DatenWG Library · tool
Dataflow
Aus einem Fabric-Notebook lässt sich per API ein Dataflow ansteuern und darüber Power-Query-Code (M-Code) ausführen. (Stand 2026-03) Für Business Central existiert kein direkter Connector für Fabric-Pipelines, weshalb der Zugriff stattdessen über einen OData-basierten Dataflow mit Service Principal erfolgen muss. (Stand 2025-09) Copilot kann Fachanwendern helfen, bestehende Power-Query-Dataflows automatisiert in schnelleren Code zu übersetzen.
Aliase
Dataflows Dataflow Gen2 Gen2 Datenfluss
Kernaussagen
- Dataflows eignen sich weiterhin gut fuer Citizen Developer, weil Fachbereiche dadurch ueber Tabellen, Quellen und Transformationen mit dem Datenteam kommunizieren lernen.
- Ein Dataflow lässt sich als Wrapper nutzen, um über dessen Connections APIs wie die Power BI Scanner API anzusprechen, ohne im Notebook einen Service Principal hinterlegen zu müssen.
- Aus einem Fabric-Notebook lässt sich per API ein Dataflow ansteuern und darüber Power-Query-Code (M-Code) ausführen.
- Für kleinere Datenmengen und einfache Transformationen wie Entpivotieren eignet sich ein Dataflow, während stark verschachteltes JSON, etwa aus der Scanner API, eher in einem Notebook verarbeitet werden sollte.
- Über die Fabric-Service-Status-Seite lässt sich nachvollziehen, wenn Dienste wie SQL-Endpunkte oder Dataflows gestört sind, auch wenn der Status dort nicht immer eindeutig kommuniziert wird.
- Deployment Pipelines unterstützen Dataflows, Lakehouses und Direct Lake nicht zuverlässig, sodass danach oft manuell mit VS Code nachgearbeitet werden muss.
- Bei neueren Dataflow-Generationen sind Datenverbindungen an die erstellende Person gebunden, weshalb empfohlen wird, Connections konsequent freizugeben und nach Möglichkeit einen Service Principal für die Verbindung zu nutzen.
- Für Business Central existiert kein direkter Connector für Fabric-Pipelines, weshalb der Zugriff stattdessen über einen OData-basierten Dataflow mit Service Principal erfolgen muss.
- Im Warehouse ist beim Dataflow-Ziel nur der Modus Append wählbar und nicht mehr umkehrbar, während im Lakehouse nur Replace zur Verfügung steht.
- Ein Power-BI-Desktop-Update im Sommer soll dazu geführt haben, dass Dataflow-Konnektoren für Fabric und die Power Platform nicht mehr funktionierten; als Workaround wurde die Umstellung auf Legacy Data Flows genannt.
- Dataflows werden als der Beginn davon beschrieben, dass Power BI von einem reinen Datei- bzw. Modellformat zu einer echten Datenplattform wurde.
- Dataflow Gen2 mit Git-Integration wird gegenüber Gen1 grundsätzlich empfohlen, weil er inzwischen aus Pipelines nutzbar ist und neue Features bekommt.
- Bei Dataflow Gen2 ist die Change-Detection-Einstellung für Incremental Refresh anders als bei Gen1 nicht optional, sondern muss zwingend angegeben werden.
- Bei Dataflow Gen1 lag die komplette Speicherschicht in der Hand des Dataflows selbst, während man bei Gen2 sein eigenes Ziel wie Warehouse oder Lakehouse selbst verwalten muss.
- Für das inkrementelle Laden der Buchungsdaten wird ein Dataflow gegenüber der Pipeline bevorzugt, weil inkrementelles Laden dort garantiert funktioniert.
- Dataflow Gen2 lässt sich inzwischen einfach speichern, ohne dass dabei automatisch ein Lauf gestartet wird.
- Die neue Variable Library kann sowohl in Dataflows bzw. Data Pipelines als auch im CI/CD-Kontext genutzt werden, um workspace-spezifische Zielwerte für Variablen abzulegen.
- Microsoft hat sich entschieden, DataMarts abzuloesen, weil deren Mehrwert gegenueber Fabric mit Warehouse und Dataflows Gen 2 in der Community zunehmend infrage gestellt wurde.
