{
 "id": "topic:performance",
 "name": "Performance",
 "typ": "thema",
 "slug": "performance",
 "stand": "2026-09-07",
 "build": "20260907-1949",
 "zitieren_als": "Daten-WG, <Dokumenttitel>, <mm:ss>, <url>",
 "url": "https://datenwgknowledgekitchen.com/wissensgraph/thema/performance.html",
 "canonical": "https://datenwgknowledgekitchen.com/wissensgraph/thema/performance.html",
 "markdown": "https://datenwgknowledgekitchen.com/wissensgraph/library/performance.md",
 "json": "https://datenwgknowledgekitchen.com/wissensgraph/library/performance.json",
 "dokumente_gesamt": 38,
 "kernaussagen_gesamt": 42,
 "mit_kernaussagen": 23,
 "aliase": [
  "Performanz",
  "Optimierung",
  "Ladezeit",
  "langsam",
  "schnell"
 ],
 "einordnung": "Bei geringer Datenmenge und einfachen Measures zeigte sich in eigenen Tests kein signifikanter Performance-Unterschied zwischen Flat Table und Sternschema. (Stand 2026-01) Dataflows Gen2 wurden überarbeitet und bringen vor allem bei Dataflows, die länger als 10 Minuten laufen, eine deutliche Verbesserung bei Performance und CU-Verbrauch. Power BI im Web unterstützt jetzt die Themes-Auswahl und den Performance Analyzer und ist damit fast gleichwertig zu Power BI Desktop. (Stand 2026-01)",
 "nachbarn": [
  {
   "id": "topic:sternschema",
   "name": "Sternschema",
   "kantentyp": "setzt-voraus",
   "belastbarkeit": "automatisch extrahiert, Quellenstelle vorhanden",
   "gemeinsame_segmente": 43,
   "beleg": "schon ab einem gewissen Level muss man einfach das Sternschema machen",
   "datei": "sternschema.md"
  },
  {
   "id": "tool:power-bi",
   "name": "Power BI",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 90,
   "beleg": "",
   "datei": "power-bi.md"
  },
  {
   "id": "tool:microsoft-fabric",
   "name": "Microsoft Fabric",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 58,
   "beleg": "",
   "datei": "microsoft-fabric.md"
  },
  {
   "id": "topic:reporting",
   "name": "Reporting",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 41,
   "beleg": "",
   "datei": "reporting.md"
  },
  {
   "id": "tool:dax",
   "name": "DAX",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 38,
   "beleg": "",
   "datei": "dax.md"
  },
  {
   "id": "topic:visualisierung",
   "name": "Visualisierung",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 37,
   "beleg": "",
   "datei": "visualisierung.md"
  },
  {
   "id": "topic:refresh",
   "name": "Refresh",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 36,
   "beleg": "",
   "datei": "refresh.md"
  },
  {
   "id": "topic:ki",
   "name": "KI",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 36,
   "beleg": "",
   "datei": "ki.md"
  },
  {
   "id": "tool:power-query",
   "name": "Power Query",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 36,
   "beleg": "",
   "datei": "power-query.md"
  },
  {
   "id": "tool:direct-lake",
   "name": "Direct Lake",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 31,
   "beleg": "",
   "datei": "direct-lake.md"
  },
  {
   "id": "topic:datenmodellierung",
   "name": "Datenmodellierung",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 31,
   "beleg": "",
   "datei": "datenmodellierung.md"
  },
  {
   "id": "tool:directquery",
   "name": "DirectQuery",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 31,
   "beleg": "",
   "datei": "directquery.md"
  },
  {
   "id": "tool:sql",
   "name": "SQL",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 31,
   "beleg": "",
   "datei": "sql.md"
  },
  {
   "id": "topic:sicherheit",
   "name": "Sicherheit",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 26,
   "beleg": "",
   "datei": "sicherheit.md"
  },
  {
   "id": "tool:dataflow",
   "name": "Dataflow",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 26,
   "beleg": "",
   "datei": "dataflow.md"
  }
 ],
 "kernaussagen": [
  {
   "typ": "Warnung",
   "dokument": "Fabric Workload Demo mit Alexander Korn und Lukasz Obst",
   "dokument_id": "yt:e50qKdVn-24",
   "sekunde": 437,
   "zeit": "07:17",
   "url": "https://www.youtube.com/watch?v=e50qKdVn-24&t=437s",
   "aussage": "Der Best Practice Analyzer und der Memory Analyzer aus dem Power BI Fixer sind ebenfalls im Developer Hub enthalten, wobei der Memory Analyzer noch nicht fertig ist."
  },
  {
   "typ": "Warnung",
   "dokument": "Daten-WG Life-Update | Fabric Architekturen",
   "dokument_id": "yt:J-lN5JN-F5I",
   "sekunde": 1440,
   "zeit": "24:00",
   "url": "https://www.youtube.com/watch?v=J-lN5JN-F5I&t=1440s",
   "aussage": "Werden zentral verwaltete Daten ueber Composite Models durch laenderspezifische Excel-Mappings angereichert, kann daraus ein sehr performance-schwaches Konstrukt entstehen."
  },
  {
   "typ": "Empfehlung",
   "dokument": "GxP Talk - KI im regulierten Umfeld?",
   "dokument_id": "yt:XtH4JqTwaqM",
   "sekunde": 1652,
   "zeit": "27:32",
   "url": "https://www.youtube.com/watch?v=XtH4JqTwaqM&t=1652s",
   "aussage": "Martin empfiehlt, bei zeitkritisch und in großer Menge anfallenden Daten zusätzlich lokalen Speicher vorzuhalten, um Risiken durch unterbrochene Datenübertragung zu reduzieren."
  },
  {
   "typ": "Meinung",
   "dokument": "LogiMAT Arena Atrium 2026 | Expert Forum - Supply Chain Risiko Management",
   "dokument_id": "yt:DFw664hd1IE",
   "sekunde": 1941,
   "zeit": "32:21",
   "url": "https://www.youtube.com/watch?v=DFw664hd1IE&t=1941s",
   "aussage": "Nicht die Länge, sondern die Varianz der Durchlaufzeit zwischen Prozessschritten verursacht die größten Probleme in der Supply Chain."
  },
  {
   "typ": "Fakt",
   "dokument": "BI Thinkers Talk nr.75",
   "dokument_id": "yt:BQdSo6ZnmKY",
   "sekunde": 2226,
   "zeit": "37:06",
   "url": "https://www.youtube.com/watch?v=BQdSo6ZnmKY&t=2226s",
   "aussage": "Der Power BI Fixer kann den Best Practice Analyser auf dem Semantic Model ausführen und gefundene Verstöße direkt automatisiert fixen lassen."
