So konvertierst du JSON in CSV für Excel und Google Sheets
Warum JSON und CSV für unterschiedliche Aufgaben gemacht sind
JSON und CSV sind für komplett unterschiedliche Welten gemacht. JSON (JavaScript Object Notation) repräsentiert strukturierte, hierarchische Daten. Verschachtelte Objekte, Arrays von Arrays und gemischte Datentypen sind für JSON kein Problem, weshalb es der Standard für APIs und Anwendungskonfigurationen ist. CSV (Comma-Separated Values) ist das genaue Gegenteil: eine einfache, flache Tabelle. Jede Zeile muss dieselbe Anzahl von Spalten haben. Keine Verschachtelung. Dieser grundlegende Unterschied bedeutet, dass du nicht einfach eine .json-Datei in .csv umbenennen und erwarten kannst, dass es funktioniert. Wenn du Daten von einer REST-API abrufst, zum Beispiel eine Liste mit 500 Kundendatensätzen aus einem CRM, bekommst du sie fast immer als JSON. Ein einzelner Kundendatensatz könnte so aussehen: {"id": 1042, "name": "Sara Okonkwo", "email": "sara@example.com", "orders": [{"id": 88, "total": 49.99}]} Excel und Google Sheets können diese Datei nicht in eine saubere Tabelle umwandeln. Sie brauchen flache Zeilen. Die Konvertierung von JSON in CSV ist die Brücke, die es Analysten, Marketern und Ops-Teams ermöglicht, API-Daten in die Tabellenkalkulations-Tools zu ziehen, die sie täglich verwenden. Die Konvertierung ist einfach, wenn dein JSON eine simple Liste von Objekten ist. Sobald Verschachtelungen ins Spiel kommen, wird es viel schwieriger, und genau da bleiben die meisten Leute hängen.
Was mit verschachteltem JSON bei der Konvertierung passiert
Das ist der Teil, den die meisten Tutorials auslassen, und er bereitet echtes Kopfzerbrechen. Wenn dein JSON verschachtelte Objekte oder Arrays enthält, muss jedes Konvertierungs-Tool – auch CocoConvert – entscheiden, wie es diese „flachklopfen“ soll. Dafür gibt es mehrere Möglichkeiten. Eine Strategie ist, verschachtelte Schlüssel mithilfe der Punktnotation abzuflachen. Ein Feld wie `address.city` wird zu einer Spaltenüberschrift, und der Wert landet direkt in dieser Zelle. Das ist eine großartige Lösung für einfache, einstufige Verschachtelungen. Ein anderer Ansatz ist, den verschachtelten Wert zu „stringifizieren“, wobei das gesamte Objekt oder Array als JSON-String in eine einzige Zelle gequetscht wird. Das bewahrt zwar alle Daten, ist aber in einer Tabellenkalkulation ohne weitere Bearbeitung praktisch unlesbar. Eine dritte und oft nützlichste Strategie ist, Arrays auf mehrere Zeilen auszuweiten. Wenn ein Kunde drei Bestellungen hat, erstellt der Konverter drei separate Zeilen für diesen Kunden und dupliziert dabei die übergeordneten Felder für jede Bestellung. Dadurch werden die Daten sofort in einer Tabelle nutzbar, aber es kann deine Datei auch riesig machen. CocoConvert verwendet standardmäßig die Abflachung mit Punktnotation für verschachtelte Objekte und die Stringifizierung für verschachtelte Arrays. Wenn dein JSON also ein zweistufiges Objekt wie {"shipping": {"method": "express", "days": 2}} hat, erhältst du Spalten für `shipping.method` und `shipping.days`. Wenn es aber ein Array enthält, landet das gesamte Array als String in einer Zelle. Bei tief verschachtelten Daten – drei oder mehr Ebenen oder Arrays von Objekten – musst du das JSON mit ziemlicher Sicherheit mit einem Skript vorverarbeiten, um ein sauberes CSV zu erhalten. Kein Online-Konverter kann auf magische Weise jedes Verschachtelungsmuster bewältigen. Du solltest es unbedingt mit einer kleinen Stichprobe testen, bevor du Tausende von Datensätzen darauf wirfst.
