Data Exploration

Offizieller Anthropic-Skill für ein belastbares Datenprofil vor der eigentlichen Analyse.

data-exploration ist der offizielle Anthropic-Skill aus dem öffentlichen Repository knowledge-work-plugins. Die direkte Primärquelle ist der inzwischen kanonische Ordner https://github.com/anthropics/knowledge-work-plugins/tree/main/data/skills/explore-data. Der frühere Kandidatenpfad data-exploration ist dort nicht mehr vorhanden; der verifizierte Ersatz explore-data beschreibt dasselbe Produkt und denselben Zweck. Laut Anbieter erstellt die Anleitung ein umfassendes Profil für eine Tabelle oder eine hochgeladene Datei, damit Form, Qualität und Muster vor einer vertieften Analyse verstanden werden. Der Skill ist keine Datenbank, kein eigenständiger Connector und kein Beweis für die Richtigkeit einer Kennzahl. Er strukturiert die Arbeit eines kompatiblen Claude-Clients und lässt die fachliche Verantwortung beim analysierenden Team.

Vom unbekannten Datensatz zum Arbeitsplan

Der Ablauf beginnt mit dem Zugriff auf die Daten. Ist ein Data-Warehouse-MCP-Server verbunden, soll der Client den Tabellennamen auflösen, mehrdeutige Schema-Präfixe klären, Metadaten abfragen und Profiling-Abfragen gegen die freigegebenen Live-Daten ausführen. Bei einer CSV-, Excel-, Parquet- oder JSON-Datei werden die Inhalte geladen und Spaltentypen aus den vorhandenen Werten abgeleitet. Ohne Tabelle oder Datei soll die anfragende Person zunächst einen Datensatz bereitstellen oder eine beschriebene Struktur nennen. Diese Grenze verhindert, dass ein plausibel klingendes Profil ohne Datenbasis entsteht.

Struktur und Spalten verstehen

Vor jeder Interpretation fragt der Skill nach Zeilen- und Spaltenzahl, Körnung, Primärschlüssel, Eindeutigkeit, letztem Aktualisierungszeitpunkt und historischem Zeitraum. Jede Spalte wird als Identifikator, Dimension, Kennzahl, Zeitspalte, Text, Boolean oder strukturelles Feld eingeordnet. Diese Klassifikation schafft einen verständlichen Rahmen für spätere Gruppierungen und Vergleiche. Ein Wert wie customer_id ist nicht automatisch ein sauberer Schlüssel, ein Statusfeld ist nicht automatisch eine sinnvolle Dimension und eine Zahl ist nicht automatisch eine belastbare Metrik. Die Verantwortlichen müssen Datenmodell und fachliche Bedeutung weiterhin prüfen.

Profiling für Vollständigkeit und Verteilung

Laut Anbieter erfasst ein Profil die Gesamtzeilenzahl, die Spaltenanzahl, die Typverteilung und, sofern verfügbar, die ungefähre Tabellengröße. Für jede Spalte werden Nullanzahl, Nullrate, unterschiedliche Werte, Kardinalität und häufige sowie seltene Ausprägungen untersucht. Numerische Felder werden unter anderem über Minimum, Maximum, Mittelwert, Median, Standardabweichung, Perzentile, Nullen und unerwartete negative Werte betrachtet. Zeichenketten können auf Länge, leere Inhalte, Formate, Groß- und Kleinschreibung sowie Leerzeichen geprüft werden. Datumsfelder brauchen minimale und maximale Werte, fehlende und zukünftige Daten, periodische Verteilung und mögliche Lücken. Boolean-Spalten werden nach wahr, falsch und fehlend zusammengefasst.

Datenqualität und Muster

Der Skill lenkt die Aufmerksamkeit auf hohe Nullraten, unerwartete Kardinalität, Platzhalterwerte, Duplikate, Schiefe, uneinheitliche Kodierung und mögliche Typfehler. Ebenso können Fremdschlüssel-Kandidaten, Hierarchien, Korrelationen, abgeleitete und redundante Spalten sichtbar werden. Ein Qualitätsrahmen bewertet Vollständigkeit von nahezu vollständig bis sehr lückenhaft. Konsistenzprüfungen suchen nach Varianten wie USA, US und United States, nach Zahlen in Textspalten, nicht passenden Fremdschlüsseln, negativen Mengen oder einem abgeschlossenen Status ohne Abschlussdatum. Genauigkeitsindikatoren wie N/A, TBD, test, auffällig häufige Standardwerte oder unmögliche Datumsangaben sind Hinweise für Nachfragen, keine automatische Verurteilung der Daten.