- Dataflow Gen 1 wechselt in einen Legacy- beziehungsweise Wartungsstatus ohne neue Features.
- In Dataflow Gen 2 sind deutlich mehr Investitionen und Integrationsmöglichkeiten geflossen, als für Dataflow Gen 1 je möglich waren.
- Der Migration Accelerator in der Fabric Toolbox macht Abhängigkeiten von Dataflow Gen 1 sichtbar, migriert sie aber nicht automatisch.
- Bei der Verarbeitung von hunderten Tabellen muss man in Dataflows jede Tabelle einzeln managen, was als schmerzhaft beschrieben wird.
- Dataflows werden weiterhin als gutes Werkzeug für komplexe ("tricky") Transformationen wie Pivot/Unpivot beschrieben.
- Dataflows lassen sich laut Martin nicht gut orchestrieren.
- Werden zwei Dataflows über ein Lakehouse verkettet, stehen am Folgetag keine neuen Daten bereit, weil der SQL-Endpoint des Lakehouse nicht sofort aktualisiert wird.
- Es wird empfohlen, keine neuen Dataflows Gen 1 mehr anzulegen.
- Dataflows Gen2 wurden überarbeitet und bringen vor allem bei Dataflows, die länger als 10 Minuten laufen, eine deutliche Verbesserung bei Performance und CU-Verbrauch.
- Ein neuer, nur für Entwickler sichtbarer Filter erlaubt es, Dataflows während der Entwicklung auf einen kleinen Zeitraum zu beschränken, während der produktive Lauf trotzdem den vollen Zeitraum verarbeitet.
- Dataflows sind mittlerweile vollwertig in Pipelines nutzbar und ihre Ziele lassen sich parametrisieren, sodass Parameter und Variablen aus Pipelines an Dataflows uebergeben werden koennen.
- Variable Libraries sind jetzt GA und ermöglichen parametrisierte, dynamische Designansätze über verschiedene Fabric-Objekte hinweg, unter anderem in Dataflows.
- Copilot kann Fachanwendern helfen, bestehende Power-Query-Dataflows automatisiert in schnelleren Code zu übersetzen.
Dokumente
- Microsoft Fabric Dataflow Gen2 Kosten verstehen - CU-Verbrauch einfach erklärt
- Power BI-Teams werden Fabric-Datendienstleister
- Daten-WG Deep Dive Financial Reporting - part 5
- Power BI Update August 2025
- Power BI Update April 2025
- Microsoft Fabric — Einsteiger-Guide
- Daten-WG Life-Update | Fabric Architekturen
- BI Thinkers Talk n.74
- BI Thinkers Talk nr.67
- Microsoft Fabric — braucht das wirklich jemand?
- Fabric & Power BI Quarterly · 2025 Q4
- 600 SQL-Tabellen in Fabric
- Power BI Update Oktober 2025
- Starting with Microsft Fabric the Skills you need
- Daten-WG Thinkers Talk nr.65
- Daten-WG Deep Dive Financial Reporting pt.4
- Fabric & Power BI Quarterly · 2026-2
- Daten-WG Deep Dive Financial Reporting - part 6
- Fabric & Power BI Quarterly | 2025 Q2
- BI Thinkers Talk nr.77
- Fabric & Power BI Quarterly · 2025 Q3
- Push statt Pull: So bringst du On-Prem-Daten mit SSIS nach Microsoft Fabric | Fabric Tutorial
- Fabric & Power BI Quarterly · 2026-1
- Daten-WG Deep Dive Financial Reporting - part 7
- BI Thinkers Talk n.72
- Daten-WG Deep Dive Financial Reporting
- Power BI von A bis Z — Einsteiger-Guide (End-to-End)
- Daten-WG 2026 Lineup
- Daten-WG Thinkers Talk n61
- BI Thinkers Talk nr.69
Nachbarthemen
- Data Pipeline
- Data Pipeline
- Data Pipeline
- Notebook
- Notebook
- Microsoft Fabric
- Lakehouse
- Power BI
- Warehouse
- Power Query
- Performance
- Workspace
- SQL
- Reporting
- KI
Hinweise
Kernaussagen und Beziehungen sind maschinell erzeugt und nicht redigiert. Heuristische Kanten zählen Erwähnungen, keine Bedeutung. Bei Widersprüchen gilt das Video.