Power Query für Händler: Wawi-Exporte, Marktplatz-Reports und DATEV-Daten automatisch aufbereiten

Power Query ist die Datenaufbereitung, die in Excel und Power BI gleichermaßen steckt. Sie verbinden eine Quelle, etwa einen CSV-Export aus der Warenwirtschaft. Dann legen Sie die Bereinigung einmal Schritt für Schritt fest und wiederholen sie per Klick auf Aktualisieren. Die Quelldatei bleibt dabei unverändert. Für Händler ersetzt das die monatliche Kopierrunde, aber keine Datenbank.

Stand: 25. September 2026. Funktionen, Grenzen und Regeln zur Aktualisierung stammen aus Microsoft Learn. Die Exportformate stammen aus den Hilfen von JTL, Amazon, Shopify und DATEV. Alle Quellen haben wir an diesem Tag abgerufen. Microsoft passt Grenzwerte regelmäßig an; prüfen Sie Zahlen vor einer Entscheidung in der verlinkten Dokumentation.

1. Was Power Query ist — und was nicht

Microsoft beschreibt Power Query als Modul für die Umwandlung und Vorbereitung von Daten. Es hat zwei Teile: eine Oberfläche, mit der Sie Daten aus einer Quelle abrufen, und den Power Query-Editor, in dem Sie die Daten umformen. Laut Microsoft stehen dabei Hunderte Datenquellen und über 350 Arten von Transformationen zur Wahl — vom Löschen einer Spalte bis zum Verknüpfen zweier Tabellen.

Der große Unterschied zur normalen Tabelle: Power Query merkt sich den Weg, nicht das Ergebnis. Jeder Klick wird als Schritt gespeichert. Beim nächsten Aktualisieren läuft dieselbe Folge erneut über die neuen Daten. Die Quelldatei selbst ändert Power Query nicht.

Ebenso wichtig ist, was Power Query nicht ist. Es hat keinen eigenen Speicher. Das Ziel bestimmt laut Microsoft das Programm, in dem Power Query läuft: ein Excel-Blatt, ein Power BI-Modell oder ein Speicher in der Cloud. Das Prinzip dahinter heißt Extrahieren, Transformieren, Laden. Wie so eine Strecke als Ganzes aufgebaut ist, erklärt unser Beitrag zum ETL-Prozess; hier geht es um das Werkzeug selbst.

Für Händler heißt das: Die Arbeit verlagert sich. Statt jeden Monat Exporte zu öffnen, Spalten zu löschen und Zahlen zu reparieren, richten Sie diese Handgriffe einmal ein. Danach legen Sie die neue Datei ab und klicken auf Aktualisieren. Wie viel Zeit das spart, hängt an Ihren Quellen — eine Pauschalzahl nennen wir deshalb nicht.

2. Excel oder Power BI: eine Engine, zwei Arbeitsplätze

Power Query ist kein eigenes Programm, das Sie installieren. Es steckt in mehreren Produkten von Microsoft, und für den Handel sind Excel und Power BI die wichtigsten. In beiden arbeitet dieselbe Engine. Anders ist vor allem, wohin das Ergebnis geht und wer es später sieht.

Nicht jede Excel-Version kennt dieselben Connectors; Microsoft führt dazu eine eigene Liste. Power BI Desktop bietet Microsoft kostenlos zum Download an, es setzt aber Windows voraus. Auf dem Mac bleiben Ihnen Excel und der Power BI-Dienst im Browser.

Die Wahl folgt einer einfachen Regel. Solange Sie selbst auswerten, genügt Excel. Sobald mehrere Personen dieselbe Zahl sehen sollen oder die Aktualisierung ohne Ihren Rechner laufen muss, führt der Weg zu Power BI. Welches Berichtswerkzeug insgesamt passt, zeigt unser Beitrag BI-Tools im Vergleich.

Oft verwechselt wird Power Query mit Power Pivot. Die Aufgaben sind getrennt. Power Query holt und bereinigt die Daten. Das Datenmodell rechnet danach Kennzahlen mit der Formelsprache DAX, die Microsoft für Power BI und für Power Pivot in Excel beschreibt. Erst sauber aufbereiten, dann rechnen — in dieser Reihenfolge.

