Der entscheidende Gedanke hinter Power BI ist die Trennung von Datenaufbereitung und Darstellung. In einer klassischen Excel-Welt vermischen sich Rohdaten, Formeln und Diagramme in einer einzigen Datei, die mit jedem Monat schwerer, fehleranfälliger und schwerer nachvollziehbar wird. Power BI zwingt zu einer sauberen Reihenfolge: Erst werden Daten angebunden und transformiert, dann in einem Datenmodell mit Beziehungen und Kennzahlen organisiert, und erst zuletzt visualisiert. Diese Struktur ist der eigentliche Wertbeitrag – die schönen Diagramme sind nur die Oberfläche.
Power BI ist 2015 aus Add-ins für Excel und dem damaligen SharePoint-Umfeld als eigenständiges Produkt hervorgegangen und seither kontinuierlich erweitert worden: erst um den kostenlosen Windows-Client Power BI Desktop, dann um den cloudbasierten Power BI Service für Veröffentlichung und Zusammenarbeit, später um die Einbettung in Microsoft Fabric als übergreifende Datenplattform und zuletzt um Copilot, der Berichte in natürlicher Sprache beschreibbar und Daten erklärbar macht. Heute deckt die Plattform ein Spektrum ab, das vom einfachen Abteilungs-Dashboard bis zum unternehmensweiten, zertifizierten Datenmodell reicht.
Power BI steht selten allein. Es ist die Visualisierungs- und Analyse-Ebene über den Daten eines Unternehmens: Es zieht aus ERP-Systemen, Datenbanken, Excel-Dateien, Cloud-Diensten und – im Microsoft-Umfeld – aus Dataverse und dem Data Warehouse von Microsoft Fabric. Was Power Automate für Prozesse und Power Apps für Oberflächen sind, ist Power BI für Zahlen: der Baustein der Power Platform, der Daten sichtbar und begreifbar macht. Ein in Power Apps erfasster Vorgang, ein von Power Automate ausgelöster Ablauf, eine im ERP gebuchte Rechnung – am Ende laufen die Kennzahlen in einem Power-BI-Bericht zusammen.
Diese Rolle erklärt, warum Power BI für Microsoft-Häuser meist die wirtschaftlich naheliegende Wahl ist: Man kauft kein isoliertes BI-Werkzeug, sondern erweitert eine Plattform, die ohnehin vorhanden ist, und nutzt Identitäten, Berechtigungen und Datenquellen, die bereits eingerichtet sind. Wer hingegen keinen Microsoft-Stack betreibt, kauft sich mit Power BI ein Stück Microsoft-Gravitation ein, das nicht zu jedem Haus passt.
Die Power Platform ist Microsofts Low-Code-Familie aus vier Diensten: Power Apps baut Oberflächen und Anwendungen, Power Automate automatisiert Abläufe, Power Pages liefert externe Portale, und Power BI übernimmt Analyse und Visualisierung. Alle vier teilen sich mit Dataverse eine gemeinsame Datenbasis und eine Connector-Bibliothek. Power BI ist innerhalb dieser Familie der Baustein, der nach vorne blickt: Während die anderen Dienste Daten erzeugen und bewegen, macht Power BI aus dem entstehenden Datenbestand Erkenntnisse. In vielen Projekten ist Power BI daher der Baustein, mit dem der Wert der übrigen Power Platform überhaupt erst sichtbar wird.
Power BI ist tief mit Microsoft 365 verbunden, auch wenn es nicht Teil jedes M365-Plans ist. Die Anmeldung läuft über Microsoft Entra ID, dieselbe Identität, mit der sich Mitarbeitende auch bei Outlook oder Teams anmelden. Berichte lassen sich direkt in Teams-Kanäle einbetten, in SharePoint-Seiten integrieren und mit Excel verbinden – ein Modell in Power BI kann als Datenquelle für eine Excel-Pivot-Tabelle dienen, sodass Fachbereiche in ihrer gewohnten Umgebung bleiben und trotzdem auf denselben zentralen Daten arbeiten. Diese Nähe zum Arbeitsalltag ist ein wesentlicher Grund, warum Power BI sich in M365-Häusern schneller durchsetzt als externe BI-Werkzeuge.
Mit Microsoft Fabric hat Microsoft Power BI in eine umfassendere Datenplattform eingebettet. Fabric bündelt Datenintegration, Data Warehouse, Data Lake, Datenaufbereitung und eben Power BI unter einem Dach und einem Kapazitätsmodell. Für den Mittelstand bedeutet das qualitativ dreierlei: Erstens bleibt Power BI als Desktop-Client und Service weiterhin eigenständig nutzbar, man muss Fabric nicht zwingend einsetzen. Zweitens wächst Power BI mit, wenn der Datenbedarf über reines Reporting hinaus in Richtung zentrales Data Warehouse geht – dann liefert Fabric die Infrastruktur, ohne dass ein Werkzeugwechsel nötig wäre. Drittens verschmelzen die Lizenzmodelle zunehmend: Die Fabric-Kapazität ist zugleich die Grundlage für den bisherigen Power BI Premium. Wer heute Power BI plant, sollte Fabric daher als Wachstumsperspektive kennen, ohne sich davon zum Einstieg drängen zu lassen.
