Ist-Plan-Forecast – Excel-Diagramm mit Python

Du kennst das Bild aus fast jedem Monatsreporting: drei bunte Säulen pro Monat – blau für Plan, orange für Ist, grau für Forecast – und irgendwo dazwischen soll man erkennen, ob es gut oder schlecht läuft. Die eigentliche Frage beantwortet so ein Diagramm nicht: Wo weichen wir vom Plan ab, wie stark – und landen wir am Jahresende drüber oder drunter?
In diesem Tutorial baust Du mit Python in Excel ein Diagramm, das genau das zeigt – nach der Notation der neuen Norm ISO 24896 (ohne Gewähr). Eine einzige =PY-Formel holt die Daten aus deiner Tabelle, rechnet die Abweichungen und zeichnet Säulen, Abweichungsbalken und Prozent-Nadeln in einem Rutsch. Die Übungsdatei kannst du am Ende des Artikels herunterladen. Ein YouTube-Video ist von mir hierzu noch nicht erschienen, sollte aber bis zum 21. November 2026 folgen!
Sollte bei Dir Python nicht angezeigt werden oder mit einem Fehler reagieren, obwohl Du ein aktuelles Microsoft 365 Abo hast, schaue bitte mal ganz unten in den Artikel, dort erwähne ich einige Fehler mit Lösungen.

Vergleich: Excel-Standard-Säulendiagramm mit Plan, Ist und Forecast gegenüber einem Diagramm nach ISO 24896 mit AbweichungenLinks das typische Excel-Standarddiagramm, rechts das Ergebnis dieses Tutorials.
Was ist ISO 24896:2026 – und warum betrifft dich das?
Im Juni 2026 hat die ISO die Norm ISO 24896:2026 – Notation for business reporting veröffentlicht (Du kannst diese Norm für aktuell CHF 135 bei der ISO.org erwerben). Sie legt einheitliche Gestaltungsregeln für Berichte, Präsentationen und Dashboards fest – also wie Diagramme, Tabellen und Beschriftungen aussehen sollen, damit jeder sie auf Anhieb gleich liest. Die Grundlage bilden die International Business Communication Standards (IBCS), die viele Controlling-Abteilungen schon seit Jahren nutzen. Vielleicht kennst Du auch die großen A1-SUCCESS-Poster in den Controlling-Abteilungen. Mir sind diese Plakate schon vor über 15 Jahren begegnet und viele Unternehmen berichten ihre Zahlen IBCS- bzw. nun ISO 24896-konform.
Für dein Excel-Reporting heißt das vor allem: Szenarien erkennt man an der Füllung, nicht an der Farbe. Ist-Werte sind dunkel gefüllt, Planwerte nur umrandet, Forecasts schraffiert. Rot und Grün sind ausschließlich für Abweichungen reserviert – grün, wenn die Abweichung gut ist, rot, wenn sie schlecht ist. Und nicht IST-Zahlen in grün, weil grün nun mal Deine Firmenfarbe ist.

