Wie Sie eine Korrelationsmatrix mit KI erstellen: 5 einfache Prüfungen in 2026

Eine Korrelationsmatrix stellt jede numerische Spalte jeder anderen gegenüber und gibt an, wie eng sich jedes Paar gemeinsam bewegt. Dieser Leitfaden erklärt, was die Matrix ist und wie man sie manuell erstellt. Anschließend zeigt er drei Schritte, um sie aus einem Export zu generieren. Zuletzt folgen die fünf Prüfungen, die eine nützliche Matrix von einem Raster irreführender Zahlen unterscheiden.

Was Ihnen eine Korrelationsmatrix verrät

Die Dokumentation von Microsoft für das Analysis ToolPak definiert das Objekt gut. Das Korrelations-Tool „liefert eine Ausgabetabelle, eine Korrelationsmatrix“. Diese Tabelle „zeigt den Wert von CORREL (oder PEARSON), angewendet auf jedes mögliche Paar von Messvariablen“.

Sie beschreibt auch, wann man eine solche Matrix benötigt. Das Tool „ist besonders nützlich, wenn mehr als zwei Messvariablen für jedes von N Subjekten vorliegen“. Bei zwei Spalten würde man einfach nur eine Zahl berechnen. Bei zwölf möchte man das Raster.

Der Koeffizient selbst wird einfach beschrieben. Er ist „ein Maß für das Ausmaß, in dem zwei Messvariablen ‚gemeinsam variieren‘“. Die nützliche Eigenschaft ist die Skalierung. Im Gegensatz zur Kovarianz „ist er so skaliert, dass sein Wert unabhängig von den Einheiten ist“, in denen die Variablen ausgedrückt werden.

Deshalb ist die Matrix so gut lesbar. Umsatz in Dollar und Besuche in Zahlen erzeugen einen Koeffizienten auf derselben Skala, sodass die Zellen miteinander verglichen werden können.

Auch das Ablesen der Werte ist dokumentiert. Ein Koeffizient „näher bei +1 oder -1“ weist auf eine „positive (+1) oder negative (-1) Korrelation zwischen den Arrays“ hin. Ein Wert „näher bei 0 deutet auf keine oder eine schwache Korrelation hin“. Für die Einzelpaar-Version dieses Konzepts behandelt der Erklärer zum Korrelationskoeffizienten die Definition für sich allein.

Was Sie vor dem Start benötigen

• Ein Export mit einer Zeile pro Subjekt: ein Kunde, eine Filiale, eine Woche, eine Kampagne.
• Mindestens drei numerische Spalten. Darunter macht eine Matrix mehr Arbeit als sie Nutzen bringt.
• Eine klare Vorstellung davon, was ein „Subjekt“ ist. Zeilen müssen dieselbe Art von Objekt darstellen, sonst haben die Koeffizienten keine Aussagekraft.
• Eine Notiz darüber, welche Spalten voneinander abgeleitet sind. Umsatz und Umsatz pro Bestellung korrelieren konstruktionsbedingt.
• Eine Entscheidung darüber, wie mit Leerstellen verfahren werden soll, die vor der Ausführung getroffen wird.

Dieser letzte Punkt ändert das Ergebnis, nicht nur die Darstellung. Er ist das Thema von Prüfung 2 weiter unten.

Wie man es manuell macht

Option 1: Das Korrelations-Tool des Analysis ToolPak verwenden

Dies ist der kürzeste Weg und erzeugt die Matrix direkt. Microsoft beschreibt die Aufgabe des Add-Ins als das Einsparen von Schritten. Sie „stellen die Daten und Parameter für jede Analyse bereit“. Das Tool verwendet dann „Makrofunktionen, um die Ergebnisse zu berechnen und in einer Ausgabetabelle anzuzeigen“.

Es gibt zwei Einschränkungen, die man im Voraus kennen sollte. Die Ausgabe ist ein statischer Zahlenblock, sodass sie sich bei Datenänderungen nicht aktualisiert. Und laut Dokumentation „können die Datenanalysefunktionen jeweils nur auf einem Arbeitsblatt verwendet werden“.

Option 2: Ein Raster aus CORREL-Formeln schreiben

Tragen Sie Ihre Spaltennamen an der Seite und oben ein und füllen Sie dann jede Zelle mit CORREL für die beiden Bereiche aus.