3. Eine Abfrage ist eine Schrittfolge — und M schreibt mit

Im Editor sehen Sie rechts die Liste „Angewendete Schritte". Jeder Eintrag ist ein Handgriff: Quelle öffnen, Spalte entfernen, Datentyp ändern. Im Hintergrund schreibt Power Query dazu automatisch Code in der Sprache M. Sie müssen ihn nicht lesen, um zu arbeiten. Er ist aber das, was beim Aktualisieren wirklich ausgeführt wird.

Die Übersicht verbindet die Klicks, die Sie für die drei Rezepte in diesem Beitrag brauchen, mit der M-Funktion dahinter. Das hilft, wenn Sie später im erweiterten Editor eine Kleinigkeit anpassen.

Zwei Eigenschaften von M sollten Sie kennen, bevor Sie Code anfassen. Erstens unterscheidet M laut Microsoft zwischen Groß- und Kleinschreibung — „h" ist nicht „H", und eine Spalte „Sku" ist nicht „SKU". Zweitens ist jede Abfrage ein let … in-Block: Oben stehen die benannten Schritte, unten der Schritt, dessen Ergebnis geladen wird. Jeder Schritt baut auf dem vorigen auf.

Den erweiterten Editor brauchen Sie selten. In unseren Projekten sind es meist einzelne Zeilen: eine Regel für das Vorzeichen, ein Filter auf Dateinamen, eine Spalte, die aus zwei anderen entsteht. Alles andere entsteht per Klick.

4. Drei Stellen, an denen Exporte kippen

Die meisten Fehler in Auswertungen entstehen nicht in der Formel, sondern beim Einlesen. Drei Einstellungen entscheiden, ob eine Exportdatei richtig ankommt. Sie tauchen in allen drei Rezepten wieder auf.

Zeichensatz: wenn aus „Größe" Zeichensalat wird

Power Query erkennt den Zeichensatz einer CSV-Datei laut Microsoft nicht selbst. UTF-8 erkennt es nur, wenn die Datei mit einer BOM beginnt, einer unsichtbaren Kennung am Dateianfang. Die Folge sehen Sie an den Umlauten. Abhilfe schafft das Feld „Dateiursprung" beim Import. Welcher Wert passt, sagt der Hersteller: Shopify exportiert nach eigener Aussage nur in UTF-8. Für das DATEV-Format nennt DATEV beim Import die Codepage 1252 als Standard. In JTL-Ameise legen Sie die Codierung in der Exportvorlage selbst fest.

Gebietsschema: Komma oder Punkt

Power Query Desktop liest Zahlen und Datumsangaben nach den Regionaleinstellungen Ihres Betriebssystems. Passt eine Datei nicht dazu, entstehen Fehler oder falsche Werte. Microsoft zeigt das an einem Datum: Ein britisches Tag/Monat/Jahr, gelesen als amerikanisches Monat/Tag/Jahr, scheitert am Monat 22. Die Lösung heißt „Typ ändern → Gebietsschema verwenden". Dort geben Sie je Spalte an, in welcher Konvention die Datei geschrieben ist.

Für die drei Quellen dieses Beitrags heißt das: Amazon schreibt Beträge in der Abrechnung laut eigener Dokumentation im lokalen Format, also 95,00 statt 95.00. Das DATEV-Format trennt Dezimalstellen mit Komma. JTL-Ameise setzt das Komma als Standard, lässt es aber umstellen.

Datentyp: wenn die EAN ihre Null verliert

Bei Dateien erkennt Power Query die Datentypen automatisch, standardmäßig anhand der ersten 200 Zeilen. Das ist bequem und bei Artikeldaten gefährlich. Eine EAN oder eine Artikelnummer mit führender Null wird als Zahl erkannt und verliert die Null. JTL warnt in der eigenen Anleitung ausdrücklich davor, dass Excel lange Zahlen wie EANs umrechnet.

