Quadratic

Quadratic ist der Versuch, die Tabellenkalkulation neu zu denken – nicht als Aufbohren von Excel, sondern als eigene Kategorie. Das Produkt stammt von Quadratic Growth Inc., einem 2022 in Boulder, Colorado, gegründeten US-Start-up der Mitgründer David Kircos und Peter Mills. Finanziert wird es unter anderem durch eine 5,6-Millionen-Dollar-Seed-Runde, die von GV (Google Ventures) angeführt wurde. Die Idee ist so simpel wie ambitioniert: ein Raster, das gleichzeitig wie eine vertraute Tabelle, wie ein Python-Notebook und wie eine SQL-Konsole funktioniert – und über das eine KI die Brücke zwischen natürlicher Sprache und ausführbarem Code schlägt.

Der entscheidende Unterschied zu klassischen BI-Werkzeugen und zu den KI-Funktionen, die Microsoft und Google nachträglich in ihre Tabellenprodukte gepflanzt haben, liegt in der Philosophie. Wer Quadratic auffordert, „die Umsätze nach Region zu gruppieren und das Wachstum zum Vorjahr zu berechnen“, bekommt keine undurchsichtige Magie, sondern echten Python- oder SQL-Code, der sichtbar in einer Zelle landet. Dieser Code ist prüfbar, editierbar und reproduzierbar – ein Punkt, der in datengetriebenen Teams den Unterschied zwischen einem netten Spielzeug und einem belastbaren Arbeitswerkzeug ausmacht. Statt dem Modell blind zu vertrauen, kann man jeden Schritt nachvollziehen, anpassen und wiederverwenden. Das adressiert genau die Schwäche, an der viele „KI-im-Spreadsheet“-Ansätze kranken: mangelnde Nachvollziehbarkeit.

Technisch ist Quadratic bemerkenswert. Der Kern ist in Rust geschrieben und läuft über WebAssembly performant im Browser, die Leinwand ist „unendlich“ – Daten, Code und Diagramme lassen sich frei anordnen, ohne sich in das starre Zeilen-Spalten-Korsett klassischer Tabellen zu zwängen. In den Zellen steht eine vollwertige Python-Laufzeit bereit, inklusive der üblichen Verdächtigen wie pandas, NumPy und Plotly. Wer lieber direkt an der Quelle arbeitet, schließt über SQL-Konnektoren Produktivdatenbanken wie PostgreSQL, MySQL, SQL Server, Snowflake oder BigQuery an und fragt sie unmittelbar im Raster ab. Für weniger technische Anwender bleiben die gewohnten Tabellenformeln erhalten. Diese Bandbreite ist die eigentliche Stärke: Quadratic will nicht nur Analysten bedienen, sondern auch jene, die sonst zwischen Excel, einem Jupyter-Notebook und einem Datenbank-Client hin- und herspringen mussten.

Die KI fungiert dabei als Verbindungsschicht über all diesen Werkzeugen. Sie greift auf aktuelle Sprachmodelle zurück, kann nicht nur Code generieren, sondern auch bestehenden Code erklären, Fehler beheben, Visualisierungen vorschlagen und ganze Analyseschritte orchestrieren. Wer mit Daten arbeitet, aber kein flüssiger Programmierer ist, kommt damit deutlich weiter als bisher – und wer programmieren kann, spart sich den repetitiven Boilerplate. Das Produkt zählt nach eigenen Angaben inzwischen über 250.000 Nutzer und nennt Namen wie Bloomberg, Apple, Google, MIT und UBS als Anwender. Für ein Werkzeug dieser Nische und dieses Alters ist das beachtlich und zeigt, dass der Ansatz einen echten Nerv trifft – noch im Frühjahr 2024 lag die Zahl bei rund 45.000.

