ETL (Extract, Transform, Load)

Was bedeutet ETL (Extract, Transform, Load)?

Der Begriff ETL beschreibt einen Ablauf, der ursprünglich aus dem Data-Warehousing stammt und heute überall dort gebraucht wird, wo Daten aus einem System in ein anderes überführt werden müssen. Die drei Buchstaben stehen für die drei aufeinanderfolgenden Phasen des Prozesses: Extract, Transform und Load. Jede Phase hat eine klar umrissene Aufgabe, und erst ihr Zusammenspiel macht aus Rohdaten einen nutzbaren Datenbestand.

Wichtig ist die Reihenfolge: Bei klassischem ETL werden die Daten erst umgewandelt und geprüft, bevor sie ins Zielsystem gelangen. Das Zielsystem – etwa ein ERP – bekommt also nur Daten, die bereits die vereinbarte Struktur und Qualität haben. Damit unterscheidet sich ETL von einem simplen Kopieren oder einem reinen Datenimport-Export: Zwischen dem Herausziehen aus der Quelle und dem Einspielen ins Ziel liegt eine bewusste Aufbereitungsstufe, in der Fehler korrigiert und Formate vereinheitlicht werden.

Die drei Phasen von ETL im Detail

Jede der drei Phasen erfüllt eine eigene Funktion. Zusammen bilden sie eine Kette, deren Ergebnis nur so gut ist wie ihr schwächstes Glied – und in der Praxis entscheidet vor allem die mittlere Phase über Erfolg oder Scheitern eines Migrations- oder Integrationsprojekts.

ETL im ERP-System: Migration und Datenaustausch

Der häufigste Berührungspunkt zwischen ETL und dem ERP ist die Datenmigration bei einer ERP-Einführung. Wer von einem Altsystem auf ein neues ERP wechselt, muss Stammdaten wie Artikel, Kunden, Lieferanten und Konten sowie ausgewählte Bewegungsdaten wie offene Posten und Bestände übernehmen. Selten passen die Datenmodelle beider Systeme eins zu eins zusammen, und oft sind die Altdaten über Jahre verschmutzt. Ein ETL-Prozess extrahiert die Altdaten, bereinigt und mappt sie auf die Struktur des neuen Systems und lädt sie kontrolliert – typischerweise mit vorherigen Testläufen in ein Testmandanten.

Neben der einmaligen Migration wird ETL auch für den laufenden Betrieb eingesetzt. So können nächtlich Bestell- und Umsatzdaten aus mehreren Kanälen zusammengeführt, Buchungsdaten für die Finanzbuchhaltung aufbereitet oder Kennzahlen für Reporting und BI verdichtet werden. In vielen mittelständischen Landschaften läuft ETL im Hintergrund als geplanter Batch-Job, der Daten in festen Zeitfenstern verarbeitet, statt sie sofort zu synchronisieren.

Abgrenzung: ETL, ELT, Middleware und iPaaS

ETL wird oft mit verwandten Konzepten verwechselt. Die wichtigste Abgrenzung betrifft ELT (Extract, Load, Transform): Hier werden die Rohdaten zuerst ins Zielsystem geladen und erst dort umgewandelt. ELT nutzt die Rechenleistung moderner Cloud-Datenbanken und eignet sich für sehr große Datenmengen, während klassisches ETL vor dem Laden bereinigt und damit ein „sauberes" Zielsystem sicherstellt. Für ERP-Migrationen im Mittelstand ist ETL meist der passendere Weg, weil das ERP keine fehlerhaften Rohdaten aufnehmen soll.

Davon zu unterscheiden ist die Middleware beziehungsweise ein iPaaS (Integration Platform as a Service). Diese verbinden Systeme in der Regel ereignisgesteuert und nahezu in Echtzeit über APIs – etwa wenn eine Bestellung im Shop sofort ins ERP wandert. ETL ist dagegen klassisch batch-orientiert und auf das gebündelte Verarbeiten großer Datenmengen ausgelegt. In der Praxis überschneiden sich die Grenzen: Viele iPaaS-Plattformen bieten ETL-Funktionen, und moderne Integrationsprojekte kombinieren Echtzeit-Schnittstellen für laufende Vorgänge mit ETL-Läufen für Massendaten und Auswertungen.

Warum ETL für Datenqualität entscheidend ist

Der eigentliche Wert von ETL liegt weniger im Transport der Daten als in ihrer Aufbereitung. Ohne die Transform-Phase würden Fehler, Dubletten und Formatbrüche ungefiltert ins Zielsystem gelangen – mit der Folge, dass ein neues ERP von Tag eins an mit schlechten Daten arbeitet. Ein durchdachter ETL-Prozess ist deshalb die Voraussetzung für einen sauberen Golden Record, für verlässliche Auswertungen und für reibungslose Prozesse vom Einkauf bis zur Buchhaltung.

Für DACH-Projekte kommt ein rechtlicher Aspekt hinzu: Werden im Zuge eines ETL-Prozesses personenbezogene Daten – etwa Kundenstämme – verarbeitet, gelten die Vorgaben der DSGVO zur Datensparsamkeit und Zweckbindung. Ebenso sind bei buchhaltungsrelevanten Daten die Anforderungen an Nachvollziehbarkeit und Unveränderbarkeit im Blick zu behalten, damit die Migration die GoBD-Konformität nicht gefährdet. Ein sauber dokumentierter ETL-Lauf mit protokollierten Regeln und Prüfschritten ist hier auch aus Compliance-Sicht wertvoll.