  },
  {
   "typ": "Fakt",
   "dokument": "BI Thinkers Talk nr.75",
   "dokument_id": "yt:BQdSo6ZnmKY",
   "sekunde": 2596,
   "zeit": "43:16",
   "url": "https://www.youtube.com/watch?v=BQdSo6ZnmKY&t=2596s",
   "aussage": "Bei Direct Lake führt der erste Nutzer, der morgens einen Bericht öffnet, wegen des noch kalten Caches häufig zu langen Wartezeiten."
  },
  {
   "typ": "Empfehlung",
   "dokument": "BI Thinkers Talk nr.75",
   "dokument_id": "yt:BQdSo6ZnmKY",
   "sekunde": 2646,
   "zeit": "44:06",
   "url": "https://www.youtube.com/watch?v=BQdSo6ZnmKY&t=2646s",
   "aussage": "Der Power BI Fixer kann automatisch ein geplantes Notebook anlegen, das die Direct-Lake-Perspektive täglich zu einer festen Uhrzeit aktualisiert, um den Cache vorzuwärmen."
  },
  {
   "typ": "Fakt",
   "dokument": "BI Thinkers Talk nr.75",
   "dokument_id": "yt:BQdSo6ZnmKY",
   "sekunde": 2713,
   "zeit": "45:13",
   "url": "https://www.youtube.com/watch?v=BQdSo6ZnmKY&t=2713s",
   "aussage": "Der Fixer erlaubt es, einzelne Tabellen oder Partitionen eines Semantic Models gezielt zu aktualisieren, statt das gesamte Modell neu zu laden."
  },
  {
   "typ": "Warnung",
   "dokument": "Fabric Planning unboxing",
   "dokument_id": "yt:xCzKEIB4W5I",
   "sekunde": 562,
   "zeit": "09:22",
   "url": "https://www.youtube.com/watch?v=xCzKEIB4W5I&t=562s",
   "aussage": "Eine einzelne SQL-Datenbank kann bereits eine F2-Kapazität stark auslasten, wie ein interner Vorfall zeigte."
  },
  {
   "typ": "Warnung",
   "dokument": "Fabric Planning unboxing",
   "dokument_id": "yt:xCzKEIB4W5I",
   "sekunde": 1883,
   "zeit": "31:23",
   "url": "https://www.youtube.com/watch?v=xCzKEIB4W5I&t=1883s",
   "aussage": "Das Planning-Feature befindet sich noch in der Preview-Phase und lieferte beim Verbinden einer größeren Faktentabelle einen Internal Server Error."
  },
  {
   "typ": "Warnung",
   "dokument": "BI Thinkers Talk n.74",
   "dokument_id": "yt:rWE0gMx7v7I",
   "sekunde": 3007,
   "zeit": "50:07",
   "url": "https://www.youtube.com/watch?v=rWE0gMx7v7I&t=3007s",
   "aussage": "Das Einbinden der Variable Library als Connection und das Auslesen ihrer Werte kann die Ausführung eines Translytical-Task-Flow-Prozesses stark verlangsamen."
  },
  {
   "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": "Fakt",
   "dokument": "BI Thinkers Talk n.73",
   "dokument_id": "yt:pOJpXxsfUt0",
   "sekunde": 2476,
   "zeit": "41:16",
   "url": "https://www.youtube.com/watch?v=pOJpXxsfUt0&t=2476s",
   "aussage": "Eine Monitoring-Analyse zeigte, dass über zwei Drittel der Last auf einem produktiven Direct-Lake-Semantic-Model von Entwicklern in Power BI Desktop stammten und nicht von den eigentlichen Report-Nutzern."
  },
  {
   "typ": "Fakt",
   "dokument": "Fabric & Power BI Quarterly · 2026-1",
   "dokument_id": "yt:TYp5xCAU2AU",
   "sekunde": 225,
   "zeit": "03:45",
   "url": "https://www.youtube.com/watch?v=TYp5xCAU2AU&t=225s",
   "aussage": "Power BI im Web unterstützt jetzt die Themes-Auswahl und den Performance Analyzer und ist damit fast gleichwertig zu Power BI Desktop."
  },
  {
   "typ": "Fakt",
   "dokument": "Power BI vs. Qlik",
   "dokument_id": "yt:vd1r02bj9Qk",
   "sekunde": 226,
   "zeit": "03:46",
   "url": "https://www.youtube.com/watch?v=vd1r02bj9Qk&t=226s",
   "aussage": "In Qlik ist ein Streudiagramm bei großen, komplexen Datenmengen schwer zu konfigurieren."
  },
  {
   "typ": "Empfehlung",
   "dokument": "Open Mirroring in Microsoft Fabric – Daten replizieren ohne ETL | Fabric Tutorial",
   "dokument_id": "yt:7j34Ndng0Os",
   "sekunde": 407,
   "zeit": "06:47",
   "url": "https://www.youtube.com/watch?v=7j34Ndng0Os&t=407s",
   "aussage": "Man sollte für den Sync eher größere Batches von rund 1000 bis 2000 Zeilen pro Datei verwenden statt der in der Demo genutzten 13 Zeilen."
  },
  {
   "typ": "Warnung",
   "dokument": "Denken in Tabellen",
   "dokument_id": "yt:hbUYMyqb6r8",
   "sekunde": 460,
   "zeit": "07:40",
   "url": "https://www.youtube.com/watch?v=hbUYMyqb6r8&t=460s",
   "aussage": "Breite, lange Tabellen sind in Power BI und Power Query aus Performance- und Speicherplatzgründen ungünstig."
  },
  {
   "typ": "Empfehlung",
   "dokument": "Power BI vs. Qlik",
   "dokument_id": "yt:vd1r02bj9Qk",
   "sekunde": 733,
   "zeit": "12:13",
   "url": "https://www.youtube.com/watch?v=vd1r02bj9Qk&t=733s",
   "aussage": "Ab einem gewissen Datenvolumen sollte in Power BI ein Sternschema verwendet werden, um Performance-Probleme zu vermeiden."
  },
  {
   "typ": "Warnung",
   "dokument": "Denken in Tabellen",
   "dokument_id": "yt:hbUYMyqb6r8",
   "sekunde": 1032,
   "zeit": "17:12",
   "url": "https://www.youtube.com/watch?v=hbUYMyqb6r8&t=1032s",
   "aussage": "Bei Benchmark-Tests mit künstlich generierten Testdaten wie der Kontoso-Datenbank komprimiert ein Sternschema teils schlechter als erwartet, weil reale Kundenverteilungen von Testdaten abweichen."