Die beiden am meisten unterschätzten Fähigkeiten sind zugleich die wichtigsten. Power Query ist die Aufbereitungsstufe: Hier werden Datumsformate vereinheitlicht, Spalten aufgeteilt, Tabellen zusammengeführt und Fehlwerte behandelt – alles in einer grafischen Oberfläche, in der jeder Schritt als nachvollziehbare Regel festgehalten wird. Der entscheidende Vorteil gegenüber manueller Excel-Arbeit: Diese Regeln werden bei jeder Aktualisierung automatisch erneut angewendet, sodass neue Daten ohne Handarbeit sauber ankommen.
Darauf setzt das Datenmodell auf. Statt alles in eine breite Tabelle zu pressen, werden Tabellen über Beziehungen verknüpft – idealerweise als Sternschema mit einer zentralen Faktentabelle und umgebenden Dimensionstabellen. Kennzahlen entstehen als Measures in der Formelsprache DAX (Data Analysis Expressions). Eine einmal definierte Umsatz-Kennzahl gilt dann für den gesamten Bericht, inklusive Vorjahresvergleich, gleitender Durchschnitte oder Anteilsberechnungen. DAX ist mächtig, hat aber eine spürbare Lernkurve und ist der Punkt, an dem BI-Vorhaben fachlich am ehesten Unterstützung brauchen.
Auf dem Modell entstehen die eigentlichen Ergebnisse. Ein Bericht ist eine mehrseitige, interaktive Analysefläche: Klickt man in einem Diagramm auf eine Region, filtern sich alle anderen Visuals passend mit. Ein Dashboard im Power BI Service verdichtet dagegen die wichtigsten Kacheln verschiedener Berichte zu einem Überblick – gedacht als tägliches Cockpit. Beide sind im Browser, in der mobilen App und eingebettet in Teams oder SharePoint verfügbar, sodass Kennzahlen dort landen, wo gearbeitet wird.
Mit Copilot in Power BI kommt eine KI-Unterstützung hinzu, die an mehreren Stellen ansetzt. Sie kann auf Basis eines vorhandenen Datenmodells Berichtsseiten vorschlagen und erzeugen, Zusammenfassungen von Berichten in natürlicher Sprache schreiben und Fragen zu den Daten beantworten – etwa „Wie hat sich der Umsatz je Region gegenüber dem Vorjahr entwickelt?“. Darüber hinaus hilft Copilot beim Formulieren von DAX-Ausdrücken und erklärt bestehende Formeln. Wichtig zur Einordnung: Copilot arbeitet auf dem Datenmodell, das ihm zur Verfügung steht – die Qualität der Antworten hängt unmittelbar von der Sauberkeit des Modells und der Benennung der Felder ab. Ein schlecht strukturiertes Modell wird auch mit Copilot keine verlässlichen Antworten liefern. Copilot in Power BI ist an bestimmte Editionen und Kapazitäten gebunden; die genauen Voraussetzungen sollten beim Anbieter geprüft werden.
Power BI folgt einer Treppe, deren Stufen sich in Zweck und Skalierung unterscheiden. Der Einstieg ist bewusst niedrig, die oberen Stufen zielen auf unternehmensweiten Betrieb.
Die praktisch wichtigste Frage lautet nicht „Desktop oder Service“, sondern: Wird pro Kopf oder pro Kapazität lizenziert? Solange nur eine überschaubare Zahl von Personen Berichte erstellt und ansieht, ist das nutzerbasierte Modell (Pro, bei Bedarf PPU) meist das wirtschaftlichste. Sobald jedoch viele Menschen nur lesend auf Berichte zugreifen sollen – etwa eine ganze Belegschaft, die ein Management-Dashboard einsehen darf –, kippt die Rechnung: Dann kann eine kapazitätsbasierte Lizenz (Fabric-Kapazität) günstiger sein, weil Betrachter keine eigene Lizenz mehr benötigen. Der Kipppunkt hängt von der Zahl der reinen Betrachter ab und sollte anhand konkreter Nutzerzahlen berechnet werden.
Eine zweite, oft übersehene Feinheit: Auch das Teilen zwischen Kollegen setzt in der Regel auf beiden Seiten eine passende Lizenz voraus. Der verbreitete Irrtum „einer baut, alle sehen kostenlos zu“ trifft nur im kapazitätsbasierten Modell zu, nicht im reinen Pro-Modell.
