Power-BI-Dataflows: Wann und wie Sie sie nutzen

Ein Dataflow ist eine Reihe von Power-Query-Abfragen, die im Power-BI- oder Fabric-Service läuft statt in einer einzelnen Report-Datei. Nutzen Sie ihn, wenn mehrere Semantic Models dieselben bereinigten Tabellen brauchen, etwa Kunde, Produkt oder Datum. Die Bereinigungslogik schreiben Sie dann einmal, und jedes Modell liest das Ergebnis. Nutzt nur ein Report die Daten, behalten Sie die Transformationen in Power Query in Power BI Desktop.

Es gibt zwei Arten. Dataflow Gen1 ist der ursprüngliche Power-BI-Dataflow und läuft mit Power BI Pro. Dataflow Gen2 ist die Microsoft-Fabric-Version, braucht Fabric- oder Premium-Kapazität und kann seine Ausgabe in ein Lakehouse, ein Warehouse oder ein anderes Ziel schreiben. Microsoft empfiehlt Gen2 für neue Arbeit.

Was Dataflows in Power BI sind

Ein Dataflow enthält Abfragen in Power Query (M), derselben Sprache wie der Power Query Editor in Desktop. Wird der Dataflow aktualisiert, führt der Service die Abfragen aus und speichert die resultierenden Tabellen.

Die Ausgabe sind Tabellen, kein Modell. Ein Dataflow hat keine Beziehungen und keine Measures. Ein Semantic Model verbindet sich mit dem Dataflow, importiert dessen Tabellen und ergänzt Beziehungen und DAX.

Dataflows bauen Sie im Browser, in einem Workspace im Power-BI-Service oder in Fabric. In Power BI Desktop können Sie keinen erstellen, aber Desktop kann aus einem lesen.

Dataflow Gen1 vs. Gen2

Daraus folgen zwei praktische Regeln:

• Hat Ihr Unternehmen nur Power-BI-Pro-Lizenzen, können Sie Gen1 nutzen.

• Haben Sie Fabric-Kapazität, bauen Sie neue Dataflows als Gen2. Bestehende Gen1-Dataflows lassen sich mit Speichern unter verschieben, oder indem Sie die Abfragen als Vorlage exportieren und importieren.

So nutzen Sie Dataflows in Power BI

Den Dataflow erstellen

1. Wählen Sie im Workspace Neues Element und dann den Dataflow-Typ: Gen1, oder Gen2, wenn der Workspace auf Fabric-Kapazität liegt.

2. Wählen Sie Daten abrufen und eine Quelle, etwa SQL Server, SharePoint oder eine REST-API. Lokale Quellen brauchen ein lokales Datengateway.

3. Bauen Sie die Abfragen im Online-Editor von Power Query. Die Schritte funktionieren wie in Desktop.

4. Legen Sie bei Gen2 optional für jede Abfrage ein Datenziel fest, etwa eine Lakehouse-Tabelle.

5. Speichern oder veröffentlichen Sie den Dataflow und legen Sie dann in seinen Einstellungen einen Aktualisierungsplan fest.

Eine gemeinsame Kundenabfrage in einem Dataflow könnte so aussehen:

let
    Source = Sql.Database("myserver.database.windows.net", "CRM"),
    Customers = Source{[Schema = "dbo", Item = "Customer"]}[Data],
    KeptColumns = Table.SelectColumns(Customers, {"CustomerID", "CustomerName", "Country", "Segment"}),
    TrimmedNames = Table.TransformColumns(KeptColumns, {{"CustomerName", Text.Trim, type text}}),
    RemovedDuplicates = Table.Distinct(TrimmedNames, {"CustomerID"})
in
    RemovedDuplicates

Jedes Modell, das Kunden braucht, erhält jetzt dieselben Spalten, dieselben bereinigten Namen und eine Zeile pro Kunde.

Den Dataflow in einem Report nutzen

Wählen Sie in Power BI Desktop Daten abrufen, den Connector Dataflows, melden Sie sich an und wählen Sie Workspace, Dataflow und Tabellen. Die Tabellen werden wie jede andere Quelle in Ihr Modell importiert. Bauen Sie Beziehungen und Measures in Desktop und veröffentlichen Sie dann.

Schreibt ein Gen2-Dataflow in ein Lakehouse, können Sie das Modell auch direkt mit den Lakehouse-Tabellen verbinden statt mit dem Dataflow.