  },
  {
   "typ": "Fakt",
   "dokument": "Denken in Tabellen",
   "dokument_id": "yt:hbUYMyqb6r8",
   "sekunde": 1151,
   "zeit": "19:11",
   "url": "https://www.youtube.com/watch?v=hbUYMyqb6r8&t=1151s",
   "aussage": "Bei geringer Datenmenge und einfachen Measures zeigte sich in eigenen Tests kein signifikanter Performance-Unterschied zwischen Flat Table und Sternschema."
  },
  {
   "typ": "Fakt",
   "dokument": "Push statt Pull: So bringst du On-Prem-Daten mit SSIS nach Microsoft Fabric | Fabric Tutorial",
   "dokument_id": "yt:5HhNQZlB-1E",
   "sekunde": 48,
   "zeit": "00:48",
   "url": "https://www.youtube.com/watch?v=5HhNQZlB-1E&t=48s",
   "aussage": "Die SQL-Schnittstellen in Fabric sind auf Massendaten ausgelegt und nicht dafür gedacht, einzelne Datensätze zu schreiben."
  },
  {
   "typ": "Warnung",
   "dokument": "BI Thinkers Talk nr.71",
   "dokument_id": "yt:LUrL8A5lNgI",
   "sekunde": 620,
   "zeit": "10:20",
   "url": "https://www.youtube.com/watch?v=LUrL8A5lNgI&t=620s",
   "aussage": "Bei DirectQuery-Abfragen über mehrere Fakttabellen hinweg entstehen laut den Sprechern schnell zusätzliche Overhead-Queries für jeden Join, was die Performance deutlich verschlechtert."
  },
  {
   "typ": "Fakt",
   "dokument": "BI Thinkers Talk nr.71",
   "dokument_id": "yt:LUrL8A5lNgI",
   "sekunde": 641,
   "zeit": "10:41",
   "url": "https://www.youtube.com/watch?v=LUrL8A5lNgI&t=641s",
   "aussage": "In einem Projekt mit 14 Werken und 27 Tabellen pro Werk im Viertelstundentakt kostete ein Aktualisierungsdurchlauf pro Werk rund 28 Cent, was hochgerechnet auf sechs Werke eine F64-Kapazität auslastete und jährlich über 5000 Euro allein für den Datentransport verursachte."
  },
  {
   "typ": "Empfehlung",
   "dokument": "Unboxing MCP Server for Power BI Modelling",
   "dokument_id": "yt:iinfiHxznOU",
   "sekunde": 1290,
   "zeit": "21:30",
   "url": "https://www.youtube.com/watch?v=iinfiHxznOU&t=1290s",
   "aussage": "Für eine Demo wird empfohlen, ein Modell anzubinden, das bereits Daten enthält, statt live mit einem leeren Modell zu starten."
  },
  {
   "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": "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": "Why Passion Beats Niche",
   "dokument_id": "yt:ihi7UiJ_TtQ",
   "sekunde": 1226,
   "zeit": "20:26",
   "url": "https://www.youtube.com/watch?v=ihi7UiJ_TtQ&t=1226s",
   "aussage": "Wird die KQL-Datenbank im Hintergrund nicht genutzt, pausiert sie laut Brian Bønk automatisch, sodass keine Kosten entstehen."
  },
  {
   "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": "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": "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": "Fakt",
   "dokument": "Daten-WG Deep Dive Financial Reporting - part 6",
   "dokument_id": "yt:bt81POE-9Ig",
   "sekunde": 3880,
   "zeit": "1:04:40",
   "url": "https://www.youtube.com/watch?v=bt81POE-9Ig&t=3880s",
   "aussage": "Bei Direct Lake erfolgt die Aggregation, bevor Daten überhaupt in den Speicher geladen werden, was den Speicherbedarf gegenüber dem Import-Modus deutlich reduzieren kann."
  },
  {
   "typ": "Meinung",
   "dokument": "Gaming + Real-Time-Analytics in Fabric = Fun-o-Meter @ Fabric Meetup",
   "dokument_id": "yt:BDnwlOqRElY",
   "sekunde": 1524,
   "zeit": "25:24",
   "url": "https://www.youtube.com/watch?v=BDnwlOqRElY&t=1524s",
   "aussage": "Die Kombination aus DirectQuery und KQL ueber Kusto im Hintergrund funktioniert gut und macht bei schneller Interaktion mit den Live-Daten Spass."
  },
  {
   "typ": "Meinung",
   "dokument": "Gaming + Real-Time-Analytics in Fabric = Fun-o-Meter @ Fabric Meetup",
   "dokument_id": "yt:BDnwlOqRElY",
   "sekunde": 1683,
   "zeit": "28:03",
   "url": "https://www.youtube.com/watch?v=BDnwlOqRElY&t=1683s",
   "aussage": "Das gebaute Dashboard ist performant und laesst sich schnell aktualisieren, weshalb es sich auch fuer kuenftige Veranstaltungen als Case eignet."
  },
  {
   "typ": "Warnung",
   "dokument": "Gaming + Real-Time-Analytics in Fabric = Fun-o-Meter @ Fabric Meetup",
   "dokument_id": "yt:BDnwlOqRElY",
   "sekunde": 2226,
   "zeit": "37:06",
   "url": "https://www.youtube.com/watch?v=BDnwlOqRElY&t=2226s",
   "aussage": "Bei einem Lasttest in einer kleineren F2-Fabric-Kapazitaet war nicht der Datenstrom selbst das Problem, sondern die durch Auto-Refresh ausgeloesten haeufigen Abfragen, die viele Ressourcen kosteten."
  },
  {
   "typ": "Warnung",
   "dokument": "Daten-WG Deep Dive Financial Reporting",
   "dokument_id": "yt:TYmKrreMO3I",
   "sekunde": 1894,
   "zeit": "31:34",
   "url": "https://www.youtube.com/watch?v=TYmKrreMO3I&t=1894s",
   "aussage": "Direct Query gegen ein Produktivsystem kann bei hoher Last reale Performanceprobleme im ERP-System verursachen, wie ein Vorfall in einer Power-BI-Schulung zeigte."
  },
  {
   "typ": "Fakt",
   "dokument": "Daten-WG Deep Dive Financial Reporting",
   "dokument_id": "yt:TYmKrreMO3I",
   "sekunde": 1916,
   "zeit": "31:56",
   "url": "https://www.youtube.com/watch?v=TYmKrreMO3I&t=1916s",
   "aussage": "Mit Fabric als Zwischenschicht wird jede Quelltabelle nur einmal pro Tabelle abgefragt statt einmal pro Bericht, der die Tabelle benötigt."
