Die besten Qlik-Sense-Alternativen 2026: 15 Tools für Teams, die zur Vertragsverlängerung neu bewerten

Von Camellia · Aktualisiert am 26. August 2026

Qlik Sense ist die richtige Plattform für ein Unternehmen mit einer wirklich unübersichtlichen Datenlandschaft, Dutzenden Quellsystemen und einem zentralen Datenteam, das will, dass Nutzer Zusammenhänge erkunden, statt einem vorgefertigten Drill-Pfad zu folgen. Nichts anderes auf dieser Liste funktioniert so wie die assoziative Engine, und etwas anderes zu behaupten würde Ihre Zeit verschwenden. Deshalb hält Qlik seit 16 Jahren in Folge eine Leader-Position im Gartner Magic Quadrant.

Warum werden dann so viele Qlik-Shortlists bei der Vertragsverlängerung wieder aufgemacht? Aus vier Gründen, und keiner lautet „das Produkt hat aufgehört zu funktionieren". Das Preismodell wurde auf kapazitätsbasierte Cloud-Preise umgestellt, wodurch eine Bereitstellung in Einheiten neu bepreist wird, die Käufer mit Preisen pro Platz nicht im Budget haben. Das Load-Script und die QVD-Schicht machen Qlik leistungsstark und zugleich zu einer Spezialistenkompetenz. Der Fachkräftepool für diese Kompetenz ist kleiner als der für Power BI oder Tableau. Und Qlik ist in Privatbesitz, seit 2016 mehrheitlich im Eigentum einer Private-Equity-Gesellschaft, was eine Roadmap-Frage aufwirft, die die Offenlegungspflichten eines börsennotierten Anbieters sonst beantworten würden. Dieser Leitfaden behandelt 15 Alternativen mit Preisen. Wenn Sie die Kategorie noch nicht eingegrenzt haben, beginnen Sie mit unserer Übersicht zu Business-Intelligence-Tools; wenn Qlik bereits in einem Zwei- oder Dreikampf steckt, geht der Direktvergleich Qlik Cloud Analytics vs ThoughtSpot vs Sisense genau auf diese Entscheidung tiefer ein.

Wichtige Fakten

• Qlik wurde im Gartner Magic Quadrant 2026 für Analytics- und Business-Intelligence-Plattformen zum 16. Mal in Folge als Leader eingestuft, bekanntgegeben am 29. Juni 2026, die längste ununterbrochene Leader-Serie der Kategorie (Pressemitteilung von Qlik, Juni 2026).
• Eine von Qlik beauftragte Forrester-Total-Economic-Impact-Studie ermittelte einen ROI von 209 % über drei Jahre und einen Nutzen von $6,4 Millionen für eine Modellorganisation mit $5 Milliarden Umsatz und 5.000 Mitarbeitenden, eine vom Anbieter beauftragte Zahl, die man kennen sollte, weil Wechselkosten in beide Richtungen anfallen (Qlik, April 2024).
• Eine Tochtergesellschaft der Abu Dhabi Investment Authority schloss im Mai 2025 neben dem Mehrheitseigner Thoma Bravo eine Minderheitsbeteiligung an Qlik ab, die das Unternehmen mit $10 Milliarden bewertet, das klarste öffentliche Signal zu einem Anbieter, der keine Quartalsergebnisse veröffentlicht (Pressemitteilung von Qlik).
• 1.579 Fachleute für Daten und Analytics stuften das Datenqualitätsmanagement mit 7,9 von 10 als wichtigste BI-Priorität für 2026 ein, vor der Datensicherheit und jedem KI-Trend auf der Liste (BARC Data, BI and Analytics Trend Monitor 2026).
• 47 % der digitalen Beschäftigten geben an, Schwierigkeiten zu haben, die Informationen oder Daten zu finden, die sie für ihre Arbeit brauchen, laut einer Gartner-Umfrage unter knapp 4.900 Beschäftigten, genau das Problem, das jede Plattform hier zu lösen verspricht und die meisten nur teilweise lösen (Gartner, Mai 2023).

Schnellvergleichstabelle

Der Qlik-Preismythos, den Sie überall finden

Bevor Sie auch nur eine Alternative vergleichen, korrigieren Sie die Zahl in Ihrer eigenen Tabelle. Qlik verkauft den alten Tarif „Qlik Sense Business" pro Nutzer für etwa $30 pro Nutzer und Monat nicht mehr. Dieser Tarif ist abgeschafft. Der Großteil des Internets hat das nicht mitbekommen, deshalb nennen die meisten Vergleichsartikel und Beschaffungsvorlagen weiterhin einen Qlik-Preis pro Nutzer. Jeder Qlik-Preis pro Nutzer, den Sie irgendwo finden, ist falsch.

Qlik Cloud Analytics wird nach Kapazität bepreist. Sie kaufen Datenvolumen, und Nutzer sind oberhalb der Einstiegsstufe praktisch kostenlos.

Aus dieser Tabelle ergeben sich zwei Konsequenzen. Der 200. Viewer in einer Standard-Bereitstellung kostet nichts, was kein streng platzbasiertes Tool hier bieten kann. Und die Größe, die Ihre Rechnung bewegt, ist das Datenvolumen, sodass ein Datenbestand, der jährlich um 30 % wächst, eine Rolltreppe nach oben ist, die Ihre Personalplanung nie anzeigen wird. Die 10-GB-Grenze von Starter ist die schärfste Kante: Sie lässt sich zu keinem Preis anheben, sodass Wachstum den Sprung auf Standard erzwingt.

Bevor Sie einen Ersatz in die engere Wahl nehmen, ermitteln Sie Ihren tatsächlichen In-Memory-Datenbestand in GB und Ihre tatsächliche Zahl namentlich benannter Nutzer. Eine dieser Zahlen treibt Ihre Vertragsverlängerung, und meistens ist es nicht die, die das Finanzteam verfolgt.

