Daten-WG · Inhouse-Training · Agentic Power BI Development

Power BI on Claude

KI ist keine neue Zutat. KI ist eine neue Kochtechnik.

Die Zutaten bleiben, was sie immer waren: saubere Daten, ein tragfähiges Semantikmodell, ehrliche Kennzahlen, verständliche Berichte. Was sich ändert, ist die Art, wie gearbeitet wird. Wer heute nur ein paar Prompts in den vorhandenen Ablauf streut, kocht dasselbe Gericht wie vorher, nur mit mehr Rauch. Wer die Technik wirklich lernt, ändert Reihenfolge, Werkzeug und Ergebnis.

Drei Stufen: Starter · Menu · Master Class Inhouse, mit euren Daten Agentic Power BI Development Prototyping und Governance Eigener Use Case statt Demo-Datensatz

In 30 Sekunden

  • WasEin Inhouse-Training für Teams, die Power BI schon können und lernen wollen, wie KI-gestützte Entwicklung wirklich funktioniert.
  • Für wenBI-Teams, Controlling, Berichtsbau. Vorkenntnisse in Power BI ja, in Git und Kommandozeile nein.
  • UmfangEin Tag, zwei bis drei Tage oder mehrwöchig. Ab 3.000 € pro Gruppe, immer bei euch, immer mit euren Daten.
  • ErgebnisEin Bericht, den ihr in der Sitzung selbst gebaut habt, plus eure Regeln als wiederverwendbare Dateien.

Vorgespräch anfragen

Und was ist mit Copilot? Claude ist ein KI-Assistent wie ChatGPT oder Copilot, nur mit Zugriff auf euren Projektordner. Copilot arbeitet im Bericht und schlägt vor. Hier arbeitet die KI am Projekt: sie liest euer Modell als Datei, ändert Measures und Seiten, prüft sich selbst und legt jede Änderung nachvollziehbar ab. Copilot bleibt nützlich, aber es ist ein Werkzeug, keine Arbeitsweise.
Bericht als Datei gegenüber Bericht als Projekt Links eine einzelne pbix-Datei, deren Inhalt nicht einsehbar ist. Rechts derselbe Bericht als Ordner mit lesbaren Dateien für Modell, Bericht und Versionsverlauf. HEUTE Bericht.pbix Eine Datei. Was sich darin ändert, sieht niemand von außen. MIT PROJEKTFORMAT Vertrieb.pbip model.tmdl report.json .git Lesbare Dateien. Jede Änderung ist sichtbar, prüfbar und rückholbar.
Der gleiche Bericht, zwei Zustände. Erst rechts kann eine KI mitarbeiten, weil es etwas zu lesen und zu ändern gibt.

Die These

Warum Kochtechnik und nicht Werkzeug

Eine neue Technik ist kein besseres Werkzeug. Sie verändert die Reihenfolge der Arbeit, die Kontrolle über das Ergebnis und die Aufgabenteilung im Team. Genau das passiert gerade in der Power-BI-Entwicklung.

Der Markt verkauft aktuell vor allem Zutaten: ein Copilot hier, eine Prompt-Sammlung dort. Das Ergebnis ist bekannt. Es entstehen schnellere Klickstrecken, aber keine besseren Modelle. Wir setzen woanders an. Wenn der Bericht als Projekt vorliegt, wenn das Modell als Text lesbar ist und die Versionierung sitzt, dann kann eine KI nicht nur Vorschläge murmeln, sondern tatsächlich an der Sache arbeiten. Die Entscheidung bleibt bei dir.

Zutat dazugekippt

  • KI schlägt DAX vor, der Rest bleibt Handarbeit im Desktop
  • Ergebnisse leben im Chatfenster und nirgendwo sonst
  • Kein Review, kein Verlauf, keine Wiederholbarkeit
  • Jede Person kocht anders, Standards entstehen nicht
  • Gefühlter Fortschritt, gleiche Durchlaufzeit

Technik gelernt

  • Der Bericht liegt als Projekt vor und ist damit maschinell änderbar
  • Modell, Bericht und Regeln liegen im Repository, jede Änderung ist nachvollziehbar
  • Der Agent arbeitet in Schleifen: planen, ändern, prüfen, korrigieren
  • Hauseigene Regeln werden zu Skills, die alle im Team benutzen
  • Zeitgewinn genau dort, wo bisher nachgebaut statt gedacht wurde
Abgrenzung, damit nichts vermischt wird. Copilot in Power BI bleibt Teil des Kurses, aber als ein Werkzeug unter mehreren. Der Kern ist die Arbeit am Projektformat mit einem Agenten, der Dateien liest, schreibt und prüfen kann.

