Technologie: Power BI + DAX-Grundlagen

Das Wichtigste in Kürze

  • Power BI verarbeitet Daten in drei Schritten: Power Query für Import und Bereinigung, dann Datenmodell und DAX für Analysen.
  • Power Query ist der ETL-Schritt: verbinden, transformieren, laden.
  • Im Datenmodell sind Beziehungen aktiv oder inaktiv; empfohlen wird das Stern-Schema aus Faktentabelle und Dimensionstabellen.
  • Eine Calculated Column wird pro Zeile berechnet, ein Measure dynamisch bei der Visualisierung.
  • CALCULATE ändert den Filterkontext, SUM aggregiert eine Spalte und RELATED holt einen Wert aus einer verknüpften Tabelle.
  • Time Intelligence wie TOTALYTD oder SAMEPERIODLASTYEAR braucht eine eigene, lückenlose Datumstabelle.
  • CALENDAR() benötigt Start- und Enddatum, CALENDARAUTO() leitet den Bereich aus dem Modell ab.

Grundsatz: Power BI verarbeitet Daten in drei Schritten: Power Query (Import + Bereinigung) → Datenmodell (Tabellen und Beziehungen) → DAX (Analysen + Kennzahlen).

Phase 1 — Power Query (M-Sprache)

Power Query ist der ETL-Schritt vor dem Datenmodell: Daten werden importiert, bereinigt und in die gewünschte Form gebracht.

SchrittTypische Aktionen
Verbinden (Extract)Excel, CSV, SQL-Datenbank, Web-API anbinden
Transformieren (Transform)Spalten umbenennen/löschen, Datentypen setzen, Nullwerte bereinigen, Tabellen zusammenführen (Merge/Append)
Laden (Load)Bereinigte Tabelle ins Datenmodell laden

Die M-Sprache arbeitet im Hintergrund; in der Praxis benutzt man die grafische Oberfläche des Power Query-Editors. Beispiel: Table.TransformColumnTypes(Quelle, {{"Datum", type date}, {"Betrag", Currency.Type}}).

Phase 2 — Datenmodell und Beziehungen

Im Datenmodell werden Tabellen über Beziehungen verknüpft (analog Fremdschlüssel in SQL). Beim Laden mehrerer Tabellen versucht Power BI Desktop, Beziehungen anhand der Spaltennamen selbst zu erkennen; Kardinalität, Kreuzfilterrichtung und der Status «aktiv» sind einstellbar.

EinstellungBedeutung
Aktive BeziehungWird automatisch für Filter genutzt; pro Tabellenpaar nur eine aktive
Inaktive BeziehungWird nur explizit per USERELATIONSHIP() aktiviert — nützlich bei Rollenspiel-Dimensionen (z. B. zwei Datumsrollen: Buchungsdatum / Valutadatum)
Kreuzfilter-Richtung«Einfach»: Dimension filtert Fakten; «Beidseitig»: gegenseitig (mit Vorsicht einsetzen)

Empfehlung: Stern-Schema (zentrale Faktentabelle + Dimensionstabellen) anstatt flache Tabellen mit allen Spalten. Beziehungen setzt man im Datenmodell, statt Tabellen von Hand zu verbinden oder Spalten zu kopieren.

Phase 3 — DAX (Data Analysis Expressions)

DAX steht für Data Analysis Expressions. Es ist die Formelsprache in Power BI und Excel Power Pivot — spalten- und tabellenbasiert (kein Zellbezug wie in Excel). Formeln bestehen aus Funktionen, Operatoren und Werten; verwendet werden sie in Measures, berechneten Spalten, berechneten Tabellen und Zeilensicherheit (RLS).

DAX-Kategorien

KategorieBeispiele
AggregationSUM, AVERAGE, COUNT, MIN, MAX
FilterCALCULATE, FILTER, ALL, ALLEXCEPT
LogikIF, SWITCH, IFERROR
DatumYEAR, MONTH, TOTALYTD, SAMEPERIODLASTYEAR
BeziehungRELATED, LOOKUPVALUE, USERELATIONSHIP
IteratorSUMX, AVERAGEX, MAXX (Zeile für Zeile auswerten)

