DatenWG Library · tool
Notebook
Aus einem Integration-Services-Paket (SSIS) lässt sich per REST API ein Microsoft-Fabric-Notebook starten. (Stand 2026-02) Im SSIS-Paket wird der Notebook-Aufruf über eine Script Task in Visual Studio umgesetzt. (Stand 2026-02) Nach dem Ausführen des SSIS-Pakets lässt sich der erfolgreiche Notebook-Lauf in Fabric über die letzte Ausführung nachvollziehen. (Stand 2026-02)
Aliase
Notebooks Spark Notebook
Kernaussagen
- Beim SAP-Projekt wurden die taeglich abgelegten Delta-Dateien ueber ein Notebook eingelesen, das anhand von Tagesordnern erkennt, welche Tage bereits in der Zieltabelle liegen.
- In diesem Projekt wurden Views im Lakehouse ueber Notebooks per Create-and-Replace angelegt, damit sie sich ueber Deployment Pipelines mitversenden lassen und je Umgebung automatisch das passende Lakehouse zugewiesen wird.
- Bei einem Warehouse sind viele Optimierungen, die man sonst in Notebooks oder im Lake selbst umsetzen muesste, bereits managed abgenommen, was weniger Freiheit, aber auch weniger Risiko fuer die Kapazitaet bedeutet.
- Der Fabric Copilot unterstuetzt gezielt innerhalb eines einzelnen Items wie einem Notebook, waehrend der Agent Hub uebergreifend ueber mehrere Items hinweg End-to-End-Strecken bauen kann.
- Aus einem unspezifischen Prompt hat der Agent Hub eigenstaendig ein Notebook, ein Lakehouse, ein Semantic Model und einen Report erstellt, inklusive eines selbst geschriebenen Fabric Clients fuer die Fabric-APIs.
- Alex hat den "Power BI Fixer" entwickelt, ein Notebook-basiertes Tool zum Analysieren und Reparieren von Power-BI-Semantikmodellen und -Berichten.
- Der Power BI Fixer bietet im Notebook eine alternative Oberfläche ähnlich Tabular Editor, um Measures und DAX-Ausdrücke direkt am Semantic Model zu bearbeiten und zu formatieren.
- Notebooks in Microsoft Fabric können vollständige interaktive Oberflächen inklusive HTML-Seiten darstellen.
- 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.
- Eine KI hat aus einer hochgeladenen CSV-Datei automatisch ein Sternschema samt Notebook erstellt.
- 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.
- Beim Versuch, verschachtelte Power-Query-Objekte wie Record oder List aus einem Notebook heraus in ein Lakehouse zu schreiben, werden diese aktuell nur als Text gespeichert statt strukturiert aufgelöst.
- Aus einem Integration-Services-Paket (SSIS) lässt sich per REST API ein Microsoft-Fabric-Notebook starten.
- Im SSIS-Paket wird der Notebook-Aufruf über eine Script Task in Visual Studio umgesetzt.
- Nach dem Ausführen des SSIS-Pakets lässt sich der erfolgreiche Notebook-Lauf in Fabric über die letzte Ausführung nachvollziehen.
- Um das Notebook über die REST API anzusprechen, werden die Workspace-ID und die Notebook-ID benötigt.
- Die Paketvariablen im SSIS-Paket speichern Workspace-ID und Notebook-ID für den REST-API-Aufruf.
- Mit dem Access Token ruft das Skript die Fabric REST API auf und startet das Notebook anhand von Workspace-ID und Notebook-ID.
- Als Alternative zum manuellen Umbinden über Power BI Desktop wird im Gespräch erwähnt, dass sich Reports auch automatisiert per Notebook mit Semantic Link umbinden lassen könnten.
- Als Workaround definiert einer der Sprecher View-Definitionen stattdessen in TSQL-Notebooks, damit sie über die Deployment Pipeline mit transportiert werden.
- Seit kurzem lassen sich Notebooks in Fabric über eine Connection mit einem Service Principal ausführen, wodurch Secrets nicht mehr hartcodiert oder in einer JSON-Datei im Lakehouse abgelegt werden müssen.
- Eine Connection für Notebooks lässt sich aktuell nicht direkt unter Connections anlegen, sondern nur über den Umweg einer Data Pipeline.
- Beim Ausführen eines Notebooks über die Pipeline mit einem Service Principal wurden deutlich weniger Workspaces zurückgegeben, weil der Service Principal nicht Mitglied in allen Workspaces ist.
- SharePoint-Listen lassen sich derzeit nicht direkt aus einem Notebook heraus anbinden, weshalb stattdessen Mirroring oder ein Umweg über Power Automate nötig ist.
