JSON-Datei in CSV umwandeln: Upload, Excel und Kommandozeile (Anleitung 2026)

Warum das Umwandeln einer JSON-Datei eine eigene Fertigkeit ist

Die meisten Umwandlungs-Anleitungen beginnen mit JSON, das bereits in der Zwischenablage liegt. Die Realität beginnt mit einer Datei: data.json im Download-Ordner, ein gespeicherter API-Export, ein Backup aus irgendeiner App. Die Arbeit mit einer Datei fügt eine Ebene hinzu, die das Einfügen aus der Zwischenablage überspringt — Kodierungen, Dateigrößen, Zeilenenden, die tatsächliche Struktur auf der Festplatte — und jeder dieser Faktoren kann Ihr Ergebnis stillschweigend verändern.

Die gute Nachricht ist: Dateien sind in einer Hinsicht einfacher, denn sie erzwingen einen wiederholbaren Arbeitsablauf. Sobald Sie den Weg von der .json-Datei zur .csv-Datei kennen, funktioniert er identisch, ob die Datei 3 KB oder 300 MB groß ist und ob Sie ihn einmal oder hundertmal durchführen. Diese Anleitung behandelt diesen Ablauf von Anfang bis Ende: die Datei beschaffen, prüfen, auf drei verschiedene Arten umwandeln und die CSV öffnen, ohne sie zu beschädigen.

Woher Ihre JSON-Datei stammt (und warum das wichtig ist)

JSON-Dateien kommen aus einer Handvoll Quellen, und wenn man weiß, welche es ist, weiß man auch, was darin zu erwarten ist:

• ▸API-Exporte und Downloads. Der Button Exportieren oder JSON herunterladen in einem Dashboard, oder ein per curl gesicherter API-Aufruf. Das sind meist Arrays von Datensätzen — die freundlichste Form für CSV — sie können aber Hunderte von Megabyte groß sein.
• ▸App-Backups. Messenger, Notiz-Apps und Passwort-Manager exportieren Ihre Daten als JSON. Diese sind meist tief verschachtelt, mit Objekten in Objekten, weil sie für Maschinen gemacht wurden, nicht für Tabellenkalkulationen.
• ▸Browser-Entwicklertools. Rechtsklick auf eine Netzwerkantwort, Speichern unter, und Sie haben eine .json-Datei. Schnell und praktisch — prüfen Sie aber, dass Sie den Antworttext gespeichert haben und nicht den HTML-Rahmen drumherum.
• ▸E-Mail-Anhänge und geteilte Laufwerke. Der Export eines Kollegen, der als data.json ankommt. Behandeln Sie ihn misstrauisch, bis er validiert ist — ein Anhang, der drei Mailserver passiert hat, kann Kodierungsschäden mitbringen.

Bevor Sie einen Konverter anfassen, öffnen Sie die Datei in einem Texteditor und sehen Sie sich die ersten Zeilen an. Steht oben ein [, haben Sie ein Array von Datensätzen — ideal. Steht ein {, haben Sie ein einzelnes Objekt, möglicherweise mit verschachtelten Strukturen, die abgeflacht werden müssen. Beides lässt sich umwandeln; beim zweiten muss nur die Abflachungsoption eingeschaltet sein.

Schritt null: Die Datei vor dem Umwandeln validieren

Jeder Konverter auf dieser Seite verweigert eine Datei mit Syntaxfehler, und die Fehlermeldung verrät nicht immer, wo das Problem liegt. Zuerst validieren, dann umwandeln — das dauert zehn Sekunden und beseitigt das häufigste Warum-wandelt-das-nicht-um-Rätsel.

Die schnellste Prüfung braucht keinerlei Werkzeuge, wenn Python installiert ist. Führen Sie diesen Befehl gegen Ihre Datei aus; bei Erfolg gibt er nichts aus, bei Misserfolg endet er mit einem Fehler, der auf die fehlerhafte Zeile zeigt:

# Validate data.json (quiet on success, points at the error on failure)
python3 -m json.tool data.json > /dev/null && echo "valid JSON"

Die üblichen Verdächtigen sind nachgestellte Kommas, einfach quotierte Zeichenketten und typografische Anführungszeichen aus Chat-Apps oder Dokumenten — allesamt ungültig in JSON. Wenn Sie lieber klicken als tippen, führt unsere Anleitung zum JSON-Formatieren durch kostenlose Online-Validatoren; bevorzugen Sie einen, der im Browser läuft, damit die Datei auf Ihrem Rechner bleibt.

