DatenWG Library · tool
Power Query
Qlik bietet eine eingebaute Funktion, um automatisch eine eindeutige laufende Nummer je unterschiedlicher Feldauspraegung zu erzeugen, ohne dafuer manuell eine separate Join-Tabelle aufbauen zu muessen. (Stand 2025-10) Über den XML-Endpoint lässt sich in TMDL kein Power Query laden, weshalb ein in Power Query gebauter Arbeitstage-Offset wie der von Lars Schreiber nicht einfach eins zu eins in TMDL nachgebaut werden kann. (Stand 2025-04) Viele Fachanwender kennen Power Query nicht und bleiben deshalb bei breiten Tabellen, obwohl Power Query die Ein-Millionen-Zeilen-Grenze von Power Pivot umgeht. (Stand 2026-01)
Aliase
M-Code Power Query M Query Editor Abfrage-Editor
Kernaussagen
- 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.
- 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.
- Breite, lange Tabellen sind in Power BI und Power Query aus Performance- und Speicherplatzgründen ungünstig.
- Viele Fachanwender kennen Power Query nicht und bleiben deshalb bei breiten Tabellen, obwohl Power Query die Ein-Millionen-Zeilen-Grenze von Power Pivot umgeht.
- Der MCP Modeling Server für Power BI kann momentan alles bearbeiten, was über TMDL abgebildet ist, also Power Query, Datenmodell, Beziehungen und DAX-Measures.
- Der MCP Modeling Server kann Daten momentan nicht automatisch aus einem CSV-Repository per Link anbinden, das Laden muss manuell über den Power-Query-Webconnector erfolgen.
- Die Schaltfläche "Zeilen behalten" im Power Query Editor bietet fünf Optionen: erste Zeilen behalten, letzte Zeilen behalten, einen Bereich von Zeilen behalten, Duplikate behalten und Fehler behalten.
- Die häufigste Fehlerquelle in Datenmodellen liegt beim Verjoinen mehrerer Tabellen in Power Query, etwa durch verdoppelte oder inkonsistente Datensätze.
- Transformationsschritte sollen möglichst weit Richtung Quelle beziehungsweise in die dazwischenliegende Datenplattform verlagert werden, damit das Power-BI-Modell die Daten bereits aufbereitet erhält.
- Qlik bietet eine explorative Suche direkt im Aufbereitungs-Editor, die im Vergleich mit Power Query in Power BI als bisher nicht gefundenes Feature positiv auffiel.
- Qlik bietet eine eingebaute Funktion, um automatisch eine eindeutige laufende Nummer je unterschiedlicher Feldauspraegung zu erzeugen, ohne dafuer manuell eine separate Join-Tabelle aufbauen zu muessen.
- Bei der Migration eines Importmodells zu Direct Lake wurde eine bisher per Power-Query-Abfrage angelegte Measure-Tabelle durch eine Calculated Table mit einer leeren Hilfsspalte ersetzt.
- Ein Kalender lässt sich per Power Query aufbauen und zusätzlich über TMDL mit Formaten, Sortierungen und Hierarchien anreichern.
- Datumsangaben im ISO-Format mit Bindestrichen sind bei der Interpretation in Power Query in der Regel unkritisch.
- Bei mehrdeutigen Datumsformaten wird empfohlen, im Power-Query-Transformationsschritt explizit die Culture (z.B. en-US) anzugeben, damit das Ergebnis nicht von der Spracheinstellung abhängt.
- Die Culture-Einstellung in Power Query gilt für den gesamten Transformationsschritt und nicht pro Spalte, weshalb gemischte Formate zwei getrennte Schritte erfordern.
- Power Query enthält seit Jahren einfache, auf Cognitive Services basierende KI-Funktionen wie Sentimentanalyse unter dem Namen KI Insights.
- Für deutschsprachige Power-BI-Modelle wird häufig die Datumstabelle von Lars Schreiber als Power-Query-Vorlage verwendet.
- 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.
- 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.
- 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.
- Ob ein Event als "closed" gilt, sollte als zeilenbezogene, unveränderliche Logik in Power Query berechnet werden statt an anderer Stelle im Bericht.
- Auch mit den neuen TMDL-Kalendermöglichkeiten wird es weiterhin als einfacher angesehen, einen Feiertag schnell in Power Query zu ergänzen statt in DAX.
- Feiertagslogik sollte nicht Teil des TMDL-/Kalenderthemas sein, sondern eher als eine Art Offset separat behandelt werden.
