Power BI lernen: aus Daten Berichte machen

Wenn du bisher alles in Excel machst und dich deine Auswertungen immer mehr Zeit und Nerven kosten, bist du ein typischer Power-BI-Kandidat. Power BI nimmt dir nicht das Denken ab, aber es gibt dir Werkzeuge, mit denen du aus Daten robuste Berichte statt fragiler Tabellenmonster baust.

Was Power BI grundsätzlich von Excel unterscheidet

Power BI wirkt auf den ersten Blick wie ein hübscheres Excel mit mehr Diagrammen. In Wirklichkeit steckt dahinter ein anderer Ansatz:

• Excel: Tabellenkalkulation. Zellen, Formeln, oft manuelle Arbeit. Ideal für Ad-hoc-Analysen, kleinere Modelle, What-if-Rechnungen.
• Power BI: Datenmodellierung und Berichterstellung. Tabellen stehen im Hintergrund, im Vordergrund sind Beziehungen, Kennzahlen und Visuals.

Ein paar zentrale Unterschiede:

1. Datenhaltung In Excel arbeitest du direkt in Zellen. In Power BI importierst du Daten in ein internes Datenmodell. Das Modell ist spaltenorientiert, komprimiert und für Abfragen optimiert. Du siehst Tabellen, aber du fummelst nicht ständig an einzelnen Zellen herum.

2. Trennung von Daten und Darstellung In Excel vermischt du oft Rohdaten, Berechnungen und Diagramme auf einem Blatt. In Power BI gibt es eine klarere Trennung:

• Datenquelle und Transformation: Power Query
• Struktur und Logik: Datenmodell und DAX
• Darstellung: Berichte und Dashboards

3. Automatisierung und Aktualisierung In Excel lädst du oft manuell neue Daten, kopierst Dateien und passt Verweise an. In Power BI definierst du einmal Datenquellen und Aktualisierungslogik. Danach können Berichte mit einem Klick oder automatisch aktualisiert werden, besonders wenn du sie in den Power BI Service veröffentlichst.

4. Skalierung Excel stößt bei großen Datenmengen schnell an Grenzen. Power BI ist für hunderttausende bis Millionen Zeilen ausgelegt, ohne dass die Datei sofort unbenutzbar wird.

Wenn du Excel kannst, hast du einen guten Start. Aber du musst umdenken: weniger Zellformeln, mehr Modell und Kennzahlen.

Einstieg: Daten nach Power BI importieren

Der typische Einstieg läuft über Power BI Desktop. Dort legst du ein neues Berichtprojekt an und importierst Daten.

Typische Datenquellen:

• Excel-Dateien
• CSV- oder Textdateien
• Datenbanken wie SQL Server, Oracle, PostgreSQL
• Cloud-Dienste wie SharePoint, OneDrive, Azure SQL
• Web-APIs und OData-Feeds

In Power BI Desktop klickst du auf „Daten abrufen“ und wählst die Quelle. Wichtig ist hier schon die Denke: Du holst dir nicht „die eine Tabelle“, sondern du überlegst dir, welche Daten du für deine Auswertungen brauchst und wie sie zusammenhängen.

Beispiele:

• Umsatzanalyse: Faktentabelle „Verkäufe“, dazu Dimensionen „Kunden“, „Produkte“, „Kalender“.
• Projektcontrolling: Faktentabelle „Aufwände“, dazu „Mitarbeiter“, „Projekte“, „Leistungstypen“.

Es ist besser, mehrere saubere Tabellen zu importieren als eine riesige, voraggregierte Liste mit allem drin.

Power Query: Daten reinigen und formen

Nach dem Import landest du meist in Power Query, dem integrierten ETL-Werkzeug von Power BI. Hier machst du alles, was du früher per Excel-Formeln, Filtern und „Suchen/Ersetzen“ gemacht hast, aber nachvollziehbar und reproduzierbar.

Typische Aufgaben in Power Query:

• Spalten umbenennen, Datentypen setzen (Zahl, Datum, Text)
• Unnötige Spalten entfernen
• Zeilen filtern (z. B. nur aktive Kunden, nur ab einem bestimmten Datum)
• Tabellen zusammenführen (Joins) oder anhängen
• Spalten aufteilen und zusammenführen
• Pivotieren und Entpivotieren

Jeder Schritt wird als Transformationsschritt im Abfrage-Editor gespeichert. Du kannst:

• die Schritte später ändern oder löschen
• dieselbe Abfrage bei der nächsten Aktualisierung erneut ausführen lassen
• Logik wiederverwenden, indem du Abfragen duplizierst oder parametrisiert

Beispiel: Eine Excel-Tabelle mit Umsätzen enthält Datumswerte als Text, Produktnummern mit führenden Nullen und leere Zeilen. In Power Query:

1. Datums-Spalte in Datentyp „Datum“ umwandeln.
2. Leere Zeilen filtern.
3. Produktnummer als Text deklarieren, führende Nullen belassen.
4. Eine neue Spalte „Jahr“ aus dem Datum herausziehen.

