Zebra BI Tables

Die Zebra BI Tables bieten eine tolle Möglichkeit, gruppierte Daten nach verschiedenen Schwerpunkten darzustellen. Ein typischer Anwendungsfall ist die Anzeige von Gewinn oder Umsatz im Vergleich zum Vorjahr. Eine Besonderheit des Visuals ist die Flexibilität. In unserem Beispiel sieht man Grafiken mit dem Umsatz des aktuellen Jahres, den absoluten Vergleich zum Vorjahr und den relativen Vergleich zu Vorjahr. Zieht man das Visual schmaler, fallen nach und nach Detailinformationen raus, bis schließlich nur noch der absolute Vergleich zum Vorjahr als Zahl zu sehen ist. So kann man leicht steuern, wie detailliert der Vergleich gezeigt werden soll. Natürlich lässt sich auch für jeden Bereich des Diagramms die Darstellungsweise und die Datenspalte ändern. Wem das an Individualisierung noch nicht reicht, der kann zudem die Daten auch auf feinerer Ebene darstellen, zum Beispiel monatsweise. Zudem gibt es noch eine „Top N“-Funktion, mit der man die Anzahl der angezeigten Kategorien auf die umsatzstärksten (oder -schwächsten) einschränken kann.

Date Picker

Das Datum über einen herkömmlichen Datumsfilter in Power BI auszuwählen, kann oft mühsam und unflexibel sein. Hier schafft der Date Picker Abhilfe. Dieser bietet nicht nur mehr Möglichkeiten, das Datum auszuwählen. Der Filter kann auch komplett individualisiert werden. So lässt sich z.B. eine Kalenderansicht integrieren, die mit Rechtecken, Kreisen oder Ellipsen die ausgewählten Datumswerte zeigt. Hat man dafür keinen Platz, wählt man einfach den Pop-up-Modus, bei dem sich die Kalenderansicht nur öffnet, wenn man zum Auswählen den Slicer anklickt. Statt nur eines Datumsbereichs kann man auch mehrere Datumsbereiche oder sogar einzelne Tage auswählen, und das alles direkt über die Kalenderansicht. Zudem lassen sich Tage, für die keine Daten vorliegen, oder Feiertage gesondert markieren. Durch Presets können häufig gebrauchte Datumswerte vorgespeichert werden. Und natürlich lassen sich das Farbschema sowie die Anordnung der Funktionen komplett individualisieren.

Histogram Chart

Histogramme sind zwar grundsätzlich in Form des Säulendiagramms schon in Power BI vorhanden, diese sind aber wenig flexibel. Mit dem Histogram Chart hat man deutlich mehr Möglichkeiten, zum Beispiel das Anpassen der Bingröße, die Anzeige von Absolut- oder Prozentwerten auf der y-Achse ohne zusätzliche Measures, oder das Hinzufügen von Labels und Hilfslinien zur Analyse. Wie bei den Standard-Visuals lässt sich zwischen Säulen- und Balkendiagramm wechseln, und man kann über die „Small multiples“ zusätzliche Kategorien in die Betrachtung ziehen. Ein Vorteil ist z.B. die intuitive Einstellung der Farben über die Toolbar, aber auch die vielfältigen Möglichkeiten bei Achsenbeschriftungen und Daten-Labels machen Histogram Chart zu einer guten Wahl.

Infographic Designer

Wenn du es Leid bist, deine Daten durch schlichte Balken darzustellen, bietet der Infographic Designer eine spannende Alternative: Hier ist es möglich, verschiedene Diagrammtypen durch Formen, Icons oder sogar Fotos so zu individualisieren, dass auf den ersten Blick klar wird, was im Diagramm zu sehen ist. Ein Balkendiagramm, bei dem die Balken aus Smartphones oder Weinflaschen aufgebaut sind? Kein Problem! So verleihst du deinem Bericht das gewisse Etwas. Neben vorausgewählten Icons lassen sich auch eigene Bilder hochladen. Außerdem kann man auch mehrere Icons übereinander schichten. Diese Funktion sollte man aber sparsam einsetzen, damit es nicht zu unübersichtlich wird.

