Schön anzusehen, aber für die Maschine wertlos — warum Ihre Excel-Datei ein Problem sein könnte

Stellen Sie sich vor, Sie bitten zwei Kollegen, Ihnen den Weg zu einem Kunden zu beschreiben. Der erste schreibt: „Fahr die A7 runter, dann irgendwo Richtung Innenstadt, du siehst dann schon das große rote Gebäude — da links rein.“ Der zweite schickt Ihnen eine Adresse: Musterstraße 12, 20099 Hamburg.

Für Sie als Mensch funktionieren beide Varianten — vielleicht sogar die erste besser, weil sie sich einprägt. Aber Ihr Navigationsgerät? Das scheitert kläglich, spätestens am roten Gebäude. Es braucht die Adresse, exakt, vollständig, in einem Format, das es versteht.

Genau dieses Problem taucht täglich in Unternehmen auf — nicht beim Navigieren, sondern beim Umgang mit Daten. Und meistens steckt es in einer Excel-Datei.

Das Auge liebt Ordnung — die Maschine liebt Struktur

Es ist nachvollziehbar, warum Excel-Tabellen so aussehen, wie sie aussehen. Sie werden von Menschen erstellt, für Menschen. Da werden Leerzeilen eingefügt, um Bereiche voneinander zu trennen. Überschriften werden farblich hervorgehoben, Zellen zusammengeführt, Kommentare in Fußnoten versteckt, Summen mitten in Datenspalten eingebaut — alles mit dem Ziel, die Tabelle für den Betrachter übersichtlicher zu machen.

Das Ergebnis ist oft tatsächlich hübsch. Und vollständig unbrauchbar für jede Software, die diese Daten weiterverarbeiten soll.

Denn ein Programm — sei es ein ERP-System, ein Automatisierungstool oder ein Publishing-Werkzeug wie EasyCatalog — liest eine Tabelle nicht wie ein Mensch. Es erwartet eine klare, vorhersehbare Struktur: Spaltenköpfe in Zeile 1, Daten ab Zeile 2, eine Information pro Zelle, keine verbundenen Felder, keine dekorativen Leerzeilen dazwischen. Fehlt auch nur eines dieser Merkmale, bricht der Import ab — oder, schlimmer noch, er läuft durch und liefert falsche Ergebnisse.

Eine Tabelle, die für das Auge optimiert ist, ist häufig für die Maschine unlesbar. Und eine Tabelle, die für die Maschine lesbar ist, sieht auf den ersten Blick trostlos aus.

Was „maschinenlesbar“ eigentlich bedeutet

Der Begriff „maschinenlesbar“ klingt technischer, als er ist. Im Kern geht es um eines: Eindeutigkeit. Jede Information muss an einem definierten Ort stehen, in einem definierten Format, ohne Interpretationsspielraum.

Ein paar konkrete Beispiele aus der Praxis:

• Datumsangaben wie „15. März“ sind für Menschen klar — aber in welchem Jahr? Eine Maschine braucht „2024-03-15″, am besten im internationalen Format ISO 8601.
• Statusangaben wie „erledigt“, „✓“ oder eine grün hinterlegte Zelle meinen alle dasselbe — für Sie. Für ein System sind das drei verschiedene Werte, von denen zwei womöglich gar nicht erkannt werden.
• Zusammengeführte Zellen wirken im Layout aufgeräumt. In der Datenverarbeitung jedoch belegen sie mehrere Felder, von denen nur eines einen Wert enthält — der Rest erscheint leer.
• Leerzeilen zur optischen Gruppierung werden von Systemen als Ende des Datensatzes interpretiert. Was danach kommt, wird schlicht ignoriert.

Das alles klingt nach Kleinigkeiten. Die Erfahrung zeigt aber, dass genau diese Kleinigkeiten den Unterschied machen zwischen einem Import, der in zwei Minuten läuft, und einem, der Stunden manueller Nacharbeit erzeugt.

Ein Problem, das wir in der Praxis regelmäßig erleben

Wir begegnen dieser Situation bei nahezu jedem Projekt, das datengetriebene Druckprodukte zum Ziel hat — also Kataloge, Preislisten, Produktdatenblätter. Die Idee dahinter ist bestechend: Produktdaten liegen beim Kunden vor, wir übernehmen sie und setzen daraus effizient und automatisiert das fertige Druckstück zusammen. Werkzeuge wie EasyCatalog — ein Publishing-Plugin für Adobe InDesign, das Datenbankfelder direkt in Layouts verknüpft — sind dafür wie gemacht.