Die Reihenfolge der Aktualisierung zählt. Planen Sie den Dataflow so, dass er fertig ist, bevor die Semantic Models, die daraus lesen, aktualisiert werden. Sonst laden die Modelle die Ausgabe des vorigen Laufs.

Zentrale Funktionen von Power-BI-Dataflows

• Wiederverwendbare Aufbereitung. Eine Reihe von Abfragen speist viele Semantic Models.

• Viele Quellen. Dieselben Connectors wie Power Query, darunter Datenbanken, Dateien, SharePoint, SaaS-Apps und Web-APIs.

• Geplante Aktualisierung. Jeder Dataflow hat einen eigenen Plan, unabhängig von den Modellen, die ihn nutzen.

• Inkrementelle Aktualisierung. Laden Sie bei jedem Lauf nur aktuelle Daten neu. Bei Gen1 braucht das Premium oder PPU. Wie die Richtlinie bei Semantic Models funktioniert, lesen Sie unter inkrementelle Aktualisierung in Power BI.

• Ausgabeziele (Gen2). Schreiben Sie Tabellen in ein Lakehouse oder Warehouse, damit auch SQL-Nutzer und Notebooks sie verwenden können.

Dataflows vs. Power Query in Power BI Desktop

Beide nutzen dieselbe Power-Query-Engine und dieselbe Sprache M. Der Unterschied ist, wo die Abfragen liegen und wer sie wiederverwenden kann.

Schreiben Sie schon Power Query in Desktop, ist der Umzug einer Abfrage in einen Dataflow meist Kopieren und Einfügen. Zu Power Query selbst lesen Sie unseren Power-Query-Leitfaden.

Ein Dataflow bringt eine zweite Aktualisierung zum Planen und ein zweites Element zum Überwachen mit. Dieser Aufwand lohnt sich, wenn mehrere Modelle die Logik teilen. Für einen einzelnen Report lohnt er sich nicht.

Wann Sie Dataflows in Power BI nutzen

Große Joins, verschachteltes JSON oder Transformationen, die nicht an die Quelle weitergereicht werden können, sind ein Zeichen, statt eines Dataflows ein Fabric-Notebook zu nutzen.

Konkrete Anzeichen, dass ein Dataflow hilft:

• Dieselbe Abfrage ist in mehrere .pbix-Dateien kopiert. Eine Korrektur muss in jeder Datei erfolgen, und sie laufen auseinander.

• Mehrere Teams definieren Kunde oder Produkt unterschiedlich. Ein Dataflow liefert eine Definition.

• Eine langsame Quelle wird von mehreren Modellen abgefragt. Eine Dataflow-Aktualisierung ersetzt mehrere Quellabfragen.

• Report-Ersteller sollen keine Quell-Zugangsdaten brauchen. Sie verbinden sich mit dem Dataflow, und ein Verantwortlicher pflegt die Quellverbindung.

Wie Sie bei schwererer Arbeit zwischen Gen2 und Spark-Notebooks wählen, lesen Sie unter Dataflows Gen2 vs. Notebooks in Microsoft Fabric. Wie Fabric und Power BI zusammenpassen, steht unter Microsoft Fabric und Power BI, und welche Funktionen welche Lizenz enthält, in unserem Leitfaden zu Power-BI-Lizenzen.

FAQs

Wofür lassen sich Dataflows nutzen?

Die wichtigsten Einsatzzwecke sind, eine bereinigte Tabelle über mehrere Semantic Models zu teilen, Quell-Zugangsdaten bei einem Verantwortlichen zu bündeln, eine langsame Quelle zu entlasten, indem man sie nur einmal abfragt, und mit Gen2 aufbereitete Daten in einem Lakehouse oder Warehouse für SQL- und Notebook-Nutzer abzulegen. Dataflows bereiten Daten auf. Sie enthalten weder Beziehungen noch Measures.

Was ist der Unterschied zwischen Dataflow und Dataset in Power BI?

Ein Dataflow erzeugt Tabellen. Ein Dataset, heute Semantic Model genannt, enthält Tabellen plus Beziehungen, Measures und Sicherheit, und es ist das, was Reports abfragen. Ein häufiges Muster ist ein Dataflow, der Kunde und Produkt aufbereitet, und ein Semantic Model, das diese Tabellen importiert, mit den Verkäufen verbindet und das DAX ergänzt.

Quellen

• Differences between Dataflow Gen1 and Dataflow Gen2 - Microsoft Learn

• Premium features of dataflows - Microsoft Learn

• Upgrade from Dataflow Gen1 to Dataflow Gen2 - Microsoft Learn