Sie suchen Anleitungen und Tipps zum produktiven Umgang mit den Microsoft-Tools? Lesen Sie hier, wie Sie Aufgaben effizienter erledigen, typische Probleme meistern und welche Neuerungen es gibt.
Nutzen Sie rechts die Schnellnavigation und das Suchfeld.
TIPP: Versäumen Sie nicht, den Blog zu abonnieren. Klicken Sie dazu rechts auf das RSS-Symbol.
Excel: Böse Falle bei Kontrollkästchen vermeiden
Die neuen Kontrollkästchen in Excel 365 sind perfekt, um Informationen visuell auf den Punkt zu bringen: Erledigtes einfach abhaken oder einen Status gut sichtbar mit einem Häkchen dokumentieren.
Doch Achtung, im gefilterten Modus kann es bei Kontrollkästchen zu unangenehmen Überraschungen kommen.
Die Ausgangsdaten, die per Datenschnitt nach Ort gefiltert werden
NEU in PowerPoint 365: Der Befehl »Bild hochskalieren«
Ärgerlich, wenn Logos oder Bilder nur in geringer Auflösung verfügbar sind. Denn sobald sie auf der Folie vergrößert werden, erscheinen unschöne Pixel und verschwommene Kanten. Damit ist jetzt Schluss!
- Denn Microsoft hat PowerPoint 365 eine beeindruckende KI-Funktion spendiert.
- Mit nur wenigen Klicks verwandelt sie kleine, pixelige Grafiken in hochauflösende Bilder mit erstaunlicher Schärfe.
- Selbst Logos und Illustrationen wirken anschließend so klar, dass sie an die Qualität von Vektorgrafiken heranreichen.
- Fazit: Das zeitaufwändige Suchen nach hochauflösenden Bildern wird wohl künftig in vielen Fällen entfallen.
WO der neue Befehl zu finden ist und WIE er funktioniert, beschreibt der folgende Beitrag.
Von niedrig aufgelöst zu gestochen scharf dank eines neuen PowerPoint-Befehls
Geht auch ohne Power Query: Neue und veränderte Zeilen in zwei Listen finden mit Hilfe einer smarten Formel
Wie mit Power Query neue und veränderte Zeilen zwischen zwei Datenbeständen ermittelt werden, habe ich im diesem Blogbeitrag vom 16.06.2026 gezeigt. Aber es geht auch OHNE Power Query! Und zwar mit einer Formel in Excel, welche die beiden Array-Funktionen EINDEUTIG und VSTAPELN kombiniert.
Mit Hilfe von zwei Array-Funktionen lassen sich unstimmige Zeilen einfach ermitteln
Power Query: Neue oder veränderte Datensätze zwischen zwei Listen identifizieren
Neue Kunden, neue Produkte oder neue Buchungen – doch welche Datensätze sind seit dem letzten Import tatsächlich hinzugekommen? Wer regelmäßig Listen vergleichen muss, kennt dieses Problem nur zu gut.
Bisher waren dafür oft SVERWEIS-Konstruktionen oder zusätzliche Hilfsspalten notwendig. Mit Power Query geht es jedoch wesentlich einfacher: Neue und veränderte Einträge lassen sich per Abfrage automatisch ermitteln – schnell, zuverlässig und ohne eine einzige Formel.
Per Abfrage neue und veränderte Buchungszeilen stets im Blick haben
In diesem Beitrag zeige ich dazu zwei Lösungswege, um neue bzw. veränderte Einträge automatisch per Abfrage zu ermitteln.
Power Query: Spaltenüberschriften verständlich statt kryptisch dank einer Matchingtabelle
Das erlebe ich oft: Listen sind gefühlt einen Meter breit und schrecken mit einer Vielzahl kryptischer Spaltenüberschriften ab. Wie bekomme ich diese in eine verständliche Sprache? Muss ich etwa jede Spalte einzeln manuell umbenennen? Die Antwort lautet NEIN.
