Was ist ETL?

ETL steht für Extract, Transform, Load: Daten werden aus mehreren Quellsystemen gelesen, in ein einheitliches Format gebracht und in ein Zielsystem geschrieben. Der ETL-Prozess sorgt dafür, dass Zahlen aus Shop, Buchhaltung und CRM zusammenpassen, bevor jemand sie auswertet.

Der Begriff kommt aus dem Data Warehousing, betrifft aber längst auch kleine und mittlere Unternehmen. Sobald ein Bericht Daten aus mehr als einem Programm braucht, findet ein ETL-Prozess statt. Die Frage ist nur, ob ihn eine Software erledigt oder ein Mitarbeiter mit Excel am Monatsende.

Die drei Schritte: Extract, Transform, Load

Jeder ETL-Prozess besteht aus denselben drei Teilen. Sie laufen nacheinander ab, und jeder hat seine eigenen Fehlerquellen.

• Extract (Extrahieren): Die Daten werden aus den Quellen gelesen, etwa über eine API, einen Datenbankzugriff oder einen regelmäßigen CSV-Export. Wichtig ist, dass nur die neuen oder geänderten Datensätze abgeholt werden. Wer jedes Mal alles lädt, verschwendet Zeit und belastet die Quellsysteme.
• Transform (Umwandeln): Hier passiert die eigentliche Arbeit. Datumsformate werden vereinheitlicht, Kundennummern aus verschiedenen Systemen einander zugeordnet, Dubletten entfernt, Beträge in Netto und Brutto getrennt, Währungen umgerechnet. Auch Plausibilitätsprüfungen gehören hierher: Eine Rechnung ohne Kunde oder eine Bestellung mit negativem Betrag wird markiert statt stillschweigend übernommen.
• Load (Laden): Die bereinigten Daten landen im Zielsystem, zum Beispiel in einem Data Warehouse, einer Reporting-Datenbank oder direkt in einem Dashboard. Beim Laden wird festgelegt, ob alte Stände überschrieben oder als Historie aufbewahrt werden.

Ein ETL-Prozess läuft in der Regel automatisch nach Zeitplan, etwa jede Nacht oder jede Stunde. Manche Quellen liefern Änderungen auch sofort, dann spricht man von Streaming oder ereignisgesteuerter Datenintegration.

ETL und ELT – der Unterschied

Bei ELT (Extract, Load, Transform) ist die Reihenfolge vertauscht: Die Rohdaten werden zuerst unverändert ins Zielsystem geladen und erst dort umgewandelt. Das ist mit modernen Cloud-Datenbanken verbreitet, weil deren Rechenleistung für die Umwandlung reicht.

Für die meisten Mittelständler ist die Wahl weniger wichtig als die Frage, ob die Regeln der Umwandlung sauber dokumentiert sind. Ein Bericht, dessen Rechenweg niemand erklären kann, wird ignoriert, egal ob ETL oder ELT dahintersteht.

Beispiel: Shop und Buchhaltung in einem Bericht

Ein Händler verkauft über einen Onlineshop und einen Marktplatz. Die Rechnungen entstehen in der Buchhaltungssoftware, die Zahlungen kommen über zwei Zahlungsdienstleister und die Bank. Die Geschäftsführung will jeden Montag wissen: Wie viel Umsatz, wie viele Retouren, welche Rechnungen sind offen?

Ohne ETL exportiert jemand vier Listen, kopiert sie in eine Tabelle und gleicht Bestellnummern von Hand ab. Das dauert Stunden, und bei jeder vergessenen Retoure stimmt die Zahl nicht mehr. Mit einem ETL-Prozess läuft derselbe Weg nachts automatisch:

• Bestellungen aus Shop und Marktplatz werden abgeholt.
• Rechnungen und Gutschriften kommen aus der Buchhaltung dazu.
• Zahlungseingänge werden über Rechnungsnummer und Betrag zugeordnet.
• Das Ergebnis landet in einer Tabelle, aus der das KPI-Dashboard liest.

Am Montagmorgen steht der Bericht bereit, und alle reden über dieselbe Zahl. Darum geht es bei Datenintegration: eine Zahl, auf die sich alle verlassen, statt drei Tabellen mit drei Ergebnissen.

Nutzen und Risiken

Den Nutzen eines ETL-Prozesses spüren vor allem die Menschen, die täglich mit den Zahlen arbeiten.

• Weniger Handarbeit: Das Zusammenkopieren am Monatsende entfällt.
• Aktuellere Zahlen: Berichte zeigen den Stand von gestern statt vom letzten Monat.
• Nachvollziehbarkeit: Jede Umwandlungsregel ist festgeschrieben und lässt sich prüfen.
• Entlastete Quellsysteme: Auswertungen laufen gegen die Zieldatenbank, nicht gegen den Live-Shop.

Die Risiken liegen vor allem im Betrieb. Ändert ein Hersteller seine Schnittstelle, bricht der Abruf ab. Kommt ein neues Feld dazu, das niemand zuordnet, fehlt es im Bericht. Am gefährlichsten sind Prozesse, die still scheitern: Der Bericht sieht aus wie immer, zeigt aber die Zahlen von vorletzter Woche. Ein guter ETL-Prozess meldet deshalb jeden Fehler und zeigt im Bericht, wann die Daten zuletzt aktualisiert wurden.

In der Praxis: Wie SEODACH hilft

Bei unseren Kunden steht selten die Frage „Welches ETL-Werkzeug?“ am Anfang. Meist lautet sie: „Warum haben Vertrieb und Buchhaltung unterschiedliche Umsatzzahlen?“ Wir verbinden deshalb zuerst die Systeme, in denen die Daten entstehen. Über unsere Systemintegration greifen wir auf 71 fertige Integrationen zurück und bauen nur die Verbindungen neu, die fehlen. Jede Verbindung wird überwacht, damit ein Ausfall auffällt, bevor ein falscher Bericht verschickt wird.

Wo Zahlen erst aus Belegen und Kontoauszügen gewonnen werden müssen, übernimmt die Dokumentenverarbeitung das Auslesen und den Abgleich. Das Ergebnis sieht die Geschäftsführung in PultOS: Geld, Vertrieb und offene Anfragen auf einer Seite, gespeist aus den bestehenden Programmen. Niemand muss dafür noch Listen exportieren oder zusammenkopieren.

Häufige Fragen

Brauche ich für ETL ein Data Warehouse?

Nicht zwingend. Für wenige Quellen und feste Berichte reicht oft eine einfache Reporting-Datenbank. Ein Data Warehouse lohnt sich, wenn viele Systeme, lange Historien und wechselnde Auswertungen zusammenkommen.

Was ist der Unterschied zwischen ETL und einer Schnittstelle?

Eine Schnittstelle verbindet zwei Systeme, damit sie Daten austauschen, etwa Shop und Buchhaltung. ETL führt Daten aus mehreren Systemen zusammen und bereitet sie für die Auswertung auf. In der Praxis nutzt ein ETL-Prozess meist Schnittstellen, um an die Daten zu kommen.

Wie oft sollte ein ETL-Prozess laufen?

So oft, wie die Entscheidungen es verlangen. Für einen Wochenbericht reicht ein nächtlicher Lauf. Wer Lagerbestände oder Zahlungseingänge im Tagesverlauf braucht, lässt stündlich oder ereignisgesteuert aktualisieren.