Daten-WG

Gabi und Artur schauen auf die letzten Monate in Fabric: von der allumfassenden KI über bessere Integrationen mit Partnern bis zum Button-Slicer und Sharepoint-Shortcut

00:53 Power BI Updates + Q&A-Feature fliegt raus

02:24 Button-Slicer offiziell + warum das so mächtig ist

03:11 Write-Back / “Eingabe”-Thema (Text-/Input-Slicer Grenzen)

03:46 Power BI im Web fast gleichwertig (Themes + Performance Analyzer)

05:29 PBIR/PBIP & “Code First” – GA-Story + Default-Plan

09:01 VS Code + TMDL + MCP für Power BI (Measures schnell optimieren)

11:48 External Tools & Solution Accelerators (Fabric Toolbox, Partner-Tools)

16:46 Search Protection auf Workspace-Ebene (Kapazität pausen, Mission Critical)

20:50 Security kommt “leise”: RLS/CLS, auch für Mirroring/gespiegelte Objekte

25:03 Mirroring & Integration (SAP/Oracle/Snowflake/Databricks, SharePoint-Shortcuts)

33:30 Ignite / Fabric IQ & Ontologien + Agents (Business Context als Layer)

49:12 Wünsch-dir-was: Translytical, UDFs, CICD/Dataflows parametrisierbar

54:53 Events (SQL-Konferenz, Datagrillen, SQL Bits, Daten-WG)

Und ganz am Ende gibt es noch Wünsche und Spekulationen von Gabi und Artur, was demnächst so kommt oder kommen sollte.

Quellen

Roadmap: https://aka.ms/FabricRoadmap

Fabric Blog: https://blog.fabric.microsoft.com/en-US/blog/

Event-Empfehlungen:

02.-04. März SQL Konferenz https://sqlkonferenz.de/

05.-07. März Power BI Gebruikersgroep https://pbig.nl/

22.25. April SQLBits https://sqlbits.com/

21.-22. Mai Datagrillen https://datagrillen.com/

10.-11. Juli Data Saturday Rheinland https://sessionize.com/data-saturday-rheinland-2026/

14.-16. Oktober Daten-WG 2026: https://www.daten-wg.com/daten-wg-2026

Was sind die wesentlichen Unterschiede der beiden Tools und warum begeistern wir uns überhaupt so für Tool-Vergleiche?

Wie ziehen ein Fazit unserer Live Sessions aus den Bereichen Import, Datenmodell und Front-End.

Zwei Perspektiven, viel Erfahrung, klare Meinungen – und trotzdem fair.

00:00 Wer ist Oliver?

03:36 Aha-Effekte aus der Challenge: gleiche Probleme, andere Wege

07:12 Full-Stack & „BI-Tool als Datenplattform missbrauchen?“

10:48 Datenmodell-Diskussion: assoziativ (Qlik) vs. Filterrichtungen (Power BI)

14:24 Analyse vs Reporting: wo hat welches Tool die Stärke?

18:00 Self-Service vs Guided Self-Service (Sandkasten, Power-User, Excel-Monster)

21:36 Lernkurve & Tool-Wechsel: warum Qlik-User oft nicht loslassen wollen

25:12 Tool-Auswahl: wann Power BI, wann Vergleich, wann lieber nicht wechseln

28:48 BI einführen: Partner suchen + Tools wirklich 1–2 Tage testen

32:21 Outro / Verabschiedung

Die Stream-Serie dazu: https://www.youtube.com/@Daten-WG

Oliver Franz: https://www.linkedin.com/in/oliver-franz-99493517a/

Artur König: https://www.linkedin.com/in/datakoenigartur

was wir sonst so machen: https://www.daten-wg.com/

DATEN-WG 2026 pre sale: https://www.daten-wg.com/daten-wg-2026

Flat Table oder Sternschema – warum prallen hier eigentlich Welten aufeinander?

In dieser Folge sprechen wir über ein Thema, das in fast jedem Analytics-Projekt früher oder später eskaliert: Datenmodellierung.

