{ "id": "topic:datenmodellierung", "name": "Datenmodellierung", "typ": "thema", "slug": "datenmodellierung", "stand": "2026-09-07", "build": "20260907-1949", "zitieren_als": "Daten-WG, , , ", "url": "https://datenwgknowledgekitchen.com/wissensgraph/thema/datenmodellierung.html", "canonical": "https://datenwgknowledgekitchen.com/wissensgraph/thema/datenmodellierung.html", "markdown": "https://datenwgknowledgekitchen.com/wissensgraph/library/datenmodellierung.md", "json": "https://datenwgknowledgekitchen.com/wissensgraph/library/datenmodellierung.json", "dokumente_gesamt": 80, "kernaussagen_gesamt": 84, "mit_kernaussagen": 25, "aliase": [ "Datenmodell", "Data Modeling", "Modellierung", "Datenmodelle", "Data Model" ], "einordnung": "Databricks-Entwickler ohne Analysis-Services-Datenbank lösen den Bedarf an mehrtabelligem Fachanwender-Zugriff häufig über eine gejointe View statt über ein relationales Modell. (Stand 2026-01) Ein Sternschema erlaubt unabhängiges Filtern über mehrere Dimensionen, ohne dass sich die Filter gegenseitig stören. (Stand 2026-01) Eine gut modellierte Dimensionstabelle wie eine Artikeltabelle lässt sich über mehrere Themenbereiche wie Produktion, Einkauf und Lagerbestand hinweg wiederverwenden. (Stand 2025-11)", "nachbarn": [ { "id": "topic:data-vault", "name": "Data Vault", "kantentyp": "teil-von", "belastbarkeit": "automatisch extrahiert, Quellenstelle vorhanden", "gemeinsame_segmente": 0, "beleg": "Data W ist z.B. auch so eine entsprechende Modellierungsmethode... eine der Art, wie man erstmal Daten vormodellieren kann", "datei": "data-vault.md" }, { "id": "topic:sternschema", "name": "Sternschema", "kantentyp": "teil-von", "belastbarkeit": "automatisch extrahiert, Quellenstelle vorhanden", "gemeinsame_segmente": 31, "beleg": "ein Sternschema ist das, was wir zum größten Teil favorisieren", "datei": "sternschema.md" }, { "id": "tool:dax", "name": "DAX", "kantentyp": "setzt-voraus", "belastbarkeit": "automatisch extrahiert, Quellenstelle vorhanden", "gemeinsame_segmente": 19, "beleg": "je komplexer das datenmodell aussieht desto komplexer ist dann auch die berechnung der dax kennzahlen", "datei": "dax.md" }, { "id": "tool:power-bi", "name": "Power BI", "kantentyp": "ko-vorkommen", "belastbarkeit": "Heuristik, gezählt", "gemeinsame_segmente": 85, "beleg": "", "datei": "power-bi.md" }, { "id": "topic:reporting", "name": "Reporting", "kantentyp": "ko-vorkommen", "belastbarkeit": "Heuristik, gezählt", "gemeinsame_segmente": 40, "beleg": "", "datei": "reporting.md" }, { "id": "tool:microsoft-fabric", "name": "Microsoft Fabric", "kantentyp": "ko-vorkommen", "belastbarkeit": "Heuristik, gezählt", "gemeinsame_segmente": 36, "beleg": "", "datei": "microsoft-fabric.md" }, { "id": "topic:visualisierung", "name": "Visualisierung", "kantentyp": "ko-vorkommen", "belastbarkeit": "Heuristik, gezählt", "gemeinsame_segmente": 35, "beleg": "", "datei": "visualisierung.md" }, { "id": "topic:ki", "name": "KI", "kantentyp": "ko-vorkommen", "belastbarkeit": "Heuristik, gezählt", "gemeinsame_segmente": 32, "beleg": "", "datei": "ki.md" }, { "id": "topic:performance", "name": "Performance", "kantentyp": "ko-vorkommen", "belastbarkeit": "Heuristik, gezählt", "gemeinsame_segmente": 31, "beleg": "", "datei": "performance.md" }, { "id": "tool:power-query", "name": "Power Query", "kantentyp": "ko-vorkommen", "belastbarkeit": "Heuristik, gezählt", "gemeinsame_segmente": 22, "beleg": "", "datei": "power-query.md" }, { "id": "tool:copilot", "name": "Copilot", "kantentyp": "ko-vorkommen", "belastbarkeit": "Heuristik, gezählt", "gemeinsame_segmente": 15, "beleg": "", "datei": "copilot.md" }, { "id": "tool:power-bi-desktop", "name": "Power BI Desktop", "kantentyp": "ko-vorkommen", "belastbarkeit": "Heuristik, gezählt", "gemeinsame_segmente": 15, "beleg": "", "datei": "power-bi-desktop.md" }, { "id": "tool:sql", "name": "SQL", "kantentyp": "ko-vorkommen", "belastbarkeit": "Heuristik, gezählt", "gemeinsame_segmente": 15, "beleg": "", "datei": "sql.md" }, { "id": "tool:excel", "name": "Excel", "kantentyp": "ko-vorkommen", "belastbarkeit": "Heuristik, gezählt", "gemeinsame_segmente": 15, "beleg": "", "datei": "excel.md" }, { "id": "tool:lakehouse", "name": "Lakehouse", "kantentyp": "ko-vorkommen", "belastbarkeit": "Heuristik, gezählt", "gemeinsame_segmente": 14, "beleg": "", "datei": "lakehouse.md" } ], "kernaussagen": [ { "typ": "Fakt", "dokument": "Daten-WG Life-Update | Fabric Architekturen", "dokument_id": "yt:J-lN5JN-F5I", "sekunde": 419, "zeit": "06:59", "url": "https://www.youtube.com/watch?v=J-lN5JN-F5I&t=419s", "aussage": "In diesem Kundenprojekt wurde die Bronze-Schicht bewusst als Lakehouse aufgebaut, ab Silber und Gold aber mit Warehouses gearbeitet, weil sich der Kunde mit Stored Procedures und Views sicherer fuehlt." }, { "typ": "Warnung", "dokument": "Daten-WG Life-Update | Fabric Architekturen", "dokument_id": "yt:J-lN5JN-F5I", "sekunde": 925, "zeit": "15:25", "url": "https://www.youtube.com/watch?v=J-lN5JN-F5I&t=925s", "aussage": "In einem anderen Kundenprojekt fuehrte die Aufteilung eines urspruenglich komplett in Power BI gebauten Modells auf eine Medaillon-Architektur in Fabric dazu, dass Anpassungen durch mehrere zu orchestrierende Prozesse weniger fluessig und teils fragil wurden." }, { "typ": "Meinung", "dokument": "Daten-WG Life-Update | Fabric Architekturen", "dokument_id": "yt:J-lN5JN-F5I", "sekunde": 1092, "zeit": "18:12", "url": "https://www.youtube.com/watch?v=J-lN5JN-F5I&t=1092s", "aussage": "Nach dieser Auffassung braucht eine Medaillon-Architektur zwingend drei Schichten, weil Bronze allein dem Ablegen der Rohdaten dient." }, { "typ": "Meinung", "dokument": "27 Jahre in 10 Minuten - Peter Gluchowski beim Daten-WG Offsite", "dokument_id": "yt:dKA-38gRD8Q", "sekunde": 389, "zeit": "06:29", "url": "https://www.youtube.com/watch?v=dKA-38gRD8Q&t=389s", "aussage": "Nach heutiger Einschätzung haben sowohl der Kimball- als auch der Inmon-Ansatz ihre Berechtigung, allerdings in unterschiedlichen Bereichen der Datenarchitektur." }, { "typ": "Fakt", "dokument": "BI Thinkers Talk nr.75", "dokument_id": "yt:BQdSo6ZnmKY", "sekunde": 657, "zeit": "10:57", "url": "https://www.youtube.com/watch?v=BQdSo6ZnmKY&t=657s", "aussage": "Der Fixer erkennt beim Hinzufügen einer Kalendertabelle automatisch, ob im Modell bereits eine vorhanden ist, und verhindert dadurch Duplikate." }, { "typ": "Warnung", "dokument": "Fabric Planning unboxing", "dokument_id": "yt:xCzKEIB4W5I", "sekunde": 279, "zeit": "04:39", "url": "https://www.youtube.com/watch?v=xCzKEIB4W5I&t=279s", "aussage": "Die von der KI erstellten Tabellenbeziehungen waren automatisch bidirektional und mussten manuell korrigiert werden." }, { "typ": "Fakt", "dokument": "Fabric Planning unboxing", "dokument_id": "yt:xCzKEIB4W5I", "sekunde": 1347, "zeit": "22:27", "url": "https://www.youtube.com/watch?v=xCzKEIB4W5I&t=1347s", "aussage": "Für Tabellen in Power Table ist ein Primärschlüssel zwingend erforderlich, auch wenn er zusammengesetzt sein kann." }, { "typ": "Warnung", "dokument": "Fabric Planning unboxing", "dokument_id": "yt:xCzKEIB4W5I", "sekunde": 4168, "zeit": "1:09:28", "url": "https://www.youtube.com/watch?v=xCzKEIB4W5I&t=4168s", "aussage": "Der Gantt-Objekttyp benötigt eine passende Datenstruktur mit eindeutigem Event sowie Start- und Enddatum und zeigte auf der genutzten Trial-Kapazität deutliche Ladezeit-Probleme." }, { "typ": "Meinung", "dokument": "Denken in Tabellen", "dokument_id": "yt:hbUYMyqb6r8", "sekunde": 73, "zeit": "01:13", "url": "https://www.youtube.com/watch?v=hbUYMyqb6r8&t=73s", "aussage": "Ein Meeting-Teilnehmer empfand die vorherige Flat Table als einfacher als das neu eingeführte Sternschema." }, { "typ": "Fakt", "dokument": "Power BI vs. Qlik", "dokument_id": "yt:vd1r02bj9Qk", "sekunde": 98, "zeit": "01:38", "url": "https://www.youtube.com/watch?v=vd1r02bj9Qk&t=98s", "aussage": "Arthur und Oliver haben eine dreiteilige Challenge mit identischen Aufgaben in Qlik und Power BI durchgeführt: Basics, Modellierung und Visualisierung." }, { "typ": "Meinung", "dokument": "Denken in Tabellen", "dokument_id": "yt:hbUYMyqb6r8", "sekunde": 150, "zeit": "02:30", "url": "https://www.youtube.com/watch?v=hbUYMyqb6r8&t=150s", "aussage": "Wer aus dem Analysis-Services-Umfeld kommt, bevorzugt multidimensionale Modellierung, während andere alle Aggregationen lieber im Data Warehouse vorberechnen wollen." }, { "typ": "Fakt", "dokument": "Denken in Tabellen", "dokument_id": "yt:hbUYMyqb6r8", "sekunde": 259, "zeit": "04:19", "url": "https://www.youtube.com/watch?v=hbUYMyqb6r8&t=259s", "aussage": "Databricks-Entwickler ohne Analysis-Services-Datenbank lösen den Bedarf an mehrtabelligem Fachanwender-Zugriff häufig über eine gejointe View statt über ein relationales Modell." }, { "typ": "Fakt", "dokument": "Power BI vs. Qlik", "dokument_id": "yt:vd1r02bj9Qk", "sekunde": 333, "zeit": "05:33", "url": "https://www.youtube.com/watch?v=vd1r02bj9Qk&t=333s", "aussage": "Sowohl Qlik als auch Power BI lassen sich von der Quelle