Um Duplikate zusammenzuführen und Zahlenwerte zu summieren, gruppierst Du Zeilen anhand einer stabilen Kennung wie SKU, wählst den Datensatz aus, der erhalten bleiben soll, und addierst die Zahlenwerte aller Einträge dieser Gruppe. Mit dem Duplicates Finder von Datablist kannst Du diese Regeln beschreiben, das generierte Skript in einer Vorschau prüfen und anschließend anwenden.
Prüfe zuerst, wofür die einzelnen Zeilen stehen. Summiere eigenständige Beiträge, zum Beispiel Bestände aus verschiedenen Lagern. Handelt es sich bei zwei Zeilen dagegen um wiederholte Exporte desselben Bestands, würdest Du den Lagerbestand durch das Addieren doppelt zählen. Behalte in diesem Fall nur den neuesten Stand.
Wenn Du eine ganze Spalte separat prüfen möchtest, kannst Du mit der Anleitung für numerische CSV-Berechnungen Summen und Wertebereiche vor oder nach dem Zusammenführen kontrollieren. Diese Berechnungen fassen Werte zusammen, entscheiden aber nicht, welche Zeilen Duplikate sind.
Drei Zeilen für die SKU A-100 mit Beständen von 12, 8 und 5 aus drei verschiedenen Lagern sollten beispielsweise zu einer Zeile mit dem Bestand 25 zusammengeführt werden. Beziehe Lager- oder Transaktionskennungen in die Prüfung ein, um sicherzustellen, dass ein Beitrag nicht bereits gezählt wurde.
Diese Anleitung zeigt Dir Schritt für Schritt, wie Du beim Zusammenführen von Duplikaten Zahlenwerte summierst:
Daten vorbereiten
Bevor Du Werte zusammenführen und summieren kannst, musst Du Deine Daten in Datablist importieren. Erstelle zunächst eine Collection und lade Deine Datei hoch.
Schritt 1: Eine Collection erstellen
In Datablist organisierst Du Deine Daten in Collections. Du kannst sie Dir wie intelligente Tabellen vorstellen. Klicke in der Seitenleiste auf den Button „+“ oder auf der Startseite auf „Start with a CSV/Excel file“, um eine neue Collection anzulegen.
Schritt 2: Datei importieren
Du kannst Daten aus verschiedenen Quellen importieren. Für dieses Beispiel verwenden wir eine CSV- oder Excel-Datei. Klicke auf „Import CSV/Excel“ und lade Deine Datei hoch.
Datablist unterstützt auch große Dateien. Selbst Hunderttausende Zeilen sind also kein Problem.
Datablist erkennt Spaltentypen wie Text, Number, Date und Email automatisch.
⚠️ Wichtig: Achte darauf, dass die Spalte, die Du summieren möchtest, zum Beispiel
/Stock, korrekt als TypNumbererkannt wird. Andernfalls kannst Du den Typ während des Imports manuell ändern.
Schritt 3: Importierte Daten prüfen
Sieh Dir Deine Collection nach dem Import kurz an und prüfe, ob alles korrekt dargestellt wird. Deine Zeilen und Spalten sollten nun für die Datenbereinigung bereit sein.
Duplikate finden
Nachdem Deine Daten geladen sind, kannst Du nach Duplikaten suchen.
Schritt 4: Duplicates Finder starten
Öffne Clean > Merge duplicates.
Schritt 5: Kennungen für die Deduplizierung auswählen
Lege fest, woran Datablist doppelte Einträge erkennen soll.
Wähle die Eigenschaft aus, die einen Eintrag in Deiner Liste eindeutig identifiziert. Das kann eine Email-Adresse, eine Product SKU, ein Company Name oder eine Kombination mehrerer Felder sein.
In diesem Bestandsbeispiel verwendest Du SKU, um dasselbe Produkt zu gruppieren. Ein Produktname allein kann auch bei unterschiedlichen Größen oder Varianten identisch sein. Nutze ihn daher erst, nachdem Du diese Unterschiede geprüft hast.
Schritt 6: Matching-Algorithmus und Processor auswählen
Wähle als Nächstes den Vergleichsalgorithmus aus.