JSON in CSV konvertieren mit CocoConvert
Wenn du unkompliziertes JSON hast – ein flaches Array von Objekten oder eine einfache einstufige Verschachtelung – ist die Verwendung von CocoConvert schnell und erfordert kein Setup. Der Prozess ist einfach. Gehe zuerst auf /convert/json-to-csv. Dort siehst du die Upload-Box und die Ausgabeoptionen. Lade deine .json-Datei hoch. Die kostenlose Version von CocoConvert verarbeitet Dateien bis zu 50 MB. Wenn deine Datei größer ist, musst du sie aufteilen. Ein kurzer Python-Einzeiler wie `json.dump(data[:5000], open('chunk1.json','w'))` ist dafür perfekt. Wähle als Nächstes dein Trennzeichen. Das Komma ist Standard, aber wenn du in einer Region bist, in der Excel ein Semikolon erwartet (ja, ich meine euch, Deutschland und Frankreich), musst du das vor dem Download umstellen. Über diese kleine Einstellung stolpern so viele Leute. Lass die Option „Kopfzeile einfügen“ immer aktiviert. Tabellenkalkulationen brauchen diese erste Zeile für die Spaltennamen. Danach klicke einfach auf „Konvertieren“. Eine Datei mit 10.000 Zeilen dauert normalerweise weniger als 10 Sekunden. Dann kannst du deine glänzend neue .csv-Datei herunterladen. Hier ist ein Profi-Tipp: Wenn deine JSON-Schlüssel Leerzeichen oder Sonderzeichen enthalten, wie „first name“ oder „unit$price“, werden sie unverändert zu deinen Spaltenüberschriften. Excel kommt damit klar, aber das Schreiben von Formeln wird nervig, weil du Spaltenbuchstaben anstelle von strukturierten Verweisen verwenden musst. Es ist viel sauberer, die Schlüssel in deinem JSON vor der Konvertierung umzubenennen oder die Spaltennamen direkt nach dem Import in Excel zu korrigieren. Das wird dir später Kopfschmerzen ersparen.
Die CSV-Datei korrekt in Excel öffnen
Eine CSV-Datei herunterzuladen ist nur die halbe Miete. Wie du sie in Excel öffnest, macht den ganzen Unterschied zwischen einer sauberen Tabelle und einem nutzlosen Datenchaos in einer einzigen Spalte. Was auch immer du tust, mache bloß keinen Doppelklick auf die Datei. Die einzig zuverlässige Methode ist die Verwendung des Import-Assistenten. In Excel 365 und Excel 2019 findest du ihn unter Daten → Daten abrufen → Aus Text/CSV. Wähle deine Datei aus, und Excel zeigt eine Vorschau an. Das ist deine Chance, das Trennzeichen zu bestätigen. Wenn es nicht mit dem übereinstimmt, was du bei der Konvertierung gewählt hast, werden alle deine Daten in Spalte A gequetscht. Jeder, der schon einmal mit einem CSV-Import gerungen hat, kennt diesen Schmerz nur zu gut. Achte auf Datumsformate. Wenn dein JSON ISO 8601-Strings verwendet hat (wie `2025-11-03T14:22:00Z`), importiert Excel sie oft als reinen Text. Das kannst du beheben. Markiere die Spalte, gehe zu Daten → Text in Spalten, wähle „Getrennt“, klicke zweimal auf „Weiter“ und stelle dann das Spaltendatenformat auf Datum (JMT) ein. Dadurch wird der Text in echte Datumswerte umgewandelt, die du richtig sortieren und filtern kannst. Bei großen Dateien, sagen wir 200.000 Zeilen, wird Excel sie zwar importieren, aber extrem langsam sein. Pivot-Tabellen und SVERWEISE werden quälend langsam sein. Verwende stattdessen Power Query (Daten → Daten abrufen und transformieren → Aus CSV). Es ist viel besser im Umgang mit großen Datensätzen, ohne Excel unbrauchbar zu machen. Und sei dir des harten Limits von Excel bewusst: 1.048.576 Zeilen. Wenn dein JSON eine CSV-Datei mit mehr Zeilen erzeugt, wird Excel alles, was über dieses Limit hinausgeht, stillschweigend verwerfen. Wenn du dich dieser Zahl näherst, teile deine Quelldatei auf, bevor du überhaupt mit der Konvertierung beginnst.