Setzen Sie solche Spalten deshalb zuerst bewusst auf Text. Microsoft rät ohnehin, Datentypen bei Dateiquellen immer ausdrücklich festzulegen. Für Geldbeträge passt der Typ „Feste Dezimalzahl": Microsoft beschreibt ihn als immer präzise, mit vier Stellen nach dem Komma.

5. Rezept 1: JTL-Wawi-Export bereinigen

Die Lage kennen viele JTL-Händler. Einmal im Monat entsteht über JTL-Ameise ein Export von Artikel-, Kunden- oder Buchungsdaten. Danach wird er in Excel von Hand nachbearbeitet. Das Ziel dieses Rezepts: Der Export landet in einem festen Ordner, und die Auswertung liest jeden neuen Monat mit einem Klick ein.

1. Exportvorlage festlegen. Legen Sie in JTL-Ameise eine Vorlage an, die nur die Felder enthält, die Sie auswerten. Schalten Sie die Kopfzeile ein und notieren Sie Spaltenbegrenzer, Codierung und Dezimaltrenner — das Notieren empfiehlt JTL selbst. Diese drei Angaben brauchen Sie gleich in Power Query.
2. Immer derselbe Ordner. Speichern Sie jeden Export im selben Ordner, mit dem Datum im Dateinamen. Wer das automatisieren will, startet die Vorlage über die Kommandozeilen-Version von JTL-Ameise im Windows-Aufgabenplaner. Ob Ihre JTL-Edition das erlaubt, klären Sie vorher; die Schritte zeigt unser Beitrag zu JTL-Ameise und Aufgabenplaner.
3. Ordner verbinden. Wählen Sie in Excel „Daten abrufen" und den Ordner als Quelle. Filtern Sie die Liste auf die Endung .csv. Das ist nötig, weil die Ordnerabfrage laut Microsoft auch Unterordner einliest — eine vergessene Kopie landet sonst doppelt in der Summe.
4. Dateien kombinieren. Power Query nimmt die erste Datei als Muster und baut daraus eine Funktion, die für jede Datei im Ordner läuft. Stellen Sie im Dialog Dateiursprung und Trennzeichen passend zur Vorlage ein. Die Option „Dateien mit Fehlern überspringen" lassen Sie aus — sonst fehlt ein Monat, ohne dass Sie es merken.
5. Datentypen setzen. Artikelnummer und EAN auf Text, Preise auf „Feste Dezimalzahl" mit Gebietsschema Deutsch, Datumsfelder ebenfalls mit Gebietsschema. Die Spalte mit dem Dateinamen behalten Sie. Sie zeigt später, aus welchem Monat eine Zeile stammt.
6. Dubletten prüfen. Entfernen Sie doppelte Zeilen erst, wenn die Schreibweisen einheitlich sind. Power Query unterscheidet dabei Groß- und Kleinschreibung; „ab-100" und „AB-100" bleiben sonst zwei Artikel.
7. Laden und aktualisieren. Mit „Schließen & laden" landet das Ergebnis im Arbeitsblatt. Im nächsten Monat legen Sie die neue Datei in den Ordner und klicken auf Aktualisieren.

Es gibt auch den direkten Weg. JTL-Wawi läuft laut JTL-Guide auf Microsoft SQL Server, und für SQL Server hat Power Query einen eigenen Connector. Dort kann Power Query Filter an die Datenbank weitergeben, statt alles zu laden; Microsoft nennt das Abfragefaltung. Das ist schneller, aber es ist ein Zugriff auf Ihr laufendes System. Wir richten ihn deshalb mit eigenem Lesebenutzer ein und legen die Läufe außerhalb der Stoßzeiten. Wie eine Auswertung auf diesem Weg entsteht, zeigt der Beitrag zur ABC- und XYZ-Analyse im Lager.

6. Rezept 2: Amazon- und Shopify-Reports zusammenführen

Wer auf Amazon und im eigenen Shopify-Shop verkauft, will eine Frage beantwortet haben: Was kam je Kanal und Monat herein? Die beiden Exporte sehen dafür völlig verschieden aus. Und sie messen auch nicht dasselbe. Beides muss das Rezept auffangen.

