Ziel dieses Beitrags
Mit Power Query können Sie Ihre Datenqualität gezielt prüfen und Fehler frühzeitig erkennen. Wenn Sie mit Power Query arbeiten, konzentrieren Sie sich oft auf Transformationen – also auf das Bereinigen, Filtern und Zusammenführen von Daten. Doch bevor Sie Daten verändern, sollten Sie sie verstehen.
In diesem Beitrag lernen Sie:
- wie Sie die Datenqualität sofort sichtbar machen
- wie Sie Fehler, leere Werte und Ausreißer erkennen
- wie Sie die Spaltenverteilung analysieren (und was „Einmalig“ wirklich bedeutet)
- wie Sie blitzschnell Zeilenanzahl, Minimum und Maximum ermitteln – ohne die Abfrage zu verändern
- warum die Vorschau oft mehr zeigt, als Sie denken
- und wie Sie typische Datenprobleme frühzeitig vermeiden
Kurz gesagt: Sie lernen, wie Sie aus „rohen Daten“ verlässliche Entscheidungsgrundlagen machen.
1. Warum Datenverständnis der wichtigste Schritt ist
Viele Fehler in Auswertungen entstehen nicht bei der Analyse, sondern bereits vorher:
- falsche Datentypen
- unerwartete Nullwerte
- doppelte Einträge oder versteckte Leerzeichen (z. B. „Excel“ vs. „Excel „)
- fehlerhafte Werte (z. B. Text statt Zahl)
Genau hier setzt Power Query an. Mit wenigen Klicks erhalten Sie ein vollständiges Profil Ihrer Daten – direkt im Editor.
2. Die zentralen Werkzeuge im Überblick
Power Query bietet Ihnen mehrere mächtige Funktionen zur Datenanalyse, die Sie im Menü unter Ansicht → Datenvorschau finden:
2.1 Datenvorschau (Standard)
Das sehen Sie ohnehin immer: die ersten Zeilen Ihrer Daten und die grundlegende Struktur.
| ⚠️ Wichtig: Das ist standardmäßig nur ein Ausschnitt, nicht die gesamte Datenbasis! Mehr dazu in Abschnitt 3. |
2.2 Spaltenqualität
Zeigt Ihnen durch farbige Balken sofort an:
- Gültige Werte (Grün)
- Fehlerhafte Werte (Rot)
- Leere Werte (Grau)
Damit die Spaltenqualität im Editor angezeigt wird, muss in der Registerkarte Ansicht das Kontrollkästchen Spaltenqualität aktiviert sein.
2.3 Spaltenverteilung (Distribution)
Analysiert die Inhalte einer Spalte und zeigt zwei wichtige Kennzahlen:
- Eindeutig (Distinct): Die Gesamtzahl der unterschiedlichen Werte (unabhängig davon, wie oft sie vorkommen).
- Einmalig (Unique): Werte, die exakt nur ein einziges Mal in der Spalte vorkommen.
Ideal für: Das Aufspüren von Dubletten oder fast identischen Kategorien.
| 📊 Beispiel: Eindeutig vs. Einmalig Stellen Sie sich eine Spalte mit 5 Werten vor: Berlin, München, Berlin, Hamburg, München. Eindeutig (Distinct) = 3 → Berlin, München, Hamburg (jeder Wert wird nur einmal gezählt) Einmalig (Unique) = 1 → nur Hamburg (kommt wirklich nur einmal vor) Praxis-Tipp: Bei einer ID-Spalte sollten Eindeutig UND Einmalig immer der Gesamtzahl der Zeilen entsprechen. Weichen sie ab, haben Sie Dubletten! |
2.4 Spaltenprofil
Die „Königsdisziplin“ für tiefe Einblicke:
- Statistiken: Minimum, Maximum, Durchschnitt, Standardabweichung.
- Werteverteilung: Ein Histogramm der häufigsten Werte.
Klicken Sie in der Datenvorschau auf den Namen der gewünschten Spalte – erst dann erscheint das ausführliche Spaltenprofil. Das ist Gold wert bei Kategoriespalten mit vielen Ausprägungen. Die angezeigten Statistiken passen sich automatisch dem Datentyp an (bei Textspalten z. B. häufigste Werte und Längenverteilung). Besonders wichtig für numerische Analysen und Plausibilitätsprüfungen.
| 🔍 Zusatzhinweis zum Datentyp: Prüfen Sie im Spaltenprofil auch den angezeigten Datentyp (z. B. „Zahl“ oder „Text“). Eine Spalte mit „123“ als Text statt Zahl wird im Profil keine statistischen Kennzahlen wie Minimum/Maximum anzeigen – ein sofortiger Warnhinweis, dass hier etwas nicht stimmt. |
| 🛠️ Für Fortgeschrittene: null vs. „“ vs. error in Power Query M Power Query unterscheidet intern drei verschiedene Arten von fehlenden Werten: null → Fehlender Wert (leere Zelle). In der Spaltenqualität grau angezeigt. „“ → Leerer Text. Die Zelle hat einen Wert, er ist nur leer. Gilt als gültig (grün)! error → Fehler (z. B. Division durch null, falscher Datentyp). In der Spaltenqualität rot. Das bedeutet: Eine Spalte mit vielen leeren Textwerten sieht in der Spaltenqualität sauber aus – obwohl die Daten faktisch fehlen. Das Spaltenprofil hilft Ihnen, auch diesen Fall zu erkennen. |
Damit Sie das Spaltenprofil im Power Query Editor einsehen können, muss das Kontrollkästchen Spaltenprofil in der Registerkarte Ansicht aktiviert sein.
