DAX and data models
Datenmodell in Power BI sauber aufbauen
So bauen Sie ein Datenmodell in Power BI, das im Monatsabschluss stimmt: Sternschema, Beziehungen, Datumstabelle und DAX-Measures Schritt fuer Schritt.
Sajagan Thirugnanam
·
Aktualisiert
Ein Datenmodell in Power BI verbindet Ihre Tabellen ueber Beziehungen, damit ein Bericht aus mehreren Quellen richtig rechnet. Ein gutes Datenmodell trennt Faktentabellen (Umsatz, Bestellungen) von Dimensionstabellen (Datum, Kunde, Produkt), nutzt ein Sternschema und Beziehungen in eine Richtung. So bleiben die Zahlen im Monatsabschluss stabil und schnell.
Die meisten Teams bauen ihr Datenmodell falsch, und man sieht es genau im Monatsabschluss. Zwei Berichte zeigen denselben Umsatz, und trotzdem stehen dort zwei verschiedene Zahlen. In der Sitzung fragt jemand aus dem Management, welche davon stimmt, und niemand kann es in dem Moment sicher sagen. Das liegt fast nie an Power BI selbst. Es liegt am Datenmodell darunter.
Dieser Leitfaden erklaert drei Dinge. Was ein Datenmodell in Power BI wirklich ist, warum es falsche oder langsame Zahlen liefert, und welche konkreten Schritte Sie heute gehen koennen, um es sauber aufzubauen. Wir schreiben aus der Arbeit an echten Berichten, nicht aus einem Kurs.
Key takeaways
Ein Datenmodell verbindet Ihre Tabellen über Beziehungen, damit ein Bericht aus mehreren Quellen richtig rechnet.
Trennen Sie Faktentabellen wie Umsatz von Dimensionstabellen wie Datum, Kunde und Produkt.
Eine einzige große Tabelle ist die häufigste Ursache für falsche Zahlen, sobald zwei Quellen dazukommen.
Eine Kennzahl ist nur so verlässlich wie das Datenmodell darunter.
Was ist ein Datenmodell in Power BI?
Ein Datenmodell ist die Struktur aus Tabellen und Beziehungen, die Power BI nutzt, um eine Zahl zu berechnen. Wenn Sie Daten laden, landen sie zuerst als einzelne Tabellen im Modell. Eine Tabelle enthaelt Bestellungen, eine andere die Kunden, eine dritte die Produkte. Erst die Beziehungen zwischen diesen Tabellen machen daraus ein Modell, mit dem Sie rechnen koennen.
Power BI zeigt das Ganze in der Modellansicht. Dort sehen Sie jede Tabelle als Kaestchen und jede Beziehung als Linie mit einem Pfeil. Die Richtung des Pfeils entscheidet, wie ein Filter von einer Tabelle zur naechsten wandert. Genau hier entstehen die meisten Probleme, denn eine falsch gesetzte Beziehung liefert eine Zahl, die zwar plausibel aussieht und trotzdem verkehrt ist.
Gute Datenmodelle sind kein Zufall. Sie folgen einer klaren Ordnung, und diese Ordnung heisst in Power BI meistens Sternschema. Dazu kommen wir gleich.
Warum liefert das Datenmodell falsche Zahlen?
Die haeufigste Ursache ist eine einzige grosse Tabelle. Viele Berichte beginnen mit einem Export aus Excel, in dem schon alles zusammengefasst ist: Umsatz, Kunde, Region und Datum in einer Zeile. Das laedt sich schnell, doch sobald zwei Quellen dazukommen, fehlt die Struktur, um sie sauber zu verbinden. Laut einer Studie von Panko et al. (2024) enthalten 94 Prozent der geschaeftlich genutzten Tabellenkalkulationen Fehler. Wer ein Datenmodell direkt aus so einer Tabelle baut, uebernimmt diese Fehler eins zu eins.
Die zweite Ursache sind Beziehungen in beide Richtungen. Wenn ein Filter in beide Richtungen laeuft, kann Power BI in eine Schleife geraten und eine Kundenzahl doppelt zaehlen. Das faellt oft erst auf, wenn eine Summe im Bericht viel zu hoch ist. In einem Projekt sahen wir einen Kassenbestand, der dreimal zu hoch stand, weil das Modell jeden Monatsendwert addiert hatte statt nur den letzten. Die Aktualisierung war gruen, und die Zahl war trotzdem verkehrt.