Amazon stellt den Abrechnungsbericht im Format „Flat File V2 Settlement Report" als Datei mit Tabulatoren als Trennzeichen bereit. Die Berichte erstellt Amazon laut Entwicklerdokumentation automatisch; anfordern lassen sie sich nicht. Die Besonderheit: Alle Beträge stehen in nur drei Spalten — Art, Beschreibung und Betrag. Jede Gebühr ist also eine eigene Zeile, keine eigene Spalte.

Shopify exportiert Bestellungen als CSV mit Komma als Trennzeichen, in UTF-8. Hat eine Bestellung mehrere Positionen, steht jede weitere Position laut Shopify in einer eigenen Zeile, und viele Felder bleiben dort leer. Kleine Exporte laden Sie direkt herunter, größere schickt Shopify per E-Mail.

1. Zwei Ordner anlegen. Einen für die Amazon-Abrechnungen, einen für die Shopify-Exporte. Jede Quelle bekommt ihre eigene Abfrage. Gemischt wird erst am Schluss.
2. Amazon einlesen. Ordner verbinden, Dateien kombinieren, als Trennzeichen den Tabulator wählen. Die Spalte amount wandeln Sie mit Gebietsschema Deutsch in „Feste Dezimalzahl", posted-date in ein Datum — prüfen Sie das Format in der Vorschau. Eine neue Spalte „Kanal" mit dem Wert „Amazon" markiert die Herkunft.
3. Gebühren sichtbar machen. Gruppieren Sie nach Monat, amount-type und amount-description und summieren Sie amount. Wer lieber eine breite Tabelle liest, pivotiert danach die Beschreibung zu Spalten. So wird aus Hunderten Zeilen eine Übersicht, welche Art von Betrag wie viel ausmacht.
4. Shopify einlesen. Ordner verbinden, Komma als Trennzeichen, Dateiursprung UTF-8. Die Bestellnummer steht laut Shopify in der Spalte Name. Den Preis einer Position finden Sie in Lineitem price, die Menge in Lineitem quantity.
5. Doppelzählung vermeiden. Für Bestellsummen filtern Sie auf Zeilen, in denen Total gefüllt ist. Für Positionen rechnen Sie Preis mal Menge je Zeile. Brauchen Sie Kopfdaten auch auf den Positionszeilen, füllen Sie diese Spalten nach unten aus — aber summieren Sie Total danach nicht mehr. Sonst zählt jede Bestellung so oft, wie sie Positionen hat. Herunterfüllen ersetzt laut Microsoft nur Nullwerte; leere Texte wandeln Sie vorher in null um.
6. Gleiche Namen, dann anfügen. Benennen Sie die Spalten in beiden Abfragen gleich, etwa Kanal, Beleg, Datum, Art und Betrag. Dann fügen Sie beide Abfragen an. Power Query ordnet dabei nach Spaltennamen, nicht nach Reihenfolge. Fehlt eine Spalte in einer Quelle, bleibt sie dort leer.
7. Artikelstamm dazuholen. Über die SKU verknüpfen Sie das Ergebnis mit dem bereinigten Export aus Rezept 1. Amazon liefert sie in sku, Shopify in Lineitem SKU. Beide Schlüsselspalten brauchen denselben Datentyp, sonst liefert das Zusammenführen laut Microsoft womöglich falsche Treffer.

Jetzt der ehrliche Teil. Die Amazon-Abrechnung zeigt, was Amazon verrechnet hat, einschließlich Gebühren. Der Shopify-Export zeigt, was bestellt wurde. Beides in eine Spalte „Umsatz" zu schreiben, ergibt eine Zahl, die niemand erklären kann. Legen Sie vorher schriftlich fest, was Sie je Kanal als Umsatz zählen. Wie das geht, steht im Beitrag zum KPI-Dashboard für den Online-Handel — dort auch, warum Zeitzonen die Grenzen zwischen zwei Monaten verschieben.

7. Rezept 3: DATEV-Buchungsstapel auswerten

Die dritte Quelle liegt bei vielen Händlern ohnehin vor: der Buchungsstapel im DATEV-Format. Er entsteht zum Beispiel beim DATEV-Export aus JTL-Ameise, oder die Kanzlei exportiert ihn aus DATEV Rechnungswesen. Das Ziel: Erlöse und Kosten je Konto und Monat, schon bevor die Auswertung der Kanzlei kommt.