Notation nach ISO 24896: IST dunkel gefüllt, PL umrandet, FC schraffiert, VJ hellgrau; Abweichungen als grüne und rote Balken und NadelnDie wichtigsten Notationsregeln für dieses Beispiel.
Excel kann schraffierte Säulen, Abweichungs-Nadeln und eine automatisch berechnete Kernaussage im Titel nur mit viel Bastelei. Mit Python in Excel schreibst du das einmal als Code – und das Diagramm aktualisiert sich bei jeder Datenänderung. Die vollständigen Detailregeln stehen im Normtext; dieses Tutorial setzt die Grundprinzipien für einen Plan-Ist-Forecast-Vergleich um.
Was du brauchst
- Microsoft 365 mit Python in Excel. Für Business- und Enterprise-Abos ist es in Excel für Windows (Current Channel) allgemein verfügbar, für Family und Personal je nach Plattform als Vorschau.
Ich selbst nutze Microsoft 365 Apps for Enterprise E5 Version 2610 im aktuellen Kanal, habe aber auch alles mit Microsoft 365 Family Version 2612 Insider getestet (Stand: 2026-11-17). - Eine Internetverbindung – der Python-Code läuft nicht auf deinem Rechner, sondern in der Microsoft-Cloud. Hier also auch noch einmal ganz speziell prüfen, ob die Daten im Firmennetz verbleiben müssen oder in der Cloud-Umgebung verarbeitet werden dürfen.
- Keine gesonerte Python-Installation – pandas, NumPy und matplotlib sind in Excel bereits geladen. Das Python Anaconda-Paket kann aber leider nicht um andere Pakete erweitert werden.
- Die Übungsdatei (Download unten) oder deine eigenen Monatsdaten.
Schritt 1: Die Daten als Excel-Tabelle anlegen
Python liest am zuverlässigsten aus einer formatierten „intelligenten“ Excel-Tabelle (Strg+T). Der Vorteil: Kommen Zeilen dazu, wächst der Bezug automatisch mit. In der Übungsdatei heißt die Tabelle tbl_Umsatz und hat zunächst diese Spalten:
| Monat | Plan | Ist | Forecast |
|---|---|---|---|
| Jan | 820 | 845 | |
| Feb | 780 | 752 | |
| … | … | … | … |
| Sep | 1.020 | 1.074 | |
| Okt | 1.060 | 1.085 | |
| Nov | 1.100 | 1.062 | |
| Dez | 1.250 | 1.290 |
Die Logik ist einfach: Für abgeschlossene Monate gibt es einen Ist-Wert, für die restlichen Monate einen Forecast. Eine Zeile hat also immer entweder Ist oder Forecast. Die Werte sind in T€ (Tausend Euro). In der Übungsdatei rechnen drei graue Formelspalten die Abweichungen zusätzlich in Excel – als Kontrolle für das, was Python später zeigt.
Komplexer würde die Darstellung noch durch den Vorjahresvergleich mit Previous Year (PY) oder einer Restaufwandsschätzung im Projektmanagement. Zudem könnte der Zeitraum natürlich noch um mehrere Jahre vergrößert werden. Szenarien, die später besprochen werden können.