Was die assoziative Engine kann, das SQL-Generierung nicht kann

Seien wir hier fair gegenüber dem Platzhirsch, denn genau an diesem Punkt liegt ein Migrations-Business-Case meistens falsch.

Fast jedes andere Tool in diesem Leitfaden, Power BI und Tableau eingeschlossen, erzeugt pro Visualisierung eine Abfrage und verwirft alles, was nicht zum aktuellen Filter passt. Qlik hält den Datensatz im Speicher und färbt jeden Wert passend zu Ihrer Auswahl: Ausgewählte Werte werden grün, assoziierte Werte bleiben weiß, und ausgeschlossene Werte werden grau, bleiben aber sichtbar, ein Verhalten, das Qlik als „Power of Gray" dokumentiert. Oft liegt die Erkenntnis genau in den grauen Werten. Die Produkte, die sich in einem Segment nicht verkauft haben. Die Konten, die nie ein Ticket geöffnet haben. Ein gefiltertes Dashboard kann keine Frage nach dem beantworten, was nicht da ist, weil es diese Zeilen verworfen hat, bevor Sie daran dachten, danach zu fragen.

Wenn Ihr Team diese Fähigkeit jede Woche nutzt, ersetzt kein Tool hier sie exakt. Domo kommt kommerziell am nächsten, ThoughtSpot erlebnismäßig, Sigma analytisch. Keines bildet das assoziative Modell nach. Wenn Ihr Team überwiegend fertige Dashboards konsumiert und selten explorativ arbeitet, zahlen Sie für eine Engine, die niemand fährt, und der Rest dieses Leitfadens handelt davon, was dieses Budget sonst kaufen kann.

Warum Teams Qlik Sense tatsächlich verlassen

Kapazitätspreise haben das Budgetmodell gesprengt. Nicht, weil sie in jedem Fall teurer sind, oft sind sie es nicht, sondern weil ein Finanzteam, das die BI-Kosten sechs Jahre lang pro Platz prognostiziert hat, sie nun pro Gigabyte prognostizieren muss. Wer das falsch einschätzt, kostet den Plattformverantwortlichen Glaubwürdigkeit, und das ist ein politisches, kein technisches Problem.

Das Load-Script ist eine Spezialistenkompetenz. Qlik-Dateneditor, QVD-Dateien und Set-Analysis-Ausdrücke sind leistungsstark und nichts, was sich ein Business-Analyst an einem Wochenende aneignet. Das konzentriert den Berichtsbau in einer kleinen Gruppe, das Gegenteil dessen, was ein Self-Service-BI-Kauf eigentlich liefern sollte. Das typische Fehlerbild ist eine Warteschlange von Dashboard-Anfragen hinter zwei Personen.

Der Fachkräftepool ist dünner. Das ist keine Kritik an Qlik-Entwicklern, die tendenziell hervorragend sind. Es ist eine Marktbeobachtung: Jobbörsen, Freelancer-Netzwerke und Community-Volumen neigen stark zu Power BI und Tableau, sodass der Ersatz für einen ausscheidenden Qlik-Entwickler länger dauert. Für ein Team aus zwei Spezialisten ist das ein echter Single Point of Failure.

Der Private-Equity-Besitz wirft eine Roadmap-Frage auf. Thoma Bravo hält seit 2016 die Mehrheit, und die Beteiligung der ADIA im Mai 2025 brachte einen zweiten institutionellen Anteilseigner, ohne die Kontrolle zu verändern. Das liest sich nach Stabilität, nicht nach Schieflage. Aber ein privater Anbieter veröffentlicht keine Quartalsergebnisse, sodass eine dreijährige Bindung ein Roadmap-Risiko mit weniger öffentlichen Informationen ist, als ein Vertrag mit Microsoft oder Google verlangt.

Beharrungskraft von On-Premises. Viele Landschaften laufen noch als Qlik Sense Enterprise Client-Managed im Rechenzentrum, mit jahrelang angesammelten Apps, Erweiterungen und geplanten Reloads. Das nach Qlik Cloud zu verlagern ist selbst ein Migrationsprojekt, und wenn Sie ohnehin ein Projekt starten, ist „sollte das nicht woanders hin" eine berechtigte Frage.

Enterprise- und Full-Platform-Alternativen

Diese sieben können eine unternehmensweite BI-Landschaft tragen, die Messlatte, die ein Qlik-Sense-Ersatz erreichen muss.

1. Microsoft Power BI - Der günstigste Platz der Kategorie mit Governance

Power BI ist der Punkt, an dem die meisten Qlik-Evaluierungen beginnen und oft auch enden: Es hat den niedrigsten veröffentlichten Enterprise-Platzpreis aller glaubwürdigen Plattformen hier, und die Identitätsschicht läuft bereits, wenn Sie Microsoft 365 nutzen. Für ein Team, das von Kapazitätspreisen wegkommen will, liegt der Reiz in der Rückkehr zu einer Zahl, die das Finanzteam zu modellieren weiß. Der Kompromiss ist ehrlich. Sie geben die assoziative Engine gegen ein Modell mit einer Abfrage pro Visualisierung auf und nehmen DAX in Kauf, das aussieht wie Excel und sich jenseits einfacher Kennzahlen völlig anders verhält. Desktop gibt es nur für Windows, ohne Mac-Version, und Fabric legt im großen Maßstab kapazitätsbasierte F-SKU-Preise obendrauf, sodass die Kapazitätsrechnung, der Sie mit Qlik entkommen wollten, wieder auftauchen kann.

Zielgruppe. IT-geführte Organisationen mit Microsoft 365, Entra ID und Azure, in denen BI innerhalb des bestehenden Compliance-Rahmens liegen muss.

Größeneignung. 10 bis 50.000 Mitarbeitende, wobei die Platzrechnung jenseits einiger Hundert Pro-Nutzer ernst wird.

Stage-Fit. Jede Phase, in der zentral verwaltetes Reporting wichtiger ist als explorative Freiheit.

