CSV für Datenbanken, Shops und Schnittstellen vorbereiten

Eine CSV ist selten der Endpunkt. Meistens ist sie das Transportformat, mit dem Daten von einem System ins nächste wandern: aus Excel in eine Datenbank, in den Produktkatalog eines Onlineshops, in die Kontaktliste eines Newsletter-Tools oder in ein Analyse-Skript. Jedes dieser Zielsysteme stellt eigene Erwartungen an die Datei. Das eine besteht auf dem Komma als Trennzeichen, das andere kommt mit dem BOM nicht klar, ein drittes verschluckt führende Nullen. Wer diese Erwartungen vorab kennt und die CSV entsprechend vorbereitet, spart sich abgebrochene Importe und stundenlange Fehlersuche. Dieser Ratgeber führt Sie durch die wichtigsten Zielsysteme und zeigt, worauf es bei jedem ankommt.

Die fünf Stellschrauben jeder Import-CSV

Bevor wir zu den einzelnen Zielsystemen kommen, lohnt der Blick auf die fünf Eigenschaften, die über Erfolg oder Scheitern eines Imports entscheiden. Fast jeder fehlgeschlagene Import lässt sich auf eine davon zurückführen.

Das Trennzeichen bestimmt, wie der Importer die Spalten erkennt. Wählen Sie das falsche, landet die ganze Zeile in einer einzigen Spalte oder die Felder verrutschen. Die Zeichenkodierung entscheidet, ob Umlaute und Sonderzeichen ankommen oder zu Mojibake werden. Das BOM ist eine unsichtbare Markierung am Dateianfang, die manche Importer als Teil des ersten Spaltennamens lesen und dann an der Kopfzeile scheitern. Der Datentyp entscheidet, ob führende Nullen, lange Artikelnummern und Telefonnummern erhalten bleiben oder als Zahl verstümmelt werden. Und das Dezimal- und Datumsformat bestimmt, ob Preise und Termine korrekt interpretiert werden.

Diese fünf Punkte ziehen sich durch alle folgenden Abschnitte. Je nach Zielsystem verschieben sich nur die konkreten Vorgaben.

CSV in relationale Datenbanken importieren

Relationale Datenbanken sind die anspruchsvollsten Importziele, weil sie ein festes Schema erwarten. Jede Spalte hat einen definierten Datentyp, und ein Wert, der nicht dazu passt, lässt den Import abbrechen. Drei Systeme dominieren in der Praxis, jedes mit einem eigenen Importbefehl.

MySQL und MariaDB: LOAD DATA INFILE

MySQL liest CSV-Dateien mit dem Befehl LOAD DATA INFILE ein. Er ist deutlich schneller als ein zeilenweises INSERT und erwartet standardmäßig das Komma als Feldtrenner, doppelte Anführungszeichen als Quoting-Zeichen und einen Zeilenumbruch als Datensatztrenner. Eine vorhandene Kopfzeile überspringen Sie mit IGNORE 1 ROWS. Die Datei sollte UTF-8-kodiert und ohne BOM vorliegen, weil das BOM sonst am ersten Spaltennamen klebt.

LOAD DATA INFILE '/pfad/kunden.csv'
INTO TABLE kunden
CHARACTER SET utf8mb4
FIELDS TERMINATED BY ','
ENCLOSED BY '"'
LINES TERMINATED BY '\n'
IGNORE 1 ROWS;

Mit CHARACTER SET utf8mb4 stellen Sie sicher, dass Umlaute und auch Emojis korrekt übernommen werden. Exportiert Ihre Quelle mit Semikolon, ersetzen Sie das Komma in FIELDS TERMINATED BY entsprechend, oder Sie wandeln die Datei vorher auf Komma um.

PostgreSQL: COPY und \copy

PostgreSQL nutzt den Befehl COPY, der die CSV auf dem Datenbankserver liest, sowie die Variante \copy im Client psql, die lokal vom eigenen Rechner liest. Der CSV-Modus von COPY hält sich eng an RFC 4180 und erwartet ebenfalls das Komma als Trennzeichen. Mit HEADER true teilen Sie mit, dass die erste Zeile die Spaltennamen enthält, und mit ENCODING 'UTF8' legen Sie die Kodierung fest. PostgreSQL reagiert empfindlich auf ein BOM und wirft dann eine Fehlermeldung über eine unbekannte Spalte.

COPY kunden (id, name, email, plz)
FROM '/pfad/kunden.csv'
WITH (FORMAT csv, HEADER true, DELIMITER ',', ENCODING 'UTF8');

SQLite: der Befehl .import

SQLite bringt mit der Kommandozeile sqlite3 einen einfachen Import mit. Sie setzen den CSV-Modus mit .mode csv und laden die Datei dann mit .import in eine Tabelle. SQLite hat keine strenge Typprüfung, übernimmt führende Nullen also eher, behandelt aber alles als Text, wenn die Zielspalte das vorgibt. Auch hier gilt: UTF-8 ohne BOM, sonst landet die Markierung in der ersten Spalte.

.mode csv
.import --skip 1 kunden.csv kunden

CSV in Onlineshops importieren

Onlineshops verwenden CSV-Importe vor allem für zwei Aufgaben: das Anlegen oder Aktualisieren von Produkten und das Importieren von Kunden oder Bestellungen. Anders als bei Datenbanken erwartet jeder Shop eine festgelegte Spaltenstruktur mit bestimmten Spaltennamen. Die Kopfzeile ist hier nicht optional, sondern entscheidet, welches Feld wohin gehört.