Eines brauchen Sie nicht zu befürchten: eine Datei, die aus einer einzigen riesigen Zeile besteht. Minifiziertes JSON sieht in einem Texteditor alarmierend aus, ist aber vollkommen gültig, und jede Methode unten kommt damit klar — Sie können es nur selbst nicht lesen, was genau der Grund ist, warum der Validator wichtig ist.

Methode 1: Die Datei in einen kostenlosen Online-Konverter hochladen

Für eine einzelne Datei schlägt das Hochladen jede andere Methode an Geschwindigkeit. Ein guter Konverter akzeptiert eine abgelegte .json-Datei ebenso wie eingefügten Text — Sie sollten die Datei nie öffnen und ihren Inhalt per Hand kopieren müssen; genau so entstehen Kodierungsschäden und abgeschnittene Einfügungen.

So sieht der Ablauf aus, am Beispiel unseres kostenlosen Konverters:

• ▸Öffnen Sie den Konverter und ziehen Sie Ihre .json-Datei in den Upload-Bereich (oder klicken Sie, um zu stöbern). Die Datei wird direkt von der Festplatte gelesen — kein Copy und Paste.
• ▸Stellen Sie die Optionen vor dem Umwandeln ein: Schalten Sie die Abflachung ein, wenn Ihre Datei verschachtelte Objekte enthält (der Konverter macht aus customer.name eine Spalte mit Punktnotation), wählen Sie Ihr Trennzeichen (Komma für US- und UK-Excel, Semikolon für die meisten europäischen Länder) und lassen Sie die Kopfzeile an.
• ▸Klicken Sie auf Umwandeln und laden Sie die .csv herunter. Die Datei wird in Ihrem Browser-Tab erzeugt, also wird nichts auf irgendeinen Server hochgeladen.

Woran erkennen Sie, dass ein Konverter wirklich in Ihrem Browser läuft? Der Offline-Test: Laden Sie die Seite, trennen Sie das Netzwerk und wandeln Sie um. Ein clientseitiges Werkzeug funktioniert weiter. Das ist wichtig, weil JSON-Dateien aus der Arbeit oft Kunden-E-Mails, API-Schlüssel oder interne Daten enthalten — die sollen nicht auf fremden Servern liegen. Ist Ihre Datei sensibel, ist dieser Test nicht verhandelbar.

Die praktische Grenze dieser Methode ist die Dateigröße. Browser-Tabs kommen mit Dateien bis zu einigen Megabyte gut zurecht; darüber hinaus wird der Tab träge, weil das gesamte Dokument im Speicher liegt. Ist Ihre Datei Dutzende Megabyte oder mehr groß, springen Sie zur Kommandozeilen-Methode unten, statt mit dem Tab zu kämpfen.

JSON-Datei auf den kostenlosen Konverter ziehen →

Methode 2: Die JSON-Datei direkt in Excel öffnen

Wenn die Tabelle Ihr endgültiges Ziel ist, können Sie den Umweg ganz sparen: Modernes Excel öffnet JSON-Dateien nativ über Power Query. Das ist die sauberste Option, wenn Sie die Daten ohnehin in Excel analysieren wollen.

• ▸Wählen Sie in Excel Data > Get Data > From File > From JSON und öffnen Sie Ihre .json-Datei.
• ▸Power Query zeigt die Datensätze als Tabelle. Enthält eine Spalte verschachtelte Datensätze, klicken Sie auf das Erweiterungssymbol in der Spaltenüberschrift, um sie in eigene Spalten aufzufächern — das visuelle Äquivalent zum Abflachen.
• ▸Klicken Sie auf Schließen und laden, um die Tabelle auf ein Arbeitsblatt zu bringen, dann auf Datei, Speichern unter, CSV, um die .csv-Datei zu schreiben.

Zwei ehrliche Einschränkungen. Erstens: Google Sheets kann JSON-Dateien nicht nativ öffnen — es gibt keinen Datei-Importieren-Pfad für .json. Wandeln Sie zuerst mit einer der anderen Methoden in CSV um und nutzen Sie dann Datei und Importieren. Zweitens: Achten Sie beim Rückweg auf das Trennzeichen: Wenn Ihr lokales Excel Semikolons erwartet, speichern oder re-exportieren Sie mit Semikolon als Trennzeichen, statt später mit dem Import-Assistenten zu kämpfen.

