DatenWG Library · thema
Performance
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)
Aliase
Performanz Optimierung Ladezeit langsam schnell
Kernaussagen
- 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.
- Werden zentral verwaltete Daten ueber Composite Models durch laenderspezifische Excel-Mappings angereichert, kann daraus ein sehr performance-schwaches Konstrukt entstehen.
- Martin empfiehlt, bei zeitkritisch und in großer Menge anfallenden Daten zusätzlich lokalen Speicher vorzuhalten, um Risiken durch unterbrochene Datenübertragung zu reduzieren.
- Nicht die Länge, sondern die Varianz der Durchlaufzeit zwischen Prozessschritten verursacht die größten Probleme in der Supply Chain.
- Der Power BI Fixer kann den Best Practice Analyser auf dem Semantic Model ausführen und gefundene Verstöße direkt automatisiert fixen lassen.
- Bei Direct Lake führt der erste Nutzer, der morgens einen Bericht öffnet, wegen des noch kalten Caches häufig zu langen Wartezeiten.
- 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.
- Der Fixer erlaubt es, einzelne Tabellen oder Partitionen eines Semantic Models gezielt zu aktualisieren, statt das gesamte Modell neu zu laden.
- Eine einzelne SQL-Datenbank kann bereits eine F2-Kapazität stark auslasten, wie ein interner Vorfall zeigte.
- Das Planning-Feature befindet sich noch in der Preview-Phase und lieferte beim Verbinden einer größeren Faktentabelle einen Internal Server Error.
- Das Einbinden der Variable Library als Connection und das Auslesen ihrer Werte kann die Ausführung eines Translytical-Task-Flow-Prozesses stark verlangsamen.
- Der Gantt-Objekttyp benötigt eine passende Datenstruktur mit eindeutigem Event sowie Start- und Enddatum und zeigte auf der genutzten Trial-Kapazität deutliche Ladezeit-Probleme.
- 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.
- Power BI im Web unterstützt jetzt die Themes-Auswahl und den Performance Analyzer und ist damit fast gleichwertig zu Power BI Desktop.
- In Qlik ist ein Streudiagramm bei großen, komplexen Datenmengen schwer zu konfigurieren.
- 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.
- Breite, lange Tabellen sind in Power BI und Power Query aus Performance- und Speicherplatzgründen ungünstig.
- Ab einem gewissen Datenvolumen sollte in Power BI ein Sternschema verwendet werden, um Performance-Probleme zu vermeiden.
- Bei Benchmark-Tests mit künstlich generierten Testdaten wie der Kontoso-Datenbank komprimiert ein Sternschema teils schlechter als erwartet, weil reale Kundenverteilungen von Testdaten abweichen.
- Bei geringer Datenmenge und einfachen Measures zeigte sich in eigenen Tests kein signifikanter Performance-Unterschied zwischen Flat Table und Sternschema.
- Die SQL-Schnittstellen in Fabric sind auf Massendaten ausgelegt und nicht dafür gedacht, einzelne Datensätze zu schreiben.
- Bei DirectQuery-Abfragen über mehrere Fakttabellen hinweg entstehen laut den Sprechern schnell zusätzliche Overhead-Queries für jeden Join, was die Performance deutlich verschlechtert.
- 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.
- Für eine Demo wird empfohlen, ein Modell anzubinden, das bereits Daten enthält, statt live mit einem leeren Modell zu starten.
- 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.
- 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.
- Wird die KQL-Datenbank im Hintergrund nicht genutzt, pausiert sie laut Brian Bønk automatisch, sodass keine Kosten entstehen.
- Die Custom-Engine benötigt laut Brian Bønk keine Datenmodellierung und kein Sternschema, während Power BI für die beste Performance ein Sternschema braucht.
- Bei sehr großen Faktentabellen sollte man versuchen, Joins zur Schlüsselbildung zu vermeiden, auch wenn die Performance im Power-Datenmodell dadurch minimal schlechter wird.
- Wird eine Faktentabelle so groß, dass die Performance leidet, können in Power BI zusätzliche Aggregationstabellen für häufig genutzte Dimensionen gebaut werden.