Die CSV-Datei in Google Sheets importieren
Google Sheets ist im Allgemeinen besser im Umgang mit CSV-Importen als Excel, aber ein paar Einstellungen sind entscheidend. Der Prozess ist unkompliziert: Öffne ein Tabellenblatt, gehe zu Datei → Importieren und lade deine CSV-Datei hoch. In dem erscheinenden Dialogfeld hast du einige Wahlmöglichkeiten. Stelle den „Importort“ immer auf ein neues Tabellenblatt ein, um das Überschreiben vorhandener Daten zu vermeiden. Stelle den „Trenn zeichentyp“ auf Komma (oder „Benutzerdefiniert“ für ein Semikolon). Hier ist die wichtigste Einstellung: „Text in Zahlen, Datum und Formeln umwandeln.“ Wenn deine Daten Produktcodes enthalten, die wie Zahlen aussehen (z. B. `00847`), musst du dieses Kästchen deaktivieren, um die führenden Nullen zu erhalten. Andernfalls wird Google Sheets deine Daten „hilfsbereit“ korrigieren, indem es sie in die Zahl 847 umwandelt. Wenn du die automatische Konvertierung eingeschaltet lässt, leistet Sheets gute Arbeit beim Parsen von ISO-Daten in sein natives Format. Es wandelt auch numerische Zeichenketten in Zahlen um, was normalerweise in Ordnung ist, aber bei diesen speziellen Kennungen ein Problem sein kann. Wenn du das oft machst, zum Beispiel jeden Montag einen neuen JSON-Export ziehst, mach es nicht manuell. Schau dir die `IMPORTDATA`-Funktion von Google Sheets oder ein Google Apps Script an. `IMPORTDATA` ist auf öffentliche URLs beschränkt, was es für private Daten unbrauchbar macht. Apps Script ist weitaus leistungsfähiger; es kann Daten von einem geschützten JSON-Endpunkt abrufen und sie direkt in ein Tabellenblatt schreiben, wodurch der CSV-Schritt komplett übersprungen wird. Aber für einmalige Aufgaben oder für Teams ohne einen verfügbaren Entwickler ist ein manueller Import mit einer Datei von CocoConvert unter /convert/json-to-csv der schnellste Weg, die Arbeit zu erledigen. Es dauert zwei Minuten und erfordert keinen Code. Google Sheets hat seine eigenen Limits: 100 MB pro Datei und 10 Millionen Zellen pro Tabellenkalkulation. Eine CSV mit 50.000 Zeilen und 20 Spalten hat nur 1 Million Zellen, du hast also reichlich Spielraum.
