XLS in XLSX umwandeln

Ein Kontenblatt oder ein Journalexport, der aus einer älteren Buchhaltungssoftware oder einem DATEV-Vorsystem kommt, landet gelegentlich noch im binären XLS-Format der Neunzigerjahre — nicht, weil das jemand so gewollt hätte, sondern weil eine Schnittstelle seit Jahren unverändert läuft. Bricht so ein Export ausgerechnet bei Zeile 65.536 ab, ist das kein Zufall und kein Datenproblem, sondern eine feste Grenze aus einer Zeit, in der Arbeitsspeicher in Megabyte gemessen wurde.

Wer das während einer laufenden Betriebsprüfung bemerkt, hat wenig Zeit für Nachforschungen. Die Umwandlung nach XLSX löst genau dieses Problem: Sie stellt keine fehlenden Zeilen wieder her, denn die wurden beim Export nie geschrieben, aber sie entfernt die Wand, an der der nächste Export wieder anstoßen würde.

Die GoBD des Bundesministeriums der Finanzen verlangen für steuerlich relevante Unterlagen unter anderem, dass sie über die gesamte Aufbewahrungsfrist maschinell auswertbar bleiben und inhaltlich unverändert erhalten sind. Eine Datei, die an einer Formatgrenze abbricht, bevor sie überhaupt vollständig geschrieben wurde, erfüllt diese Anforderung von vornherein nicht — das Problem liegt dann am ursprünglichen Export, nicht an der Aufbewahrung.

Diese Umwandlung ändert an den enthaltenen Werten nichts; sie hebt lediglich die Zeilen-, Spalten- und Formatgrenzen der alten Datei auf, damit ein anschließender vollständiger Export nicht erneut an ihnen scheitert. Ob eine konkrete Unterlage den GoBD im Einzelfall genügt, ist eine Frage für die Steuerberatung, nicht für ein Umwandlungswerkzeug.

Das binäre Excel-Format erlaubt genau 65.536 Zeilen je Blatt. Niemand stößt darauf, indem er zählt. Man bemerkt es, wenn ein Datenbankexport, ein Buchungsjournal oder eine Kontenabfrage auf einmal kommentarlos aufhört, und die letzte Zeile eben nicht der letzte Datensatz ist.

Das ist eine gefährliche Art von Fehler, weil eine abgeschnittene Tabelle völlig normal aussieht. Summen stimmen dann nicht mehr, ohne dass irgendetwas darauf hinweist. Endet eine abzustimmende Datei exakt bei Zeile 65.536, ist das so lange als Formatgrenze zu behandeln, bis das Gegenteil geprüft ist — und der nächste Export sollte in ein Format gehen, das die Daten wirklich fasst.

Dieselbe Generation deckelte ein Blatt bei 256 Spalten, endend bei IV. Für ein Journal war das ausreichend, für die breiten Tabellen moderner Systeme ist es das nicht mehr: eine Umfrage mit einer Spalte je Frage, ein Monatsraster über mehrere Jahre, ein Analyseexport mit einem Feld je Merkmal.

XLSX erlaubt 16.384 Spalten, bis XFD. Eine Tabelle, die wirklich mehrere Hundert Spalten braucht, sagt oft mehr über ihre Struktur aus, als dass sie ein Formatproblem hätte — häufig ist sie besser lang als breit aufgebaut. Die Umwandlung nimmt aber zuerst die unmittelbare Hürde weg, und die Frage nach der Struktur lässt sich danach in Ruhe klären statt unter Zeitdruck.

Eine binäre Arbeitsmappe verträgt rund viertausend unterschiedliche Zellformat-Kombinationen — eine Kombination ist dabei jede eigene Mischung aus Schriftart, Größe, Rahmen, Füllung und Zahlenformat. Über Jahre spaltenweise angewendete, zwischen Blättern kopierte Formatierung sammelt sich davon still an, bis die Arbeitsmappe die nächste ablehnt.

Die Meldung wirkt oft unverständlich, weil die Mappe gar nicht besonders aufwendig formatiert aussieht — die Stile unterscheiden sich meist nur in einem einzigen Attribut. XLSX hebt die Grenze auf rund vierundsechzigtausend an, wodurch der Fehler verschwindet. Es lohnt sich trotzdem, ungenutzte Formatierung danach zu bereinigen, denn eine Mappe, die zufällig viertausend erreicht hat, erreicht auf demselben Weg auch vierundsechzigtausend.

Das alte Format kennt eine Palette von 56 Farben für die gesamte Arbeitsmappe. Alles außerhalb wird auf den nächstliegenden Eintrag festgelegt — weshalb ein sorgfältig gewählter Firmenton zu einer Annäherung an sich selbst wird und zwei verschiedene Grüntöne manchmal zum selben Grün verschmelzen.

Bedingte Formatierung war in derselben Generation auf drei Regeln je Bereich begrenzt, was aus einem einfachen Ampelschema schnell eine Verschachtelung von WENN-Funktionen in Hilfsspalten macht. Die Umwandlung hebt beide Grenzen gleichzeitig auf. Bereits abgeflachte Farben kommen dadurch nicht zurück, aber alles, was von jetzt an angewendet wird, verhält sich wieder normal.