Das Format hat Eigenheiten, die DATEV in seiner Dokumentation für Entwickler genau beschreibt. Der Dateiname beginnt mit EXTF_. Zeile 1 enthält Metadaten, erst Zeile 2 die Spaltennamen. Die Felder trennt ein Semikolon, Dezimalzahlen stehen mit Komma. Der Betrag im Feld „Umsatz" ist immer positiv. Die Richtung steht in einer eigenen Spalte als S oder H und bezieht sich auf das Feld Konto. Und das Belegdatum trägt nur Tag und Monat, im Format TTMM — das Jahr ermittelt DATEV aus dem Kopf der Datei.

1. Datei öffnen. „Daten abrufen" aus Text/CSV, Trennzeichen Semikolon, Dateiursprung Codepage 1252. Stehen die Umlaute danach richtig, passt der Zeichensatz.
2. Kopfzeile abtrennen. Hat Power Query die erste Zeile schon automatisch zur Überschrift gemacht, löschen Sie diesen Schritt. Dann entfernen Sie die erste Zeile und verwenden die neue erste Zeile als Überschriften. Jetzt heißen die Spalten wie bei DATEV, etwa „Umsatz (ohne Soll/Haben-Kz)" und „Soll/Haben-Kennzeichen".
3. Belegdatum als Text sichern. Setzen Sie „Belegdatum" auf Text, bevor Power Query es als Zahl liest. Sonst wird aus dem 1. Mai, geschrieben 0105, die Zahl 105 — und kein Datum mehr.
4. Betrag mit Vorzeichen. „Umsatz" als Feste Dezimalzahl mit Gebietsschema Deutsch. Dann eine benutzerdefinierte Spalte „Betrag" mit dieser Regel: if [#"Soll/Haben-Kennzeichen"] = "H" then -[#"Umsatz (ohne Soll/Haben-Kz)"] else [#"Umsatz (ohne Soll/Haben-Kz)"]. Weil M Groß- und Kleinschreibung unterscheidet, muss das H groß stehen.
5. Datum bauen. Das Jahr steht laut DATEV in Feld 13 des Kopfs, dem Beginn des Wirtschaftsjahres. Entspricht Ihr Wirtschaftsjahr dem Kalenderjahr, setzen Sie das Datum aus diesem Jahr und den vier Ziffern zusammen. Weicht es ab, klären Sie die Zuordnung mit Ihrer Kanzlei, bevor Sie Monate vergleichen.
6. Verdichten. Gruppieren Sie nach Konto und Monat und summieren Sie „Betrag". Für lesbare Kontonamen verknüpfen Sie eine Kontenliste; DATEV sieht dafür ein eigenes Format zur Beschriftung der Sachkonten vor.

JTL weist in seiner Anleitung darauf hin, dass der DATEV-Export aus JTL-Ameise nicht alle Spalten des Formats füllt. Für diese Auswertung reicht er trotzdem: Umsatz, Soll/Haben-Kennzeichen, Konto, Gegenkonto und Belegdatum stehen laut JTL-Feldliste darin. Wie die Übergabe an die Kanzlei insgesamt läuft, erklärt unser Beitrag zu DATEV Unternehmen online.

Hinweis: Diese Auswertung dient Ihrer internen Steuerung. Sie ersetzt weder Ihre Buchhaltung noch die Auswertungen Ihrer Kanzlei und ist keine Steuerberatung.

8. Aktualisieren: Excel, Power BI-Dienst und Gateway

Eine Abfrage ist nur so gut wie ihre Aktualisierung. Hier unterscheiden sich Excel und Power BI am stärksten. Microsoft nennt drei Wege: von Hand, per Zeitplan in Produkten wie Power BI oder per Programm über das Excel-Objektmodell.