Ausgehend von einem echten Projekt mit Databricks und Power BI diskutieren wir, warum flache Tabellen für viele „einfacher“ wirken, warum Sternschemata trotzdem ihre Stärken haben und weshalb diese Diskussion oft weniger technisch ist, als sie scheint. Es geht um Prägung durch Excel, unterschiedliche Tech-Stacks, Self-Service-Versprechen, Performance-Mythen, Speicherplatz, Kosten – und darum, warum saubere Modelle vor allem eines bringen: weniger Schmerzen beim Arbeiten mit Daten.

Keine Dogmen, kein „richtig oder falsch“, sondern ehrliche Erfahrungen aus der Praxis.

Und am Ende die Frage: Wann ist Flat Table okay – und wann wird sie zur Sackgasse?

00:27 Ausgangslage: Flat Table aus Databricks

01:01 Konfliktmoment: „Flat Table war doch einfacher“ vs. Sternschema

01:44 Prägung/Tech-Stack: Analysis Services/OLAP vs. alles im DWH vorberechnen

04:19 Praxisargument: Views/Joins, Tool-Kompatibilität, Fachanwender brauchen “breite Tabelle”

06:50 Excel-Prägung & Self-Service: müssen Fachbereiche „kleine Entwickler“ werden?

08:37 Sternschema-Aha: bessere Filterlogik, Granularitäten, weniger Excel-Schmerz

17:12 Realitätscheck: Benchmarks/Testdaten vs. echte Daten + wann Flat Table „reicht“

31:45 Kosten/Limits & Wrap-up: Pro/Premium, On-Prem Limits, Service-Restriktionen + Outro

Jasmin Simader: https://www.linkedin.com/in/jasmin-simader

Artur König: https://www.linkedin.com/in/datakoenigartur

Ulrik Harnisch: https://www.linkedin.com/in/ulrik-harnisch

Marcus Wegener: https://www.linkedin.com/in/marcuswegener/

was wir sonst so machen: https://www.daten-wg.com/

Wir wollten über Datenmodellierung sprechen und landeten dann doch bei Governance. So etwas passiert, wenn Jasmin zu Gast ist.

Datenmodelle sind die Schnittstelle zwischen Business, Struktur und Verantwortung. Es gibt kein perfektes Modell - und genau deshalb ist das Thema näher an der Organisation als erwartet.

00:00 Willkommen zur Daten-WG & Thema des Tages

01:10 Datenmodellierung im Workshop: Erwartungen vs. Realität

03:07 Flat Table oder Sternschema: Was brauchen wir wirklich?

05:02 Es kommt darauf an – der Kontext entscheidet

07:04 Datenmodellierung = Anschnallen im Datenauto?

09:13 Warum zu viele Joins Probleme verursachen

11:16 Datenmodelle, die die Business-Wirklichkeit abbilden

13:00 Ownership & Governance: Wer ist verantwortlich?

15:14 Datenkultur: Wenn einfache Lösungen gefeiert werden

28:53 Fazit: Organisation bestimmt die Technik – nicht umgekehrt

Jasmin Simader: https://www.linkedin.com/in/jasmin-simader

Artur König: https://www.linkedin.com/in/datakoenigartur

Ulrik Harnisch: https://www.linkedin.com/in/ulrik-harnisch

Marcus Wegener: https://www.linkedin.com/in/marcuswegener/

was wir sonst so machen: https://www.daten-wg.com/

Power BI MVP Odetta Jankaitienė reflects on the tool’s journey from solo dashboards to enterprise platform. With host Artur, she dives into UX details, DAX vs. SQL, Fabric’s F2 benefits, version control, and API headaches. A must-listen if you're scaling Power BI beyond the basics.

00:00 Intro & Welcome

02:26 Frontend vs Backend Work in Power BI

05:35 Chart Choices: Pie Charts or Better Alternatives

08:36 Collaboration with Git & Microsoft Fabric

12:22 Why Fabric F2 Matters for Small Teams

24:17 DAX vs. SQL – Ease of Use and Real‑World Scenarios

32:42 Final Thoughts & What’s Missing in Power BI

Odeta Jankaitienė: https://www.linkedin.com/in/odetajankaitiene/

Artur König: https://www.linkedin.com/in/datakoenigartur/

Dragon's Data Blog: https://dragonsdata.com/

Odeta on YouTube: https://www.youtube.com/@dragonsdata

Daten-WG: https://www.daten-wg.com/ [DE]

In this episode, John Vöge explores how to implement data input scenarios (WriteBack) in Power BI—from ditching Excel to leveraging the latest Translytical Task Flows in Microsoft Fabric. He breaks down the pros and cons of Power Apps, third-party visuals, and native Fabric solutions.

