Diese Person ist der Grund, warum Sie vermutlich kein Data-Engineering-Team einstellen müssen. Sie braucht nur ein besseres Werkzeug. Es heißt dbt, und dieser Artikel erklärt es ohne einen einzigen Fachbegriff mehr als nötig.
Das Problem, das dbt löst
Rohdaten aus ERP oder CRM sind nie direkt auswertbar. Bevor eine Zahl in einem Bericht landen darf, muss jemand Duplikate entfernen, Formate angleichen, Tabellen verknüpfen, Kennzahlen berechnen. Diese Arbeit passiert heute in den meisten Unternehmen in einer Kette aus Exporten, Excel-Formeln und Kopierschritten — jeden Monat von Hand, und nur eine Person versteht die Kette komplett.
dbt (die Abkürzung steht für „data build tool") verlagert genau diese Arbeit an einen Ort: in die zentrale Datenbank, als nachvollziehbare, automatisch ausgeführte Schritte.
Was dbt konkret macht
Jeder Aufbereitungsschritt ist eine kleine SQL-Datei. SQL ist die Abfragesprache für Datenbanken — keine Programmiersprache im klassischen Sinn, eher eine sehr präzise Art, Anweisungen zu formulieren, die man in Excel längst denkt. „Nimm alle Aufträge, wirf die Duplikate raus, summiere den Umsatz pro Kunde und Monat" sieht in SQL ungefähr so aus:
select kunde_id, monat, sum(betrag) as umsatz
from auftraege
group by kunde_id, monatDas ist keine vereinfachte Darstellung. Das ist es wirklich.
Diese Dateien — dbt nennt sie „Models" — bauen aufeinander auf: Rohdaten werden zu bereinigten Tabellen, bereinigte Tabellen zu Kennzahlen. dbt kennt die Abhängigkeiten und führt jede Nacht alles in der richtigen Reihenfolge aus. Was früher der manuelle Monatsprozess war, läuft morgens um vier von allein.
Die zwei Funktionen, die Projekte retten
Das eigentlich Wertvolle an dbt sind aber zwei unscheinbare Nebenfunktionen.
Erstens: eingebaute Tests. Mit einer Zeile legen Sie fest, dass eine Kundennummer nie doppelt vorkommen darf oder ein Umsatz nie negativ. dbt prüft das bei jedem Lauf und schlägt Alarm, wenn ein Quellsystem plötzlich Unsinn liefert. Datenqualität wird damit vom Bauchgefühl zur definierten, automatisch überwachten Schwelle — und die Diskussion „stimmen die Zahlen?" bekommt endlich eine belastbare Antwort.
Zweitens: automatische Dokumentation. dbt erzeugt eine klickbare Landkarte, welche Tabelle aus welcher entsteht. Das klingt banal, ist aber der Unterschied zwischen einem Projekt, das am Wissen einer Person hängt, und einem, das jeder Nachfolger, jeder Freelancer, jedes Systemhaus binnen Tagen versteht. Wir haben Übergaben erlebt, die genau daran gescheitert wären.
Kann Ihre Excel-Person das wirklich lernen?
Ehrliche Antwort: die Grundlagen ja, und zwar schneller als gedacht. Wer sicher mit Formeln, Pivot-Tabellen und SVERWEIS arbeitet, lernt SQL-Grundlagen erfahrungsgemäß in zwei bis drei Wochen und die dbt-Basics in zwei weiteren. Was schwerer wiegt und Erfahrung braucht, ist die Datenmodellierung — die Entscheidung, wie die Tabellenwelt insgesamt aufgebaut wird. Unser übliches Muster: Das Modell wird einmal extern konzipiert, der laufende Betrieb und Ausbau liegt intern. Befähigung statt Abhängigkeit.
Core oder Cloud?
dbt gibt es in zwei Varianten: dbt Core ist Open Source und kostenlos, verlangt aber, dass jemand die Ausführung selbst organisiert. dbt Cloud kostet Geld und bringt Weboberfläche, Zeitsteuerung und Benachrichtigungen mit. Für Unternehmen ohne eigenes IT-Team ist die Cloud-Variante fast immer die richtige Wahl — der Aufpreis ist kleiner als die erste selbstverschuldete Betriebsstörung.
Wo dbt im Gesamtbild sitzt
Der Vollständigkeit halber die ganze Kette: Quellsysteme liefern Daten, ein Ladewerkzeug holt sie in die zentrale Datenbank, dbt macht daraus saubere, geprüfte Tabellen, und darauf sitzen Power BI und — wenn Sie so weit sind — Prognosemodelle. dbt ist das Mittelstück, und es ist der Teil, der über Wartbarkeit und Vertrauen entscheidet.
Ob dieser Aufbau für Sie der richtige ist, sagt Ihnen unser Daten-Readiness-Check in fünf Minuten. Und falls Sie schon wissen, wer bei Ihnen die Excel-Person ist: Nehmen Sie sie mit ins Erstgespräch. Es lohnt sich.