Umgang mit häufigen Konvertierungsfehlern
Du wirst auf ein paar häufige Probleme stoßen, wenn du JSON in CSV konvertierst. Hier ist, worauf du achten solltest. Inkonsistente Schlüssel zwischen Objekten. JSON ist flexibel. Ein Objekt in einem Array kann ein `phone`-Feld haben, während das nächste es nicht hat. Konverter wie CocoConvert gehen damit um, indem sie eine Spalte für jeden einzigartigen Schlüssel erstellen, der im gesamten Datensatz gefunden wird. Wo ein Schlüssel für einen Datensatz fehlt, bleibt die Zelle einfach leer. Das ist der richtige Weg, aber sei gewarnt: Eine unordentliche Quelldatei mit 30 leicht unterschiedlichen Objektstrukturen kann zu einer CSV-Datei mit 80 Spalten führen, von denen die meisten leer sind. Bereinige dein JSON-Schema, bevor du konvertierst. Unicode und Sonderzeichen. JSON-Dateien sind fast immer UTF-8-kodiert. Wenn deine Daten nicht-lateinische Zeichen enthalten (wie Arabisch, Chinesisch oder Buchstaben mit Akzenten), musst du Excel sagen, dass es diese erwarten soll. Wenn du über Daten → Daten abrufen → Aus Text/CSV importierst, suche im Vorschau-Dialog nach der Einstellung „Dateiursprung“ und ändere sie auf `65001: Unicode (UTF-8)`. Wenn du das vergisst, werden alle deine Sonderzeichen in verstümmelten Müll (Mojibake) verwandelt. Sehr große Zahlen. Dieses Problem ist subtil, aber zerstörerisch. JSON kann riesige Zahlen mit perfekter Präzision verarbeiten. Aber Tabellenkalkulationen können das nicht. Sowohl Excel als auch Google Sheets verwenden 64-Bit-Gleitkomma-Arithmetik, was bedeutet, dass sie große Ganzzahlen nach 9.007.199.254.740.992 (oder 2^53) zu runden beginnen. Wenn dein JSON eine größere Zahl enthält, wie 9007199254740993, wird sie beim Import stillschweigend gerundet. Wenn du mit großen Ganzzahl-IDs aus einer Datenbank arbeitest, ist deine einzig sichere Option, sie als Strings im JSON zu speichern, *bevor* du konvertierst. Leere Arrays und Null-Werte. Ein `null`-Wert in JSON wird korrekterweise zu einer leeren Zelle in einer CSV. Ein leeres Array `[]` wird von verschiedenen Tools unterschiedlich behandelt. CocoConvert wandelt es in einen leeren String um, was für Tabellenkalkulationen die beste Wahl ist und Verwirrung vermeidet.
Wann ein Konverter nicht das richtige Werkzeug ist
Online-Konverter sind perfekt für einmalige Aufgaben und schnelle Überprüfungen, besonders wenn dein JSON bereits flach ist. Aber sie sind nicht für jede Aufgabe das richtige Werkzeug. Wenn deine Konvertierung Teil einer automatisierten Pipeline ist – ein nächtlicher ETL-Job, Datenverarbeitung in CI/CD oder irgendetwas, das ohne dich laufen muss – musst du eine skriptbasierte Lösung verwenden. Ein Online-Tool ist für die Automatisierung einfach nicht zuverlässig genug. Pythons pandas-Bibliothek ist hier der Industriestandard; du kannst JSON mit `pd.read_json()` lesen, es mit `pd.json_normalize()` abflachen und mit `.to_csv()` in nur wenigen Zeilen in eine CSV-Datei schreiben. Für Kommandozeilen-Zauberer ist `jq` eine unglaublich mächtige Alternative in Unix-Umgebungen: `jq -r '(.[0] | keys_unsorted) as $keys | $keys, (.[] | [.[$keys[]]] | @csv)' input.json > output.csv` erledigt die Arbeit für flache Arrays. Wenn dein JSON tief verschachtelt ist (drei oder mehr Ebenen tief oder Arrays von Objekten enthält), wird dir kein Online-Konverter auf Anhieb eine saubere CSV-Datei liefern. Das Problem ist struktureller Natur; du musst ein benutzerdefiniertes Skript schreiben, das dein spezifisches Schema versteht, um es richtig abzuflachen. Ein weiteres Format, das du kennen solltest, ist JSON Lines (.jsonl), bei dem jede Zeile ein separates JSON-Objekt ist. CocoConvert verarbeitet diese Dateien perfekt, du kannst sie also einfach so hochladen. Stelle nur sicher, dass deine Datei nicht reguläres JSON und JSON Lines mischt, sonst musst du sie zuerst bereinigen. Für alles andere? Ein JSON-Export von einer SaaS-Plattform, eine API-Antwort, die du in einer Tabelle brauchst, eine Konfigurationsdatei, die du als Tabelle überprüfen möchtest – gehe direkt zu /convert/json-to-csv. Lade deine Datei hoch, und du hast in weniger als einer Minute eine saubere CSV.