Excel als Datenbank: Wann SQL und KI-Agenten übernehmen

Der Monatsbericht entsteht wieder in derselben Arbeitsmappe. Jemand kopiert zwei Systemexporte hinein, zieht die SVERWEIS-Spalten nach, aktualisiert die Pivot-Tabelle und verschickt die Datei als Anhang. Diesen Monat steht in einer Zelle #NV, und niemand kann sagen, seit wann.
Wer diese Szene kennt, arbeitet nicht mit einer Tabelle, sondern mit vier Werkzeugen in einer Datei: Datenbank, Datenaufbereitung, Berichtslayout und Rechenwerk. Diese Überladung ist die Quelle der meisten Tabellenprobleme. Jede der vier Rollen hat woanders ein besseres Zuhause, aber solange alles in einer Datei liegt, teilen sich alle Rollen dieselben Zellen, dieselbe Datei auf dem Laufwerk und denselben stillen Fehlermodus.
Wie sich das anfühlt, haben wir bei einem Hersteller von CNC-Automation gesehen. Die Buchungsdaten für den Monatsabschluss lagen in Business Central, aber der Weg zu DATEV führte über manuelle Excel-Aufbereitung, die fehleranfällig war und sich kaum sauber prüfen ließ. Der automatisierte DATEV-Export hat diese Aufbereitung durch eine kleine Anwendung ersetzt; der Fall begleitet uns durch diesen Artikel.
Welche Rollen SQL, Web-Frontend und Agenten übernehmen
Die erste Rolle ist die Speicherung. Eine SQL-Datenbank wie Postgres oder DuckDB erzwingt, was in einer Spalte stehen darf; SQLite tut das, sobald Tabellen als STRICT angelegt werden. Ein Datum bleibt ein Datum, ein Betrag bleibt eine Zahl, und ein Tippfehler landet als Fehlermeldung auf dem Tisch statt als stiller Textwert in Zeile 3.412. Auch die Zeilenzahl verliert ihren Schrecken; ob ein Datenbestand 500 oder 5 Millionen Zeilen hält, ändert an der Abfrage nichts, während Excel bei 1.048.576 Zeilen schlicht endet.
Verknüpfungen werden zu Joins statt zu SVERWEIS-Ketten. Ein SVERWEIS zeigt auf Zellbereiche und liefert, sobald jemand eine Spalte einfügt, stillschweigend Werte aus der falschen Spalte. Ein Join verbindet Datensätze über einen Schlüssel und bleibt stabil, egal wie die Daten gerade sortiert sind. Die Abfrage für den Umsatz je Kunde passt dabei in eine Zeile, nämlich SELECT kunde, SUM(betrag) FROM rechnungen GROUP BY kunde.
Die zweite Rolle ist die Aufbereitung. Verdichtungen, Bereinigungen und Umrechnungen wandern in SQL-Views oder in eine dünne Skriptschicht. Damit steht die Logik als Text da und lässt sich versionieren und testen. Beim DATEV-Export stecken die Regeln, etwa das Soll/Haben-Kennzeichen aus dem Vorzeichen und Beträge mit deutschem Dezimalkomma, einmal im Code der Anwendung, statt jeden Monat neu in Handarbeit angewendet zu werden.
Die dritte Rolle, den Bericht, übernimmt eine kleine HTML-Seite mit einer Chart-Bibliothek, die aus derselben Abfrage jeden Monat denselben Bericht macht, erreichbar unter einer URL statt als Anhang in zwölf Postfächern. Wer den Bericht öffnet, sieht den aktuellen Stand.
Die vierte Rolle, die Orchestrierung, ist neu zu vergeben, denn KI-Agenten können Abfragen ausführen, Berichte aktualisieren und Auffälligkeiten melden, zum Beispiel einen Lieferanten, der diesen Monat fehlt, oder eine Summe, die negativ geworden ist. Für Ad-hoc-Fragen formuliert der Agent die Abfrage, und die Datenbank liefert die Antwort.
Am stärksten trägt diese Aufteilung bei vier Arten von Tabellenarbeit:
- Wiederkehrende Berichte, die jeden Monat nach demselben Muster entstehen.
- Abstimmungen über mehrere Quellen, etwa ERP gegen Bank oder Shop gegen Buchhaltung.
- Alles oberhalb von ein paar tausend Zeilen.
- Dateien, die mehrere Personen gleichzeitig pflegen.