Icon Map Pro

Wenn Du mit geographischen Daten arbeitest, ist die Icon Map Pro die richtige Wahl für dich. Hier hat man die Wahl aus einer Vielzahl verschiedener Karten. Auf diesen kann man dann seine Daten, je nach Analyse-Schwerpunkt, zum Beispiel mit Kreisen, als Heatmap, oder mit Verbindungslinien darstellen. Dabei lassen sich die Daten auch räumlich gruppieren. Im Beispiel rechts sind Daten über London verteilt. Beim Zoomen passt sich die Anzahl der Datenpunkte pro Gruppe automatisch an, sodass stets eine übersichtliche Darstellung erreicht wird. Über die Visual-Formatierung kann man neben der Darstellungsart auch die Farben, Formen und Größen der angezeigten Features vielseitig konfigurieren. Man kann auch immer ein Tool zur Distanzmessung integrieren, das sich zwischen Meilen und Kilometern umschalten lässt. Ebenso nützlich ist das Lasso, mit dem man über einen händisch zu definierenden Auswahlbereich seine Daten filtern kann. Für noch mehr Individualisierung kann man auch eigene Bilder als Datenpunkte auf der Karte verteilen.

Fazit

Power BI Custom Visuals bieten die Möglichkeit, das Portfolio an Visualisierungen deutlich zu erweitern und damit auch sehr spezialisierte Reporting-Anforderungen zu erfüllen. Dennoch sind sie mit einer gewissen Vorsicht zu genießen. Man sollte bedenken, dass einige Power BI Custom Visuals sehr komplex sind und etwas Einarbeitungszeit erfordern. Weniger kann ja manchmal auch mehr sein. Da im Prinzip jeder Custom Visuals entwickeln kann, sollte zudem die Vertrauenswürdigkeit des Anbieters und die Verfügbarkeit von Updates geprüft werden, damit sichergestellt ist, dass das Visual auch langfristig funktioniert. Ein guter Indikator ist, ob das Visual von Power BI zertifiziert wurde, was man am blauen Häkchen in der Übersicht erkennt:

Damit ist gewährleistet, dass das Visual nicht auf externe Datenquellen zugreift. Für die Icon Map Pro ist dies nicht gegeben, da man hier beispielsweise auch Google Maps einbinden kann. Schließlich ist zu beachten, dass die volle Funktionalität einiger Custom Visuals oft mit zusätzlichen Kosten verbunden ist, und dass manche Unternehmen die Nutzung von Custom Visuals generell nicht gestatten.

Wenn ihr Fragen zu Power BI Custom Visuals habt oder an einer Implementierung in eurer Reporting-Umgebung interessiert seid, sprecht uns einfach an!

Viele benutzen bereits Azure SQL Datenbanken und fragen sich: „Warum sollte ich eine SQL Datenbank in Fabric nutzen?“ Aber die meisten verstehen garnicht, dass es die falsche Frage ist. Azure SQL vs Fabric SQL gibt es nicht, denn beide sind das exakt selbe. Das entscheidende ist nicht die Technologie, sondern die Umgebung.

Um das zu verstehen, muss klar sein, dass eine SQL Datenbank in Fabric nicht in Fabric liegt. Wie im Bild zu sehen ist die SQL Datenbank in Fabric nur eine Azure SQL Datenbank welche in Echtzeit in den OneLake und damit Fabric gespiegelt wird. Die Technologie ist die gleich, wie beim Spiegeln einer schon existierenden Datenbank. Nur weil die Technik dieselbe ist, ist das Ergebnis nicht dasselbe.

Azure SQL vs Fabric SQL – Ein Kostenvergleich

Der erste Unterschied sind sie Kosten. Azure SQL Datenbanken kosten im laufenden Betrieb und die Datenmengen werden ebenfalls abgerechnet. Datenbanken in Fabric kosten ebenfalls eine Kleinigkeit für den Speicher, aber nichts im Betrieb. Es entstehen keine Zusatzkosten und alles ist mit den Fabric Lizenzen abgedeckt. Klingt nach einem eindeutigen Gewinner, oder? Falsch.

Der wichtigste Unterschied sind nicht die Kosten. Dafür musst du verstehen, wofür beide Datenbanken gedacht sind. Eine Azure SQl Datenbank kann überall eingesetzt werden. Eine Fabric Datenbank kann das auch, sollte es aber nicht. Azure ist viel weit laufender als Fabric. Eine Webapp sollte keine Fabric Datenbank nutzen, aber eine Azure SQL Datenbank ist genau das Richtige.