Preise: Kostenloses Konto für den persönlichen Gebrauch; Pro $14,00 pro Nutzer und Monat bei jährlicher Zahlung; Premium Per User $24,00 pro Nutzer und Monat bei jährlicher Zahlung; Power BI Embedded und Fabric-Kapazität werden separat angeboten.

Am besten geeignet für: Ein Qlik-Haus, dessen Beschwerde das Preismodell ist und nicht die Analytik.

Wenn Power BI Ihr Finalist wird, zeigt unsere Übersicht zu Power-BI-Alternativen, wo es zu kurz greift.

2. Tableau - Die tiefste visuelle Analytics-Engine

Tableau ist die Antwort, wenn diejenigen, die Qlik verlassen, die Analysten sind und nicht das Finanzteam. VizQL übersetzt Drag-and-drop in Datenbankabfragen und erzeugt so die flüssigste explorative visuelle Umgebung der kommerziellen BI, wobei Tableau Agent und Tableau Next KI-gestützte Analyse auf demselben Fundament ergänzen. Nicht an Qlik heran kommt es bei der Landschaft mit vielen Quellen: Tableau erwartet einigermaßen aufbereitete Daten und leistet keine schwere assoziative Modellierung über Dutzende Rohquellen. Wenn Ihre Qlik-Apps in der Plattform ernsthafte Data-Engineering-Arbeit leisten, muss diese Arbeit zuerst in vorgelagerte Systeme verlagert werden, und dieses Projekt ist meist größer als die BI-Migration.

Zielgruppe. Organisationen mit einer echten Analystenfunktion, deren Beschwerde die visuelle Obergrenze oder der Engpass bei zwei Personen für die App-Entwicklung ist.

Größeneignung. Grob 50 bis über 5.000 Mitarbeitende, überall dort, wo ein dediziertes Analytics-Team existiert.

Stage-Fit. Passend, sobald ein Unternehmen über Ad-hoc-Reporting hinaus ist und eine laufende Analytics-Praxis betreibt.

Preise: Tableau Standard ab $15 USD pro Nutzer und Monat bei jährlicher Abrechnung, mit Rollenpreisen von Creator $75, Explorer $42 und Viewer $15 pro Nutzer und Monat bei jährlicher Abrechnung. Tableau Enterprise beginnt bei $35 pro Nutzer und Monat bei jährlicher Abrechnung. Cloud+ und das Tableau+-Bundle gibt es nur auf Anfrage.

Am besten geeignet für: Analystenlastige Teams, die mehr visuelle Explorationstiefe wollen und Creator-Plätze finanzieren.

Wägen Sie Tableau gegen Power BI ab? Unser Vergleich Power BI vs Tableau behandelt diese Paarung, und der Leitfaden zu Tableau-Alternativen den umgekehrten Fall.

3. ThoughtSpot - Suche und KI-Agenten statt einer Formelsprache

ThoughtSpot ist die interessanteste Alternative für ein Qlik-Team, dessen eigentliches Problem der Engpass ist. Statt mehr Menschen eine Skriptsprache beizubringen, lässt es Fachanwender eine Frage eintippen und eine Antwort mit Governance erhalten, wobei Spotter, seine KI-Agentenschicht, Folgefragen auf einer modellierten semantischen Schicht bearbeitet. Gartner nannte diese Verankerung in zentral gesteuerten Models und Worksheets als Stärke, was wichtig ist, weil KI-Analytik ohne Verankerung selbstbewusst falsche Analytik ist. Der Haken ist die kommerzielle Form, und sie ist das exakte Gegenteil dessen, was Sie verlassen: Qlik macht zusätzliche Viewer kostenlos, während ThoughtSpot jeden weiteren Nutzer zum Pauschalpreis der Stufe abrechnet, ohne günstigere reine Leserolle.

Zielgruppe. Business-geführte Organisationen, in denen Analystenkapazität der Engpass ist und Führungskräfte ihre eigenen Folgefragen stellen wollen.

Größeneignung. Essentials passt zu 5 bis 50 Nutzern; Pro skaliert auf etwa 1.000; darüber hinaus ist es Enterprise.

Stage-Fit. Passend, sobald Sie ein Datenmodell mit Governance haben, gegen das sich die Suche lohnt, vorher falsch.

Preise: Essentials ab $25 pro Nutzer und Monat bei jährlicher Abrechnung (5 bis 50 Nutzer, bis zu 25 Millionen Zeilen); Pro ab $50 pro Nutzer und Monat bei jährlicher Abrechnung (bis zu 1.000 Nutzer, 250 Millionen Zeilen, Spotter mit 25 Abfragen pro Nutzer und Monat); Enterprise individuell. Eine kostenlose Embedded-Developer-Stufe läuft ein Jahr für 10 Nutzer.

Am besten geeignet für: Teams, deren Engpass die Analystenkapazität ist, mit weniger als einigen Hundert Nutzern.

4. Looker (Google Cloud core) - Governance liegt im Modell

Lookers Prämisse passt ungewöhnlich gut zu dem, was ein ausgereiftes Qlik-Haus ohnehin glaubt: jede Kennzahl einmal zentral definieren und jede nachgelagerte Oberfläche erbt sie. In Looker lebt diese Definition in LookML und versorgt Dashboards, eingebettete Apps und Slack-Benachrichtigungen aus einer einzigen Quelle. Wenn Ihre Qlik-Landschaft existiert, weil „diese zwei Berichte widersprechen sich" zu einem teuren, wiederkehrenden Problem wurde, packt Looker es an der Modellierungsschicht an statt an der Engine. Zwei Dinge sind einzupreisen: Looker veröffentlicht überhaupt keinen Preis, sodass die Budgetierung ein Vertriebsgespräch und eine mehrjährige Bindung erfordert, und LookML ist eine eigene Sprache mit einer wohl steileren Lernkurve als Set Analysis.