bis zum Modell als vollständige Datenplattform nutzen, Qlik über Skripte und Power BI über Power Query und das Datenmodell." }, { "typ": "Fakt", "dokument": "Denken in Tabellen", "dokument_id": "yt:hbUYMyqb6r8", "sekunde": 517, "zeit": "08:37", "url": "https://www.youtube.com/watch?v=hbUYMyqb6r8&t=517s", "aussage": "Ein Sternschema erlaubt unabhängiges Filtern über mehrere Dimensionen, ohne dass sich die Filter gegenseitig stören." }, { "typ": "Fakt", "dokument": "Power BI vs. Qlik", "dokument_id": "yt:vd1r02bj9Qk", "sekunde": 612, "zeit": "10:12", "url": "https://www.youtube.com/watch?v=vd1r02bj9Qk&t=612s", "aussage": "Qlik nutzt ein assoziatives Datenmodell, während Power BI standardmäßig unidirektionale Filterrichtungen zwischen Tabellen vorgibt." }, { "typ": "Meinung", "dokument": "Power BI vs. Qlik", "dokument_id": "yt:vd1r02bj9Qk", "sekunde": 704, "zeit": "11:44", "url": "https://www.youtube.com/watch?v=vd1r02bj9Qk&t=704s", "aussage": "Oliver hält das assoziative Datenmodell von Qlik für intuitiver, weil verknüpfte Daten sich automatisch gegenseitig filtern, während das in Power BI aktiv konfiguriert werden muss." }, { "typ": "Meinung", "dokument": "Power BI vs. Qlik", "dokument_id": "yt:vd1r02bj9Qk", "sekunde": 879, "zeit": "14:39", "url": "https://www.youtube.com/watch?v=vd1r02bj9Qk&t=879s", "aussage": "Arthur sieht die Stärke von Power BI in der flexiblen semantischen Modellierung und dem einfachen Wechsel zwischen Frontend und Backend." }, { "typ": "Warnung", "dokument": "Power BI vs. Qlik", "dokument_id": "yt:vd1r02bj9Qk", "sekunde": 932, "zeit": "15:32", "url": "https://www.youtube.com/watch?v=vd1r02bj9Qk&t=932s", "aussage": "Endnutzer müssen in Power BI die Filterrichtung des Datenmodells kennen, da gefilterte Kennzahlen sonst fälschlich leer oder falsch angezeigt werden können." }, { "typ": "Empfehlung", "dokument": "Denken in Tabellen", "dokument_id": "yt:hbUYMyqb6r8", "sekunde": 2220, "zeit": "37:00", "url": "https://www.youtube.com/watch?v=hbUYMyqb6r8&t=2220s", "aussage": "Jasmin empfiehlt, für einmalige und eng begrenzte Auswertungen im Fachbereich eine Flat Table in Excel zu nutzen, für wiederkehrende Analysen aber ein Datenmodell zu bauen, weil Datenfehler darin schneller auffallen." }, { "typ": "Empfehlung", "dokument": "Fabric & Power BI Quarterly · 2026-1", "dokument_id": "yt:TYp5xCAU2AU", "sekunde": 2848, "zeit": "47:28", "url": "https://www.youtube.com/watch?v=TYp5xCAU2AU&t=2848s", "aussage": "Für den Einstieg in Fabric IQ empfiehlt Gabi, zunächst aus einem bereits gut designten und bekannten semantischen Modell testweise eine Ontologie zu erstellen." }, { "typ": "Fakt", "dokument": "Unboxing MCP Server for Power BI Modelling", "dokument_id": "yt:iinfiHxznOU", "sekunde": 285, "zeit": "04:45", "url": "https://www.youtube.com/watch?v=iinfiHxznOU&t=285s", "aussage": "Der MCP Modeling Server für Power BI kann momentan alles bearbeiten, was über TMDL abgebildet ist, also Power Query, Datenmodell, Beziehungen und DAX-Measures." }, { "typ": "Fakt", "dokument": "BI Thinkers Talk nr.71", "dokument_id": "yt:LUrL8A5lNgI", "sekunde": 1259, "zeit": "20:59", "url": "https://www.youtube.com/watch?v=LUrL8A5lNgI&t=1259s", "aussage": "Mit der DAX-Funktion INFO.VIEW.RELATIONSHIPS lassen sich die Beziehungen eines Datenmodells als Tabelle ausgeben." }, { "typ": "Fakt", "dokument": "Unboxing MCP Server for Power BI Modelling", "dokument_id": "yt:iinfiHxznOU", "sekunde": 2463, "zeit": "41:03", "url": "https://www.youtube.com/watch?v=iinfiHxznOU&t=2463s", "aussage": "Bei einem Kundenprojekt ließ sich ein komplett großgeschriebenes Snake-Case-Datenbankschema mithilfe von KI und TMDL sehr schnell in lesbare Namen übersetzen." }, { "typ": "Meinung", "dokument": "Datenmodellierung ist Governance", "dokument_id": "yt:lH_-A8NAQ-k", "sekunde": 135, "zeit": "02:15", "url": "https://www.youtube.com/watch?v=lH_-A8NAQ-k&t=135s", "aussage": "Wie ein Datenmodell aufgebaut wird, hängt laut dem Workshop stark von den jeweiligen Rahmenbedingungen und Anforderungen ab und nicht von einer festen Theorie." }, { "typ": "Meinung", "dokument": "Datenmodellierung ist Governance", "dokument_id": "yt:lH_-A8NAQ-k", "sekunde": 333, "zeit": "05:33", "url": "https://www.youtube.com/watch?v=lH_-A8NAQ-k&t=333s", "aussage": "Für ein einfaches Ad-hoc-Reporting mit wenig komplexen Daten kann eine flache Tabelle völlig ausreichend sein." }, { "typ": "Meinung", "dokument": "Datenmodellierung ist Governance", "dokument_id": "yt:lH_-A8NAQ-k", "sekunde": 366, "zeit": "06:06", "url": "https://www.youtube.com/watch?v=lH_-A8NAQ-k&t=366s", "aussage": "Wächst ein Report zu einem Standard-Reporting mit zusätzlichen Dimensionen und unterschiedlicher Granularität, führt das meist Richtung eines dimensionalen Modells beziehungsweise Sternschemas." }, { "typ": "Empfehlung", "dokument": "BI Thinkers Talk - Data Modelling - Fabric Data Days Edition", "dokument_id": "yt:mUALlPmGcEk", "sekunde": 385, "zeit": "06:25", "url": "https://www.youtube.com/watch?v=mUALlPmGcEk&t=385s", "aussage": "Beim Aufbau eines Datenmodells sollte man top-down vorgehen und zunächst den Informationsbedarf der Analyse festlegen, bevor die passenden Datenstrukturen bestimmt werden." }, { "typ": "Fakt", "dokument": "BI Thinkers Talk - Data Modelling - Fabric Data Days Edition", "dokument_id": "yt:mUALlPmGcEk", "sekunde": 464, "zeit": "07:44", "url": "https://www.youtube.com/watch?v=mUALlPmGcEk&t=464s", "aussage": "Die Medaillon-Architektur mit Bronze-, Silber- und Gold-Schichten entspricht inhaltlich einem klassischen Aufbau aus Staging, Core und Datamarts." }, { "typ": "Meinung", "dokument": "Datenmodellierung ist Governance", "dokument_id": "yt:lH_-A8NAQ-k", "sekunde": 483, "zeit": "08:03", "url": "https://www.youtube.com/watch?v=lH_-A8NAQ-k&t=483s", "aussage": "Von Flat Tables wird abgeraten, außer für sehr eng fokussierte Auswertungen in einem begrenzten Bereich." }, { "typ": "Fakt", "dokument": "BI Thinkers Talk - Data Modelling - Fabric Data Days Edition", "dokument_id": "yt:mUALlPmGcEk", "sekunde": 557, "zeit": "09:17", "url": "https://www.youtube.com/watch?v=mUALlPmGcEk&t=557s", "aussage": "Data Vault ist eine Modellierungsmethode für die mittlere Datenschicht, die auf Hubs für Business Keys, Links für Beziehungen und Satelliten für zusätzliche Attribute aufbaut." }, { "typ": "Warnung", "dokument": "Datenmodellierung ist Governance", "dokument_id": "yt:lH_-A8NAQ-k", "sekunde": 588, "zeit": "09:48", "url": "https://www.youtube.com/watch?v=lH_-A8NAQ-k&t=588s", "aussage": "Die häufigste Fehlerquelle in Datenmodellen liegt beim Verjoinen mehrerer Tabellen in Power Query, etwa durch verdoppelte oder inkonsistente Datensätze." }, { "typ": "Empfehlung", "dokument": "BI Thinkers Talk - Data Modelling - Fabric Data Days Edition", "dokument_id": "yt:mUALlPmGcEk", "sekunde": 598, "zeit": "09:58", "url": "https://www.youtube.com/watch?v=mUALlPmGcEk&t=598s", "aussage": "Transformationsschritte sollen möglichst weit Richtung Quelle beziehungsweise in die dazwischenliegende Datenplattform verlagert werden, damit das Power-BI-Modell die Daten bereits aufbereitet erhält." }, { "typ": "Meinung", "dokument": "BI Thinkers Talk - Data Modelling - Fabric Data Days Edition", "dokument_id": "yt:mUALlPmGcEk", "sekunde": 664, "zeit": "11:04", "url": "https://www.youtube.com/watch?v=mUALlPmGcEk&t=664s", "aussage": "Das Sternschema mit einer zentralen Faktentabelle und umgebenden Dimensionen wird von den Sprechern als bevorzugter Modellierungsansatz in Power BI favorisiert." }, { "typ": "Empfehlung", "dokument": "BI Thinkers Talk - Data Modelling - Fabric Data Days Edition", "dokument_id": "yt:mUALlPmGcEk", "sekunde": 668, "zeit": "11:08", "url": "https://www.youtube.com/watch?v=mUALlPmGcEk&t=668s", "aussage": "Beim Datenmodell gilt das Prinzip weniger ist mehr: Es sollen nur die für die Anforderung nötigen Daten geladen werden, um spätere Performance-Probleme und hohe Speicherkosten zu vermeiden." }, { "typ": "Fakt", "dokument": "Datenmodellierung ist Governance", "dokument_id": "yt:lH_-A8NAQ-k", "sekunde": 698, "zeit": "11:38", "url": "https://www.youtube.com/watch?v=lH_-A8NAQ-k&t=698s", "aussage": "Eine gut modellierte Dimensionstabelle wie eine Artikeltabelle lässt sich über mehrere Themenbereiche wie Produktion, Einkauf und Lagerbestand hinweg wiederverwenden." }, { "typ": "Empfehlung", "dokument": "BI Thinkers Talk - Data Modelling - Fabric Data Days Edition", "dokument_id": "yt:mUALlPmGcEk", "sekunde": 757, "zeit": "12:37", "url": "https://www.youtube.com/watch?v=mUALlPmGcEk&t=757s", "aussage": "Es wird empfohlen, eine zentrale, separate Datumstabelle im Modell zu führen, um Zeitlogiken einheitlich abbilden zu können." }, { "typ": "Empfehlung", "dokument": "BI Thinkers Talk - Data Modelling - Fabric Data Days Edition", "dokument_id": "yt:mUALlPmGcEk", "sekunde": 768, "zeit": "12:48", "url": "https://www.youtube.com/watch?v=mUALlPmGcEk&t=768s", "aussage": "Über Role-Playing-Dimensionen lässt sich ein einmal modelliertes Objekt wie Kunde in mehreren Rollen, etwa