Ausgangslage
In vielen Teams entstehen wiederkehrende Excel-Aufgaben: Dateien werden manuell geöffnet, Daten bereinigt, Kennzahlen nachgetragen und Ergebnisse in neue Tabellen kopiert. Das kostet Zeit und erhöht das Risiko für Übertragungsfehler.
Ziel
Ziel dieses Beispiels ist es, einen typischen Excel-Prozess zu vereinfachen: Daten einlesen, strukturieren, berechnen und in einer nachvollziehbaren Form wieder ausgeben. Der Fokus liegt nicht auf „kompliziertem Code“, sondern auf einer klaren und praxistauglichen Lösung.
Typischer Ablauf vor der Automatisierung
- Excel-Datei öffnen und mehrere Tabellenblätter prüfen
- Leere oder fehlerhafte Werte manuell korrigieren
- Spalten umbenennen oder vereinheitlichen
- Summen, Durchschnittswerte oder Statusfelder berechnen
- Ergebnisse in eine neue Datei oder Übersicht übertragen
Beispielhafte Visualisierung
Die folgenden Abbildungen zeigen beispielhaft den Ausgangszustand, einen strukturierten Zwischenschritt und das bereinigte Ergebnis nach der Aufbereitung.
Die CSV-Datei liegt zunächst unstrukturiert vor und muss für die weitere Auswertung aufbereitet werden.
Die Daten werden in Excel geprüft, geordnet und für die weitere Verarbeitung vorbereitet.
Die Daten liegen in einer einheitlichen Struktur vor und können für Analyse, Berichte und Visualisierung genutzt werden.
Beispiel für eine Lösung mit Python
Mit Pandas lässt sich ein solcher Ablauf oft deutlich vereinfachen. Die Daten werden strukturiert eingelesen, geprüft und in wenigen Schritten ausgewertet.
import pandas as pd
# Excel-Datei einlesen
df = pd.read_excel("projektstatus.xlsx")
# Spalten vereinheitlichen
df.columns = [c.strip().lower() for c in df.columns]
# Fehlende Werte behandeln
df["status"] = df["status"].fillna("offen")
df["aufwand_stunden"] = pd.to_numeric(df["aufwand_stunden"], errors="coerce")
# Kennzahl berechnen
offene_tickets = (df["status"] == "offen").sum()
gesamtaufwand = df["aufwand_stunden"].sum()
# Ergebnis exportieren
summary = pd.DataFrame({
"Kennzahl": ["Offene Tickets", "Gesamtaufwand"],
"Wert": [offene_tickets, gesamtaufwand]
})
summary.to_excel("auswertung.xlsx", index=False)
Nutzen
- Weniger manuelle Eingriffe
- Bessere Nachvollziehbarkeit der einzelnen Schritte
- Weniger Fehler durch standardisierte Verarbeitung
- Schnellere Wiederholung bei regelmäßig anfallenden Aufgaben
Was dieses Beispiel zeigt
Dieses Beispiel zeigt nicht nur ein kleines Python-Skript, sondern vor allem eine Arbeitsweise: einen Prozess verstehen, unnötige Schritte erkennen und ihn so strukturieren, dass er für andere nachvollziehbar und wiederverwendbar wird.
Mein Lerngewinn
- Tabellenstrukturen schneller erfassen und vereinheitlichen
- Datenbereinigung systematischer angehen
- Fachliche Anforderungen besser in kleine Verarbeitungsschritte übersetzen
- Technische Ergebnisse verständlich dokumentieren
Mögliche Erweiterungen
- Visualisierung mit Diagrammen
- Automatische Berichte für mehrere Dateien
- Filter für Fachbereiche, Status oder Prioritäten
- Export in Excel und PDF für Projektübersichten