Was ist ETL / ELT?
ETL (Extract, Transform, Load) und ELT (Extract, Load, Transform) sind Prozesse, mit denen Daten aus Quellsystemen extrahiert, aufbereitet und in eine Zielplattform geladen werden. Beide bestehen aus denselben drei Schritten – Extrahieren, Transformieren und Laden; der Unterschied liegt allein in der Reihenfolge: Bei ETL werden die Daten vor dem Laden transformiert, bei ELT erst nach dem Laden in der Zielplattform.
Auch bekannt als: Extract Transform Load · Extract Load Transform · Datenintegration · Datenpipeline
Einordnung: Wofür wird ETL / ELT genutzt?
ETL- und ELT-Prozesse bringen Daten aus operativen Systemen wie ERP, CRM, Datenbanken, Excel oder APIs in eine zentrale Analyseplattform wie ein Data Warehouse oder Lakehouse. Dabei werden Daten extrahiert, bereinigt, harmonisiert und in eine analysefreundliche Struktur gebracht. Solche Prozesse laufen meist automatisiert und regelmäßig (etwa nächtlich oder kontinuierlich).
Beim klassischen ETL geschieht die Transformation auf einem separaten Verarbeitungsschritt, bevor die Daten geladen werden. Beim moderneren ELT werden Rohdaten zuerst geladen und dann mit der Rechenleistung der Zielplattform transformiert, was in Cloud-Lakehouses wie Azure Databricks oder Microsoft Fabric oft effizienter und flexibler ist.
Typische Anwendungsfälle
ETL- und ELT-Strecken werden überall dort gebraucht, wo Daten aus mehreren Systemen zusammengeführt und für Analysen aufbereitet werden.
- Tägliche oder kontinuierliche Beladung eines Data Warehouse oder Lakehouse
- Zusammenführen von ERP-, CRM-, Excel- und API-Daten in einer Plattform
- Bereinigung und Harmonisierung als Grundlage für verlässliches Reporting
- Aufbau der Schichten einer Medallion-Architektur (Bronze, Silver, Gold)
Abgrenzung & Bezug zu smiit
ETL/ELT ist der Prozess, der eine Datenplattform befüllt, nicht die Plattform selbst (Data Warehouse oder Lakehouse) und nicht die Modellierung (Inmon, Kimball, Data Vault). Power Query ist eine leichtgewichtige Form von ETL innerhalb von Power BI; für größere Mengen werden dedizierte ELT-Strecken bevorzugt. Die Medallion-Architektur ist eine verbreitete Art, ELT im Lakehouse zu strukturieren. In der Datenplattform der dy Project AG wurden Daten aus SQL Server, Excel und REST-APIs über ELT-Strecken auf Azure Databricks integriert. smiit baut ETL/ELT-Prozesse, die zuverlässig, nachvollziehbar und wartbar sind.
Häufige Fehler & Missverständnisse
- ETL und ELT unterscheiden sich nicht nur in der Reihenfolge der Buchstaben; bei ELT werden Rohdaten zuerst geladen und erst im Zielsystem transformiert, was Skalierung verändert.
- Viele glauben, ELT mache ETL überflüssig. Beide Ansätze haben je nach Datenmenge, Zielsystem und Governance-Anforderungen weiterhin ihre Berechtigung.
- Ein verbreiteter Irrtum ist, der eigentliche Aufwand liege im Laden. Tatsächlich steckt die meiste Komplexität in Transformation, Datenqualität und Fehlerbehandlung.
Häufige Fragen
Was ist der Unterschied zwischen ETL und ELT?
Bei ETL werden Daten vor dem Laden transformiert, bei ELT erst danach in der Zielplattform. ELT nutzt die Rechenleistung moderner Cloud-Plattformen und ist bei großen Datenmengen oft flexibler und effizienter.
Brauchen wir spezielle Tools für ETL / ELT?
Für kleine Fälle reicht oft Power Query in Power BI. Bei größeren Datenmengen kommen Plattformen wie Azure Databricks, Microsoft Fabric oder Azure Data Factory zum Einsatz, die smiit passend zur Datenlage auswählt.
Wie oft sollten ETL- / ELT-Strecken laufen?
Das hängt davon ab, wie aktuell die Auswertungen sein müssen. Übliche Muster sind eine nächtliche Beladung, mehrmals täglich oder eine nahezu kontinuierliche Verarbeitung; je höher die Frequenz, desto wichtiger werden zuverlässige Fehlerbehandlung und Überwachung.
Was passiert, wenn eine ETL- / ELT-Strecke fehlschlägt?
Gut gebaute Strecken protokollieren Fehler, können einzelne Schritte gezielt wiederholen und sollten so gestaltet sein, dass ein erneuter Lauf keine doppelten oder inkonsistenten Daten erzeugt (Idempotenz). Monitoring und Benachrichtigungen stellen sicher, dass Probleme früh auffallen.
Verwandte Begriffe
Quellen & weiterführende Links
Sie möchten dieses Thema in Ihrem Unternehmen umsetzen?
Aktualisiert am · Zurück zum Glossar