kein Notbehelf, sondern ohnehin der Plan: Du teilst vor dem Import nach Zeitraum auf. Nimm also Jahr für Jahr oder Quartal für Quartal, lass dir pro Block eine saubere Datei geben und prüf sie einzeln. So bleibt jede Portion überschaubar, die KI verliert keine Zeile — und du hast die Aufteilung, die du im neuen System sowieso haben willst.
Woher weiss ich vor dem Import, ob es funktioniert?
Über drei Kontrollen. Zeilenzahl gegen den Rohexport vergleichen. Stichprobe: zwei, drei Datensätze Zeichen für Zeichen gegen das Original lesen — steht der Tippfehler noch drin, hat sich die KI an die Regel gehalten. Und dann der Test-Import mit 20 Datensätzen: Erst wenn die sauber im neuen System stehen, geht der ganze Bestand rein.