Beim nächsten Monatsupdate brauchst du nur die Datei zu überschreiben. Power BI lädt und bereinigt sie mit genau denselben Schritten.

Das Datenmodell: Beziehungen richtig aufbauen

Wenn die Daten aus Power Query geladen sind, entsteht das Datenmodell. Hier legst du fest, wie Tabellen zusammenhängen.

Wichtige Begriffe:

• Faktentabellen: enthalten Ereignisse oder Transaktionen, z. B. Verkäufe, Buchungen, Aufwände.
• Dimensionstabellen: beschreiben Objekte, z. B. Kunden, Produkte, Kalender, Regionen.

Du verknüpfst Tabellen über Schlüsselspalten, etwa „KundenID“ oder „ProduktID“. Das Ergebnis ist ein Sternschema: In der Mitte die Faktentabelle, drumherum die Dimensionen.

Gute Praxis:

• Eindeutige Schlüssel in Dimensionstabellen, keine Duplikate.
• Möglichst keine direkten Beziehungen zwischen Dimensionstabellen, sondern alles über die Faktentabelle.
• Eine saubere Datumstabelle für Zeitintelligenzfunktionen (Jahr, Monat, Kalenderwoche, IsCurrentYear usw.).

In der Modellansicht siehst du die Tabellen als Kästen und kannst Beziehungen per Drag & Drop anlegen. Achte auf:

• Richtung des Filterflusses (einseitig vs. beidseitig)
• Kardinalität (eins zu viele vs. viele zu viele)
• Aktive vs. inaktive Beziehungen

Ein aufgeräumtes Modell ist die Basis für stabile Berichte. Wenn hier Chaos herrscht, wirst du später in DAX und Visuals viel Zeit mit Symptombekämpfung verbringen.

DAX-Grundlagen: Kennzahlen statt Zellformeln

DAX („Data Analysis Expressions“) ist die Formelsprache in Power BI. Sie sieht aus wie Excel, funktioniert aber anders. Du rechnest nicht mit einzelnen Zellen, sondern mit Spalten und Filterkontexten.

Es gibt zwei Hauptarten von DAX-Elementen:

• Berechnete Spalten: werden pro Zeile berechnet und im Modell gespeichert.
• Kennzahlen (Measures): werden zur Abfragezeit berechnet, abhängig vom aktuellen Filterkontext.

Für Analysen sind Kennzahlen das wichtigere Werkzeug. Ein paar typische Beispiele:

• Umsatz: Umsatz = SUM(Verkäufe[Umsatzbetrag])

• Anzahl Kunden: Anzahl Kunden = DISTINCTCOUNT(Verkäufe[KundenID])

• Umsatz Vorjahr: Umsatz Vorjahr = CALCULATE([Umsatz], SAMEPERIODLASTYEAR(Kalender[Datum]))

• Wachstumsrate: Umsatzwachstum % = DIVIDE([Umsatz] - [Umsatz Vorjahr], [Umsatz Vorjahr])

Wichtige DAX-Konzepte, die du früh verstehen solltest:

• Filterkontext: Welche Filter gelten im aktuellen Visual (z. B. ausgewähltes Jahr, Produktkategorie, Region).
• Zeilenkontext: Wird vor allem bei berechneten Spalten relevant.
• CALCULATE: passt den Filterkontext an und ist das Herzstück vieler DAX-Berechnungen.

Unterschied zu Excel: Du schreibst nicht für jede Zelle eine Formel, sondern definierst eine Kennzahl einmal. Danach kannst du sie in jedem Berichtselement verwenden, egal ob in einer Tabelle, einem Diagramm oder einer Card.

Visuals: Berichte verständlich aufbauen

Mit einem guten Modell und sinnvollen Kennzahlen wird der Berichtsteil vergleichsweise angenehm. In Power BI Desktop ziehst du Felder auf die Berichtsfläche und wählst Visualtypen.

Standard-Visuals:

• Balken- und Säulendiagramme
• Liniendiagramme
• Karten und Kennzahlenkarten
• Tabellen und Matrix-Visuals
• Karten (Geodaten)
• Kombinationsdiagramme

Wichtige Prinzipien für gute Visuals:

1. Frage zuerst klären Was soll das Visual beantworten? Entwicklung über die Zeit, Vergleich von Kategorien, Anteil am Ganzen? Danach wählst du das passende Visual.

2. Reduktion statt Deko Vermeide unnötige 3D-Effekte, grelle Farben und überladene Diagramme. Einfache Balken mit klaren Beschriftungen sind meist besser.

3. Interaktivität nutzen In Power BI können Visuals sich gegenseitig filtern oder hervorheben. Wenn du in ein Balkendiagramm klickst, aktualisieren sich andere Visuals automatisch. Nutze das, um Drilldowns zu ermöglichen, statt alles in ein riesiges Diagramm zu packen.