Eine Vorschau auf das Tabellenblatt „Daten“ in der Übungsdatei. Der Datenbereich wurde als Tabelle formatiert und in tbl_Umsatz benannt.
Schritt 2: Den Python-Code kopieren
Kopiere den folgenden Code komplett in die Python-Zelle. Keine Sorge, Du musst ihn nicht auswendig verstehen – darunter erkläre ich die neun Abschnitte. In der Übungsdatei steht derselbe Code im Blatt Python-Code.
# =======================================================================# Plan-Ist-Forecast-Diagramm nach ISO 24896 (IBCS-Notation) - ohne Gewähr# Andreas Thehos · Python in Excel# =======================================================================# 1) Daten aus der Excel-Tabelle holendf = xl("tbl_Umsatz[#Alle]", headers=True)for spalte in ["Plan", "Ist", "Forecast"]: df[spalte] = pd.to_numeric(df[spalte], errors="coerce")# 2) Kennzahlen berechnendf["IstFC"] = df["Ist"].fillna(df["Forecast"]) # Ist, sonst Forecastdf["dPL"] = df["IstFC"] - df["Plan"] # Abweichung absolut (T€)df["dPLp"] = df["dPL"] / df["Plan"] * 100 # Abweichung relativ (%)ist_monat = df["Ist"].notna() # True = Ist-Monat# 3) Notation: Farben und ZahlenformatDUNKEL, GRUEN, ROT = "#333333", "#5B9B2E", "#D7191C"farbe = np.where(df["dPL"] >= 0, GRUEN, ROT)def de(wert, nachkomma=0, vorzeichen=False): s = f"{wert:{'+' if vorzeichen else ''},.{nachkomma}f}" return s.replace(",", "X").replace(".", ",").replace("X", ".")# 4) Gleicher Maßstab für alle T€-Diagrammeoben = max(df["IstFC"].max(), df["Plan"].max()) * 1.18d_oben = max(df["dPL"].max(), 0) * 1.6 + oben * 0.02d_unten = min(df["dPL"].min(), 0) * 1.6 - oben * 0.02hoehen = [oben * 0.30, d_oben - d_unten, oben]fig, (ax_p, ax_d, ax_h) = plt.subplots( 3, 1, sharex=True, figsize=(11, 7.6), gridspec_kw={"height_ratios": hoehen, "hspace": 0.12})x = np.arange(len(df))# 5) Relative Abweichung ΔPL% als Nadeln (Pins)ax_p.vlines(x, 0, df["dPLp"], colors=farbe, linewidth=2.5)ax_p.scatter(x, df["dPLp"], color=farbe, marker="s", s=38, zorder=3)for xi, v in zip(x, df["dPLp"]): ax_p.annotate(de(v, 1, True), (xi, v), xytext=(0, 7 if v >= 0 else -7), textcoords="offset points", ha="center", va="bottom" if v >= 0 else "top", fontsize=9)grenze = df["dPLp"].abs().max() * 1.7ax_p.set_ylim(-grenze, grenze)# 6) Absolute Abweichung ΔPL als Balkenax_d.bar(x, df["dPL"], width=0.62, color=farbe)for xi, v in zip(x, df["dPL"]): ax_d.annotate(de(v, 0, True), (xi, v), xytext=(0, 3 if v >= 0 else -3), textcoords="offset points", ha="center", va="bottom" if v >= 0 else "top", fontsize=9)ax_d.set_ylim(d_unten, d_oben)# 7) Hauptdiagramm: PL umrandet, IST gefüllt, FC schraffiertax_h.bar(x - 0.14, df["Plan"], width=0.62, facecolor="white", edgecolor=DUNKEL, linewidth=1.0, label="PL")ax_h.bar(x[ist_monat] + 0.06, df["IstFC"][ist_monat], width=0.62, color=DUNKEL, label="IST")ax_h.bar(x[~ist_monat] + 0.06, df["IstFC"][~ist_monat], width=0.62, facecolor="white", edgecolor=DUNKEL, hatch="////", linewidth=1.0, label="FC")for xi, v, pl in zip(x, df["IstFC"], df["Plan"]): ax_h.annotate(de(v), (xi + 0.06, max(v, pl)), xytext=(0, 3), textcoords="offset points", ha="center", fontsize=9)ax_h.set_ylim(0, oben)ax_h.set_xticks(x, df["Monat"])ax_h.set_xlim(-0.6, len(df) - 0.4)# 8) Achsen entrümpeln, Nulllinien, Beschriftungenfor ax, name in [(ax_p, "ΔPL %"), (ax_d, "ΔPL"), (ax_h, "")]: for s in ["top", "right", "left"]: ax.spines[s].set_visible(False) ax.spines["bottom"].set_visible(ax is ax_h) ax.tick_params(left=False, labelleft=False, bottom=False) if ax is not ax_h: ax.axhline(0, color=DUNKEL, linewidth=1.0) ax.text(-0.75, 0, name, ha="right", va="center", fontsize=10, fontweight="bold")ax_h.legend(loc="upper left", bbox_to_anchor=(1.0, 0.95), frameon=False)# Trennlinie zwischen IST- und FC-Monatengrenze_x = x[ist_monat].max() + 0.5for ax in (ax_p, ax_d, ax_h): ax.axvline(grenze_x, color="#999999", linewidth=0.8, linestyle=(0, (3, 3)))# 9) Titelbereich mit Kernaussage (wird automatisch berechnet)summe_pl, summe_fc = df["Plan"].sum(), df["IstFC"].sum()abw = (summe_fc / summe_pl - 1) * 100fig.text(0.125, 0.985, xl("Firma"), fontsize=10, va="top")fig.text(0.125, 0.955, "Umsatz in T€", fontsize=11, fontweight="bold", va="top")fig.text(0.125, 0.925, "Jan–Dez 2026 · IST, FC, PL", fontsize=10, va="top")fig.text(0.9, 0.985, f"Jahr laut IST+FC: {de(summe_fc)} T€ – " f"{de(abw, 1, True)} % gegenüber PL", fontsize=11, fontweight="bold", ha="right", va="top")fig.subplots_adjust(top=0.88, left=0.125, right=0.9, bottom=0.06)fig# Ende - bis fig markieren und kopieren
Was der Code macht
- Abschnitt 1 – Daten holen:
xl("tbl_Umsatz[#Alle]", headers=True)lädt die ganze Tabelle samt Überschriften als pandas-DataFrame.pd.to_numericsorgt dafür, dass leere Zellen sauber als »kein Wert« ankommen. - Abschnitt 2 – Kennzahlen:
IstFCnimmt den Ist-Wert und füllt Lücken mit dem Forecast. Daraus entstehen die absolute AbweichungdPLin T€ und die relative AbweichungdPLpin Prozent. - Abschnitt 3 – Notation: Ein dunkles Grau für die Szenarien, Grün und Rot nur für Abweichungen. Die kleine Funktion
de()formatiert Zahlen deutsch – mit Tausenderpunkt, Dezimalkomma und Vorzeichen. - Abschnitt 4 – gleicher Maßstab: Die Höhen der Teildiagramme werden aus den Datenbereichen berechnet. Dadurch ist 1 T€ im Abweichungsbalken genauso hoch wie im Hauptdiagramm – eine Kernregel normgerechter Diagramme.
- Abschnitt 5 – ΔPL %: Die relative Abweichung als Nadeln mit quadratischem Kopf und Beschriftung.
- Abschnitt 6 – ΔPL: Die absolute Abweichung als grüne oder rote Balken.
- Abschnitt 7 – Hauptdiagramm: Die Plan-Säule liegt umrandet leicht versetzt dahinter, davor die gefüllte Ist- oder schraffierte Forecast-Säule.
- Abschnitt 8 – Aufräumen: Keine y-Achsen, keine Gitternetzlinien – die Werte stehen direkt an den Säulen. Eine gestrichelte Linie trennt Ist- und Forecast-Monate.
- Abschnitt 9 – Titelbereich: Oben links steht, wer, was und wann; oben rechts die Kernaussage – automatisch berechnet aus den Summen.
Der Zugriff von Python in Excel ist gegenüber einer regulären Python-Installation und der Ausführung von unabhängigen .py-Dateien stark limitiert. Microsoft behandelt Python-Code in Arbeitsmappen als potenziell nicht vertrauenswürdig und führt ihn deshalb abgeschottet aus. Mehr dazu in einem anderen Artikel oder in meinen Beratungen und Seminaren.
Nutzt Du ein Englisches Excel?
In einer englischen Excel-Oberfläche heißt der Tabellenbezug tbl_Umsatz[#All] statt [#Alle]. Am sichersten: Lösch die Zeile mit xl(...) und klick im Bearbeitungsmodus einfach auf die Tabelle – Excel setzt den passenden Bezug selbst ein. Ich muss meinen Code aber auch ständig kontrollieren, wenn ich etwas mit der KI erstelle. Häufig steht dann dort im Code [#All] und muss angepasst werden.
Schritt 3: Eine Python-Zelle anlegen
Klick in eine leere Zelle neben der Tabelle – im Bild oben und in der Übungsdatei ist das J4 (grün umrandet). Dann hast Du drei Möglichkeiten:
=PYeintippen und mit Tab bestätigen,- Register Formeln → Python einfügen wählen oder
- das Tastenkürzel Strg+Alt+Umschalt+P drücken.
Vor der Bearbeitungsleiste erscheint jetzt ein grünes PY-Symbol. Ab hier ist die Zelle ein kleiner Python-Editor: Die Eingabetaste erzeugt einen Zeilenumbruch, statt die Zelle zu verlassen.
Füge nun den Code in die Zelle mit STRG + V oder WIN + V ein.