Zielgruppe. Engineering-geführte Organisationen, besonders auf BigQuery, mit einem Datenteam, das ein semantisches Modell als Code besitzen und versionieren kann.

Größeneignung. Grob 100 bis über 5.000 Mitarbeitende mit einer dedizierten Data-Engineering-Funktion.

Stage-Fit. Passend, wenn Metrikkonsistenz über viele Konsumenten hinweg das teure Problem ist.

Preise: Kein veröffentlichter Preis. Editionen Standard, Enterprise und Embed, nur auf Anfrage, mit einer Laufzeit von 1, 2 oder 3 Jahren, jeweils mit 1 Produktionsinstanz, 10 Standard Users und 2 Developer Users. Conversational Analytics veröffentlicht ab dem 1. Oktober 2026 eigene Nutzungspreise: $3,00 pro 1 Million Input-Datentoken und $20,00 pro 1 Million Output-Datentoken.

Am besten geeignet für: Eine Organisation, die auf Google Cloud oder BigQuery setzt und Governance im Modell verankert haben will.

Wenn Looker bereits auf Ihrer Liste steht, zeigt der Leitfaden zu Looker-Alternativen, wo es gegenüber anderen verliert.

5. Domo - Plätze sind kostenlos, der Verbrauch ist die Rechnung

Domo ist das nächste kommerzielle Analogon zu dem, was Sie bereits haben. Plätze kosten nichts; Sie verpflichten sich jährlich zu einem Pool von Verbrauchs-Credits, und Aktivität zehrt ihn auf. Für ein Qlik-Team, das schätzt, dass ein zusätzlicher Viewer null kostet, ist Domo beim Preismodell der direkteste Vergleich auf Augenhöhe, auch wenn die Engine darunter völlig anders ist. Es bringt dieselbe Prognoseschwierigkeit im neuen Gewand: Domo veröffentlicht keinen Preis, keine Tarifnamen und keine Zahlen, sodass Sie ohne Vertriebszyklus kein Budget vorab eingrenzen können. Das Produkt ist breiter als reine BI, mit über 1.000 Konnektoren und der besten mobilen Oberfläche hier.

Zielgruppe. Business-geführte Organisationen, die breite Verteilung, starken mobilen Zugriff und leichten App-Bau auf BI wollen.

Größeneignung. Grob 200 bis 10.000 Mitarbeitende, wo sich das Modell mit kostenlosen Plätzen auszahlt.

Stage-Fit. Passend, wenn Verteilungsbreite wichtiger ist als analytische Tiefe.

Preise: Kein veröffentlichter Preis. Plätze sind kostenlos; das Produkt ist ein jährlich zugesagter Pool von Verbrauchs-Credits.

Am besten geeignet für: Ein Qlik-Haus, das kostenlose Viewer behalten will und einen nicht prognostizierbaren Zähler gegen einen anderen tauscht.

Der Leitfaden zu Domo-Alternativen behandelt den umgekehrten Fall, in dem Domo das bestehende System ist.

6. Sisense - Gebaut, um im eigenen Produkt zu verschwinden

Sisense ist wegen eines bestimmten Qlik-Anwendungsfalls hier: Teams, die kundenseitige Analytik auf Qlik aufgebaut haben und nun mit der Plattform kämpfen, um sie im White-Label-Betrieb zu führen. Sisense ist Headless und API-first, wird per iframe oder Compose SDK auf ElastiCube integriert, seiner In-Memory-Engine, und so konzipiert, dass ein Endkunde nie erfährt, welcher BI-Anbieter darunter steckt. Wenn Ihr Bedarf interne Dashboards für Ihre eigenen Mitarbeitenden ist, ist das die falsche Form. Sisense-Käufe kommen aus einem Produkt- oder Engineering-Budget, ein nützliches Indiz: Wenn niemand aus dem Produktbereich im Raum sitzt, ist Sisense wahrscheinlich nicht Ihre Antwort.

Zielgruppe. Softwareunternehmen und Data-Product-Teams, die Analytik in eine Anwendung einbetten, die ihre eigenen Kunden nutzen.

Größeneignung. Grob 50 bis 2.000 Mitarbeitende mit einer echten Engineering-Funktion.

Stage-Fit. Passend, wenn Analytik Teil des Produkts ist, das Sie verkaufen, und nicht, wie Sie das Unternehmen steuern.

Preise: Kein veröffentlichter Preis. Zwei benannte Tarife, Self-Serve und Enterprise („auf Ihre Spezifikationen zugeschnitten"), mit kostenloser Testphase und nur einem Weg über „Sprechen Sie mit uns".

Am besten geeignet für: Teams, deren Qlik-Bereitstellung in Wahrheit ein getarntes Embedded-Analytics-Produkt ist.

7. SAP Analytics Cloud - BI und Planung in einer SAP-nativen Plattform

SAP Analytics Cloud verdient hier einen Platz für eine schmale, aber reale Gruppe: Qlik-Häuser, deren Apps überwiegend SAP-Daten lesen. Wenn Ihre Load-Scripts ihr Leben damit verbringen, aus S/4HANA oder BW zu extrahieren, entfällt eine ganze Extraktionsschicht, und es ist die einzige Plattform hier, die Planung und Forecasting gleichrangig neben dem Reporting behandelt. Die Schwerkraft wirkt in beide Richtungen: Bei SAP-Daten ist es am stärksten und bei allem anderen bloß ausreichend, sodass eine gemischte Landschaft mehr verliert als gewinnt. Und die Preisgestaltung ist selbst für diese Kategorie undurchsichtig.

Zielgruppe. Große SAP-ERP-Kunden, insbesondere Finanzorganisationen, die Analytik und Planung auf einer Plattform wollen.

Größeneignung. Grob ab 500 Mitarbeitenden, wo bereits eine SAP-Landschaft existiert.

Stage-Fit. Passend für ein reifes Unternehmen mit SAP als führendem System, fast überall sonst falsch.

