Inhaltsverzeichnis
Das Wichtigste vorab
Wie validiert man Power Query für einen GxP-Prozess?
Definieren Sie die beabsichtigte Datenverarbeitung einschließlich Quelle, Datentypen, Verknüpfungen und Ausgabe. Prüfen Sie kritische Transformationen mit unabhängig festgelegten Soll-Ergebnissen, Grenz- und Fehlerfällen. Sichern Sie Abfragestand, Berechtigungen, Aktualisierung und Fehlerbehandlung im Betrieb. Validiert wird der konkrete Prozess mit Power Query, nicht das Produkt pauschal.
Wann Power Query in den Validierungsumfang gehört
Power Query ist ein Werkzeug zum Einlesen und Transformieren von Daten, etwa in Excel oder Power BI. Relevant für die GxP-Bewertung ist seine Funktion im Prozess: Wird eine Chargenliste nur zur internen Planung verwendet oder entscheidet die Auswertung darüber, ob Ergebnisse vollständig vorliegen? Derselbe technische Import kann unterschiedliche Auswirkungen haben.
Dieser Leitfaden betrachtet eine Excel-Arbeitsmappe mit gespeicherten Abfragen. Bei Power BI, Dataflows oder anderen Ausführungsumgebungen ändern sich Bereitstellung, Zugangsdaten und Aktualisierungssteuerung. Übertragen Sie deshalb die Prüfidee, aber übernehmen Sie keine Excel-spezifische Testbeschreibung ungeprüft. Dokumentieren Sie Anwendung, Version, Datenquelle und verwendeten Connector.
Für GMP-relevante Anwendungen liefert Annex 11 den Rahmen für risikobasierte Validierung und Datenkontrollen. Die nachfolgenden Prüfschritte sind unsere methodische Ableitung. Weder eine bestimmte Zahl von Testfällen noch eine feste GAMP-Kategorie folgt allein aus dem Namen Power Query.
Die fachliche Regel vor der Abfrage beschreiben
Beginnen Sie mit einer verständlichen Verarbeitungsvorschrift. Beispiel: Jede eingelesene Messung besitzt eine eindeutige Messungs-ID und einen Chargenbezug. Nur gültige Messungen werden ausgewertet. Ein fehlender Grenzwert darf nicht dazu führen, dass die Messung unbemerkt verschwindet oder als bestanden gilt. Daraus lassen sich Soll-Ergebnisse ableiten, bevor jemand den Abfragecode betrachtet.
Erfassen Sie danach jeden relevanten Verarbeitungsschritt: Spaltenauswahl, Typumwandlung, Filter, Zusammenführung, Gruppierung, Berechnung und Laden der Ausgabe. Notieren Sie, welche Informationen absichtlich entfernt werden und warum. „Dubletten entfernen“ ist keine ausreichende fachliche Regel: Welche Felder definieren eine Dublette, und welche unterschiedlichen Aufzeichnungen könnten dabei verloren gehen?
Das technische M-Skript und die Liste angewendeter Schritte gehören zum kontrollierten Stand. Ein Screenshot der fertigen Tabelle zeigt das Ergebnis, aber nicht die tatsächlich verwendete Logik. Halten Sie außerdem fest, ob Zwischenergebnisse, Fehlerlisten und ausgeschlossene Datensätze für eine spätere Rekonstruktion benötigt werden.
Datentypen und Gebietsschema gezielt festlegen
Microsoft beschreibt Datentypen und Gebietsschema als Einflussgrößen der Umwandlung. Für unstrukturierte Quellen ist eine automatisch erkannte Spalte keine fachlich geprüfte Definition. Eine Chargennummer „00124“ muss beispielsweise als Kennung erhalten bleiben. Wird sie zur Zahl 124, kann eine spätere Verknüpfung eine andere Bedeutung bekommen.