Wo Excel weiterhin gewinnt
Ehrlicherweise gewinnt Excel eine ganze Klasse von Arbeit weiterhin klar. Für die einmalige Analyse eines CSV-Exports ist eine Stunde Klicken günstiger als ein Abend Code. Wer eine Preisliste einmal sortieren, filtern und kommentieren will, braucht keine Datenbank.
Excel bleibt auch die richtige Oberfläche, wenn Fachkollegen Eingaben selbst pflegen sollen. Das Zellraster ist eine Benutzeroberfläche, die niemand erklären muss; eine Planungstabelle, die der Vertrieb monatlich ausfüllt, ist dort besser aufgehoben als hinter einem Eingabeformular, das erst jemand bauen und pflegen muss.
Stark vernetzte Was-wäre-wenn-Modelle gehören ebenfalls dazu. Ein Finanzmodell, in dem eine geänderte Annahme sofort durch alle Szenarien rechnet, lebt genau von der Zellvernetzung, die beim Berichtswesen stört; es als Software nachzubauen kostet meist mehr, als es einbringt. Still falsch rechnen kann so ein Modell trotzdem. Wie wir es in Excel behalten und seine Rechnung prüfen, zeigt der Fall im nächsten Abschnitt.
Und manchmal ist Excel schlicht das erwartete Format. Steuerberater, Wirtschaftsprüfer und Banken nehmen Arbeitsmappen entgegen, keine Datenbank-Dumps. Wann eine Tabelle grundsätzlich reicht und wann sie zum inoffiziellen System wird, haben wir im Leitfaden Individualsoftware vs. Standardsoftware eingeordnet.
Ab wann eine Tabelle Software ist: ein Fall aus unserer Arbeit
Auch ein Modell, das in Excel richtig aufgehoben ist, kann still falsch rechnen. Im Cashflow-Forecast eines Kundenprojekts entscheidet eine einzige Zelle darüber, welcher Planwert je Konto und Monat in den Bericht eingeht. Ist-Daten, fortgeschriebene Durchschnitte und die Einzelplanung liegen auf getrennten Blättern. Diese Formel wählt zwischen ihnen:
Formel aus der Planungsmappe: =IFERROR(IF(INDEX(Einzelplanung!$A$1:$ZZ$999, MATCH($A2, Einzelplanung!$A$1:$A$999, 0), MATCH(C$1, Einzelplanung!$A$1:$ZZ$1, 0))>0, INDEX(Einzelplanung!$A$1:$ZZ$999, MATCH($A2, Einzelplanung!$A$1:$A$999, 0), MATCH(C$1, Einzelplanung!$A$1:$ZZ$1, 0)), INDEX(Fortschreibung!$A$1:$ZY$999, MATCH($A2, Fortschreibung!$A$1:$A$999, 0), MATCH(C$1, Fortschreibung!$A$1:$ZY$1, 0))), INDEX(Fortschreibung!$A$1:$ZY$999, MATCH($A2, Fortschreibung!$A$1:$A$999, 0), MATCH(C$1, Fortschreibung!$A$1:$ZY$1, 0)))
Ihre Regel ist vernünftig, wenn sie zur geschäftlichen Absicht passt: Nimm den Einzelplanwert, wenn er größer als null ist; andernfalls nimm den fortgeschriebenen Durchschnitt. Null und negative Werte übersteuern diesen Durchschnitt nicht.
In Excel kann ein Fachanwender eine Zelle anklicken und die Rechnung dahinter sehen. Bei dieser Formel hilft das wenig, denn um sie zu verstehen, muss jemand mehreren Abgleichen folgen. Im Alltag prüfte sie niemand.
Neun Kontonummern in der Planungsmappe waren als Text statt als Zahl gespeichert. MATCH fand sie nicht, wenn es nach einer numerischen Kontonummer suchte. IFERROR fing den gescheiterten Abgleich ab und lieferte den Durchschnitt ohne Fehlermeldung. Die Einzelplanwerte wurden deshalb übersprungen. Ein geprüfter Monat wich um rund 8 % ab, obwohl im Bericht gewöhnliche Zahlen standen.
Das ist der stille Textwert aus dem ersten Abschnitt. Eine Spalte mit festem Zahlentyp, die beim Laden geprüft wird, kann diesen Unterschied vor dem Abgleich auffangen. Eine erfolgreiche Umwandlung liefert eine Zahl; eine abgewiesene Umwandlung muss den Import stoppen oder sichtbar beanstandet werden. Diese letzte Bedingung zählt. Eine Datenübernahme, die abgewiesene Zeilen verwirft, würde das Problem erneut verstecken.