Preise: Kein veröffentlichter Preis. Lizenziert über die Core-Kapazität von SAP Business Data Cloud, mit nutzungsbasierter Abrechnung in Blöcken von 1 Nutzer, einer Vertragslaufzeit von 3 bis 12 Monaten und automatischer Verlängerung, laut der eigenen Preisseite von SAP zu SAP Analytics Cloud. Weder dort noch auf der referenzierten Preisseite zur BDC-Core-Kapazität erscheint eine Zahl.

Am besten geeignet für: Ein SAP-zentriertes Unternehmen, das Reporting und Planung in derselben Plattform will.

Warehouse-native und Cloud-Self-Service

Wenn Ihre Daten bereits zu Snowflake, BigQuery oder Databricks umgezogen sind, spielt das In-Memory-Modell, um das Qlik gebaut ist, weniger Rolle als früher.

8. Sigma Computing - Eine Tabellenoberfläche auf Live-Warehouse-Daten

Sigma beantwortet den Qlik-Engpass mit einem anderen Trick als ThoughtSpot: Statt Menschen das Suchen beizubringen, gibt es ihnen die Oberfläche, die sie schon kennen. Sigmas Raster sieht aus und verhält sich wie eine Tabellenkalkulation, aber jede Zelle wird im großen Maßstab gegen Live-Warehouse-Daten ausgeführt, und Nutzer können Ergebnisse ohne Code zurück nach Snowflake oder BigQuery schreiben. Für ein Finanzteam, das jahrelang ohnehin Qlik-Daten nach Excel exportiert hat, schließt das einen Kreislauf, den niemand gern pflegt. Die Voraussetzung ist real: Wenn Ihre Qlik-Bereitstellung faktisch das Warehouse ist und das Load-Script die Joins erledigt, muss diese vorgelagerte Arbeit existieren, bevor Sigma tragfähig ist.

Zielgruppe. Finance-, RevOps- und Fachteams, die in Tabellenkalkulationen leben, in Unternehmen mit einem bereits laufenden modernen Cloud-Warehouse.

Größeneignung. Grob 100 bis 5.000 Mitarbeitende mit einer Data-Engineering-Funktion, die das Warehouse betreibt.

Stage-Fit. Passend nach der Warehouse-Migration, nicht davor.

Preise: Kein veröffentlichter Preis. Nur kostenlose Testphase und Demo-Anfrage.

Am besten geeignet für: Warehouse-first-Teams, deren Nutzer lieber in einem Raster arbeiten, als ein BI-Tool zu lernen.

9. Amazon QuickSight - Wirtschaftlichkeit pro Sitzung für AWS-native Teams

QuickSight ist der günstigste Weg, ein Dashboard mit Governance vor ein großes, überwiegend lesendes Publikum zu bringen, und die einzige Plattform hier, die für genau dieses Publikum einen Preis veröffentlicht. Reader kosten $3 pro Nutzer und Monat. Für eine Qlik-Landschaft, deren eigentlicher Wert darin besteht, dass 400 Personen 12 Dashboards ansehen, verändert das die Rechnung komplett, und wenn Sie bereits auf AWS sind, ist die Anbindung von Identität, VPC und Datenquellen eine Arbeit, die Sie größtenteils erledigt haben. Seien Sie ehrlich über die Obergrenze: QuickSight ist keine explorative Umgebung im Sinne von Qlik oder Tableau, und die Preisgestaltung hat mehr Positionen, als die Überschrift vermuten lässt.

Zielgruppe. AWS-native Organisationen, die Dashboards mit Governance an eine große schreibgeschützte Nutzerschaft verteilen.

Größeneignung. Grob 100 bis 10.000 Mitarbeitende, wo das Reader-Volumen dominiert.

Stage-Fit. Passend, wenn Konsum die Arbeitslast ist und Exploration eine Nische.

Preise: Author $24 pro Nutzer und Monat und Reader $3 pro Nutzer und Monat, plus eine Infrastrukturgebühr von $250 pro Monat und Konto, sobald Pro-Funktionen oder Q&A aktiviert sind. Author Pro kostet $40 und Reader Pro $20 pro Nutzer und Monat; SPICE-Speicher kostet $0,38 pro GB und Monat über die 10 GB hinaus, die jeder Author enthält.

Am besten geeignet für: AWS-Häuser, in denen die meisten Qlik-Nutzer Konsumenten sind, keine Explorer.

10. Hex - Notebooks, Apps und Dashboards in einer Oberfläche

Hex ist die Alternative für den Teil Ihrer Qlik-Landschaft, der nie wirklich BI war. Wenn Ihr Datenteam Qlik-Apps zu Analysen zurechtgebogen hat, die als Python oder SQL ehrlicher wären, gibt Hex ihm ein Notebook, das sich direkt als interaktive App veröffentlichen lässt, ohne separate Übergabe an ein Dashboard-Tool. Es ist keine unternehmensweite Viewer-Plattform und gibt sich auch nicht als solche aus. Die Preisgestaltung erfolgt pro Editor, was verrät, für wen es gedacht ist: für die, die bauen, nicht für die Hunderte, die lesen.

Zielgruppe. Data-Science- und Analytics-Engineering-Teams, die in SQL und Python sicher sind.

Größeneignung. Grob 20 bis 1.000 Mitarbeitende mit einem echten Datenteam.

Stage-Fit. Passend, sobald die Analyse über Dashboards hinausgewachsen ist und Code braucht statt eines weiteren Diagrammtyps.

Preise: Community kostenlos; Professional $36 pro Editor und Monat; Team $75 pro Editor und Monat; Enterprise individuell.

Am besten geeignet für: Technische Datenteams, deren Qlik-Apps schon immer eigentlich getarnte Analysen waren.

Open Source und Budget-Optionen

Wenn die Zahl der Vertragsverlängerung das ganze Problem ist, verändern diese fünf die Größenordnung statt nur den Anbieter.