Legen Sie für Datums- und Dezimalwerte das Quellformat fest. „04/05/2026“ ist ohne Formatvereinbarung mehrdeutig. Ein Import mit deutschem Gebietsschema kann andere Ergebnisse erzeugen als eine Ausführung mit amerikanischen Einstellungen. Prüfen Sie deshalb einen absichtlich mehrdeutigen Wert und einen eindeutig erkennbaren Kontrollwert wie „25/05/2026“ gemeinsam.
Unterscheiden Sie Nullwert, leere Zeichenfolge, Leerzeichen und den Zahlenwert null. Diese Zustände können fachlich etwas anderes bedeuten. Eine ersatzweise Null darf keinen fehlenden Messwert verdecken. Regeln Sie auch Einheiten und Rundung: Eine korrekt konvertierte Zahl ist noch kein fachlich korrektes Ergebnis, wenn Milligramm und Gramm vermischt werden.
Quellen: [2]
Arbeitsbeispiel mit unabhängigem Soll-Ergebnis
Das folgende Szenario ist konstruiert. Eine Abfrage verbindet Messungen mit einer Grenzwerttabelle. Vier Eingangszeilen enthalten die IDs M01 bis M04. M01 hat 9,8 mg bei einer Obergrenze von 10,0 mg. M02 hat 10,2 mg bei derselben Grenze. M03 besitzt keinen Messwert. Für M04 fehlt der Grenzwert. Die fachliche Regel verlangt vier nachvollziehbare Ergebniszeilen.
Das unabhängig festgelegte Soll lautet: M01 besteht, M02 besteht nicht, M03 wird als unvollständig zurückgestellt und M04 wird wegen fehlender Spezifikation zurückgestellt. Die Grenze wird einschließlich geprüft. Ein Inner Join kann M04 aus der Ausgabe entfernen. Eine unkritische Fehlerersetzung könnte M03 in einen scheinbar gültigen Wert verwandeln. Beides würde die fachliche Entscheidung verfälschen.
Erstellen Sie das Soll aus der vereinbarten Regel, beispielsweise in einer separat kontrollierten Handrechnung. Kopieren Sie dafür nicht die Ergebnisse derselben Abfrage. Vergleichen Sie IDs, Anzahl, Werte, Einheiten und Entscheidungsstatus. Eine identische Gesamtsumme allein erkennt weder vertauschte Chargen noch kompensierende Einzelabweichungen.
| Eingang | Soll-Ergebnis | Prüfziel |
|---|---|---|
| M01 · 9,8 mg · Grenze 10,0 mg | Bestanden; ID und Einheit erhalten | Normalfall |
| M02 · 10,2 mg · Grenze 10,0 mg | Nicht bestanden | Grenzwertentscheidung |
| M03 · Messwert fehlt | Unvollständig; keine Bestehensentscheidung | Nullwert nicht als null ersetzen |
| M04 · Grenzwert fehlt | Zurückgestellt; Zeile bleibt nachvollziehbar | Fehlende Zuordnung erkennen |
| Zusatz: M05 · exakt 10,0 mg | Bestanden nach der vereinbarten einschließlich-Regel | Grenze und Rundung |
Joins, Filter und Mehrfachtreffer prüfen
Bei einer Zusammenführung beeinflussen Verknüpfungsart, Schlüssel und Datentypen das Ergebnis. Prüfen Sie einen Datensatz ohne Gegenstück und einen Schlüssel mit zwei Treffern in der Referenztabelle. Eine solche Mehrfachzuordnung kann eine Messung vervielfachen. Das Ergebnis sieht dann vollständig aus, enthält aber mehr Aufzeichnungen als der Eingang.
Definieren Sie für jede Stufe eine nachvollziehbare Mengenbilanz. Im Beispiel werden vier Messungen eingelesen, vier eindeutige IDs ausgegeben und zwei Zeilen zur Klärung markiert. Werden Zeilen bewusst ausgeschlossen, muss die Bilanz diese Gruppe ausweisen. Ergänzen Sie einen Prüffall mit führenden Nullen, Leerzeichen und unterschiedlichen Schreibweisen des Schlüssels.
