aiskillstore/marketplace

Anforderungen für Ausgaben

Alle Excel-Dateien

Professionelle Schriftart

• Verwenden Sie eine konsistente, professionelle Schriftart (z. B. Arial, Times New Roman) für alle Ausgaben, sofern der Benutzer nichts anderes vorgibt

Keine Formelfehler

• Jedes Excel-Modell MUSS fehlerfrei ausgeliefert werden (#REF!, #DIV/0!, #VALUE!, #N/A, #NAME?)

Vorhandene Vorlagen beibehalten (beim Aktualisieren von Vorlagen)

• Studieren und GENAU das vorhandene Format, den Stil und die Konventionen beim Ändern von Dateien einhalten
• Niemals standardisierte Formatierungen auf Dateien mit etablierten Mustern aufzwingen
• Vorhandene Vorlagenkonventionen überschreiben IMMER diese Richtlinien

Finanzmodelle

Farbcodierungsstandards

Sofern nicht anders vom Benutzer oder der vorhandenen Vorlage angegeben

Branchenübliche Farbkonventionen

• Blauer Text (RGB: 0,0,255): Hartcodierte Eingaben und Zahlen, die der Benutzer für Szenarien ändern wird
• Schwarzer Text (RGB: 0,0,0): ALLE Formeln und Berechnungen
• Grüner Text (RGB: 0,128,0): Verweise, die aus anderen Arbeitsblättern innerhalb derselben Arbeitsmappe abgerufen werden
• Roter Text (RGB: 255,0,0): Externe Verweise auf andere Dateien
• Gelber Hintergrund (RGB: 255,255,0): Wichtige Annahmen, die Aufmerksamkeit erfordern, oder Zellen, die aktualisiert werden müssen

Formatierungsstandards für Zahlen

Erforderliche Formatregeln

• Jahre: Als Textzeichenfolgen formatieren (z. B. "2024" nicht "2.024")
• Währung: Format $#.##0 verwenden; IMMER Einheiten in Kopfzeilen angeben ("Umsatz ($ Mio.)")
• Nullen: Zahlenformatierung verwenden, um alle Nullen als "-" darzustellen, einschließlich Prozentwerten (z. B. "$#.##0;($#.##0);-")
• Prozentsätze: Standardmäßig Format 0,0% (eine Dezimalstelle) verwenden
• Multiples: Als 0,0x für Bewertungsmultiples (EV/EBITDA, KGV) formatieren
• Negative Zahlen: Klammern (123) statt Minus -123 verwenden

Regeln für die Formelerstellung

Platzierung von Annahmen

• Platzieren Sie ALLE Annahmen (Wachstumsraten, Margen, Multiples usw.) in separaten Annahmezellen
• Verwenden Sie Zellbezüge anstelle von hartcodierten Werten in Formeln
• Beispiel: =B5*(1+$B$6) anstelle von =B5*1,05 verwenden

Vermeidung von Formelfehlern

• Überprüfen Sie alle Zellbezüge auf Richtigkeit
• Achten Sie auf „Off-by-one"-Fehler in Bereichen
• Stellen Sie konsistente Formeln über alle Prognosezeiträume sicher
• Testen Sie mit Randfällen (Nullwerte, negative Zahlen)
• Überprüfen Sie, ob keine unbeabsichtigten Zirkelbezüge vorhanden sind

Dokumentationsanforderungen für Hartcodierungen

• Kommentieren Sie in Zellen daneben (wenn am Ende einer Tabelle). Format: "Quelle: [System/Dokument], [Datum], [Spezifischer Verweis], [URL falls zutreffend]"
• Beispiele:
  • "Quelle: Company 10-K, GJ2024, Seite 45, Anmerkung zu Umsatzerlösen, [SEC EDGAR URL]"
  • "Quelle: Company 10-Q, Q2 2025, Anhang 99.1, [SEC EDGAR URL]"
  • "Quelle: Bloomberg Terminal, 15.08.2025, AAPL US Equity"
  • "Quelle: FactSet, 20.08.2025, Konsensschätzungsbildschirm"

XLSX-Erstellung, -Bearbeitung und -Analyse

Überblick

Ein Benutzer kann Sie bitten, den Inhalt einer .xlsx-Datei zu erstellen, zu bearbeiten oder zu analysieren. Für verschiedene Aufgaben stehen Ihnen unterschiedliche Tools und Arbeitsabläufe zur Verfügung.