If you're working with Power BI and wondering how to go beyond just displaying data—this episode is for you. John Vöge shares deep insights on how to enable user input within Power BI reports. He walks us through the pain points of Excel-based workflows, real-life examples like finance forecasting with 250 users, and the technical trade-offs between Power Apps, third-party visuals like InfoRiver, and the brand-new Translytical Task Flows in Fabric.

You'll learn how to choose the right tool depending on flexibility, cost, data governance, and user expectations. And we go beyond planning: use cases like triggering refreshes, managing row-level security, or embedding chatbots show how this is not just about "Write-Back" anymore—it's about making dashboards interactive. Whether you're building planning tools or interactive workflows in BI, this episode will help you understand what's possible today, what to avoid, and what’s coming soon.

00:00 WriteBack in Power BI – Why users still ask for input features

03:54 Real-world finance use case: 250 users, Excel chaos, and the WriteBack fix

07:30 The 3 main WriteBack options: Power Apps, 3rd-party visuals & Translytical

10:15 InfoRiver & Excel-like experiences – pros, cons, and sovereignty concerns

13:45 Translytical Task Flows explained: native, low-cost, and flexible

17:36 Can we use Translytical in production already? Future outlook

21:01 Beyond planning: Master data, comments & advanced scenarios

32:40 Bonus: Fabric Symposium – community, lessons learned & organizing events

Fabric Symposium:

https://www.fabricsymposium.com/

Recap Blog of 2025:

https://downhill-data.com/2025/01/07/how-i-built-fabric-symposium/

Translytical Task Flow Gallery: https://community.fabric.microsoft.com/t5/Translytical-Task-Flow-Gallery/bd-p/pbi_translyticalgallery

(find the Sudoku there!)

Jon Vöge: https://www.linkedin.com/in/jonvoge/

Artur König: https://www.linkedin.com/in/datakoenigartur/

Daten-WG: https://www.daten-wg.com/ [DE]

Power BI ist bald tot – sagt ein Power BI-Dozent

Das Gespräch mit Stefan Werner war nicht nur sehr lang, sondern hat eine sehr große Spannweite an Themen abgedeckt.

Von der Zukunft von Power BI ging es zur KI und den Auswirkungen auf die Gesellschaft. Mit technischer Begeisterung, aber auch gesunder Skepsis arbeiten sich Stefan und Artur durch verschiedene Themenbereiche.

00:00 Holzwurm und Dozent: Wer ist Stefan Werner?

02:08 Warum Power BI in 10 Jahren überflüssig sein könnte

04:55 Tools verschwinden – aber wofür steht das eigentlich?

07:12 Vom Quiz zur KI-App: Software in Minuten gebaut

10:28 Kann man bald mit Daten „reden“ statt analysieren?

13:40 Was macht eine „gute“ Analyse wirklich aus?

17:05 Prompting reicht nicht – es braucht Kontextverständnis

20:12 Datenqualität vs. Automatisierung: Wo sind die Grenzen?

23:27 Sprachgesteuerte Dashboards – realistisch oder Hype?

26:45 Demokratisierung durch KI: Wer profitiert wirklich?

30:58 Werden Berater durch KI ersetzt? Oder nur transformiert?

35:10 Zwei Klassen von KI-Nutzer:innen: Wer bleibt zurück?

38:27 Weiterbildung muss Pflicht werden – nicht Kür

42:03 Warum Unternehmen sich selbst ausbremsen

45:55 Zeitersparnis durch KI – aber wer nutzt sie wirklich?

49:40 Warum wir Content bald nicht mehr trauen können

53:15 KI erzeugt Inhalte – aber was ist mit Originalität?

56:32 Kontrollverlust durch autonome Agenten

61:00 Braucht KI Regeln – oder Menschen mit Haltung?