Denn schneller geht das Umbenennen mit Hilfe einer Matchingtabelle in Kombination mit der M-Funktion Table.RenameColumns.
Die Matchingtabelle enthält lediglich zwei Spalten: OldHeader und NewHeader. Sie steuert, WELCHE Spalten WIE umbenannt werden sollen.
Das Ergebnis: Weniger Schritte, bessere Verständlichkeit und eine Lösung, die leicht zu warten ist. Wie das funktioniert, zeige ich in diesem Beitrag.
Kryptische Spaltenüberschriften werden mit Hilfe einer Matchingtabelle in verständliche Spaltenüberschriften umbenannt
Power Query: Spaltenwerte flexibel und effizient verändern
Soll in Power Query der Inhalt einer Spalte verändert werden, sind dafür auf der Registerkarte Transformieren verschiedene Befehle verfügbar. Allerdings gibt es dort keine Option, die unterschiedliche Werte einer vorhandenen Spalte durch einen bestimmten Wert oder durch nichts ersetzt. Viele behelfen sich dann, indem sie zuerst die gewünschten Werte in einer zusätzlich Hilfsspalte generieren und anschließend die Originalspalte löschen.
Doch solche Bereinigungsprozesse lassen sich mit Hilfe der Funktion Table.TransformColumns einfach erledigen – ohne jede Hilfsspalte.
Transformationen auf mehreren Spalten inklusive Typumwandlung sehr performant in nur einem Schritt durchführen
Szenario 1: Komplette Spalte leeren oder mit festem Text belegen, unabhängig von den bisherigen Werten
Angenommen, eine Liste enthält eine Spalte Status, deren Inhalte aus verschiedenen Vorsystemen stammen. Diese sind leider uneinheitlich gepflegt wie z. B. „offen“, „neu“, „in Bearbeitung“, „in Prüfung“ usw. und so nicht brauchbar. Die Spalte soll deshalb vollständig geleert oder mit „tbd.“ überschrieben werden, um den Status in einem späteren Verarbeitungsschritt neu zu belegen.
So geht’s …
Ich markiere die Spalte Status und wähle im Register Transformieren [1] einen typischen Transformationsschritt aus, beispielsweise unter Format [2] > Präfix hinzufügen [3]. Anschließend gebe ich beispielsweise den Präfix „X“ ein [4].
Ein Transformieren-Befehl wie Präfix hinzufügen erzeugt einen typischen Code mit der Funktion Table.TransformColumns
Auf diese Weise erhalte ich den nötigen M-Code zur Transformation der Spalte. In dieser Anweisung wird mit Hilfe des Wörtchens each für jede Zeile die danach folgende Anweisung ausgeführt. Mit dem Unterstrich _ wird auf den jeweiligen Wert zugegriffen und hier mit dem Buchstaben „X“ am Anfang verkettet.
Die Funktion Table.TransformColumns mit einer Anweisung zur Transformation der Spalte Status
Möchte ich die Spalte leeren oder mit einem bestimmten Text belegen, ersetze ich den Ausdruck „X“ & _ , der dem each folgt, mit dem Schlüsselwort null oder mit einem festen Text, beispielsweise „tbd.“ .
Jeder Wert in der Spalte Status wird mit null (also vollständig geleert) oder dem festen Text „tbd.“ belegt
Tipp: Um den Schritt nachvollziehen zu können, benenne ich den Schritt Präfix hinzugefügt rechts unter Angewendete Schritte beispielsweise um in Status bereinigt.
Szenario 2: Nur bestimmte Werte in der Spalte ändern
In diesem Fall sollen in der Spalte Status nicht alle Werte geändert werden, sondern nur bestimmte. Beispielsweise soll nur der Wert „neu“ in „tbd.“ geändert werden.
