Datenanalyse in Excel: Schritt für Schritt von der Frage zur Entscheidung

Die meisten Datenanalysen in Excel scheitern nicht an Formeln, sondern am Vorgehen. Man öffnet die Datei, baut eine Pivot-Tabelle, dann noch eine, schiebt Felder hin und her und hat nach einer Stunde viele Zahlen, aber keine Antwort.

Dieser Leitfaden zeigt ein Vorgehen in sechs Schritten, mit dem du in Excel von einer Frage zu einer belastbaren Antwort kommst. Ein durchgehendes Beispiel aus einem mittelständischen Unternehmen zeigt jeden Schritt mit den passenden Excel-Funktionen. Welche Werkzeuge Excel im Einzelnen bietet, etwa das Analyse-ToolPak oder „Daten analysieren“, beschreibt der Artikel Excel Datenanalyse Tool .

„Kurz gesagt: Eine Datenanalyse in Excel folgt sechs Schritten: Frage präzise formulieren, Daten beschaffen und prüfen, Daten bereinigen, einen Überblick verschaffen, Ursachen durch Vergleichen und Zerlegen finden, Ergebnis formulieren. Die wichtigsten Werkzeuge dafür sind formatierte Tabellen, Pivot-Tabellen, SUMMEWENNS, bedingte Formatierung und Diagramme.“

Die 6 Schritte im Überblick

Die 4 Arten der Datenanalyse und was Excel davon kann

In der Praxis unterscheidet man vier Arten von Fragen an Daten:

Die meisten Fragen im Unternehmensalltag sind deskriptiv oder diagnostisch, und genau dafür ist Excel stark. Dieser Leitfaden konzentriert sich deshalb auf diese beiden Arten.

Das Fallbeispiel

Ein Hersteller von Büromöbeln mit rund 60 Mitarbeitenden stellt fest: Der Umsatz im dritten Quartal 2026 liegt bei 1,62 Mio. €, im Vorjahresquartal waren es 1,84 Mio. €. Das sind 12 % weniger. Die Geschäftsführung will wissen, warum, und ob sie handeln muss.

Die Daten liegen in einer Auftragsliste mit rund 4.800 Zeilen aus 2025 und 2026. Spalten: Datum, Auftragsnummer, Kunde, Kundengruppe (Handel, Objekt, Online), Region, Produktgruppe, Menge, Betrag netto, Status.

Die Zahlen im Beispiel sind erfunden, das Vorgehen ist auf jede Auftrags- oder Umsatzliste übertragbar.

Schritt 1: Die Frage präzise formulieren

„Warum ist der Umsatz gesunken?“ ist ein Anfang, aber zu unscharf. Bevor du Excel öffnest, kläre vier Punkte:

• Was genau wird gemessen? Umsatz nach Rechnungsdatum oder Auftragseingang? Netto oder brutto? Mit oder ohne Stornos?
• Welcher Vergleich? Vorjahresquartal, Vorquartal oder Plan?
• Welche Erklärungen sind denkbar? Weniger Kunden, kleinere Aufträge, niedrigere Preise, einzelne Großkunden, einzelne Regionen oder Produkte?
• Welche Entscheidung hängt daran? Zum Beispiel: Vertrieb im Objektgeschäft verstärken, Preise anpassen oder abwarten?

Im Beispiel wird daraus: „Welche Kundengruppen, Kunden und Produktgruppen erklären den Rückgang des Netto-Umsatzes (ohne Stornos) von Q3 2025 auf Q3 2026, und ist der Rückgang einmalig oder ein Trend?“

Die Hypothesen schreibst du dir auf. Sie geben der Analyse eine Richtung und verhindern, dass du dich in Pivot-Varianten verlierst.