Der Einstieg

Was Agentic Power BI Development bedeutet

Agentisch heißt nicht, dass eine KI dir Vorschläge macht. Agentisch heißt, dass sie einen Auftrag annimmt, sich den vorhandenen Stand ansieht, einen Plan macht, Änderungen durchführt, das Ergebnis prüft und den nächsten Schritt daraus ableitet. Dein Job verschiebt sich vom Klicken zum Beschreiben, Bewerten und Freigeben.

Damit das funktioniert, braucht die Arbeit eine Grundordnung. Ein Agent kann nur an dem arbeiten, was lesbar, schreibbar und prüfbar ist. Deshalb steht am Anfang jedes Formats nicht der Prompt, sondern das Setup.

01 Kontext

Ansehen

Modellmetadaten, Berichtsdefinition, Regeln und Zielbild liegen als Dateien vor.

02 Plan

Ansagen

Der Agent formuliert, was er ändern will, bevor er es tut. Du korrigierst hier, nicht später.

03 Arbeit

Ändern

Measures, Seiten, Visuals und Themes entstehen direkt im Projekt, nicht im Chatverlauf.

04 Prüfung

Prüfen

Schema und Regeln maschinell, Zahlen gegen feste Erwartungswerte, Optik mit eigenen Augen.

05 Freigabe

Freigeben

Commit, Review, Deployment. Was gut war, wird als Regel festgehalten und wiederverwendet.

Aufgabenteilung zwischen Mensch und Agent Briefing und Freigabe liegen beim Menschen, Lesen, Ändern sowie das Prüfen von Regeln und Zahlen beim Agenten. Die Optik prüft der Mensch. DU AGENT BRIEFING Prüfen: Optik FREIGABE Modell lesen Ändern Prüfen: Regeln und Zahlen Die Maschine übernimmt das Nachbauen. Das Urteil bleibt bei dir.
Wer macht was: Der Agent liest und ändert, du entscheidest, was gebaut wird und was durchgeht.

Projektformat

Berichte als PBIP statt als undurchsichtige Binärdatei, und zwar mit aktiviertem PBIR. Ohne das liegt der Bericht zwar als Text vor, ist aber weder sinnvoll änderbar noch zusammenführbar.

Modell als Text

TMDL macht Tabellen, Beziehungen und Measures lesbar. Metadaten sind die Sprache, in der du dich mit dem Agenten über das Modell verständigst.

Versionierung

Git ist hier kein Entwicklerspielzeug, sondern das Sicherheitsnetz, das agentisches Arbeiten überhaupt erst verantwortbar macht.

Skills

Wiederverwendbare Anweisungen für wiederkehrende Aufgaben: Namenskonventionen, Designregeln, Prüfroutinen. Das Rezeptbuch deines Hauses.

Kommandozeile

Konkret: Tabular Editor CLI für Modell und Regelprüfung, Fabric CLI für Workspaces und Deployment. Was der Agent aufrufen kann, kann er auch selbst prüfen.

Review

Die wichtigste Zutat bleibt der Mensch. Du lernst, Ergebnisse schnell zu bewerten, statt sie blind zu übernehmen.

Das Kernstück

Agentic Report bauen

Das Stück, an dem der Unterschied sichtbar wird. Aus einem Semantikmodell und einem Briefing entsteht in einer Sitzung ein vorzeigbarer Berichtsentwurf als Projekt, regelkonform und versioniert. Produktivreif ist er damit noch nicht, und genau diese Grenze üben wir mit.

  1. Briefing statt Anforderungsliste

    Wer liest den Bericht, welche Entscheidung soll er auslösen, welche Fragen muss die erste Seite beantworten. Das ist die eigentliche Arbeit, und sie bleibt bei dir.

