ETL Tools

Konnektoren zu deinen Quellen

Der erste Blick geht immer auf die Konnektoren. Ein Werkzeug mit hunderten Anbindungen nützt dir nichts, wenn ausgerechnet dein Warenwirtschaftssystem oder dein Kassensystem fehlt. Schreib vor der Auswahl auf, welche Systeme du wirklich anbinden musst, und prüf jedes einzeln. Achte darauf, ob die Anbindung über eine gepflegte Standardschnittstelle läuft oder ob du eine eigene über eine allgemeine API-Verbindung basteln musst, denn das ist ein Unterschied in Aufwand und Wartung.

Transformationslogik

Hier trennt sich die Spreu vom Weizen. Manche Werkzeuge arbeiten rein grafisch mit Blöcken, die du per Maus verbindest. Andere erwarten, dass du Logik in SQL oder einer Skriptsprache schreibst. Beides hat seine Berechtigung. Frag dich, wer diese Logik pflegen wird. Wenn das eine Fachkraft aus dem Controlling ist, die kein SQL kann, brauchst du einen visuellen Ansatz. Wenn du interne Entwickler hast, ist Code oft flexibler und besser versionierbar.

Fehlerbehandlung und Monitoring

Ein unterschätztes Feature. Was passiert, wenn eine Quelle morgens nicht erreichbar ist? Bekommt jemand eine Nachricht, oder läuft der Prozess still ins Leere und im Dashboard stehen alte Zahlen, ohne dass es auffällt? Lass dir in der Demo zeigen, wie ein fehlgeschlagener Lauf aussieht und wie du davon erfährst. Ein Werkzeug ohne brauchbares Monitoring produziert irgendwann falsche Zahlen, die niemand bemerkt.

Zeitplanung und Automatisierung

Du willst nicht jeden Morgen einen Knopf drücken. Prüf, wie fein du Läufe planen kannst, ob nächtlich, stündlich oder ausgelöst durch ein Ereignis. Achte auch darauf, ob Läufe voneinander abhängig gemacht werden können, damit der Bericht erst startet, wenn die Datenübertragung wirklich fertig ist.

Versionierung und Dokumentation

Wer hat vor drei Wochen die Umsatzlogik geändert und warum? In einem Werkzeug, das Änderungen protokolliert, kannst du das beantworten. In einem, das das nicht tut, beginnt die Suche im Chatverlauf. Gerade wenn mehrere Leute an denselben Prozessen arbeiten, ist eine Historie kein Luxus, sondern die Grundlage dafür, dass ihr euch nicht gegenseitig überschreibt.

Der häufigste Fehler bei der Auswahl ist, dass die Entscheidung von jemandem getroffen wird, der das Werkzeug später nicht bedient. Lass die Software in der Demo von der Person bedienen, die später die Prozesse baut, nicht vom Chef und nicht vom Vertriebler des Anbieters. Erst dann merkst du, ob der visuelle Editor nach fünf Schritten unübersichtlich wird oder ob die Skriptsprache wirklich zu euren Leuten passt.

Stell dir ehrlich die Frage nach der Datenmenge. Ein Betrieb mit ein paar tausend Datensätzen pro Tag hat andere Anforderungen als einer, der Millionen Zeilen bewegt. Viele Werkzeuge rechnen nach verarbeitetem Volumen ab, und was bei kleinen Mengen günstig wirkt, kann bei Wachstum teuer werden. Frag beim Anbieter konkret, wie sich der Preis verhält, wenn deine Datenmenge sich verdoppelt.

Achte auf die Frage Cloud oder eigener Betrieb. Manche Werkzeuge laufen nur als Dienst beim Anbieter, andere kannst du auf deinen eigenen Servern betreiben. Das hat Folgen für den Datenschutz, für die Kosten und für die Abhängigkeit. Wenn du sensible Daten verarbeitest, willst du oft wissen, wo genau sie liegen.

Prüf, wie leicht du wieder herauskommst. Ein Werkzeug, das deine Prozesse in einem geschlossenen Format speichert, bindet dich. Frag, ob du deine Konfiguration exportieren kannst und in welcher Form. Das klingt weit weg, wird aber wichtig, wenn der Anbieter seine Preise erhöht oder das Produkt einstellt.