Schritt 2: Daten beschaffen und prüfen

Hole die Daten möglichst direkt aus dem Quellsystem, zum Beispiel als Export aus Warenwirtschaft oder ERP. Wenn der Export regelmäßig nötig ist, lade ihn über Daten → Daten abrufen mit Power Query. Dann lässt sich die Analyse später mit einem Klick aktualisieren.

Formatiere die Daten als Tabelle (Strg + T) und prüfe dann:

Im Beispiel zeigt die Prüfung: Die Summe für Q3 2026 liegt rund 1 % über dem Wert der Buchhaltung. Ursache: 23 Auftragsnummern kommen doppelt vor. Gutschriften stehen als eigene Zeilen mit negativen Beträgen im Export, und bei 41 Zeilen fehlt die Kundengruppe.

Diesen Schritt solltest du nie überspringen. Eine Abweichung, die jetzt auffällt, kostet fünf Minuten. Eine, die erst im Gespräch mit der Geschäftsführung auffällt, kostet die Glaubwürdigkeit der ganzen Analyse.

Schritt 3: Daten bereinigen

Arbeite immer an einer Kopie oder in Power Query, nie in den Originaldaten. Typische Bereinigungen:

• Dubletten: prüfen, ob es echte Doppelungen sind (identische Zeilen) oder Teillieferungen. Echte Dubletten mit Daten → Duplikate entfernen löschen.
• Schreibweisen vereinheitlichen: „Objekt“, „Objektgeschäft“ und „objekt “ sind für Excel drei Gruppen. Mit Filter prüfen, mit Suchen und Ersetzen oder einer Zuordnungstabelle vereinheitlichen. GLÄTTEN entfernt überflüssige Leerzeichen.
• Fehlende Werte: ergänzen, wenn sie sich ableiten lassen (z. B. Kundengruppe aus dem Kundenstamm per XVERWEIS), sonst als „unbekannt“ kennzeichnen statt löschen.
• Stornos und Gutschriften: entscheiden, wie sie behandelt werden, und das festhalten.

Im Beispiel: 23 Dubletten entfernt (Doppelimport eines Tages), Kundengruppe für 38 von 41 Zeilen per XVERWEIS aus dem Kundenstamm ergänzt, drei als „unbekannt“ markiert. Gutschriften bleiben als negative Beträge drin, damit der Netto-Umsatz zur Buchhaltung passt. Danach stimmt die Quartalssumme mit der Buchhaltung überein.

Tipp: Lege ein kleines Blatt „Protokoll“ an und notiere jede Bereinigung in einer Zeile. Wenn jemand fragt, warum deine Zahl von einer anderen abweicht, hast du die Antwort.

Schritt 4: Überblick verschaffen

Bevor du nach Ursachen suchst, sieh dir das Gesamtbild an. Ziel ist, die Veränderung in ihre Grundbestandteile zu zerlegen: Liegt es an weniger Aufträgen oder an kleineren Aufträgen?

1. Pivot-Tabelle anlegen: Einfügen → PivotTable, Datum in die Zeilen (nach Quartal und Jahr gruppieren), Betrag netto in die Werte.
2. Anzahl hinzufügen: Auftragsnummer ein zweites Mal in die Werte ziehen und auf „Anzahl“ umstellen.
3. Durchschnitt und Median berechnen: MITTELWERT und MEDIAN des Auftragswerts je Quartal, zum Beispiel mit MITTELWERTWENNS bzw. einer gefilterten MEDIAN-Formel.
4. Verlauf ansehen: Ein Liniendiagramm des Monatsumsatzes über 24 Monate zeigt, ob der Rückgang plötzlich kam oder sich angekündigt hat.

Im Beispiel:

Die Zahl der Aufträge ist fast gleich geblieben, der typische Auftrag (Median) auch. Gesunken ist nur der Durchschnitt. Das ist ein starker Hinweis: Der Rückgang kommt vermutlich von wenigen großen Aufträgen, nicht von einem breiten Einbruch. Ohne den Vergleich von Mittelwert und Median hätte man leicht auf „die Kunden kaufen weniger“ geschlossen.