  },
  {
   "typ": "Meinung",
   "dokument": "BI Thinkers Talk Nr.62",
   "dokument_id": "yt:Wwvhv8WA2Qc",
   "sekunde": 2933,
   "zeit": "48:53",
   "url": "https://www.youtube.com/watch?v=Wwvhv8WA2Qc&t=2933s",
   "aussage": "Mit Direct Lake wäre das Zurückschreiben asynchron und dadurch deutlich schneller als mit DirectQuery."
  },
  {
   "typ": "Meinung",
   "dokument": "BI Thinkers Talk Nr.62",
   "dokument_id": "yt:Wwvhv8WA2Qc",
   "sekunde": 3751,
   "zeit": "1:02:31",
   "url": "https://www.youtube.com/watch?v=Wwvhv8WA2Qc&t=3751s",
   "aussage": "Bei Direct Lake fällt die Aktualisierung des semantischen Modells nach dem Schreiben kaum auf, weil kein spürbarer Refresh-Vorgang nötig ist."
  },
  {
   "typ": "Fakt",
   "dokument": "BI Thinkers Talk Nr.62",
   "dokument_id": "yt:Wwvhv8WA2Qc",
   "sekunde": 4237,
   "zeit": "1:10:37",
   "url": "https://www.youtube.com/watch?v=Wwvhv8WA2Qc&t=4237s",
   "aussage": "Nach den Tests der Writeback-Funktion stieg die CU-Auslastung der F2-Kapazität in der Capacity-Metrics-App auf über 100 Prozent."
  },
  {
   "typ": "Meinung",
   "dokument": "Microsoft Fabric — braucht das wirklich jemand?",
   "dokument_id": "yt:mTVeZzshLzE",
   "sekunde": 679,
   "zeit": "11:19",
   "url": "https://www.youtube.com/watch?v=mTVeZzshLzE&t=679s",
   "aussage": "Ein zentrales, datenhaltendes Objekt wie ein Lakehouse macht Power-BI-Modelle laut Artur deutlich stabiler und beschleunigt Aktualisierungen von zwei Stunden auf zwei Minuten."
  },
  {
   "typ": "Fakt",
   "dokument": "Fabric & Power BI Quarterly · 2025 Q4",
   "dokument_id": "yt:9TsHkV8sIRo",
   "sekunde": 1713,
   "zeit": "28:33",
   "url": "https://www.youtube.com/watch?v=9TsHkV8sIRo&t=1713s",
   "aussage": "Dataflows Gen2 wurden überarbeitet und bringen vor allem bei Dataflows, die länger als 10 Minuten laufen, eine deutliche Verbesserung bei Performance und CU-Verbrauch."
  }
 ],
 "dokumente": [
  {
   "id": "yt:27rC2zefFOU",
   "titel": "Realtalk zu Self Service mit Power BI",
   "datum": "2024-02-01",
   "abdeckung": "nur-zeitstempel",
   "anteil": 0.538,
   "url": "https://www.youtube.com/watch?v=27rC2zefFOU",
   "sprungmarken": [
    {
     "label": "05:02",
     "url": "https://www.youtube.com/watch?v=27rC2zefFOU&t=302s",
     "sekunde": 302
    },
    {
     "label": "08:02",
     "url": "https://www.youtube.com/watch?v=27rC2zefFOU&t=482s",
     "sekunde": 482
    },
    {
     "label": "11:03",
     "url": "https://www.youtube.com/watch?v=27rC2zefFOU&t=663s",
     "sekunde": 663
    }
   ]
  },
  {
   "id": "yt:rrCi0lnGrCg",
   "titel": "Mythos Data Vault und richtig große Modelle",
   "datum": "2025-07-01",
   "abdeckung": "kernaussagen+zeitstempel",
   "anteil": 0.364,
   "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": "04:01",
     "url": "https://www.youtube.com/watch?v=rrCi0lnGrCg&t=241s",
     "sekunde": 241
    },
    {
     "label": "13:42",
     "url": "https://www.youtube.com/watch?v=rrCi0lnGrCg&t=822s",
     "sekunde": 822
    }
   ]
  },
  {
   "id": "yt:J-lN5JN-F5I",
   "titel": "Daten-WG Life-Update | Fabric Architekturen",
   "datum": "2026-08-01",
   "abdeckung": "kernaussagen+zeitstempel",
   "anteil": 0.355,
   "url": "https://www.youtube.com/watch?v=J-lN5JN-F5I",
   "sprungmarken": [
    {
     "label": "00:01",
     "url": "https://www.youtube.com/watch?v=J-lN5JN-F5I&t=1s",
     "sekunde": 1
    },
    {
     "label": "10:46",
     "url": "https://www.youtube.com/watch?v=J-lN5JN-F5I&t=646s",
     "sekunde": 646
    },
    {
     "label": "18:58",
     "url": "https://www.youtube.com/watch?v=J-lN5JN-F5I&t=1138s",
     "sekunde": 1138
    }
   ]
  },
  {
   "id": "yt:LVSttJlhrqM",
   "titel": "Power BI Update Oktober 2025",
   "datum": "2025-10-01",
   "abdeckung": "nur-zeitstempel",
   "anteil": 0.333,
   "url": "https://www.youtube.com/watch?v=LVSttJlhrqM",
   "sprungmarken": [
    {
     "label": "03:54",
     "url": "https://www.youtube.com/watch?v=LVSttJlhrqM&t=234s",
     "sekunde": 234
    },
    {
     "label": "04:21",
     "url": "https://www.youtube.com/watch?v=LVSttJlhrqM&t=261s",
     "sekunde": 261
    }
   ]
  },
  {
   "id": "yt:DFw664hd1IE",
   "titel": "LogiMAT Arena Atrium 2026 | Expert Forum - Supply Chain Risiko Management",
   "datum": "2026-04-01",
   "abdeckung": "kernaussagen+zeitstempel",
   "anteil": 0.323,
   "url": "https://www.youtube.com/watch?v=DFw664hd1IE",
   "sprungmarken": [
    {
     "label": "06:24",
     "url": "https://www.youtube.com/watch?v=DFw664hd1IE&t=384s",
     "sekunde": 384
    },
    {
     "label": "20:57",
     "url": "https://www.youtube.com/watch?v=DFw664hd1IE&t=1257s",
     "sekunde": 1257
    },
    {
     "label": "25:48",
     "url": "https://www.youtube.com/watch?v=DFw664hd1IE&t=1548s",
     "sekunde": 1548
    }
   ]
  },
  {
   "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": 0.3,