Die Zelle J4 wurde angewählt und =py geschrieben, dann Tab gedrückt und der Code eingefügt.
Schritt 4: Bestätigen und Diagramm anzeigen lassen
Bestätige die Eingabe mit STRG + ENTER.
Bestätige die Python-Zelle mit Strg+Eingabe. Nach ein, zwei Sekunden (der Code läuft in der Cloud) zeigt die Zelle ein Bildobjekt Image an. Ein Klick auf das kleine Kartensymbol öffnet eine Vorschau
Anschließend sollte in der Zelle [PY]Image stehen (1). In der Bearbeitungsleiste siehst Du den Code (2). Den kompletten Code kannst Du aber auch im Register Formeln über den Python Editor (3) auf der rechten Seite anzeigen lassen (4).

Zunächst wird noch keine Grafik angezeigt.

Du kannst Dir auch eine Vorschau auf das Objekt anzeigen lassen.

Dies Grafik hättest Du gerne.
Mit STRG + SHIFT + ALT + C (nimm beide Hände) kannst Du nun ein frei platzierbares Bild erzeugen. Bzw. auch mehrere, wenn Du die Kombination öfter drückst. Die Bilder sind mit der Python-Zelle in J4 verbunden und werden bei Änderungen in der Tabelle tbl_Umsatz aktualisiert.

Die Grafik kann verschoben und mit gedrückter Taste Alt auch an den Ecken am Raster eingerastet werden.
Damit das Diagramm dauerhaft im Blatt sichtbar ist, hast du zwei Wege:
- Über den Zellen: Rechtsklick auf die Zelle und die Option zur Anzeige über den Zellen wählen (englisch Display Plot over Cells). Das Bild lässt sich dann frei verschieben und skalieren – ideal für Berichte.
- In der Zelle: In der Bearbeitungsleiste das Menü Python-Ausgabe öffnen und Excel-Wert wählen. Das Bild sitzt dann in der Zelle. Zieh die Zeile und Spalte groß, damit es lesbar ist.
Du findest diese Optionen aber auch mit einem rechten Mausklick im Kontextmenü des Bilds.