Wichtige Funktionen im Einzelnen

  • SUM(<Spalte>) addiert alle Zahlen einer Spalte (einfache Aggregation).
  • CALCULATE(<Ausdruck>; <Filter1>; …) wertet einen Ausdruck in einem geänderten Filterkontext aus. Die Filter sind boolesche Ausdrücke, Tabellenausdrücke oder Filtermodifikatoren wie ALL oder REMOVEFILTERS.
  • RELATED(<Spalte>) holt über eine bestehende Beziehung (viele-zu-eins) einen Wert aus einer verknüpften Tabelle. Dafür braucht es einen Zeilenkontext, also zum Beispiel eine berechnete Spalte; ohne Beziehung muss zuerst eine angelegt werden.
  • IF(<Test>; <Wert_wenn_wahr>; [<Wert_wenn_falsch>]) und SWITCH(<Ausdruck>; <Wert>; <Ergebnis>; …; [<Sonst>]) gehören zur Logik; SWITCH vermeidet mehrere verschachtelte IF.
  • SUMX(<Tabelle>; <Ausdruck>) ist ein Iterator: Er wertet den Ausdruck für jede Zeile der Tabelle aus und summiert die Ergebnisse.

Calculated Column vs. Measure

  • Calculated Column: Pro Zeile berechnet, im Modell gespeichert — gut für zeilenbasierte Merkmale.
  • Measure: Wird dynamisch bei der Visualisierung berechnet, reagiert auf Filter — besser für KPIs und Aggregationen.

Time Intelligence — Voraussetzung Datumstabelle

Für Zeitvergleiche (YTD, Vorjahr) braucht Power BI eine eigene Datumstabelle mit lückenlosem Datumsbereich. Vor dem Einsatz der klassischen Time-Intelligence-Funktionen markiert man eine Tabelle mit Datumsspalte als Datumstabelle. Die Funktion CALENDAR erzeugt die Tabelle:

Datum = CALENDARAUTO()   -- automatisch aus Modell-Daten abgeleitet (einfachste Variante)
-- oder manuell mit expliziten Start-/Enddaten:
Datum = CALENDAR(DATE(2020,1,1), DATE(2030,12,31))

Wichtig: CALENDAR() benötigt zwei Argumente (Startdatum, Enddatum) und liefert eine Tabelle mit einer Spalte «Date» mit lückenlosen Tagen von Start bis Ende; ist das Startdatum nach dem Enddatum, entsteht ein Fehler. CALENDARAUTO() leitet den Bereich selbst aus den Daten des Modells ab, bezogen auf volle Geschäftsjahre — einfacher für Einsteiger.

Time Intelligence — Beispiel-Measures

Umsatz YTD       = TOTALYTD(SUM(Verkauf[Betrag]), Datum[Datum])
Umsatz Vorjahr   = CALCULATE(SUM(Verkauf[Betrag]), SAMEPERIODLASTYEAR(Datum[Datum]))
Umsatzwachstum % = DIVIDE([Umsatz YTD] - [Umsatz Vorjahr], [Umsatz Vorjahr])

TOTALYTD liefert den Jahresverlauf bis zum aktuellen Datum (Standard-Jahresende ist der 31. Dezember), SAMEPERIODLASTYEAR verschiebt die Daten des aktuellen Kontexts um ein Jahr zurück.

Beispiel — Sales-Dashboard

Datenfluss: Excel-Dateien → Power Query (bereinigen, Typen setzen) → Datenmodell (Stern-Schema: Verkauf + Datum, Produkt, Kunde, Region) → DAX-Measures → Visualisierungen.

Visualisierungen: Karten (KPIs), Liniendiagramm (Zeitverlauf), Karte Schweiz (Umsatz pro Kanton), Balkendiagramm (Top-10-Kunden).

Häufige Fehler

  • Kein Power Query-Schritt: Rohdaten direkt ins Modell laden ohne Bereinigung → Datenqualitätsprobleme.
  • Direkte Excel-Joins statt Beziehungen: Im Datenmodell Beziehungen setzen, nicht Spalten kopieren.
  • Iterator wenn Aggregation reicht: SUMX nur verwenden, wenn eine zeilenweise Berechnung nötig ist; eine einfache Aggregation wie SUM genügt sonst.
  • Time Intelligence ohne Datumstabelle: TOTALYTD/SAMEPERIODLASTYEAR brauchen eine Datumstabelle mit lückenlosem Datumsbereich.
  • CALENDAR() ohne Argumente: Muss Start- und Enddatum erhalten; CALENDARAUTO() für automatische Ableitung nutzen.

Verwandte Themen

Kurz-Check

Weisst du es noch? Drei Fragen zu dem, was du gerade gelesen hast.