Power BI ist die naheliegende Wahl, wenn ein Unternehmen bereits auf Microsoft 365 setzt, Kennzahlen über viele Empfänger teilen will und Wert auf Governance und die Verzahnung mit Excel, Teams und den vorhandenen Datenquellen legt. Hier spielt es seine Integrationsstärke und den niedrigen Einstiegspreis aus. Tableau ist oft die bessere Wahl, wenn die explorative Visualisierung und maximale gestalterische Freiheit im Vordergrund stehen und eine ausgeprägte Analysten-Kultur existiert. Qlik überzeugt dort, wo Nutzer frei und assoziativ durch Daten navigieren wollen, ohne vorab jeden Pfad zu definieren. Looker passt vor allem in Google-Cloud-Landschaften und in Data-Engineering-nahe Umgebungen mit zentral gepflegten Metrik-Definitionen.
Im Mittelstand ist der eigentliche Wettbewerber selten ein anderes BI-Werkzeug, sondern Excel. Excel ist unschlagbar für schnelle Einzelanalysen, kleine Datenmengen und Ad-hoc-Rechnungen – und es wird auch mit Power BI nicht verschwinden. Der Wechsel lohnt sich dort, wo dieselben Auswertungen regelmäßig wiederholt werden, wo mehrere Personen auf derselben Zahlenbasis arbeiten sollen, wo Daten aus mehreren Quellen zusammenlaufen und wo Nachvollziehbarkeit gefragt ist. Das klassische Symptom für Handlungsbedarf: eine gewachsene Excel-Datei, die niemand mehr vollständig versteht, monatlich mühsam von Hand aktualisiert wird und in mehreren, leicht abweichenden Versionen kursiert. Genau hier setzt Power BI an – nicht als Ersatz für Excel, sondern als Ablösung für das, was Excel überfordert.
Power BI Desktop ist die kostenlose Windows-Anwendung, in der die eigentliche Arbeit stattfindet: Daten anbinden, in Power Query aufbereiten, Modell und DAX-Kennzahlen definieren, Berichte gestalten. Das Ergebnis ist eine Datei, die anschließend in den Power BI Service veröffentlicht wird – die cloudbasierte Umgebung, in der Berichte geteilt, in Arbeitsbereichen organisiert, mit anderen betrachtet und automatisch aktualisiert werden. Die Faustregel lautet: gebaut wird auf dem Desktop, betrieben wird im Service. Der Service ist zugleich der Ort, an dem Dashboards zusammengestellt, Zugriffsrechte vergeben und Aktualisierungspläne hinterlegt werden.
Viele mittelständische Datenquellen liegen nicht in der Cloud, sondern im eigenen Haus: ein SQL-Server im Serverraum, eine ERP-Datenbank on premises, Dateien auf einem Netzlaufwerk. Damit der Power BI Service diese Quellen erreichen und Berichte automatisch aktualisieren kann, braucht es ein On-premises Data Gateway – einen kleinen Dienst, der im lokalen Netz installiert wird und als sichere Brücke zwischen der Cloud und den internen Systemen dient. Ohne Gateway lassen sich lokale Quellen zwar auf dem Desktop nutzen, aber im Service nicht automatisch aktuell halten. Das Gateway richtig aufzusetzen und zu betreiben ist einer der Punkte, an denen es in der Praxis am häufigsten hakt.
Ein Bericht wird oft mit vielen Menschen geteilt, die aber nicht dieselben Daten sehen dürfen: Der Vertriebsleiter Nord soll nur die Zahlen seiner Region sehen, die Geschäftsführung alles. Genau das leistet Row-Level-Security (RLS), die zeilenbasierte Sicherheit. Statt für jede Rolle einen eigenen Bericht zu bauen, werden Regeln definiert, die je nach angemeldetem Nutzer nur die für ihn relevanten Datenzeilen freigeben. Ein einziger Bericht kann so für viele Zielgruppen dienen, ohne dass Daten unbeabsichtigt sichtbar werden. RLS ist ein zentraler Governance-Baustein und sollte bei jedem Bericht mitgedacht werden, der über Abteilungs- oder Rollengrenzen hinweg geteilt wird.
In der Praxis beginnt Power BI im Mittelstand fast immer klein: mit einem einzelnen, klar umrissenen Bericht – häufig ein Vertriebs- oder Controlling-Report, der eine besonders schmerzhafte Excel-Routine ablöst. Dieser erste Erfolg erzeugt Nachfrage, und schnell entstehen weitere Berichte. Genau an diesem Punkt entscheidet sich, ob Power BI zum Segen oder zur Last wird: Ohne Ordnung wächst ein Wildwuchs aus Berichten mit widersprüchlichen Kennzahlen, weil jeder Fachbereich „Umsatz“ anders definiert. Mit einer gemeinsamen Grundlage – zentrale Datenmodelle, abgestimmte Kennzahlen-Definitionen, klare Zuständigkeiten – wird daraus eine belastbare BI-Kultur.