Microsoft Fabric ist eine Datenverarbeitungs- und Analyseplattform. Wenn Unternehmensdaten in einer gemeinsamen Plattform verarbeitet und verwaltet werden sollen, dann ist Fabric das Mittel der Wahl. Die SQL Datenbank in Fabric ist dann optimal. Alle Daten sind sauber, zentral und kostengünstig vereint. Das heißt nicht, dass eine Azure SQL Datenbank das nicht auch kann, aber die Fabric Datenbank ist hier überlegen. Eine Azure Datenbank kann immer noch in Fabric gespiegelt werden.

Vorteile einer Fabric SQL Datenbank

Wenn das Ziel Fabric ist, dann hat es noch einen weiteren Vorteil, die Datenbank direkt in Fabric anzulegen. Eine Azure SQL Datenbank hat eigene Rollen- und Sicherheitskonzepte. Diese Regeln werden auf dem Server eingerichtet und zusätzlich werden die Fabric Regeln angewendet. Aber wenn die Datenbank in Fabric angelegt wird, dann können alle Regeln in Fabric verwaltet werden. Es greifen immer noch die Microsoft Fabric Regeln, aber zusätzlich können die gleichen Regeln wie in Azure SQL eingerichtet werden. Aber das ist nicht das beste Feature.

Eine Fabric SQL Datenbank kann noch mehr. Die zugrundeliegende Technik ist dieselbe, aber die Einbindung ist es nicht. Mit der Einbindung meine ich, dass z.B. automatisch ein semantisches Modell erstellt werden kann, welches auch direkt in einem Power BI Bericht endet. Das Gleiche gilt für den Analyseendpunkt. Damit ist eine Fabric SQL Datenbank vollständig in Fabric integriert.

Übersichtstabelle

Azure	Fabric
Verwendbar für Alles	Spezialisiert für Datenauswertung
Es wird Azure benötigt	Es wird Azure und Fabric benötigt
Kosten für Speicher und Erreichbarkeit	Nur Kosten für zusätzlichen OneLake Speicherplatz

Falls du dich generell für das Thema Azure und Fabric interessierst, haben wir das Thema in einem YouTube Video behandelt. In diesem Video reden wir über die Unterschiede von Azure Synapse Analytics und Microsoft Fabric. In anderen Blogbeiträgen haben wir auch über die unterschiedlichen Kosten von Synapse und Fabric geschrieben.

Direct Lake in Microsoft Fabric

Microsoft Fabric bringt viele spannende Neuerungen mit sich, aber eine der coolsten Features für Data Engineers und Analysten ist definitiv Direct Lake. Ich würde sogar behaupten, dass dies das Killer-Feature in Fabric ist. Damit kannst du Power BI vergessen.

Ich habe in den letzten Monaten viel Berührung mit dem Thema gehabt und kann ein paar Tipps geben, die dir das Leben erleichtern.

Was ist Direct Lake?

Den Direct Lake-Modus verwende ich in einem Semantischen Modell in Microsoft Fabric. Ein Semantisches Modell ist nichts anderes als das frühere Dataset in Microsoft Power BI. Ich gehe davon aus, dass dir das bereits bekannt ist.

Semantische Modelle spielen in der Welt von Microsoft Fabric eine wichtige Rolle. Hier kann ich die Modellierung der Daten vornehmen und für andere zur Verfügung stellen. Microsoft Fabric bietet zusätzlich zu den bisherigen Möglichkeiten den Direkt Lake-Modus an. Dabei greift das Semantische Model direkt auf den darunter liegenden Datalake (OneLake) zu. Hier bin ich am besten unterwegs, wenn ich mit einer Medaillon-Architektur arbeite. Ich kann dann direkt auf den Gold-Layer zugreifen und muss nicht mehr extra das Modell laden. Auch Änderungen sind sofort ohne zusätzliche Beladung verfügbar. Dies ist sicherlich eines der besten Features in Microsoft Fabric. Wer den Direct Lake-Modus nicht kennt, dem rate ich sich damit zuerst zu beschäftigen: Übersicht über Direct Lake – Microsoft Fabric | Microsoft Learn. Wie kann ich denn jetzt ein Semantisches Modell mit Direct Lake-Modus in Power BI Desktop bearbeiten?