66:40 Abschluss: Zwischen Euphorie und Realität

Eine Podcast-Reise in sieben Akten:

Stefan Werner diskutiert, ob Software wie Power BI, Excel oder Word in Zukunft überhaupt noch gebraucht wird, wenn KI Aufgaben direkt übernimmt. Er beschreibt, wie generative KI durch Sprachbefehle ganze Dashboards oder Programme erstellt und damit unsere gewohnten Werkzeuge und Arbeitsweisen radikal verändert. Die Frage: Wird Software durch KI obsolet?

Die Gesprächspartner entwickeln eine neue Vision von Datenarbeit: Man spricht mit seinen Daten, statt Tools zu bedienen. Dabei rückt auch die Frage in den Vordergrund, was eigentlich eine gute Analyse ausmacht – Vertrauen, Kontext und Validierbarkeit sind zentrale Stichworte. Zugleich wird klar: Menschlicher Kontext bleibt (noch) unersetzlich.

KI macht komplexe Analysen für alle zugänglich: Vom kleinen Unternehmen bis zur Gastronomie können nun auch Nicht-Profis mit wenigen Prompts datenbasierte Entscheidungen treffen. Das verändert nicht nur Berufsbilder, sondern auch ganze Branchen – und stellt Berater*innen vor neue Herausforderungen.

Mit zunehmender Automatisierung wachsen die sozialen Spannungen. Stefan skizziert eine Zwei-Klassen-Gesellschaft zwischen denen, die sich KI leisten und verstehen können – und denen, die abgehängt werden. Er fordert öffentlich zugängliche Weiterbildung, niedrigschwellige Formate und neue Bildungsinitiativen.

Der Ruf nach lebenslangem Lernen wird konkret: KI schafft neue Möglichkeiten, aber auch neue Notwendigkeiten, sich kontinuierlich weiterzubilden. Stefan fordert, eingesparte Zeit durch Automatisierung konsequent für Fortbildung zu nutzen – nicht für zusätzliche Meetings oder ineffiziente Aufgaben.

Die zunehmende KI-generierte Informationsflut bedroht freie Inhalte und die Motivation von Content Erstellern. Stefan mahnt: Wenn KI alles aggregiert und wiederverwendet, droht das Internet zur algorithmischen Einbahnstraße zu werden – mit fragwürdiger Qualität und wenig Transparenz.

Der Podcast endet mit einer kritischen Reflexion zu Sicherheitslücken durch unregulierte Automatisierung. Stefan warnt vor blauäugiger Euphorie, Agentensystemen ohne Kontrollinstanz und fehlender Resilienz in digitalen Infrastrukturen. Der Appell: Technik nicht nur feiern – sondern verstehen, gestalten und sichern.

Shownotes:

https://adoption.microsoft.com/de-de/project-sophia/

Die FABCON Europe liegt hinter uns - und damit viele Ankündigungen, aber auch vieles, was nun endlich "GA" ist.

In dieser Folge gehen Gabi und Artur die Themen Workload für Workload durch - von bodenständigen Power BI und Dataflow-Updates über Enterprise-Security-Features bis hin zu Agents und Graphen.

00:00 Intro

02:59 Power BI – Volle Web-Modellierung jetzt GA: Import- und Direct Lake-Modelle lassen sich vollständig im Web bearbeiten.

08:04 Power BI – User Defined Functions (DAX) eingeführt: Wiederverwendbare DAX-Logik mit echten Eingabeparametern.

12:22 Fabric – Translytical UDFs & Writeback mit Freitext: DAX-Writebacks auf SQL-Ziele möglich, inkl. Texteingaben.

17:15 Data Engineering – Materialized Lake Views mit Incremental Refresh: Persistente Spark-Views jetzt GA.

19:29 Data Engineering – Fabric Spark Runtime 2.0 angekündigt: Spark 4.0 und Delta 4.0 angekündigt.

20:54 Data Engineering – Shortcut-Transformationen jetzt möglich: CSV/Parquet direkt zu Delta im Shortcut konvertieren.

24:00 Data Engineering – Mirroring für Oracle, Snowflake, SAP: Zero-ETL-Ansatz mit bidirektionalem Zugriff.

