Geschichtsstunde: Was ist eine .csv-Datei? Warum Excel Ihre Daten beim Öffnen verändert

Was ist eine .csv-Datei?

Öffnen Sie eine CSV im Editor, und nichts ist verborgen: Zeilen aus Text, jede Zeile ein Datensatz, jedes Komma ein Spaltenwechsel. Ein Feld, das selbst ein Komma braucht, steht in doppelten Anführungszeichen, und ein Anführungszeichen innerhalb eines solchen Feldes wird doppelt geschrieben. Das ist das ganze Format. Es gibt keinen Kopfblock, keine Liste von Spaltentypen, keine Formeln und keine Formatierung – nur die Werte, so wie irgendein Programm sie geschrieben hat. Diese Schlichtheit ist der Grund, warum fast jede Datenbank, Tabellenkalkulation, Buchhaltungssoftware, Bank und Programmiersprache CSV lesen und schreiben kann und warum die meisten Datenexporte und -importe bis heute darauf zurückgreifen.

Warum bringt Excel meine CSV durcheinander?

Weil eine CSV nicht sagen kann, was ihre Werte sind, entscheidet Excel selbst. Microsofts eigene Dokumentation listet die automatischen Konvertierungen auf, die Excel standardmäßig beim Eingeben, Einfügen oder Laden von Text anwendet: Es entfernt führende Nullen und macht den Rest zur Zahl (aus 00123 wird 123 – so verlieren Postleitzahlen und Personalnummern ihre erste Ziffer); es behält bei langen Zahlen nur die ersten 15 Stellen und zeigt sie womöglich in wissenschaftlicher Schreibweise (die letzten Ziffern einer Karten- oder Kontonummer werden zu Nullen); es behandelt Ziffern rund um den Buchstaben E als Exponenten (aus 123E5 wird 1,23E+07); und es wandelt datumsähnlichen Text wie JAN1 in ein Datum um. Speichern Sie das Blatt danach wieder als CSV, werden die umgewandelten Werte geschrieben.

Die zweite Überraschung ist das Trennzeichen. Beim Speichern oder Öffnen einer CSV verwendet Excel das Listentrennzeichen aus den Windows-Regionseinstellungen. In weiten Teilen Kontinentaleuropas ist das Komma das Dezimaltrennzeichen (3,14), also ist das Listentrennzeichen ein Semikolon – und Microsofts Anleitung bestätigt den Zusammenhang: Wer das Dezimaltrennzeichen auf ein Komma setzt, „zwingt Excel, ein Semikolon als Listentrennzeichen zu verwenden“. Eine in Berlin gespeicherte Datei ist deshalb oft voller Semikolons, und eine kommagetrennte Datei aus einem US-System öffnet sich hier womöglich mit jeder Zeile in Spalte A. Die Textkodierung ist die dritte Falle: Laut Microsoft öffnet sich eine UTF-8-CSV nur dann normal, wenn sie mit Byte-Order-Mark (BOM) gespeichert wurde – ein paar unsichtbaren Bytes am Anfang, die die Kodierung ankündigen; ohne sie können Umlaute zu Zeichensalat werden, sofern Sie die Datei nicht importieren und UTF-8 wählen.

1972: Kommas statt Kartenspalten

Bevor CSV einen Namen hatte, hatte es einen Grund. Daten für Großrechnerprogramme der 1960er wurden typischerweise in feste Spalten von 80-spaltigen Lochkarten gestanzt, und ein FORTRAN-Programm brauchte eine FORMAT-Anweisung, die genau festlegte, welche Spalten welche Zahl enthielten; ein um eine Spalte verrutschter Wert wurde falsch gelesen. IBMs FORTRAN-IV-Programmprodukte für die Betriebssysteme OS und VM/370, beschrieben in einem allgemeinen Informationshandbuch vom Juli 1972, boten eine Alternative namens listengesteuerte Ein-/Ausgabe. Das Handbuch erklärt, Eingabewerte würden „durch Leerzeichen oder Kommas getrennt, wobei aufeinanderfolgende Kommas ausgelassene Werte anzeigen“, und die Sorge des Programmierers „um Datenanordnung und bestimmte Kartenspalten“ entfalle. IBM führte sie damals unter seinen Erweiterungen der Standardsprache.

Listengesteuerte Eingabe wurde mit FORTRAN 77, verabschiedet 1978, Teil der Standardsprache. Sie akzeptierte Kommas oder Leerzeichen als Trenner, also konnte ein Text ohne Anführungszeichen keines von beiden enthalten – genau das Problem, das die Anführungszeichen der CSV später lösen mussten. Ein Dateiformat war das alles noch nicht. Es war eine Möglichkeit, Menschen Zahlen hintereinander, durch Kommas getrennt, eintippen zu lassen und dem Computer zu überlassen, wo jede begann.