11. Metabase - Der schnellste Weg zu Self-Service-BI

Metabase ist die kürzeste Strecke zwischen „wir haben Qlik gekündigt" und „die Leute haben wieder Dashboards". Die Open-Source-Edition ist kostenlos, selbst gehostet, mit unbegrenzten Nutzern und ohne Platzobergrenze, und ein kompetenter Engineer kann sie an einem Nachmittag gegen Ihre Datenbank zum Laufen bringen. Der Query Builder bewältigt die meisten alltäglichen Fragen, bevor jemand SQL braucht, und löst damit den Engpass bei zwei Spezialisten, den eine Qlik-Landschaft erzeugt. Ein Detail, das Sie in Ihre Notizen übernehmen sollten, weil Vergleichsartikel es uneinheitlich zitieren: Metabase Cloud Starter kostet $100 pro Monat oder $90 pro Monat bei jährlicher Zahlung ($1.080 pro Jahr). Beide Zahlen stehen auf der eigenen Preisseite von Metabase, ein Vergleich, der die eine nennt, und ein Vergleich, der die andere nennt, beschreiben also denselben Tarif mit unterschiedlichen Abrechnungsbedingungen.

Zielgruppe. Kleine und mittelgroße Teams, die Self-Service-Reporting ohne Plattformprojekt wollen.

Größeneignung. 5 bis 500 Mitarbeitende; darüber wird die Governance dünn.

Stage-Fit. Passend früh, und noch einmal passend als bewusste Vereinfachung nach einer überkonstruierten Landschaft.

Preise: Open Source kostenlos, selbst gehostet, unbegrenzte Nutzer. Cloud Starter $100 pro Monat oder $1.080 pro Jahr für die ersten 5 Nutzer, danach $6 pro Nutzer und Monat oder $65 pro Nutzer und Jahr. Pro $575 pro Monat oder $6.210 pro Jahr für die ersten 10 Nutzer, danach $12 pro Nutzer und Monat oder $130 pro Nutzer und Jahr. Enterprise individuell ab $20.000 pro Jahr. Jährliche Zahlung spart 10 %, und Embed-Viewer zählen als Nutzer.

Am besten geeignet für: Teams, deren Qlik-Bereitstellung immer schwergewichtiger war als die Fragen, die sie tatsächlich stellen.

12. Preset (verwaltetes Apache Superset) - Open Source ohne Serverbetrieb

Preset ist Apache Superset als verwalteter Dienst, die praktische Antwort für ein Team, das Open-Source-Wirtschaftlichkeit und keinen Lock-in will, aber keinen Superset-Betriebsdienst besetzen möchte. Superset selbst ist kostenlos, ausgereift, SQL-first und im großen Maßstab im Einsatz; Preset übernimmt Hosting, Upgrades und Support. Die Stufe Starter ist dauerhaft kostenlos für bis zu 5 Nutzer, sodass ein Pilot im Direktvergleich mit Ihren Qlik-Apps nichts außer Zeit kostet. Die ehrliche Einschränkung ist, wer baut: Superset erwartet SQL-Kenntnisse, es verlagert den Engpass also von Qlik-Spezialisten zu SQL-versierten Analysten, ein größerer, aber nicht unbegrenzter Pool.

Zielgruppe. Engineering-geführte Teams, die Open Source mit Supportvertrag und einem Ausstiegspfad wollen.

Größeneignung. 20 bis 2.000 Mitarbeitende mit SQL-fähigen Analysten.

Stage-Fit. Passend, wenn die Vermeidung von Lock-in ein ausdrückliches Architekturziel ist.

Preise: Starter dauerhaft $0 für bis zu 5 Nutzer. Professional $20 pro Nutzer und Monat bei jährlicher Zahlung oder $25 pro Nutzer und Monat bei monatlicher Zahlung, mit unbegrenzten Nutzern. Enterprise individuell. Embedded Dashboard Viewer Licences sind ein Add-on ab $500 pro Monat für 50 Lizenzen. Selbst gehostetes Apache Superset ist kostenlos.

Am besten geeignet für: Teams, die Open-Source-Freiheit wollen, während jemand anderes die Rufbereitschaft übernimmt.

13. Zoho Analytics - Ein echter kostenloser Tarif und veröffentlichte Add-on-Preise

Zoho Analytics ist das Budget-Ende des kommerziellen Marktes und eine ernsthafte Option für eine Abteilungs-Bereitstellung von Qlik, die nie Enterprise-Größe brauchte. In einer Zoho-One-Umgebung wird es noch überzeugender, da die Konnektoren zu Zoho CRM, Desk und Books nativ sind und kein Integrationsprojekt. Preislich ist dies in jeder Hinsicht das entgegengesetzte Ende des Marktes zu Qlik. Zoho veröffentlicht einen dauerhaft kostenlosen Tarif (2 Nutzer, 10.000 Zeilen, 5 Workspaces) und kostenpflichtige Cloud-Tarife von $25 pro Monat für 2 Nutzer und 500.000 Zeilen bis $495 pro Monat für 50 Nutzer und 50 Millionen Zeilen, mit 20 % Rabatt bei jährlicher Zahlung. Zusätzliche Nutzer kosten $8 pro Nutzer und Monat oder $6,40 bei jährlicher Abrechnung, und Viewer-Lizenzen kosten $4 pro Viewer und Monat bei einem Minimum von 25 Viewern. Die vier kostenpflichtigen Stufen steigen nach Kontingent und nicht allein nach Platzzahl: 2 Nutzer und 0,5 Millionen Zeilen, dann 5 und 1 Million, dann 15 und 5 Millionen, dann 50 und 50 Millionen, weshalb ein datenintensives Team lange vor dem Bedarf an mehr Plätzen an eine Zeilengrenze stoßen kann.

Zielgruppe. Kleine und mittelgroße Unternehmen und Abteilungs-Bereitstellungen, besonders Zoho-Kunden.