als Liefer-, Rechnungs- und Auftragskunde, wiederverwenden, ohne die Kundendaten mehrfach zu pflegen." }, { "typ": "Meinung", "dokument": "Datenmodellierung ist Governance", "dokument_id": "yt:lH_-A8NAQ-k", "sekunde": 784, "zeit": "13:04", "url": "https://www.youtube.com/watch?v=lH_-A8NAQ-k&t=784s", "aussage": "Übernimmt jemand die Ownership für eine Dimension wie Kunden oder Artikel und definiert sie als Datenprodukt, kann diese entsprechend dokumentiert und für andere bereitgestellt werden." }, { "typ": "Empfehlung", "dokument": "BI Thinkers Talk - Data Modelling - Fabric Data Days Edition", "dokument_id": "yt:mUALlPmGcEk", "sekunde": 836, "zeit": "13:56", "url": "https://www.youtube.com/watch?v=mUALlPmGcEk&t=836s", "aussage": "Explizite Measures werden gegenüber impliziten, automatisch generierten Summen empfohlen, damit Kennzahlen auch für externe Werkzeuge verfügbar und einheitlich formatiert sind." }, { "typ": "Warnung", "dokument": "Datenmodellierung ist Governance", "dokument_id": "yt:lH_-A8NAQ-k", "sekunde": 974, "zeit": "16:14", "url": "https://www.youtube.com/watch?v=lH_-A8NAQ-k&t=974s", "aussage": "Verschiebt man die Datenverantwortung per Product Ownership vollständig in die Fachbereiche, kann dort ungewollt viel Abstimmungs-Overhead zwischen den Bereichen entstehen." }, { "typ": "Warnung", "dokument": "BI Thinkers Talk - Data Modelling - Fabric Data Days Edition", "dokument_id": "yt:mUALlPmGcEk", "sekunde": 1052, "zeit": "17:32", "url": "https://www.youtube.com/watch?v=mUALlPmGcEk&t=1052s", "aussage": "Wird eine One-Big-Table per Inner Join aus einem dimensionalen Modell erzeugt, fallen Kunden ohne zugehörige Transaktionen aus der Analyse heraus, während sie im Sternschema in der Dimension erhalten bleiben." }, { "typ": "Fakt", "dokument": "BI Thinkers Talk - Data Modelling - Fabric Data Days Edition", "dokument_id": "yt:mUALlPmGcEk", "sekunde": 1194, "zeit": "19:54", "url": "https://www.youtube.com/watch?v=mUALlPmGcEk&t=1194s", "aussage": "Ob ein Sternschema oder eine One-Big-Table weniger Speicherplatz benötigt, hängt stark von der konkreten Modellierung der Daten ab und lässt sich nicht pauschal beantworten." }, { "typ": "Fakt", "dokument": "BI Thinkers Talk - Data Modelling - Fabric Data Days Edition", "dokument_id": "yt:mUALlPmGcEk", "sekunde": 1235, "zeit": "20:35", "url": "https://www.youtube.com/watch?v=mUALlPmGcEk&t=1235s", "aussage": "Bei einer als Datum erkannten, kontinuierlichen Achse im Liniendiagramm überbrückt Power BI fehlende Datumswerte automatisch, unabhängig vom zugrunde liegenden Datenmodell." }, { "typ": "Warnung", "dokument": "BI Thinkers Talk - Data Modelling - Fabric Data Days Edition", "dokument_id": "yt:mUALlPmGcEk", "sekunde": 1715, "zeit": "28:35", "url": "https://www.youtube.com/watch?v=mUALlPmGcEk&t=1715s", "aussage": "Sobald ein Modell mehr als eine Faktentabelle mit unterschiedlichen Dimensionen oder Granularitäten enthält, werden die benötigten DAX-Formeln in einer One-Big-Table deutlich komplexer als im Sternschema." }, { "typ": "Meinung", "dokument": "Datenmodellierung ist Governance", "dokument_id": "yt:lH_-A8NAQ-k", "sekunde": 1793, "zeit": "29:53", "url": "https://www.youtube.com/watch?v=lH_-A8NAQ-k&t=1793s", "aussage": "Die Organisation und ihre Denkweise haben einen großen Einfluss darauf, wie ein Datenmodell aufgebaut wird, etwa ob es eine zentrale Kundendimension oder ein zentrales Data Warehouse gibt." }, { "typ": "Warnung", "dokument": "BI Thinkers Talk - Data Modelling - Fabric Data Days Edition", "dokument_id": "yt:mUALlPmGcEk", "sekunde": 2139, "zeit": "35:39", "url": "https://www.youtube.com/watch?v=mUALlPmGcEk&t=2139s", "aussage": "Wird eine Datumsspalte nur zur Anzeige auf Monatsebene formatiert, bleiben im Hintergrund weiterhin die einzelnen Tageswerte bestehen, was bei DAX-Berechnungen zu unerwarteten Ergebnissen führen kann." }, { "typ": "Meinung", "dokument": "BI Thinkers Talk - Data Modelling - Fabric Data Days Edition", "dokument_id": "yt:mUALlPmGcEk", "sekunde": 3839, "zeit": "1:03:59", "url": "https://www.youtube.com/watch?v=mUALlPmGcEk&t=3839s", "aussage": "Anwender mit wenig DAX-Erfahrung erhalten in einem One-Big-Table-Modell häufiger automatisch die von ihnen erwarteten Ergebnisse als in einem dimensionalen Modell." }, { "typ": "Empfehlung", "dokument": "BI Thinkers Talk - Data Modelling - Fabric Data Days Edition", "dokument_id": "yt:mUALlPmGcEk", "sekunde": 4272, "zeit": "1:11:12", "url": "https://www.youtube.com/watch?v=mUALlPmGcEk&t=4272s", "aussage": "Für Einsteiger wird das One-Big-Table-Modell weniger aus konzeptionellen als aus werkzeugbedingten Gründen empfohlen, weil Power BI dabei mehr Standardverhalten von sich aus liefert." }, { "typ": "Empfehlung", "dokument": "BI Thinkers Talk - Data Modelling - Fabric Data Days Edition", "dokument_id": "yt:mUALlPmGcEk", "sekunde": 4868, "zeit": "1:21:08", "url": "https://www.youtube.com/watch?v=mUALlPmGcEk&t=4868s", "aussage": "Sobald mehrere Faktentabellen für einen Drill-Across kombiniert werden sollen oder unternehmensweit standardisierte Dimensionen benötigt werden, ist ein dimensionales Modell mit Sternschema vorzuziehen." }, { "typ": "Fakt", "dokument": "Daten-WG Special: Power BI vs. Qlik", "dokument_id": "yt:aYHk_V8n_CE", "sekunde": 543, "zeit": "09:03", "url": "https://www.youtube.com/watch?v=aYHk_V8n_CE&t=543s", "aussage": "In einer normalen flachen Excel-Tabelle lassen sich keine flexiblen Kategorie-Filterungen oder Bedingungen umsetzen, weshalb fuer solche Auswertungen Dashboards mit echten Dimensionen noetig sind." }, { "typ": "Fakt", "dokument": "Daten-WG Special: Power BI vs. Qlik", "dokument_id": "yt:aYHk_V8n_CE", "sekunde": 1417, "zeit": "23:37", "url": "https://www.youtube.com/watch?v=aYHk_V8n_CE&t=1417s", "aussage": "In Qlik laesst sich das komplette Datenmodell per intelligenter Suche nach einem bekannten Wert durchsuchen, auch wenn der zugehoerige Feldname unbekannt ist." }, { "typ": "Fakt", "dokument": "Daten-WG Special: Power BI vs. Qlik", "dokument_id": "yt:aYHk_V8n_CE", "sekunde": 2638, "zeit": "43:58", "url": "https://www.youtube.com/watch?v=aYHk_V8n_CE&t=2638s", "aussage": "In Power BI werden Master-Measures ueblicherweise an eine Tabelle im Datenmodell gebunden, waehrend Master-Kennzahlen in Qlik zur Applikation gehoeren und nicht an einer Tabelle haengen." }, { "typ": "Empfehlung", "dokument": "Daten-WG Special: Power BI vs. Qlik", "dokument_id": "yt:aYHk_V8n_CE", "sekunde": 2657, "zeit": "44:17", "url": "https://www.youtube.com/watch?v=aYHk_V8n_CE&t=2657s", "aussage": "Als Good Practice in Power BI wird empfohlen, konsequent eine dreischichtige Architektur mit getrennten Ordnern fuer Transform- und Output-Schritte umzusetzen." }, { "typ": "Fakt", "dokument": "Daten-WG Special: Power BI vs. Qlik", "dokument_id": "yt:aYHk_V8n_CE", "sekunde": 3087, "zeit": "51:27", "url": "https://www.youtube.com/watch?v=aYHk_V8n_CE&t=3087s", "aussage": "In Qlik lassen sich Master-Kennzahlen als eigenstaendige Formel definieren, ohne dass sie fest an eine Tabelle im Datenmodell gebunden sind." }, { "typ": "Fakt", "dokument": "BI Thinkers Talk nr.67", "dokument_id": "yt:G8s96sHUHac", "sekunde": 1490, "zeit": "24:50", "url": "https://www.youtube.com/watch?v=G8s96sHUHac&t=1490s", "aussage": "Dem KI-Agenten wurden bei der Modellgenerierung explizite Vorgaben mitgegeben, darunter das Vermeiden von Snowflake-Dimensionen, Beziehungen möglichst in eine Richtung und geschäftsfreundliche statt technische Tabellennamen." }, { "typ": "Fakt", "dokument": "Why Passion Beats Niche", "dokument_id": "yt:ihi7UiJ_TtQ", "sekunde": 1555, "zeit": "25:55", "url": "https://www.youtube.com/watch?v=ihi7UiJ_TtQ&t=1555s", "aussage": "Die Custom-Engine benötigt laut Brian Bønk keine Datenmodellierung und kein Sternschema, während Power BI für die beste Performance ein Sternschema braucht." }, { "typ": "Meinung", "dokument": "Daten-WG Deep Dive Financial Reporting - part 6", "dokument_id": "yt:bt81POE-9Ig", "sekunde": 379, "zeit": "06:19", "url": "https://www.youtube.com/watch?v=bt81POE-9Ig&t=379s", "aussage": "Bei der Umsetzung des Financial-Reporting-Modells in Fabric wurden die aufbereiteten Tabellen unglücklich benannt, kaum anders als die ursprünglichen Quelltabellen." }, { "typ": "Fakt", "dokument": "Daten-WG Deep Dive Financial Reporting - part 6", "dokument_id": "yt:bt81POE-9Ig", "sekunde": 456, "zeit": "07:36", "url": "https://www.youtube.com/watch?v=bt81POE-9Ig&t=456s", "aussage": "Eine wesentliche Anforderung an das Financial-Reporting-Datenmodell war, dass es mandantenfähig sein muss." }, { "typ": "Empfehlung", "dokument": "Daten-WG Deep Dive Financial Reporting - part 6", "dokument_id": "yt:bt81POE-9Ig", "sekunde": 697, "zeit": "11:37", "url": "https://www.youtube.com/watch?v=bt81POE-9Ig&t=697s", "aussage": "Für Dimensionsschlüssel wird ein sprechender Schlüssel gegenüber einem Hash bevorzugt, sofern keine technischen Gründe wie fehlende deterministische Sortierung bei verteilten Architekturen dagegensprechen." }, { "typ": "Empfehlung", "dokument": "Daten-WG