Die Auswahlregel selbst passt in eine SQL-Abfrage. So gebaut haben wir sie im Projekt nicht. Die Abfrage dient nur dem Vergleich und setzt je Eingabe genau eine Zeile pro Konto und Monat voraus:
Illustrative SQL-Abfrage: SELECT f.konto, f.monat, CASE WHEN e.wert > 0 THEN e.wert ELSE f.wert END AS planwert FROM fortschreibung f LEFT JOIN einzelplanung e USING (konto, monat);
Sie bildet nicht jedes Fehlerverhalten von Excel nach, und bei doppelten Schlüsseln könnten die Ergebnisse abweichen. Sie zeigt aber, dass die Arbeitsmappe bereits eine Entscheidung wie ein Programm trifft. Die vertraute Oberfläche verdeckt diese Komplexität nur.
Einen anderen Fehler derselben Mappe hätten Datentypen nicht verhindert: Eine Umsatzzeile stand doppelt in jeder Monatsformel. SQL könnte diesen Fehler ebenso nachbilden. Hier braucht es eine unabhängige Prüfung der Rechnung gegen die geschäftliche Regel. Wie diese Gegenrechnung den Fehler fand und auch einen Fehler im neuen Durchschnitt des Agenten abfing, beschreibt der Beitrag zur Forecast-Prüfung.
Excel behalten, Disziplin nachrüsten
Wir sind in diesem Projekt bei Excel geblieben. Der Verantwortliche plant je Konto, kennt die Mappe und muss weiterhin die geschäftlichen Annahmen treffen. Ein anderes Werkzeug hätte für sich genommen nicht geklärt, ob die geschäftlichen Regeln stimmen. Die Änderungen betrafen deshalb, wie Daten und Rechnungen geprüft werden. Ist-Daten kamen über wiederholbare Abfragen aus dem ERP-System, Änderungen am Modell liefen skriptgesteuert, und Berichtszahlen wurden unabhängig aus Rohdaten nachgerechnet.
Die neun falsch typisierten Kontonummern haben unsere Arbeitsweise geändert. Sobald eine folgenreiche Formel im Alltag nicht mehr geprüft wird, behandeln wir ihre Rechnung wie Software: Die Regel wird dokumentiert, und es gibt einen wiederholbaren Weg, sie zu ändern und zu prüfen. Woran Sie diesen Punkt an Ihrer eigenen Mappe erkennen:
- Eine Formel verweist auf mehrere Blätter, und niemand kann ihre Regel erklären, ohne diese Verweise zu verfolgen.
- WENNFEHLER liefert Ausweichwerte; ein gescheiterter Abgleich sieht deshalb wie ein gültiges Ergebnis aus.
- Im Bericht stehen Zahlen, denen Sie vertrauen, die Sie aber nicht bis zur Quelle zurückverfolgen können.
- Der Stand vom letzten Monat ist eine Dateikopie ohne Aufzeichnung der Änderungen.
- Eine Änderung gilt als geprüft, wenn ihr Ergebnis plausibel aussieht.
Treffen mehrere Anzeichen zu, beginnen Sie nicht mit einer Migration. Schreiben Sie die Regel Ihrer folgenreichsten Formel in einem Satz auf und lassen Sie jemanden prüfen, ob die Formel genau diesen Satz rechnet. Bei der Formel oben gehört dazu die Frage, ob ein Planwert von null den Durchschnitt übersteuern soll; nach der Formel tut er es nicht. Solche Fragen beantwortet der Verantwortliche, nicht das Werkzeug. Ob die Arbeit danach ganz aus Excel herauswandert, entscheidet die Regel am Ende dieses Beitrags.
Warum Agenten Code besser bearbeiten als Arbeitsmappen
Der stärkste Grund für den Umstieg steht noch aus, und er betrifft die Automatisierung. Wenn KI-Agenten einen Teil der Arbeit übernehmen sollen, entscheidet die Form, in der die Logik vorliegt, denn Agenten bearbeiten Text deutlich zuverlässiger als Zellgraphen.