Größeneignung. 5 bis 200 Mitarbeitende; die Stufenleiter endet bei 50 Nutzern und 50 Millionen Zeilen.

Stage-Fit. Passend für ein Team, dessen Reporting-Bedarf real, aber nicht Enterprise-förmig ist.

Preise: Dauerhaft kostenloser Tarif mit 2 Nutzern, 10.000 Zeilen und 5 Workspaces. Vier kostenpflichtige Stufen skalieren bis 50 Nutzer und 50 Millionen Zeilen, 20 % Rabatt bei jährlicher Zahlung. Veröffentlichte Add-ons: zusätzliche Nutzer ab $8 pro Nutzer und Monat, Viewer $4 pro Viewer und Monat bei einem Minimum von 25 Viewern. Zuzüglich lokaler Steuern.

Am besten geeignet für: Abteilungs-Reporting, bei dem die Qlik-Position nie durch die Arbeitslast gerechtfertigt war.

14. Looker Studio - Kostenlose Dashboards für Marketing und kleine Teams

Looker Studio ist kostenlos, browserbasiert und verbindet sich nativ mit Google Ads, Analytics, Search Console und Sheets. Für den Teil einer Qlik-Landschaft, der in Wahrheit Marketing-Reporting auf Google-Daten ist, lässt sich kaum rechtfertigen, überhaupt etwas zu zahlen. Es teilt sich eine Marke mit Looker und sonst fast nichts: kein LookML, keine semantische Schicht mit Governance, keine Enterprise-Modellierung. Verstehen Sie, wie die kostenpflichtige Stufe lizenziert wird, bevor Sie sich festlegen, denn sie trifft besonders Agenturen. Looker Studio Pro wird pro Nutzer und Google-Cloud-Projekt abgerechnet, sodass eine Agentur mit 20 Kundenprojekten 20 Abonnements kauft, nicht eines.

Zielgruppe. Marketing-Teams, Agenturen und kleine Unternehmen, die hauptsächlich auf Google-Datenquellen berichten.

Größeneignung. 1 bis 200 Mitarbeitende, oder jedes Team, dessen Reporting wirklich Google-zentriert ist.

Stage-Fit. Passend früh, und für Marketing-Dashboards im Besonderen für immer passend.

Preise: Looker Studio ist kostenlos. Looker Studio Pro wird pro Nutzer und Google-Cloud-Projekt abgerechnet, mit $9 pro Nutzer und Projekt und Monat laut Googles eigener Produktseite.

Am besten geeignet für: Marketing-Reporting auf Google-Daten, das nie eine Enterprise-BI-Plattform brauchte.

15. Grafana - Operatives Monitoring und Zeitreihen

Grafana gehört hierher, weil ein überraschend großer Teil der Qlik-Bereitstellungen stillschweigend operatives Monitoring, Fertigungstelemetrie, IoT-Feeds oder Infrastrukturmetriken aufgenommen hat, die nie in eine BI-Plattform gehörten. Grafana ist genau dafür gebaut: Metriken, Logs und Traces in Zeitreihenauflösung, mit Alerting, das auslöst. Diese Arbeitslast auszulagern verkleinert den Qlik-Kapazitätsbedarf oft stärker, als jeder Funktionsvergleich vorhersagt, weil Zeitreihendaten häufig das sind, was die Gigabytes gefüllt hat. Verwechseln Sie es aber nicht mit einem BI-Ersatz: Finanzberichte und Vorstands-Dashboards sind nicht sein Zweck.

Zielgruppe. Plattform-, SRE-, Fertigungs- und Operations-Teams, die Systeme überwachen statt ein Unternehmen zu analysieren.

Größeneignung. Jede Größe mit einer Engineering- oder Operations-Funktion.

Stage-Fit. Passend immer dann, wenn operative Daten im falschen Tool gelebt haben.

Preise: Dauerhaft kostenloser Tarif mit 14 Tagen Aufbewahrung. Cloud Pro ab $19 pro Monat Plattformgebühr plus Nutzung, mit Grafana-Visualisierung für $8,00 pro aktivem Nutzer und Monat. Enterprise ab einer Zusage von $25.000 pro Jahr.

Am besten geeignet für: Operative Arbeitslasten aus einer BI-Plattform herauszuholen, für die sie nie gedacht war.

Kapazität versus Platz: Was es bei 25, 100 und 500 Nutzern kostet

Das ist der Abschnitt, den Ihr Finanzteam tatsächlich braucht, denn die beiden Modelle kreuzen sich bei einer bestimmten Mitarbeiterzahl, und fast niemand rechnet aus, wo.

Die Tabelle zeigt die monatlichen Listenkosten, berechnet aus dem veröffentlichten Preis jedes Anbieters bei dieser Nutzerzahl. Es ist Arithmetik auf veröffentlichten Preisen, kein Angebot, und jeder reale Abschluss ab 100 Nutzern wird verhandelt. Beachten Sie die Grundlage in jeder Zeile: Einen Kapazitätspreis mit einem Platzpreis zu vergleichen, ohne die Grundlage zu nennen, ist die Art, wie BI-Budgets danebengehen.

Lesen Sie die Qlik-Zeilen von oben nach unten, und der Punkt ist offensichtlich: Die Zahl bewegt sich nicht. Lesen Sie quer durch eine beliebige Zeile mit Preis pro Platz, und sie steigt linear. Die einzige Frage, die zählt, ist also, wo Ihre Mitarbeiterzahl Ihre Kapazitätsrechnung kreuzt.

Daraus ergeben sich drei praktische Schlussfolgerungen.

Unter etwa 60 Nutzern gewinnt der Preis pro Platz fast immer. Eine Power-BI-Pro-Bereitstellung mit 40 Personen kostet $560 im Monat gegenüber $825 bei Qlik Standard, und der Abstand wächst, je kleiner Sie sind. Wenn Ihre Landschaft ein Abteilungs-Bereitstellung ist, das nie gewachsen ist, berechnet Ihnen die Kapazitätspreisgestaltung eine Größe, die Sie nicht haben.