Das Ergebnis im Detail
Das fertige Diagramm: Musterfirma GmbH, Umsatz in T€, Januar bis Dezember 2026.

Lies das Diagramm von oben nach unten: Die Kernaussage im Titel sagt Dir sofort, wo das Jahr voraussichtlich landet – hier bei 11.882 T€, also 1,6 % über Plan. Die Nadeln zeigen, in welchen Monaten es prozentual gehakt hat (Februar, Mai, Juli, November), die Balken darunter, wie viel das in Euro ausmacht.
Besonders wichtig ist Baustein 3: Weil die Abweichungsbalken im gleichen Maßstab wie die Umsatzsäulen gezeichnet sind, wirken sie bewusst klein. Das ist kein Fehler, sondern realistische Ehrlichkeit – 58 T€ Abweichung bei rund 1.000 T€ Umsatz sind klein. Die Prozent-Nadeln darüber machen die Muster trotzdem gut sichtbar.
Schritt 5: Testen – ändere einen Forecast
Jetzt kommt der eigentliche Vorteil. Ändere in der Tabelle den Forecast für November von 1.062 auf 1.150 und drück die Eingabetaste. Python rechnet neu: Der rote Balken im November wird grün, die Nadel springt nach oben, und die Kernaussage im Titel passt sich an.
Noch spannender: Trag für Oktober einen Ist-Wert ein und lösch dort den Forecast. Die Oktobersäule wird dunkel, und die Trennlinie zwischen Ist und Forecast wandert automatisch einen Monat weiter.
In weiteren Schritten könnte man den Code natürlich noch so anpassen, dass der Forecast nicht angezeigt wird, falls es einen Ist-Wert geben sollte.
Übungsdatei herunterladen
In der Mappe findest du vier Blätter: Start mit der Schritt-für-Schritt-Anleitung und Zusatzaufgaben, Daten mit der Tabelle und der markierten Python-Zelle, Python-Code zum Kopieren und Lösung mit dem fertigen Diagramm als Bild
Download der Datei von Nextcloud unter:
https://cloud.at-excel.de/index.php/s/f4QtAZiRGrJwf5N?dir=/YouTube/2026-11-17
Typische Fehler und schnelle Lösungen
- Die Eingabetaste macht nur eine neue Zeile: Richtig so – Python-Zellen bestätigst du mit Strg+Eingabe.
- #PYTHON! in der Zelle: Der Code hat einen Fehler. Klick auf die Fehlermeldung – Excel zeigt die Python-Fehlermeldung im Diagnose-Bereich. Häufigster Grund: Ein Spaltenname stimmt nicht exakt (z. B. »Forecast « mit Leerzeichen).
- KeyError: ‚Plan‘: Die Überschrift fehlt im Bezug. Prüfe, ob
headers=Truegesetzt ist und der Bezug[#Alle]enthält. - #BESCHÄFTIGT! oder #VERBINDUNG!: Excel wartet auf die Cloud oder hat keine Verbindung. Kurz warten bzw. Internetverbindung prüfen.
- Werte sind Text: Steht in einer Zelle »1.085 T€« als Text statt der Zahl 1085, wird sie zu »kein Wert«. Gib nur Zahlen ein und nutze das Zahlenformat für die Darstellung.
- Falsche Excel-Version. Da wende Dich bitte an Deine IT, Du benötigst schon eine monatlich aktuelle Version von Microsoft Excel 365.

Wenn diese Meldung kommt, vielleicht einfach kurz speichern, schließen und neu starten.