Das ist der eine Verlust, der überrascht, und er liegt nicht an dieser Umwandlung: Eine .xlsx kann grundsätzlich keine Makros enthalten. Microsoft hat makrofähige Arbeitsmappen bewusst in die eigene Endung .xlsm ausgelagert, damit eine Datei mit der Endung .xlsx garantiert keinen ausführbaren Code trägt.

Für eine Unterlage, die an eine Behörde oder eine Wirtschaftsprüfung geht, ist das selten ein Nachteil. Eine Datei, die nachweislich keinen Code enthalten kann, ist die einfachere Übergabe. Steckt in der alten XLS-Datei tatsächlich Automatisierung, die noch gebraucht wird — eine Berechnung, ein Makro, das beim Öffnen läuft —, muss diese separat gesichert werden, denn diese Umwandlung liefert die Daten, nicht das Verhalten.

Das Rechenmodell hat sich zwischen den beiden Formatgenerationen nicht geändert, Formeln werden also als Formeln übertragen: Der Abhängigkeitsgraph bleibt erhalten, benannte Bereiche lösen weiterhin auf, Bezüge zwischen Blättern zeigen weiterhin dorthin, und eine Neuberechnung liefert dasselbe Ergebnis wie vorher.

Prüfenswert danach ist alles, was aus der Datei hinausgriff — ein Link auf eine andere Arbeitsmappe auf einem Laufwerksbuchstaben, den es nicht mehr gibt, eine Abfrage gegen eine Datenbank, für die niemand mehr Zugangsdaten hat. Diese Bezüge waren vorher schon kaputt; die Umwandlung macht nur sichtbar, was vorher verborgen blieb, und das ist der günstigere Zeitpunkt dafür.

Weil XLSX ein ZIP-Archiv aus XML-Teilen ist, wird der Inhalt beim Schreiben komprimiert, während das binäre Format seine Datensätze unkomprimiert ablegt. Arbeitsmappen, die überwiegend aus Zahlen und Formeln bestehen, fallen dadurch oft mehrfach kleiner aus.

Das ist mehr als eine Bequemlichkeit, wenn eine Prüfung nach den GDPdU-Grundsätzen einen Datenzugriff auf einem Datenträger verlangt und viele einzelne Exportdateien zusammenkommen. Eingebettete Bilder komprimieren nicht weiter, weil ein JPEG bereits komprimiert ist — eine Arbeitsmappe, die groß ist, weil jemand Screenshots hineinkopiert hat, wird davon also nicht kleiner.

Diese Umwandlung läuft über ein vollständiges Office-Programm, das die gesamte Arbeitsmappe öffnet und neu speichert, und deshalb wandern sämtliche Tabellenblätter mit, in ihrer ursprünglichen Reihenfolge und mit allen Formeln zwischen ihnen. Das ist ausdrücklich erwähnenswert, weil andere Tabellenumwandlungen auf dieser Seite — etwa von XLSX zu CSV oder JSON — eine leichtgewichtige Programmbibliothek verwenden, die bewusst nur das erste Blatt liest.

Wer also eine mehrblättrige XLS-Arbeitsmappe mit Rohdaten auf einem Blatt und einer Auswertung auf einem anderen hat, bekommt hier beide zurück, unverändert zueinander in Beziehung. Erst ein nachfolgender Export in ein reines Datenformat würde diese Grenze wieder einführen.

Eine binäre Tabelle aus den Neunzigern zu lesen, braucht ein vollständiges Office-Programm, deshalb läuft dieses Paar auf einem Server statt im eigenen Browser. Die Datei geht über eine verschlüsselte Verbindung in einen Container, der LibreOffice ohne Oberfläche ausführt und sonst nichts enthält; das steht hier so klar, statt es dem Zufall zu überlassen.

Der Container darf keine ausgehenden Verbindungen aufbauen. Jeder Auftrag bekommt ein eigenes Arbeitsverzeichnis und ein eigenes LibreOffice-Profil, und beides wird gelöscht, sobald der Auftrag endet, ob erfolgreich oder nicht. Alles, was nach sechzig Sekunden noch läuft, wird abgebrochen, weil eine beschädigte Binärdatei das Programm eher zum Hängen bringt als zu einer Fehlermeldung. Die kostenlose Grenze liegt bei 25 MB je Datei.

War die alte Datei bei 65.536 Zeilen abgeschnitten, lautet die ehrliche Frage nicht, welches Tabellenformat man nimmt, sondern ob eine Tabelle noch der richtige Ort ist. Eine Million Zeilen öffnet langsam, rechnet langsam und wird von Hand bearbeitet auf eigenes Risiko jedes Einzelnen.

In dieser Größenordnung ist ein spaltenorientiertes oder relationales Format das bessere Ziel: CSV für einen Import, Parquet für Auswertungen, SQL für das Laden in eine echte Tabelle. XLSX ist die richtige Wahl, wenn jemand weiter im Raster arbeitet; die Zeilenzahl ist das Signal, dass das nicht mehr der Fall sein sollte.