Methode 3: Die Datei über die Kommandozeile umwandeln

Wenn die Umwandlung ein Schritt in einem größeren Job ist — ein täglicher Export, ein Build-Skript, eine Datenpipeline — schlägt ein lokales Skript jedes Klickwerkzeug. Es ist außerdem die einzige komfortable Art, große Dateien zu handhaben. Hier sind die beiden Befehle, die Datenteams tatsächlich nutzen; beide wurden auf diesem Rechner gegen eine echte orders.json-Datei getestet.

Python mit pandas ist das Arbeitstier: Es liest die Datei, flacht verschachtelte Objekte in Spalten mit Punktnotation ab und schreibt eine CSV mit BOM, damit Excel UTF-8 automatisch erkennt:

import pandas as pd

# Read the file straight from disk
df = pd.read_json("data.json")

# Flatten nested objects to dot-notation columns (customer.name)
df = pd.json_normalize(df.to_dict("records"))

# utf-8-sig adds a BOM so Excel detects the encoding correctly
df.to_csv("data.csv", index=False, encoding="utf-8-sig")
print(f"wrote data.csv ({len(df)} rows)")

jq ist die leichtere Option, wenn Sie nur wenige Felder brauchen. Dieser Einzeiler liest orders.json, zieht drei Felder pro Datensatz — inklusive verschachtelter wie customer.name — und gibt korrektes RFC 4180-CSV auf stdout aus. Leiten Sie es in eine Datei um, und Sie sind fertig:

Eine einzeilige Terminal-Alternative für Dateien

Der jq-Befehl unten wurde auf diesem Rechner gegen eine echte JSON-Datei getestet: zwei Bestelldatensätze mit verschachtelten Kunden- und Preisobjekten. Er extrahierte die Bestell-ID, den verschachtelten Kundennamen und die verschachtelte Summe in quotierte CSV-Zeilen:

$ jq -r '.[] | [.orderId, .customer.name, .pricing.total] | @csv' orders.json
"ORD-1","Ana",10.5
"ORD-2","Bo",7.25

Der @csv-Filter übernimmt das Quotieren und Escapen für Sie, und die .customer.name-Syntax greift direkt in verschachtelte Objekte, ohne Abflachungsschritt. Für schnelle Terminal-Arbeit mit Dateien, die Sie ohnehin offen haben, ist nichts besser.

Viele JSON-Dateien auf einmal umwandeln

Exporte kommen selten als einzelne Datei. Ein Monatsdump können dreißig .json-Dateien sein, und sie einzeln im Browser-Tab umzuwandeln ist ein langsamer Nachmittag. Die Batch-Variante des Python-Skripts oben durchläuft einen Ordner, wandelt jede Datei um und benennt jede CSV nach ihrer Quelle:

import pandas as pd, glob

# Convert every .json file in exports/ to its own .csv
for path in sorted(glob.glob("exports/*.json")):
    df = pd.json_normalize(pd.read_json(path).to_dict("records"))
    out = path.rsplit(".", 1)[0] + ".csv"
    df.to_csv(out, index=False, encoding="utf-8-sig")
    print(f"{path} -> {out} ({len(df)} rows)")

Das wurde auf diesem Rechner gegen zwei Beispieldateien getestet: Jede erzeugte ihre eigene CSV mit den abgeflachten Spalten orderId,customer.name,pricing.total und einer Zeilenanzahl pro Datei, sodass Sie auf einen Blick sehen, ob eine Datei leer herauskam. Eine Warnung: Das Skript geht davon aus, dass jede Datei dieselbe Struktur hat. Mischt Ihr Ordner verschiedene Exporte, wandeln Sie jede Struktur separat um — unterschiedliche Schlüsselmengen in einer CSV zu vereinen ergibt ein verwirrendes, lückenhaftes Raster.

Große JSON-Dateien, die Browser-Tabs in die Knie zwingen

Ein Browser-Tab hält das gesamte Dokument im Speicher, daher bringen Dateien im zweistelligen oder dreistelligen Megabyte-Bereich Tabs zum Einfrieren oder Absturz. Die Faustregel: Einige Megabyte sind im Browser in Ordnung; alles Größere wird lokal umgewandelt. Lokale Werkzeuge kennen die Speicherdecke des Tabs nicht:

• ▸jq streamt. Für einfache Feldprojektionen hält es die Datei nie ganz im Speicher, weshalb es bei Logs im Gigabyte-Bereich schnell bleibt.
• ▸Python mit pandas bewältigt Hunderte von Megabyte auf einem gewöhnlichen Laptop — das Skript oben funktioniert unverändert.
• ▸Für wirklich riesige Dateien prüfen Sie, ob der Export als ein JSON-Objekt pro Zeile aufgeteilt werden kann (JSON Lines). Zeilenbegrenzte Dateien werden Datensatz für Datensatz verarbeitet und brauchen das gesamte Dokument nie auf einmal im Speicher.