Auch bei aktueller Excel 365-Version kann es passieren, dass Dir der Bereich Python lokal fehlt. Schau doch mal online bei Excel oder speichere die Datei, schließe sie und öffne sie erneut.
Python oder klassisches Excel-Diagramm?
Python in Excel ist kein Ersatz für jedes Diagramm. Für diesen Anwendungsfall spielt es aber seine Stärken aus:
| Python in Excel | Klassisches Excel-Diagramm | |
|---|---|---|
| Schraffur, Nadeln, versetzte Plan-Säulen | per Code, wiederverwendbar | nur mit Hilfsreihen und Tricks |
| Kernaussage im Titel | automatisch berechnet | nur über Zellbezug im Titel |
| Gleicher Maßstab über Teildiagramme | wird berechnet | manuell abgleichen oder mit Hilfskonstrukten |
| Interaktivität (Mouseover, Filter) | nein, statisches Bild | ja |
| Voraussetzung | Microsoft 365 und Internet | jede Excel-Version |
Häufige Fragen
Brauche ich Python-Kenntnisse?
Nein. Du kannst den Code kopieren und nur die Tabellen- und Spaltennamen anpassen. Wer mehr will, ändert Farben, Texte oder ergänzt ein Vorjahr – die Kommentare im Code zeigen, wo.
Läuft das auch auf dem Mac oder im Browser?
Die Verfügbarkeit hängt von deinem Microsoft-365-Abo und der Plattform ab und wird laufend erweitert. Auf nicht unterstützten Plattformen kannst du die Mappe öffnen, die Python-Zellen rechnen dort aber nicht neu.
Verlassen meine Daten den Rechner?
Ja – Python in Excel rechnet in der Microsoft-Cloud. Für vertrauliche Unternehmenszahlen solltest du vorher klären, ob das in deinem Unternehmen freigegeben ist.
Zum Schluss….
Hey! Schön, dass Du diesen Artikel nach so langer Inaktivität in diesem Blog gefunden hast. Ich hoffe, er ist Dir oder Deinen Kolleg*innen nützlich.
In den letzten Jahren habe ich mich beruflich sehr viel u. a. in den vielen Microsoft 365 Apps, Python, IT-Sicherheit & KI unterwegs. War dabei aber in den sozialen Medien sehr zurückhaltend. Neben der Beschäftigung mit Microsoft-Produkten bin ich immer häufiger auch mit Software MADE IN EU unterwegs. Nextcloud, LibreOffice, Collabora Office und die damit verbundenen Dienste haben mir beiden letzten beiden Microsoft Cloud-Ausfällen meine mit dem Kunden vereinbarten Beratungstermine gerettet – ich bin gerne redundant unterwegs. Mehr Arbeit, mehr Ausfallsicherheit… und die Wahl, wo die Daten liegen sollen.
Da seit Corona fast alle Beratungen nur noch online stattfinden, bin ich in der Zeit, die ich früher für diesen Blog und YouTube genutzt hatte nun in meinen sozialen Aktivitäten und im Sport aktiv. Irgendwo muss man ja mal Menschen live sehen und sich bewegen. Meine Beschäftigung mit den Themen Gewaltfreie Kommunikation nach M. Rosenberg und Sozialpsychologie haben mir neben privaten Erkenntnissen auch viele wertvolle Tools für die Arbeit geben können. Sportlich bin ich in Dortmund und Bochum beim Takemusu Aikido angekommen, als Übungsleitung führe ich zusammen mit einem tollen Team im institutionellen Rahmen Selbstbehauptungs- und Selbstverteidungskurse für Frauen in Bochum durch.
2022 war aber auch die Bereitschaft der fast 400.000 monatlichen YouTube-Zuschauer sehr gering, den Kanal zu abonnieren oder ein Video zu liken bzw. zu kommentieren. Ich würde mich freuen, wenn dieser neue Anlauf gelingt.
Ich möchte aber nun wieder mehr zu aktuellen Themen in meinem Blog und bei YouTube platzieren, mir selbst hilft das natürlich auch bei meinen Vor- und Nachbereitungen für meine beruflichen Aktivitäten. Es sollte sich also lohnen, mal in den nächsten Tagen erneut auf diesen Blog zu schauen.
Wenn Du beruflich mit mir in Kontakt treten willst und an Leistungen u. a. zu Microsoft 365, Power BI, Copilot und speziell natürlich auch Excel interessiert bist, kontaktiere mich bitte unverbindlich über die E-Mail thehos@at-training.de. Per Chat bin ich unter andreas@at-excel.de nur nach vorheriger Freigabe Deines Tenants erreichbar. Du erreichst mich auch unter LinkedIn unter meinem Namen.
Link führt zu LinkedIn-Artikel: https://www.linkedin.com/feed/update/urn:li:activity:7528414329461760000/
Unter LinkedIn kann auch diskutiert werden.
So… das war es für heute!
Viele Grüße / Glück Auf! / Ad Astra!
Andreas























Du muss angemeldet sein, um einen Kommentar zu veröffentlichen.