Zwei Zahlen erzählen die ganze Geschichte.
Buchhaltung: -28% Stellenanzeigen. Datenanalyse: +35%.
Eine Karriere schrumpft. Die andere explodiert. Und das Beste: Du hast bereits 60% der Skills, die du brauchst.
Dieser Artikel ist kein Warnschuss. Der steht hier. Dieser Artikel ist dein konkreter Plan. Sechs Monate, Schritt für Schritt, vom Soll an den Haben eines neuen Berufs.
Gehaltssprung beim Wechsel
Median-Gehälter DE: Buchhalter 42.000€, Datenanalyst 58.000€
Warum gerade Datenanalyst?
Nicht jeder Berufswechsel ist logisch. Dieser schon.
Als Buchhalter arbeitest du jeden Tag mit Zahlen. Du erkennst Muster in Finanzdaten. Du weisst, was eine Abweichung bedeutet. Du kannst Excel im Schlaf bedienen. Du verstehst Geschäftsprozesse von innen.
Das ist kein Zufall. Buchhaltung und Datenanalyse teilen einen Kern: strukturiertes Denken mit Zahlen.
Der Unterschied? Buchhalter schauen zurück. Was ist passiert? Datenanalysten schauen nach vorne. Was wird passieren? Und was sollten wir tun?
Genau diesen Perspektivwechsel trainierst du in sechs Monaten.
Was du schon kannst (und was nicht)
Die ehrliche Bestandsaufnahme zeigt: Du startest nicht bei null.
Hast du bereits
| Skill | Warum es zählt |
|---|---|
| Excel (Formeln, Filter, Berichte) | Grundwerkzeug jedes Datenanalysten |
| Zahlenverständnis | Du liest eine Bilanz. Eine Datentabelle ist einfacher. |
| Genauigkeit | Fehler in Daten finden ist dein Tagesgeschäft |
| Geschäftsverständnis | Die meisten Datenanalysten müssen sich das erst aneignen |
| Reporting | Du baust schon Berichte. Bald baust du bessere. |
Musst du lernen
| Skill | Zeitaufwand | Schwierigkeit |
|---|---|---|
| SQL | 4-6 Wochen | Mittel (ähnlich wie Excel-Formeln) |
| Python Grundlagen | 6-8 Wochen | Mittel |
| Datenvisualisierung (Tableau/Power BI) | 3-4 Wochen | Leicht (visuell, macht Spass) |
| Statistisches Denken | Fortlaufend | Schrittweise aufbauend |
Der 6-Monats-Plan
Acht bis zehn Stunden pro Woche. Morgens vor der Arbeit, abends, am Wochenende. Wie du es einteilst, ist egal. Dass du es durchziehst, nicht.
Monat 1-2: SQL + Excel Advanced
Du kannst Excel. Jetzt wirst du gefährlich gut darin.
Woche 1-4: SQL lernen
- SQLBolt.com (kostenlos, interaktiv, 20 Lektionen)
- SELECT, WHERE, JOIN, GROUP BY. Das ist 80% dessen, was Datenanalysten täglich nutzen
- Übe mit echten Datensätzen auf Kaggle
Woche 5-8: Excel auf Analyst-Level
- Pivot-Tabellen (falls noch nicht sicher)
- Power Query für Datenbereinigung
- XLOOKUP, INDEX/MATCH statt SVERWEIS
- Erste Dashboards bauen
Zeitaufwand: 8-10h/Woche
Monat 3-4: Python + Datenvisualisierung
Keine Angst vor Programmieren. Python ist die freundlichste Sprache, die es gibt.
Woche 9-12: Python Grundlagen
- Google Colab (kostenlos, nichts installieren)
- pandas-Bibliothek: Tabellen laden, filtern, gruppieren
- Wenn du
=SUMMEWENNSin Excel verstehst, verstehst dudf.groupby()
Woche 13-16: Datenvisualisierung
- Power BI (kostenlos) ODER Tableau Public (kostenlos)
- Interaktive Dashboards bauen
- Storytelling mit Daten: Nicht zeigen was, sondern warum
Zeitaufwand: 10h/Woche (hier wird es intensiver)
Monat 5: Dein Portfolio-Projekt
Hier nutzt du deinen grössten Vorteil. Andere Quereinsteiger analysieren Filmdaten oder Spotify-Playlists. Du nimmst Finanzdaten. Dein Terrain.
Projektideen:
- Kostenanalyse eines fiktiven Unternehmens (Einkaufsdaten, Trends, Prognosen)
- Cashflow-Dashboard mit Anomalie-Erkennung
- Branchenvergleich mit öffentlichen Bilanzdaten
Was du ablieferst:
- Jupyter Notebook mit sauberem Code
- Interaktives Dashboard in Power BI oder Tableau
- 2-Seiten-Zusammenfassung: Problem, Methode, Ergebnis
Auf GitHub hochladen. Auf LinkedIn teilen. Das ist dein Bewerbungsschreiben.