- Die im Lakehouse als Rohdaten liegenden Dateien lassen sich per COPY-INTO-Befehl in eine Warehouse-Tabelle laden oder mit einem Notebook, etwa in Python, weiterverarbeiten.
- Das Referenzmodell samt Monitoring-Dashboard wurde in einem GitHub-Repository bereitgestellt, damit es heruntergeladen und wiederverwendet werden kann.
- Das Fabric-Notebook lädt das GitHub-Repository über eine speziell zusammengebaute URL komplett als ZIP-Datei herunter.
- Im Notebook muss man angeben, mit welchem Ziel-Dataset im Workspace der übertragene Bericht verbunden werden soll.
- Das Notebook prüft aktuell nicht, ob bereits ein gleichnamiger Bericht existiert, sodass mehrfaches Ausführen zu mehreren Reports mit identischem Namen führt.
- Um aus einem Shortcut wirklich eine nutzbare Tabelle zu machen, muss man weiterhin ein Notebook oder einen Dataflow orchestrieren, da der Shortcut selbst nicht so echtzeitfähig ist, wie er sein könnte.
- Für das Auflösen der rekursiven Zeilen- und Kontenverweise in der Mapping-Tabelle wird ein Python-Notebook gegenüber Power Query bevorzugt, weil Power Query keine regulären Ausdrücke bietet.
- Tom Martens investiert bewusst begrenzte Lernzeit in DAX, Power Query, Python und Fabric-Notebooks, weil ihm das langfristig mehr Zeit und bessere Analysen ermöglicht.
- Copy Jobs in der Fabric Data Factory unterstützen jetzt in der Vorschau automatisch Slowly Changing Dimension Typ 2, wodurch manueller Notebook-Code für diesen Zweck überflüssig wird.
- Mit der Shortcut-Transformation wird eine per Shortcut verlinkte CSV-Datei automatisch in eine Delta-Tabelle umgewandelt, ohne dass dafuer ein Notebook laufen muss.
Dokumente
- SSIS Integration Services: Microsoft Fabric Notebook per REST API starten
- Daten-WG BI Thinkers Talk nr.66
- BI Thinkers Talk n.72
- Starting with Microsft Fabric the Skills you need
- Daten-WG Deep Dive Financial Reporting pt.4
- Power BI Update April 2025
- Daten-WG Deep Dive Financial Reporting - part 5
- Microsoft Fabric — Einsteiger-Guide
- BI Thinkers Talk nr.75
- Fabric Workload Demo mit Alexander Korn und Lukasz Obst
- BI Thinkers Talk n.74
- Power BI-Teams werden Fabric-Datendienstleister
- Daten-WG Life-Update | Fabric Architekturen
- BI Thinkers Talk nr.67
- Microsoft Fabric — braucht das wirklich jemand?
- Fabric & Power BI Quarterly | 2025 Q2
- Fabric & Power BI Quarterly · 2026-1
- Daten-WG Deep Dive Financial Reporting - part 7
- Daten-WG Deep Dive Financial Reporting
- Fabric & Power BI Quarterly · 2025 Q4
- Daten-WG Deep Dive Financial Reporting - part 6
- Fabric & Power BI Quarterly · 2025 Q3
- 600 SQL-Tabellen in Fabric
- BI Thinkers Talk n.73
- Realtalk zu Self Service mit Power BI
- Push statt Pull: So bringst du On-Prem-Daten mit SSIS nach Microsoft Fabric | Fabric Tutorial
- Fabric Planning unboxing
- Daten-WG 2026 Lineup
- Daten-WG Thinkers Talk nr.65
- Daten-WG Deep Dive: AI on top of BI
- Denken in Tabellen
- Prinzipien oder Paragrafen
- KI hat mich abgelöst | Daten-WG Podcast mit Burkhardt Gasber
- Daten-WG Life-Update | State of Power BI, Fabric & AI-Tools
- Was ist Self-Service und warum ist das so schwer?
- Fabric & Power BI Quarterly · 2026-2
- BI Thinkers Talk nr.64
- BI Thinkers Talk nr.68
- Daten-WG Special: Power BI vs. Qlik -part2
- BI Thinkers Talk nr.69
- Mensch bleiben, wenn Power BI geht
- 10 Jahre Power BI
- Power BI von A bis Z — Einsteiger-Guide (End-to-End)
Nachbarthemen
- Workspace
- Tabular Editor
- Direct Lake
- Dataflow
- SQL Endpoint
- Data Pipeline
- Dataflow
- GitHub
- Microsoft Fabric
- Lakehouse
- Power BI
- KI
- SQL
- Warehouse
- Spark
Hinweise
Kernaussagen und Beziehungen sind maschinell erzeugt und nicht redigiert. Heuristische Kanten zählen Erwähnungen, keine Bedeutung. Bei Widersprüchen gilt das Video.