1983: Eine Tabellenkalkulation gibt den Dateien eine Endung

Die Tabellenkalkulationen der Mikrocomputer machten aus der Gewohnheit Dateien. Das Referenzhandbuch von 1983 für den Osborne Executive, einen tragbaren Bürocomputer, der mit Sorcims SuperCalc ausgeliefert wurde, beschreibt ein Konvertierungsprogramm, das „.CSV für Comma-Separated-Value-Dateien“ vergibt, und erläutert den Aufbau: Datenzeilen, jede mit Wagenrücklauf und Zeilenvorschub beendet, kommagetrennte Werte, Zeichenketten in doppelten Anführungszeichen – die Kommas enthalten dürfen – und ein Control-Z als Dateiende. Das Handbuch ergänzt, solche Daten könnten auch auf einem Großrechner erzeugt und auf den Schreibtischrechner heruntergeladen werden.

Dasselbe Handbuch benennt den Kompromiss, der das Format bis heute bestimmt. Formeln werden nicht in eine CSV-Datei übertragen; „nur die Werte, die zum Zeitpunkt der Konvertierung auf dem Bildschirm stehen“, werden gesendet. Wandeln Sie ein Blatt in CSV und zurück, sind die Formeln weg. CSV sollte nie eine Tabellenkalkulation ersetzen. Es war der kleinste gemeinsame Nenner, mit dem sich Tabellenkalkulation, Datenbank, BASIC-Programm und Großrechner auf Zeilen und Spalten einigen konnten.

Wie die Bytes funktionieren

Eine CSV besteht nur aus Zeichen. Jeder Datensatz ist eine Zeile, klassisch beendet mit Wagenrücklauf und Zeilenvorschub (CRLF, die beiden Steuerzeichen, mit denen DOS und Windows eine Zeile beenden), wobei manche Programme nur einen Zeilenvorschub schreiben. Felder werden durch Kommas getrennt. Ein Feld darf in doppelten Anführungszeichen stehen und muss es, wenn es ein Komma, ein Anführungszeichen oder einen Zeilenumbruch enthält; ein Anführungszeichen in einem solchen Feld wird verdoppelt (""). Die erste Zeile kann eine Kopfzeile mit Spaltennamen sein, aber nichts in der Datei sagt, ob sie es ist. Und nichts sagt, was die Werte bedeuten: 00123, 1-2 und MARCH1 sind nur Text, bis ein Programm etwas anderes beschließt.

Ebenso wenig verrät die Datei ihre Zeichenkodierung – die Zuordnung von Bytes zu Buchstaben. Ältere CSVs wurden oft in einer Ein-Byte-Codepage von Windows oder DOS passend zur Sprache des Rechners geschrieben; neuere sind meist UTF-8, die Unicode-Kodierung, auf der das Web läuft. Das lesende Programm muss raten – deshalb ist die BOM für Excel wichtig, und deshalb gehen Namen mit Akzenten, Umlauten oder asiatischen Schriften als Erstes kaputt, wenn eine CSV zwischen Systemen wandert.

2005: RFC 4180 schreibt die Regeln auf

Anfang der 2000er war CSV überall und nirgends spezifiziert. Im Oktober 2005 veröffentlichte die IETF (Internet Engineering Task Force, das Gremium, das Internetstandards erarbeitet) RFC 4180, „Common Format and MIME Type for Comma-Separated Values (CSV) Files“, verfasst von Yakov Shafranovich. Die Einleitung ist deutlich: „Überraschenderweise wurde dieses Format, obwohl es sehr verbreitet ist, nie formal dokumentiert.“ Das Memo beschreibt „das Format, dem die meisten Implementierungen offenbar folgen“ – CRLF-Zeilenumbrüche, eine optionale Kopfzeile, Kommas, Regeln für doppelte Anführungszeichen – und registriert text/csv bei der IANA, der Stelle, die die Liste der Medientypen führt, mit den optionalen Parametern charset und header. Es merkt sogar an, dass „einige Programme, etwa Microsoft Excel, überhaupt keine doppelten Anführungszeichen verwenden“.

RFC 4180 ist ein informativer RFC; er sagt selbst, dass er „keinerlei Internetstandard festlegt“. Spätere Arbeiten bauten darum herum, statt ihn zu ersetzen: 2014 definierte RFC 7111, wie eine Webadresse auf bestimmte Zeilen, Spalten oder Zellen einer text/csv-Datei zeigen kann, und eine W3C-Arbeitsgruppe namens CSV on the Web, die 2016 geschlossen wurde, veröffentlichte Empfehlungen, die Spalten einer CSV – einschließlich ihrer Typen – in einer separaten Metadatendatei zu beschreiben. Die CSV selbst trägt bis heute keine.