Die dritte Ursache ist die automatische Datumslogik. Power BI legt fuer jede Datumsspalte im Hintergrund eine eigene versteckte Datumstabelle an. Bei zwanzig Spalten sind das zwanzig unnoetige Tabellen, die das Modell aufblaehen und die Aktualisierung verlangsamen. Die Einstellung heisst Automatische Datums-/Uhrzeiterkennung und gehoert fast immer ausgeschaltet.
Was unterscheidet eine Tabelle von einem Datenmodell?
Eine Tabelle ist eine Liste. Ein Datenmodell ist eine Menge von Tabellen, die ueber Schluesselspalten miteinander verbunden sind und gemeinsam rechnen. Der Unterschied klingt klein, entscheidet aber ueber Tempo und Vertrauen in den Bericht.
Merkmal | Flache Einzeltabelle | Sternschema-Datenmodell |
|---|---|---|
Aufbau | Alles in einer breiten Tabelle | Faktentabelle plus Dimensionstabellen |
Beziehungen | Keine | In eine Richtung, klar definiert |
Aktualisierung | Wird mit jeder Spalte langsamer | Bleibt schnell, auch bei vielen Zeilen |
DAX-Measures | Schwer korrekt zu schreiben | Einfach und vorhersehbar |
Wartung | Jede Aenderung trifft alles | Aenderung bleibt lokal begrenzt |
Managementbericht | Zahlen weichen oft ab | Eine Zahl, eine Definition |
Ein relationales Datenmodell trennt also die Messwerte von den Beschreibungen. Die Faktentabelle enthaelt, was Sie zaehlen: Umsatz, Menge, Bestellungen. Die Dimensionstabellen enthalten, wonach Sie filtern: Datum, Kunde, Produkt, Region. Diese Trennung ist der Kern jeder guten Datenmodellierung.
Wie bauen Sie ein sauberes Datenmodell auf?
Hier sind die Schritte, die wir bei echten Berichten in genau dieser Reihenfolge gehen. Sie brauchen dafuer keine Zusatzsoftware, nur Power BI Desktop.
Daten in Power Query aufraeumen. Bereinigen Sie die Rohdaten, bevor sie ins Modell gelangen. Entfernen Sie leere Spalten, korrigieren Sie Datentypen, und trennen Sie eine breite Exceltabelle in eine Faktentabelle und mehrere Dimensionstabellen auf.
Ein Sternschema anlegen. Setzen Sie eine Faktentabelle in die Mitte und verbinden Sie die Dimensionstabellen aussen herum. Jede Dimension bekommt eine eindeutige Schluesselspalte, zum Beispiel eine Kundennummer, ueber die die Beziehung laeuft.
Beziehungen auf eine Richtung stellen. Oeffnen Sie jede Beziehung und stellen Sie die Kreuzfilterrichtung auf Einzeln. Beziehungen in beide Richtungen brauchen Sie nur in seltenen Faellen, und sie sollten eine bewusste Entscheidung sein.
Eine eigene Datumstabelle bauen. Schalten Sie die automatische Datums-/Uhrzeiterkennung aus. Erstellen Sie stattdessen eine eigene Datumstabelle und markieren Sie sie ueber die Funktion Als Datumstabelle markieren. Damit rechnen Zeitvergleiche wie Vorjahr oder laufendes Quartal zuverlaessig.
Kennzahlen als DAX-Measures schreiben. Nutzen Sie Measures statt berechneter Spalten, wo immer es geht. Ein Measure rechnet nur im jeweiligen Kontext des Berichts und haelt das Modell klein. Berechnete Spalten belegen dagegen Speicher in jeder Zeile.
Schluesselspalten ausblenden. Verstecken Sie technische Spalten wie Nummern und Fremdschluessel vor den Berichtsnutzern. So wird versehentlich nichts falsch verwendet, und die Feldliste bleibt uebersichtlich.