2.5 Festbreitenschriftart
Eine weniger bekannte, aber nützliche Option: Die Festbreitenschriftart-Ansicht sorgt dafür, dass jedes Zeichen gleich viel Platz einnimmt.
| 💡 Wann ist das nützlich? Immer dann, wenn Sie prüfen möchten, ob Werte in einer Spalte eine einheitliche Länge haben – zum Beispiel bei Artikelnummern, Postleitzahlen oder IDs. Unterschiedlich lange Einträge fallen in der Festbreitenschriftart-Ansicht sofort auf, weil die Zeichen nicht mehr optisch angeglichen werden. |
Damit die Festbreitenschriftart-Ansicht aktiv ist, müssen Sie in der Registerkarte Ansicht das Kontrollkästchen Festbreitenschriftart aktivieren.
3. Der entscheidende Profi-Schalter: Vorschau vs. gesamtes Dataset
Standardmäßig analysiert Power Query nur die ersten 1.000 Zeilen – und das hat weitreichende Konsequenzen: Nicht nur die Profiling-Statistiken, sondern auch die automatische Datentypenerkennung basiert auf diesen ersten 1.000 Zeilen. Liegt ein abweichender Wert erst in Zeile 1.500, wird der Datentyp möglicherweise falsch erkannt.
| ⚠️ Beispiel: Ein Fehler steckt erst in Zeile 5.000. Die Vorschau meldet „100% sauber“, doch beim Laden in Excel bricht die Abfrage ab. |
Die Lösung: Den Schalter in der Statusleiste finden
Schauen Sie ganz unten im Power Query Editor auf die graue Statusleiste. Dort sehen Sie links den Text:
| „Spaltenprofil basierend auf den ersten 1000 Zeilen“ Klicken Sie direkt auf diesen Text – er ist anklickbar! Es erscheint ein Menü, über das Sie auf: „Spaltenprofil basierend auf gesamtem Dataset“ umschalten können. |
Wenn Sie auf den Text unten links klicken, dann bekommen Sie
| ⚡ Performance-Tipp: Die Analyse des gesamten Datensatzes kann bei Millionen von Zeilen viel Zeit kosten. Aktivieren Sie diese Option zur Prüfung Ihrer Datenqualität und stellen Sie sie für die restlichen Transformationsschritte eventuell wieder zurück. Wichtige Einschränkung: Bei sehr großen Tabellen (z. B. >5 Millionen Zeilen) kann die Analyse des gesamten Datasets Power Query zum Absturz bringen. In solchen Fällen: Ziehen Sie eine repräsentative Stichprobe oder profilieren Sie erst nach dem Filtern. Nach dem Qualitätscheck können Sie die Profiling-Optionen wieder deaktivieren – das beschleunigt die weiteren Transformationsschritte spürbar. |
4. Praxisbeispiel: Fehler erkennen und beheben
Stellen Sie sich vor, Sie importieren Verkaufsdaten. Die Umsatz-Spalte scheint korrekt als „Zahl“ formatiert zu sein. Doch die Spaltenqualität zeigt plötzlich 5% Fehler.
Die Ursache: Oft sind es Texteingaben wie „n/a“ oder „–“ in einer Zahlenspalte.
Die Lösung:
Sobald Sie Fehler in einer Spalte entdeckt haben, können Sie auf diese direkt reagieren:
- Fehler ersetzen (z. B. durch 0)
- Fehler entfernen (falls die Zeile ungültig ist)
5. Ausreißer erkennen mit der Spaltenverteilung
Ein klassisches Beispiel aus dem Controlling:
- Produktpreise liegen meist zwischen 10 € und 100 €.
- Ein Tippfehler macht daraus 10.000 €.
In der bloßen Vorschau ist dieser Wert oft unsichtbar, da er irgendwo in Zeile 8.400 versteckt ist. Mit dem Spaltenprofil sehen Sie das Maximum von 10.000 € sofort und können die Ursache prüfen, bevor der falsche Wert Ihren Forecast verfälscht.
6. Schnelle Kennzahlen per Transformation ermitteln
Manchmal möchten Sie schnell eine einzige Zahl wissen – ohne auf das vollständige Profiling zu warten. Power Query bietet dafür eine clevere Möglichkeit über den Transformieren-Tab.