Eine SQL-Datei ist ein lineares Textdokument, das ein Agent vollständig lesen kann. Eine Arbeitsmappe ist dagegen ein Graph aus Zellen mit impliziten Abhängigkeiten, den der Agent nur durch die Brille einer Bibliothek sieht, die die Datei serialisiert. Eine Änderung an einer Formel ist im Code lokal und begrenzt, während eine geänderte Zelle Dutzende abhängige Zellen still mitverändert. Auch die Rückmeldung ist ungleich verteilt. Eine Abfrage lässt sich ausführen, und die Fehlermeldung steht Sekunden später da; wer eine Arbeitsmappe außerhalb von Excel neu durchrechnen will, braucht eine nachbauende Rechen-Engine, die bei als Zahlen gespeicherten Datumswerten, bei Rundung, Array-Formeln und volatilen Funktionen vom Original abweichen kann. Dazu kommt die Prüfung. Text-Diffs lassen sich in der Versionsverwaltung Zeile für Zeile lesen, ein binärer .xlsx-Vergleich nicht. Und SQL hat eine Grammatik und ein Typsystem, während Excel-Formeln auf implizite Umwandlungen bauen, die ein Agent erraten muss.
Fair bleibt das Bild nur mit der Gegenseite, und die stammt aus unserer eigenen Arbeit mit Agenten, Stand August 2026. Werte lesen, flache Tabellen schreiben, Zellen formatieren und frische Arbeitsmappen erzeugen funktioniert darin zuverlässig. Brüchig wird es beim Bearbeiten bestehender Formeln, bei Pivot-Tabellen, bei Diagrammen mit festen Bezügen, bei benannten Bereichen, bedingter Formatierung und Makros.
Die Datei öffnet sich danach trotzdem.
Genau darin liegt der leise Fehlermodus. Die Zahlen sind falsch, nichts warnt, und es fällt erst auf, wenn jemand nachrechnet oder der Bericht schon beim Kunden liegt.
Agenten, die in der laufenden Excel-Anwendung arbeiten, etwa Copilot direkt in Excel, verkleinern diese Lücke, weil dann Excel selbst rechnet. Das Prüfproblem lösen sie nur zum Teil, denn Excels Änderungsprotokoll erfasst zwar Zell- und Formeländerungen samt Vorher-Werten, aber Pivot-Tabellen, Diagramme und Formatierungen nicht vollständig, und einen versionierten Diff der ganzen Arbeitsmappe ergibt es nicht. Ob bessere Werkzeuge das grundlegend ändern, ist offen.
Was Sie vor dem Umstieg klären sollten
Der Umstieg ist kein Selbstläufer. Sieben Punkte entscheiden darüber, ob aus der Idee ein verlässlicher Ablauf wird.
- Dateneingang: Solange Kollegen weiter in Excel erfassen, haben Sie eine Pipeline hinzugefügt und keine entfernt. Legen Sie fest, welches System die Wahrheit führt.
- Schema-Disziplin: Eine sauber definierte SQL-Spalte verträgt keine Mischung aus Datum, Leerzelle und „TBD“. Planen Sie Zeit für die Bereinigung ein und entscheiden Sie, was ein leerer Wert (NULL) bedeuten soll.
- Verantwortung: Datenbank, Frontend und Agent brauchen jemanden, der im Fehlerfall alle drei Schichten untersuchen kann.
- Agenten-Leitplanken: Der Agent bekommt nur Leserechte und arbeitet auf getesteten Views statt auf den Rohdaten; bevor eine Zahl in eine Entscheidung fließt, prüft ein Mensch. Behandeln Sie Agenten-Ausgaben wie den Entwurf eines Junior-Analysten.
- Sicherheit und Betrieb: Aus einer Datei wird ein Dienst. Anmeldung, Backups und Hosting sind ab dann Ihr Thema.
- Versionierung: SQL und Frontend liegen in Git, und jeder Bericht ist aus den Rohdaten reproduzierbar. Das ist der größte einzelne Gewinn des Umstiegs.
- Migration: Schreiben Sie nicht alles um. Nehmen Sie die eine schmerzhafte, wiederkehrende Arbeitsmappe, bauen Sie sie vollständig nach und behalten Sie Excel als Exportformat.
Dazu kommt ein achter Punkt aus unserer eigenen Erfahrung. Fachanwender akzeptieren Zahlen aus SQL erst, wenn sie sie ohne SQL-Kenntnisse plausibilisieren können. Beim DATEV-Export zeigt die Anwendung deshalb vor dem Import eine Datenvorschau mit Validierungshinweisen, geprüft wird also in dem Format, das die Buchhaltung ohnehin kennt. Bauen Sie solche Kontrollen von Anfang an ein, etwa Zeilenzahlen je Quelle und einen Abgleich gegen eine Monatssumme, der die Empfänger bereits vertrauen. Ein Bericht, der seine eigenen Prüfzahlen mitliefert, macht aus blindem Vertrauen eine kurze, konkrete Prüfung.