   "url": "https://www.youtube.com/watch?v=183uLZ3GYDo",
   "sprungmarken": [
    {
     "label": "08:29",
     "url": "https://www.youtube.com/watch?v=183uLZ3GYDo&t=509s",
     "sekunde": 509
    },
    {
     "label": "10:02",
     "url": "https://www.youtube.com/watch?v=183uLZ3GYDo&t=602s",
     "sekunde": 602
    },
    {
     "label": "25:32",
     "url": "https://www.youtube.com/watch?v=183uLZ3GYDo&t=1532s",
     "sekunde": 1532
    }
   ]
  },
  {
   "id": "yt:RtUiF1J5XEg",
   "titel": "600 SQL-Tabellen in Fabric",
   "datum": "",
   "abdeckung": "kernaussagen+zeitstempel",
   "anteil": 0.25,
   "url": "https://www.youtube.com/watch?v=RtUiF1J5XEg",
   "sprungmarken": [
    {
     "label": "13:37",
     "url": "https://www.youtube.com/watch?v=RtUiF1J5XEg&t=817s",
     "sekunde": 817
    },
    {
     "label": "16:07",
     "url": "https://www.youtube.com/watch?v=RtUiF1J5XEg&t=967s",
     "sekunde": 967
    },
    {
     "label": "24:33",
     "url": "https://www.youtube.com/watch?v=RtUiF1J5XEg&t=1473s",
     "sekunde": 1473
    }
   ]
  },
  {
   "id": "yt:jETxUNQSl-w",
   "titel": "Digitalisierung seit 20 Jahren — wann sind wir endlich fertig?",
   "datum": "2026-02-01",
   "abdeckung": "kernaussagen+zeitstempel",
   "anteil": 0.241,
   "url": "https://www.youtube.com/watch?v=jETxUNQSl-w",
   "sprungmarken": [
    {
     "label": "03:27",
     "url": "https://www.youtube.com/watch?v=jETxUNQSl-w&t=207s",
     "sekunde": 207
    },
    {
     "label": "21:16",
     "url": "https://www.youtube.com/watch?v=jETxUNQSl-w&t=1276s",
     "sekunde": 1276
    },
    {
     "label": "32:38",
     "url": "https://www.youtube.com/watch?v=jETxUNQSl-w&t=1958s",
     "sekunde": 1958
    }
   ]
  },
  {
   "id": "yt:_Vh5fDfHWz4",
   "titel": "Daten-WG Special: Power BI vs. Qlik -part2",
   "datum": "2025-10-01",
   "abdeckung": "nur-zeitstempel",
   "anteil": 0.238,
   "url": "https://www.youtube.com/watch?v=_Vh5fDfHWz4",
   "sprungmarken": [
    {
     "label": "03:46",
     "url": "https://www.youtube.com/watch?v=_Vh5fDfHWz4&t=226s",
     "sekunde": 226
    },
    {
     "label": "18:47",
     "url": "https://www.youtube.com/watch?v=_Vh5fDfHWz4&t=1127s",
     "sekunde": 1127
    },
    {
     "label": "1:05:36",
     "url": "https://www.youtube.com/watch?v=_Vh5fDfHWz4&t=3936s",
     "sekunde": 3936
    }
   ]
  },
  {
   "id": "yt:G8s96sHUHac",
   "titel": "BI Thinkers Talk nr.67",
   "datum": "2025-09-01",
   "abdeckung": "kernaussagen+zeitstempel",
   "anteil": 0.234,
   "url": "https://www.youtube.com/watch?v=G8s96sHUHac",
   "sprungmarken": [
    {
     "label": "00:00",
     "url": "https://www.youtube.com/watch?v=G8s96sHUHac&t=0s",
     "sekunde": 0
    },
    {
     "label": "1:08:31",
     "url": "https://www.youtube.com/watch?v=G8s96sHUHac&t=4111s",
     "sekunde": 4111
    },
    {
     "label": "1:14:54",
     "url": "https://www.youtube.com/watch?v=G8s96sHUHac&t=4494s",
     "sekunde": 4494
    }
   ]
  },
  {
   "id": "yt:hbUYMyqb6r8",
   "titel": "Denken in Tabellen",
   "datum": "2026-01-01",
   "abdeckung": "kernaussagen+zeitstempel",
   "anteil": 0.231,
   "url": "https://www.youtube.com/watch?v=hbUYMyqb6r8",
   "sprungmarken": [
    {
     "label": "15:33",
     "url": "https://www.youtube.com/watch?v=hbUYMyqb6r8&t=933s",
     "sekunde": 933
    },
    {
     "label": "18:55",
     "url": "https://www.youtube.com/watch?v=hbUYMyqb6r8&t=1135s",
     "sekunde": 1135
    },
    {
     "label": "31:45",
     "url": "https://www.youtube.com/watch?v=hbUYMyqb6r8&t=1905s",
     "sekunde": 1905
    }
   ]
  },
  {
   "id": "yt:iymmxuXHh44",
   "titel": "Daten-WG Deep Dive Financial Reporting - part 5",
   "datum": "2025-07-01",
   "abdeckung": "nur-zeitstempel",
   "anteil": 0.22,
   "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": "04:51",
     "url": "https://www.youtube.com/watch?v=iymmxuXHh44&t=291s",
     "sekunde": 291
    },
    {
     "label": "09:40",
     "url": "https://www.youtube.com/watch?v=iymmxuXHh44&t=580s",
     "sekunde": 580
    }
   ]
  },
  {
   "id": "yt:9TsHkV8sIRo",
   "titel": "Fabric & Power BI Quarterly · 2025 Q4",
   "datum": "",
   "abdeckung": "kernaussagen+zeitstempel",
   "anteil": 0.22,
   "url": "https://www.youtube.com/watch?v=9TsHkV8sIRo",
   "sprungmarken": [
    {
     "label": "27:23",
     "url": "https://www.youtube.com/watch?v=9TsHkV8sIRo&t=1643s",
     "sekunde": 1643
    },
    {
     "label": "34:05",
     "url": "https://www.youtube.com/watch?v=9TsHkV8sIRo&t=2045s",
     "sekunde": 2045
    },
    {
     "label": "54:44",
     "url": "https://www.youtube.com/watch?v=9TsHkV8sIRo&t=3284s",
     "sekunde": 3284
    }
   ]
  },
  {
   "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": 0.214,
   "url": "https://datenwgknowledgekitchen.com/power_bi_einsteiger_guide_v4.html",
   "sprungmarken": [
    {
     "label": "Abschnitt",