  2. Das Modell lesen lassen

    Der Agent liest die Metadaten, findet Fakten, Dimensionen und vorhandene Measures und benennt, was fehlt oder unsauber ist, bevor irgendetwas gebaut wird.

  3. Regeln setzen

    Designsprache, Notation und Layoutraster kommen als Skill dazu, zum Beispiel IBCS. Damit ist die Gestaltung nicht Geschmackssache, sondern Vorgabe.

  4. Seiten erzeugen

    Struktur, Visuals, Filter, Navigation und Theme entstehen im Projekt. Kein Nachbauen per Hand, kein Verschieben von Kacheln mit der Maus.

  5. Prüfen, und zwar dreistufig

    Struktur und Regeln prüft die Maschine. Die Zahlen prüft sie auch, mit festen Abfragen gegen erwartete Werte aus eurem Modell. Nur wie der Bericht aussieht, sieht ein Mensch im geöffneten Bericht. Wer eine Stufe weglässt, liefert ein Ergebnis aus, das niemand geprüft hat.

  6. Übergeben

    Commit mit lesbarer Historie, Deployment in den Workspace, und die gelernten Regeln wandern zurück in die Regelsammlung für den nächsten Bericht.

Arbeitssitzung
# gekürzt, aber so läuft es wirklich
> Lies das Modell und sag mir, was für
  einen Vertriebsbericht fehlt.

Read model.tmdl (412 Zeilen)
Grep "PY|Vorjahr" → 0 Treffer
3 Faktentabellen, 7 Dimensionen,
41 Measures. Keine Zeitintelligenz.
Plan-Werte finde ich nicht. Gibt es die?

> Plan liegt in Excel. Erst Kalender,
  dann Übersicht nach unseren Regeln.

Plan: 3 Schritte, 6 Dateien. Weiter?
> ja

Write Kalender.tmdl
Fehlgeschlagen: Datei gesperrt.
Bitte Power BI Desktop schließen.
> zu
✓ 6 Dateien · Schema ok · BPA 0

Rendern kann ich nicht. Öffne den
Bericht, ich sehe mir den Screenshot an.
! Achse nicht fixiert, korrigiere ich

Sitzung: 2 Fehlversuche, 18 Minuten

Was du danach kannst

  • Ein Briefing so schreiben, dass ein Agent damit arbeiten kann
  • Ergebnisse in Minuten bewerten statt in Stunden nachbauen
  • Deine Hausregeln so festhalten, dass sie jedes Mal gelten
  • Erkennen, wann der Agent gerade Unsinn baut, und ihn stoppen

Belege

Womit wir das belegen

Wir unterrichten nicht, was wir gelesen haben, sondern was wir selbst so gebaut haben. Zwei Beispiele aus unserer eigenen Arbeit, beide agentisch entstanden, beide öffentlich nachprüfbar.

Eigenes Produkt

Custom Visuals der Daten-WG

Unsere Visuals sind agentisch entwickelt: aus einem Prototyp im Browser wird ein fertiges Power-BI-Visual, mit Datenrollen, Formatkarten, Selektion und Tooltips.

Kompletter Bericht

DataViz World Champs, ohne Power BI Desktop

Unser Beitrag zu Runde 3 der Power BI DataViz World Championships entstand als bewusster Test: ein vollständiger Report, gebaut auf Linux, vollständig über die Projektdateien, ohne den Berichtsdesigner überhaupt zu öffnen. Die Frage dahinter war nicht, ob es schneller geht, sondern ob es ohne Klicken überhaupt geht.