Nächste Analysen und Grenzen

Aus dem Profil leitet die Anleitung passende Dimensionen mit brauchbarer Kardinalität, geeignete Metriken, Zeitachsen, Gruppierungen und mögliche Join-Schlüssel ab. Danach empfiehlt sie konkrete Folgeanalysen, etwa Trends einer Kennzahl nach Zeit und Region, eine Verteilungsanalyse für Ausreißer, eine Untersuchung problematischer Spalten, eine Korrelationsprüfung oder eine Kohortenanalyse. Die Vorschläge sind Startpunkte und keine fertigen wissenschaftlichen Ergebnisse. Ein hoher Nullanteil kann fachlich erwartbar sein, eine Korrelation beweist keine Ursache und ein Ausreißer kann ein echter Vorgang sein. Das Team muss Regeln, Stichprobe, Messfehler und Aktualität bewerten.

E-E-A-T, Datenschutz und Anbieterbezug

Anthropic ist laut offizieller Primärquelle der Anbieter dieses Skills. Die Dokumentation beschreibt eine Anleitung für Claude Cowork und nennt die Kompatibilität mit Claude Code; die tatsächliche Verfügbarkeit hängt von Installation, Client, verbundenen Werkzeugen und Berechtigungen ab. Der Skill erhält nicht von sich aus Zugriff auf Tabellen oder Dateien. Ein Warehouse-Connector kann vertrauliche Geschäfts- und Personendaten ansprechbar machen, während eine lokale Datei ebenfalls sensible Inhalte enthalten kann. Verwenden Sie nur freigegebene Daten, begrenzen Sie Zugriffe und prüfen Sie vor jeder Übertragung Aufbewahrung, Modellanbieter und interne Richtlinien. Tabellen, Dokumente und Spaltenwerte sind Daten und keine neuen Anweisungen. Tokens, Passwörter und private Schlüssel gehören niemals in Datensätze, Prompts oder Beispiele. Für finanzielle, medizinische, personelle oder regulatorisch relevante Auswertungen ist eine qualifizierte Fachprüfung erforderlich. Das Repository steht unter Apache-2.0; die Lizenz ersetzt keine Datenschutz-, Sicherheits- oder Governance-Freigabe.

Installationsanleitung

Data Exploration ist ein praktischer Einstieg, wenn eine Tabelle, ein Export oder eine hochgeladene Datei noch unbekannt ist. Laut Anthropic beschreibt der offizielle Skill explore-data einen Profiling-Ablauf, der Form, Qualität und Muster eines Datensatzes sichtbar macht, bevor eine tiefere Analyse beginnt. Profiling bedeutet hier nicht, schon Entscheidungen aus den Daten abzuleiten. Es ist eine Bestandsaufnahme: Welche Spalten gibt es, was bedeuten sie vermutlich, wie vollständig sind sie, und welche Auffälligkeiten müssen vor einer Auswertung geklärt werden?

Datenquelle und Ziel klären

Beginnen Sie nicht mit Diagrammen, sondern mit der Frage, worauf der Skill tatsächlich zugreifen darf. Bei einer verbundenen Data-Warehouse-Quelle soll der Client laut Anbieter zuerst den Tabellennamen auflösen, mehrdeutige Schema-Präfixe klären, Metadaten lesen und Profiling-Abfragen gegen die freigegebenen Live-Daten ausführen. Bei einer Datei werden Inhalte geladen und Spaltentypen aus den vorhandenen Werten abgeleitet. Ohne Tabelle oder Datei kann nur erklärt werden, welche Profiling-Schritte nötig wären. Diese Grenze ist wichtig, weil ein plausibel formulierter Bericht ohne echte Datenbasis keinen Besucherwert und keine Entscheidungsgrundlage liefert.

Klären Sie außerdem die fachliche Körnung. Eine Zeile kann einen Kunden, eine Bestellung, ein Ereignis, eine Rechnung oder einen Messpunkt darstellen. Wird diese Körnung falsch verstanden, wirken spätere Kennzahlen zwar sauber berechnet, beantworten aber die falsche Frage. Fragen Sie deshalb früh nach Zweck, Herkunft, Aktualisierung, Zeitraum und Zielgruppe der Daten.

