Warum gibt ChatGPT bei derselben Zählfrage verschiedene Zahlen?
Viele Fundraiser:innen berichten von dieser Erfahrung: Du fragst, wie viele Neuspender:innen ihr im letzten Jahr hattet. Das Tool antwortet mit einer Zahl. Du stellst dieselbe Frage nochmals. Du bekommst eine andere Zahl.
Das ist kein Bug. Das ist, wie Sprachmodelle gebaut sind.
Ein Sprachmodell generiert Text durch Wahrscheinlichkeitsberechnungen. Es sagt nicht: "Ich zähle jetzt alle Zeilen durch und summiere." Es sagt: "Was ist die wahrscheinlichste Fortsetzung dieser Eingabe?" Das klingt bei Zählfragen manchmal zufällig richtig. Oft liegt es daneben.
Dazu kommt die Kontextfenster-Grenze. Wenn deine Datei viele tausend Zeilen hat, sieht das Modell nur einen Teil davon. Der Rest wird stillschweigend abgeschnitten. Das Modell antwortet trotzdem, aber es antwortet auf Basis unvollständiger Daten.
Was passiert, wenn ich eine CSV-Datei in ChatGPT lade?
ChatGPT bietet einen Code-Interpreter-Modus an. Wenn du diesen aktiv nutzt und das Modell tatsächlich Python-Code ausführt, kann es korrekt zählen. Aber dieser Modus ist nicht immer aktiv, und viele Nutzer:innen wissen nicht sicher, ob er gerade verwendet wird.
Im normalen Chat-Modus liest das Modell die CSV als Text. Es sieht vielleicht die ersten 200 Zeilen und schätzt hochgerechnet. Das Ergebnis klingt konkret. Es ist trotzdem eine Schätzung.
Frag das Tool direkt: "Führst du gerade Code aus oder schätzt du?" Zuverlässige Tools zeigen dir den ausgeführten Code. Wenn du keinen Code siehst, ist die Zahl eine Schätzung.
Woran erkenne ich, ob eine Zahl falsch ist?
Drei Tests, die zusammen ein verlässliches Bild geben:
- Wiederholungstest: Stelle dieselbe Frage drei Mal, ohne die Ergebnisse zu sehen. Wenn die Zahlen variieren, stimmt etwas nicht.
- Gegenprobe über die Datenbank: Exportiere die relevante Spalte, öffne sie in Excel oder einem anderen Tool, und zähle dort. Oder nutze direkt eine Datenbankabfrage. Das Ergebnis gilt.
- Plausibilitätscheck: Passt die Zahl zur Größenordnung, die ihr aus dem Bauchgefühl kennt? Wenn ihr normalerweise 1.200 bis 1.400 Neuspender:innen im Jahr habt und das Tool 320 zurückgibt, ist das ein Signal.
Wenn Wiederholungstest und Datenbankabfrage nicht übereinstimmen, gilt die Datenbankabfrage.
Was ist der verlässliche Weg für Spendendaten-Auswertungen?
Auswertungen laufen verlässlich über die Datenbank oder über Code. KI hat dabei eine sinnvolle Rolle, aber eine andere als viele erwarten.
| Aufgabe | Wer macht das verlässlich? | Wo KI helfen kann |
|---|---|---|
| Zählen (Neuspender:innen, Dauerspender:innen, Kampagnenwert) | Datenbank, SQL, Export | SQL-Abfrage schreiben und erklären lassen |
| Summen und Durchschnitte berechnen | Datenbank, Code | Formeln vorschlagen, Ergebnis interpretieren |
| Entwicklung über Zeit darstellen | Datenbank, Code (z.B. Python) | Muster benennen, nächste Analysefrage vorschlagen |
| Ergebnis für die Leitung erklären | KI | Direkt |
| Nächste Analyseschritte planen | KI | Direkt |
| Texte für Spendenberichte schreiben | KI | Direkt |
Wie sieht der verlässliche Weg Schritt für Schritt aus?
- Frage in natürlicher Sprache formulieren: "Wie viele aktive Dauerspender:innen haben wir im Oktober 2026, verglichen mit Oktober 2025?"
- KI bittet, eine SQL-Abfrage zu schreiben: Du gibst dem Modell die Struktur deiner Datenbank und lässt es die Abfrage generieren. Das Modell versteht die Frage, es übersetzte sie aber in Datenbanksprache.