Livebearbeitung in Power BI Desktop aktivieren

Damit ich das Semantische Modell mit Direct Lake-Modus in Power BI Desktop bearbeiten kann, muss ich das zunächst in Power BI Desktop aktivieren. Wie bei vielen anderen neuen Features auch, ist es bisher im Vorschaumodus. Das wird sich sicherlich in den nächsten Monaten ändern. Das Aktivieren geht unter Optionen -> Vorschaufeatures -> „Live edit of Power BI semantic models in Direct Lake mode“ (Warum es hier mal wieder ein Deutsch/Englisch-Mischmasch gibt, wird das Geheimnis von Microsoft bleiben). Nach dem Aktivieren muss Power BI Desktop einmal neu gestartet werden.

Nach dem Neustart gibt es dann etwas Neues in Power BI Desktop:

Verbindung zu XMLA-Endpunkt herstellen

Wenn ich den Button auswähle, dann verbindet er mich direkt an meine Fabric-Instanz und lässt mich ein Semantisches Modell auswählen. Am Ende ist es nichts anderes als eine Verbindung zu meinem XMLA-Endpunkt. Hier bitte aufpassen. Ich habe beim ersten Mal einfach „Verbinden“ ausgewählt. Natürlich habe ich dann einfach nur das Modell als Quelle ausgewählt. So als würde ich einen Bericht mit dem Modell erstellen wollen. Daher hier darauf achten, dass Bearbeiten ausgewählt wird:

Ich habe für Testzwecke ein einfaches Semantisches Modell mit Direct Lake-Modus in meiner Fabric Kapazität. Übrigens, wenn ich ein Modell wähle, dass kein Direct Lake verwendet, dann bekomme ich beim Versuch dieses zu bearbeiten eine Fehlermeldung.

Auch ich habe nach der Auswahl „bearbeiten“ eine Fehlermeldung bekommen: „Sie können dieses semantische Modell nicht bearbeiten. XMLA Read/Write permission is disabled for this workspace.“

Klar. Ich wollte in meinem Arbeitsbereich (Workspace) bisher nicht, dass über den XMLA-Endpunkt von außen Änderungen vorgenommen werden können. Das musste ich erst noch aktivieren. Zu finden unter den „Kapazitätseinstellungen“ und darunter „Semantische Modelle“. Wenn der XMLA-Endpunkt dann auf „Lesen und schreiben“ eingestellt ist, dann funktioniert es auch mit der Berechtigung.

Bearbeitungsmodus für in Power BI Desktop

Jetzt endlich kann ich das Modell bearbeiten. Der Editor ist identisch zum Editor in Microsoft Fabric.

Bitte Vorsicht bei der Bearbeitung. Wie auch im Fabric-Editor werden die Änderungen sofort übernommen und gespeichert. Einfach mal etwas ausprobieren und andere greifen ebenfalls auf das Modell zu, ist dann sicherlich nicht so clever.

Unter Datenquelleneinstellungen kann ich übrigens Tabellen hinzufügen oder wegnehmen. Es fehlt also an nichts für die Modellierung.

Wenn ich zu Microsoft Fabric in meinen Arbeitsbereich wechseln will, dann geht das ganz leicht über einen Link oben in der Leiste von Power BI Desktop.

Fazit

Ist das der große Wurf? Habe ich einen großen Vorteil durch die Möglichkeit ein Semantisches Modell mit Power BI Desktop bearbeiten zu können? Wohl eher nicht. Ich kann halt weiterhin mein Power BI Desktop verwenden und das Semantische Modell bearbeiten. Das ist vielleicht noch etwas komfortabler, als in der Fabric Oberfläche. Es bietet aber darüber hinaus keinen weiteren Vorteil. Es ist also eher eine Gewohnheitssache. Anders sieht es aus, wenn ich mit Power BI Projekten arbeite. Ich kann nämlich aus dem Semantischen Modell mit der Export-Funktion ein Power BI-Projekt erstellen. An der Stelle habe ich dann die Vorteile von Power BI Desktop mit einem Power BI-Projekt arbeiten zu können.

 

Für viele Unternehmen, die ihre Datenverwaltung auf dem neusten Stand halten wollen, stellt sich wie immer die Frage: „Was für ein Tool soll ich benutzen?“. Die Einführung von Microsoft Fabric hat zu einem neuen Wettrennen geführt. Damit gilt es auch zu klären, welches Tool bei diesem Wettrennen gewinnt und für was sich Unternehmen entscheiden sollten.