Das Gateway ist eine kleine Windows-Anwendung, die nur ausgehende Verbindungen aufbaut; einen Port in Ihrer Firewall öffnen Sie dafür nicht. Microsoft rät, es auf einem Rechner zu installieren, der immer läuft, am besten per Kabel im Netz. Der persönliche Modus ist bequem, funktioniert aber nur mit Power BI und lässt sich nicht mit Kollegen teilen. Für ein Reporting im Team empfiehlt Microsoft das normale Gateway.

Vier Details aus der Dokumentation sorgen im Alltag für Überraschungen:

• Öffnet zwei Monate lang niemand einen Bericht, stoppt der Dienst den Zeitplan und schickt eine E-Mail.
• Scheitert die Aktualisierung mehrmals nacheinander, schaltet der Dienst den Zeitplan ebenfalls ab und meldet das per E-Mail.
• Ändert sich die Spaltenstruktur einer Quelle, passen Sie die Abfrage in Power BI Desktop an. Im Dienst schlägt die Aktualisierung dann fehl.
• Baut eine Abfrage ihren Dateipfad erst im Code zusammen, kann der Dienst sie meist nicht aktualisieren. Microsoft nennt das eine dynamische Datenquelle.

Ein Hinweis mit Datum: Modelle, die mit der früheren CSV-Importfunktion direkt im Power BI-Dienst angelegt wurden, werden laut Microsoft nach dem 31. Juli 2026 nicht mehr aktualisiert und nach dem 31. August 2026 nicht mehr geladen. Wer so ein Modell noch nutzt, sollte es neu aufbauen; Microsoft beschreibt den Umzug in einer eigenen Anleitung.

Zur Lizenz nur so viel: Mit der kostenlosen Lizenz erstellen Sie Berichte für sich selbst, teilen aber nichts mit anderen. Für Freigaben braucht es Pro, Premium Per User oder eine Kapazität. Was das kostet und ab wann welche Variante günstiger ist, rechnet unser Beitrag zu Fabric- und Power-BI-Lizenzen durch.

9. Wann Power Query nicht mehr reicht

Power Query ist stark in der Aufbereitung. Ein Datenlager ist es nicht. An vier Signalen erkennen Sie, dass Sie die Grenze erreichen.

• Sie brauchen Historie. Power Query speichert keine Daten, es liest sie bei jedem Lauf neu. Überschreibt jemand eine Exportdatei oder liefert eine Quelle nur die letzten Wochen, ist die Vergangenheit aus der Auswertung verschwunden. Wer Vorjahre vergleichen will, braucht einen Speicher, der Stände festhält.
• Die Aktualisierung wird zäh. Bei CSV- und Excel-Dateien kann Power Query laut Microsoft keine Arbeit an die Quelle abgeben; jeder Lauf liest jede Datei ganz. Mit jedem Monat im Ordner dauert es länger. Power BI kennt dafür die inkrementelle Aktualisierung, die nur neue Zeiträume lädt. Bei Dateien klappt das aber nur, wenn sie sich nach Datum filtern lassen.
• Mehrere Berichte brauchen dieselben Daten. Steckt dieselbe Abfrage in fünf Excel-Dateien, gibt es fünf Wahrheiten, sobald eine davon geändert wird. Ein Zwischenschritt sind Datenflüsse im Power BI-Dienst: Sie speichern das aufbereitete Ergebnis, das andere Berichte dann nutzen.
• Der Lauf stößt an die Zeitgrenze. In freigegebener Kapazität muss eine Aktualisierung laut Microsoft in weniger als zwei Stunden fertig sein. Mehr Kapazität ist eine Antwort darauf. Die andere ist, die Aufbereitung vor Power BI zu ziehen.

Die nächste Stufe ist eine Datenbank oder ein Data Warehouse. Es lädt die Daten in Stapeln, hält Stände fest und liefert Power BI nur noch das fertige Ergebnis. Wie so eine Strecke aufgebaut ist, beschreibt unser Beitrag ETL-Prozess erklärt. Hat eine Quelle keine brauchbare Exportfunktion, bauen wir die Anbindung im Rahmen unserer individuellen Datenintegration.

