Die japanische Digital Agency hat am 21. Oktober 2026 die Open-Source-Software Harunobu vorgestellt, mit der sich die Maschinenlesbarkeit von Tabellendateien systematisch überprüfen lässt. Das Werkzeug analysiert Dateien in den Formaten Excel, CSV sowie TSV auf die Einhaltung formaler Kriterien, vergibt einen Wert von bis zu 100 Punkten und markiert fehlerhafte Stellen direkt im Datensatz.
Als Bewertungsgrundlage dienen behördliche Richtlinien, die am 31. März 2026 verabschiedet wurden. Diese Vorgaben unterscheiden drei Stufen der Datenverarbeitung: Level 1 umfasst das maschinelle Anzeigen und Transkribieren, Level 2 betrifft die Aggregation und Analyse, während Level 3 die Verknüpfung unterschiedlicher Datensätze sowie weiterführende Automatisierungen regelt.
Lokale Ausführung und Schnittstellen für KI-Modelle
Harunobu steht unter der MIT-Lizenz auf GitHub zur lokalen Installation bereit. Die Anwendung lässt sich über eine Streamlit-Benutzeroberfläche, eine Befehlszeilenschnittstelle sowie über eine Python-Programmierschnittstelle bedienen. In der Standardkonfiguration arbeitet das Werkzeug vollständig lokal und ohne den Einsatz externer Systeme für künstliche Intelligenz.
Nutzer können jedoch Schnittstellen zu Modellen wie Gemini, ChatGPT oder Claude aktivieren, wobei die Daten an externe Server übertragen werden. Zudem lassen sich die Analyseergebnisse im JSON-Format exportieren und an ChatGPT übergeben.
Das Programm behebt erkannte Abweichungen nicht eigenständig, sodass eine manuelle Korrektur durch Anwender erforderlich bleibt. Eine Garantie für die Richtigkeit der Prüfungsergebnisse übernimmt die Behörde nicht.
Wachsender Bedarf an standardisierten Daten
Die Initiative der Behörde trifft auf eine breite Debatte über die Verlässlichkeit tabellarischer Daten in automatisierten Prozessen. Einer Untersuchung von Ivanti zufolge erfassen 34 Prozent der Organisationen ihre IT-Bestände weiterhin in Tabellen.
Ein IT-Sicherheitsexperte betonte in einem Fachbeitrag, dass Automatisierungen Datenkonflikte verschärfen können, wenn sie fehlerhafte Bestände mit hoher Geschwindigkeit und ohne menschliche Kontrolle verarbeiten. Zur Eindämmung von Risiken werden eindeutige Mastersysteme, feste Verantwortlichkeiten und eine lückenlose Rückverfolgbarkeit empfohlen.
Wer sich mit der Optimierung von Datensätzen befasst, stolpert oft über vermeidbare Fehler in der Tabellenkalkulation. Dieser kostenlose Ratgeber zeigt Ihnen, wie Sie Formeln und Formatierungen souverän beherrschen und wertvolle Zeit im Arbeitsalltag sparen. Excel-Profi in kürzester Zeit: Kostenloser Ratgeber zeigt den schnellsten Weg
Auch Untersuchungen von IBM deuten auf strukturelle Herausforderungen hin: Demnach haben 80 Prozent der britischen Unternehmen Schwierigkeiten, mit den Anforderungen an die Steuerung von KI-Systemen Schritt zu halten.
Aus der Branche wird darauf verwiesen, dass Datensilos und fehlende Kontexte in älteren ERP-Systemen dazu führen, dass Tabellenkalkulationen als Behelfslösungen eingesetzt werden. Dies verhindere eine verlässliche Datenbasis in Unternehmensbereichen wie Finanzen und Lieferketten.
Fachanalysen unterstreichen zudem, dass hochentwickelte Algorithmen fehlerhafte Empfehlungen lediglich schneller ausgeben, wenn das zugrunde liegende Datenmaterial unvollständig oder falsch zugeordnet ist.
Neben der Datenqualität spielen auch neue regulatorische Anforderungen wie der EU AI Act eine entscheidende Rolle für die rechtssichere Automatisierung. Ein kostenloser Report klärt darüber auf, welche KI-Systeme als Hochrisiko gelten und welche Dokumentationspflichten Unternehmen jetzt kennen müssen. EU AI Act in 5 Schritten verstehen: Fristen, Pflichten und Risikoklassen kompakt erklärt
Parallele Entwicklungen in der Softwarebranche
Der Umgang mit uneinheitlichen Tabellenformaten beschäftigt derzeit zahlreiche Technologieanbieter. Microsoft kündigte am 12. Oktober 2026 neue Funktionen für Excel an, darunter das Werkzeug Clean Data, das Formatinkonsistenzen, falsche Datentypen und Dubletten erkennen soll.
Alibaba Cloud präsentierte mit QwenWork ein Modell für den zeilenweisen Abgleich von Tabellen, während spezialisierte Abfragesprachen wie SPL darauf abzielen, unregelmäßige Tabellenstrukturen mit wenigen Codezeilen für den Import in Datenbanken aufzubereiten.
Die Bereitstellung von Harunobu markiert einen weiteren Schritt, um unstrukturierte Tabellenformate bereits vor der Weiterverarbeitung in automatisierten Pipelines oder Analysewerkzeugen auf formale Mängel hin zu durchleuchten.