DataNavigator #35: Excel – Stille Konstante in der Datenlandschaft

In vielen Unternehmen entsteht eine immer dichtere Landschaft digitaler Anwendungen: CRM-Systeme, HR-Software, Projekt- und Ressourcentools, Ticket-Systeme, Business-Intelligence-Plattformen und vieles mehr konkurrieren um Aufmerksamkeit und Datenzuständigkeit. Gleichzeitig verfolgen sie dasselbe Ziel – Prozesse optimieren, Daten vereinheitlichen und Ent­scheidungsgrundlagen verbessern.

Parallel dazu sind Tabellenkalkulationsprogramme in fast allen Unternehmen seit Jahrzehnten im Einsatz. Sie werden genutzt, um Daten übersichtlich darzustellen, zu berechnen und auszuwerten, etwa mit Microsoft Excel, Google Sheets, Numbers, LibreOffice Calc oder anderen Tools. Excel hat dabei wie in Abbildung 1 dargestellt mit 85% den größten Marktanteil.

Es ergeben sich zwei zentrale Fragestellungen: Zum einen, warum Organisationen weiterhin auf Excel setzen, obwohl spezialisierte Systeme verfügbar sind. Zum anderen, welche Auswirkungen diese Doppelstruktur auf Datenqualität, Effizienz und Steuerbarkeit hat. Im folgenden Artikel werden diese Fragen beleuchtet und sinnvolle Gestaltungsempfehlungen gegeben.

Vielseitige, aber fragmentierte Datenlandschaft

Finanzdienstleister nutzen heute neben ihren Kernsystemen für das Bank- oder Versicherungs­geschäft eine Vielzahl spezialisierter Anwendungen für Unterstützungsfunktionen. Dies umfasst PPM-Tools für das Projektportfolio, EAM-Tools für das Architekturmanagement, BPM-Tools für das Prozessmanagement, Ticket-Systeme für Incidents im Betrieb oder ERP-Systeme zur Abbildung von Finanzbuchhaltung und Controlling. Jede dieser Anwendungen erzeugt, verarbeitet und speichert Daten nach eigenen Regeln und häufig auch nach unterschiedlichen Datenmodellen.

So entsteht mit der Zeit eine gewachsene Systemlandschaft, die häufig nur teilweise integriert ist. Daten liegen verteilt in verschiedenen Anwendungen vor und sind nur begrenzt miteinander verknüpft. Ein konsistenter Gesamtblick fehlt. Entscheidungen über Prioritäten oder sinnvolle Investitionen werden erschwert, weil Informationen, wie in Abbildung 2 skizziert, aus unter­schiedlichen Quellen zunächst manuell zusammengeführt und bewertet werden müssen.

Die Nutzung spezialisierter Anwendungen ermöglicht zwar effiziente Prozesse in einzelnen Bereichen, führt jedoch häufig auch zu Silostrukturen in der Datenhaltung und unklaren Verant­wortlichkeiten. Die Folge sind Inkonsistenzen, sinkende Datenqualität und fehlende Nachvoll­ziehbarkeit. Besonders kritisch wird dies, wenn Wissen über Datenherkunft oder Berechnungs­logiken an einzelne Personen gebunden ist und nicht transparent dokumentiert vorliegt.

Insbesondere in den Kernsystemen vieler Finanzdienstleister ist ein klar definierter ‚Single Point of Truth‘ (SPOT) bereits umgesetzt. Dort werden zentrale Finanz- und Risikodaten auch aufgrund regulatorischer Vorschriften konsistent geführt. In den zahlreichen Umsystemen, wie etwa PPM-, EAM- oder Ticket-Tools, ist eine solche Einheitlichkeit häufig jedoch nicht in gleicher Weise gewährleistet. Hier entstehen Brüche in der Datenbasis.

Damit Entscheidungen belastbar getroffen werden können, braucht es jedoch auch über Systemgrenzen hinweg konsistente und abgestimmte Informationen. Dies macht deutlich, dass strukturiertes Datenmanagement nicht nur im Kern, sondern entlang der gesamten An­wendungslandschaft notwendig ist.