Bei grossen Tabellen die inkrementelle Aktualisierung nutzen. Legen Sie die Parameter RangeStart und RangeEnd an und richten Sie die inkrementelle Aktualisierung ein. Power BI laedt dann nur neue Daten und nicht jedes Mal die gesamte Historie, was die Aktualisierung deutlich beschleunigt.
Diese sieben Schritte lassen sich an einem halben Tag umsetzen und machen den groessten Unterschied zwischen einem Bericht, dem man traut, und einem, den man jeden Monat neu prueft.
Wann braucht ein Datenmodell das Sternschema?
Fast immer, sobald Sie mehr als eine Quelle verbinden. Ein Sternschema ist die Form, fuer die Power BI intern optimiert ist. Die Engine dahinter arbeitet am schnellsten, wenn eine Faktentabelle von einfachen Dimensionstabellen umgeben ist. Andere Formen funktionieren zwar auch, kosten aber Tempo und machen die DAX-Measures schwerer.
Es gibt einen seltenen Fall, in dem ein einzelnes kleines Datenmodell ohne Sternschema reicht: ein Bericht auf einer einzigen sauberen Tabelle mit wenigen tausend Zeilen. Wachsen die Daten oder kommen weitere Quellen hinzu, holen Sie das Sternschema besser frueh nach, bevor der Bericht produktiv geht.
Wie haengen Datenmodell und Kennzahlen zusammen?
Eine Kennzahl ist nur so verlaesslich wie das Datenmodell darunter. Wenn Vertrieb eine unterschriebene Bestellung zaehlt und Finanzen eine berechnete Rechnung, dann sind beide fuer sich richtig, und die beiden Berichte weichen jeden Monat voneinander ab. Diese Entscheidung, was eine Zahl bedeutet, gehoert ins Datenmodell und in eine schriftliche Definition, nicht in eine einzelne DAX-Formel.
Genau hier zahlt sich saubere Datenmodellierung aus. Wer die Faktentabelle klar benennt, die Dimensionen sauber trennt und die Definition einer Kennzahl festhaelt, bekommt eine Zahl, hinter der ein ganzes Team stehen kann. Fuer den Aufbau eines belastbaren KPI-Dashboards ist das Datenmodell der erste Schritt, nicht der letzte.
So arbeitet CaseWhen daran
Wir verkaufen keinen Kurs und keine Vorlage von der Stange. Wenn ein Team ein verlaessliches Datenmodell braucht, arbeiten wir zu einem festen Preis an Ihren echten Berichten. Wir bauen das Sternschema, setzen die Beziehungen, definieren die Kennzahlen gemeinsam mit Ihnen und halten alles schriftlich fest. Am Ende haben Sie ein Modell, das im Monatsabschluss standhaelt, und die Notizen, um es selbst weiterzupflegen.
Haeufige Fragen
Was ist ein Datenmodell in Power BI einfach erklaert? Es ist das Geruest aus verbundenen Tabellen, mit dem Power BI eine Zahl berechnet. Ein gutes Datenmodell trennt Faktentabellen von Dimensionstabellen und verbindet sie ueber Schluesselspalten.
Was ist ein Sternschema? Ein Aufbau, bei dem eine Faktentabelle in der Mitte steht und die Dimensionstabellen aussen herum angebunden sind. Power BI rechnet mit dieser Form am schnellsten.
Warum zeigen zwei Berichte unterschiedliche Zahlen? Meistens, weil die Kennzahl unterschiedlich definiert ist oder eine Beziehung in beide Richtungen laeuft und dadurch doppelt zaehlt. Beides loesen Sie im Datenmodell.
Soll ich berechnete Spalten oder Measures nutzen? In den meisten Faellen Measures. Sie halten das Modell klein und rechnen im Kontext des Berichts. Berechnete Spalten sind nur fuer feste Werte pro Zeile sinnvoll.
Wie beschleunige ich eine langsame Aktualisierung? Schalten Sie die automatische Datumslogik aus, bauen Sie ein Sternschema und laden Sie umfangreiche Historien nur inkrementell nach, gesteuert ueber RangeStart und RangeEnd.
Brauche ich fuer ein relationales Datenmodell eine Datenbank? Nein. Sie bauen das relationale Datenmodell direkt in Power BI ueber Beziehungen zwischen den geladenen Tabellen.