Schritt 5: Ursachen suchen

Jetzt prüfst du die Hypothesen aus Schritt 1, eine nach der anderen. Die wichtigste Technik ist das Zerlegen: Die Veränderung wird auf Gruppen verteilt, bis klar ist, wo sie entsteht.

Zerlegen nach Kundengruppe

Pivot-Tabelle mit Kundengruppe in den Zeilen, Jahr in den Spalten, nur Q3 gefiltert. Unter „Werte anzeigen als → Differenz von“ zeigt Excel die Veränderung direkt an.

Das Objektgeschäft erklärt den gesamten Rückgang. Handel ist stabil, Online wächst sogar.

Weiter zerlegen nach Kunde

Im Objektgeschäft eine Pivot nach Kunde, sortiert nach der Veränderung. Die größten Differenzen markierst du mit bedingter Formatierung (Farbskala). Alternativ mit SUMMEWENNS in einer eigenen Tabelle:

=SUMMEWENNS(Tabelle1[Betrag netto]; Tabelle1[Kunde]; A2; Tabelle1[Kundengruppe]; "Objekt"; Tabelle1[Datum]; ">="&DATUM(2026;7;1); Tabelle1[Datum]; "<="&DATUM(2026;9;30))

Im Beispiel: Zwei Kunden, ein Planungsbüro und ein Klinikverbund, hatten im Q3 2025 Großaufträge über zusammen 210.000 €. Im Q3 2026 gab es von beiden keinen Auftrag. Rechnet man die beiden Großaufträge heraus, liegt das Objektgeschäft bei 610.000 € gegenüber 594.000 €, ein Rückgang von nur 3 %.

Weitere Hypothesen prüfen

• Preise: Durchschnittspreis je Stück pro Produktgruppe im Vergleich (Betrag geteilt durch Menge in der Pivot als berechnetes Feld). Im Beispiel: stabil, kein Preiseffekt.
• Regionen: Pivot nach Region. Im Beispiel: kein auffälliges Muster jenseits der zwei Kunden.
• Ausblick: Angebotsvolumen im Objektgeschäft aus der Angebotsliste. Im Beispiel liegt es im Q3 2026 um 15 % über dem Vorjahr. Die Pipeline ist also gefüllt.

Wenn du einen Zusammenhang zwischen zwei Größen prüfen willst, etwa Angebotsvolumen und späterem Umsatz über 24 Monate, hilft =KORREL(Bereich1;Bereich2). Ein Wert nahe 1 zeigt einen engen Zusammenhang, ist aber noch kein Beweis für Ursache und Wirkung.

Schritt 6: Ergebnis formulieren und kommunizieren

Eine Analyse ist erst fertig, wenn jemand damit entscheiden kann. Formuliere das Ergebnis in drei Teilen:

1. Antwort auf die Frage, in einem Satz und mit Zahl.
2. Belege, mit einem bis drei Diagrammen oder Tabellen, nicht mit zwölf.
3. Einordnung und Empfehlung, inklusive dessen, was du nicht weißt.

Im Beispiel könnte die Zusammenfassung so aussehen:

„Der Umsatzrückgang von 220.000 € (–12 %) im Q3 2026 geht fast vollständig auf zwei Großaufträge im Objektgeschäft zurück, die im Vorjahr 210.000 € ausmachten und sich nicht wiederholt haben. Ohne diese beiden Aufträge liegt der Umsatz nahezu auf Vorjahresniveau, Online wächst um 8 %. Das Angebotsvolumen im Objektgeschäft liegt 15 % über Vorjahr. Empfehlung: kein Grund für breite Maßnahmen, aber Großprojekte im Objektgeschäft künftig als eigene Kennzahl beobachten, weil sie das Quartalsergebnis stark schwanken lassen.“

Als Belege reichen hier zwei Darstellungen: die Tabelle nach Kundengruppe aus Schritt 5 und ein Wasserfalldiagramm, das von 1,84 Mio. € über die einzelnen Effekte (Großaufträge, übriges Objekt, Handel, Online) zu 1,62 Mio. € führt. Wasserfalldiagramme gibt es in Excel ab Version 2016 unter Einfügen → Diagramme → Wasserfall.