Teste mit echten Daten

Eine Demo mit den Beispieldaten des Anbieters sieht immer gut aus. Nimm deine eigenen, unsauberen Daten mit in die Testphase. Genau die Fälle, die dir im Alltag Probleme machen, das Feld mit dem Umlaut, das Datum im falschen Format, die Zeile mit dem fehlenden Wert. So siehst du, wie das Werkzeug mit der Realität umgeht, nicht mit dem Idealfall.

Die Lizenzkosten sind bei ETL Tools selten der größte Posten. Trotzdem solltest du die Modelle kennen, weil sie sehr unterschiedlich wirken.

Ein verbreitetes Modell rechnet nach verarbeiteter Datenmenge oder nach der Anzahl der Zeilen, die durch das Werkzeug laufen. Das ist fair, solange deine Mengen stabil sind, kann aber unangenehm werden, wenn du plötzlich eine neue große Quelle anbindest. Ein zweites Modell rechnet nach Anzahl der Konnektoren oder der Prozesse. Ein drittes rechnet pauschal nach Nutzern oder Instanzen. Bei selbst betriebenen Werkzeugen zahlst du oft keine Lizenz, dafür trägst du die Kosten für Server und Betrieb selbst.

Der eigentliche Aufwand steckt woanders. Rechne die Zeit ein, die der Aufbau der Prozesse kostet. Ein sauberer ETL-Prozess ist keine Sache von einer Stunde, gerade beim ersten Mal. Rechne die Wartung ein: Quellen ändern sich, APIs bekommen neue Versionen, ein Feld heißt plötzlich anders, und dann muss jemand ran. Diese laufende Pflege ist über die Jahre oft teurer als die Lizenz.

Denk auch an die Einarbeitung. Wenn nur eine Person das Werkzeug beherrscht und die kündigt, stehst du vor einem Problem. Kalkulier ein, dass mindestens zwei Leute damit umgehen können sollten. Und frag beim Anbieter, was Support kostet und ob er in deiner Sprache und deiner Zeitzone verfügbar ist, denn ein Ausfall am Freitagabend mit Support nur in einer anderen Zeitzone ist ein realer Kostenfaktor.

Ein verstecktes Kostenrisiko sind Datenübertragungsgebühren bei Cloud-Diensten. Manche Anbieter berechnen den ausgehenden Datenverkehr getrennt. Lies das Kleingedruckte, bevor du eine große Migration startest.

Der Prozess ohne Besitzer

Ein Betrieb baut einen ETL-Prozess, alles läuft, alle sind zufrieden. Ein Jahr später fällt auf, dass eine Kennzahl seit Monaten falsch ist. Niemand fühlt sich zuständig, weil der ursprüngliche Ersteller die Abteilung gewechselt hat und niemand die Logik dokumentiert hat. Leg für jeden Prozess eine verantwortliche Person fest und schreib auf, was der Prozess tut. Nicht in einem Kopf, sondern an einem Ort, den auch andere finden.

Stumme Fehler

Eine Quelle liefert eines Tages ein leeres Ergebnis statt einer Fehlermeldung. Der Prozess lädt brav die leere Menge, und im Dashboard steht eine Null, die aussieht wie ein echter Wert. Das fällt manchmal erst auf, wenn jemand im Meeting über eingebrochene Zahlen rätselt. Bau Plausibilitätsprüfungen ein: Wenn eine Quelle plötzlich null Zeilen liefert, obwohl sie sonst tausende hat, soll das eine Warnung auslösen.

Die eine große Excel-Datei

Oft hängt ein wichtiger Prozess an einer Datei, die jemand von Hand pflegt und in einen Ordner legt. Ändert diese Person die Spaltenreihenfolge oder benennt ein Blatt um, bricht der ganze Prozess. Wenn eine manuelle Quelle unvermeidbar ist, definier ein festes Format und prüf beim Einlesen, ob es eingehalten wurde, statt blind darauf zu vertrauen.