Nutzung von Microsoft Excel als Reflex

Viele spezialisierte Anwendungen sind stark strukturiert. Sie erfordern definierte Rollen, Pro­zesse, Lizenzen oder Berechtigungen und sind auf standardisierte Abläufe ausgelegt. Microsoft Excel & Co. bieten in diesem Umfeld bewusst mehr Freiraum. Dieser Freiraum ermöglicht es den Nutzern, Fragestellungen schnell zu prüfen, Zusammenhänge besser zu verstehen und Szenarien durchzuspielen, ohne bestehende Systeme anpassen zu müssen.

Trotz der Einführung spezialisierter Anwendungen greifen daher viele Mitarbeitende im Arbeits­alltag weiterhin auf Microsoft Excel zurück. Dieser Rückgriff ist kein Zeichen von Gewohnheit oder Widerstand gegenüber neuen Systemen. Er ist vielmehr ein pragmatischer Reflex als Ausdruck von Widerstand.

Microsoft Excel & Co. sind einfacher zu bedienen als manch andere Tools und in nahezu allen Organisationen seit vielen Jahren etabliert. Sie ermöglichen es, Daten schnell zu erfassen, zu strukturieren und zu analysieren. In der Regel benötigen Nutzer dafür kaum Schulung. Die niedrige Einstiegshürde erlaubt es, Aufgaben unmittelbar zu bearbeiten.

Ein weiterer Grund für die anhaltende Nutzung von Excel, LibreOffice Calc etc. ist ihre hohe Flexibilität. Sie ermöglichen es, Daten aus unterschiedlichen Quellen zusammenzuführen und gezielt für konkrete Fragestellungen aufzubereiten. Auf dieser Basis entstehen individuelle Auswertungen, etwa zur kurzfristigen Bewertung von Szenarien, zur Kombination von Kenn­zahlen aus verschiedenen Systemen oder zur Vorbereitung von Entscheidungsgrundlagen für das Management. Solche Anforderungen entstehen oftmals situativ und würden sich in zentralen Systemen nur mit erheblichem Aufwand abbilden lassen.

Moderne Tabellenkalkulationsprogramme wie beispielsweise Microsoft Excel verfügen des Weiteren über fortgeschrittene Formeln für Berechnungen, Pivot-Analysen, Makros oder integrierte Datenabfragen. Damit lassen sich auch komplexe Berechnungen und Datentransformationen durchführen. Diese funktionale Stärke trägt wesentlich dazu bei, dass Excel in Unternehmen weiterhin intensiv genutzt wird.

In der Praxis übernimmt Excel häufig den letzten Schritt in der Datenverarbeitung. Es bildet, wie in Abbildung 3 dargestellt, die Schnittstelle zwischen technischen Systemen und den kon­kreten Bedürfnissen der Nutzer. Daten, die in zentralen Anwendungen erzeugt werden, liegen dort oft nicht in einer Form vor, die Entscheidungen direkt unterstützen. Häufig fehlt eine ver­ständliche Aufbereitung oder eine übersichtliche Visualisierung, um komplexe Sachverhalte einfach darzustellen und gemeinsam zu diskutieren. Excel hilft, diese Lücke zu schließen, indem es Daten strukturiert, verdichtet und für Entscheidungen nutzbar macht.

Risiken beim Einsatz von Microsoft Excel, Google Sheets & Co.

Die oben genannten Vorteile einer flexiblen und schnell einsetzbaren Lösung führen in vielen Organisationen zu einer oftmals unregulierten Nutzung. Was als pragmatische Unterstützung oder eher zu einer systemischen Notwendigkeit beginnt, entwickelt sich schrittweise zu einer festen Grundlage für Auswertungen, Berichte und weitreichende Entscheidungen.

In der Praxis zeigt sich häufig ein ähnliches Muster. Wichtige Reports oder Berechnungen beruhen auf einzelnen Tabellen, die über Jahre erweitert und weitergegeben wurden. Die ursprüngliche Logik ist oft nur noch wenigen Personen bekannt. Fallen diese weg oder werden Änderungen vorgenommen, entstehen Unsicherheiten. Schon kleine Anpassungen an Formeln oder Datenstrukturen können dazu führen, dass Ergebnisse nicht mehr zusammenpassen, ohne dass dies möglicherweise sofort auffällt.