4. Hierarchien und Drilldown Du kannst Hierarchien definieren, zum Beispiel Jahr, Quartal, Monat, Tag. Dann können Nutzer im Bericht von der Jahresübersicht bis zur Tagesansicht herunterklicken, ohne dass du zehn separate Seiten baust.

5. Filters und Slicer Mit Slicern (Filtervisuals) können Nutzer selbst nach Region, Zeitraum oder Produktgruppe filtern. Übertreibe es aber nicht, sonst wird der Bericht unübersichtlich.

Eine einfache, aber effektive Struktur für eine Berichtseite:

• Oben: 3 bis 5 Kennzahlenkarten mit den wichtigsten KPIs.
• Mitte: 1 bis 2 zentrale Diagramme (z. B. Umsatzentwicklung über die Zeit, Top-10-Produkte).
• Unten: eine Tabelle oder Matrix für Detaildaten.
• Rechts oder links: Slicer für Zeitraum, Region, Produktgruppe.

Veröffentlichen und teilen: vom Desktop in den Power BI Service

Wenn dein Bericht in Power BI Desktop fertig ist, kommt der Schritt, der Power BI von Excel besonders unterscheidet: das Veröffentlichen.

Über den Button „Veröffentlichen“ lädst du den Bericht in den Power BI Service in der Cloud. Dort kannst du:

• Berichte online ansehen und filtern
• Dashboards erstellen, die Visuals aus mehreren Berichten kombinieren
• Datenaktualisierungen planen (z. B. täglich)
• Berichte mit Kolleginnen und Kollegen teilen
• Row-Level-Security einrichten, damit nicht jeder alles sieht

Typischer Ablauf in einem Unternehmen:

1. Entwickeln und testen im Power BI Desktop.
2. Veröffentlichen in einen Arbeitsbereich im Power BI Service.
3. Datenaktualisierung und Berechtigungen konfigurieren.
4. Bericht per Link oder App den Nutzerinnen und Nutzern bereitstellen.

Im Vergleich zu einer Excel-Datei im Fileshare hat das klare Vorteile: keine Versionskonflikte, zentrale Datenlogik, automatische Aktualisierung, Zugriff über Browser und mobile Apps.

Wenn du dich tiefer in diese Themen einarbeiten möchtest oder gezielt Praxiserfahrung sammeln willst, findest du passende Power-BI-Schulungen und aktuelle Termine bei cmt.de.

Power BI statt Excel: Wann lohnt sich der Umstieg?

Du musst Excel nicht abschaffen, beide Werkzeuge ergänzen sich. Ein paar Leitfragen, wann Power BI sinnvoll ist:

• Hast du wiederkehrende Auswertungen mit ähnlichen Schritten?
• Leidest du unter manuellen Datenupdates, Copy&Paste und instabilen Verweisen?
• Willst du große Datenmengen performant analysieren?
• Sollen mehrere Personen mit denselben Kennzahlen arbeiten, ohne eigene Excel-Versionen zu pflegen?
• Willst du interaktive Dashboards statt statischer Tabellen verschicken?

Wenn du mehrere dieser Fragen mit Ja beantwortest, lohnt es sich, Power BI ernsthaft zu lernen. Der Lernaufwand ist da, besonders bei Datenmodellierung und DAX. Aber du gewinnst Stabilität, Geschwindigkeit und bessere Zusammenarbeit.

Konkreter Lernpfad: Wie du Power BI systematisch lernst

Zum Abschluss ein pragmatischer Fahrplan, wie du dir Power BI Schritt für Schritt erarbeitest:

1. Grundlagen in Power BI Desktop

• Oberfläche verstehen
• Daten importieren
• Einfache Visuals erstellen

2. Power Query

• Typische Transformationen üben
• Mehrere Datenquellen kombinieren
• Mit Parametern und Abhängigkeiten arbeiten

3. Datenmodellierung

• Fakt- und Dimensionstabellen sauber trennen
• Beziehungen korrekt anlegen
• Datumstabelle einführen und verstehen

4. DAX-Basics

• Kennzahlen vs. berechnete Spalten
• Aggregationsfunktionen (SUM, COUNT, AVERAGE, DISTINCTCOUNT)
• Erste Zeitintelligenzfunktionen (TOTALYTD, SAMEPERIODLASTYEAR)

5. Berichtsgestaltung

• Sinnvolle Layouts entwerfen
• Interaktivität planen
• Standardvisuals gezielt einsetzen

6. Veröffentlichen und Zusammenarbeit

• Power BI Service nutzen
• Arbeitsbereiche und Berechtigungen verstehen
• Datenaktualisierung einrichten

Mit diesem Fokus kommst du von der klassischen Excel-Auswertung zu professionellen Power-BI-Berichten, die du in deinem Team oder Unternehmen produktiv einsetzen kannst.