So gehe ich vor …
Wie in Szenario 1 benutze ich den erstellten M-Code und ersetze den Ausdruck „X“ & _ durch eine if-Anweisung: each if _ = „neu“ then „tbd.“ else _. Diese prüft, ob der aktuelle Wert (dargestellt durch Unterstrich _) gleich „neu“ ist und ersetzt in diesem Fall den Text durch „tbd.“. Andernfalls wird der aktuelle Wert (_) beibehalten.
Transformationsschritt wird mit einer if-Anweisung versehen, um nur bestimmte Werte zu ersetzen
Tipp: Diese Anweisung kann natürlich beliebig erweitert werden, beispielsweise durch Hinzufügen einer or-Anweisung: each if _ = „neu“ or _ = „offen“ then „tbd.“ else _
Szenario 3: Nicht korrekte Werte ersetzen
Die Spalte Datum wurde nicht immer korrekt gepflegt. An manchen Stellen befinden sich Texte in der Spalte. Bevor der Datentyp für diese Spalte geändert wird und dies zu Fehlern führen würde, wird sie mit einer Art wenn-Fehler-Funktion geprüft (try … otherwise).
Nicht korrekte Datumsangaben führen zu Fehlern bei der Umwandlung der Spalte in Datumsformat und sollen daher geleert werden
So gehe ich vor …
Wie in Szenario 1 benutze ich den erstellten M-Code. Diesmal ersetze ich den Spaltennamen von Status in Datum und den Ausdruck „X“ & _ durch each try Date.From(_) otherwise null. Mit Hilfe der try-Anweisung wird in diesem Fall geprüft, ob eine Umwandlung in ein Datum möglich ist. Falls nicht, wird der Eintrag geleert.
Zusätzlich kann mit der Transformationsanweisung auch gleich der passende Datentyp mitgegeben werden, in diesem Fall date.
Mit Hilfe der try-Anweisung wird eine Fehlerprüfung vorgenommen und fehlerhafte Daten werden mit der otherwise-Anweisung korrigiert
Szenario 4: Gleich mehrere Spalten in einem Schritt bereinigen
Sollen auf mehreren Spalten Transformationen vorgenommen werden, so ist auch dies in einem Schritt möglich. Die Funktion Table.TransformColumns erlaubt eine Liste mit Transformationsschritten, die jeweils in geschweiften Klammern und kommagetrennt gelistet werden. So können beispielsweise sowohl die Spalte Status als auch die Spalte Datum in einem Rutsch bereinigt werden.
Die Funktion Table.TransformColumns erlaubt eine Liste {..} von Transformationsschritten
Alle Szenarien lassen sich mit wenigen Handgriffen in einem Schritt mit Hilfe der Funktion Table.TransformColumns umsetzen. Dabei wird der bestehende Spalteninhalt gezielt ersetzt, ohne jegliche Hilfsspalte.
Zusatz-Tipp: Natürlich kann ich auch jederzeit einen benutzerdefinierten Schritt einfügen und mit folgendem Code jeden beliebigen Ersetzungsprozess ausführen.
Auch ohne einen Transformationsschritt über das Menüband auszuführen und abzuändern, lässt sich ein solcher Schritt über Klick auf das fx erstellen
Interessiert an weiteren Tipps zu Power Query?
Wer sein Wissen zu Power Query systematisch auf- und ausbauen will, kann dazu einen meiner Online-Kurse nutzen. Auf dieser Seite ist das aktuelle Angebot zu finden.
Power Query: Ausgeblendete Arbeitsblätter auslesen? So geht’s doch!
Kürzlich erhielt ich den Hilferuf einer Anwenderin, weil sie in Excel mit Power Query nicht auf die Daten in einer anderen Arbeitsmappe zugreifen konnte. Sie wurden im Navigator nicht angezeigt. Die Ursache war schnell gefunden: Die betreffende Tabelle mit den Rohdaten lag auf einem ausgeblendeten Arbeitsblatt.
