Finde jede wiederkehrende Zahlung in einem Bank-/Kreditkarten-CSV-Export, berechne monatliche und jährliche Kosten und empfehle Behalten, Kündigen oder Herabstufen. Nutze es, wenn der Benutzer nach einem Audit von Abonnements, wiederkehrenden Zahlungen oder Kostensenkungen fragt.
Was ist Subscription Audit Skill (Abonnement-Audit)?
Dieses Skill (Subscription Audit) hilft Entwicklern und Agent-Nutzern dabei, alle wiederkehrenden Zahlungen in Kontoauszügen oder Kreditkarten-CSV-Exporten zu identifizieren. Es normalisiert Händlernamen, gruppiert Transaktionen und erkennt anhand von Median-Intervallen und Betragsstabilität, ob es sich um ein Abonnement handelt. Anschließend berechnet es die monatlichen und jährlichen Kosten, markiert mögliche Duplikate (z. B. zwei Musikdienste) und erstellt eine Kündigungs-Checkliste sortiert nach dem nächsten Fälligkeitsdatum. Es unterstützt die Eingabe von CSV-Dateien (idealerweise über 90 Tage) und kann ein optionales Python-Skript (subscription_audit.py) nutzen, das im Skill-Ordner enthalten ist. Der Agent darf keine sensiblen Zugangsdaten erfragen und muss sich auf offizielle Kündigungsseiten beschränken. Das Skill eignet sich für Plattformen wie Claude Code, Cursor oder Codex, die Dateien lesen und Python-Skripte ausführen können.
Ein oder mehrere CSV-Exporte (idealerweise 90+ Tage) mit Spalten für Datum, Beschreibung und Betrag. Frage nach, welche Spalte welche ist, falls die Kopfzeilen unklar sind.
Optional: die Liste der Abonnements, die der Benutzer bereits kennt.
Vorgehen
Lade die CSVs. Normalisiere Beträge so, dass Belastungen positiv sind. Entferne Überweisungen, Rückerstattungen und Kartenzahlungen (Beschreibungen wie "PAYMENT THANK YOU", "TRANSFER").
Normalisiere Händlernamen: Grossbuchstaben, entferne Filialnummern, Daten, Referenz-IDs sowie Stadt-/Bundesland-Suffixe. Gruppiere nach normalisiertem Händler.
Markiere einen Händler als wiederkehrend, wenn sein Median-Intervall einem Rhythmus entspricht (wöchentlich 7±1, zweiwöchentlich 14±2, monatlich 30,4±4, vierteljährlich 91±7, jährlich 365±10 Tage), mindestens 60 % der Intervalle in diesen Rhythmus fallen und die Beträge stabil sind. Posten, die um mehr als 10 % schwanken, werden behalten, aber mit "variabler Betrag" (z. B. Nebenkosten) gekennzeichnet. Lehne Händler ab, deren Beträge stark schwanken (Variationskoeffizient > 25 %); dies sind normale Einkäufe, keine Abonnements. Nur zwei Buchungen = "geringe Zuversicht". Keine Belastung für das 1,5-fache des Rhythmus = "möglicherweise gekündigt".
Falls Python verfügbar ist, führe python scripts/subscription_audit.py <csv> aus (das Skript befindet sich im Skill-Ordner; löse den Pfad relativ zu dieser SKILL.md auf) und werte dessen Tabelle aus, anstatt manuell zu rechnen.
Für jeden wiederkehrenden Händler-Datensatz: Rhythmus, typischer Betrag, letztes Belastungsdatum, nächstes erwartetes Datum (letztes + Rhythmus), monatliches Äquivalent (wöchentlich ×52/12, jährlich ÷12) und jährliche Kosten.
Markiere mögliche Duplikate: zwei Händler in derselben Kategorie (z. B. zwei Musikdienste, zwei Cloud-Speicherpläne) oder derselbe Händler auf zwei Karten.
Frage den Benutzer für jeden Posten: Behalten / Kündigen / Herabstufen / Unsicher. Falls gefragt, gib Empfehlungen basierend auf Überschneidungen und dem Datum der letzten Nutzung. Übe keinen Druck aus.
Summen: aktuelle monatliche/jährliche Ausgaben sowie Einsparungen, falls die Entscheidungen umgesetzt werden
Kündigungs-Checkliste sortiert nach dem nächsten Belastungsdatum (frühestes zuerst), mit der Erinnerung, vor diesem Datum zu kündigen.
Verlinke bei Kündigungsschritten nur die offizielle Hilfeseite des Dienstes oder sage dem Benutzer, er solle "[Dienst] Abonnement kündigen site:[offizielle Domain]" suchen. Erfinde keine Schritte.
Regeln
Zeige deine Annahmen; liste "möglicherweise wiederkehrende" Posten getrennt auf, wenn die Zuversicht gering ist.
Frage niemals nach Bank-Passwörtern oder melde dich in Konten an.