CSV mit KI prüfen
Diese Anleitung erklärt, wie du mit einem Large Language Model (wie Claude, ChatGPT...) prüfen kannst, ob ein CSV-Datensatz die Anforderungen und Empfehlungen des OGD-Datenstandard des Kantons Zürich einhält.
Datenschutz beachten
Füge keine personenbezogenen oder vertraulichen Daten in öffentliche LLM-Dienste ein.
Schritt-für-Schritt-Anleitung
1. CSV-Auszug vorbereiten
Öffne deinen CSV-Datensatz in einem Texteditor (nicht in Excel!). Kopiere:
- die erste Zeile (Header)
- mindestens 10 repräsentative Datenzeilen
2. Prompt ins LLM eingeben
Kopiere den Prüfprompt weiter unten auf dieser Seite und ersetze den Platzhalter [CSV HIER EINFÜGEN] durch deinen CSV-Auszug. Füge ihn in das LLM-Chatfenster ein und sende die Anfrage ab.
3. Ergebnis lesen und interpretieren
Das LLM gibt eine Prüftabelle sowie eine Zusammenfassung aus. Interpretiere die Status-Icons wie folgt:
| Icon | Bedeutung | Handlung |
|---|---|---|
| ✅ | Kriterium erfüllt | Keine Aktion nötig |
| ❌ | Anforderung verletzt | Zwingend korrigieren vor Publikation |
| ⚠️ | Empfehlung nicht eingehalten | Nach Möglichkeit korrigieren |
| ❓ | Nicht prüfbar anhand des Auszugs | Manuell prüfen |
4. Korrekturen vornehmen und erneut prüfen
Behebe die identifizierten Probleme im Datensatz. Führe den Prompt danach mit einem neuen Auszug nochmals aus, um sicherzustellen, dass alle Anforderungen erfüllt sind.
Der Prüfprompt
Kopiere den folgenden Prompt vollständig, ersetze den Platzhalter und sende ihn an ein LLM deiner Wahl.
Du bist ein Qualitätsprüfer für Open Government Data (OGD) des Kantons Zürich.
Prüfe das unten eingefügte CSV auf die Einhaltung der folgenden Vorgaben.
---
## LEGENDE
| Status | Bedeutung |
| ------ | -------------------------------- |
| ✅ | Anforderung eingehalten |
| ❌ | Anforderung verletzt |
| ⚠️ | Empfehlung nicht eingehalten |
| ❓ | Nicht prüfbar anhand des Auszugs |
---
## PRÜFKRITERIEN
### A - Anforderungen (Verletzung → ❌)
| Nr | Kriterium | Beschreibung |
| --- | ---------------- | --------------------- |
| 1 | Zeichenkodierung | UTF-8 oder UTF-8 BOM. | Hinweis: Nicht prüfbar anhand eines Textauszugs. Markiere dieses Kriterium immer als ❓ und weise den Nutzer darauf hin, die Kodierung lokal zu prüfen: CSV-Datei per Rechtsklick öffnen mit Notepad++, Prüfen ob Kodierung UTF-8 ist (Menü «Kodierung»)|
| 2 | Trennzeichen | Komma `,` - kein Semikolon oder Tab. Nur das Trennzeichen prüfen, nicht das Quoting (→ siehe Nr. 19). |
| 3 | Dezimaltrennzeichen | Punkt `.` - kein Komma |
| 4 | Erste Zeile ist Header | Die erste Zeile enthält Spaltenüberschriften, keine Datenwerte |
### B - Empfehlungen (Verletzung → ⚠️)
| Nr | Kriterium | Beschreibung |
| --- | -------------------------------------------- | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| 5 | Tidy Data - eine Variable pro Spalte | |
| 6 | Tidy Data - eine Beobachtung pro Zeile | |
| 7 | Tidy Data - ein Wert pro Zelle | |