Zwischen etwa 60 und 200 Nutzern hängt es von Ihrem Datenbestand ab. Hier ist der Vergleich wirklich eng, und hier landen die meisten Neubewertungen. Ermitteln Sie zuerst Ihre GB-Zahl; sie entscheidet die Antwort stärker als die Mitarbeiterzahl.

Ab etwa 200 Nutzern gewinnt die Kapazitätspreisgestaltung meist, und Qliks eigentlicher Wettbewerber ist Domo, nicht Power BI. Bei 500 Nutzern ist Qlik Premium mit $2.750 im Monat gegenüber Power BI Pro mit $7.000 keine knappe Sache. Wenn breite Verteilung Ihre Arbeitslast ist und die assoziative Engine nicht, ist Domo der ehrlichere Vergleich, und der Reader-Platz von QuickSight für $3 ist das einzige Platzmodell, das konkurrenzfähig bleibt.

Ein Vorbehalt gilt für jede Zeile: Qliks Rechnung bewegt sich mit dem Datenvolumen, Rechnungen pro Platz bewegen sich mit der Mitarbeiterzahl. Keines ist von Natur aus sicherer. Wählen Sie den Zähler, den Sie tatsächlich vorhersagen können.

Migration weg von Qlik: Was tatsächlich bricht

Jenseits der Lizenzzeile zeigen sich die Wechselkosten an vier Stellen, und drei davon sind spezifisch für Qlik statt allgemeiner BI-Migrationsschmerz.

Das Load-Script ist die Migration, nicht die Dashboards. Daten aus Qlik zu exportieren ist trivial. Nachzubauen, was der Dateneditor leistet, die QVD-Schicht, die inkrementellen Reloads, die Transformationen, die stillschweigend zu Ihrer ETL-Pipeline wurden, ist das eigentliche Projekt. Die meisten Landschaften tragen jahrelange Load-Logik, die niemand vollständig dokumentiert hat und die Data Engineering leistet, das das aufnehmende Tool schlicht nicht leistet. Planen Sie den Aufbau dieser vorgelagerten Schicht ein, bevor Sie den Neubau eines einzigen Diagramms budgetieren. Unser Leitfaden zu Tools und Tech-Stack für Datenanalysten zeigt, was diese Schicht umfassen muss.

Set-Analysis-Ausdrücke lassen sich nicht portieren. Jede nicht triviale Qlik-App enthält Set-Analysis-Logik, und sie übersetzt sich nicht sauber in DAX, LookML oder SQL. Rechnen Sie damit, die Logik neu zu schreiben statt sie zu konvertieren, und begegnen Sie den Migrations-Tool-Versprechen jedes Anbieters mit angemessener Skepsis.

Assoziatives Verhalten wird als explizite Navigation neu aufgebaut. Nutzer, die gewohnt sind, jedes Feld in jede Richtung anzuklicken, stoßen in einem Tool mit einer Abfrage pro Visualisierung an eine Wand. Die Abhilfe ist Design, nicht Funktionsumfang: weniger, besser strukturierte Dashboards mit bewussten Drill-Pfaden statt einer wörtlichen Nachbildung jeder Qlik-App. Unser Leitfaden zum Dashboard-Design hilft zu entscheiden, was wirklich neu gebaut werden muss, und das lohnt sich vor der Migration, nicht erst, wenn die Beschwerden beginnen.

Der Spezialist, den Sie haben, wird zum Spezialisten, den Sie anderswo brauchen. Wer Ihre Qlik-Apps verantwortet, hat übertragbare Fähigkeiten in Modellierung, Granularität und Beziehungen aufgebaut, und fast jedes Tool hier belohnt diesen Instinkt, auch wenn sich die Syntax ändert. Die Umschulung ist kürzer, als die meisten Pläne annehmen, und das Risiko, diese Person nicht früh einzubeziehen und zu verlieren, ist größer als die Schulungskosten.

Wenn der Druck in Wahrheit von einer einzelnen Funktion kommt und nicht vom ganzen Unternehmen, prüfen Sie, ob die Lösung überhaupt eine Migration ist. Unser Leitfaden zum Revenue-Operations-Dashboard behandelt dieses engere Problem, und ein besseres Dashboard auf der Plattform, die Sie besitzen, ist ein günstigeres Experiment.

Wie Sie wählen: Entscheidungsrahmen

Ordnen Sie den tatsächlichen Grund, aus dem Sie diese Entscheidung neu geöffnet haben, der Spalte rechts zu, bevor Sie eine einzige Demo buchen. Unser Leitfaden zur Auswahl von Analytics-Software behandelt den breiteren Evaluierungsprozess.

Die nächsten Schritte

Beginnen Sie mit zwei Zahlen, nicht mit zwei Demos. Ermitteln Sie Ihren In-Memory-Datenbestand in Gigabyte und Ihre Zahl namentlich benannter Nutzer und finden Sie dann Ihre Position in der obigen Kreuzungstabelle. Diese beiden Werte entscheiden mehr darüber, ob Sie Qlik verlassen sollten, als jede Funktionsliste, und die meisten Teams stellen fest, dass sie monatelang über die falsche Variable gestritten haben.

Wählen Sie dann aus dem Entscheidungsrahmen die zwei Alternativen, die Ihre konkrete Beschwerde beantworten, und bauen Sie in jeder eine bestehende Qlik-App nach, wobei Sie bewusst eine mit echter Set-Analysis-Logik wählen statt eines einfachen Diagramms. Messen Sie, wie lange Ihre eigenen Leute, nicht ein Solutions Engineer des Anbieters, brauchen, um etwas nachzubauen, das sie ohnehin zu bauen wissen. So kommt das Load-Script-Problem ans Licht, solange es noch eine Planungsfrage ist und kein Notfall mitten in der Migration.

Camellia schreibt über Business Intelligence und Analytics-Tools für B2B-Teams.