In der Praxis jedoch sieht die gelieferte Excel-Datei dann so aus: Produktgruppen durch farbige Kopfzeilen getrennt, Leerzeilen zur optischen Gliederung, Preisangaben mit Währungssymbolen direkt in der Zelle, Varianten desselben Produkts über mehrere zusammengeführte Zeilen verteilt — und gelegentlich Hinweise in Klammern, die eigentlich nur der Vertriebsmitarbeiterin bekannt sind, die die Datei angelegt hat.

Für einen Menschen ist das alles lesbar. Für EasyCatalog ist es eine Sackgasse.

Das Werkzeug kann nicht erkennen, dass die orange hinterlegte Zeile eine Kategorie markiert und keine Datenzeile ist. Es kann nicht interpretieren, dass „1.299,– €“ eine Zahl ist, mit der gerechnet werden soll. Und es kann nicht erschließen, welche der vier zusammengeführten Zellen den eigentlichen Produktnamen enthält.

Die Daten sind vorhanden — aber sie sind nicht in einer Form vorhanden, in der man sie nutzen kann. Das ist ein fundamentaler Unterschied.

Zwei Welten — und wo sie aufeinandertreffen

Das eigentliche Problem entsteht nicht, solange eine Tabelle rein intern genutzt wird. Wenn Ihre Mitarbeiterin die Datei öffnet, die Farben versteht und die Leerzeilen kennt, funktioniert das wunderbar.

Schwierig wird es in dem Moment, in dem Daten aus dieser Tabelle in ein anderes System fließen sollen. In ein Warenwirtschaftssystem. In eine Datenbank. In ein Automatisierungstool. In EasyCatalog.

Dann beginnt die oft unterschätzte Aufgabe der „Datentransformation“ — also die manuelle Umwandlung der menschenlesbaren in eine maschinenlesbare Form. Jemand muss die Leerzeilen entfernen, die zusammengeführten Zellen auflösen, die Farbinformationen als Textwerte neu erfassen, Einheiten aus Zellen herauslösen. Dieser Aufwand ist nicht trivial, er passiert bei jedem Projekt neu — und er ist vollständig vermeidbar.

Die praktische Konsequenz: Zwei Ansichten, eine Quelle

Muss man sich also zwischen hübsch und funktional entscheiden? Nicht unbedingt. Die bessere Frage lautet: Wo entsteht die Datenquelle, und wer nutzt sie wie?

Ein sinnvoller Ansatz ist die klare Trennung von Datenhaltung und Darstellung. Die Rohdaten — also die maschinenlesbare Tabelle — dienen als Quelle der Wahrheit. Daraus lassen sich für die menschliche Nutzung separate Ansichten, Berichte oder Auswertungen erzeugen, die gern farbig und übersichtlich sein dürfen. Aber die Quelle selbst bleibt sauber.

Viele Systeme, von Excel über Google Sheets bis hin zu modernen Datenbank-Tools, bieten genau diese Möglichkeit. Pivot-Tabellen, Dashboards, Berichtsvorlagen — sie alle können aus einer strukturierten Rohdatenbasis das erzeugen, was das Auge erwartet, ohne die Quelle zu kompromittieren.

Fazit: Struktur ist keine Ästhetikfrage

Es geht nicht darum, Tabellen hässlicher zu machen. Es geht darum, zu verstehen, dass Daten zwei sehr unterschiedliche Zielgruppen haben können — Menschen und Maschinen — und dass beide unterschiedliche Anforderungen stellen.

Wer Daten von Anfang an maschinenlesbar anlegt, spart bei jedem Systemwechsel, jedem Import und jeder Automatisierungsinitiative erheblich Zeit. Und wer eine saubere Darstellungsschicht obendrauf legt, hat das Beste aus beiden Welten — lesbare Berichte für das Team, verwertbare Daten für die Produktion.

Die Frage ist also nicht: Strukturiert oder übersichtlich? Sondern: Haben Sie beides — und wissen Sie, was wozu dient?