DatenWG Library · tool
Python
Ein selbstgeschriebenes Python-Skript exportiert SQL-Server-Tabellen als Delta-Parquet-Dateien direkt in den OneLake-Speicher, wo sie sofort als Tabelle über den SQL-Endpunkt verfügbar sind. (Stand 2025-07) Beim Push von Daten per Python-Skript in den OneLake werden im Gegensatz zum Zugriff über ein Data Gateway keine Fabric-CUs für das Abholen der Daten belastet. (Stand 2025-07) Die Authentifizierung des Python-Skripts gegenüber OneLake erfolgt über ein Service Principal mit Client ID und Client Secret in einer Konfigurationsdatei. (Stand 2025-07)
Kernaussagen
- In Power BI Desktop können wegen fehlender Python-Installation aus Sicherheitsgründen keine Python-basierten Visuals wie Matplotlib, Plotly oder Seaborn genutzt werden.
- Stefan ließ Claude Diagrammtypen aus Python-Bibliotheken wie Matplotlib, Plotly und Seaborn als Vega-Lite-Spezifikationen für Deneb nachbauen und dazu einen Testdatensatz mit 1000 Datensätzen generieren.
- Der Power BI Fixer basiert auf einem Fork und übernimmt Komponenten wie Best Practice Analyser, Memory Analyser und Perspective Editor von Michael Kowalskis Semantic-Link-Labs-Arbeit.
- Über Microsoft Fabric lassen sich mit Python externe Quellen wie Newsfeeds und Börsendaten kostengünstig anbinden, um Krisenherde frühzeitig zu erkennen.
- Alex hält modulare, skriptbasierte Fix-Tools für KI-Agenten für besser nutzbar als ein reines MCP-Chatfenster, weil einzelne Fixes gezielt und ressourcenschonend aufgerufen werden können.
- 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 Herausziehen von Power-BI-Daten zur Kombination mit anderen Quellen für z. B. eine Python-Visualisierung funktioniert über den MCP Server aktuell noch holprig, gilt aber als zukunftsträchtiger Ansatz.
- Für sich wiederholende Aufgaben wie Suchen-und-Ersetzen über ein ganzes Projekt sollte die KI besser ein wiederverwendbares Skript, etwa in Python, generieren, statt jede Datei einzeln direkt durch die KI anpassen zu lassen, um Copilot-Credits zu sparen.
- Ein selbstgeschriebenes Python-Skript exportiert SQL-Server-Tabellen als Delta-Parquet-Dateien direkt in den OneLake-Speicher, wo sie sofort als Tabelle über den SQL-Endpunkt verfügbar sind.
- Beim Push von Daten per Python-Skript in den OneLake werden im Gegensatz zum Zugriff über ein Data Gateway keine Fabric-CUs für das Abholen der Daten belastet.
- Die Authentifizierung des Python-Skripts gegenüber OneLake erfolgt über ein Service Principal mit Client ID und Client Secret in einer Konfigurationsdatei.
- 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.
- Power BI und einfach nutzbare Datenplattformen ermöglichten Tom Martens, nach rund zehn Jahren ohne Programmierung über Fabric und Python wieder ins Programmieren einzusteigen.
Dokumente
- BI Thinkers Talk nr.77
- Starting with Microsft Fabric the Skills you need
- Realtalk zu Self Service mit Power BI
- Daten-WG Deep Dive Financial Reporting - part 5
- Daten-WG Deep Dive Financial Reporting pt.4
- Daten-WG Thinkers Talk nr.65
- Mensch bleiben, wenn Power BI geht
- BI Thinkers Talk n.74
- Power BI vs. Qlik
- Report-Design als Framework — ein Skill für Power BI
- Daten-WG Life-Update | Fabric Architekturen
- BI Thinkers Talk Nr.62
- Daten-WG Deep Dive Financial Reporting - part 7
- Daten-WG Deep Dive Financial Reporting
- Why Passion Beats Niche
- BI Thinkers Talk nr.75
- Power BI Update Mai 2025
- Daten-WG Deep Dive: AI on top of BI
- Microsoft Fabric — braucht das wirklich jemand?
- Fabric & Power BI Quarterly | 2025 Q2
- Was ist Self-Service und warum ist das so schwer?
- Fabric & Power BI Quarterly · 2025 Q3
- Fabric Workload Demo mit Alexander Korn und Lukasz Obst
- Push statt Pull: So bringst du On-Prem-Daten mit SSIS nach Microsoft Fabric | Fabric Tutorial
- 10 Jahre Power BI
- BI Thinkers Talk n.72
- The Power of User Groups
- Daten-WG 2026 Lineup
- BI Thinkers Talk nr.67
- BI Thinkers Talk nr.76
- LogiMAT Arena Atrium 2026 | Expert Forum - Supply Chain Risiko Management
- Daten-WG Life-Update | State of Power BI, Fabric & AI-Tools
- Unboxing MCP Server for Power BI Modelling
- Fabric & Power BI Quarterly · 2025 Q4
- Microsoft Fabric — Einsteiger-Guide
- BI Thinkers Talk nr.69
- BI Thinkers Talk nr.71
Nachbarthemen
- Microsoft Fabric
- KI
- Power BI
- Notebook
- SQL
- Visualisierung
- Dataflow
- Power Query
- Reporting
- Warehouse
- Performance
- Copilot
- Excel
- Lakehouse
- Spark
Hinweise
Kernaussagen und Beziehungen sind maschinell erzeugt und nicht redigiert. Heuristische Kanten zählen Erwähnungen, keine Bedeutung. Bei Widersprüchen gilt das Video.