Deep Dive Financial Reporting - part 6", "dokument_id": "yt:bt81POE-9Ig", "sekunde": 743, "zeit": "12:23", "url": "https://www.youtube.com/watch?v=bt81POE-9Ig&t=743s", "aussage": "Bei sehr großen Faktentabellen sollte man versuchen, Joins zur Schlüsselbildung zu vermeiden, auch wenn die Performance im Power-Datenmodell dadurch minimal schlechter wird." }, { "typ": "Empfehlung", "dokument": "Daten-WG Deep Dive Financial Reporting - part 6", "dokument_id": "yt:bt81POE-9Ig", "sekunde": 945, "zeit": "15:45", "url": "https://www.youtube.com/watch?v=bt81POE-9Ig&t=945s", "aussage": "Wird eine Faktentabelle so groß, dass die Performance leidet, können in Power BI zusätzliche Aggregationstabellen für häufig genutzte Dimensionen gebaut werden." }, { "typ": "Meinung", "dokument": "Daten-WG Deep Dive Financial Reporting - part 6", "dokument_id": "yt:bt81POE-9Ig", "sekunde": 1131, "zeit": "18:51", "url": "https://www.youtube.com/watch?v=bt81POE-9Ig&t=1131s", "aussage": "Eine Kalendertabelle sollte möglichst viele Spalten bereitstellen, gerade wenn sie dynamisch genutzt werden soll, wie es der bekannte Lars-Schreiber-Kalender vormacht." }, { "typ": "Fakt", "dokument": "Daten-WG Deep Dive Financial Reporting - part 6", "dokument_id": "yt:bt81POE-9Ig", "sekunde": 1254, "zeit": "20:54", "url": "https://www.youtube.com/watch?v=bt81POE-9Ig&t=1254s", "aussage": "Ein Kalender lässt sich per Power Query aufbauen und zusätzlich über TMDL mit Formaten, Sortierungen und Hierarchien anreichern." }, { "typ": "Empfehlung", "dokument": "Daten-WG Deep Dive Financial Reporting - part 6", "dokument_id": "yt:bt81POE-9Ig", "sekunde": 1356, "zeit": "22:36", "url": "https://www.youtube.com/watch?v=bt81POE-9Ig&t=1356s", "aussage": "Für ein unternehmensweites Data Warehouse wird empfohlen, eine Standard-Kalendertabelle einmal zu laden und zu persistieren, statt sie für jedes Datenmodell neu zu erzeugen." }, { "typ": "Empfehlung", "dokument": "Daten-WG Deep Dive Financial Reporting - part 6", "dokument_id": "yt:bt81POE-9Ig", "sekunde": 1421, "zeit": "23:41", "url": "https://www.youtube.com/watch?v=bt81POE-9Ig&t=1421s", "aussage": "Für einen einzelnen Bericht sollte der Kalender nicht unnötig lang gehalten werden, sondern kann sein Startdatum z.B. aus dem ersten Hauptbucheintrag der Quelldaten ableiten." }, { "typ": "Meinung", "dokument": "Mythos Data Vault und richtig große Modelle", "dokument_id": "yt:rrCi0lnGrCg", "sekunde": 172, "zeit": "02:52", "url": "https://www.youtube.com/watch?v=rrCi0lnGrCg&t=172s", "aussage": "Data Vault ist laut Volker Nürnberg weit weg von den Endanwendern und keine Modellierungsstruktur, mit der Nutzer selbst arbeiten sollen." }, { "typ": "Fakt", "dokument": "Daten-WG Deep Dive Financial Reporting", "dokument_id": "yt:TYmKrreMO3I", "sekunde": 63, "zeit": "01:03", "url": "https://www.youtube.com/watch?v=TYmKrreMO3I&t=63s", "aussage": "Eine Kernanforderung an das Datenmodell für die Finanzberichterstattung ist, verschiedene Berichte mit unterschiedlichen Layouts und Zeilenzusammenstellungen anzuzeigen." }, { "typ": "Empfehlung", "dokument": "Daten-WG Deep Dive Financial Reporting", "dokument_id": "yt:TYmKrreMO3I", "sekunde": 111, "zeit": "01:51", "url": "https://www.youtube.com/watch?v=TYmKrreMO3I&t=111s", "aussage": "Statt eine eigene Exceltabelle für Berichtslayouts zu pflegen, werden die Layouts direkt aus dem ERP-System übernommen." }, { "typ": "Fakt", "dokument": "Daten-WG Deep Dive Financial Reporting", "dokument_id": "yt:TYmKrreMO3I", "sekunde": 158, "zeit": "02:38", "url": "https://www.youtube.com/watch?v=TYmKrreMO3I&t=158s", "aussage": "Das Datenmodell für die Finanzberichterstattung basiert auf einer Faktentabelle mit den Buchungen aus dem Hauptbuch." }, { "typ": "Meinung", "dokument": "Daten-WG Deep Dive Financial Reporting", "dokument_id": "yt:TYmKrreMO3I", "sekunde": 235, "zeit": "03:55", "url": "https://www.youtube.com/watch?v=TYmKrreMO3I&t=235s", "aussage": "Die Mapping-Tabelle zwischen Konten und Berichtszeilen ist strukturell eher eine Bridge-Tabelle im Kimball-Sinn als eine klassische Faktentabelle mit Kennzahlen." }, { "typ": "Fakt", "dokument": "Daten-WG Deep Dive Financial Reporting", "dokument_id": "yt:TYmKrreMO3I", "sekunde": 782, "zeit": "13:02", "url": "https://www.youtube.com/watch?v=TYmKrreMO3I&t=782s", "aussage": "Für deutschsprachige Power-BI-Modelle wird häufig die Datumstabelle von Lars Schreiber als Power-Query-Vorlage verwendet." }, { "typ": "Fakt", "dokument": "Daten-WG Deep Dive Financial Reporting", "dokument_id": "yt:TYmKrreMO3I", "sekunde": 2332, "zeit": "38:52", "url": "https://www.youtube.com/watch?v=TYmKrreMO3I&t=2332s", "aussage": "Beim Auflösen von Kontenbereichen in der Mapping-Tabelle muss ein Join mit der Sachkontentabelle erfolgen, da nicht jedes Konto in einem angegebenen Bereich tatsächlich existiert." }, { "typ": "Fakt", "dokument": "Wie war die Daten-WG? (2025, Teil 2)", "dokument_id": "yt:XxPFAQfLyuA", "sekunde": 808, "zeit": "13:28", "url": "https://www.youtube.com/watch?v=XxPFAQfLyuA&t=808s", "aussage": "Die Deep-Dive-Session zu Data Modelling bei der Daten-WG 2025 dauerte drei Stunden und war trotz kleinerem Raum sehr gut besucht." }, { "typ": "Meinung", "dokument": "Daten-WG Thinkers Talk n61", "dokument_id": "yt:KMk1k5uCLZU", "sekunde": 925, "zeit": "15:25", "url": "https://www.youtube.com/watch?v=KMk1k5uCLZU&t=925s", "aussage": "In einer idealen Modellierung würde man für das Event-Dashboard Dimensionen anlegen und mindestens eine Kalendertabelle verwenden, statt nur Rohdaten aus der API zu übernehmen." }, { "typ": "Empfehlung", "dokument": "Daten-WG Thinkers Talk n61", "dokument_id": "yt:KMk1k5uCLZU", "sekunde": 1150, "zeit": "19:10", "url": "https://www.youtube.com/watch?v=KMk1k5uCLZU&t=1150s", "aussage": "Ob ein Event als \"closed\" gilt, sollte als zeilenbezogene, unveränderliche Logik in Power Query berechnet werden statt an anderer Stelle im Bericht." }, { "typ": "Fakt", "dokument": "Fabric & Power BI Quarterly | 2025 Q2", "dokument_id": "yt:lAh9ajR2Nrw", "sekunde": 1245, "zeit": "20:45", "url": "https://www.youtube.com/watch?v=lAh9ajR2Nrw&t=1245s", "aussage": "Views werden bei Direct Lake nicht unterstützt, weil sie nicht persistiert sind; Materialized Views könnten hier künftig einen Ansatz für persistierte Business Logic bieten." }, { "typ": "Fakt", "dokument": "Daten-WG Thinkers Talk n61", "dokument_id": "yt:KMk1k5uCLZU", "sekunde": 1367, "zeit": "22:47", "url": "https://www.youtube.com/watch?v=KMk1k5uCLZU&t=1367s", "aussage": "Die erweiterte relative Datumsfilterung in Power BI unterstützt nur ein Filtern auf die nächsten X Tage, was die Planung über das aktuelle Jahr hinaus einschränkt." }, { "typ": "Meinung", "dokument": "Daten-WG Thinkers Talk n61", "dokument_id": "yt:KMk1k5uCLZU", "sekunde": 2162, "zeit": "36:02", "url": "https://www.youtube.com/watch?v=KMk1k5uCLZU&t=2162s", "aussage": "Eine eigene Datumstabelle aus der Quelle ist vor allem bei DirectQuery relevant, damit Jahresfilter direkt an die Quelle weitergereicht werden können, statt alle passenden Einzeltage aufzuzählen; im Import Mode ist das wegen der Persistierung der Daten weniger entscheidend." }, { "typ": "Empfehlung", "dokument": "Daten-WG Thinkers Talk n61", "dokument_id": "yt:KMk1k5uCLZU", "sekunde": 2711, "zeit": "45:11", "url": "https://www.youtube.com/watch?v=KMk1k5uCLZU&t=2711s", "aussage": "Eine Feiertagstabelle sollte meist als eigenständige Tabelle geführt werden, ähnlich wie es SQLBI im Bravo-Tool mit einer fortlaufend berechnenden Logik umsetzt." }, { "typ": "Fakt", "dokument": "Microsoft Power BI Einführung | Florian Wiefel | Hans-Ulrik Harnisch | M365 Summit Mai 2022", "dokument_id": "yt:Z8vpSSOmG24", "sekunde": 1349, "zeit": "22:29", "url": "https://www.youtube.com/watch?v=Z8vpSSOmG24&t=1349s", "aussage": "Die Schulungen zu Datenmodellierung und DAX wurden zusammengelegt, weil ein komplexeres Datenmodell auch komplexere DAX-Berechnungen nach sich zieht." }, { "typ": "Meinung", "dokument": "Buttons, Drilling, Navigation und Dynamisches Filtern in einem Power BI Report", "dokument_id": "yt:K27nB68nR1M", "sekunde": 856, "zeit": "14:16", "url": "https://www.youtube.com/watch?v=K27nB68nR1M&t=856s", "aussage": "Eine sinnvolle Strukturierung der Daten im Datenmodell wird als Grundvoraussetzung dafür beschrieben, die Daten sinnvoll auswerten zu können." }, { "typ": "Meinung", "dokument": "Metadaten als Superkraft", "dokument_id": "yt:UUlPoJOhco8", "sekunde": 949, "zeit": "15:49", "url": "https://www.youtube.com/watch?v=UUlPoJOhco8&t=949s", "aussage": "Metadaten liefern Informationen über Datenmodelle, Nutzerkompetenzen und Nutzung, die in den reinen Daten selbst nicht sichtbar sind." }, { "typ": "Meinung", "dokument": "Fabric & Power BI Quarterly · 2025 Q3", "dokument_id": "yt:lZvpCBMKASM", "sekunde": 1469, "zeit": "24:29", "url": "https://www.youtube.com/watch?v=lZvpCBMKASM&t=1469s", "aussage": "Copilot dient vor allem zwei Szenarien: Unterstuetzung beim Erlernen neuer Faehigkeiten und Erleichterung repetitiver