Glossar · Analytics
ETL vs ELT (Extract Transform Load)
Zwei Reihenfolgen, um Daten aus Quellen in ein Zielsystem zu bringen: bei ETL transformierst du vor dem Laden, bei ELT erst danach im Zielsystem.
Definition
Bei ETL (Extract, Transform, Load) holst du Daten aus einer Quelle, formst sie in einem Zwischenschritt in das Zielschema und lädst erst das fertige Ergebnis. Bei ELT lädst du die Rohdaten zuerst ins Zielsystem (typisch ein Data Warehouse wie BigQuery oder Postgres) und transformierst sie dort per SQL. ELT hat sich durchgesetzt, seit Speicher billig ist und das Warehouse genug Rechenpower für die Transformation selbst mitbringt.
Für Automations entscheidet die Wahl, wo deine Logik liegt. Ziehst du Leads aus einem CRM in Supabase, ist ELT oft schneller aufgesetzt: Rohdaten rein, dann per View oder Trigger normalisieren. ETL lohnt sich, wenn du sensible Felder schon vor dem Laden entfernen oder Daten aus mehreren APIs vor dem Speichern zusammenführen musst.
So nutzen wir das bei adsbird
In der adsbird-Outreach-Pipeline landen rohe Lead-Exports per ELT in Supabase und werden dort per SQL entdoppelt und angereichert, statt jede Quelle vorab in Python zu normalisieren.
Verwandte Begriffe
ETL vs ELT (Extract Transform Load) in deinem Projekt?
Wir bauen damit,
jeden Tag.
Wenn du ETL vs ELT in einem konkreten Workflow brauchst, wir haben das wahrscheinlich schon gebaut.