Wichtige Anforderungen

LibreOffice für die Formelneuberechnung erforderlich: Sie können davon ausgehen, dass LibreOffice installiert ist, um Formelwerte mit dem Skript scripts/recalc.py neu zu berechnen. Das Skript konfiguriert LibreOffice beim ersten Start automatisch, auch in Sandbox-Umgebungen, in denen Unix-Sockets eingeschränkt sind (wird von scripts/office/soffice.py behandelt)

Lesen und Analysieren von Daten

Datenanalyse mit pandas

Verwenden Sie für Datenanalyse, Visualisierung und grundlegende Operationen pandas, das leistungsstarke Datenmanipulationsfunktionen bietet:

import pandas as pd

# Excel lesen
df = pd.read_excel('file.xlsx')  # Standard: erstes Blatt
all_sheets = pd.read_excel('file.xlsx', sheet_name=None)  # Alle Blätter als Dict

# Analysieren
df.head()      # Datenvorschau
df.info()      # Spalteninformationen
df.describe()  # Statistiken

# Excel schreiben
df.to_excel('output.xlsx', index=False)

Excel-Datei-Workflows

KRITISCH: Verwenden Sie Formeln, keine hartcodierten Werte

Verwenden Sie immer Excel-Formeln, anstatt Werte in Python zu berechnen und hartzucodieren. Dies stellt sicher, dass die Tabelle dynamisch und aktualisierbar bleibt.

❌ FALSCH – Hartcodieren berechneter Werte

# Schlecht: In Python berechnen und Ergebnis hartcodieren
total = df['Sales'].sum()
sheet['B10'] = total  # Hartcodiert 5000

# Schlecht: Wachstumsrate in Python berechnen
growth = (df.iloc[-1]['Revenue'] - df.iloc[0]['Revenue']) / df.iloc[0]['Revenue']
sheet['C5'] = growth  # Hartcodiert 0,15

# Schlecht: Python-Berechnung für Durchschnitt
avg = sum(values) / len(values)
sheet['D20'] = avg  # Hartcodiert 42,5

✅ RICHTIG – Verwenden von Excel-Formeln

# Gut: Excel die Summe berechnen lassen
sheet['B10'] = '=SUM(B2:B9)'

# Gut: Wachstumsrate als Excel-Formel
sheet['C5'] = '=(C4-C2)/C2'

# Gut: Durchschnitt mit Excel-Funktion
sheet['D20'] = '=AVERAGE(D2:D19)'

Dies gilt für ALLE Berechnungen – Summen, Prozentsätze, Verhältnisse, Differenzen usw. Die Tabelle sollte in der Lage sein, neu zu berechnen, wenn sich Quelldaten ändern.

Allgemeiner Arbeitsablauf

1. Tool auswählen: pandas für Daten, openpyxl für Formeln/Formatierung
2. Erstellen/Laden: Neue Arbeitsmappe erstellen oder vorhandene Datei laden
3. Ändern: Daten, Formeln und Formatierungen hinzufügen/bearbeiten
4. Speichern: In Datei schreiben
5. Formeln neu berechnen (PFLICHT, WENN FORMELN VERWENDET WERDEN): Verwenden Sie das Skript scripts/recalc.py

   python scripts/recalc.py output.xlsx
   

6. Fehler überprüfen und beheben:
   • Das Skript gibt JSON mit Fehlerdetails zurück
   • Wenn der status errors_found ist, überprüfen Sie error_summary auf spezifische Fehlertypen und -orte
   • Beheben Sie die identifizierten Fehler und berechnen Sie erneut neu
   • Häufige zu behebende Fehler:
     • #REF!: Ungültige Zellbezüge
     • #DIV/0!: Division durch Null
     • #VALUE!: Falscher Datentyp in Formel
     • #NAME?: Unbekannter Formelname

Erstellen neuer Excel-Dateien

# Verwenden von openpyxl für Formeln und Formatierung
from openpyxl import Workbook
from openpyxl.styles import Font, PatternFill, Alignment

wb = Workbook()
sheet = wb.active

# Daten hinzufügen
sheet['A1'] = 'Hallo'
sheet['B1'] = 'Welt'
sheet.append(['Zeile', 'von', 'Daten'])

# Formel hinzufügen
sheet['B2'] = '=SUM(A1:A10)'

# Formatierung
sheet['A1'].font = Font(bold=True, color='FF0000')
sheet['A1'].fill = PatternFill('solid', start_color='FFFF00')
sheet['A1'].alignment = Alignment(horizontal='center')

# Spaltenbreite
sheet.column_dimensions['A'].width = 20

wb.save('output.xlsx')

Bearbeiten vorhandener Excel-Dateien

# Verwenden von openpyxl zum Beibehalten von Formeln und Formatierung
from openpyxl import load_workbook

# Vorhandene Datei laden
wb = load_workbook('existing.xlsx')
sheet = wb.active  # oder wb['SheetName'] für ein bestimmtes Blatt

# Mit mehreren Blättern arbeiten
for sheet_name in wb.sheetnames:
    sheet = wb[sheet_name]
    print(f"Blatt: {sheet_name}")

# Zellen ändern
sheet['A1'] = 'Neuer Wert'
sheet.insert_rows(2)  # Zeile an Position 2 einfügen
sheet.delete_cols(3)  # Spalte 3 löschen

# Neues Blatt hinzufügen
new_sheet = wb.create_sheet('NeuesBlatt')
new_sheet['A1'] = 'Daten'

wb.save('modified.xlsx')