Hinzu kommt, dass die Weiterverarbeitung der Daten außerhalb kontrollierter und standardi­sierter Systeme erfolgt. Klare Steuerung, verbindliche Regelungen und systematische Prüf­mechanismen fehlen häufig. Besonders kritisch wird dies bei sensiblen Anwendungsfällen, etwa bei Vor- und Nachkalkulationen im Wertpapierhandel, bei Aufbereitungen im Meldewesen oder im Kontext regulatorischer Anforderungen wie z.B. dem Prudential Supervisory Reporting (PSR).

Fehler bleiben unentdeckt, unterschiedliche Versionen entstehen und Ergebnisse lassen sich nur schwer nachvollziehen. Im schlimmsten Fall führt dies zu Fehlsteuerungen von Projekten, falschen Kapitalallokationen oder falschen Entscheidungen oder regulatorischen Findings.

Spätestens mit wachsendem Datenvolumen oder steigenden regulatorischen Anforderungen stoßen Microsoft Excel & Co. zudem strukturell an ihre Grenzen. Sie sind nicht dafür ausgelegt, skalierbare Datenverarbeitung, differenzierte Berechtigungen oder revisionssichere Prozesse abzubilden. Vorgaben wie MaRisk AT 7.2 rücken individuelle Datenverarbeitungen (IDV) stärker in den Fokus. Sobald beispielsweise Microsoft Excel geschäftskritische Prozesse unterstützt, muss dies kontrolliert, dokumentiert und prüfbar sein. Genau hier geraten viele Organisationen an Grenzen, und die Nachteile beginnen, wie in Abbildung 4 skizziert, die Vorteile zu überwiegen.

Indikatoren für den Bedarf an strukturierter Datenarchitektur

Microsoft Excel bleibt auch bei moderner Spezialsoftware ein wichtiges Arbeitsmittel. Ab einem bestimmten Punkt reicht es jedoch nicht mehr aus, um Daten zuverlässig und einheitlich zu verarbeiten. Dieser Wendepunkt zeigt sich in vielen Unternehmen sehr deutlich.

Ein erstes Signal ist die steigende Anzahl von Systemen, deren Daten zusammengeführt werden müssen. Je mehr Quellen beteiligt sind, desto aufwendiger und fehleranfälliger wird eine manuelle Verarbeitung in Microsoft Excel. Ein weiterer Hinweis ist der parallele Zugriff mehrerer Abteilungen auf dieselben Daten. Unterschiedliche Versionen, lokale Anpassungen und manuelle Berechnungen führen schnell zu Inkonsistenzen. Diskussionen drehen sich dann nicht mehr um Inhalte, sondern um die Richtigkeit der Daten und Berechnungen. Auch der wachsende Bedarf an regelmäßigen Berichten ist ein klares Zeichen. Microsoft Excel oder Numbers eignen sich gut für ad-hoc-Analysen, stoßen jedoch bei wiederkehrenden Auswertungen und häufigen Aktualisierungen an ihre Grenzen.

Steigende Anforderungen an Transparenz und Compliance verstärken diese Effekte. Versionen, Berechnungslogiken und Datenherkünfte lassen sich in Excel nur eingeschränkt kontrollieren. Zwar existieren spezialisierte Werkzeuge, die Governance, Freigaben und Nachvollziehbarkeit unterstützen, doch auch diese entfalten ihre Wirkung erst auf Basis einer strukturierten und zentralen Datenarchitektur.

An genau diesem Punkt werden regulatorische Anforderungen wie BCBS 239 möglicherweise auch für Unterstützungssysteme relevant. Sie erhöhen den Druck auf Unternehmen, insgesamt eine konsistente, nachvollziehbare und aggregierbare Datenbasis bereitzustellen. Fragmen­tierte und historisch gewachsene Systemlandschaften erschweren die Erfüllung dieser Anforderungen erheblich.

In solchen Situationen ist eine integrierte Datenbasis sinnvoll, die Daten zentral bereitstellt und steuert. Microsoft Excel & Co. behalten weiterhin ihre Rolle. Sie greifen jedoch auf geprüfte und konsistente Daten zu, anstatt selbst zur zentralen Datenquelle zu werden.

Eine durchdachte und arbeitsteilige Datenarchitektur

Eine nachhaltige Lösung besteht nicht darin, Tabellenkalkulationsprogramme zu ersetzen, sondern sie gezielt einzusetzen. Dafür braucht es eine klare Datenarchitektur, die Stabilität schafft und gleichzeitig flexibel bleibt.