Der Vorteil ist, dass es neu berechnet wird. Der Nachteil ist die Skalierbarkeit. Eine Matrix mit zwölf Spalten bedeutet 144 Zellen mit gemischten absoluten und relativen Bezügen. Eine falsch gezogene Formel setzt das falsche Paar in die falsche Zelle, ohne dass ein Fehler angezeigt wird.

Option 3: Außerhalb der Tabellenkalkulation berechnen

Jede Statistik-Bibliothek liefert eine Korrelationsmatrix in einer einzigen Zeile und verarbeitet fehlende Daten explizit.

Dies ist der zuverlässigste Weg, aber am schwersten zu teilen. Der Kollege, der wissen möchte, warum zwei Spalten korrelieren, kann Ihr Skript nicht öffnen, und die Matrix kommt als eingefügtes Bild an.

Wo der manuelle Weg an seine Grenzen stößt

Die Arithmetik ist augenblicklich erledigt. Was Zeit kostet, ist alles drum herum.

Der erste Aufwand ist die Spaltenauswahl. Ein Rohdaten-Export enthält ID-Spalten, als Zahlen gespeicherte Datumsspalten und als 0 und 1 codierte Status-Flags. Alle diese Spalten sind numerisch, sodass sie alle in der Matrix landen. Eine Korrelation zwischen Kunden-ID und Umsatz ist Rauschen, das trotzdem wie eine normale Zelle aussieht.

Der zweite Aufwand ist das Lesen. Eine Matrix mit zwölf Variablen hat 66 verschiedene Paare oberhalb der Diagonale. Das Scannen von 66 Zahlen nach den interessanten Werten ist genau die Aufgabe, die gerne übersprungen wird – weshalb Matrizen oft erstellt und dann ignoriert werden.

Der dritte Aufwand ist die Wiederholung. Niemand erstellt nur eine einzige Korrelationsmatrix. Man erstellt eine pro Kohorte, pro Region oder pro Quartal, und die Arbeit der Spaltenauswahl beginnt jedes Mal von vorn.

So erstellen Sie eine Korrelationsmatrix mit Powerdrill Bloom

Schritt 1: Laden Sie den Export mit einer Zeile pro Subjekt hoch

Ziehen Sie die Datei in Powerdrill Bloom, ohne vorher Spalten auszuwählen. Der Free-Tarif deckt Uploads von Excel, CSV, PDF und Dokumenten ab, sodass der Rohdaten-Export auch ohne kostenpflichtiges Abonnement hochgeladen werden kann.

Lassen Sie die ID- und Datumsspalten an Ort und Stelle. Deren Ausschluss ist Teil der Anfrage, und dies explizit zu formulieren ist zuverlässiger, als Spalten manuell zu löschen und später zu vergessen, welche man entfernt hat.

Schritt 2: Spalten für den Einschluss benennen und Umgang mit Leerstellen festlegen

Formulieren Sie es in natürlicher Sprache. Listen Sie die Spalten auf, die echte Messungen enthalten, und nennen Sie diejenigen, die ausgeschlossen werden sollen. Geben Sie dann an, ob Zeilen mit fehlenden Werten gelöscht oder paarweise behandelt werden sollen.

Geben Sie auch an, welche Spalten von anderen abgeleitet sind. Eine Matrix, die eine offensichtliche mathematische Beziehung als neue Erkenntnis darstellt, verschwendet nur die Zeit des Lesers.

Schritt 3: Generieren Sie die Matrix als Tabelle und Heatmap

Fordern Sie die gewünschte Ausgabe an. Das ist die Matrix als Tabelle von Koeffizienten sowie eine Heatmap desselben Rasters. Fügen Sie eine kurze Liste der Paare hinzu, die einen Blick wert sind, zusammen mit deren Stichprobengrößen. Die Preisseite beschreibt den Erhalt einer fundierten Antwort mit Diagrammen, Tabellen und Exporten, und die Seite für erweiterte Analysen listet Heatmap unter den Visualisierungen auf.

Wenn die Matrix in eine schriftliche Analyse einfließen soll, erweitert der Pro-Tarif dies auf eine umfassendere Ausgabe von Office-Dokumenten.

Die 5 Prüfungen, die jede Korrelationsmatrix bestehen sollte

Prüfung 1: Haben die gepaarten Spalten dieselbe Länge?