Unabhängig von der Größe: Validieren Sie zuerst. Einen Syntaxfehler in einer 2-GB-Datei zu finden ist mit python3 -m json.tool (oder einem Streaming-Validator) weit einfacher, als zuzusehen, wie ein Konverter nach fünfminütigem Upload scheitert.

Nach der CSV-Landung: Öffnen, ohne sie zu beschädigen

Die Umwandlung kann perfekt sein und die Tabelle sieht trotzdem falsch aus, weil das Öffnen einer CSV selbst eine kleine Fertigkeit ist. Das sind die drei Lösungen, die fast jede Meine-CSV-sieht-kaputt-aus-Meldung beheben:

• ▸Kodierung: Wenn Umlaute zu Kauderwelsch werden, wurde die Datei als ANSI statt UTF-8 gelesen. Importieren Sie sie erneut und setzen Sie die Dateiquelle auf 65001: UTF-8. (Das Python-Skript oben schreibt genau deshalb ein BOM, damit Excel das selbst erkennt.)
• ▸Trennzeichen: Wenn alles in einer einzigen Spalte landet, erwartet Ihr Excel Semikolons — in europäischen Ländern üblich. Re-exportieren Sie mit Semikolon als Trennzeichen, statt mit dem Import zu kämpfen.
• ▸Führende Nullen: Postleitzahlen und IDs wie 07477 verlieren ihre Null, wenn eine Tabelle Zahl rät. Formatieren Sie die Spalte beim Import als Text oder stellen Sie ein Apostroph voran.

Und behalten Sie die ursprüngliche .json-Datei. Die Umwandlung liest die Datei, ohne sie zu verändern — das JSON bleibt unberührt — und das Archivieren kostet nichts. CSV ist eine Einbahnstraßen-Vereinfachung: Zurückzuwandeln stellt Datentypen oder abgeflachte Spalten nicht wieder her.

Dateifehler und wie man sie behebt

Dateien bringen Fehlermodi mit, die eingefügter Text nie hat. Wenn ein Konverter Ihre Datei ablehnt, gehen Sie zuerst diese Liste durch:

• ▸Falsche Dateiendung. Eine aus Notepad als data.json.txt gespeicherte Datei — oder eine .json, die eigentlich HTML aus einem fehlgeschlagenen Download ist — lässt sich nicht parsen. Öffnen Sie die ersten Zeilen: Sehen Sie <html>, haben Sie eine Fehlerseite heruntergeladen, kein JSON.
• ▸Kodierungsschäden. Dateien, die durch E-Mails gingen oder mit falscher Kodierung gespeichert wurden, können Mojibake enthalten. Speichern Sie erneut als UTF-8; im Zweifel markiert der Validator aus Schritt null, was er nicht lesen kann.
• ▸Die Datei ist in Ordnung, aber riesig. Siehe den Abschnitt zu großen Dateien: Das ist ein Werkzeugproblem, kein Datenproblem.
• ▸Zeilenenden. CRLF versus LF beeinflusst das JSON-Parsen überhaupt nicht — wenn ein Konverter die Zeilenenden beschuldigt, liegt das echte Problem anderswo, meist bei einem der Punkte oben.

Neunzig Prozent der Es-wandelt-meine-Datei-nicht-um-Meldungen enden bei einem dieser vier Punkte. Die restlichen zehn Prozent sind tatsächlich ungültiges JSON, und der Validator zeigt direkt auf die fehlerhafte Zeile.

Welchen Datei-Arbeitsablauf sollten Sie wählen?