- 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.
- Bei Direct Lake erfolgt die Aggregation, bevor Daten überhaupt in den Speicher geladen werden, was den Speicherbedarf gegenüber dem Import-Modus deutlich reduzieren kann.
- Die Kombination aus DirectQuery und KQL ueber Kusto im Hintergrund funktioniert gut und macht bei schneller Interaktion mit den Live-Daten Spass.
- Das gebaute Dashboard ist performant und laesst sich schnell aktualisieren, weshalb es sich auch fuer kuenftige Veranstaltungen als Case eignet.
- 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.
- Direct Query gegen ein Produktivsystem kann bei hoher Last reale Performanceprobleme im ERP-System verursachen, wie ein Vorfall in einer Power-BI-Schulung zeigte.
- Mit Fabric als Zwischenschicht wird jede Quelltabelle nur einmal pro Tabelle abgefragt statt einmal pro Bericht, der die Tabelle benötigt.
- Mit Direct Lake wäre das Zurückschreiben asynchron und dadurch deutlich schneller als mit DirectQuery.
- Bei Direct Lake fällt die Aktualisierung des semantischen Modells nach dem Schreiben kaum auf, weil kein spürbarer Refresh-Vorgang nötig ist.
- Nach den Tests der Writeback-Funktion stieg die CU-Auslastung der F2-Kapazität in der Capacity-Metrics-App auf über 100 Prozent.
Dokumente
- Realtalk zu Self Service mit Power BI
- Mythos Data Vault und richtig große Modelle
- Daten-WG Life-Update | Fabric Architekturen
- Power BI Update Oktober 2025
- LogiMAT Arena Atrium 2026 | Expert Forum - Supply Chain Risiko Management
- Data Binning and Lorenz Curve in DAX | Alberto Ferrari & Michael Tenner, Berlin Power BI User Group
- 600 SQL-Tabellen in Fabric
- Digitalisierung seit 20 Jahren — wann sind wir endlich fertig?
- Daten-WG Special: Power BI vs. Qlik -part2
- BI Thinkers Talk nr.67
- Denken in Tabellen
- Daten-WG Deep Dive Financial Reporting - part 5
- Fabric & Power BI Quarterly · 2025 Q4
- Power BI von A bis Z — Einsteiger-Guide (End-to-End)
- BI Thinkers Talk nr.76
- BI Thinkers Talk nr.64
- Projektcontrolling mit dynamischen Arbeitstagen in Power BI
- Fabric & Power BI Quarterly · 2026-1
- Microsoft Fabric — braucht das wirklich jemand?
- Fabric Planning unboxing
- Unboxing MCP Server for Power BI Modelling
- BI Thinkers Talk Nr.62
- Daten-WG Deep Dive Financial Reporting pt.4
- Fabric & Power BI Quarterly · 2025 Q3
- Power BI Update September 2025
- Daten-WG Deep Dive Financial Reporting - part 6
- Daten-WG Deep Dive Financial Reporting - part 7
- Power BI vs. Qlik
- BI Thinkers Talk - Data Modelling - Fabric Data Days Edition
- BI Thinkers Talk nr.71
- Fabric & Power BI Quarterly | 2025 Q2
- Visual Analytics with Power BI
- Microsoft Fabric — Einsteiger-Guide
- Daten-WG Thinkers Talk nr.65
- BI Thinkers Talk nr.68
- Daten-WG Thinkers Talk n61
- BI Thinkers Talk nr.69
- Daten-WG Deep Dive: AI on top of BI
Nachbarthemen
- Sternschema
- Power BI
- Microsoft Fabric
- Reporting
- DAX
- Visualisierung
- Refresh
- KI
- Power Query
- Direct Lake
- Datenmodellierung
- DirectQuery
- SQL
- Sicherheit
- Dataflow
Hinweise
Kernaussagen und Beziehungen sind maschinell erzeugt und nicht redigiert. Heuristische Kanten zählen Erwähnungen, keine Bedeutung. Bei Widersprüchen gilt das Video.