LLM für Excel: Welches Sprachmodell passt und wie du es einbindest

Große Sprachmodelle, kurz LLM (Large Language Model), sind 2026 direkt in Excel angekommen. Microsoft, OpenAI und Anthropic bieten jeweils eine eigene Seitenleiste in Excel an, dazu kommen Add-ins von Drittanbietern und lokale Modelle, die auf dem eigenen Rechner laufen. Die Frage ist nicht mehr, ob ein LLM mit Excel funktioniert, sondern welches und auf welchem Weg.

Dieser Artikel erklärt, was ein LLM in einer Tabelle wirklich leistet, welche vier Wege es zur Einbindung gibt, wie sich die wichtigsten Modelle unterscheiden und was du beim Datenschutz beachten musst.

Kurz gesagt: Für die meisten Excel-Nutzer ist ein LLM über ein offizielles Add-in am sinnvollsten: Copilot, wenn ihr Microsoft 365 mit Copilot-Lizenz habt, ChatGPT for Excel oder Claude for Excel, wenn ihr dort ein Abo habt. Für sensible Daten ohne Cloud gibt es lokale Modelle über Ollama. Rechnen sollte das LLM nie „im Kopf“, sondern über Formeln oder Code, die du prüfen kannst.

Was ein LLM in Excel kann und was nicht

Ein LLM ist ein Textmodell. Es liest deine Tabelle nicht wie Excel als Raster aus Zellen, sondern als lange Zeichenkette: Spaltenüberschriften, Werte, Zelladressen. Daraus ergeben sich klare Stärken und Schwächen.

Das kann ein LLM gut

• Formeln schreiben und erklären: Du beschreibst das Ziel, das Modell liefert XVERWEIS, SUMMEWENNS oder eine verschachtelte WENN-Formel und erklärt sie.
• Text in Zellen verarbeiten: Kundenfeedback kategorisieren, Adressen aufteilen, Produktbeschreibungen vereinheitlichen, Übersetzen.
• Struktur verstehen: Es erkennt, welche Spalte das Datum ist, welche der Betrag, und schlägt eine passende Auswertung vor.
• Fehler finden: Es erklärt #NV oder #BEZUG!, verfolgt Bezüge über mehrere Blätter und findet Formeln, die aus dem Muster fallen.
• Ergebnisse in Worte fassen: Aus einer Pivot-Tabelle wird ein kurzer Kommentar für den Monatsbericht.

Hier wird es riskant

• Rechnen im Kopf: Ein reines Sprachmodell schätzt Zahlen, statt sie zu berechnen. Bei Summen über Hunderte Zeilen entstehen so plausible, aber falsche Ergebnisse. Gute Werkzeuge umgehen das, indem das LLM Formeln oder Python-Code schreibt und Excel bzw. eine Code-Umgebung rechnet.
• Große Tabellen: Jedes Modell hat ein Kontextfenster. Bei Zehntausenden Zeilen sieht es oft nur einen Ausschnitt oder eine Zusammenfassung.
• Halluzinationen: Fehlt eine Information, erfindet das Modell manchmal eine. Das betrifft vor allem Aussagen wie „der Umsatz sank wegen …“.
• Wiederholbarkeit: Dieselbe Frage kann zwei leicht unterschiedliche Antworten liefern. Für einen Monatsbericht, der jeden Monat gleich rechnen muss, ist eine Formel verlässlicher als ein Prompt.

Die Faustregel: Das LLM ist der Assistent, der Formeln baut und Ergebnisse erklärt. Die Rechnung selbst macht Excel.

4 Wege, ein LLM mit Excel zu nutzen

Welches Modell du nimmst, ist oft zweitrangig. Entscheidender ist, wie es an deine Daten kommt.

Wichtig zur Zellfunktion

Microsoft hatte mit =COPILOT() eine eigene LLM-Funktion für Excel-Zellen getestet. Sie ist nie allgemein verfügbar geworden und wurde am 14. September 2026 eingestellt. Microsoft verweist stattdessen auf die Copilot-Seitenleiste. Wer LLM-Aufrufe direkt in Zellen braucht, greift auf Drittanbieter-Add-ins wie GPT for Excel oder auf Open-Source-Lösungen zurück. In Google Sheets gibt es mit =AI() eine vergleichbare Funktion auf Basis von Gemini.

Welcher Weg passt?

• Einmal schnell eine Datei verstehen: Weg 1
• Regelmäßig in Excel arbeiten, Formeln und Modelle bauen: Weg 2
• Hunderte Textzeilen klassifizieren oder umformulieren: Weg 3
• Sensible Daten, eigene Prozesse, Automatisierung: Weg 4

Mehr zum Arbeiten mit Dateien und Auswertungen findest du in KI für Excel Dateien und Excel Auswertungen mit KI .

Die wichtigsten LLMs für Excel im Vergleich

Stand Oktober 2026 gibt es drei offizielle LLM-Assistenten direkt in Excel. Dazu kommen Gemini für Google Sheets und lokale Open-Source-Modelle.

Einen Deep Dive zu Installation, Funktionen und Grenzen von Claude findest du in Claude für Excel .

Die Modelle dahinter wechseln häufig. ChatGPT for Excel lief zur allgemeinen Verfügbarkeit auf GPT-5.5, Claude for Excel auf der jeweils aktuellen Opus- bzw. Sonnet-Generation. Für die Praxis ist das zweitrangig: Die Unterschiede zwischen den Spitzenmodellen sind kleiner als die zwischen den Integrationen.

Welches LLM für welche Aufgabe?

