Excel: Warum es selbst mit KI kaum zu ersetzen ist

Viele Teams öffnen täglich Excel‑Dateien, ohne groß darüber nachzudenken: Finanzmodelle, Projektpläne, Datenvorbereitung für BI‑Tools, Checklisten. Diese Gewohnheit ist kein Zufall, sondern Resultat einer Kombination aus einfacher Zugänglichkeit, mächtigen Funktionen und jahrzehntelanger Gewöhnung. Für Unternehmen ist das praktisch, aber auch riskant: Fehlende Kontrolle über kritische Tabellen kann zu Fehlern, Revisionsproblemen und Abhängigkeiten von Einzelpersonen führen.

Parallel haben Cloud‑Tools und KI‑Assistenten das Versprechen, viele dieser Aufgaben eleganter oder sicherer zu erledigen. In der Praxis stehen technische Möglichkeiten jedoch gegen organisatorische Realitäten: Modelle in Excel enthalten oft proprietäre Formeln, Makros oder undocumented business logic, die nicht einfach in ein neues System überführbar sind. Dieser Artikel zeigt sachlich, welche technischen Eigenschaften und organisatorischen Rahmenbedingungen Excel so widerstandsfähig machen und welche konkreten Schritte Firmen sinnvollerweise wählen sollten.

Auf den ersten Blick ist Excel nur ein Tabellenprogramm. Bei genauem Hinsehen ist es aber ein Baukasten für sehr verschiedene Aufgaben: kleine Datensammlungen, komplexe Finanzmodelle mit verschachtelten Formeln, automatisierte Reports per VBA‑Makro, Pivot‑Analysen und vorbereitete Daten für BI‑Sichten. Diese Vielseitigkeit macht Excel zur «Swiss Army Knife» vieler Anwender — ein Begriff hier kurz verwendet, um die Rolle als Allzweckwerkzeug zu beschreiben und nicht als Werbeformel.

Technisch gesprochen kombinieren viele Excel‑Artefakte drei Eigenschaften, die eine Migration erschweren: (1) proprietäre Logik (Makros, benutzerdefinierte Formeln), (2) enge Verknüpfung mit manuellen Workflows (Copy‑Paste, Assumptions in Zellen) und (3) fehlende Versions‑ und Testinfrastruktur. Diese Kombination erzeugt eine hohe „Wechselkosten“‑Schwelle: Die Überführung eines kritischen Modells in eine kontrollierte Plattform erfordert oft Detailarbeit, Tests und Benutzerakzeptanz, nicht nur eine Software‑Installation.

Viele Migrationen scheitern nicht an Technologie, sondern an fehlender Inventarisierung und Governance.

Berichte aus Forschung und Beratung zeigen, dass Firmen, die Excel ersetzen wollten, häufig an diesem Inventarisierungs‑ und Change‑Management‑Problem scheiterten. Studien und Konferenzbeiträge (EuSpRIG 2023/2024) dokumentieren zahlreiche Fälle, in denen fehlende Transparenz über kritische Tabellen den Plan einer Ablösung blockierte. Hinweis: Einige dieser Studien stammen aus 2023 und sind damit älter als zwei Jahre; ihre Erkenntnisse bleiben trotzdem praxisrelevant, weil sie strukturelle Probleme beschreiben.

Eine einfache Regel ergibt sich daraus: Technologie kann Ablösung ermöglichen, wenn begleitende organisatorische Maßnahmen bestehen. Ohne diese bleibt Excel oft die pragmatische Lösung — auch wenn Teile der Arbeit potenziell automatisierbar wären.

Wenn Zahlen helfen, die Diskussion zu fokussieren: Konkrete, vergleichbare Marktanteile von Excel gegenüber Cloud‑Alternativen sind öffentlich schwer zu greifen; Indikatoren wie Unternehmens‑Berichte oder Telemetrie‑Analysen (z. B. Microsoft‑ und Okta‑Daten) deuten jedoch auf eine fortgesetzte dominante Rolle von Excel in Finance und Controlling hin.

Eine kurze Tabelle kann die typischen Rollen zusammenfassen:

In der täglichen Praxis übernimmt Excel oft heterogene Funktionen: In der Finanzabteilung sind es umfangreiche Prognose‑ und Konsolidierungsmodelle; im Controlling entstehen adhoc‑Reports; in der Produktentwicklung dienen Tabellen zur Datenaggregation aus Testläufen; in kleinen Teams sind es Checklisten und Projektpläne. Diese Vielfalt erklärt, warum ein einziges Ersatzwerkzeug selten alle Bedürfnisse gleichzeitig erfüllt.

Ein zentrales Merkmal ist die Nutzerautonomie: Anwender können selbst Formeln schreiben, Daten transformieren und Ergebnisse visualisieren, ohne auf IT‑Projekte warten zu müssen. Diese niedrige Hürde erzeugt Geschwindigkeit, aber auch Verteilung: Tabellen duplizieren sich, es entstehen viele leicht unterschiedliche Varianten desselben Prozesses. Für IT‑Organisationen ergibt sich daraus ein doppeltes Problem — mangelnde Transparenz auf der einen Seite und hohe Abhängigkeit von Einzelpersonen auf der anderen.