Dies ist die häufigste Ursache für eine fehlerhafte Zelle. Die Dokumentation von Microsoft für die Funktion ist eindeutig: „Wenn Matrix1 und Matrix2 eine unterschiedliche Anzahl von Datenpunkten aufweisen, gibt CORREL den Fehlerwert #NV zurück“.

In einem manuell erstellten Raster passiert dies, wenn ein Bereich eine Zeile weiter gezogen wurde als der andere. Die Behebung ist trivial; das Bemerken ist der schwierige Teil, da ein einzelnes #NV in einem Raster mit 144 Zellen leicht übersehen werden kann.

Prüfung 2: Verschwinden Leerstellen und Text so, wie Sie es erwarten?

Zwei dokumentierte Verhaltensweisen ziehen hier in unterschiedliche Richtungen, und die Kenntnis beider verhindert einen echten Fehler.

Die Funktion ignoriert Nicht-Zahlen pro Paar. Laut Microsoft werden „Text, logische Werte oder leere Zellen“ in einem Argument ignoriert. Aber „Zellen mit Nullwerten werden einbezogen“. Eine Leerstelle wird übersprungen; eine Null zählt.

Das Korrelations-Tool des ToolPak ist strenger. In seiner Dokumentation heißt es, dass „jede fehlende Beobachtung für ein Subjekt dazu führt, dass dieses Subjekt in der Analyse ignoriert wird“. Eine einzige leere Zelle entfernt die gesamte Zeile für jedes Paar in der Matrix.

Dieselben Daten können also zwei unterschiedliche Matrizen erzeugen, je nachdem, welchen Weg Sie gewählt haben. Wenn eine Spalte viele Leerstellen aufweist, berechnet der ToolPak-Weg das Raster möglicherweise stillschweigend auf einer viel kleineren Stichprobe.

Prüfung 3: Ist eine Spalte konstant?

Eine Spalte mit demselben Wert in jeder Zeile weist keine Variation auf, die korreliert werden könnte. Das dokumentierte Ergebnis ist ein Fehler. Wenn „s (die Standardabweichung) ihrer Werte gleich Null ist“, gibt „CORREL den Fehlerwert #DIV/0! zurück“.

Dies kommt häufiger vor als erwartet. Ein Flag, das im exportierten Zeitraum immer wahr war, oder eine Gebühr, die sich nicht geändert hat, verhalten sich beide so.

Prüfung 4: Haben Sie sich die Form angesehen, nicht nur die Zahl?

Der Koeffizient misst, wie konsistent sich zwei Spalten entlang einer geraden Linie gemeinsam bewegen. Eine Beziehung, die ansteigt und dann abfällt, kann nahe bei Null liegen, obwohl sie in einem Diagramm stark und offensichtlich ist.

Eine Zelle nahe Null ist also kein Beweis für Unabhängigkeit. Sie ist lediglich eine Aussage über einen linearen Zusammenhang. Stellen Sie die zwei oder drei Paare, die Sie interessieren, grafisch dar, bevor Sie voreilige Schlüsse ziehen, und prüfen Sie, ob eine Handvoll extremer Zeilen den Koeffizienten nach oben zieht. Der Leitfaden für Ausreißer behandelt diesen Schritt.

Prüfung 5: Berücksichtigen Sie, wie viele Paare Sie betrachtet haben?

Eine Matrix mit zehn Spalten enthält 45 verschiedene Paare. Eine Matrix mit zwölf Spalten enthält 66. Wenn Sie genügend Paare scannen, werden einige ohne wirklichen Grund stark aussehen.

Zwei Gewohnheiten helfen hierbei. Entscheiden Sie vor dem Lesen des Rasters, welche Beziehungen Sie erwarten, und betrachten Sie den Rest eher als Kandidaten denn als feste Erkenntnisse. Und notieren Sie die Stichprobengröße neben jedem Koeffizienten, den Sie zitieren möchten, da die statistische Signifikanz davon abhängt.

Was dies einspart

Aufgabe	Manuell	Aus dem hochgeladenen Export
Ausschluss von ID-, Datums- und Flag-Spalten	Manuell, bei jedem Durchlauf neu	Einmalig in der Anfrage formuliert
Erstellung des Rasters	144 Formeln oder ein statischer ToolPak-Block	Teil der gestellten Frage
Anwendung einer Regel für fehlende Daten	Hängt vom gewählten Weg ab	Explizit angegeben
Eingrenzung lesenswerter Paare	45 bis 66 Zellen mit dem Auge scannen	Zusammen mit der Matrix geliefert
Erstellung der Version für das nächste Quartal	Spaltenauswahl beginnt von vorn	Gleiche Anfrage, neue Datei

Best Practices

Geben Sie den Koeffizienten zusammen mit seiner Stichprobengröße an. Eine Zelle mit dem Wert 0,7 bei elf Zeilen ist nicht dieselbe Aussage wie 0,7 bei elftausend Zeilen.