Typische Denkfehler bei der Datenanalyse

• Nur auf den Durchschnitt schauen. Wenige große Werte verzerren ihn. Vergleiche immer mit dem Median.
• Mit dem falschen Zeitraum vergleichen. Saisonale Geschäfte nur mit dem Vorjahreszeitraum vergleichen, nicht mit dem Vormonat.
• Korrelation als Ursache lesen. Zwei Größen, die gemeinsam steigen, müssen sich nicht gegenseitig verursachen.
• Kleine Gruppen überbewerten. Ein Plus von 50 % bei einem Kunden mit zwei Aufträgen ist Zufall, kein Trend.
• Nur die erste Hypothese prüfen. Wer eine Erklärung gefunden hat, hört oft auf. Prüfe auch die anderen, im Beispiel Preise und Regionen.
• Datenqualität überspringen. Ohne Schritt 2 hätte die Analyse im Beispiel mit einer um 1 % falschen Summe begonnen.

Wiederholen statt neu bauen

Viele Analysen bleiben nicht einmalig. Wenn die Geschäftsführung nach dem Q3 auch das Q4 sehen will, solltest du nicht von vorn anfangen:

• Power Query für Import und Bereinigung nutzen, dann läuft Schritt 2 und 3 beim nächsten Mal per Klick auf „Alle aktualisieren“.
• Pivot-Tabellen auf der formatierten Tabelle aufbauen, dann wachsen sie mit neuen Daten mit.

Die wichtigsten Ergebnisse als Kennzahlen festhalten, etwa Umsatz nach Kundengruppe und Anteil der Großaufträge, und in ein Cockpit übernehmen. Wie das aussieht, zeigt Excel Management Cockpit .

Mehr dazu in Excel Auswertungen automatisieren .

Fragen stellen statt Pivots bauen

Wenn du solche Analysen regelmäßig brauchst und das Ergebnis mit anderen teilen willst, kann ein KI-Werkzeug die Schritte 4 und 5 deutlich verkürzen. Mit squelio verbindest du die Auftragsliste per Upload oder SharePoint und fragst zum Beispiel: „Welche Kundengruppen und Kunden erklären den Umsatzrückgang im Q3 gegenüber dem Vorjahr?“ Die KI fragt die Zahlen ab, statt sie zu schätzen, und legt Kennzahlen, Tabellen und Diagramme auf ein Dashboard, das die Geschäftsführung per Einladung öffnet. Deine Excel bleibt unverändert. Die Schritte 1, 2 und 6, also die richtige Frage, saubere Daten und die Einordnung, bleiben deine Aufgabe. Einen Überblick über KI-Werkzeuge gibt Datenanalyse KI Tool .

Häufige Fragen

Fazit

Gute Datenanalyse in Excel ist weniger eine Frage der Formeln als des Vorgehens. Wer mit einer präzisen Frage startet, die Daten prüft und bereinigt, sich erst einen Überblick verschafft und dann gezielt zerlegt, kommt meist mit Pivot-Tabellen, SUMMEWENNS und einem Vergleich von Mittelwert und Median aus.

Das Beispiel zeigt, wie viel dieses Vorgehen ausmacht: Aus „der Umsatz bricht ein“ wird „zwei Großaufträge fehlen, das Kerngeschäft ist stabil“. Das ist eine völlig andere Grundlage für Entscheidungen. Halte am Ende immer fest, was die Zahlen bedeuten und was daraus folgt. Eine Analyse ohne Schlussfolgerung bleibt Zahlenarbeit.