Was ist Microsoft Fabric?

Im Jahr 2023 hat Microsoft seine neue All-in-One Lösung für die Datenverarbeitung veröffentlicht. Das Ziel von Fabric ist es, alle Datenverarbeitungen an einem Ort gesammelt anzubieten. Dabei vereint es viele Technologien, die Microsoft vorher schon angeboten hat. Dazu gehören z.B. Synapse Analytics, die Azure Data Factory und auch Power BI. Zur gesamten Verarbeitung gehört auch die Speicherung, welche im OneLake geschieht und im Verlauf des Beitrages noch wichtig wird.

Was ist Databricks?

Databricks ist als Unternehmen seit 2013 am Markt und auch als Gründer von Spark bekannt. Databricks hat sich vor allem auf Big Data spezialisiert und gehört im Gegensatz zu Fabric zu keinem einzelnen Cloud-Anbieter. Allerdings arbeitet Databricks mit vielen Cloud-Anbietern zusammen.

Fabric vs. Databricks – Wer steht für was?

Vor weg sollte gesagt sein, dass sich beide Tools in ihrer Zielsetzung unterscheiden. Databricks ist als Programm geplant, welches in verschiedenen Cloudplattformen genutzt wird und dabei besonders schnell große Daten verarbeiten kann. Dabei ist mit schnell vor allem die Datenauswertung gemeint und nicht notwendigerweise die Entwicklung.

Fabric auf der anderen Seite versucht alle Anwendungen besonders benutzerfreundlich an einem Ort bereitzustellen und ist als Anwendung von Microsoft sehr eng mit Azure verbunden. Damit folgt auch schon der erste Unterschied fürs Data Engineering. Databricks setzt vor allem auf Notebooks, die als solche immer über Code funktionieren wie z.B. Python, Spark und SQL. Auf der anderen Seite baut Fabric auch auf Low Code Möglichkeiten. Es können zwar, wie in Databricks auch, Notebooks verwendet werden. Es gibt aber auch die Möglichkeit über die Data Factory oder Data Flows Daten mit wenig Programmier-Erfahrung zu importieren. Eine kurze wichtige Anmerkung: die Notebooks in Databricks und Fabric basieren auf derselben Open-Source Technologie von Spark. Auch Fabric unterstützt Python, Spark und SQL.

Wie werden die Daten gespeichert?

Wir haben auch zuvor schon ein Beispiel gesehen, wie beide Anwendungen dieselbe Technologie verwenden. Hier ist es grundlegend der Delta-Lake. Microsoft nennt seinen Delta Lake jedoch stattdessen „OneLake“.

Databricks setzt in seinem Delta Lake vollumfänglich auf Lakehouses und ermöglicht Data Warehouses nur innerhalb seiner Lakehouses. Falls Sie nochmal den Unterschied nachlesen wollen, können Sie das in unserem vorherigen Blogbeitrag tun.

Microsoft Fabric kann beide Formen der Datenverwaltung. Dabei erlaubt es sowohl für SQL optimierte Data Warehouses als auch für Spark optimierte Lakehouses. Unterm Strich werden aber sowohl bei Databricks als auch bei Fabric alle Daten im Lake als Delta Parquet gespeichert.

Wo hat Databricks die Nase vorne?

Databricks liegt bei der Computepower leicht vorne. Dadurch, dass sie die Entwickler von Spark sind und ihr Augenmerk auf Geschwindigkeit legen, können sie hier punkten. Gerade beim Real-Time Processing ist Databricks extrem schnell. Die hohe Geschwindigkeit macht sich natürlich besonders bemerkbar bei sehr großen Datenmengen wie bei Big Data. Außerdem sind diese hohen Geschwindigkeiten hilfreich bei besonders komplexen Analysen.

Wie durch den vorherigen Teil zu vermuten war ist Databricks damit beim Machine Learning vorne. Da wir über die Geschwindigkeit schon gesprochen haben, bleibt hier nur ein anderer Punkt. Databricks bietet auch Machine Learning Modelle von Drittanbietern an und differenziert sich damit klar von Fabric. In Fabric können keine Drittanbieter Modelle verwendet werden. Das Machine Learning in Fabric ist technisch sehr ähnlich zu Databricks, aber Databricks bleibt durch die Sparkgrundlage leicht vorne.