Eigentlich war die Idee gut, das Blatt mit den Rohdaten auszublenden, damit sie nicht versehentlich geändert oder gelöscht werden. ABER: Standardmäßig zeigt Power Query beim Zugriff auf eine andere Arbeitsmappe ausgeblendete Blätter im Navigator-Fenster nicht an.
Muss jetzt das ausgeblendete Blatt erst eingeblendet werden, um es in Power Query auswerten zu können? Nein. Hier kommt eine Anleitung, mit der es trotzdem gelingt.
Nach dem Ausblenden wird das Blatt Rohdaten im Navigator von Power Query nicht angezeigt; auch auf die dort enthaltene Tabelle tbl_Umsatz kann nicht zugegriffen werden
Power Query: Falsche Datentypen? Drei Tipps, die das verhindern
Es sollte mal wieder schnell gehen und dabei bleib das Festlegen der Datentypen auf der Strecke. Doch spätestens beim nächsten Datenimport rächt sich das. Denn unsachgemäß eingestellte oder bei erneuten Importen nicht überprüfte Datentypen erhöhen das Risiko von Fehlern und Datenverfälschungen. Hier zwei typische Beispiele:
1) In der Abfrage wurden die Datentypen sauber definiert: der Spalte mit der Mengenangabe wurde Ganze Zahl zugewiesen. Beim Import der nächsten Monatsdaten enthält die Spalte mit den Mengenangaben plötzlich Werte mit Dezimalstellen. Die werden automatisch abgeschnitten, da Ganze Zahl eingestellt ist. Eine Verfälschung der Daten ist die Folge.
2) Für die Spalte Menge wurde Ganze Zahl festgelegt, aber beim nächsten Import stehen in der Spalte Menge solche Einträge wie 1 Kiste oder 1 Karton. Das hat Fehler zur Folge, die das Aktualisieren der Daten behindern.
Dies zeigt, dass die Kontrolle der Datentypen in zwei Schritten erfolgen muss: 1) beim Aufbau der Abfrage und 2) beim Import neuer Daten. WIE das geht, zeige ich in diesem Beitrag.
![Datentyp beim Erstellen der Analyse gezielt einstellen [1] und beim Update kontrollieren [2]](https://www.office-kompetenz.de/wp-content/uploads/2025/08/1_FalscheDatentypen.png)
Datentyp beim Erstellen der Analyse gezielt einstellen [1] und beim Update kontrollieren [2]
Power Query: Spalten entfernen ja, aber bitte richtig
Kürzlich hatte ich im Kurs eine spannende Diskussion zum Entfernen von Spalten. Die Frage war: Was tun, wenn sich nach dem Entfernen mehrerer Spalten herausstellt, dass es eine zu viel war? Den Abfrageschritt löschen? Oder lässt der sich nachträglich noch bearbeiten?
Meine Antwort: „Kommt drauf an“! Nämlich darauf, WIE die Spalten entfernt wurden. Das klingt vielleicht ein wenig rätselhaft, aber keine Sorge, ich erkläre es gleich.
Spalten entfernen, aber welche ist die beste Methode?
Power Query: Berechnungen für eine variable Anzahl von Spalten – so bleiben Abfragen flexibel!
Wer mit Daten arbeitet, stößt mitunter auf folgende Herausforderung: eine sich ändernde Anzahl von Spalten soll dynamisch verarbeitet werden. Beispielsweise kommen wöchentlich oder monatlich neue Spalten hinzu. Wie lässt sich da eine effiziente Abfrage finden, die ohne manuelle Anpassungen auskommt?
Power Query bietet auch dafür eine Lösung. In diesem Blogbeitrag zeige ich, wie sich Spalten gleichen Typs in Power Query automatisiert addieren lassen, und zwar unabhängig davon, wie viele Spalten es gerade sind.
Neu hinzukommende Kalenderwochen sollen automatisch in die Summe einbezogen werden