Zeitaufwand: 10h/Woche
Monat 6: Bewerbungen + Interview-Prep
Woche 21-22: Lebenslauf umbauen
- Buchhalter-Skills als Datenanalyst-Skills formulieren
- “Monatliche Finanzberichte erstellt” wird zu “Datengetriebene Entscheidungsvorlagen für Geschäftsführung entwickelt”
- Portfolio-Link prominent platzieren
Woche 23-24: Bewerbungen starten
- 3-5 Bewerbungen pro Woche, gezielt
- Auf “Junior Data Analyst” und “Business Analyst” Stellen fokussieren
- LinkedIn-Profil auf Datenanalyse ausrichten
Zeitaufwand: 8h/Woche
Was es kostet und wer es bezahlt
Drei Wege, drei Budgets.
| Weg | Dauer | Kosten | Für wen? |
|---|---|---|---|
| Selbstlerner (Google Data Analytics Certificate, Coursera) | 6 Monate | 49€/Monat = ~294€ | Disziplinierte mit stabilem Job |
| IHK Business Intelligence Analyst | 5 Monate | ~3.400€ | Wer ein deutsches Zertifikat will |
| WBS Training Data Science Bootcamp | 3 Monate Vollzeit | 0€ mit Bildungsgutschein | Arbeitssuchende oder von Kündigung bedrohte |
Der ehrliche Teil: Worauf du dich einstellen musst
Kein Karrierewechsel ohne Reibung. Hier ist, was dich erwartet.
Der erste Monat SQL fühlt sich an wie eine Fremdsprache. Im dritten Monat macht es klick. Im fünften fragst du dich, warum du es nicht früher gelernt hast.
1. Die Lernkurve ist real. Python wird dich frustrieren. Du wirst Fehler kriegen, die du nicht verstehst. Das ist normal. Jeder Programmierer hat so angefangen. Stack Overflow und ChatGPT sind deine Freunde. Gib nicht in Woche drei auf.
2. Dein Alter ist kein Problem. Es ist ein Vorteil. Unternehmen stellen nicht nur Datenanalysten ein. Sie stellen Leute ein, die Daten UND Business verstehen. Ein 25-Jähriger mit Python-Skills hat keine 15 Jahre Finanzerfahrung. Du schon.
3. Das Impostor-Syndrom kommt. Garantiert. Du wirst dich fragen, ob du “zu alt” bist oder “zu spät dran”. Bist du nicht. Der Fachkräftemangel bei Datenanalysten ist real. 35% Wachstum heisst: Es gibt nicht genug Leute. Du wirst gebraucht.
4. Der Wechsel passiert nicht über Nacht. Manche finden in Monat 6 einen Job. Manche brauchen 9 oder 12 Monate. Beides ist okay. Du baust eine Karriere für die nächsten 20 Jahre. Da zählen drei Monate mehr oder weniger nicht.
Erste Jobs: Wo du einsteigst
Vergiss “Senior Data Scientist”. Das ist nicht dein erstes Ziel. Diese Positionen sind es:
Junior Data Analyst (45.000-50.000€) Einstiegslevel. Dashboards bauen, Reports erstellen, Daten bereinigen. Dein Buchhalter-Hintergrund macht dich hier schneller als andere Juniors.
Business Analyst (48.000-55.000€) Die Brücke zwischen Technik und Geschäft. Dein Geschäftsverständnis ist hier Gold wert. Viele Business-Analyst-Rollen erfordern weniger Python als ein reiner Data Analyst.
Financial Data Analyst (50.000-55.000€) Dein Sweet Spot. Finanzbranche, aber mit Datenanalyse-Tools. Du kennst die Domäne. Du sprichst die Sprache. Hiring Manager lieben Ex-Buchhalter für diese Rolle.
Nach zwei bis drei Jahren als Data Analyst stehen dir alle Türen offen: Senior Analyst, Analytics Manager, Data Engineer oder spezialisierte Rollen in der Finanzbranche. Der Einstieg ist der schwierigste Teil. Danach wird es leichter.
Nächste Schritte
Sieh dir an, wie stark Automatisierung deinen aktuellen Job betrifft
Buchhalter-Analyse ansehen →Gehalt, Wachstum, benötigte Skills und Einstiegswege
Datenanalyst-Profil ansehen →Dein persönlicher Karriereplan
2-Minuten-Assessment mit individueller Empfehlung
Mehr zum Automatisierungsrisiko für Buchhalter in unserem ausführlichen Artikel.
Datenquellen: JobPivots-Datenbank, BLS Occupational Outlook, Bundesagentur für Arbeit Stellenstatistik, Stepstone Gehaltsreport 2025.