Bei Ordnerimporten gehört auch die Dateiauswahl zur Logik. Eine alte Exportdatei im selben Verzeichnis kann Daten doppelt liefern. Eine ausgeblendete Hilfsdatei oder ein neuer Spaltenname kann das Verhalten verändern. Prüfen Sie die tatsächliche Auswahlregel und die Reaktion auf eine zusätzliche Datei, nicht nur einen sauber vorbereiteten Musterordner.
Fehler und Aktualisierung sichtbar behandeln
Eine Fehlerbehandlung soll fachlich ungeklärte Daten erkennbar machen. Das pauschale Entfernen aller Fehlerzeilen kann aus einer unvollständigen Auswertung eine scheinbar korrekte Tabelle machen. Legen Sie fest, wann die gesamte Verarbeitung abgebrochen wird und wann ein Teilresultat mit klarer Einschränkung zulässig ist. Diese Entscheidung hängt von der späteren Verwendung ab.
Testen Sie einen fehlenden Quellzugriff, geänderte Spaltenüberschriften, einen nicht konvertierbaren Wert und einen abgebrochenen Aktualisierungsvorgang. Beobachten Sie auch die bisherige Ausgabe: Bleibt ein alter Tabellenstand sichtbar, darf er nicht als neu berechnetes Ergebnis verwendet werden. Ein frei editierbares Zeitfeld ist dafür kein belastbarer Nachweis.
Ein zweiter Aktualisierungslauf mit unveränderten Eingaben sollte das vereinbarte gleiche Ergebnis erzeugen. Bei bewusst veränderten Eingaben muss die Änderung an der richtigen Stelle sichtbar werden. Dokumentieren Sie, wie das Team Aktualisierungsstatus, Eingangsstand und aufgetretene Fehler vor der Nutzung kontrolliert.
| Störung | Vereinbarte Sollreaktion | Nachweis |
|---|---|---|
| Quelle nicht erreichbar | Keine ungeprüfte neue Freigabe auf Basis alter Daten | Status, Fehlermeldung, Umgang mit Vorwerten |
| Pflichtspalte umbenannt | Strukturabweichung wird erkannt | Eingangsversion und tatsächliche Reaktion |
| Referenzschlüssel doppelt | Keine unbemerkte Mehrfachausgabe | ID-Bilanz und Klärungsliste |
| Fehlerzeile im Import | Fehler bleibt fachlich zugeordnet | Zeilen-ID und Ursache |
| Aktualisierung unterbrochen | Unvollständiger Stand nicht als abgeschlossen nutzbar | Abbruch und Wiederanlauf |
Was zur Freigabe und zum laufenden Betrieb gehört
Das Nachweispaket verbindet Verwendungszweck, Abfragestand, Quellenvereinbarung, Risikoanalyse, Soll-Datensatz, Testergebnisse und Befunde. Bewahren Sie Testeingaben und tatsächliche Ausgaben so auf, dass ein anderer Prüfer die Aussage nachvollziehen kann. Dokumentieren Sie eingesetzte Zugangsdaten nur in geeigneten geschützten Verfahren; Passwörter gehören nicht in Testprotokolle.
Änderungen an Abfrage, Connector, Quellschema oder Referenzdaten benötigen eine Auswirkungsbewertung. Nicht jede Änderung erfordert dieselbe Testtiefe. Wird eine nicht verwendete Zusatzspalte eingeführt, ist das etwas anderes als ein neuer Schlüssel oder eine geänderte Rundungsregel. Begründen Sie den Wiederholungsumfang anhand der betroffenen Verarbeitungsschritte.
Benennen Sie einen Verantwortlichen für fachliche Regeln und einen Ansprechpartner für den technischen Betrieb. Bei Fehlern muss das Team wissen, welche Ergebnisse zurückzustellen sind und wer eine Korrektur bewertet. Eine verständliche Arbeitsanweisung mit einem konkreten Fehlerbeispiel ist dabei hilfreicher als eine allgemeine Beschreibung jedes Menüpunkts.
Häufige Fragen zu Power Query: Validierung
Muss jede Power-Query-Abfrage validiert werden?