Bei einer Produkt-SKU solltest Du mit Exact beginnen. Wenn Groß- und Kleinschreibung unterschiedliche Produkte kennzeichnen, aktiviere Case sensitive. Andernfalls können A-100 und a-100 als identisch erkannt und ihre Bestände addiert werden.
Für Email- oder URL-Felder kann Smart verschiedene Schreibweisen mit dem passenden Processor normalisieren. Prüfe diese Einstellungen, bevor Du einen Treffer übernimmst. Die Erklärung zu Smart Matching zeigt, was sich in den einzelnen Normalisierungsschritten ändert.
Du kannst außerdem einen „Processor“ auswählen, um Daten vor dem Vergleich zu normalisieren, etwa um Email-Adressen oder URLs zu bereinigen.
Klicke auf Run duplicates check.
Schritt 7: Duplikatgruppen in der Vorschau prüfen
Datablist analysiert Deine Daten und zeigt Gruppen möglicher Duplikate an. Prüfe vor dem Zusammenführen, ob es sich tatsächlich um doppelte Einträge handelt.
Werte mit AI Processing summieren
Wähle Custom with AI aus, um Regeln für jede Duplikatgruppe zu generieren. Der Generator sieht nur eine kleine Auswahl Deiner Einträge. Beschreibe deshalb ausdrücklich, wie fehlende Zahlen, ungültige Datumswerte und Gleichstände behandelt werden sollen, statt darauf zu vertrauen, dass er jeden Sonderfall selbst erkennt.
Schritt 8: AI Processing auswählen
Wähle auf der Ergebnisseite Custom with AI aus. Die älteren Screenshots unten zeigen noch die frühere Bezeichnung AI Editing.
In diesem Modus kannst Du individuelle Regeln zum Zusammenführen mit natürlich formulierten Prompts festlegen.
Schritt 9: AI Prompt schreiben
Das ist der wichtigste Teil des Ablaufs: In Deinem Prompt beschreibst Du, wie Datablist die Duplikatgruppen zusammenführen soll.
Dein Prompt braucht zwei zentrale Bestandteile:
- Master-Datensatz auswählen: Erkläre der AI, wie sie den Hauptdatensatz auswählen soll, der nach dem Zusammenführen erhalten bleibt. Mögliche Kriterien sind „der Datensatz mit dem neuesten Datum in
/Property“, „der vollständigste Datensatz“ oder „der zuerst erstellte Datensatz“. - Werte summieren: Weise die AI an, die Werte eines bestimmten Zahlenfelds über alle Datensätze der Gruppe hinweg zu summieren – einschließlich des Master-Datensatzes – und die Summe im selben Feld des Master-Datensatzes zu speichern.
Verwende /PropertyName oder {{PropertyName}}, um auf Spalten in Deiner Collection zu verweisen.
Hier ist ein Beispiel-Prompt, der die Eigenschaft /Stock summiert und anhand des neuesten Werts in /Date den Master-Datensatz auswählt:
Verarbeite jede Duplikatgruppe separat. Behalte den Datensatz mit dem neuesten gültigen Datum in /Date. Wenn mehrere Datensätze dasselbe neueste Datum haben oder ein Datum fehlt beziehungsweise ungültig ist, überspringe die Gruppe ohne Änderungen.
Summiere alle numerischen Werte aus /Stock innerhalb der Gruppe, einschließlich des Datensatzes, der erhalten bleibt. Behandle leere Stock-Werte als null. Falls ein nicht leerer Stock-Wert keine gültige Zahl ist, überspringe die Gruppe ohne Änderungen.
Schreibe die Summe in /Stock des Datensatzes, der erhalten bleibt. Lasse seine übrigen Werte unverändert und lösche die anderen Datensätze der Gruppe.
Dieser Prompt lässt die übrigen Werte des ausgewählten Datensatzes bewusst unverändert. Wenn andere Zeilen nützliche Notizen oder Kennungen enthalten, solltest Du vor dem Löschen genau festlegen, wie diese Felder übernommen werden. Wenn Du alle Zeilen behalten möchtest, hilft Dir die Anleitung zum Vereinheitlichen von Duplikatwerten ohne Zusammenführen.