Alles auf einmal migrieren

Ein Betrieb will alle dreißig Reports in einem Rutsch auf das neue Werkzeug umziehen. Nach zwei Monaten ist nichts fertig und die alten Prozesse laufen weiter parallel. Fang mit einem einzigen, wichtigen Prozess an, bring ihn stabil zum Laufen, und lern daran, bevor du den Rest angehst.

Sobald in deinen Datenströmen personenbezogene Daten stecken, und das ist bei Kunden-, Mitarbeiter- oder Bewerbungsdaten schnell der Fall, greift die Datenschutz-Grundverordnung. Für ein ETL Tool, das solche Daten verarbeitet, brauchst du in der Regel einen Vertrag zur Auftragsverarbeitung mit dem Anbieter, wenn dieser die Daten in seinem Auftrag verarbeitet. Frag danach aktiv, ein seriöser Anbieter hält so einen Vertrag bereit.

Wichtig ist die Frage, wo die Daten verarbeitet werden. Liegen die Server innerhalb der EU, ist die Lage einfacher. Werden Daten in Drittländer übertragen, etwa in die USA, brauchst du eine tragfähige Rechtsgrundlage dafür. Kläre das, bevor du Kundendaten durch einen Cloud-Dienst schickst, dessen Rechenzentren du nicht kennst.

Denk an die Grundsätze der Datensparsamkeit und der Zweckbindung. Ein ETL-Prozess neigt dazu, alles mitzunehmen, was verfügbar ist. Frag bei jedem Feld, ob du es wirklich brauchst. Je weniger personenbezogene Daten du bewegst und speicherst, desto kleiner dein Risiko.

Beachte auch Löschkonzepte. Wenn ein Kunde die Löschung seiner Daten verlangt, muss diese auch in den Zwischenspeichern und Zielsystemen deiner ETL-Prozesse ankommen, nicht nur im Quellsystem. Überleg dir früh, wie ein Löschauftrag durch deine Datenlandschaft läuft.

In der Schweiz gilt das revidierte Datenschutzgesetz mit ähnlicher Stoßrichtung, in Österreich ergänzt das nationale Datenschutzgesetz die DSGVO. Die Grundlogik ist überall vergleichbar: Du musst wissen, welche Daten du warum verarbeitest, wo sie liegen und wie du sie wieder loswirst. Diese Angaben ersetzen keine Rechtsberatung, im Zweifel hol dir jemanden dazu, der die konkrete Konstellation prüft.

Schritt eins: Bestandsaufnahme

Schreib auf, welche Datenquellen du hast und welche Berichte am Ende herauskommen sollen. Nicht aus dem Kopf, sondern als Liste. Notier zu jeder Quelle, wie du heute an die Daten kommst und wie oft sie sich ändern.

Schritt zwei: Anforderungen priorisieren

Trenn Muss von Kann. Ein fehlender Konnektor zu deinem Hauptsystem ist ein Muss-Kriterium, ein hübsches Dashboard des Werkzeugs ist ein Kann. Halt die Muss-Liste kurz, damit sie wirklich aussortiert.

Schritt drei: Zwei oder drei Kandidaten testen

Nicht zehn, das schaffst du zeitlich nicht ernsthaft. Wähl zwei oder drei Werkzeuge und bau in jedem denselben echten Prozess mit deinen eigenen Daten. So werden sie vergleichbar.

Schritt vier: Die richtigen Leute einbeziehen

Hol die Person dazu, die den Prozess später pflegt, und jemanden aus dem Datenschutz oder der IT-Sicherheit. Die Entscheidung im Alleingang durch die Geschäftsführung führt oft zu einem Werkzeug, das niemand bedienen mag.

Schritt fünf: Ausstieg mitdenken

Bevor du unterschreibst, kläre, wie du deine Konfiguration exportierst und was passiert, wenn du kündigst. Ein Werkzeug, das dich nicht wieder herauslässt, ist ein Risiko, das du bewusst eingehen solltest oder eben nicht.

Schritt sechs: Klein starten, dann ausbauen

Bring einen Prozess produktiv, beobachte ihn ein paar Wochen, sammle die Fehler, die auftauchen, und erst dann nimm den nächsten dazu. Diese Reihenfolge kostet dich am Anfang Geduld und spart dir später viel Ärger.