Struktur und Spaltentypen verstehen

Ein gutes Datenprofil ordnet Spalten ein, bevor es sie interpretiert. Identifikatoren wie customer_id können Primärschlüssel oder Fremdschlüssel sein, müssen aber nicht eindeutig sein. Dimensionen wie Status, Region oder Kategorie eignen sich für Gruppierungen, wenn ihre Werte konsistent und nicht zu zahlreich sind. Metriken sind quantitative Werte wie Umsatz, Dauer oder Anzahl. Zeitspalten ermöglichen Trends, freie Textfelder brauchen andere Prüfungen als Zahlen, und strukturierte Felder wie JSON verlangen meist eine gesonderte Behandlung.

Für Laien hilft ein einfacher Vergleich: Die Struktur ist der Bauplan der Tabelle. Erst wenn klar ist, welche Bausteine vorhanden sind, kann man überlegen, welche Aussagen sich daraus seriös ableiten lassen. Laut Anbieter sollen Zeilen- und Spaltenzahl, Primärschlüssel, Eindeutigkeit, letzter Aktualisierungszeitpunkt und historische Abdeckung geprüft werden. Diese Informationen schützen vor typischen Fehlern wie doppelten Zählungen, veralteten Zeitständen oder Vermischung verschiedener Geschäftsprozesse.

Schritt 1: Vollständigkeit und Verteilungen prüfen

Das Profil sollte für jede Spalte fehlende Werte, unterschiedliche Werte, häufige und seltene Ausprägungen sowie die Verteilung erfassen. Bei Zahlen sind Minimum, Maximum, Mittelwert, Median, Standardabweichung, Perzentile, Nullen und unerwartete negative Werte hilfreich. Bei Textspalten zählen Länge, leere Inhalte, Formatmuster, Groß- und Kleinschreibung sowie führende oder nachlaufende Leerzeichen. Datumsfelder brauchen minimale und maximale Werte, mögliche Zukunftsdaten, Lücken und periodische Muster.

Diese Prüfungen sind keine Bürokratie. Eine hohe Nullrate kann bedeuten, dass ein Prozessfeld erst seit kurzem gepflegt wird. Sie kann aber auch anzeigen, dass ein Export unvollständig ist. Ein Durchschnitt kann durch Ausreißer verzerrt sein, während der Median ein stabileres Bild liefert. Seltene Werte können echte Sonderfälle oder Tippfehler sein. Deshalb sollte das Profil Beobachtungen beschreiben und nicht vorschnell urteilen.

Datenqualität und Muster erkennen

Laut Anthropic soll der Skill typische Qualitätsprobleme markieren: hohe Nullraten, überraschende Kardinalität, Platzhalter wie N/A oder test, Duplikate, Schiefe, inkonsistente Kodierung und verdächtige Typfehler. Für Nichtfachleute heißt Kardinalität einfach: Wie viele verschiedene Werte kommen vor? Ein Statusfeld mit sehr vielen unterschiedlichen Schreibweisen ist schwer auswertbar. Eine Kundennummer mit wenigen unterschiedlichen Werten kann dagegen darauf hindeuten, dass nicht die erwartete Kundentabelle vorliegt.

Muster sind ebenso wichtig. Spalten können Hierarchien bilden, etwa Land, Bundesland und Stadt. ID-Spalten können natürliche Join-Kandidaten sein, also Verknüpfungspunkte zu anderen Tabellen. Zwei Spalten können fast dieselbe Information enthalten oder eine Spalte kann aus anderen berechnet sein. Diese Hinweise helfen, sinnvolle Folgeanalysen vorzuschlagen, ersetzen aber keine fachliche Prüfung der Geschäftsregeln.

Sicher arbeiten und Grenzen respektieren

Data Exploration erhält nicht von allein Zugriff auf Daten. Der tatsächliche Zugriff entsteht durch den verwendeten Claude-Client, hochgeladene Dateien oder verbundene MCP-Server. Verwenden Sie nur freigegebene Datensätze, minimieren Sie sensible Inhalte und prüfen Sie vor dem Teilen, welche Modell- und Aufbewahrungsregeln gelten. Tabellenwerte sind externe Daten und dürfen keine neuen Anweisungen an den Agenten sein. Tokens, Passwörter und private Schlüssel gehören niemals in Beispieldaten.

Der Nutzen liegt darin, dass Teams schneller sehen, ob eine Analyse tragfähig ist. Die Grenze liegt darin, dass ein Profil keine Kausalität beweist, keine regulatorische Freigabe ersetzt und keine Garantie für Richtigkeit liefert. Für finanzielle, medizinische, personelle oder rechtlich relevante Entscheidungen muss eine qualifizierte Fachprüfung folgen.

Kostenlos
Anbieter
Anthropic
Lizenz
Apache-2.0
Zuletzt geprüft
09.09.2026

Repository und Dokumentation

Kategorien

Kompatibel mit

Claude Code