  • Semantikmodell in TMDL mit 24 Measures und 14 abgeleiteten Spalten
  • Auswertung auf rund 930.000 Filmen, Quelle und Lizenz sauber ausgewiesen
  • Ein Prüfskript, das jeden Feldverweis gegen das Modell auflöst und jede im Bericht behauptete Zahl gegen die Auswertung kontrolliert. Schlägt es fehl, kommt der Commit nicht durch
  • Ein Dutzend Markdown-Dokumente, die den Weg festhalten, darunter ein Protokoll dessen, was der Agent falsch gemacht hat und was ihn erwischt hat

Projekt öffentlich ansehen

Stufen und Preise

Drei Stufen, ein Prinzip

Jede Stufe ist für sich buchbar und baut auf der vorherigen auf. Alle drei laufen ausschließlich inhouse und mit euren eigenen Daten. Offene Termine bieten wir bewusst nicht an, weil der Erfolg genau daran hängt: gelernt wird am echten Modell, nicht an einem Beispieldatensatz, den danach niemand wiedersieht. Für Einzelpersonen ist dieses Format deshalb nicht gedacht.

Stufe 1 · Einstieg

Power BI on Claude · Starter

Start Course

ab 3.000 €1 Tag · bis 15 Personen

Für Teams, die Power BI können und wissen wollen, wie KI-gestützte Entwicklung tatsächlich funktioniert. Git und Kommandozeile fangen bei null an, ihr lernt beides nur so weit, wie ihr es für agentisches Arbeiten braucht. Im Starter arbeiten wir geführt, deshalb sind hier größere Gruppen möglich. Ab dem Menu baut jeder selbst am eigenen Modell.

Inhalte

  • Setup-Sprechstunde vorab, damit der Kurstag nicht mit Installieren vergehtKategorie: Vorab
  • Metadaten und Semantikmodell-GrundlagenKategorie: Basis
  • TMDL lesen und verstehenKategorie: Basis
  • Claude Code einrichten, im Terminal oder in VS CodeKategorie: Setup
  • Projektformat für Power BIKategorie: Setup
  • Git-Integration ohne AngstKategorie: Setup
  • Euer eigener Use Case als TrainingsmaterialKategorie: Praxis
  • Erste Skills und ProjekteKategorie: Praxis
  • Erster eigener PrototypKategorie: Praxis

Danach habt ihr

  • Eine lauffähige Arbeitsumgebung
  • Ein eigenes Projekt unter Versionskontrolle
  • Den ersten eigenen Skill
  • Alle gezeigten Skills und Vorlagen zum Mitnehmen
Ab 3.000 € 1 Tag Bis 15 Personen Inhouse Mit euren Daten

Stufe 2 · Praxis

Power BI on Claude · Menu

Selected Main Dishes

5.500 bis 8.000 €2 bis 3 Tage · bis 10 Personen

Für Teams, die nach dem Setup produktiv werden wollen. Hier entsteht zum ersten Mal ein kompletter Bericht agentisch, samt Gestaltungsregeln und einem Prototyp-Ablauf, den ihr danach mit dem Fachbereich fahren könnt.

Enthält Starter

  • Setup, TMDL, Projektformat, Git, erste SkillsKategorie: inklusive

Zusätzlich

  • Custom Visuals bauen und einbindenKategorie: Bauen
  • Skills gezielt einsetzenKategorie: Bauen
  • IBCS-Regeln als Vorgabe im ProjektKategorie: Design
  • Agentic Development in der PraxisKategorie: Methode
  • Prototypen bauen, zeigen, verwerfenKategorie: Methode
  • Wenn der Agent danebenliegt: prüfen, stoppen, zurückrollenKategorie: Methode
  • CLI-Themen für den AlltagKategorie: Werkzeug
  • Agentic Report bauenKategorie: Signature

Danach habt ihr

  • Einen fertigen Bericht aus eigener Sitzung
  • Designregeln, die automatisch greifen
  • Einen Prototyp-Ablauf für den Fachbereich
  • Alle gezeigten Skills, Markdowns und Beispielprojekte
  • Das Abnahme-Kit, mit dem ihr eure Regeln dauerhaft prüft
  • Zwei Nachtermine nach 30 und 60 Tagen
5.500 bis 8.000 € 2 bis 3 Tage plus 2 Nachtermine Bis 10 Personen Inhouse Mit euren Daten

Stufe 3 · Eigene Standards

Power BI on Claude · Master Class

Become your own Chef

ab 18.000 €mehrwöchig · bis 10 Personen

Für Organisationen, die nicht nur mitarbeiten, sondern den Rahmen selbst setzen wollen: eigene Werkzeuge, eigene Standards, eigene Multiplikatoren. Train the Trainer ist hier Teil des Programms, damit das Wissen nach dem Kurs bei euch bleibt.