     "url": "https://datenwgknowledgekitchen.com/power_bi_einsteiger_guide_v4.html#:~:text=6.%20SUMX%20%C3%BCber%20die%20ganze%20Tabelle",
     "sekunde": null
    },
    {
     "label": "Abschnitt",
     "url": "https://datenwgknowledgekitchen.com/power_bi_einsteiger_guide_v4.html#:~:text=Storage%20Engine%20vs.%20Formula%20Engine",
     "sekunde": null
    },
    {
     "label": "Abschnitt",
     "url": "https://datenwgknowledgekitchen.com/power_bi_einsteiger_guide_v4.html#:~:text=Optimierungs-Checkliste",
     "sekunde": null
    }
   ]
  },
  {
   "id": "yt:mlkP-6i5Kq8",
   "titel": "BI Thinkers Talk nr.76",
   "datum": "2026-05-01",
   "abdeckung": "kernaussagen+zeitstempel",
   "anteil": 0.211,
   "url": "https://www.youtube.com/watch?v=mlkP-6i5Kq8",
   "sprungmarken": [
    {
     "label": "45:45",
     "url": "https://www.youtube.com/watch?v=mlkP-6i5Kq8&t=2745s",
     "sekunde": 2745
    },
    {
     "label": "49:05",
     "url": "https://www.youtube.com/watch?v=mlkP-6i5Kq8&t=2945s",
     "sekunde": 2945
    },
    {
     "label": "55:18",
     "url": "https://www.youtube.com/watch?v=mlkP-6i5Kq8&t=3318s",
     "sekunde": 3318
    }
   ]
  },
  {
   "id": "yt:4VVNDNusq4U",
   "titel": "BI Thinkers Talk nr.64",
   "datum": "2025-07-01",
   "abdeckung": "kernaussagen+zeitstempel",
   "anteil": 0.205,
   "url": "https://www.youtube.com/watch?v=4VVNDNusq4U",
   "sprungmarken": [
    {
     "label": "00:03",
     "url": "https://www.youtube.com/watch?v=4VVNDNusq4U&t=3s",
     "sekunde": 3
    },
    {
     "label": "01:45",
     "url": "https://www.youtube.com/watch?v=4VVNDNusq4U&t=105s",
     "sekunde": 105
    },
    {
     "label": "56:27",
     "url": "https://www.youtube.com/watch?v=4VVNDNusq4U&t=3387s",
     "sekunde": 3387
    }
   ]
  },
  {
   "id": "yt:cD-5z_Bq0N4",
   "titel": "Projektcontrolling mit dynamischen Arbeitstagen in Power BI",
   "datum": "2025-05-01",
   "abdeckung": "nur-zeitstempel",
   "anteil": 0.2,
   "url": "https://www.youtube.com/watch?v=cD-5z_Bq0N4",
   "sprungmarken": [
    {
     "label": "08:34",
     "url": "https://www.youtube.com/watch?v=cD-5z_Bq0N4&t=514s",
     "sekunde": 514
    },
    {
     "label": "15:18",
     "url": "https://www.youtube.com/watch?v=cD-5z_Bq0N4&t=918s",
     "sekunde": 918
    },
    {
     "label": "38:00",
     "url": "https://www.youtube.com/watch?v=cD-5z_Bq0N4&t=2280s",
     "sekunde": 2280
    }
   ]
  },
  {
   "id": "yt:TYp5xCAU2AU",
   "titel": "Fabric & Power BI Quarterly · 2026-1",
   "datum": "2026-01-01",
   "abdeckung": "kernaussagen+zeitstempel",
   "anteil": 0.189,
   "url": "https://www.youtube.com/watch?v=TYp5xCAU2AU",
   "sprungmarken": [
    {
     "label": "03:46",
     "url": "https://www.youtube.com/watch?v=TYp5xCAU2AU&t=226s",
     "sekunde": 226
    },
    {
     "label": "10:57",
     "url": "https://www.youtube.com/watch?v=TYp5xCAU2AU&t=657s",
     "sekunde": 657
    },
    {
     "label": "13:30",
     "url": "https://www.youtube.com/watch?v=TYp5xCAU2AU&t=810s",
     "sekunde": 810
    }
   ]
  },
  {
   "id": "yt:mTVeZzshLzE",
   "titel": "Microsoft Fabric — braucht das wirklich jemand?",
   "datum": "",
   "abdeckung": "kernaussagen+zeitstempel",
   "anteil": 0.188,
   "url": "https://www.youtube.com/watch?v=mTVeZzshLzE",
   "sprungmarken": [
    {
     "label": "02:09",
     "url": "https://www.youtube.com/watch?v=mTVeZzshLzE&t=129s",
     "sekunde": 129
    },
    {
     "label": "05:02",
     "url": "https://www.youtube.com/watch?v=mTVeZzshLzE&t=302s",
     "sekunde": 302
    },
    {
     "label": "40:00",
     "url": "https://www.youtube.com/watch?v=mTVeZzshLzE&t=2400s",
     "sekunde": 2400
    }
   ]
  },
  {
   "id": "yt:xCzKEIB4W5I",
   "titel": "Fabric Planning unboxing",
   "datum": "2026-03-01",
   "abdeckung": "kernaussagen+zeitstempel",
   "anteil": 0.179,
   "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": "58:32",
     "url": "https://www.youtube.com/watch?v=xCzKEIB4W5I&t=3512s",
     "sekunde": 3512
    },
    {
     "label": "1:09:28",
     "url": "https://www.youtube.com/watch?v=xCzKEIB4W5I&t=4168s",
     "sekunde": 4168
    }
   ]
  },
  {
   "id": "yt:iinfiHxznOU",
   "titel": "Unboxing MCP Server for Power BI Modelling",
   "datum": "2025-12-01",
   "abdeckung": "kernaussagen+zeitstempel",
   "anteil": 0.175,
   "url": "https://www.youtube.com/watch?v=iinfiHxznOU",
   "sprungmarken": [
    {
     "label": "01:34",
     "url": "https://www.youtube.com/watch?v=iinfiHxznOU&t=94s",
     "sekunde": 94
    },
    {
     "label": "12:37",
     "url": "https://www.youtube.com/watch?v=iinfiHxznOU&t=757s",
     "sekunde": 757
    },
    {
     "label": "21:08",
     "url": "https://www.youtube.com/watch?v=iinfiHxznOU&t=1268s",
     "sekunde": 1268
    }
   ]
  },
  {
   "id": "yt:Wwvhv8WA2Qc",
   "titel": "BI Thinkers Talk Nr.62",
   "datum": "2025-05-01",
   "abdeckung": "kernaussagen+zeitstempel",
   "anteil": 0.174,