Die Stock-Regel unterscheidet zwischen einem leeren Feld und ungültigem Text. Außerdem wird der Wert des erhaltenen Datensatzes genau einmal berücksichtigt. So vermeidest Du den häufigen Fehler, ihn entweder auszulassen oder doppelt zu addieren.
Schritt 10: Prompt prüfen und Skript generieren
Prüfe Deinen Prompt und stelle sicher, dass die Spaltennamen wie /Date und /Stock korrekt angegeben sind. Wenn alles passt, klicke auf Generate and preview changes.
AI-Skript prüfen und ausführen
Die AI von Datablist führt Deinen Befehl nicht einfach ungeprüft aus. Sie erstellt zunächst auf Basis Deines Prompts ein JavaScript-Skript und zeigt Dir eine Vorschau.
Schritt 11: Verarbeitung abwarten
Die AI benötigt einen Moment, um Deinen Prompt zu interpretieren und das passende Skript zu schreiben.
Schritt 12: Erklärung des Skripts prüfen
Datablist erklärt Dir, was das generierte Skript macht. Kontrolliere, ob das AI-System Deine Absicht richtig verstanden hat.
Schritt 13: Ergebnisvorschau kontrollieren
Noch wichtiger: Datablist zeigt Dir vor der Ausführung, wie sich das Skript auf Deine Daten auswirken wird.
Prüfe die Vorschau und rechne die Werte mindestens einer Gruppe selbst nach. Kontrolliere außerdem einen leeren Wert, eine Null, eine ungültige Zahl und einen Gleichstand beim Datum. Gruppen, die nach Deinen Regeln übersprungen werden, sollten unverändert bleiben.
Die Vorschau zeigt den vorgeschlagenen Zustand des Master-Datensatzes nach dem Zusammenführen und Summieren. Prüfe, ob im Zahlenfeld, zum Beispiel /Stock, die korrekte Summe aller Einträge der Duplikatgruppe steht.
Schritt 14: Beispielvorschau mit Master-Datensatz
Hier siehst Du die Vorschau für eine bestimmte Gruppe genauer. Wie im Prompt festgelegt, wurde der Datensatz mit dem neuesten Datum als Master ausgewählt.
Schritt 15: Skript ausführen
Wenn die Vorschau stimmt und die Summen korrekt berechnet wurden, klicke auf Run AI rules. Datablist wendet die Regeln zum Zusammenführen und Summieren nun auf alle erkannten Duplikatgruppen in Deiner Collection an.
Schritt 16: Ergebnisse überprüfen
Nach der Ausführung werden Deine doppelten Datensätze gemäß Deinen Anweisungen zusammengeführt.
Wechsle zurück zur Hauptansicht Deiner Collection. Für jede akzeptierte Gruppe sollte jetzt ein Datensatz mit dem summierten Wert vorhanden sein. Gruppen, die aufgrund Deiner Regeln übersprungen wurden, sollten unverändert geblieben sein.
Prüfe die summierte Spalte, zum Beispiel /Stock. Sie sollte nun die aggregierten Gesamtwerte der zuvor doppelten Einträge enthalten.
Vergleiche den gesamten Lagerbestand der akzeptierten Gruppen vor und nach der Verarbeitung. Wenn Du eigenständige Beiträge zusammenfasst, muss die Gesamtsumme gleich bleiben. Prüfe übersprungene Gruppen separat, bevor Du die Daten exportierst.
Du hast AI Processing erfolgreich genutzt, um Duplikate zusammenzuführen und gleichzeitig Berechnungen wie Summen auszuführen. Das spart viel manuelle Arbeit und sorgt für zuverlässigere Daten.