10. Fazit: einmal einrichten, jeden Monat aktualisieren

Power Query lohnt sich für Händler immer dann, wenn derselbe Export regelmäßig wiederkommt. Der Aufwand liegt am Anfang: Zeichensatz, Gebietsschema und Datentypen einmal sauber festlegen, die Rezepte an Ihre Dateien anpassen, die Ablage ordentlich halten. Danach wird aus der Monatsroutine ein Klick. Die Grenze ist ebenso klar: Historie, viele Quellen und viele Nutzer gehören in eine Datenbank.

Sie wollen Ihre Exporte aus JTL-Wawi, Amazon, Shopify oder DATEV so aufbereiten, dass Ihr Team sie selbst aktualisiert? Dann richten wir das mit Ihnen ein — im Rahmen unserer Beratung zu Business Intelligence und Power BI. Die Abfragen gehören danach Ihnen und sind dokumentiert.

11. Häufige Fragen zu Power Query

Was macht man mit Power Query?

Sie holen Daten aus Dateien, Datenbanken oder Onlinediensten, bereinigen sie und bringen sie in eine einheitliche Form. Jeder Schritt wird aufgezeichnet und beim nächsten Aktualisieren erneut ausgeführt. Händler nutzen das zum Beispiel, um monatliche Exporte aus Warenwirtschaft, Marktplatz und Buchhaltung ohne Kopierarbeit in eine gemeinsame Tabelle zu bringen.

Wo finde ich Power Query in Excel?

In Excel für Windows und für Mac im Menüband „Daten" unter „Daten abrufen". Dort wählen Sie den passenden Connector, etwa für eine Text- oder CSV-Datei oder einen ganzen Ordner. Nach der Arbeit im Power Query-Editor laden Sie das Ergebnis mit „Schließen & laden" ins Arbeitsblatt. Nicht jede Excel-Version kennt dabei alle Connectors.

Was kostet Power Query?

Power Query selbst kostet nichts extra. Es steckt in Excel und in Power BI Desktop, das Microsoft kostenlos zum Download anbietet. Geld kostet erst das Teilen: Wer Berichte im Power BI-Dienst mit Kollegen teilen will, braucht dafür eine kostenpflichtige Lizenz oder eine Kapazität. Die Beträge ändern sich, deshalb nennen wir sie hier nicht.

Was ist der Unterschied zwischen Power Query und Power Pivot?

Power Query bereitet Daten auf: Es holt Tabellen, bereinigt sie und verbindet sie miteinander. Power Pivot ist die Modellierung in Excel, in der Sie Kennzahlen mit der Formelsprache DAX berechnen. Die Reihenfolge ist fest. Erst liefert Power Query saubere Tabellen, dann rechnet das Modell mit ihnen weiter.

Wie verbinde ich Tabellen mit Power Query?

Es gibt zwei Wege. „Anfügen" stapelt Tabellen untereinander, etwa zwölf Monatsexporte; Power Query ordnet die Spalten dabei nach ihren Namen zu, nicht nach ihrer Position. „Zusammenführen" verknüpft Tabellen nebeneinander über eine Schlüsselspalte wie die Artikelnummer. Beide Schlüsselspalten brauchen denselben Datentyp, sonst stimmen die Treffer nicht.

Muss ich für Power Query programmieren können?

Nein. Die meisten Schritte klicken Sie im Editor zusammen, und Power Query schreibt den Code in der Sprache M automatisch mit. Den Code brauchen Sie erst für Sonderfälle, etwa eine Regel für das Vorzeichen eines Betrags. Wichtig ist dann: M unterscheidet Groß- und Kleinschreibung, „h" und „H" sind zwei verschiedene Werte.

Gibt es Power Query auch auf dem Mac?

Ja. Microsoft führt Excel für Mac in seiner Übersicht mit der Desktop-Variante von Power Query, allerdings unterstützt nicht jede Excel-Version dieselben Connectors. Power BI Desktop setzt laut Microsoft dagegen Windows voraus. Wer auf dem Mac arbeitet, nutzt deshalb Excel oder den Power BI-Dienst im Browser.

Aktualisiert sich Power Query automatisch?