Zeilenanzahl ermitteln
Gehen Sie auf Transformieren → Zeilen zählen. Power Query zeigt Ihnen sofort die genaue Zeilenanzahl des gesamten Datensatzes an – komplett unabhängig von der 1.000-Zeilen-Grenze.
| ⚠️ Wichtig: Diese Transformation verändert Ihre Abfrage – sie reduziert das Ergebnis auf eine einzige Zahl! Nutzen Sie sie nur zur schnellen Orientierung und löschen Sie den entstandenen Schritt danach sofort wieder (X-Symbol im Bereich „Angewendete Schritte“). |
Minimum und Maximum einer Spalte ermitteln
Möchten Sie den größten oder kleinsten Wert einer bestimmten Spalte wissen? Wählen Sie zunächst die entsprechende Spalte aus und navigieren Sie dann zu Transformieren → Statistiken → Maximum (oder Minimum).
Power Query zeigt Ihnen das Ergebnis sofort an – berechnet auf dem gesamten Datensatz, nicht nur auf den ersten 1.000 Zeilen.
| 💡 Praxis-Tipp: Diese Methode ist besonders praktisch, wenn Sie nur einen einzelnen Wert schnell prüfen wollen, ohne das gesamte Profiling zu aktivieren. Denken Sie daran, den Schritt anschließend wieder zu entfernen – sonst liefert Ihre Abfrage beim nächsten Laden nur noch eine einzige Zahl statt der vollständigen Tabelle! |
7. Typische Fehler und wie Sie sie vermeiden
| Fehler | Lösung |
| Nur auf die ersten 1.000 Zeilen verlassen | Für den Qualitätscheck auf das gesamte Dataset umschalten (Statusleiste unten anklicken) |
| „Eindeutig“ und „Einmalig“ verwechseln | Bei IDs immer prüfen, ob „Eindeutig“ der Zeilenzahl entspricht (siehe Beispiel in Abschnitt 2.3) |
| Transformation ohne Prüfung starten | Erst die Qualität sichern, dann filtern oder rechnen |
| Leere Zellen und Null gleichsetzen | Power Query unterscheidet zwischen leeren Zellen (grau) und Null (gültiger Wert 0) – das Spaltenprofil zeigt den Unterschied |
| null, „“ und error gleichbehandeln | Alle drei bedeuten etwas anderes (siehe Abschnitt 2.4). Nur error erscheint rot, „“ gilt als gültig! |
| Kennzahlen-Transformation vergessen rückzugängig zu machen | Nach dem Einsatz von „Zeilen zählen“ oder „Statistiken“ immer den letzten Schritt sofort wieder löschen! |
8. Best Practice: Ihr Standard-Workflow
So arbeiten Profis künftig:
- Daten laden.
- Datenanalyse aktivieren (Qualität, Verteilung, Profil) unter Ansicht → Datenvorschau.
- Statusleiste prüfen: Auf den Text „erste 1000 Zeilen“ klicken → auf gesamtes Dataset umstellen.
- Schnell-Check: Zeilenanzahl via Transformieren → Zeilen zählen ermitteln, Schritt danach löschen.
- Auffälligkeiten prüfen: Ausreißer im Profil, Fehler in der Qualität.
- Bereinigen: Fehler beheben, Leerzeichen entfernen (Transformieren → Format → Kürzen).
- Transformation starten.
| 💡 Tipp: Die Profiling-Tools verändern Ihre Abfrage nicht – sie sind reine Diagnosewerkzeuge. Anders als Zeilen zählen oder Statistiken, die Ihren Abfragestatus tatsächlich ändern und immer rückgängig gemacht werden müssen. |
Fazit: Daten verstehen statt nur bearbeiten
Power Query ist weit mehr als ein Tool zum „Zusammenklicken“ von Tabellen. Es ist ein mächtiges Analysewerkzeug für Ihre Datenqualität. Wenn Sie die Funktionen konsequent nutzen, arbeiten Sie sauberer, schneller und vor allem fehlerfreier. Das ist es, was den Einsteiger vom Power Query Profi unterscheidet.
Weiterführende Links
Offizielle Microsoft-Dokumentation: Tools zur Datenprofilerstellung in Power Query
Navigation innerhalb der Power-Query-Serie
- ⬅️ Vorheriger Beitrag: 2.2 Power Query angewendete Schritte verstehen – Der Schlüssel zur fehlerfreien Datenaufbereitung
- ➡️ Nächster Beitrag: 2.4 Power Query Datentypen verstehen – Fehler vermeiden & richtig nutzen
- 🧭 Zur Übersicht: Power Query-Serie auf Excel-Meister.de
Austausch & Fragen
Wenn Sie Fragen haben oder sich fachlich austauschen möchten, schreiben Sie mir gerne auf LinkedIn.
Dort diskutiere ich regelmäßig über Excel, Power Query und Controlling-Themen.
Den Link zu meinem LinkedIn-Gruppe finden Sie hier: https://www.linkedin.com/groups/13079313