Typische Anwendungsfälle
Die AI-gestützte Summenfunktion ist vielseitig einsetzbar. Hier sind einige typische Szenarien:
- Bestandsverwaltung: Du importierst Produktlisten von mehreren Lieferanten oder aus verschiedenen Lagern, sodass dasselbe Produkt mehrfach vorkommt. Mit AI Processing kannst Du diese Einträge zusammenführen, den Datensatz mit dem neuesten Aktualisierungsdatum als Master auswählen und die Werte aus
/QuantityOnHandüber alle Duplikate summieren. So erhältst Du den korrekten Gesamtbestand. - Vertriebsdaten konsolidieren: Vertriebsdaten stammen aus verschiedenen Regionen oder Plattformen und erzeugen für denselben Kunden oder Produktverkauf innerhalb eines Zeitraums doppelte Datensätze. Führe sie anhand von
CustomerIDundProductIDzusammen, wähle den Datensatz mit dem frühestenSaleDateaus und summiere/UnitsSoldsowie/Revenue, um konsolidierte Vertriebszahlen zu erhalten. - Finanzdaten aggregieren: Addiere unterschiedliche Transaktionen erst dann zu Kategoriesummen, nachdem Du ihre Transaktions-IDs geprüft hast. Zwei Kontoauszüge können dieselbe Transaktion enthalten. Entferne wiederholte Kopien vor dem Summieren und halte unterschiedliche Währungen getrennt.
- Projektmanagement: Fasse Aufgabeneinträge zum selben Projektmeilenstein aus den Updates verschiedener Teammitglieder zusammen. Verwende
ProjectIDundMilestoneNamefür den Abgleich, behalte den Datensatz mit dem neuestenStatusUpdateDateund summiere/HoursLogged, um den Gesamtaufwand zu erfassen. - E-Commerce-Bestellungen zusammenführen: Fasse mehrere separat erfasste Positionen desselben Produkts innerhalb einer Kundenbestellung zusammen. Dedupliziere anhand von
OrderIDundProductID, behalte eine Position und summiere die Felder/Quantityund/ItemTotal.
FAQ
F1: Was kann ich tun, wenn meine Zahlenspalte nicht als Typ „Number“ erkannt wird?
Achte beim Import darauf, dass die Spalte auf den Typ Number gesetzt ist. Wurde sie bereits als Text importiert, kannst Du vor dem Start des Duplicates Finder im Menü „Clean“ das Tool „Convert Text to...“ verwenden, um sie in Number umzuwandeln. Die AI-Summenfunktion setzt einen numerischen Feldtyp voraus.
F2: Kann ich mit einem Prompt mehrere Zahlenspalten summieren? Ja. Du kannst Deinen Prompt um Regeln für mehrere Felder ergänzen. Zum Beispiel:
Verwende den Prompt oben und ergänze eine Regel, die /SalesCount summiert und leere sowie ungültige Werte genauso behandelt. Lege fest, welche Felder im erhaltenen Datensatz unverändert bleiben sollen, und prüfe beide Summen in der Vorschau.
F3: Was passiert bei leeren Werten in der Zahlenspalte? Das generierte Skript folgt den von Dir festgelegten Regeln. Der Prompt oben behandelt leere Felder als null und überspringt Gruppen, die nicht leere, aber nicht numerische Stock-Werte enthalten. Prüfe dieses Verhalten vor der Ausführung in der Vorschau. Ein ungültiger Betrag sollte nicht stillschweigend in null umgewandelt werden.
F4: Kann die AI außer Summen auch andere Berechnungen ausführen? Ja, AI Processing ist sehr flexibel. Summieren ist zwar ein häufiger Anwendungsfall, Du kannst die AI aber auch zum Berechnen von Durchschnittswerten, zum Ermitteln von Maximal- oder Minimalwerten oder für Berechnungen über mehrere Felder hinweg anweisen. Dabei wird der Prompt allerdings komplexer.
F5: Ist AI Processing teurer als das normale Zusammenführen? „AI Processing“ ist in allen kostenpflichtigen Tarifen enthalten und unbegrenzt nutzbar.
F6: Was kann ich tun, wenn die AI meinen Prompt nicht richtig versteht? Prüfe die Vorschau immer sorgfältig, bevor Du das Skript ausführst. Wenn das Ergebnis nicht Deinen Erwartungen entspricht, überarbeite den Prompt. Formuliere konkreter, kontrolliere die Spaltennamen und beschreibe eindeutig, wie der Master-Datensatz ausgewählt und die Summe gebildet werden soll. Teile komplexe Regeln bei Bedarf in einfachere Schritte auf. Du kannst das Skript mehrfach neu generieren, bis die Vorschau stimmt.
















