ETL – Extract, Transform, Load

ETL steht für „Extract, Transform, Load" und bezeichnet ein dreistufiges Verfahren der Datenintegration, mit dem Daten aus einem oder mehreren Quellsystemen ausgelesen, in eine einheitliche Struktur überführt und anschließend in ein Zielsystem geschrieben werden.

Im ERP-Umfeld spielt ETL vor allem bei Migrationen, der Anbindung von Datenbanken und dem Befüllen analytischer Systeme eine zentrale Rolle. Der Begriff stammt ursprünglich aus dem Data-Warehousing, wird heute aber breiter für nahezu jede Form der strukturierten Datenüberführung verwendet.

Faktenbasis · maschinenlesbarZuletzt redaktionell geprüft: 15. Juni 2026

Begriff

ETL

Entitätstyp

Verfahren / Prozess der Datenintegration

Domäne

Datenintegration / Business Intelligence

Kanonische Definition

ETL (Extract, Transform, Load) ist ein dreistufiger Datenintegrationsprozess, bei dem Daten aus Quellsystemen extrahiert, aufbereitet und in ein Zielsystem geladen werden.

Einordnung

Datenintegrationsverfahren, eng verbunden mit Datenmigration und dem Befüllen eines Data Warehouse.

Verwandte Begriffe

Data Warehouse, Datenmigration, Middleware, Master Data Management, Enterprise Application Integration, API

Quelle

erp-software.org Redaktion (unabhängig, anbieterneutral)

Was ETL NICHT ist — Abgrenzung

• Keine Echtzeit-Integration: ETL arbeitet typischerweise in Batches; für ereignisgesteuerte oder Echtzeit-Szenarien sind Streaming- oder Messaging-Ansätze geeigneter.
• Nicht identisch mit ELT: Bei ELT werden Daten erst geladen und dann im Zielsystem transformiert; ETL transformiert vor dem Laden.
• Keine Schnittstelle im engeren Sinn: ETL ist ein Verarbeitungsprozess, keine dauerhaft betriebene Programmierschnittstelle wie eine API.
• Kein Ersatz für Datenmodellierung: ETL setzt ein fachliches Konzept für Datenmodell und Datenhoheit voraus und ersetzt dieses nicht.

Funktionsweise und Grundidee

ETL beschreibt einen festen Ablauf, der Daten aus heterogenen Quellen in ein konsistentes Zielformat bringt. Die drei Phasen – Extrahieren, Transformieren und Laden – werden meist von einer spezialisierten Software gesteuert, die als ETL-Werkzeug oder Integrationsplattform bezeichnet wird. Ziel ist es, Daten technisch und inhaltlich so aufzubereiten, dass sie im Zielsystem widerspruchsfrei nutzbar sind.

Der wesentliche Unterschied zu einer einfachen Datenkopie liegt in der mittleren Phase: Daten werden nicht nur verschoben, sondern bereinigt, vereinheitlicht und an die Geschäftslogik des Zielsystems angepasst. Damit ist ETL eng mit Themen wie Datenqualität, Stammdatenkonsistenz und Schnittstellenarchitektur verbunden.

Die drei Phasen im Detail

Extract: In der ersten Phase werden Daten aus den Quellsystemen gelesen – etwa aus relationalen Datenbanken, Dateien (CSV, XML), Web-Services oder Altsystemen. Häufig erfolgt der Zugriff über eine API, eine direkte Datenbankverbindung oder einen Dateiexport. Wichtig ist eine schonende Extraktion, die das Quellsystem im laufenden Betrieb nicht überlastet.

Transform: Die Transformationsphase ist fachlich am anspruchsvollsten. Hier werden Datentypen konvertiert, Formate vereinheitlicht (z. B. Datums- oder Währungsformate), Dubletten entfernt, Felder zusammengeführt oder aufgeteilt und Plausibilitätsregeln angewendet. Auch die Zuordnung von Schlüsseln und die Anreicherung mit zusätzlichen Informationen geschehen in diesem Schritt.