- Abfrage in der Datenbank ausführen: Du kopierst die SQL-Abfrage in dein Datenbanktool oder gibst sie an eure IT weiter. Das Ergebnis kommt aus der Datenbank.
- Ergebnis zur Interpretation zurück an KI: Du gibst dem Modell das Ergebnis und fragst, was es bedeutet, ob etwas auffällt und was du als nächstes ansehen solltest.
- Ergebnis dokumentieren: Quelle der Zahl notieren (Datenbankabfrage, Datum, Abfrageparameter). So kannst du jederzeit reproduzieren, wie die Zahl entstanden ist.
Darf ich Spenderdaten in ein KI-Tool hochladen?
Spenderdaten enthalten personenbezogene Daten im Sinne der DSGVO (Art. 4 Nr. 1). Name, E-Mail-Adresse und Spendensumme einer Person sind personenbezogen.
Wenn du diese Daten an einen externen Dienst weitergibst, brauchst du einen Auftragsverarbeitungsvertrag (Art. 28 DSGVO). Für viele cloudbasierte KI-Tools gibt es diesen Vertrag, aber du musst ihn aktiv abschließen. Der Serverstandort (EU oder USA) ist dabei relevant.
Was du vor dem Hochladen prüfen solltest:
- Hat euer Datenschutzbeauftragter dieses Tool freigegeben?
- Gibt es einen Auftragsverarbeitungsvertrag mit dem Anbieter?
- Sind die Daten pseudonymisiert (z.B. nur interne ID, kein Name, keine E-Mail)?
- Bleiben die Daten beim Anbieter für Training oder andere Zwecke?
Für viele Fragen reicht es, pseudonymisierte Daten hochzuladen: interne ID, Spendedatum, Betrag, Kanal. Namen und E-Mail-Adressen braucht das Modell für Zählfragen nicht.
Für welche Fragen ist KI wirklich nützlich?
KI ist stark bei Aufgaben, bei denen es um Sprache, Muster und Interpretation geht:
- Datenbankabfragen formulieren und erklären lassen
- Ergebnisse für die Leitung oder den Vorstand aufbereiten
- Texte für Spendenberichte, Mailings und Verdankungen schreiben
- Muster in einem Ergebnis benennen, das du schon korrekt berechnet hast
- Nächste Analyseschritte planen
Das sind Aufgaben, bei denen Sprachmodelle wirklich gut sind. Die Zählung selbst bleibt in der Datenbank.
Wo die Grenzen liegen
- Wie oft KI-Zahlen im Fundraising falsch liegen: Dazu gibt es keine öffentlichen Studienzahlen, die wir hier belegen könnten. Wie oft es passiert, hängt stark von der Datenmenge, dem Modell und dem Einsatzfall ab.
- Ob der Code-Interpreter eines bestimmten Tools gerade aktiv ist: Das ist modell- und versionsabhängig. Die einzige verlässliche Prüfung ist, den ausgeführten Code zu sehen.
- Datenschutzrechtliche Einschätzung für euren Einzelfall: Die hier beschriebenen Anforderungen basieren auf der DSGVO. Für konkrete Entscheidungen (welches Tool ist zulässig, welcher Vertrag fehlt) braucht ihr euren Datenschutzbeauftragten.
- Ob KI-gestützte Auswertung mit einer spezialisierten Plattform verlässlicher ist: Das kommt auf die konkrete Implementierung an. FlyRaising arbeitet mit Spendendatenbanken direkt, nicht mit allgemeinen KI-Tools. Was das in der Praxis bedeutet, findest du auf learn.flyraising.com.
- DSGVO Art. 4 Nr. 1 (Begriffsbestimmung personenbezogene Daten) und Art. 28 (Auftragsverarbeitung): eur-lex.europa.eu, öffentliches EU-Recht.
- FlyRaising-Experimente und Kennzahlen: learn.flyraising.com/experiments/, Abruf 2026-10-09 (freigegeben durch FlyRaising laut approved_content_DRAFT.md Stand 2026-10-09).
- Technische Funktionsweise von Sprachmodellen (kontextfensterbasierte Textgenerierung): allgemein dokumentiert in den technischen Unterlagen der Modellanbieter, z.B. platform.openai.com/docs.
Willst du wissen, wie viel Potenzial bei euch drin ist?
flyraising.com