Standardaufgaben, ist aber kein Ersatz fuer Spezialisten." }, { "typ": "Fakt", "dokument": "Fabric & Power BI Quarterly · 2025 Q4", "dokument_id": "yt:9TsHkV8sIRo", "sekunde": 2861, "zeit": "47:41", "url": "https://www.youtube.com/watch?v=9TsHkV8sIRo&t=2861s", "aussage": "Graphdatenbanken sind jetzt direkt in Microsoft Fabric integriert und lassen sich über GQL abfragen." } ], "dokumente": [ { "id": "yt:H0ENBDQnVcs", "titel": "Werbung | Daten WG Offsite in Dortmund – Power BI Event am 29.10.", "datum": "2025-09-01", "abdeckung": "nur-zeitstempel", "anteil": 1.0, "url": "https://www.youtube.com/watch?v=H0ENBDQnVcs", "sprungmarken": [ { "label": "00:00", "url": "https://www.youtube.com/watch?v=H0ENBDQnVcs&t=0s", "sekunde": 0 } ] }, { "id": "yt:hbUYMyqb6r8", "titel": "Denken in Tabellen", "datum": "2026-01-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.538, "url": "https://www.youtube.com/watch?v=hbUYMyqb6r8", "sprungmarken": [ { "label": "08:37", "url": "https://www.youtube.com/watch?v=hbUYMyqb6r8&t=517s", "sekunde": 517 }, { "label": "22:07", "url": "https://www.youtube.com/watch?v=hbUYMyqb6r8&t=1327s", "sekunde": 1327 }, { "label": "37:00", "url": "https://www.youtube.com/watch?v=hbUYMyqb6r8&t=2220s", "sekunde": 2220 } ] }, { "id": "yt:dKA-38gRD8Q", "titel": "27 Jahre in 10 Minuten - Peter Gluchowski beim Daten-WG Offsite", "datum": "2026-05-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.333, "url": "https://www.youtube.com/watch?v=dKA-38gRD8Q", "sprungmarken": [ { "label": "06:29", "url": "https://www.youtube.com/watch?v=dKA-38gRD8Q&t=389s", "sekunde": 389 }, { "label": "08:12", "url": "https://www.youtube.com/watch?v=dKA-38gRD8Q&t=492s", "sekunde": 492 } ] }, { "id": "yt:lH_-A8NAQ-k", "titel": "Datenmodellierung ist Governance", "datum": "2025-11-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.32, "url": "https://www.youtube.com/watch?v=lH_-A8NAQ-k", "sprungmarken": [ { "label": "00:00", "url": "https://www.youtube.com/watch?v=lH_-A8NAQ-k&t=0s", "sekunde": 0 }, { "label": "01:10", "url": "https://www.youtube.com/watch?v=lH_-A8NAQ-k&t=70s", "sekunde": 70 }, { "label": "09:13", "url": "https://www.youtube.com/watch?v=lH_-A8NAQ-k&t=553s", "sekunde": 553 } ] }, { "id": "yt:vd1r02bj9Qk", "titel": "Power BI vs. Qlik", "datum": "2026-01-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.316, "url": "https://www.youtube.com/watch?v=vd1r02bj9Qk", "sprungmarken": [ { "label": "05:10", "url": "https://www.youtube.com/watch?v=vd1r02bj9Qk&t=310s", "sekunde": 310 }, { "label": "08:52", "url": "https://www.youtube.com/watch?v=vd1r02bj9Qk&t=532s", "sekunde": 532 }, { "label": "14:24", "url": "https://www.youtube.com/watch?v=vd1r02bj9Qk&t=864s", "sekunde": 864 } ] }, { "id": "yt:6gQiIbyhWEc", "titel": "Power BI Update September 2025", "datum": "2025-09-01", "abdeckung": "nur-zeitstempel", "anteil": 0.25, "url": "https://www.youtube.com/watch?v=6gQiIbyhWEc", "sprungmarken": [ { "label": "01:13", "url": "https://www.youtube.com/watch?v=6gQiIbyhWEc&t=73s", "sekunde": 73 }, { "label": "07:23", "url": "https://www.youtube.com/watch?v=6gQiIbyhWEc&t=443s", "sekunde": 443 }, { "label": "11:14", "url": "https://www.youtube.com/watch?v=6gQiIbyhWEc&t=674s", "sekunde": 674 } ] }, { "id": "page:waermestreifen-3d", "titel": "175 Jahre Klimageschichte zum Anfassen — Waermestreifen 3D", "datum": "2026-08-04", "abdeckung": "nur-text", "anteil": 0.25, "url": "https://datenwgknowledgekitchen.com/waermestreifen-3d.html", "sprungmarken": [ { "label": "Abschnitt", "url": "https://datenwgknowledgekitchen.com/waermestreifen-3d.html", "sekunde": null }, { "label": "Abschnitt", "url": "https://datenwgknowledgekitchen.com/waermestreifen-3d.html#:~:text=Making-of", "sekunde": null } ] }, { "id": "yt:lT-C7fPzxj4", "titel": "Power BI Update April 2025", "datum": "2025-04-01", "abdeckung": "nur-zeitstempel", "anteil": 0.25, "url": "https://www.youtube.com/watch?v=lT-C7fPzxj4", "sprungmarken": [ { "label": "01:36", "url": "https://www.youtube.com/watch?v=lT-C7fPzxj4&t=96s", "sekunde": 96 } ] }, { "id": "yt:aYHk_V8n_CE", "titel": "Daten-WG Special: Power BI vs. Qlik", "datum": "2025-10-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.243, "url": "https://www.youtube.com/watch?v=aYHk_V8n_CE", "sprungmarken": [ { "label": "01:33", "url": "https://www.youtube.com/watch?v=aYHk_V8n_CE&t=93s", "sekunde": 93 }, { "label": "20:45", "url": "https://www.youtube.com/watch?v=aYHk_V8n_CE&t=1245s", "sekunde": 1245 }, { "label": "56:43", "url": "https://www.youtube.com/watch?v=aYHk_V8n_CE&t=3403s", "sekunde": 3403 } ] }, { "id": "yt:27rC2zefFOU", "titel": "Realtalk zu Self Service mit Power BI", "datum": "2024-02-01", "abdeckung": "nur-zeitstempel", "anteil": 0.231, "url": "https://www.youtube.com/watch?v=27rC2zefFOU", "sprungmarken": [ { "label": "20:05", "url": "https://www.youtube.com/watch?v=27rC2zefFOU&t=1205s", "sekunde": 1205 }, { "label": "26:05", "url": "https://www.youtube.com/watch?v=27rC2zefFOU&t=1565s", "sekunde": 1565 }, { "label": "32:05", "url": "https://www.youtube.com/watch?v=27rC2zefFOU&t=1925s", "sekunde": 1925 } ] }, { "id": "yt:Z8vpSSOmG24", "titel": "Microsoft Power BI Einführung | Florian Wiefel | Hans-Ulrik Harnisch | M365 Summit Mai 2022", "datum": "2022-06-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.2, "url": "https://www.youtube.com/watch?v=Z8vpSSOmG24", "sprungmarken": [ { "label": "18:05", "url": "https://www.youtube.com/watch?v=Z8vpSSOmG24&t=1085s", "sekunde": 1085 }, { "label": "21:06", "url": "https://www.youtube.com/watch?v=Z8vpSSOmG24&t=1266s", "sekunde": 1266 }, { "label": "24:07", "url": "https://www.youtube.com/watch?v=Z8vpSSOmG24&t=1447s", "sekunde": 1447 } ] }, { "id": "yt:UUlPoJOhco8", "titel": "Metadaten als Superkraft", "datum": "", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.2, "url": "https://www.youtube.com/watch?v=UUlPoJOhco8", "sprungmarken": [ { "label": "00:01", "url": "https://www.youtube.com/watch?v=UUlPoJOhco8&t=1s", "sekunde": 1 }, { "label": "15:47", "url": "https://www.youtube.com/watch?v=UUlPoJOhco8&t=947s", "sekunde": 947 }, { "label": "21:03", "url": "https://www.youtube.com/watch?v=UUlPoJOhco8&t=1263s", "sekunde": 1263 } ] }, { "id": "yt:sShNdgnHjr4", "titel": "TMDL Magie: Multi Parameter Tabelle - Feldparameter Next Level! | Power BI Tutorial", "datum": "2025-10-01", "abdeckung": "nur-zeitstempel", "anteil": 0.2, "url": "https://www.youtube.com/watch?v=sShNdgnHjr4", "sprungmarken": [ { "label": "03:36", "url": "https://www.youtube.com/watch?v=sShNdgnHjr4&t=216s", "sekunde": 216 }, { "label": "06:42", "url": "https://www.youtube.com/watch?v=sShNdgnHjr4&t=402s", "sekunde": 402 } ] }, { "id": "page:chartkitchen-schnellstart_en", "titel": "ChartKitchen byDatenWG — Quick Start", "datum": "2026-08-31", "abdeckung": "nur-text", "anteil": 0.2, "url": "https://datenwgknowledgekitchen.com/chartkitchen-schnellstart_en.html", "sprungmarken": [ { "label": "Abschnitt", "url": "https://datenwgknowledgekitchen.com/chartkitchen-schnellstart_en.html#:~:text=For%20AI%20agents%3A%20the%20Agent%20Guide", "sekunde": null } ] }, { "id": "page:chartkitchen-schnellstart", "titel": "ChartKitchen byDatenWG — Schnellstart", "datum": "2026-08-31", "abdeckung": "nur-text", "anteil": 0.2, "url": "https://datenwgknowledgekitchen.com/chartkitchen-schnellstart.html", "sprungmarken": [ { "label": "Abschnitt", "url": "https://datenwgknowledgekitchen.com/chartkitchen-schnellstart.html#:~:text=F%C3%BCr%20KI-Agenten%3A%20der%20Agent-Guide", "sekunde": null } ] }, { "id": "yt:g2Fijpqwcvw", "titel": "Analytics Speed Challenge | Power BI vs. IBM Cognos Analytics", "datum": "2025-11-01", "abdeckung": "nur-zeitstempel", "anteil": 0.2, "url": "https://www.youtube.com/watch?v=g2Fijpqwcvw", "sprungmarken": [ { "label": "06:17", "url": "https://www.youtube.com/watch?v=g2Fijpqwcvw&t=377s", "sekunde": 377 } ] }, { "id": "yt:LnNoXBIG7Lc", "titel": "Power BI Update Juni 2025", "datum": "2025-06-01", "abdeckung": "nur-zeitstempel", "anteil": 0.2, "url": "https://www.youtube.com/watch?v=LnNoXBIG7Lc", "sprungmarken": [ { "label": "00:00", "url": "https://www.youtube.com/watch?v=LnNoXBIG7Lc&t=0s", "sekunde": 0 } ] }, { "id": "yt:m3xNYfVih0Q", "titel": "Starting with Microsft Fabric the Skills you need", "datum": "2024-08-01", "abdeckung": "nur-zeitstempel", "anteil": 0.194, "url": "https://www.youtube.com/watch?v=m3xNYfVih0Q", "sprungmarken": [ { "label": "35:12", "url": "https://www.youtube.com/watch?v=m3xNYfVih0Q&t=2112s", "sekunde": 2112 }, { "label": "36:48", "url": "https://www.youtube.com/watch?v=m3xNYfVih0Q&t=2208s", "sekunde": 2208 }, { "label": "38:43", "url": "https://www.youtube.com/watch?v=m3xNYfVih0Q&t=2323s", "sekunde": 2323 } ] }, { "id": "yt:XJZxYNIeEVc", "titel": "Power BI Update November 2025", "datum": "2025-11-01", "abdeckung": "nur-zeitstempel", "anteil": 0.167, "url": "https://www.youtube.com/watch?v=XJZxYNIeEVc", "sprungmarken": [ { "label": "03:31", "url": "https://www.youtube.com/watch?v=XJZxYNIeEVc&t=211s", "sekunde": 211 } ] }, { "id": "yt:DQENmzAkNqw", "titel": "Daten-WG