Erwähnenswert ist auch der quelloffene Charakter. Der Produktivcode liegt unter einer quell-verfügbaren Lizenz öffentlich auf GitHub, und Unternehmen können Quadratic im Enterprise-Tarif selbst hosten – mit erstklassiger Unterstützung für AWS und Docker auf beliebigen Betriebssystemen. Das ist für sicherheitsbewusste Organisationen ein gewichtiges Argument, weil sensible Daten so die eigene Infrastruktur nicht verlassen müssen. Dazu kommen SOC-2- und HIPAA-Zertifizierungen, Verschlüsselung bei Übertragung und Speicherung sowie isolierte Container für die Code-Ausführung, die nach Gebrauch wieder zerstört werden. Das schafft Vertrauen in die Langlebigkeit und Seriosität des Werkzeugs – ein Aspekt, den man bei jungen SaaS-Produkten nicht unterschätzen sollte.

So überzeugend das Konzept ist, gehört zur ehrlichen Einordnung auch die Kehrseite. Quadratic entfaltet seine volle Wirkung erst, wenn man grundsätzlich versteht, was eine Gruppierung, ein Join oder ein DataFrame ist. Die KI senkt die Einstiegshürde erheblich, aber sie ersetzt nicht das Datenverständnis: Wer nicht weiß, ob ein Ergebnis plausibel ist, kann auch mit prüfbarem Code in die Irre laufen. Für klassische Büroaufgaben – kollaborative Budgetplanung mit hundert verknüpften Arbeitsmappen, eingebettete Pivot-Tabellen für Controlling-Routinen, das ganze gewachsene Excel-Universum – ist Quadratic kein Eins-zu-eins-Ersatz. Das Ökosystem ist zudem jung: Vorlagen, Drittanbieter-Integrationen und die schiere Menge an Online-Hilfen sind naturgemäß dünner als bei Excel oder etablierten BI-Plattformen wie Power BI oder Tableau.

Auch beim Datenschutz ist Differenzierung angebracht. Quadratic ist ein US-Anbieter, das Standard-Hosting läuft in der Cloud, und KI-Funktionen verarbeiten Inhalte über Sprachmodelle. Für europäische Organisationen, die personenbezogene oder geschäftskritische Daten verarbeiten, ist das DSGVO-konform nur mit sorgfältiger Prüfung von Auftragsverarbeitungsvertrag, Datenflüssen und gegebenenfalls der Self-Hosting-Variante zu betreiben. Die On-Premise-Option im Enterprise-Tarif ist hier das wichtigste Werkzeug, um die Kontrolle zu behalten; sie verlangt aber entsprechende IT-Ressourcen.

Preislich orientiert sich Quadratic am üblichen Freemium-Modell. Der Personal-Tarif ist kostenlos und bietet bereits vollen Zugriff auf Python, SQL und Formeln bei begrenztem KI-Kontingent. Der Pro-Tarif kostet 18 US-Dollar pro Nutzer und Monat bei jährlicher Zahlung (20 Dollar monatlich), enthält 20 Dollar KI-Guthaben pro Monat, zusätzliche Modelle sowie unbegrenzte Dateien und Verbindungen. Der Business-Tarif liegt bei 36 Dollar pro Nutzer und Monat mit doppeltem KI-Guthaben und Nutzung auf Abruf. Darüber steht ein Enterprise-Angebot mit SSO, Self-Hosting, erweiterten Sicherheitsfunktionen und dediziertem Support. Für die meisten Teams dürfte der Pro-Tarif der realistische Einstiegspunkt sein.

Unterm Strich ist Quadratic eines der interessantesten Produkte im Bereich Datenanalyse, weil es eine alte Werkzeugkategorie konsequent für das KI-Zeitalter neu baut, statt KI nur aufzukleben. Die Empfehlung fällt differenziert aus: Für datenaffine Teams, einzelne Analysten, Data Scientists und technisch versierte Fachanwender, die Python und SQL ohne Kontextwechsel im vertrauten Tabellenformat nutzen wollen, ist Quadratic eine klare Ausprobier-Empfehlung – der prüfbare Code allein rechtfertigt einen Test. Wer dagegen nach einem reinen Excel-Ersatz für klassische Büroarbeit sucht oder strikte europäische Datenschutzvorgaben ohne Self-Hosting erfüllen muss, sollte zunächst sorgfältig abwägen. Als Pilotprojekt mit dem kostenlosen Tarif lässt sich der Mehrwert risikolos prüfen, bevor man ein Team verpflichtet.