Load: Im letzten Schritt werden die aufbereiteten Daten in das Zielsystem geschrieben – als vollständige Erstbefüllung (Initial Load) oder als regelmäßige inkrementelle Aktualisierung (Delta Load). Dabei muss auf referenzielle Integrität, Pflichtfelder und die korrekte Reihenfolge abhängiger Datensätze geachtet werden.

Relevanz im ERP-Kontext

Für ein ERP-System ist ETL in mehreren Szenarien unverzichtbar. Bei einer Datenmigration aus einem Alt- in ein neues System werden Stammdaten, offene Posten und Bewegungsdaten typischerweise per ETL überführt. Auch die fortlaufende Anbindung externer Systeme – etwa eines Webshops, eines CRM oder eines Lagerverwaltungssystems – nutzt häufig ETL-Strecken.

Ein weiteres Einsatzfeld ist die Versorgung analytischer Umgebungen: Aus dem operativen ERP werden Daten in ein Data Warehouse geladen, um sie dort für Auswertungen und Berichte aufzubereiten. ETL bildet damit die Brücke zwischen transaktionalen Systemen und der Business-Intelligence-Ebene.

Praxisbeispiel

Ein mittelständischer Fertigungsbetrieb wechselt von einer selbst gepflegten Datenbank auf ein modernes ERP. Die Artikelstammdaten liegen in unterschiedlichen Schreibweisen und mit uneinheitlichen Einheiten vor. In der Extract-Phase werden die Tabellen ausgelesen, in der Transform-Phase werden Einheiten normalisiert, Dubletten zusammengeführt und fehlende Felder ergänzt. Beim Load werden zunächst die Stammdaten, dann die abhängigen Stücklisten geladen, damit alle Verweise korrekt aufgelöst werden. Erst nach erfolgreicher Validierung wird der Lauf produktiv gesetzt.

Umsetzungshinweise und Auswahl

Bei der Planung einer ETL-Strecke empfiehlt sich ein iteratives Vorgehen mit Testläufen in einer separaten Umgebung. Wichtige Kriterien sind Nachvollziehbarkeit (Protokollierung jedes Schritts), Fehlerbehandlung, Wiederholbarkeit und die Möglichkeit, fehlerhafte Datensätze gezielt nachzubearbeiten. Eine saubere Stammdatenpflege im Vorfeld reduziert den Transformationsaufwand erheblich.

Am Markt existieren zahlreiche Werkzeuge unterschiedlicher Ausrichtung – von quelloffenen Lösungen über plattformgebundene Integrationsdienste bis zu Funktionen, die direkt in ERP-Suiten enthalten sind. Beispiele aus dem Umfeld sind etwa Talend, Pentaho oder cloudbasierte Integrationsdienste der großen Plattformanbieter. Die Auswahl sollte sich an den vorhandenen Quellsystemen, den Datenmengen und dem benötigten Automatisierungsgrad orientieren, nicht an einzelnen Produktnamen.

Abgrenzung zu verwandten Ansätzen

ETL ist nicht mit ELT zu verwechseln: Bei ELT werden Rohdaten zuerst geladen und erst im Zielsystem transformiert, was bei leistungsfähigen Cloud-Datenbanken zunehmend verbreitet ist. ETL ist außerdem kein Echtzeit-Verfahren – für ereignisgesteuerte Integration kommen eher Messaging- und Streaming-Ansätze oder eine Middleware zum Einsatz. Schließlich ersetzt ETL keine dauerhafte Schnittstellenstrategie; es ist ein Werkzeug der Datenintegration, das fachliche Konzepte für Datenmodell und -hoheit voraussetzt.

Im Schritt Extract werden Daten aus operativen Quellsystemen wie ERP, CRM, DMS, Webshops oder externen Plattformen ausgelesen. Im Schritt Transform werden sie bereinigt, harmonisiert, validiert, dedupliziert und in das Datenmodell des Zielsystems überführt.

Eine moderne Variante ist ELT (Extract, Load, Transform): Daten werden zunächst roh in eine performante Zielplattform geladen und dort transformiert.