BI Thinkers Talk nr.66", "datum": "2025-08-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.158, "url": "https://www.youtube.com/watch?v=DQENmzAkNqw", "sprungmarken": [ { "label": "08:07", "url": "https://www.youtube.com/watch?v=DQENmzAkNqw&t=487s", "sekunde": 487 }, { "label": "35:42", "url": "https://www.youtube.com/watch?v=DQENmzAkNqw&t=2142s", "sekunde": 2142 }, { "label": "57:09", "url": "https://www.youtube.com/watch?v=DQENmzAkNqw&t=3429s", "sekunde": 3429 } ] }, { "id": "yt:zkfdfc5fo-E", "titel": "Power BI Update Mai 2025", "datum": "2025-05-01", "abdeckung": "nur-zeitstempel", "anteil": 0.143, "url": "https://www.youtube.com/watch?v=zkfdfc5fo-E", "sprungmarken": [ { "label": "00:23", "url": "https://www.youtube.com/watch?v=zkfdfc5fo-E&t=23s", "sekunde": 23 }, { "label": "13:04", "url": "https://www.youtube.com/watch?v=zkfdfc5fo-E&t=784s", "sekunde": 784 } ] }, { "id": "yt:GKLxM3317Xk", "titel": "So hackst du einen Power BI Bericht | Power BI Tutorial", "datum": "2025-09-01", "abdeckung": "nur-text", "anteil": 0.143, "url": "https://www.youtube.com/watch?v=GKLxM3317Xk", "sprungmarken": [ { "label": "Abschnitt", "url": "https://www.youtube.com/watch?v=GKLxM3317Xk", "sekunde": null } ] }, { "id": "yt:jTXo4aEr07o", "titel": "Power BI Update August 2025", "datum": "2025-08-01", "abdeckung": "nur-zeitstempel", "anteil": 0.143, "url": "https://www.youtube.com/watch?v=jTXo4aEr07o", "sprungmarken": [ { "label": "02:46", "url": "https://www.youtube.com/watch?v=jTXo4aEr07o&t=166s", "sekunde": 166 } ] }, { "id": "yt:bt81POE-9Ig", "titel": "Daten-WG Deep Dive Financial Reporting - part 6", "datum": "2025-08-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.14, "url": "https://www.youtube.com/watch?v=bt81POE-9Ig", "sprungmarken": [ { "label": "11:42", "url": "https://www.youtube.com/watch?v=bt81POE-9Ig&t=702s", "sekunde": 702 }, { "label": "13:26", "url": "https://www.youtube.com/watch?v=bt81POE-9Ig&t=806s", "sekunde": 806 }, { "label": "21:19", "url": "https://www.youtube.com/watch?v=bt81POE-9Ig&t=1279s", "sekunde": 1279 } ] }, { "id": "yt:mUALlPmGcEk", "titel": "BI Thinkers Talk - Data Modelling - Fabric Data Days Edition", "datum": "2025-11-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.137, "url": "https://www.youtube.com/watch?v=mUALlPmGcEk", "sprungmarken": [ { "label": "04:45", "url": "https://www.youtube.com/watch?v=mUALlPmGcEk&t=285s", "sekunde": 285 }, { "label": "07:56", "url": "https://www.youtube.com/watch?v=mUALlPmGcEk&t=476s", "sekunde": 476 }, { "label": "1:05:11", "url": "https://www.youtube.com/watch?v=mUALlPmGcEk&t=3911s", "sekunde": 3911 } ] }, { "id": "yt:rrCi0lnGrCg", "titel": "Mythos Data Vault und richtig große Modelle", "datum": "2025-07-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.136, "url": "https://www.youtube.com/watch?v=rrCi0lnGrCg", "sprungmarken": [ { "label": "01:47", "url": "https://www.youtube.com/watch?v=rrCi0lnGrCg&t=107s", "sekunde": 107 }, { "label": "06:00", "url": "https://www.youtube.com/watch?v=rrCi0lnGrCg&t=360s", "sekunde": 360 }, { "label": "20:50", "url": "https://www.youtube.com/watch?v=rrCi0lnGrCg&t=1250s", "sekunde": 1250 } ] }, { "id": "yt:pOJpXxsfUt0", "titel": "BI Thinkers Talk n.73", "datum": "2026-02-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.135, "url": "https://www.youtube.com/watch?v=pOJpXxsfUt0", "sprungmarken": [ { "label": "34:07", "url": "https://www.youtube.com/watch?v=pOJpXxsfUt0&t=2047s", "sekunde": 2047 }, { "label": "38:59", "url": "https://www.youtube.com/watch?v=pOJpXxsfUt0&t=2339s", "sekunde": 2339 }, { "label": "48:33", "url": "https://www.youtube.com/watch?v=pOJpXxsfUt0&t=2913s", "sekunde": 2913 } ] }, { "id": "yt:UxE0DPnLgIg", "titel": "Visual Analytics with Power BI", "datum": "2021-09-01", "abdeckung": "nur-zeitstempel", "anteil": 0.133, "url": "https://www.youtube.com/watch?v=UxE0DPnLgIg", "sprungmarken": [ { "label": "03:42", "url": "https://www.youtube.com/watch?v=UxE0DPnLgIg&t=222s", "sekunde": 222 }, { "label": "15:50", "url": "https://www.youtube.com/watch?v=UxE0DPnLgIg&t=950s", "sekunde": 950 } ] }, { "id": "yt:9wl_PLvgvyc", "titel": "10 Jahre BI für alle? Was Power BI wirklich verändert hat", "datum": "2025-08-01", "abdeckung": "nur-zeitstempel", "anteil": 0.13, "url": "https://www.youtube.com/watch?v=9wl_PLvgvyc", "sprungmarken": [ { "label": "07:33", "url": "https://www.youtube.com/watch?v=9wl_PLvgvyc&t=453s", "sekunde": 453 }, { "label": "14:40", "url": "https://www.youtube.com/watch?v=9wl_PLvgvyc&t=880s", "sekunde": 880 }, { "label": "29:52", "url": "https://www.youtube.com/watch?v=9wl_PLvgvyc&t=1792s", "sekunde": 1792 } ] }, { "id": "yt:J-lN5JN-F5I", "titel": "Daten-WG Life-Update | Fabric Architekturen", "datum": "2026-08-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.129, "url": "https://www.youtube.com/watch?v=J-lN5JN-F5I", "sprungmarken": [ { "label": "04:16", "url": "https://www.youtube.com/watch?v=J-lN5JN-F5I&t=256s", "sekunde": 256 }, { "label": "07:50", "url": "https://www.youtube.com/watch?v=J-lN5JN-F5I&t=470s", "sekunde": 470 }, { "label": "25:07", "url": "https://www.youtube.com/watch?v=J-lN5JN-F5I&t=1507s", "sekunde": 1507 } ] }, { "id": "yt:xCzKEIB4W5I", "titel": "Fabric Planning unboxing", "datum": "2026-03-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.125, "url": "https://www.youtube.com/watch?v=xCzKEIB4W5I", "sprungmarken": [ { "label": "04:42", "url": "https://www.youtube.com/watch?v=xCzKEIB4W5I&t=282s", "sekunde": 282 }, { "label": "07:46", "url": "https://www.youtube.com/watch?v=xCzKEIB4W5I&t=466s", "sekunde": 466 }, { "label": "10:52", "url": "https://www.youtube.com/watch?v=xCzKEIB4W5I&t=652s", "sekunde": 652 } ] }, { "id": "yt:VD1N68Fhoco", "titel": "BI Thinkers Talk nr.68", "datum": "2025-10-01", "abdeckung": "nur-zeitstempel", "anteil": 0.125, "url": "https://www.youtube.com/watch?v=VD1N68Fhoco", "sprungmarken": [ { "label": "03:19", "url": "https://www.youtube.com/watch?v=VD1N68Fhoco&t=199s", "sekunde": 199 }, { "label": "27:20", "url": "https://www.youtube.com/watch?v=VD1N68Fhoco&t=1640s", "sekunde": 1640 }, { "label": "53:20", "url": "https://www.youtube.com/watch?v=VD1N68Fhoco&t=3200s", "sekunde": 3200 } ] }, { "id": "yt:TkxwcAyBGUM", "titel": "Power BI Update Juli 2025", "datum": "2025-07-01", "abdeckung": "nur-zeitstempel", "anteil": 0.125, "url": "https://www.youtube.com/watch?v=TkxwcAyBGUM", "sprungmarken": [ { "label": "06:09", "url": "https://www.youtube.com/watch?v=TkxwcAyBGUM&t=369s", "sekunde": 369 } ] }, { "id": "yt:uxYFqwe_Wiw", "titel": "BI Thinkers Talk - Data Modeling - Fabric Data Days Edition [EN]", "datum": "2025-12-01", "abdeckung": "nur-text", "anteil": 0.123, "url": "https://www.youtube.com/watch?v=uxYFqwe_Wiw", "sprungmarken": [ { "label": "Abschnitt", "url": "https://www.youtube.com/watch?v=uxYFqwe_Wiw", "sekunde": null }, { "label": "Abschnitt", "url": "https://www.youtube.com/watch?v=uxYFqwe_Wiw", "sekunde": null }, { "label": "Abschnitt", "url": "https://www.youtube.com/watch?v=uxYFqwe_Wiw", "sekunde": null } ] }, { "id": "yt:ihi7UiJ_TtQ", "titel": "Why Passion Beats Niche", "datum": "2025-09-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.115, "url": "https://www.youtube.com/watch?v=ihi7UiJ_TtQ", "sprungmarken": [ { "label": "23:53", "url": "https://www.youtube.com/watch?v=ihi7UiJ_TtQ&t=1433s", "sekunde": 1433 }, { "label": "25:05", "url": "https://www.youtube.com/watch?v=ihi7UiJ_TtQ&t=1505s", "sekunde": 1505 }, { "label": "29:29", "url": "https://www.youtube.com/watch?v=ihi7UiJ_TtQ&t=1769s", "sekunde": 1769 } ] }, { "id": "yt:TYmKrreMO3I", "titel": "Daten-WG Deep Dive Financial Reporting", "datum": "2025-05-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.108, "url": "https://www.youtube.com/watch?v=TYmKrreMO3I", "sprungmarken": [ { "label": "00:04", "url": "https://www.youtube.com/watch?v=TYmKrreMO3I&t=4s", "sekunde": 4 }, { "label": "01:40", "url": "https://www.youtube.com/watch?v=TYmKrreMO3I&t=100s", "sekunde": 100 }, { "label": "04:55", "url": "https://www.youtube.com/watch?v=TYmKrreMO3I&t=295s", "sekunde": 295 } ] }, { "id": "yt:iymmxuXHh44", "titel": "Daten-WG Deep Dive Financial Reporting - part 5", "datum": "2025-07-01", "abdeckung": "nur-zeitstempel", "anteil": 0.098, "url": "https://www.youtube.com/watch?v=iymmxuXHh44", "sprungmarken": [ { "label": "01:44", "url": "https://www.youtube.com/watch?v=iymmxuXHh44&t=104s", "sekunde": 104 }, { "label": "08:01", "url": "https://www.youtube.com/watch?v=iymmxuXHh44&t=481s", "sekunde": 481 }, { "label": "35:47", "url": "https://www.youtube.com/watch?v=iymmxuXHh44&t=2147s", "sekunde": 2147 } ] }, { "id": "yt:r416vanitYw", "titel": "BI Thinkers Talk nr.69", "datum": "2025-11-01", "abdeckung": "nur-zeitstempel", "anteil": 0.093, "url": "https://www.youtube.com/watch?v=r416vanitYw", "sprungmarken": [ { "label": "01:34", "url": "https://www.youtube.com/watch?v=r416vanitYw&t=94s", "sekunde": 94 }, { "label": "41:10", "url": "https://www.youtube.com/watch?v=r416vanitYw&t=2470s", "sekunde": 2470 }, { "label": "42:48", "url": "https://www.youtube.com/watch?v=r416vanitYw&t=2568s", "sekunde": 2568 } ] }, { "id": "yt:YzfcMurbWNc", "titel": "Power BI-Teams werden Fabric-Datendienstleister", "datum": "", "abdeckung": "nur-zeitstempel", "anteil": 0.091, "url": "https://www.youtube.com/watch?v=YzfcMurbWNc", "sprungmarken": [ { "label": "04:13", "url": "https://www.youtube.com/watch?v=YzfcMurbWNc&t=253s", "sekunde": 253 }, { "label": "25:00", "url": "https://www.youtube.com/watch?v=YzfcMurbWNc&t=1500s", "sekunde": 1500 } ] }, { "id": "page:zugfahrten-europa", "titel": "Die Schweiz faehrt Europa davon — Bahnnutzung 2024", "datum": "2026-06-05", "abdeckung": "nur-text", "anteil": 0.091, "url": "https://datenwgknowledgekitchen.com/zugfahrten-infografik.html", "sprungmarken": [ { "label": "Abschnitt", "url": "https://datenwgknowledgekitchen.com/zugfahrten-infografik.html#:~:text=Br%C3%BCcke%20zu%20Power%20BI%3A%20%2Aals%20DAX-HTML-Visual%2A", "sekunde": null } ] }, { "id": "yt:d3HdhRe_nK8", "titel": "Daten-WG Life-Update | State of Power BI, Fabric & AI-Tools", "datum": "2026-06-01", "abdeckung": "nur-zeitstempel", "anteil": 0.088, "url": "https://www.youtube.com/watch?v=d3HdhRe_nK8", "sprungmarken": [ { "label": "18:34", "url": "https://www.youtube.com/watch?v=d3HdhRe_nK8&t=1114s", "sekunde": 1114 }, { "label": "20:30", "url": "https://www.youtube.com/watch?v=d3HdhRe_nK8&t=1230s", "sekunde": 1230 }, { "label": "27:50", "url": "https://www.youtube.com/watch?v=d3HdhRe_nK8&t=1670s", "sekunde": 1670 } ] }, { "id": "yt:XxPFAQfLyuA", "titel": "Wie war die Daten-WG? (2025, Teil 2)", "datum": "2025-04-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.087, "url": "https://www.youtube.com/watch?v=XxPFAQfLyuA", "sprungmarken": [ { "label": "12:38", "url": "https://www.youtube.com/watch?v=XxPFAQfLyuA&t=758s", "sekunde": 758 }, { "label": "35:02", "url": "https://www.youtube.com/watch?v=XxPFAQfLyuA&t=2102s", "sekunde": 2102 } ] }, { "id": "yt:rWE0gMx7v7I", "titel": "BI Thinkers Talk n.74", "datum": "2026-03-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.085, "url": "https://www.youtube.com/watch?v=rWE0gMx7v7I", "sprungmarken": [ { "label": "12:49", "url": "https://www.youtube.com/watch?v=rWE0gMx7v7I&t=769s", "sekunde": 769 }, { "label": "19:26", "url": "https://www.youtube.com/watch?v=rWE0gMx7v7I&t=1166s", "sekunde": 1166 }, { "label": "27:27", "url": "https://www.youtube.com/watch?v=rWE0gMx7v7I&t=1647s", "sekunde": 1647 } ] }, { "id": "yt:UnW4wHhw_IY", "titel": "Daten-WG Deep Dive Financial Reporting pt.4", "datum": "2025-05-01", "abdeckung": "nur-zeitstempel", "anteil": 0.083, "url": "https://www.youtube.com/watch?v=UnW4wHhw_IY", "sprungmarken": [ { "label": "08:03", "url": "https://www.youtube.com/watch?v=UnW4wHhw_IY&t=483s", "sekunde": 483 }, { "label": "38:07", "url": "https://www.youtube.com/watch?v=UnW4wHhw_IY&t=2287s", "sekunde": 2287 }, { "label": "47:34", "url": "https://www.youtube.com/watch?v=UnW4wHhw_IY&t=2854s", "sekunde": 2854 } ] }, { "id": "yt:TYp5xCAU2AU", "titel": "Fabric & Power BI Quarterly · 2026-1", "datum": "2026-01-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.081, "url": "https://www.youtube.com/watch?v=TYp5xCAU2AU", "sprungmarken": [ { "label": "35:19", "url": "https://www.youtube.com/watch?v=TYp5xCAU2AU&t=2119s", "sekunde": 2119 }, { "label": "40:58", "url": "https://www.youtube.com/watch?v=TYp5xCAU2AU&t=2458s", "sekunde": 2458 }, { "label": "44:06", "url": "https://www.youtube.com/watch?v=TYp5xCAU2AU&t=2646s", "sekunde": 2646 } ] }, { "id": "yt:232JhS9vbQ0", "titel": "Daten-WG Deep Dive Financial Reporting - part 7", "datum": "2025-09-01", "abdeckung": "nur-zeitstempel", "anteil": 0.081, "url": "https://www.youtube.com/watch?v=232JhS9vbQ0", "sprungmarken": [ { "label": "21:48", "url": "https://www.youtube.com/watch?v=232JhS9vbQ0&t=1308s", "sekunde": 1308 }, { "label": "23:26", "url": "https://www.youtube.com/watch?v=232JhS9vbQ0&t=1406s", "sekunde": 1406 }, { "label": "42:47", "url": "https://www.youtube.com/watch?v=232JhS9vbQ0&t=2567s", "sekunde": 2567 } ] }, { "id": "yt:9TsHkV8sIRo", "titel": "Fabric & Power BI Quarterly · 2025 Q4", "datum": "", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.073, "url": "https://www.youtube.com/watch?v=9TsHkV8sIRo", "sprungmarken": [ { "label": "06:09", "url": "https://www.youtube.com/watch?v=9TsHkV8sIRo&t=369s", "sekunde": 369 }, { "label": "34:05", "url": "https://www.youtube.com/watch?v=9TsHkV8sIRo&t=2045s", "sekunde": 2045 }, { "label": "49:49", "url": "https://www.youtube.com/watch?v=9TsHkV8sIRo&t=2989s", "sekunde": 2989 } ] }, { "id": "yt:z4ZeHPzIeeU", "titel": "Wie war die Daten-WG? · Im Gespräch mit Artur König", "datum": "2025-03-01", "abdeckung": "nur-zeitstempel", "anteil": 0.071, "url": "https://www.youtube.com/watch?v=z4ZeHPzIeeU", "sprungmarken": [ { "label": "14:51", "url": "https://www.youtube.com/watch?v=z4ZeHPzIeeU&t=891s", "sekunde": 891 } ] }, { "id": "yt:c-LWoo-O5PQ", "titel": "SharePoint direkt in Microsoft Fabric nutzen | Lakehouse, Direct Lake & Power BI", "datum": "2026-07-01", "abdeckung": "nur-zeitstempel", "anteil": 0.067, "url": "https://www.youtube.com/watch?v=c-LWoo-O5PQ", "sprungmarken": [ { "label": "16:12", "url": "https://www.youtube.com/watch?v=c-LWoo-O5PQ&t=972s", "sekunde": 972 } ] }, { "id": "yt:DFw664hd1IE", "titel": "LogiMAT Arena Atrium 2026 | Expert Forum - Supply Chain Risiko Management", "datum": "2026-04-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.065, "url": "https://www.youtube.com/watch?v=DFw664hd1IE", "sprungmarken": [ { "label": "29:02", "url": "https://www.youtube.com/watch?v=DFw664hd1IE&t=1742s", "sekunde": 1742 }, { "label": "30:36", "url": "https://www.youtube.com/watch?v=DFw664hd1IE&t=1836s", "sekunde": 1836 } ] }, { "id": "yt:mTVeZzshLzE", "titel": "Microsoft Fabric — braucht das wirklich jemand?", "datum": "", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.062, "url": "https://www.youtube.com/watch?v=mTVeZzshLzE", "sprungmarken": [ { "label": "15:49", "url": "https://www.youtube.com/watch?v=mTVeZzshLzE&t=949s", "sekunde": 949 }, { "label": "28:04", "url": "https://www.youtube.com/watch?v=mTVeZzshLzE&t=1684s", "sekunde": 1684 } ] }, { "id": "yt:lZvpCBMKASM", "titel": "Fabric & Power BI Quarterly · 2025 Q3", "datum": "", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.056, "url": "https://www.youtube.com/watch?v=lZvpCBMKASM", "sprungmarken": [ { "label": "15:35", "url": "https://www.youtube.com/watch?v=lZvpCBMKASM&t=935s", "sekunde": 935 }, { "label": "36:51", "url": "https://www.youtube.com/watch?v=lZvpCBMKASM&t=2211s", "sekunde": 2211 } ] }, { "id": "yt:K27nB68nR1M", "titel": "Buttons, Drilling, Navigation und Dynamisches Filtern in einem Power BI Report", "datum": "2022-02-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.056, "url": "https://www.youtube.com/watch?v=K27nB68nR1M", "sprungmarken": [ { "label": "12:08", "url": "https://www.youtube.com/watch?v=K27nB68nR1M&t=728s", "sekunde": 728 } ] }, { "id": "yt:ZaDd1uxeLbI", "titel": "10 Jahre Power BI", "datum": "2025-07-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.053, "url": "https://www.youtube.com/watch?v=ZaDd1uxeLbI", "sprungmarken": [ { "label": "10:21", "url": "https://www.youtube.com/watch?v=ZaDd1uxeLbI&t=621s", "sekunde": 621 }, { "label": "47:19", "url": "https://www.youtube.com/watch?v=ZaDd1uxeLbI&t=2839s", "sekunde": 2839 }, { "label": "1:23:32", "url": "https://www.youtube.com/watch?v=ZaDd1uxeLbI&t=5012s", "sekunde": 5012 } ] }, { "id": "page:power_bi_einsteiger_guide_v4", "titel": "Power BI von A bis Z — Einsteiger-Guide (End-to-End)", "datum": "2026-08-31", "abdeckung": "nur-text", "anteil": 0.052, "url": "https://datenwgknowledgekitchen.com/power_bi_einsteiger_guide_v4.html", "sprungmarken": [ { "label": "Abschnitt", "url": "https://datenwgknowledgekitchen.com/power_bi_einsteiger_guide_v4.html#:~:text=Was%20ist%20das%3F", "sekunde": null }, { "label": "Abschnitt", "url": "https://datenwgknowledgekitchen.com/power_bi_einsteiger_guide_v4.html#:~:text=Klassifizierungen%20ableiten", "sekunde": null }, { "label": "Abschnitt", "url": "https://datenwgknowledgekitchen.com/power_bi_einsteiger_guide_v4.html#:~:text=Aus%20dem%20Kanal%20%C2%B7%20Modellierung%20praktisch%20durchgespielt", "sekunde": null } ] }, { "id": "yt:LUrL8A5lNgI", "titel": "BI Thinkers Talk nr.71", "datum": "2025-12-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.05, "url": "https://www.youtube.com/watch?v=LUrL8A5lNgI", "sprungmarken": [ { "label": "09:41", "url": "https://www.youtube.com/watch?v=LUrL8A5lNgI&t=581s", "sekunde": 581 }, { "label": "19:17", "url": "https://www.youtube.com/watch?v=LUrL8A5lNgI&t=1157s", "sekunde": 1157 }, { "label": "34:58", "url": "https://www.youtube.com/watch?v=LUrL8A5lNgI&t=2098s", "sekunde": 2098 } ] }, { "id": "yt:iinfiHxznOU", "titel": "Unboxing MCP Server for Power BI Modelling", "datum": "2025-12-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.05, "url": "https://www.youtube.com/watch?v=iinfiHxznOU", "sprungmarken": [ { "label": "04:39", "url": "https://www.youtube.com/watch?v=iinfiHxznOU&t=279s", "sekunde": 279 }, { "label": "15:51", "url": "https://www.youtube.com/watch?v=iinfiHxznOU&t=951s", "sekunde": 951 } ] }, { "id": "yt:SSUpe1JON9Y", "titel": "The Power of User Groups", "datum": "2025-10-01", "abdeckung": "nur-zeitstempel", "anteil": 0.05, "url": "https://www.youtube.com/watch?v=SSUpe1JON9Y", "sprungmarken": [ { "label": "23:32", "url": "https://www.youtube.com/watch?v=SSUpe1JON9Y&t=1412s", "sekunde": 1412 } ] }, { "id": "yt:_Vh5fDfHWz4", "titel": "Daten-WG Special: Power BI vs. Qlik -part2", "datum": "2025-10-01", "abdeckung": "nur-zeitstempel", "anteil": 0.048, "url": "https://www.youtube.com/watch?v=_Vh5fDfHWz4", "sprungmarken": [ { "label": "54:26", "url": "https://www.youtube.com/watch?v=_Vh5fDfHWz4&t=3266s", "sekunde": 3266 }, { "label": "1:05:36", "url": "https://www.youtube.com/watch?v=_Vh5fDfHWz4&t=3936s", "sekunde": 3936 } ] }, { "id": "yt:0cHtxIm7fVw", "titel": "Von Patronen zu Prozessen", "datum": "2025-08-01", "abdeckung": "nur-zeitstempel", "anteil": 0.048, "url": "https://www.youtube.com/watch?v=0cHtxIm7fVw", "sprungmarken": [ { "label": "05:26", "url": "https://www.youtube.com/watch?v=0cHtxIm7fVw&t=326s", "sekunde": 326 } ] }, { "id": "yt:s3CveEVoDvo", "titel": "Von Patronen zu Prozessen (nur Ton)", "datum": "2025-07-01", "abdeckung": "nur-zeitstempel", "anteil": 0.048, "url": "https://www.youtube.com/watch?v=s3CveEVoDvo", "sprungmarken": [ { "label": "05:26", "url": "https://www.youtube.com/watch?v=s3CveEVoDvo&t=326s", "sekunde": 326 } ] }, { "id": "yt:iB4vHRvaErE", "titel": "Mensch bleiben, wenn Power BI geht", "datum": "2025-11-01", "abdeckung": "nur-zeitstempel", "anteil": 0.044, "url": "https://www.youtube.com/watch?v=iB4vHRvaErE", "sprungmarken": [ { "label": "04:55", "url": "https://www.youtube.com/watch?v=iB4vHRvaErE&t=295s", "sekunde": 295 }, { "label": "15:11", "url": "https://www.youtube.com/watch?v=iB4vHRvaErE&t=911s", "sekunde": 911 } ] }, { "id": "yt:HXAP16trRc8", "titel": "Daten-WG Deep Dive: AI on top of BI", "datum": "2025-07-01", "abdeckung": "nur-text", "anteil": 0.044, "url": "https://www.youtube.com/watch?v=HXAP16trRc8", "sprungmarken": [ { "label": "Abschnitt", "url": "https://www.youtube.com/watch?v=HXAP16trRc8", "sekunde": null }, { "label": "Abschnitt", "url": "https://www.youtube.com/watch?v=HXAP16trRc8", "sekunde": null } ] }, { "id": "yt:G8s96sHUHac", "titel": "BI Thinkers Talk nr.67", "datum": "2025-09-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.043, "url": "https://www.youtube.com/watch?v=G8s96sHUHac", "sprungmarken": [ { "label": "16:16", "url": "https://www.youtube.com/watch?v=G8s96sHUHac&t=976s", "sekunde": 976 }, { "label": "1:13:22", "url": "https://www.youtube.com/watch?v=G8s96sHUHac&t=4402s", "sekunde": 4402 } ] }, { "id": "yt:aEXtFWW-pmo", "titel": "Wie war die Daten-WG 2025? (Teil 1)", "datum": "2025-05-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.043, "url": "https://www.youtube.com/watch?v=aEXtFWW-pmo", "sprungmarken": [ { "label": "14:41", "url": "https://www.youtube.com/watch?v=aEXtFWW-pmo&t=881s", "sekunde": 881 } ] }, { "id": "yt:6WhWLcuFvZE", "titel": "Prinzipien oder Paragrafen", "datum": "2026-02-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.037, "url": "https://www.youtube.com/watch?v=6WhWLcuFvZE", "sprungmarken": [ { "label": "20:43", "url": "https://www.youtube.com/watch?v=6WhWLcuFvZE&t=1243s", "sekunde": 1243 } ] }, { "id": "page:chartkitchen-doku_en", "titel": "ChartKitchen byDatenWG — Documentation", "datum": "2026-08-31", "abdeckung": "nur-text", "anteil": 0.035, "url": "https://datenwgknowledgekitchen.com/chartkitchen-doku_en.html", "sprungmarken": [ { "label": "Abschnitt", "url": "https://datenwgknowledgekitchen.com/chartkitchen-doku_en.html#:~:text=Table", "sekunde": null }, { "label": "Abschnitt", "url": "https://datenwgknowledgekitchen.com/chartkitchen-doku_en.html#:~:text=Why%20is%20there%20no%20running%20total%20%28YTD%29%20in%20the%20matrix%3F", "sekunde": null } ] }, { "id": "page:chartkitchen-doku", "titel": "ChartKitchen byDatenWG — Dokumentation", "datum": "2026-08-31", "abdeckung": "nur-text", "anteil": 0.033, "url": "https://datenwgknowledgekitchen.com/chartkitchen-doku.html", "sprungmarken": [ { "label": "Abschnitt", "url": "https://datenwgknowledgekitchen.com/chartkitchen-doku.html#:~:text=Tabelle", "sekunde": null }, { "label": "Abschnitt", "url": "https://datenwgknowledgekitchen.com/chartkitchen-doku.html#:~:text=Warum%20gibt%20es%20keine%20Laufsumme%20%28YTD%29%20in%20der%20Matrix%3F", "sekunde": null } ] }, { "id": "yt:-_4bfrjRCVo", "titel": "Objektive Daten gibt es nicht", "datum": "2026-06-01", "abdeckung": "nur-zeitstempel", "anteil": 0.03, "url": "https://www.youtube.com/watch?v=-_4bfrjRCVo", "sprungmarken": [ { "label": "39:49", "url": "https://www.youtube.com/watch?v=-_4bfrjRCVo&t=2389s", "sekunde": 2389 } ] }, { "id": "page:powerbi_praxis_pfad", "titel": "Dein erstes Dashboard — Power-BI-Praxis-Pfad", "datum": "2026-08-31", "abdeckung": "nur-text", "anteil": 0.029, "url": "https://datenwgknowledgekitchen.com/powerbi_praxis_pfad.html", "sprungmarken": [ { "label": "Abschnitt", "url": "https://datenwgknowledgekitchen.com/powerbi_praxis_pfad.html#:~:text=So%20geht%27s", "sekunde": null } ] }, { "id": "yt:lAh9ajR2Nrw", "titel": "Fabric & Power BI Quarterly | 2025 Q2", "datum": "2025-04-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.029, "url": "https://www.youtube.com/watch?v=lAh9ajR2Nrw", "sprungmarken": [ { "label": "13:39", "url": "https://www.youtube.com/watch?v=lAh9ajR2Nrw&t=819s", "sekunde": 819 } ] }, { "id": "yt:9VX4-lLa0EI", "titel": "BI Thinkers Talk nr.63", "datum": "2025-06-01", "abdeckung": "nur-zeitstempel", "anteil": 0.028, "url": "https://www.youtube.com/watch?v=9VX4-lLa0EI", "sprungmarken": [ { "label": "53:51", "url": "https://www.youtube.com/watch?v=9VX4-lLa0EI&t=3231s", "sekunde": 3231 } ] }, { "id": "yt:KO_qFge77o8", "titel": "GxP Talk - Validierung vs. Agilität", "datum": "2026-03-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.027, "url": "https://www.youtube.com/watch?v=KO_qFge77o8", "sprungmarken": [ { "label": "14:16", "url": "https://www.youtube.com/watch?v=KO_qFge77o8&t=856s", "sekunde": 856 } ] }, { "id": "yt:luk4S4ukKmg", "titel": "BI Thinkers Talk n.72", "datum": "2026-01-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.026, "url": "https://www.youtube.com/watch?v=luk4S4ukKmg", "sprungmarken": [ { "label": "09:15", "url": "https://www.youtube.com/watch?v=luk4S4ukKmg&t=555s", "sekunde": 555 } ] }, { "id": "yt:iTK3xUd8V5I", "titel": "Daten-WG Special: Power BI vs. Qlik -part3", "datum": "2025-11-01", "abdeckung": "nur-zeitstempel", "anteil": 0.026, "url": "https://www.youtube.com/watch?v=iTK3xUd8V5I", "sprungmarken": [ { "label": "09:56", "url": "https://www.youtube.com/watch?v=iTK3xUd8V5I&t=596s", "sekunde": 596 } ] }, { "id": "yt:AX7b8_aNekw", "titel": "Daten-WG 2026 Lineup", "datum": "2026-05-01", "abdeckung": "nur-zeitstempel", "anteil": 0.024, "url": "https://www.youtube.com/watch?v=AX7b8_aNekw", "sprungmarken": [ { "label": "04:01", "url": "https://www.youtube.com/watch?v=AX7b8_aNekw&t=241s", "sekunde": 241 } ] }, { "id": "yt:Wwvhv8WA2Qc", "titel": "BI Thinkers Talk Nr.62", "datum": "2025-05-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.022, "url": "https://www.youtube.com/watch?v=Wwvhv8WA2Qc", "sprungmarken": [ { "label": "12:58", "url": "https://www.youtube.com/watch?v=Wwvhv8WA2Qc&t=778s", "sekunde": 778 } ] }, { "id": "yt:183uLZ3GYDo", "titel": "Data Binning and Lorenz Curve in DAX | Alberto Ferrari & Michael Tenner, Berlin Power BI User Group", "datum": "2023-01-01", "abdeckung": "nur-zeitstempel", "anteil": 0.02, "url": "https://www.youtube.com/watch?v=183uLZ3GYDo", "sprungmarken": [ { "label": "20:52", "url": "https://www.youtube.com/watch?v=183uLZ3GYDo&t=1252s", "sekunde": 1252 } ] }, { "id": "yt:mlkP-6i5Kq8", "titel": "BI Thinkers Talk nr.76", "datum": "2026-05-01", "abdeckung": "kernaussagen+zeitstempel", "anteil": 0.018, "url": "https://www.youtube.com/watch?v=mlkP-6i5Kq8", "sprungmarken": [ { "label": "56:52", "url": "https://www.youtube.com/watch?v=mlkP-6i5Kq8&t=3412s", "sekunde": 3412 } ] }, { "id": "page:fabric_einsteiger_guide_v1", "titel": "Microsoft Fabric — Einsteiger-Guide", "datum": "2026-08-31", "abdeckung": "nur-text", "anteil": 0.008, "url": "https://datenwgknowledgekitchen.com/fabric_einsteiger_guide_v1.html", "sprungmarken": [ { "label": "Abschnitt", "url": "https://datenwgknowledgekitchen.com/fabric_einsteiger_guide_v1.html#:~:text=Die%20Workload-Landkarte%20%28Stand%202026%29", "sekunde": null } ] } ], "hinweise": [ "Kernaussagen und Beziehungen sind maschinell erzeugt und nicht redigiert. Heuristische Kanten zählen Erwähnungen, keine Bedeutung. Bei Widersprüchen gilt das Video." ], "wiki_url": "https://datenwgknowledgekitchen.com/wissensgraph/#n=topic%3Adatenmodellierung", "graph_url": "https://datenwgknowledgekitchen.com/wissensgraph/graph.html#n=topic%3Adatenmodellierung&f=topic%3Adatenmodellierung" }