Eine ausführlichere Bewertung einzelner Werkzeuge findest du im Vergleich Beste KI für Excel Tabellen .

Datenschutz: Was passiert mit deinen Excel-Daten?

Sobald ein Cloud-LLM deine Tabelle liest, verlassen die Daten deinen Rechner. Das ist nicht automatisch ein Problem, aber du solltest vorher drei Fragen klären:

1. Welche Daten stehen drin? Kundennamen, Gehälter oder Gesundheitsdaten sind personenbezogen und fallen unter die DSGVO. Reine Umsatzzahlen nach Produktgruppe sind meist unkritisch.
2. Welcher Vertrag gilt? Bei Business- und Enterprise-Plänen sichern die großen Anbieter in der Regel zu, dass Eingaben nicht zum Training genutzt werden, und bieten einen Auftragsverarbeitungsvertrag. Bei privaten Plänen ist das oft anders oder nur per Einstellung abschaltbar.
3. Wo wird verarbeitet? Prüfe, ob der Anbieter Datenverarbeitung in der EU anbietet. Microsoft verarbeitet Copilot-Daten innerhalb der Microsoft-365-Umgebung des Unternehmens.

Pragmatische Regel für KMU: Personenbezogene Spalten vor dem Hochladen entfernen oder pseudonymisieren, für die Firma einen Business-Plan mit Vertrag nutzen und private Konten für Firmendaten ausschließen. Mehr dazu in KI für Excel Dateien: Datenschutz-Check .

Lokale LLMs: Excel-KI ohne Cloud

Wenn Daten das Haus gar nicht verlassen dürfen, läuft das Modell auf dem eigenen Rechner oder Server. Der häufigste Weg:

1. Ollama installieren. Die kostenlose Software lädt und betreibt Open-Source-Modelle wie Llama, Qwen oder Gemma lokal.
2. Ein Modell laden. Kleine Modelle mit 4 bis 8 Milliarden Parametern laufen auf einem aktuellen Laptop, größere brauchen eine starke Grafikkarte.
3. Mit Excel verbinden. Es gibt Add-ins, die eine Funktion wie =Ollama(A2) bereitstellen, und einige kommerzielle Add-ins lassen sich auf einen lokalen Ollama-Server umstellen. Alternativ rufst du das Modell per VBA oder Python auf.

Realistisch eingeordnet: Lokale Modelle sind stark bei Textaufgaben in Zellen, etwa Kategorisieren, Extrahieren oder Umformulieren. Bei komplexen Analysen über ganze Arbeitsmappen liegen sie deutlich hinter den Cloud-Spitzenmodellen. Außerdem kümmerst du dich selbst um Installation, Updates und Hardware.

5 Regeln für verlässliche Ergebnisse

1. Saubere Daten zuerst. Eine Zeile pro Datensatz, eindeutige Spaltenüberschriften, keine verbundenen Zellen. Was ein Mensch nicht versteht, versteht ein LLM auch nicht.
2. Rechnen lassen, nicht schätzen lassen. Bitte das Modell um eine Formel oder eine Pivot-Tabelle statt um eine Zahl. Dann kannst du nachprüfen, wie das Ergebnis zustande kommt.
3. Kontext mitgeben. Sag, was die Spalten bedeuten und was du vorhast: „Betrag ist netto in Euro, Status ‚F‘ heißt fakturiert. Ich brauche den Auftragseingang je Monat für die Geschäftsführung.“
4. Stichprobe machen. Prüfe zwei oder drei Ergebnisse von Hand, besonders Summen und Filter. Ein Fehler im Ansatz zieht sich sonst durch alles.
5. Was regelmäßig läuft, in Formeln gießen. Für den Monatsbericht nicht jedes Mal neu prompten, sondern die vom LLM gebaute Lösung als feste Formel oder Vorlage speichern.

Konkrete Prompts für typische Aufgaben findest du in KI für Excel: 8 Aufgaben mit Prompts .

Vom LLM zum Dashboard

Viele nutzen ein LLM in Excel für dieselbe wiederkehrende Aufgabe: aus einer Liste eine Übersicht mit Kennzahlen und Diagrammen bauen, die dann an Geschäftsführung oder Team geht. Mit den Add-ins klappt das, das Ergebnis bleibt aber eine Excel-Datei, die jemand aktualisieren und verschicken muss.

Genau dafür haben wir squelio gebaut. Du verbindest deine Excel-Datei per Upload oder SharePoint, beschreibst in Alltagssprache, was du sehen willst, und die KI baut ein Dashboard mit Kennzahlen, Diagrammen und Tabellen. Die KI fragt die Zahlen dabei ab, statt sie zu schätzen, und deine Excel wird nicht verändert. Andere öffnen das Dashboard per Einladung, ohne dass Dateien verschickt werden. Wie ein gutes Dashboard aufgebaut ist, zeigt der Artikel Excel Dashboard: Beispiele und Aufbau .

Häufige Fragen

Fazit

Ein LLM für Excel ist 2026 kein Experiment mehr. Microsoft, OpenAI und Anthropic haben eigene Assistenten direkt in Excel gebracht, und für sensible Daten gibt es lokale Modelle. Die wichtigste Entscheidung ist der Weg: Datei-Upload für einmalige Fragen, Add-in für die tägliche Arbeit, Zellfunktion für viele Textzeilen, lokales Modell für Daten, die das Haus nicht verlassen dürfen.

Nutze das LLM als Assistenten, der Formeln baut und Ergebnisse erklärt, und lass Excel rechnen. Prüfe Stichproben, kläre den Datenschutz vorab, und überführe alles, was regelmäßig läuft, in feste Formeln oder ein Dashboard.