Enthält Starter und Menu

  • Setup, Praxis, Design, Prototyping, Agentic ReportKategorie: inklusive

Zusätzlich

  • Train the Trainer für eure MultiplikatorenKategorie: Team
  • Die Rolle KI-Trainer im Haus aufbauenKategorie: Team
  • Eigener Design-Skill mit euren HausregelnKategorie: Governance
  • Regelebenen Haus, Bereich, ProjektKategorie: Governance
  • Company Best Practices etablierenKategorie: Governance
  • VS Code als EntwicklungsumgebungKategorie: Werkzeug
  • Tabular Editor per KommandozeileKategorie: Werkzeug
  • Git und Fabric zusammenbringenKategorie: Plattform
  • CLI für Fabric und WorkspacesKategorie: Plattform
  • Design-Themen in der TiefeKategorie: Design
  • Claude erweitern: MCP, Hooks, SubagentenKategorie: Ausbau
  • Eigene Skills schreibenKategorie: Ausbau
  • Videos zum NacharbeitenKategorie: Material
Ab 18.000 € Mehrwöchig plus Begleitung Bis 10 Personen Inhouse Train the Trainer

Immer inhouse

Keine offenen Termine. Wir kommen zu euch oder in euren virtuellen Raum, mit eurem Modell, eurer Freigabesituation und euren Leuten.

Alles zum Mitnehmen

Jeder gezeigte Skill, jede Vorlage, jede Markdown-Datei und jedes Beispielprojekt bleibt bei euch und ist danach weiterverwendbar.

Eure Daten, euer Use Case

Gelernt wird am echten Fall. Wenn eure Daten das Haus nicht verlassen dürfen, läuft der komplette Kurs mit Ersatzdaten in eurer Umgebung. Das ist kein Notbehelf, sondern für regulierte Häuser der Normalfall.

Vor jeder Stufe: das Vorgespräch

Kein Verkaufstermin, sondern die Vorbereitung, ohne die ein Inhouse-Format nicht funktioniert. Danach wisst ihr, welche Stufe passt, und wir wissen, womit wir arbeiten.

Was diese Rolle konkret tut 6 Aufgaben
  • Werkzeugwahl: Claude Code im Terminal oder in VS Code für die Projektarbeit, Desktop ergänzend fürs Briefing. Was davon bei euch freigegeben ist, klären wir hier
  • Verfügbarkeit klären: Zugänge, Lizenzen, Rechte und Freigaben durch eure IT
  • Datenfrage: was echt sein darf, was wir ersetzen, und welchen Bezugsweg euer Datenschutz verlangt. Das halten wir schriftlich fest, bevor der Kurs beginnt
  • Use Case wählen, an dem der Kurs stattfindet
  • Zielbild: was nach dem Kurs anders sein soll, in einem Satz

Alle Preise gelten pro Gruppe, nicht pro Kopf. Den genauen Umfang und damit den Preis legen wir im Vorgespräch fest, weil beides vom Use Case abhängt.

Nach dem Kurs

Damit es nicht bei einem guten Tag bleibt

Der häufigste Grund, warum Schulungen verpuffen, ist nicht schlechter Unterricht. Es ist der Alltag, der zwei Wochen später alles zurückdreht. Deshalb hört unser Format nicht mit dem letzten Kurstag auf.

Ab Stufe 2

Zwei Nachtermine

  • Nach etwa 30 und nach etwa 60 Tagen
  • An dem, was ihr inzwischen selbst gebaut habt
  • Offene Fragen aus dem Alltag statt Wiederholung

Ab Stufe 2

Das Abnahme-Kit bleibt bei euch

  • Prüfer für Feldverweise, Schema und eure Designregeln
  • Zahlenprobe: feste Abfragen mit hinterlegten Erwartungswerten
  • Auslöser lokal und in der Pipeline, mit Sperre bei Verstoß
  • Kurzverfahren, mit dem ihr nach jedem Werkzeugwechsel prüft, ob eure Regeln noch greifen

Master Class

Eigene Multiplikatoren

  • Train the Trainer für die Menschen, die es intern weitertragen
  • Die Rolle KI-Trainer mit Aufgaben und Mandat
  • Begleitung quartalsweise, wenn ihr sie wollt
  • Abschlussprojekt und Nachweis für eure Personalentwicklung

Zum Weiterlesen

Details und Fragen

Was hier bewusst nicht steht, damit die Seite lesbar bleibt, liegt eine Ebene tiefer: unsere Arbeitsweise mit Prototypen, wie Regeln im Haus wirklich durchgesetzt werden, was eure IT freigeben muss, und was passiert, wenn ihr das Werkzeug später wechselt.