Shopify stellt für den Produktimport eine Vorlagendatei bereit, deren Spaltennamen wie Handle, Title oder Variant Price exakt eingehalten werden müssen. Shopify erwartet das Komma als Trennzeichen, UTF-8 als Kodierung und den Punkt als Dezimaltrennzeichen in den Preisfeldern. Eine deutsche Excel-CSV mit Semikolon und Komma-Dezimalstellen muss vor dem Import umgestellt werden.

WooCommerce, das WordPress-Shopsystem, bringt einen eigenen Produktimporter mit, der CSV-Dateien mit Komma als Trennzeichen und UTF-8 erwartet. Beim Import ordnen Sie die Spalten Ihrer Datei den WooCommerce-Feldern zu, sodass die Spaltennamen flexibler sind als bei Shopify. Preise gehören auch hier mit Punkt geschrieben.

Shopware erlaubt beim Import die Wahl des Trennzeichens und kann daher mit Semikolon-CSV umgehen, was deutschen Anwendern entgegenkommt. Wichtig bleibt die saubere UTF-8-Kodierung und ein konsistentes Format für Preise und Zahlen. Bei allen drei Systemen gilt: Artikelnummern und EAN-Codes gehören als Text behandelt, damit führende Nullen und lange Ziffernfolgen nicht in wissenschaftliche Notation kippen.

CSV in CRM und Newsletter-Tools importieren

Kontaktlisten sind der klassische Fall für CRM- und Newsletter-Systeme. Mailchimp und HubSpot importieren Kontakte aus einer CSV, bei der die E-Mail-Adresse das zentrale Pflichtfeld ist. Beide erwarten in der Regel das Komma als Trennzeichen und UTF-8, damit Umlaute in Namen wie Müller oder Wößner erhalten bleiben.

Trennen Sie Vorname und Nachname in eigene Spalten, statt sie in einem Feld zu mischen, denn die Tools nutzen diese Felder für die Personalisierung von E-Mails. Telefonnummern gehören als Text behandelt, damit die führende Null oder das Pluszeichen der Ländervorwahl nicht verloren geht. Beim Import mappen Sie die Spalten Ihrer Datei auf die Zielfelder des Systems, etwa Ihre Spalte mail auf das Feld Email Address. Eine saubere, eindeutige Kopfzeile macht dieses Mapping deutlich einfacher.

CSV für Statistik und Data Science laden

In der Datenanalyse ist CSV das meistgenutzte Austauschformat. Python mit der Bibliothek pandas liest CSV über die Funktion read_csv, die zahlreiche Parameter für Trennzeichen, Kodierung und Datentypen bietet. Standardmäßig erwartet pandas das Komma, doch mit dem Parameter sep stellen Sie auf Semikolon um, was bei deutschen Exporten häufig nötig ist.

import pandas as pd

df = pd.read_csv(
    "kunden.csv",
    sep=";",
    encoding="utf-8",
    dtype={"plz": str, "artikelnr": str},
    parse_dates=["bestelldatum"],
)

Über dtype erzwingen Sie, dass PLZ und Artikelnummer als Text gelesen werden und ihre führenden Nullen behalten. Mit parse_dates wandelt pandas die genannten Spalten direkt in echte Datumswerte um, was am verlässlichsten funktioniert, wenn die Daten im ISO-Format JJJJ-MM-TT vorliegen. Hat Ihre Datei ein BOM, hilft encoding="utf-8-sig", das die Markierung beim Lesen automatisch entfernt. In R übernimmt die Funktion read.csv beziehungsweise readr::read_delim dieselbe Aufgabe, mit eigenen Parametern für Trennzeichen und Kodierung.

Zielsysteme und ihre CSV-Erwartungen im Überblick

Die folgende Tabelle fasst zusammen, welches Trennzeichen, welche BOM-Behandlung und welche Besonderheit die wichtigsten Zielsysteme erwarten. Sie dient als Schnellreferenz, bevor Sie eine CSV für den Import vorbereiten.

Checkliste: CSV sauber für den Import vorbereiten

Wer die folgenden Punkte vor jedem Import abhakt, vermeidet die häufigsten Fehlerquellen, vom verrutschten Spaltenraster bis zur verschluckten führenden Null:

• Trennzeichen passend wählen: Für Datenbanken und die meisten Shops das Komma, bei Shopware oder pandas auch das Semikolon, aber bewusst und einheitlich.
• UTF-8 verwenden: Die Datei als UTF-8 speichern, damit Umlaute und Sonderzeichen im Zielsystem ankommen.
• BOM entfernen: Für Datenbank-Importer das UTF-8-BOM am Dateianfang weglassen, sonst scheitert die Kopfzeile.
• Führende Nullen schützen: PLZ, Artikelnummern und Telefonnummern als Text behandeln, in der Datenbank als VARCHAR, in pandas über dtype als String.
• Dezimaltrennzeichen auf Punkt: Preise und Messwerte mit Punkt schreiben, nicht mit deutschem Komma.
• Datum nach ISO 8601: Termine als JJJJ-MM-TT schreiben, damit sie eindeutig und sortierbar sind.
• Kopfzeile prüfen: Eine eindeutige Kopfzeile mit den vom Zielsystem erwarteten Spaltennamen voranstellen.

Häufige Fragen

Quellen

• RFC 4180: Common Format and MIME Type for CSV Files, IETF
• LOAD DATA Statement, MySQL Reference Manual
• COPY: Copy data between a file and a table, PostgreSQL Documentation
• pandas.read_csv, pandas Documentation
• RFC 3629: UTF-8, a transformation format of ISO 10646, IETF

Verwandte Artikel