Bewerten Sie ihre beabsichtigte Verwendung und den Einfluss auf GxP-relevante Prozesse oder Aufzeichnungen. Eine reine Planungshilfe und eine chargenbezogene Entscheidungsgrundlage haben unterschiedliche Risiken. Bei relevanter Verwendung muss der Nachweis den gesamten benötigten Datenfluss abdecken, einschließlich Quelle und Ausgabe. Die technische Existenz einer Abfrage allein entscheidet den Umfang nicht.
Quellen: [1]
Reicht ein Vergleich der Summen vor und nach dem Import?
Nein, eine Summe kann trotz vertauschter IDs oder fehlender und doppelt vorhandener Zeilen übereinstimmen. Prüfen Sie zusätzlich eindeutige Schlüssel, Datensatzanzahl, kritische Einzelwerte, Einheiten und ausgeschlossene Zeilen. Welche Prüfungen vollständig und welche stichprobenartig erfolgen, begründen Sie aus Struktur, Risiken und erkennbaren Fehlermöglichkeiten.
Darf man Fehlerwerte automatisch durch null ersetzen?
Nur wenn genau diese Behandlung fachlich gerechtfertigt und geprüft ist. Für einen fehlenden Messwert ist null häufig eine falsche Aussage. Dann sollte die Verarbeitung den Datensatz als unvollständig ausweisen oder abbrechen. Microsoft beschreibt technische Fehlerersetzung; daraus folgt keine Erlaubnis, fachlich unbekannte Werte umzudeuten.
Quellen: [5]
Ist Power Query immer eine bestimmte GAMP-Kategorie?
Der Produktname legt die Bewertung nicht fest. Berücksichtigen Sie verwendete Konfiguration, eigenes M-Skript, Anpassungen und den vorgesehenen Einsatz. Eine Klassifizierung ist eine Planungshilfe. Sie ersetzt weder das Verständnis der Transformation noch den Nachweis kritischer Funktionen.
Quellen: [1]
Wie prüft man eine Änderung an der Datenquelle?
Vergleichen Sie das vereinbarte Schema und die betroffenen Verarbeitungsschritte. Testen Sie beispielsweise neue Spalten, geänderte Datentypen, Schlüssel oder Einheiten. Prüfen Sie danach die fachlichen Soll-Ergebnisse und relevante Fehlerreaktionen erneut. Ein technisch erfolgreicher Refresh bestätigt nur die Ausführung, nicht die richtige Bedeutung der Daten.
Quellen: [2]
Kann derselbe Nachweis für Excel und Power BI gelten?
Ein Teil der fachlichen Transformationsprüfung kann übertragbar sein. Ausführungsumgebung, Connector, Berechtigungen und Aktualisierung können sich jedoch unterscheiden. Bewerten Sie den identischen geprüften Stand und ergänzen Sie die umgebungsbezogenen Nachweise. Die Übernahme sollte eine begründete Entscheidung sein, keine pauschale Gleichsetzung.
Quellen: [1]
Quellen & fachlicher Stand
Stand: 14. Oktober 2026. Regulatorische Einordnung und Herstellerfunktionen sind getrennt belegt. Beispiele, Testmatrizen und Vorlagen sind eigene Arbeitshilfen; sie werden für den tatsächlichen Einsatzzweck angepasst.
- Europäische Kommission: EU-GMP Annex 11, Computerised Systems (2011)
- Microsoft: Datentypen in Power Query
- PIC/S: PI 041-1, Good Practices for Data Management and Integrity (2021)
- Microsoft: Merge queries overview
- Microsoft: Dealing with errors
Zuletzt fachlich geprüft am 14.10.2026.
Daniel Herrmann Consulting
Wie wir Sie dabei unterstützen
Daniel Herrmann Consulting verbindet die fachliche Bewertung mit der Arbeit am konkreten System. Im Erstgespräch klären wir Ihren Einsatzzweck, vorhandene Nachweise und den nächsten sinnvollen Schritt.
- IT-GxP-Consulting →
Anforderungen, Tests und Umsetzung für Ihren konkreten Systemprozess zusammenführen.