Wenn das Raten schiefgeht: Gene, Datumsangaben und verlorene Zeilen

Das am besten dokumentierte Opfer ist die Biologie. 2004 berichteten Barry Zeeberg und Kollegen in BMC Bioinformatics, dass Excels Standardkonvertierungen Gennamen veränderten: Der Tumorsuppressor DEC1 wurde zu „1-DEC“, und RIKEN-Klonkennungen wie 2310009E13 wurden zur Zahl 2,31E+13 – Konvertierungen, die sie als unumkehrbar bezeichneten. 2016 untersuchten Mark Ziemann, Yotam Eren und Assam El-Osta ergänzende Excel-Dateien aus 18 Fachzeitschriften der Jahre 2005 bis 2015 und fanden Fehler bei Gennamen in Dateien von 704 Artikeln – 19,6 % der Artikel mit Genlisten in Excel. 2020 veröffentlichte das HUGO Gene Nomenclature Committee (HGNC), das menschliche Gensymbole genehmigt, Richtlinien, die bestätigten, dass alle Symbole, die automatisch zu Datumsangaben wurden, im Lauf des Jahres 2019 geändert worden waren: SEPT1 heißt jetzt SEPTIN1, MARCH1 jetzt MARCHF1.

CSV stand auch am Anfang einer Panne im Gesundheitswesen. Zwischen dem 25. September und dem 2. Oktober 2020 fehlten 15.841 positive COVID-19-Fälle in England in den Tageszahlen. Public Health England (PHE) erklärte, einige Dateien hätten die maximale Dateigröße des Prozesses überschritten, der die Ergebnisse in zentrale Systeme lud. Die BBC berichtete, die Testfirmen hätten ihre Ergebnisse problemlos als CSV-Dateien geliefert; PHEs automatisierter Prozess habe sie aber in Excel-Vorlagen im alten XLS-Format übernommen, das nur rund 65.000 Zeilen fasst. Bei mehreren Zeilen pro Test war jede Vorlage bei etwa 1.400 Fällen voll, und der Rest fiel weg.

Microsoft änderte schließlich die Software statt der Standardwerte. Im Oktober 2023 kündigte das Excel-Team allgemein verfügbare Einstellungen zur automatischen Datenkonvertierung für Windows (Version 2309 oder neuer) und Mac (16.77 oder neuer) an – mit Kontrollkästchen für führende Nullen, die Kürzung auf 15 Stellen, den Buchstaben E und „fortlaufende Buchstaben und Zahlen“ als Datum sowie einer optionalen Warnung, wenn eine .csv- oder .txt-Datei gleich umgewandelt würde. Die Konvertierungen bleiben aktiv, solange Sie sie nicht abschalten.

Warum .csv-Dateien 2026 noch auf Festplatten liegen

CSV hat die Systeme überlebt, die es erzeugten, weil es der Notausgang war. Banken bieten Kontoauszüge als CSV an, alte Buchhaltungs- und Mitgliederprogramme exportieren ihre Datensätze so, Laborgeräte und Datenlogger schreiben es, und Jahrzehnte von Datenbankmigrationen liefen hindurch. Viele dieser Dateien sind heute Altdateien: Exporte aus Software, die nicht mehr läuft, in einer alten Codepage geschrieben, mit Semikolons oder Kommas je nachdem, wie der PC eingerichtet war, und voller Postleitzahlen, Teilenummern und Kennungen, die eine moderne Tabellenkalkulation beim ersten Doppelklick stillschweigend umdeutet.

Legacy File Converter führt kommagetrennte Werte (.csv) unter den Tabellenformaten auf seiner Seite Unterstützte Dateitypen und konvertiert sie auf Ihrem eigenen Windows-PC in XLSX, PDF, Markdown oder HTML – nichts wird hochgeladen, was zählt, wenn der Export Bank- oder Mitgliederdaten enthält. Prüfen Sie danach Spalten wie Postleitzahlen, lange Kennungen und Datumsangaben gegen die Originaldatei. Zu anderen frühen Wegen, Tabellendaten auszutauschen, siehe Geschichtsstunde: Was ist eine .dif-Datei? und Geschichtsstunde: Was ist eine .slk-Datei?; zur binären Arbeitsmappe aus der COVID-19-Geschichte siehe Geschichtsstunde: Was ist eine .xls-Datei?.