- Die Berechnung des x-ten Arbeitstags nach einem Datum wird für Power Query statt für aufwendige DAX-Window-Functions empfohlen, weil komplexe DAX-Lösungen für andere schwer nachvollziehbar und zu debuggen sind.
- Über den XML-Endpoint lässt sich in TMDL kein Power Query laden, weshalb ein in Power Query gebauter Arbeitstage-Offset wie der von Lars Schreiber nicht einfach eins zu eins in TMDL nachgebaut werden kann.
- Vordefinierte Hilfsdaten wie eine Feiertagstabelle gehören ins Backend, also nach Power Query oder woanders, statt nur deshalb in TMDL eingefügt zu werden, weil sich das dort einfach per Copy-Paste einfügen lässt.
- Ein zentrales, datenhaltendes Objekt wie ein Lakehouse macht Power-BI-Modelle laut Artur deutlich stabiler und beschleunigt Aktualisierungen von zwei Stunden auf zwei Minuten.
- Eine Datei über den direkten Cloud-Link statt über die lokal synchronisierte SharePoint-Kopie einzubinden gilt laut Martin als schlecht gelöst und ist eine häufige Fehlerquelle.
- Tom Martens investiert bewusst begrenzte Lernzeit in DAX, Power Query, Python und Fabric-Notebooks, weil ihm das langfristig mehr Zeit und bessere Analysen ermöglicht.
- Copilot kann Fachanwendern helfen, bestehende Power-Query-Dataflows automatisiert in schnelleren Code zu übersetzen.
Dokumente
- Power BI Update Juni 2025
- Power BI Update August 2025
- Projektcontrolling mit dynamischen Arbeitstagen in Power BI
- Daten-WG Special: Power BI vs. Qlik
- Power BI von A bis Z — Einsteiger-Guide (End-to-End)
- Daten-WG Thinkers Talk n61
- Starting with Microsft Fabric the Skills you need
- Denken in Tabellen
- Microsoft Fabric — braucht das wirklich jemand?
- Power BI Update Oktober 2025
- Daten-WG Deep Dive Financial Reporting
- BI Thinkers Talk nr.71
- Power BI Update Mai 2026
- Power BI vs. Qlik
- Power BI Update September 2025
- Daten-WG Deep Dive Financial Reporting - part 7
- Unboxing MCP Server for Power BI Modelling
- Daten-WG Deep Dive Financial Reporting - part 5
- Daten-WG Deep Dive Financial Reporting - part 6
- Visual Analytics with Power BI
- BI Thinkers Talk nr.67
- BI Thinkers Talk - Data Modelling - Fabric Data Days Edition
- Dein erstes Dashboard — Power-BI-Praxis-Pfad
- Daten-WG Life-Update | State of Power BI, Fabric & AI-Tools
- Daten-WG Deep Dive Financial Reporting pt.4
- Fabric & Power BI Quarterly · 2025 Q3
- 10 Jahre Power BI
- BI Thinkers Talk nr.68
- Fabric & Power BI Quarterly · 2025 Q4
- Daten-WG Special: Power BI vs. Qlik -part2
- BI Thinkers Talk nr.69
- Daten-WG Thinkers Talk nr.65
- BI Thinkers Talk - Data Modeling - Fabric Data Days Edition [EN]
- BI Thinkers Talk n.74
- 10 Jahre BI für alle? Was Power BI wirklich verändert hat
- Datenmodellierung ist Governance
- Daten-WG Life-Update | Fabric Architekturen
- Microsoft Fabric — Einsteiger-Guide
- Fabric & Power BI Quarterly | 2025 Q2
- Was ist Self-Service und warum ist das so schwer?
- Daten-WG Special: Power BI vs. Qlik -part3
- BI Thinkers Talk nr.75
- Mensch bleiben, wenn Power BI geht
- BI Thinkers Talk Nr.62
- Fabric Planning unboxing
Nachbarthemen
- TMDL
- DAX
- Excel
- Power BI
- TMDL
- Qlik
- Performance
- Dataflow
- Sternschema
- Datenmodellierung
- Refresh
- Microsoft Fabric
- Power BI Desktop
- Reporting
- SQL
Hinweise
Kernaussagen und Beziehungen sind maschinell erzeugt und nicht redigiert. Heuristische Kanten zählen Erwähnungen, keine Bedeutung. Bei Widersprüchen gilt das Video.