   "url": "https://www.youtube.com/watch?v=Wwvhv8WA2Qc",
   "sprungmarken": [
    {
     "label": "00:00",
     "url": "https://www.youtube.com/watch?v=Wwvhv8WA2Qc&t=0s",
     "sekunde": 0
    },
    {
     "label": "01:35",
     "url": "https://www.youtube.com/watch?v=Wwvhv8WA2Qc&t=95s",
     "sekunde": 95
    },
    {
     "label": "1:07:25",
     "url": "https://www.youtube.com/watch?v=Wwvhv8WA2Qc&t=4045s",
     "sekunde": 4045
    }
   ]
  },
  {
   "id": "yt:UnW4wHhw_IY",
   "titel": "Daten-WG Deep Dive Financial Reporting pt.4",
   "datum": "2025-05-01",
   "abdeckung": "nur-zeitstempel",
   "anteil": 0.167,
   "url": "https://www.youtube.com/watch?v=UnW4wHhw_IY",
   "sprungmarken": [
    {
     "label": "06:24",
     "url": "https://www.youtube.com/watch?v=UnW4wHhw_IY&t=384s",
     "sekunde": 384
    },
    {
     "label": "16:25",
     "url": "https://www.youtube.com/watch?v=UnW4wHhw_IY&t=985s",
     "sekunde": 985
    },
    {
     "label": "55:29",
     "url": "https://www.youtube.com/watch?v=UnW4wHhw_IY&t=3329s",
     "sekunde": 3329
    }
   ]
  },
  {
   "id": "yt:lZvpCBMKASM",
   "titel": "Fabric & Power BI Quarterly · 2025 Q3",
   "datum": "",
   "abdeckung": "kernaussagen+zeitstempel",
   "anteil": 0.167,
   "url": "https://www.youtube.com/watch?v=lZvpCBMKASM",
   "sprungmarken": [
    {
     "label": "04:43",
     "url": "https://www.youtube.com/watch?v=lZvpCBMKASM&t=283s",
     "sekunde": 283
    },
    {
     "label": "17:44",
     "url": "https://www.youtube.com/watch?v=lZvpCBMKASM&t=1064s",
     "sekunde": 1064
    },
    {
     "label": "36:51",
     "url": "https://www.youtube.com/watch?v=lZvpCBMKASM&t=2211s",
     "sekunde": 2211
    }
   ]
  },
  {
   "id": "yt:6gQiIbyhWEc",
   "titel": "Power BI Update September 2025",
   "datum": "2025-09-01",
   "abdeckung": "nur-zeitstempel",
   "anteil": 0.167,
   "url": "https://www.youtube.com/watch?v=6gQiIbyhWEc",
   "sprungmarken": [
    {
     "label": "00:00",
     "url": "https://www.youtube.com/watch?v=6gQiIbyhWEc&t=0s",
     "sekunde": 0
    },
    {
     "label": "08:56",
     "url": "https://www.youtube.com/watch?v=6gQiIbyhWEc&t=536s",
     "sekunde": 536
    }
   ]
  },
  {
   "id": "yt:bt81POE-9Ig",
   "titel": "Daten-WG Deep Dive Financial Reporting - part 6",
   "datum": "2025-08-01",
   "abdeckung": "kernaussagen+zeitstempel",
   "anteil": 0.163,
   "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": "14:57",
     "url": "https://www.youtube.com/watch?v=bt81POE-9Ig&t=897s",
     "sekunde": 897
    },
    {
     "label": "16:43",
     "url": "https://www.youtube.com/watch?v=bt81POE-9Ig&t=1003s",
     "sekunde": 1003
    }
   ]
  },
  {
   "id": "yt:232JhS9vbQ0",
   "titel": "Daten-WG Deep Dive Financial Reporting - part 7",
   "datum": "2025-09-01",
   "abdeckung": "nur-zeitstempel",
   "anteil": 0.162,
   "url": "https://www.youtube.com/watch?v=232JhS9vbQ0",
   "sprungmarken": [
    {
     "label": "01:36",
     "url": "https://www.youtube.com/watch?v=232JhS9vbQ0&t=96s",
     "sekunde": 96
    },
    {
     "label": "05:24",
     "url": "https://www.youtube.com/watch?v=232JhS9vbQ0&t=324s",
     "sekunde": 324
    },
    {
     "label": "25:30",
     "url": "https://www.youtube.com/watch?v=232JhS9vbQ0&t=1530s",
     "sekunde": 1530
    }
   ]
  },
  {
   "id": "yt:vd1r02bj9Qk",
   "titel": "Power BI vs. Qlik",
   "datum": "2026-01-01",
   "abdeckung": "kernaussagen+zeitstempel",
   "anteil": 0.158,
   "url": "https://www.youtube.com/watch?v=vd1r02bj9Qk",
   "sprungmarken": [
    {
     "label": "10:48",
     "url": "https://www.youtube.com/watch?v=vd1r02bj9Qk&t=648s",
     "sekunde": 648
    },
    {
     "label": "12:25",
     "url": "https://www.youtube.com/watch?v=vd1r02bj9Qk&t=745s",
     "sekunde": 745
    },
    {
     "label": "15:57",
     "url": "https://www.youtube.com/watch?v=vd1r02bj9Qk&t=957s",
     "sekunde": 957
    }
   ]
  },
  {
   "id": "yt:mUALlPmGcEk",
   "titel": "BI Thinkers Talk - Data Modelling - Fabric Data Days Edition",
   "datum": "2025-11-01",
   "abdeckung": "kernaussagen+zeitstempel",
   "anteil": 0.157,
   "url": "https://www.youtube.com/watch?v=mUALlPmGcEk",
   "sprungmarken": [
    {
     "label": "09:34",
     "url": "https://www.youtube.com/watch?v=mUALlPmGcEk&t=574s",
     "sekunde": 574
    },
    {
     "label": "17:32",
     "url": "https://www.youtube.com/watch?v=mUALlPmGcEk&t=1052s",
     "sekunde": 1052
    },
    {
     "label": "35:39",
     "url": "https://www.youtube.com/watch?v=mUALlPmGcEk&t=2139s",
     "sekunde": 2139
    }
   ]
  },
  {
   "id": "yt:LUrL8A5lNgI",
   "titel": "BI Thinkers Talk nr.71",
   "datum": "2025-12-01",
   "abdeckung": "kernaussagen+zeitstempel",
   "anteil": 0.15,
   "url": "https://www.youtube.com/watch?v=LUrL8A5lNgI",
   "sprungmarken": [
    {
     "label": "05:01",
     "url": "https://www.youtube.com/watch?v=LUrL8A5lNgI&t=301s",