Entfernen Sie einen Teil jedes Paares, das Sie aus dem anderen erstellt haben. Abgeleitete Spalten blähen die Matrix mit Beziehungen auf, die Sie ohnehin schon kannten.

Stellen Sie die Matrix als Heatmap zum Scannen und als Tabelle zum Zitieren dar. Die Heatmap zeigt das Muster; die Tabelle liefert die Zahl, die jemand in ein Dokument kopieren wird.

Lassen Sie nicht die Matrix das Modell auswählen. Die Auswahl von Prädiktoren nach der stärksten Korrelation führt dazu, dass kollineare Variablen zusammen ausgewählt werden. Die Regressionsanalyse ist das richtige Werkzeug für diese Fragestellung.

Schreiben Sie die Ausschlussliste direkt neben die Matrix. Die zweite Frage des Lesers lautet fast immer, welche Spalten weggelassen wurden.

Fazit

Eine Korrelationsmatrix ist schnell berechnet und wird leicht überinterpretiert. Excel bietet beide Wege dorthin an, und beide unterscheiden sich beim Umgang mit fehlenden Daten auf eine Weise, die zwar dokumentiert ist, aber selten bemerkt wird.

Der Wert liegt eher in den fünf Prüfungen als im Raster selbst. Paare gleicher Länge, eine festgelegte Regel für Leerstellen, keine konstanten Spalten, ein Blick auf die tatsächliche Form und Ehrlichkeit darüber, wie viele Paare Sie gescannt haben.

Wenn Sie den Export vorliegen haben, aber keine Lust auf ein Raster mit 144 Zellen, probieren Sie Powerdrill Bloom mit der Rohdatei aus. Der Weg über den Excel AI assistant eignet sich für Daten, die sich bereits in einer Arbeitsmappe befinden.

Häufig gestellte Fragen

Was ist eine Korrelationsmatrix?

Es handelt sich um eine Tabelle, die den Korrelationskoeffizienten für jedes Paar numerischer Variablen in einem Datensatz anzeigt. Die Dokumentation von Microsoft beschreibt die Ausgabe des Analysis ToolPak als eine Korrelationsmatrix, die CORREL oder PEARSON auf jedes mögliche Paar angewendet zeigt. Sie ist am nützlichsten, wenn Sie mehr als zwei Messvariablen haben.

Wie erstelle ich eine Korrelationsmatrix in Excel?

Es gibt zwei Wege. Das Analysis ToolPak verfügt über ein Korrelations-Tool, das die Matrix in eine Ausgabetabelle schreibt. Alternativ erstellen Sie ein Raster aus CORREL-Formeln, das sich zwar neu berechnet, aber viele Zellen und eine sorgfältige Referenzierung erfordert.

Wie geht Excel mit fehlenden Werten bei einer Korrelation um?

Das hängt davon ab, welchen Weg Sie nutzen. Die CORREL-Funktion ignoriert Text, logische Werte und leere Zellen, bezieht jedoch Nullen mit ein. Das Korrelations-Tool des ToolPak schließt jedes Subjekt mit einer fehlenden Beobachtung aus der gesamten Analyse aus.

Was gilt als starke Korrelation?

Die Richtlinie von Microsoft ist eher richtungsweisend als numerisch. Werte näher bei +1 oder -1 weisen auf eine stärkere positive oder negative Korrelation hin. Werte näher bei 0 deuten auf keine oder eine schwache Korrelation hin. Jeder feste Schwellenwert hängt von Ihrem Fachbereich und Ihrer Stichprobengröße ab.

Bedeutet eine hohe Korrelation, dass eine Variable die andere verursacht?

Nein. Der Koeffizient beschreibt, wie konsistent sich zwei Spalten gemeinsam bewegen, sagt jedoch nichts über die Richtung oder den Mechanismus aus. Ein dritter Faktor, der beide beeinflusst, oder eine Spalte, die von der anderen abgeleitet ist, erzeugt dasselbe Wert.