Konkrete Beispiele: Ein Finanzanalyst baut ein komplexes Modell mit zahlreichen verschachtelten Formeln und Makros; dieses Modell steuert Entscheidungen über Investitionen. Ein anderes Team nutzt Google Sheets für kollaborative Sammlung von Vertriebs‑KPIs, weil Live‑Bearbeitung und automatische Versionierung dort praktischer sind. Beide Lösungen existieren parallel, oft innerhalb derselben Firma.

Analysen von Anbieter‑ und Telemetrie‑Daten (z. B. Okta, Microsoft) zeigen, dass viele Unternehmen hybride Umgebungen betreiben: Microsoft 365/Excel bleiben Kern‑Tools, während Google Workspace in kollaborativen Szenarien gewinnt. Diese Parallelität ist in vielen Fällen intentional — Firmen wählen „best‑fit“ statt „one‑size‑fits‑all”.

Für Entscheider ist wichtig: Die operative Priorität liegt selten in kompletter Ablösung, sondern in Kontrolle der kritischsten Modelle. Ein pragmatischer erster Schritt ist das Erfassen eines Inventars aller produktiven Spreadsheets und die Klassifikation nach Kritikalität.

Die Chance moderner Tools liegt klar in Governance, Nachvollziehbarkeit und Teamkollaboration: Versionierung, rollenbasierte Zugriffe, automatisierte Tests und Integrationen zu Datenquellen reduzieren viele Fehlerquellen. Künstliche Intelligenz kann zusätzlich Routineaufgaben beschleunigen, z. B. bei Datenaufbereitung oder beim Erkennen offensichtlicher Inkonsistenzen.

Gleichzeitig ist der Ersatz mit Risiken verbunden. Studien zu Spreadsheet‑Fehlern und EuSpRIG‑Proceedings zeigen, dass viele operative Schäden nicht nur technisch, sondern organisatorisch entstehen: Fehlende Dokumentation, unklare Verantwortlichkeiten und Key‑person‑Risiken. Werden Modelle ohne ausreichende Prüfung migriert, können Fehler in neuer Form fortbestehen oder sogar neue Risiken entstehen.

Ein weiteres Risiko sind «broken workflows»: Wenn Nutzer das Gefühl haben, in einem neuen Tool langsamer oder weniger flexibel zu sein, bleibt Excel als Schatten‑Prozess bestehen und die Organisation verliert die zentralisierte Kontrolle. Daher ist eine reine Technologiebereitstellung nicht ausreichend; Change‑Management, Training und realistische Übergangsphasen sind nötig.

Fazit für Entscheidungsträger: Eine sinnvolle Balance besteht in hybriden Architekturen, die Excel für ad‑hoc‑Arbeit erlauben, aber kritische Modelle in kontrollierte Plattformen überführen. Ergänzend sind automatisierte QA‑Tools, verpflichtende Peer‑Reviews und ein Spreadsheet‑Inventory effektive Maßnahmen zur Risikoreduktion.

Die nächsten Jahre werden weniger von einem einfachen Ersatz als vielmehr von der Etablierung robuster Prozesse geprägt sein. Drei Szenarien erscheinen plausibel:

Erstens, das Koexistenz‑Szenario: Excel bleibt verfügbar für Ad‑hoc‑Arbeit, zentrale, kritische Modelle laufen in kontrollierten Plattformen mit Audit‑Trail und Tests. Zweitens, das Migrations‑Szenario: Für klar abgegrenzte, regelmäßig genutzte Prozesse erfolgt schrittweise Portierung in spezialisierte Tools. Drittens, das Tool‑Augmentation‑Szenario: KI‑Assistenten werden in Excel integriert, um Prüfungen, Dokumentation und Refactoring zu unterstützen. Keines dieser Szenarien ist per se ausgeschlossen; die Wahl hängt von Größe, Regulierung und Risikoprofil ab.

Praktische Empfehlungen lassen sich daraus direkt ableiten: Beginne mit einem Spreadsheet‑Inventory, priorisiere Modelle nach finanzieller und regulatorischer Kritikalität, führe verpflichtende Peer‑Reviews für High‑risk‑Spreadsheets ein und ergänze automatisierte Tests. Beim Einsatz von KI gilt: KI als Unterstützung nutzen, aber Ergebnisse systematisch auditieren.

Technisch sind Tools wie Power‑Query, Power BI oder spezialisierte FP&A‑Plattformen hilfreich; sie ersetzen aber nicht automatisch die menschliche Verantwortung für Modellqualität. Governance, Skills und ein schrittweises Vorgehen bleiben wirkungsstärker als eine einmalige Softwareentscheidung.

Excel ist nicht nur ein Programm; es ist ein sozio‑technisches Ökosystem aus Werkzeugen, Gewohnheiten und Prozessen. Seine Stärke — Flexibilität und Verbreitung — ist zugleich der Grund, warum es sich schwer ersetzen lässt. Technologische Alternativen bieten echte Vorteile bei Governance und Kollaboration, doch ihr Erfolg hängt davon ab, ob Unternehmen begleitende organisatorische Maßnahmen umsetzen: Inventarisierung, Peer‑Reviews, automatisierte Tests und Schulungen. Wer diese Schritte ernst nimmt, kann die Vorteile moderner Plattformen nutzen, ohne operative Risiken zu vergrößern.