     "sekunde": 301
    },
    {
     "label": "09:41",
     "url": "https://www.youtube.com/watch?v=LUrL8A5lNgI&t=581s",
     "sekunde": 581
    },
    {
     "label": "51:29",
     "url": "https://www.youtube.com/watch?v=LUrL8A5lNgI&t=3089s",
     "sekunde": 3089
    }
   ]
  },
  {
   "id": "yt:lAh9ajR2Nrw",
   "titel": "Fabric & Power BI Quarterly | 2025 Q2",
   "datum": "2025-04-01",
   "abdeckung": "kernaussagen+zeitstempel",
   "anteil": 0.143,
   "url": "https://www.youtube.com/watch?v=lAh9ajR2Nrw",
   "sprungmarken": [
    {
     "label": "02:30",
     "url": "https://www.youtube.com/watch?v=lAh9ajR2Nrw&t=150s",
     "sekunde": 150
    },
    {
     "label": "13:39",
     "url": "https://www.youtube.com/watch?v=lAh9ajR2Nrw&t=819s",
     "sekunde": 819
    },
    {
     "label": "39:28",
     "url": "https://www.youtube.com/watch?v=lAh9ajR2Nrw&t=2368s",
     "sekunde": 2368
    }
   ]
  },
  {
   "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": "15:50",
     "url": "https://www.youtube.com/watch?v=UxE0DPnLgIg&t=950s",
     "sekunde": 950
    },
    {
     "label": "31:00",
     "url": "https://www.youtube.com/watch?v=UxE0DPnLgIg&t=1860s",
     "sekunde": 1860
    }
   ]
  },
  {
   "id": "page:fabric_einsteiger_guide_v1",
   "titel": "Microsoft Fabric — Einsteiger-Guide",
   "datum": "2026-08-31",
   "abdeckung": "nur-text",
   "anteil": 0.124,
   "url": "https://datenwgknowledgekitchen.com/fabric_einsteiger_guide_v1.html",
   "sprungmarken": [
    {
     "label": "Abschnitt",
     "url": "https://datenwgknowledgekitchen.com/fabric_einsteiger_guide_v1.html#:~:text=03%20%C2%B7%20Semantische%20Modelle%20%26%20%2ADirect%20Lake%2A",
     "sekunde": null
    },
    {
     "label": "Abschnitt",
     "url": "https://datenwgknowledgekitchen.com/fabric_einsteiger_guide_v1.html#:~:text=Zwei%20Varianten%20%E2%80%94%20wichtig%20seit%202025",
     "sekunde": null
    },
    {
     "label": "Abschnitt",
     "url": "https://datenwgknowledgekitchen.com/fabric_einsteiger_guide_v1.html#:~:text=Der%20Vergleich",
     "sekunde": null
    }
   ]
  },
  {
   "id": "yt:Fqt4gP1xB5w",
   "titel": "Daten-WG Thinkers Talk nr.65",
   "datum": "2025-07-01",
   "abdeckung": "kernaussagen+zeitstempel",
   "anteil": 0.093,
   "url": "https://www.youtube.com/watch?v=Fqt4gP1xB5w",
   "sprungmarken": [
    {
     "label": "04:49",
     "url": "https://www.youtube.com/watch?v=Fqt4gP1xB5w&t=289s",
     "sekunde": 289
    },
    {
     "label": "08:08",
     "url": "https://www.youtube.com/watch?v=Fqt4gP1xB5w&t=488s",
     "sekunde": 488
    },
    {
     "label": "11:32",
     "url": "https://www.youtube.com/watch?v=Fqt4gP1xB5w&t=692s",
     "sekunde": 692
    }
   ]
  },
  {
   "id": "yt:VD1N68Fhoco",
   "titel": "BI Thinkers Talk nr.68",
   "datum": "2025-10-01",
   "abdeckung": "nur-zeitstempel",
   "anteil": 0.075,
   "url": "https://www.youtube.com/watch?v=VD1N68Fhoco",
   "sprungmarken": [
    {
     "label": "43:39",
     "url": "https://www.youtube.com/watch?v=VD1N68Fhoco&t=2619s",
     "sekunde": 2619
    },
    {
     "label": "53:20",
     "url": "https://www.youtube.com/watch?v=VD1N68Fhoco&t=3200s",
     "sekunde": 3200
    },
    {
     "label": "1:01:04",
     "url": "https://www.youtube.com/watch?v=VD1N68Fhoco&t=3664s",
     "sekunde": 3664
    }
   ]
  },
  {
   "id": "yt:KMk1k5uCLZU",
   "titel": "Daten-WG Thinkers Talk n61",
   "datum": "2025-04-01",
   "abdeckung": "kernaussagen+zeitstempel",
   "anteil": 0.071,
   "url": "https://www.youtube.com/watch?v=KMk1k5uCLZU",
   "sprungmarken": [
    {
     "label": "30:17",
     "url": "https://www.youtube.com/watch?v=KMk1k5uCLZU&t=1817s",
     "sekunde": 1817
    },
    {
     "label": "38:13",
     "url": "https://www.youtube.com/watch?v=KMk1k5uCLZU&t=2293s",
     "sekunde": 2293
    },
    {
     "label": "47:59",
     "url": "https://www.youtube.com/watch?v=KMk1k5uCLZU&t=2879s",
     "sekunde": 2879
    }
   ]
  },
  {
   "id": "yt:r416vanitYw",
   "titel": "BI Thinkers Talk nr.69",
   "datum": "2025-11-01",
   "abdeckung": "nur-zeitstempel",
   "anteil": 0.07,
   "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": "05:28",
     "url": "https://www.youtube.com/watch?v=r416vanitYw&t=328s",
     "sekunde": 328
    },
    {
     "label": "58:52",
     "url": "https://www.youtube.com/watch?v=r416vanitYw&t=3532s",
     "sekunde": 3532
    }
   ]
  },
  {
   "id": "yt:HXAP16trRc8",
   "titel": "Daten-WG Deep Dive: AI on top of BI",
   "datum": "2025-07-01",
   "abdeckung": "nur-text",
   "anteil": 0.067,
   "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
    },
    {
     "label": "Abschnitt",
     "url": "https://www.youtube.com/watch?v=HXAP16trRc8",
     "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%3Aperformance",
 "graph_url": "https://datenwgknowledgekitchen.com/wissensgraph/graph.html#n=topic%3Aperformance&f=topic%3Aperformance"
}