Formeln neu berechnen

Mit openpyxl erstellte oder geänderte Excel-Dateien enthalten Formeln als Zeichenfolgen, aber keine berechneten Werte. Verwenden Sie das bereitgestellte Skript scripts/recalc.py, um Formeln neu zu berechnen:

python scripts/recalc.py <excel_datei> [timeout_sekunden]

Beispiel:

python scripts/recalc.py output.xlsx 30

Das Skript:

• Richtet beim ersten Start automatisch ein LibreOffice-Makro ein
• Berechnet alle Formeln in allen Blättern neu
• Durchsucht ALLE Zellen nach Excel-Fehlern (#REF!, #DIV/0!, usw.)
• Gibt JSON mit detaillierten Fehlerorten und -anzahlen zurück
• Funktioniert sowohl unter Linux als auch unter macOS

Checkliste zur Formelüberprüfung

Schnelle Überprüfungen, um sicherzustellen, dass Formeln korrekt funktionieren:

Wesentliche Überprüfung

• 2-3 Beispielverweise testen: Überprüfen, ob sie korrekte Werte abrufen, bevor das vollständige Modell erstellt wird
• Spaltenzuordnung: Bestätigen, dass Excel-Spalten übereinstimmen (z. B. Spalte 64 = BL, nicht BK)
• Zeilenversatz: Denken Sie daran, dass Excel-Zeilen 1-indexiert sind (DataFrame-Zeile 5 = Excel-Zeile 6)

Häufige Fallstricke

• NaN-Behandlung: Auf Nullwerte mit pd.notna() prüfen
• Spalten weit rechts: Geschäftsjahresdaten oft in Spalten 50+
• Mehrere Übereinstimmungen: Alle Vorkommen durchsuchen, nicht nur das erste
• Division durch Null: Nenner vor der Verwendung von / in Formeln prüfen (#DIV/0!)
• Falsche Verweise: Überprüfen, ob alle Zellbezüge auf die beabsichtigten Zellen verweisen (#REF!)
• Blattübergreifende Verweise: Korrektes Format (Sheet1!A1) zum Verknüpfen von Blättern verwenden

Strategie zum Testen von Formeln

• Klein anfangen: Formeln zunächst an 2-3 Zellen testen, bevor sie breit angewendet werden
• Abhängigkeiten überprüfen: Prüfen, ob alle in Formeln referenzierten Zellen vorhanden sind
• Randfälle testen: Null, negative und sehr große Werte einbeziehen

Interpretieren der Ausgabe von scripts/recalc.py

Das Skript gibt JSON mit Fehlerdetails zurück:

{
  "status": "success",           // oder "errors_found"
  "total_errors": 0,              // Gesamtfehleranzahl
  "total_formulas": 42,           // Anzahl der Formeln in der Datei
  "error_summary": {              // Nur vorhanden, wenn Fehler gefunden wurden
    "#REF!": {
      "count": 2,
      "locations": ["Sheet1!B5", "Sheet1!C10"]
    }
  }
}

Best Practices

Bibliotheksauswahl

• pandas: Am besten geeignet für Datenanalyse, Bulk-Operationen und einfachen Datencxport
• openpyxl: Am besten geeignet für komplexe Formatierung, Formeln und Excel-spezifische Funktionen

Arbeiten mit openpyxl

• Zellindizes sind 1-basiert (Zeile=1, Spalte=1 bezieht sich auf Zelle A1)
• Verwenden Sie data_only=True, um berechnete Werte zu lesen: load_workbook('file.xlsx', data_only=True)
• Warnung: Wenn mit data_only=True geöffnet und gespeichert, werden Formeln durch Werte ersetzt und gehen dauerhaft verloren
• Für große Dateien: read_only=True zum Lesen oder write_only=True zum Schreiben verwenden
• Formeln bleiben erhalten, werden aber nicht ausgewertet – verwenden Sie scripts/recalc.py, um Werte zu aktualisieren

Arbeiten mit pandas

• Datentypen angeben, um Inferenzprobleme zu vermeiden: pd.read_excel('file.xlsx', dtype={'id': str})
• Für große Dateien bestimmte Spalten lesen: pd.read_excel('file.xlsx', usecols=['A', 'C', 'E'])
• Daten ordnungsgemäß behandeln: pd.read_excel('file.xlsx', parse_dates=['date_column'])

Code-Stil-Richtlinien

WICHTIG: Beim Generieren von Python-Code für Excel-Operationen:

• Schreiben Sie minimalen, prägnanten Python-Code ohne unnötige Kommentare
• Vermeiden Sie ausführliche Variablennamen und redundante Operationen
• Vermeiden Sie unnötige print-Anweisungen

Für Excel-Dateien selbst:

• Fügen Sie Kommentare zu Zellen mit komplexen Formeln oder wichtigen Annahmen hinzu
• Dokumentieren Sie Datenquellen für hartcodierte Werte
• Fügen Sie Notizen zu wichtigen Berechnungen und Modellabschnitten hinzu