Ein zentraler Bestandteil ist eine gemeinsame, qualitätsgesicherte Datenbasis. Sie stellt sicher, dass alle Bereiche mit denselben Daten arbeiten, und reduziert das Risiko wider­sprüchlicher Informationen. Solche Ansätze wurden insbesondere im regulatorischen Umfeld, etwa im Rahmen von BCBS 239, bei der Einführung einer integrierten Risiko- und Finanz­architektur (IRFA) vorangetrieben. Ziel war und ist es bis heute, Risiko- und Finanzdaten konsistent zusammenzuführen und steuerbar zu machen.

Ergänzend dazu sind automatisierte Datenflüsse entscheidend. Sie ersetzen manuelle Exporte, reduzieren Fehler und stellen Daten zeitnah bereit. Mit neuen regulatorischen Anforderungen, wie dem Digital Operational Resilience Act (DORA), die den Fokus auf stabile, kontrollierte und belastbare IT- und Datenprozesse legt, gewinnt dieser Aspekt weiter an Bedeutung.

Ebenso notwendig sind klare Governance-Strukturen. Sie legen fest, wer Daten pflegt, wer darauf zugreifen darf und wie sie genutzt werden sollen – sowohl in zentralen Systemen als auch bei der Nutzung von Tabellenkalkulationsprogrammen.

Auch standardisierte Prozesse tragen zur Qualität bei. Sie sorgen dafür, dass Daten einheitlich erfasst, geprüft und weitergegeben werden. Gleichzeitig bleibt die notwendige Flexibilität der Fachbereiche erhalten. Excel kann weiterhin für individuelle Analysen, Szenarien oder explora­tive Auswertungen genutzt werden – jedoch auf Basis geprüfter und zentral bereitgestellter Daten, nicht als eigenständige Datenquelle für unternehmensweite Steuerung.

Die Kombination aus strukturierter Datenarchitektur und kontrolliertem Einsatz von Tabellen­kalkulationsprogrammen führt zu verlässlichen, konsistenten und gut nutzbaren Daten, ohne die gewohnte Arbeitsweise der Mitarbeitenden einzuschränken.

Den Mix steuern und Risiken managen

Unternehmen sollten daher nicht pauschal entscheiden, ob Microsoft Excel & Co. ein fester Platz eingeräumt wird oder nicht. Vielmehr geht es darum, ihren Einsatz bewusst zu steuern und sie in eine Gesamtarchitektur einzubetten, die Stabilität und Flexibilität vereint.

Bei der Einführung einer optimierten, arbeitsteiligen Datenarchitektur können Unternehmen auf die in Abbildung 5 genannten Schritte zurückgreifen, die sich in Transformationsprojekten bewährt haben. Eine solche systematische Bewertung und Optimierung führt in der Praxis zu nachhaltigen Ergebnissen. Die Schritte umfassen im Einzelnen:

1. Bestandsaufnahme: Zu Beginn gilt es, die bestehende Tool- und Datenlandschaft zu überblicken. Dabei sollte klar werden, welche Systeme genutzt werden, wo Datenflüsse stattfinden und an welchen Stellen Tabellenkalkulationsprogramme eine zentrale Rolle spielen. Ergänzend ist es sinnvoll, relevante „Data Owner“ zu identifizieren und für kritische, insbesondere IDV-gestützte Lösungen eine erste Schutzbedarfsfeststellung vorzunehmen.
2. Risikoanalyse: Anschließend kann betrachtet werden, wo potenzielle Risiken liegen. Dazu gehören Fehlerquellen, fehlende Transparenz oder regulatorische An­forderungen, die heute möglicherweise nur schwer erfüllbar sind. Eine solche Analyse muss nicht tief technisch sein. Es reicht oft, kritische Prozesse zu identifizieren und zu prüfen, welchen Einfluss manuelle Schritte auf Qualität und Stabilität haben.
3. Zielbild für eine Datenarchitektur: Auf dieser Basis lässt sich ein Zielbild für die zukünftige Datenlandschaft ableiten. In vielen Organisationen existiert mit einer etablierten Architektur, etwa auf Basis von IRFA, bereits ein solides Fundament. Ergänzend sind häufig auch fachliche Modelle und Rechenkerne vorhanden, wie sie bspw. durch die MaRisk gefordert werden.
   Entscheidend ist daher weniger ein vollständiges Neudesign als ein gemeinsames Verständnis darüber, welche Datenquellen zentral sind, wie Daten fließen und wel­che Rolle einzelne Anwendungen übernehmen. Tabellenkalkulationsprogramme behalten ihren Platz – jedoch in einem klar definierten und abgegrenzten Rahmen.
4. Mixed-Use-Modell: Ein sinnvoller Ansatz ist, Excel gezielt zu nutzen und gleich­zeitig zentrale Datenplattformen zu stärken. Im Backend stellen beispielsweise Data Warehouse oder Data Lake konsistente und geprüfte Daten bereit. Im Frontend behalten Tabellenkalkulationsprogramme ihre Rolle für explorative Analysen und schnelle Fragestellungen. Für standardisierte Reports und unternehmensweite Kennzahlen sind dagegen Business-Intelligence-Tools wie beispielsweise Power BI besser geeignet.
5. Governance und Leitlinien: Parallel dazu können grundlegende Leitlinien ge­schaffen werden. Diese müssen nicht schwergewichtig sein. Schon klare Verant­wortlichkeiten, einfache Freigabeprozesse und regelmäßige Überprüfungen bringen Struktur. Governance bedeutet hier nicht Bürokratie, sondern bietet Orientierung, damit Daten verlässlich, nachvollziehbar und dauerhaft nutzbar bleiben.
6. Befähigung und Weiterentwicklung: Ein entscheidender Baustein ist die Befähigung der Mitarbeitenden. Neue Tools und Prozesse entfalten nur Wirkung, wenn sie verstanden und im Alltag angewendet werden. Schulungen, praktische Leitfäden und Austauschformate unterstützen den Wandel, ohne Freiheit oder Flexibilität einzuschränken.

Diese Schritte sind bewusst breit angelegt. Sie bieten Orientierung und helfen Organisationen, ihre Datenlandschaft weiterzuentwickeln, ohne in starre Vorgaben zu verfallen. Gleichzeitig entsteht damit ein Rahmen, der sowohl strukturiertes Arbeiten ermöglicht als auch Raum für individuelle Anforderungen lässt.

Wir sehen in Projekten, dass eine solche Entwicklung anspruchsvoll ist und selten im Alleingang gelingt. Viele Unternehmen profitieren davon, externe Perspektiven einzubeziehen, um sowohl die Komplexität besser einordnen als auch zielführende Wege entwickeln zu können. Doch der entscheidende Schritt bleibt immer derselbe: den Umgang mit Daten bewusst zu gestalten und Tabellenkalkulationsprogramme als Teil eines größeren Ganzen zu verstehen.

Fazit

Tabellenkalkulationsprogramme wie Microsoft Excel, Google Sheets oder Numbers sind seit Jahrzehnten ein fester Bestandteil der Unternehmenspraxis. Ihre Flexibilität, Vertrautheit und einfache Bedienbarkeit machen sie auch heute noch zu wertvollen Werkzeugen. Gleichzeitig können diese Stärken zu Schwächen werden, wenn sie unreflektiert als zentrale Lösung für alle Datenanforderungen genutzt werden. Besonders für unternehmensweite Datenverarbeitung, Reporting, Governance und Compliance reichen sie allein nicht aus.

Eine durchdachte und zukunftsfähige Datenarchitektur ist unerlässlich. Sie schafft Ordnung in einer zunehmend komplexen Tool- und Datenlandschaft und stellt sicher, dass Daten zu­verlässig, konsistent und skalierbar genutzt werden können. Gleichzeitig lässt sie den Fach­bereichen ausreichend Raum, flexibel zu arbeiten und auf neue Fragestellungen zu reagieren. In diesem Rahmen behalten Tabellenkalkulationsprogramme ihren Platz als unterstützendes Werkzeug, jedoch in einer klar definierten und kontrollierten Rolle, sodass Daten nicht nur strukturiert vorliegen, sondern auch ihre Wirkung in fundierten Entscheidungen entfalten. Wer diesen Ansatz verfolgt, verankert Daten als stabile Grundlage für Steuerung und Entscheidungen und schafft zugleich die notwendige Flexibilität für den Arbeitsalltag.