27:23 Data Factory – Dataflows Gen2 stark verbessert: Weniger CU-Verbrauch, schneller, mit neuen Filter- und Zieloptionen.

35:31 Dev & Admin – Fabric CLI jetzt GA & Open Source: Neue Automatisierungsmöglichkeiten für Profis.

53:13 Security – Workspace-Level Outbound Protection jetzt GA: Erstes GA-Feature im Advanced-Security-Komplex.

Und ganz am Ende gibt es noch Wünsche und Spekulationen von Gabi und Artur, was demnächst so kommt oder kommen sollte.QuellenRoadmap:

https://aka.ms/FabricRoadmapFabric Blog:

https://blog.fabric.microsoft.com/en-US/blog/

Besuche uns in Dortmund am 29.10.2025

https://www.diedatenwg.com/offsite

What makes a Power BI community thrive? Meet Ioannis, the new co-lead of the Power BI Usergroup Berlin, as he shares his story — from Athens to Berlin, from Databricks to custom visuals. Passion, purpose, and practical insights for every engaged data pro.

The discussion covers more than just event organization—it’s a deep dive into custom Power BI visuals, the challenges of building user-centric solutions, and the evolving role of AI in business intelligence. Ioannis opens up about his journey from first-time speaker at New Stars of Data to international conferences, offering practical insights for anyone looking to grow in the data community.

Whether you're an aspiring speaker, a visual tinkerer, or just someone passionate about Power BI, this episode will leave you inspired to contribute and connect.

00:00 Passing the Torch: New Leadership for Berlin Power BI0

2:10 From Athens to Berlin: Building Communities Across Borders

03:45 Hybrid Events and Live Streaming: Growing the Reach

04:55 Upcoming Talk: Databricks + Power BI

07:00 Volunteering, Passion & the Power of Community

08:10 Ioannis’ First Steps: New Stars of Data and Mentorship

12:00 Custom Visuals in Power BI: Why and How to Get Started

20:30 The Future of Visuals: Copilot, Interactivity & Real User Needs

The Usergroup: https://www.meetup.com/de-DE/berlin-power-bi-user-group/

Ioannis: https://www.linkedin.com/in/ioannisphilippides/

Artur: https://www.linkedin.com/in/datakoenigartur/

Data Moshpit: https://data-moshpit.de/

Get started with custom visuals: https://www.microsoft.com/en-us/power-platform/products/power-bi/developers/custom-visualization

Lonneke Opsteegh shares how her background in medical science and psychology shapes her unique, human-centered approach to data visualization and BI. Her message: Clear, standardized dashboards beat flashy design – if you want people to truly understand data.00:36 From Brains to BI: Lonneke’s Unexpected Journey into Data02:21 Quit Your Job for BI? Here’s How Lonneke Did It Overnight04:11 Science vs. Business: Where Is Data Actually More Personal?06:48 Why Pie Charts Fail: The Science Behind Better Visuals09:12 Can Dashboards Adapt to Personality Types?17:36 “Boring” Dashboards Are Better – Here’s Why23:28 Data Is Never Neutral: Why Dashboards Are Always Biased29:09 Real Creativity in BI Isn’t What You Think

What happens when a medical scientist with a PhD in rehabilitation turns to data visualization and BI? You get dashboards that not only look clean – but make sense, fast.

In this conversation, Lonneke Opsteegh explains why she pivoted from academia to freelance BI consulting and how her diverse background in neuroscience, psychology and human movement science shapes her work. She argues strongly for standardization, consistency, and cognitive simplicity in dashboard design. Her view: Dashboards shouldn't impress with visuals – but with insights.

She challenges the myth of objectivity in data: “Every chart is a message.” And she shows how creativity isn’t about wild visuals, but about finding smart, functional ways to help different users – with different personalities – understand the same data.

From visual ethics to cognitive design and user-centric BI, this episode is packed with insight and strong opinions from a rare mix of science and practice.

If you design dashboards, analyze data, or want to communicate insights more clearly, this episode will inspire you to rethink what "good" BI looks like.

Artur König: https://www.linkedin.com/in/datakoenigartur/

Lonneke Opsteegh: https://www.linkedin.com/in/lonneke-opsteegh-statstories/