'Power BI Dataflow und Microsoft Fabric: Der Weg zu Ihrem Unternehmens-Data-Warehouse'

Wenn in Power BI jeder Bericht sein eigenes ETL macht, entsteht schnell ein Chaos: Dieselben Daten werden von verschiedenen Berichten unterschiedlich gezogen, und einen Tag später beginnt die Debatte „welche Zahl ist richtig“. Der Dataflow ist eine zentrale Datenvorbereitungsschicht, die dieses Chaos beendet. Mit dem Ende 2024 eingeführten Microsoft Fabric ist Power BI zu einer Plattform geworden, die auf das Niveau eines Unternehmens-Data-Warehouse aufsteigen kann. In diesem Beitrag behandeln wir die Rolle des Dataflows, die Fabric-Komponenten und wie diese mit der Medallion-Architektur zusammenkommen.

01. Was ist ein Dataflow? Warum sollte man ihn nutzen?

Der Dataflow ist eine wiederverwendbare ETL-Schicht, die innerhalb des Power BI Service lebt. Er zieht und bereinigt die Daten einmal; danach nutzen mehrere Berichte diese bereinigten Daten.

Die Vorteile:

• Dieselbe ETL-Logik an einer einzigen Stelle (DRY-Prinzip)
• Die Aktualisierungszeit pro Bericht sinkt
• Ermöglicht die Trennung der Rollen von ETL-Entwickler und Berichtsdesigner
• Wird im CDM-Format (Common Data Model) gespeichert, konform mit dem Cloud-Standard

02. Die Verwechslung von Dataflow vs. Dataset

Diese beiden Begriffe werden oft verwechselt:

• Dataflow: zieht Daten aus Quellen, bereinigt sie und leitet sie in einen „See“ (Azure Data Lake oder Fabric OneLake)
• Dataset (neu: Semantic Model): DAX-Kennzahlen, Beziehungen und berichtsfertige Tabellen

Die Reihenfolge: Quelle → Dataflow (Bronze/Silver) → Dataset (Gold) → Bericht. Diese Trennung ist die Grundlage der unternehmensweiten Power-BI-Architektur.

03. Microsoft Fabric: Das erweiterte Ökosystem von Power BI

Das 2024 allgemein verfügbar gewordene Microsoft Fabric vereint auf einer einzigen SaaS-Plattform:

• Data Factory (ETL, Power-Query-Pipelines)
• Synapse Data Engineering (Spark-basierte Verarbeitung)
• Data Warehouse (SQL-Data-Warehouse)
• Real-Time Analytics (Streaming-Daten)
• Data Science (ML-Modelle)
• Power BI (Reporting)

Alle laufen auf demselben gemeinsamen Speicher namens „OneLake“. Es ist die unter einem Dach vereinte Form der klassischen, getrennten Aufsetzung von Azure Synapse + Data Factory + Power BI.

04. Medallion-Architektur: Bronze, Silver, Gold

Die in Fabric empfohlene Architektur sind die Medallion-Schichten:

• Bronze: Rohdaten, eine 1:1-Kopie des Quellsystems (die ursprüngliche Form der Rechnungstabelle)
• Silver: bereinigte, mit Geschäftsregeln angereicherte Daten (Rechnung + Kundeninformationen abgeglichen)
• Gold: ein analysefertiges dimensionales Modell (Verkaufs-Fakt + Kunden-Dim + Datums-Dim)

Die Berichtsschicht speist sich aus Gold. Solange sich Gold nicht ändert, bricht der Bericht nicht. Änderungen in Bronze fließen zuerst nach Silver, von dort nach Gold. Diese Isolation ist der Goldstandard für die unternehmensweite Datengesundheit.

05. Wann Fabric, wann klassisches Power BI?

Bei kleinem Maßstab, wenigen Datenquellen und Szenarien mittlerer Komplexität genügt klassisches Power BI Pro (Dataflow + Dataset).

Die Signale für einen Wechsel zu Fabric:

• 500 GB+ Unternehmensdatenvolumen
• 10+ verschiedene Quellsysteme
• Bedarf an Real-Time-Analytics (IoT, E-Commerce live)
• Data-Science- und ML-Integration
• Anforderungen an unternehmensweite Data Governance

Das Kostenmodell von Fabric ist kapazitätsbasiert (Capacity Unit / CU); bei kleinem Maßstab kann es unnötige Kosten verursachen, bei großem Maßstab erhebliche Einsparungen bringen.

06. DirectLake: Das bahnbrechende Feature von Fabric

Das innovativste Feature von Fabric ist der DirectLake-Modus. Im klassischen Power BI gab es zwei Modi:

• Import (schnell, aber Daten werden kopiert und aktualisiert)
• DirectQuery (live, aber langsam)

DirectLake bietet einen dritten Weg: Die Daten werden in OneLake im Delta-Parquet-Format gespeichert, Power BI fragt sie so schnell ab, als hätte es sie importiert, kopiert sie aber in Wirklichkeit nicht.

Ergebnis: Import-Performance über Milliarden Zeilen, DirectQuery-Flexibilität, keinerlei Aktualisierungslast. Eine grundlegende Veränderung für die Unternehmensdatenstrategie.

07. Migrationspfad und Praxishinweise

Der Umstieg vom klassischen Power BI zu Fabric sollte in Phasen geplant werden:

• Phase 1: Bestehende Dataflows nach Dataflow Gen2 in Fabric übertragen
• Phase 2: Bronze-/Silver-Schichten in ein Lakehouse oder Warehouse übertragen
• Phase 3: Semantic Models in den DirectLake-Modus überführen
• Phase 4: Real-Time- und Data-Science-Komponenten ergänzen

Jede Phase sollte mit Produktionsergebnissen getestet werden; der Kostencharakter von Fabric unterscheidet sich vom klassischen Power BI und muss gut überwacht werden. Die Fabric Capacity Metrics App ist ein kostenloses Werkzeug, das die Nutzung anzeigt, und ist bei der Inbetriebnahme ein unverzichtbares Überwachungswerkzeug.