Ein tragfähiges Einstiegsprojekt ist klein im Umfang, aber vollständig in der Kette: eine klar definierte Fragestellung, eine überschaubare Zahl von Datenquellen, ein sauberes Modell, ein aussagekräftiger Bericht und ein geklärter Betrieb inklusive Aktualisierung und Rechten. Wer stattdessen versucht, gleich das gesamte Unternehmen in einem Projekt abzubilden, überfordert Organisation und Werkzeug. Der pragmatische Weg ist der schrittweise: einen Prozess wirklich gut lösen, daraus lernen, dann skalieren.
Der Kern der laufenden Kosten ist die Lizenz. Sie fällt entweder pro Nutzer und Monat an (Pro oder Premium Per User) oder pro Kapazität (Fabric-Kapazität) – Letzteres unabhängig von der Zahl der reinen Betrachter. Welches Modell günstiger ist, hängt vom Verhältnis zwischen Erstellern und Betrachtern ab: Bei wenigen Nutzern gewinnt in der Regel das Pro-Kopf-Modell, bei vielen reinen Lesern das Kapazitätsmodell. Den kostenlosen Desktop-Client gibt es zwar geschenkt, doch produktives Teilen und automatische Aktualisierung sind daran gebunden, dass die Beteiligten passend lizenziert sind. Die konkreten Beträge – pro Nutzer und Monat beziehungsweise pro Kapazität – sind beim Anbieter zu prüfen.
In der Praxis machen die Lizenzen oft nicht den größten Posten aus. Erheblich ins Gewicht fallen:
Eine belastbare Kostenschätzung entsteht nicht aus einer Preisliste, sondern aus drei Fragen: Wie viele Menschen erstellen Berichte, wie viele sehen nur zu, und wie aufwendig ist der einmalige Aufbau plus laufende Pflege? Erst aus diesen Antworten ergibt sich die richtige Edition und damit die Lizenzkosten – und der oft größere Aufwandsposten für Modellierung und Betrieb. Wir empfehlen, diese Rechnung vor dem Start aufzustellen und den kostenlosen Desktop-Einstieg nicht mit den späteren Betriebskosten zu verwechseln.
Power BI ist ein Dienst der Microsoft-Cloud. Für den DSGVO-konformen Einsatz ist zunächst ein Auftragsverarbeitungsvertrag (AVV) mit Microsoft die Grundlage; die dafür nötigen Vertragswerke stellt Microsoft im Rahmen seiner Online-Dienste bereit. Microsoft ermöglicht zudem, die Datenhaltung an eine EU-Region zu binden, sodass die verarbeiteten Daten grundsätzlich in europäischen Rechenzentren liegen. Das reduziert das Risiko – hebt es aber nicht vollständig auf.
Der Grund liegt im US Cloud Act: Als US-Unternehmen kann Microsoft unter bestimmten Voraussetzungen auch dann zur Herausgabe von Daten an US-Behörden verpflichtet werden, wenn diese Daten in europäischen Rechenzentren gespeichert sind. Die Wahl einer EU-Datenresidenz verringert das praktische Restrisiko spürbar, beseitigt diese grundsätzliche Rechtslage aber nicht. Diese Einordnung sollte in jede Risikobewertung einfließen, insbesondere bei besonders sensiblen Datenkategorien.
Für Copilot in Power BI gilt ergänzend: Microsoft sagt zu, dass Kundendaten aus den Copilot-Interaktionen nicht zum Training der zugrunde liegenden KI-Modelle verwendet werden. Dies ist als vertragliche Zusage des Anbieters zu verstehen und entsprechend zu kennzeichnen – sie ersetzt keine eigene Prüfung, sollte aber im Rahmen der Datenschutz-Folgenabschätzung berücksichtigt werden.
Neben der rechtlichen Ebene ist Datenhoheit auch eine organisatorische Frage. Wer darf welche Berichte sehen? Wer darf neue Datenquellen anbinden? Wie wird verhindert, dass sensible Daten unkontrolliert in Berichte gelangen und mit den Falschen geteilt werden? Power BI bietet dafür Werkzeuge – Arbeitsbereiche mit Rechten, Row-Level-Security, Sensitivitätskennzeichnungen über Microsoft Purview und Data-Loss-Prevention-Richtlinien. Diese Werkzeuge wirken aber nur, wenn sie im Rahmen einer klaren Governance konfiguriert und gepflegt werden. Technische Absicherung und organisatorische Regeln gehören zusammen.