Das hängt vom Programm ab. In Excel läuft die Aktualisierung in der Datei auf Ihrem Rechner — Sie stoßen sie an, oder ein Makro übernimmt das. Einen Zeitplan in der Cloud bietet der Power BI-Dienst: in freigegebener Kapazität bis zu acht Läufe am Tag. Für Daten im eigenen Netz braucht er ein Datengateway.

Quellen & offizielle Dokumentation

Alle Quellen wurden am 25. September 2026 abgerufen und inhaltlich gegengelesen. Externe Links öffnen in einem neuen Tab.

• Microsoft Learn: Was ist Power Query? — Aufgabe, fehlendes eigenes Speicherziel, über 350 Transformationsarten, Wege der Aktualisierung und die Übersicht, in welchen Produkten Power Query steckt.
• Microsoft Learn: Wo Daten abgerufen werden — „Daten abrufen" in Excel für Windows und Mac, Datenflüsse im Power BI-Dienst, Hinweis auf unterschiedliche Connectors je Excel-Version.
• Microsoft Learn: Schnelle Tour durch die M-Formelsprache — Aufbau mit let … in und der Hinweis auf Groß- und Kleinschreibung.
• Microsoft Learn: Text/CSV-Connector — Dateiursprung, Trennzeichen und Erkennung der Datentypen auf den ersten 200 Zeilen.
• Microsoft Learn: Datentypen in Power Query — Gebietsschema, „Typ ändern mit Gebietsschema" und der Typ „Feste Dezimalzahl".
• Microsoft Learn: Übersicht über das Kombinieren von Dateien — Beispieldatei, Funktionsabfrage und die Option, fehlerhafte Dateien zu überspringen.
• Microsoft Learn: Abfragen anfügen und Zusammenführungsabfragen — Zuordnung nach Spaltennamen und gleicher Datentyp der Schlüsselspalten.
• Microsoft Learn: Abfrageauswertung und Abfragefaltung — SQL Server kann Schritte übernehmen, CSV- und Excel-Dateien nicht.
• Microsoft Learn: Datenaktualisierung in Power BI — acht beziehungsweise 48 Läufe am Tag, Zeitgrenzen, Gateway, OneDrive-Abgleich, Pause bei Inaktivität und das Ende der früheren CSV-Importfunktion.
• Microsoft Learn: Was ist ein lokales Datengateway? und Installation — ausgehende Verbindungen, persönlicher Modus, Rechner ohne Standby.
• Microsoft Learn: Power BI Desktop herunterladen — kostenloser Download und Mindestanforderungen unter Windows.
• Microsoft Learn: Power BI-Dienstfeatures nach Lizenztyp — was die kostenlose Lizenz, Pro und Premium Per User erlauben.
• JTL-Guide: Aufbau der Export-Funktion und Artikeldaten exportieren — CSV-Einstellungen der Exportvorlage und der Hinweis zu langen Zahlen wie EANs in Excel.
• JTL-Guide: CMD-Line-Version von JTL-Ameise — Aufruf über Kommandozeile und Aufgabenplaner, abhängig von der Edition.
• JTL-Guide: Buchungsdaten für DATEV exportieren — Datei im DATEV-Standard-Format und die Liste der gefüllten Felder.
• JTL-Guide: FAQ zur Datenbank — JTL-Wawi arbeitet mit Microsoft SQL Server.
• Amazon Selling Partner API: Settlement Reports — Aufbau des Flat File V2 Settlement Report mit Tabulatoren, Betragsspalten und lokalem Zahlenformat.
• Shopify-Hilfe: Bestellungen exportieren — CSV in UTF-8, Positionen in eigenen Zeilen und die Bedeutung der Spalten.
• DATEV Developer Portal: DATEV-Format — Dateiaufbau, Zeichensatz, Buchungsstapel mit Umsatz, Soll/Haben-Kennzeichen und Belegdatum im Format TTMM.

Hinweis: Dieser Beitrag beschreibt allgemeine Funktionen und Dateiformate. Produktnamen, Grenzwerte und Lizenzumfänge ändern sich bei den Herstellern regelmäßig; maßgeblich ist die jeweils aktuelle Dokumentation. Stand der Recherche: 25. September 2026.