| 8 | Langes statt breites Format | Zeitreihen oder Kategorien als Zeilen, nicht als Spalten (z.B. `jahr` + `wert` statt `2020`, `2021`, `2022` als Spaltenköpfe). Beispiel: `gemeinde_code,gemeinde_name,jahr,konfession,bevoelkerung` / `230,Winterthur,2023,reformiert,28390` / `230,Winterthur,2023,katholisch,21464` |
| 9 | Header - keine reinen Zahlen | Spaltennamen sind nicht nur Zahlen (z.B. nicht `2020`, `2021`) |
| 10 | Header - eindeutig und selbsterklärend | Spaltennamen beschreiben den Inhalt klar |
| 11 | Header - konsequent Kleinbuchstaben | Keine Grossbuchstaben in Spaltennamen, mögliche Ausnahme: fixe Abkürzungen wie `WGS84` |
| 12 | Header - keine Leerzeichen | Wörter mit Underscore `_` verbunden |
| 13 | Header - keine Sonderzeichen ausser `_` | Keine `%`, `\n`, `/`, Klammern etc. |
| 14 | Header - keine Umlaute | Keine ä, ö, ü, é etc. in Spaltennamen |
| 15 | Header - max. 32 Zeichen | Spaltennamen nicht länger als 32 Zeichen |
| 16 | Datenzeilen - Sonderzeichen erlaubt | Umlaute sollen genutzt werden |
| 17 | Datenzeilen - keine übermässig langen Zeilen | Richtwert max. ~160 Zeichen; technisches Maximum 8000 Zeichen |
| 18 | Datenzeilen - keine Nicht-Daten-Zeilen | Keine Leerzeilen, Kommentare, Fussnoten oder Zwischentitel |
| 19 | Datentyp - String | Optional in Anführungszeichen; Pflicht wenn Text ein Komma enthält |
| 20 | Datentyp - Zahl | Dezimaltrennzeichen Punkt. Keine Tausendertrennzeichen. Vorzeichen: `-` für negative Zahlen, `+` nur wenn kontextüblich. Wissenschaftliche Notation möglichst vermeiden |
| 21 | Datentyp - Datum | Format `YYYY-MM-DDThh:mm:ss` oder in zwei separaten Spalten `datum` + `uhrzeit`. `T` oder Leerzeichen als Trennzeichen. Lokalzeit bevorzugen (CET = +01:00 im Winter, CEST = +02:00 im Sommer). Falls Zeitzone nicht eindeutig ableitbar: UTC mit `Z` kennzeichnen und in Metadaten vermerken. Zeitzone-Offset muss ISO-8601-konform sein: `+01:00` |
| 22 | Datentyp - Boolean | `true` / `false` (nicht `1`/`0`, `ja`/`nein`, `x`, `t`/`f`) |
| 23 | Datentyp - Koordinaten | WGS84 (empfohlen) oder LV95 (CH1903+); Spaltennamen z.B. `breitengrad_wgs84` / `laengengrad_wgs84` oder LV95-Äquivalent |
| 24 | Wert und Einheit in separaten Spalten | Z.B. `laenge` + `einheit`, nicht gemischte Einheiten in einer Spalte. Wenn alle Werte einer Spalte dieselbe Einheit haben, kann die Einheit alternativ im Spaltennamen (z.B. laenge_cm) oder in den Metadaten dokumentiert werden – eine separate Einheitenspalte ist dann nicht erforderlich. |
| 25 | Räumliche Referenzierung | Genau ein Gebietstyp: `gemeinde_code` + `gemeinde_name`, oder `bezirk_code` + `bezirk_name` etc. Mehrere Gebietstypen: `gebietstyp_code`, `gebietstyp_name`, `gebiet_code`, `gebiet_name`. Spaltennamen sollen exakt dieser Konvention folgen (nicht z.B. `gemeinde` oder `bfs_nr` ). |
| 26 | Fehlende Werte als leeres Feld | Keine Platzhalter wie `NA`, `n/a`, `-`, `.` |
---
## EINGABE
[CSV HIER EINFÜGEN]
---
## AUSGABE
Gib die Ergebnisse in folgender Reihenfolge aus:
1. **Prüftabelle** mit den Spalten: Nr | Kriterium | Status | Befund
2. **Fazit** (2-3 Sätze): Ist der Datensatz für die OGD-Publikation geeignet?
3. **Korrekturvorschläge**: Konkrete Massnahmen pro verletzter Anforderung