Die Steigerung dieser Regel ist ein zweiter, unabhängiger Rechenweg: Ein Agent rechnet das Ergebnis der Abfrage noch einmal direkt aus den Rohdaten nach, ohne die Abfrage zu kennen. So erschöpfend zu prüfen war immer möglich und bis jetzt nie wirtschaftlich; erst Agenten machen es so günstig, dass es nach jeder Änderung laufen kann statt nur bei der Abnahme.
Eine pragmatische Referenzarchitektur
Für die meisten Fälle reicht ein bewusst kleiner Aufbau. DuckDB oder Postgres speichert die Daten, SQL-Views, also versionierte und getestete Abfragen nach dem Muster von Werkzeugen wie dbt, übernehmen die Aufbereitung, eine kleine statische HTML-Seite oder ein leichter Server zeigt die Berichte, und ein Agent mit Leserechten auf die Views beantwortet Fragen und entwirft Zusammenfassungen. Mehr Infrastruktur, etwa ein BI-Produkt oder eine Orchestrierungsplattform, darf später kommen, wenn der Bedarf belegt ist. Wie sich so ein Umbau in die übrige Prozesslandschaft einfügt, beschreibt der Leitfaden Geschäftsprozesse automatisieren. Wenn Sie diesen Aufbau nicht selbst umsetzen wollen, finden Sie unser Vorgehen auf der Leistungsseite Individualsoftware.
Die Entscheidungsregel
Die Regel, die wir selbst anwenden, ist kurz. Werden Agenten oder Automatisierung einen nennenswerten Teil der Bearbeitung übernehmen, gehört die Logik in SQL und die Darstellung in HTML, und Excel bleibt am Rand als Import- und Exportformat, in dem niemand eine Formel anfasst. Bleibt die Arbeit dagegen einmalig, interaktiv oder in den Händen von Fachkollegen, ist Excel weiterhin die richtige Wahl und keine Übergangslösung.
Kann ich Excel als Datenbank nutzen?
Ja, für kleine, unkritische Datenbestände mit wenigen Beteiligten funktioniert Excel als einfache Datenablage. Die Grenzen zeigen sich bei gleichzeitiger Bearbeitung, Verknüpfungen über mehrere Quellen und wachsender Zeilenzahl, spätestens beim Zeilenlimit von 1.048.576. Sobald mehrere Personen pflegen, Berichte wiederkehren oder Agenten mitarbeiten sollen, ist eine SQL-Datenbank die verlässlichere Grundlage.
Was ist besser, Excel oder eine Datenbank?
Das hängt von der Rolle ab. Für einmalige Analysen, Eingaben durch Fachkollegen und vernetzte Was-wäre-wenn-Modelle ist Excel besser. Für dauerhafte Speicherung, wiederkehrende Berichte und Abstimmungen über mehrere Quellen ist eine Datenbank besser, weil sie Datentypen erzwingen kann und die Logik als prüfbarer Text vorliegt.
Wie kann ich eine Excel-Tabelle in eine Datenbank umwandeln?
Importieren Sie die Tabelle als flache Daten, zum Beispiel per CSV-Import in SQLite, DuckDB oder Postgres. Legen Sie je Spalte einen Typ fest (bei SQLite als STRICT-Tabelle), benennen Sie einen Schlüssel und bereinigen Sie gemischte Werte vor dem Import. Berechnungen und Verknüpfungen bauen Sie danach als SQL-Views auf den importierten Daten auf; Excel bleibt bei Bedarf als Exportformat erhalten.
Ab wann ist eine Excel-Tabelle Software?
Sobald eine folgenreiche Formel im Alltag nicht mehr geprüft wird, etwa weil sie über mehrere Blätter verweist oder WENNFEHLER einen gescheiterten Abgleich verdeckt. Dann braucht ihre Rechnung Prüfungen wie Software: eine dokumentierte Regel, wiederholbare Änderungen und eine unabhängige Nachrechnung aus Rohdaten. Excel kann dabei die Arbeitsoberfläche bleiben.
Die eine schmerzhafte, wiederkehrende Arbeitsmappe aus Punkt sieben ist der richtige Gesprächsanlass: Sprechen wir über den konkreten Ablauf.