Grenzen und Fehlerbilder

Acht Stellen, an denen agentisches Arbeiten in echten Projekten klemmt, und wann ihr es besser lasst.

Prototyping und Governance

Wie aus Wegwerf-Entwürfen bessere Anforderungen werden, und wie eure Hausregeln vom PDF zur wirksamen Vorgabe werden.

Für IT, Datenschutz und Einkauf

Zugangswege, Daten, Rechte, laufende Kosten, und was ihr vor Vertragsschluss schriftlich von uns bekommt.

Glossar und Vorbereitung

Sechzehn Begriffe in Alltagssprache und die vollständige Liste dessen, was vor dem ersten Kurstag bereitliegen muss.

Details und Fragen öffnen

Wer das macht

Die Daten-WG

Wir sind eine deutschsprachige Power-BI-Community mit Beratungsarbeit dahinter. Bekannt sind wir vor allem durch unseren Podcast mit über hundert Folgen, durch die Knowledge Kitchen mit frei nutzbaren Werkzeugen und Lernpfaden, und durch unsere eigenen Custom Visuals, die jeder herunterladen und einsetzen kann.

Wir unterrichten das, was wir selbst täglich tun. Die Beispiele in diesem Angebot stammen nicht aus einer Schulungsmappe, sondern aus unserer eigenen Arbeit, und beides ist öffentlich nachprüfbar. Wer wissen will, wie wir denken, hört eine Folge oder liest den Code.

Durch dieses Format begleiten euch zwei Trainer aus dem Kernteam.

Und eine Ansage in eigener Sache: Dieses Programm startet gerade. Wer jetzt bucht, gehört zu den ersten Häusern, die es fahren. Neu sind allerdings nur die Werkzeuge, nicht wir. Hinter dem Format stehen über zweihundert Schulungen und eine lange Reihe von Power-BI- und Fabric-Projekten, aus denen wir wissen, woran Einführungen scheitern. Was ihr im Gegenzug bekommt: unsere volle Aufmerksamkeit und Inhalte, die wir gemeinsam mit euch schärfen.

Podcast

Über hundert Folgen zu Power BI, Fabric, Modellierung und Datenkultur, kostenlos und ohne Anmeldung.

Knowledge Kitchen

Lernpfade, Werkzeuge und Vorlagen, die wir frei zur Verfügung stellen, weil sie im Alltag helfen.

Eigene Werkzeuge

Custom Visuals, die wir selbst bauen, pflegen und öffentlich teilen, unter anderem für Gantt, P&L und IBCS-konforme Diagramme.

Michael Tenner

Der Datenenthusiast

Schwerpunkt Adoption und Migration von Power BI: Roadmaps, hauseigene Leitfäden, Best Practices für Reporting und Dashboarding. Baut die Custom Visuals und die Werkzeuge der Knowledge Kitchen und hat die beiden oben verlinkten Projekte agentisch entwickelt.

Ulrik Harnisch

Der Analytics-Mentor

Über 30 Jahre in einer Versicherungsgruppe, zuletzt als Ansprechpartner für Power BI, SAP Business Objects und Data Warehouse. Hat dort die Power-BI-Einführung geleitet und eine interne Daten-Community mit Key-Usern aufgebaut, also genau das, was in der Master Class als Rolle des KI-Trainers vermittelt wird.

Das ganze Team findet ihr auf daten-wg.com/team.

Erst probieren, dann entscheiden

Der nächste Schritt ist ein kurzer Durchlauf an einem echten Modell von euch. Wenn das sitzt, steht der Rest schnell.