Jede Methode auf dieser Seite liest dieselbe Datei und erzeugt bei gleicher Eingabe dieselbe CSV — die Wahl hängt von Bequemlichkeit, Datenschutz und Skalierung ab. Passen Sie sie an Ihre Situation an:

• ▸Eine Datei, einige Megabyte oder weniger: Ziehen Sie sie auf einen kostenlosen Online-Konverter. Bei weitem am schnellsten.
• ▸Sensible Daten in der Datei: Ein clientseitiger Konverter, Excel oder ein lokales Skript — nichts, das zuerst hochlädt.
• ▸Die Tabelle ist das Ziel: Excel mit From JSON, ohne den Konverter-Umweg.
• ▸Viele Dateien oder ein Zeitplan: Das Python-Batch-Skript, versioniert und wiederholbar.
• ▸Eine riesige Datei: Nur lokale Werkzeuge — jq, Python oder zeilenweise Verarbeitung.

Und die Gewohnheit, die allen zugrunde liegt: Validieren Sie die Datei vor dem Umwandeln, behalten Sie das Original nach dem Umwandeln und prüfen Sie die Kodierung beim Öffnen der CSV. Tun Sie diese drei Dinge, und JSON-Dateien werden zur einfachsten Eingabe, die Sie haben.

Verwandte Anleitungen

• Kann man JSON in CSV umwandeln? Ja — das sollten Sie wissen (Anleitung 2026) →
• JSON in CSV umwandeln: 3 zuverlässige Methoden (Anleitung 2026) →
• JSON formatieren: 3 zuverlässige Wege zu lesbarem, gültigem JSON (Guide 2026) →
• Was ist das beste Tool, um JSON in CSV umzuwandeln? 6 Optionen, getestet (Anleitung 2026) →
• CSV in JSON umwandeln: 3 zuverlässige Methoden (Anleitung 2026) →
• JSON in CSV umwandeln in unter einer Minute: Der schnellste Weg für jede Situation (Anleitung 2026) →
• Was ist ein JSON-zu-CSV Online-Tool? So finden Sie ein gutes (Anleitung 2026) →
• Wie kann ich eine JSON-Datei online in CSV umwandeln? (Anleitung 2026) →
• Verschachteltes JSON in CSV umwandeln: Was der Schalter wirklich tut (Anleitung 2026) →
• CSV aus JSON erstellen: 7 Entscheidungen, die Rohdaten in eine funktionierende Datei verwandeln (Anleitung 2026) →
• Wie wandle ich JSON in VS Code in CSV um? 4 Wege, vom Klick bis zum Tastendruck (Anleitung 2026) →
• How to Flatten the JSON Data: Explodieren, Verbinden oder Verschachtelt Lassen (Anleitung 2026) →
• Gibt es eine Möglichkeit, JSON in CSV umzuwandeln? Ja — 5 Wege, wählen Sie nach Ihrer Situation (Anleitung 2026) →
• JSON to CSV online umwandeln: In diesem Tab in 30 Sekunden erledigt (Anleitung 2026) →
• json to csv converter download: Was Sie wirklich herunterladen sollten (Anleitung 2026) →
• Convert Large JSON to CSV Online Free: Wie groß darf die Datei sein? (Anleitung 2026) →
• Was ist eine JSON- und CSV-Datei? Ein Einstiegsguide zu beiden Formaten (Anleitung 2026) →
• What Does Flattening a JSON Mean? Der Begriff erklärt (Anleitung 2026) →
• what is JSON to CSV online? Die drei Wörter erklärt (Anleitung 2026) →
• what is JSON to CSV converter online? Die Anatomie des Tools (Anleitung 2026) →
• convert json to csv locally: JSON auf dem eigenen Rechner in CSV umwandeln (Anleitung 2026) →
• Welche Möglichkeiten gibt es, JSON lokal in CSV umzuwandeln? 6 Methoden im Vergleich (Anleitung 2026) →
• CSV in einer Spalte: Warum Ihre CSV in Excel in einer Spalte landet und wie Sie das beheben (Anleitung 2026) →
• Warum Ihre CSV in Excel falsch dargestellt wird und wie Sie die Kodierung beheben (Anleitung 2026) →
• Warum Excel die führenden Nullen Ihrer CSV-Codes entfernt und wie Sie sie behalten (Anleitung 2026) →
• Excel ändert Datum in CSV: Tag und Monat vertauscht – so bleiben Ihre Daten richtig (Anleitung 2026) →
• Warum Excel Ihre CSV beim Speichern verändert und wie Sie das Original schützen (Anleitung 2026) →
• CSV-Datei zu groß für Excel: Warum Excel Ihre große CSV-Datei nicht öffnet und was Sie stattdessen tun (Anleitung 2026) →

Häufig gestellte Fragen