Google Sheets mit Data Studio verbinden: Dashboards aus den Tabellen, die Sie schon nutzen

Warum gehen Berichte von Google Sheets in Data Studio so oft kaputt?

Weil die meisten Tabellen für Menschen gestaltet sind, nicht für ein Reporting-Tool. Verbundene Überschriften, Zwischensummenzeilen, eine neue Spalte für jeden Monat, Notizen in Zahlenspalten und Farben mit Bedeutung sehen für einen Menschen gut aus und verwirren Data Studio.

Die Symptome sind bekannt: ein Messwert, der plötzlich als Text gelesen wird, ein Diagramm, das doppelt zählt, weil Zwischensummen mitgerechnet werden, oder ein ganzer Bericht, der ausfällt, weil jemand eine Spaltenüberschrift umbenannt hat. Data Studio liest Spalten als Felder, daher bricht jede Änderung an einer Überschrift alle Diagramme und berechneten Felder, die sie nutzen.

Wie sollte ich eine Google-Tabelle für ein Data-Studio-Dashboard aufbauen?

Führen Sie ein Rohdatenblatt, das lang und schmal ist, und übernehmen Sie die Darstellung in Data Studio. Jede Zeile ist ein Datensatz, etwa eine Transaktion, eine Police oder eine Bestellposition. Jede Spalte ist ein Attribut mit einem Datentyp.

Meist teile ich eine Reporting-Arbeitsmappe in drei Arten von Blättern: Rohdaten, die per Automatisierung geladen werden, kleine Nachschlagetabellen, die Menschen pflegen, und ein gesperrtes Ausgabeblatt, das Data Studio liest. Menschen bearbeiten nur die Nachschlagetabellen, so bleibt die Ausgabe stabil.

• Eine Kopfzeile mit kurzen, stabilen Namen, die sich nie ändern.
• Ein Datensatz pro Zeile, ohne Zwischensummen oder leere Abstandszeilen.
• Monate als Werte in einer Datumsspalte, nicht als eigene Spalten.
• Echte Datums- und Zahlenwerte, nie als Text gespeicherte Zahlen.
• Eine ID-Spalte, damit Zeilen zuverlässig mit anderen Quellen verknüpft werden können.
• Zielwerte und Zuordnungen in separaten Nachschlageblättern.

Wie hält Apps Script ein Google-Sheets-Dashboard aktuell?

Apps Script führt Code in Google Workspace über einen Zeittrigger aus und kann so das Kopieren und Bereinigen übernehmen, das sonst jede Woche jemand erledigt. Typische Aufgaben sind, neue Dateien aus einem Google-Drive-Ordner abzuholen, sie auszulesen, Spalten auf ein Standardlayout abzubilden, Geschäftsregeln anzuwenden und das Ergebnis an das Rohdatenblatt anzuhängen.

Hier entsteht der größte Teil der Zeitersparnis. Das Dashboard selbst ist oft schnell gebaut. Die Stunden fließen in das monatliche Ritual aus Herunterladen, Einfügen, Korrigieren und Prüfen, und genau das nimmt ein zeitgesteuertes Skript ab. Ich ergänze ein einfaches Protokollblatt, damit Sie sehen, wann jede Datei geladen wurde und ob etwas fehlgeschlagen ist.

Das Skript setzt auch die Regeln durch, die eine müde Person am Monatsende überspringt: doppelte Dateien ablehnen, Zeilen mit fehlenden IDs markieren und anhalten, wenn eine Quelldatei in einem unerwarteten Layout ankommt, statt stillschweigend fehlerhafte Daten zu laden.

Was kann die Automatisierung von Sheets nach Data Studio bewirken? Ein Beispiel aus der Versicherung

Ein australischer Versicherungsmakler, mit dem ich über Greenwolf Tech Labs gearbeitet habe, erhielt unordentliche .xls-Dateien von mehreren Versicherern, jede in ihrem eigenen Format. Jemand verbrachte in jedem Berichtszyklus Stunden damit, sie von Hand umzuformen.

Wir bauten eine Pipeline, in der die Dateien in Google Drive landen, in eine zentrale Google-Tabelle überführt werden, Geschäftsregeln durchlaufen und ein Data-Studio-Dashboard speisen. Die Berichtszeit sank von 4-5 Stunden auf unter 5 Minuten, die Genauigkeit des Reportings stieg von etwa 75 % auf 99 %, und der Überblick über die Versicherer wurde von begrenzt zu Echtzeit, mit Filtern.

Welche Data-Studio-Funktionen funktionieren gut mit Sheets-Daten?

Sheets ist eine Quelle mit flexiblem Schema, daher kann eine Tabelle bis zu 100 Dimensionen und 100 Messwerte nutzen, weit mehr, als GA4 oder Google Ads erlauben. Berechnete Felder und CASE-Anweisungen funktionieren wie gewohnt, und Datenverknüpfungen können eine Tabelle mit GA4, Google Ads oder einer anderen Tabelle verbinden, bis zu fünf Quellen, ausschließlich mit Gleichheitsverknüpfungen.

Ein häufiges Muster ist eine kleine Zielwerttabelle, verknüpft mit Live-Daten, sodass eine Kurzübersicht Ist gegen Ziel zeigt. Prognosetabellen funktionieren genauso, und so entstehen oft Ansichten für Ist gegen Prognose. Seit Juni 2026 können Betrachter Daten manuell aktualisieren, was hilft, wenn eine Tabelle kurz vor einem Meeting aktualisiert wurde.

Wann sollte ein Google-Sheets-Dashboard zu BigQuery wechseln?

Wechseln Sie, wenn die Tabelle langsam öffnet, wenn Data Studio Fehler wegen zu vieler Zeilen meldet oder in Zeitüberschreitungen läuft, oder wenn Sie mehr Quellen verknüpfen müssen, als eine Datenverknüpfung erlaubt. Ein weiteres Zeichen: Mehrere Berichte brauchen dieselben bereinigten Daten, und Sie pflegen Kopien derselben Tabelle.

Der Wechsel muss nicht auf einmal geschehen. Oft lasse ich die von Menschen gepflegten Nachschlagetabellen in Sheets und verschiebe die umfangreichen Rohdaten per geplantem Ladevorgang nach BigQuery. Das Dashboard behält sein Layout, nur die Datenquellen darunter ändern sich.