Wo gewinnt Microsoft Fabric?

Die Benutzerfreundlichkeit ist bei Fabric höher. Nur Fabric bietet viele Low Code Möglichkeiten an, das heißt auch ohne Programmierkenntnisse kann man hier entwickeln. Natürlich ist es nicht unbedingt wichtig für Entwickler selber, da diese meistens gute Programmierkenntnisse haben, es bietet aber andere Vorteile. Gerade für kleine, schnelle Lösungen kann sowas von Vorteil sein. Ein anderer Vorteil ist klar die Wartung. Wenn ein Projekt größtenteils abgeschlossen ist, kann bei einer Low Code Umsetzung auch eine weniger erfahrene Person Fehler korrigieren und kleinere Probleme beheben.

Ein offensichtlicher Punkt ist, dass Fabric von Microsoft entwickelt wurde. Durch diesen Fakt ist Fabric natürlich voll in der Microsoft-Welt integriert, das heißt nicht, dass andere Anbieter nicht angebunden werden können.

Der größte Vorteil von Fabric ist die Datenvisualisierung. Der derzeitige Marktführer ist Power BI von Microsoft. Da Microsoft dies bewusst ist, haben sie Fabric um Power BI herum entwickelt und damit ist beides nativ verbunden. Power BI ist ein Teil von Fabric und wird mitgeliefert bei der Nutzung von Fabric. Databricks kann hier nichts Vergleichbares bieten.

Fabric vs. Databricks – Wer kostet wie viel?

Fabric und Databricks haben völlig unterschiedliche Preisstrukturen. Databricks hat ein Pay-as-you-go Modell und die Preise richten sich nach der benutzen Leistung. Die Leistung wird dabei als DBU (Databricks Unit) verstanden und es wird je nach verbrauchter Leistung bezahlt. Die Preise richten sich zudem nach einzelnen Bereichen wie den Workflows, Databricks SQL Querys zwischen 0,22$ und 0,72$ pro DBU. (Stand 02.08.2024). Die Datenspeicherung liegt bei den einzelnen Cloudanbietern und kostet unterschiedlich viel.

Fabric funktioniert dabei anders. Der Preis in Fabric ist dreigeteilt. Zuerst muss eine sogenannte SKU bezahlt werden. Diese Kapazität legt die Leistung von Fabric fest. Wichtig hierbei ist, dass alle Bereiche von Fabric erworben werden, also alles von der Data Factory bis zu Power BI. Zu dieser Kapazität kommen noch Einzellizenzen pro Benutzer. Den letzten Anteil macht die Datenspeicherung aus, welche pro GB 0,024$ pro Monat im OneLake kostet. Ein kleiner Trick bei Fabric ist, dass die SKU abgeschaltet werden kann und dann keine Kosten anfallen, das heißt über Nacht können so z.B. Kosten gespart werden. Mehr Details finden Sie in unserem dazugehörigen Blogbeitrag.

Zusammenfassend lässt sich zu Fabric vs. Databricks und den Kosten sagen, dass Databricks kurzzeitig wahrscheinlich leicht günstiger ist. Fabric schafft es allerdings mittelfristig und ganz sicher langfristig, die Kosten niedriger zu halten.

Wann wähle ich was?

Die Frage bei Fabric vs. Databricks ist nicht unbedingt „was ist besser?“. Beide Programme bieten fantastische Möglichkeiten, aber es hängt von Ihrem Unternehmen ab. Wenn Ihr Unternehmen in mehreren Clouds gleichzeitig vertreten ist, dann ist Databricks vermutlich besser geeignet. Selbiges gilt, wenn Real-Time Analytics mit Machine Learning in möglichst hoher Geschwindigkeit notwendig ist.

Die Vorzüge von Fabric sind aber auch ganz klar. Gerade wenn Ihr Unternehmen schon Erfahrung mit Azure hat und vielleicht sogar Power BI nutzt, dann ist der Umstieg auf Fabric sehr leicht. Durch die Integration verschiedenster Anwendungen in einer Plattform hat Microsoft einen riesigen Schritt nach vorne gemacht. Eine wichtige Anmerkung ist hier auch, dass Microsoft gerade sehr viele neue Updates und Features herausbringt und wir somit eine schnelle Entwicklung sehen. Databricks wird hier allerdings vermutlich bald nachziehen.

Unsere Spezialisten

Wir sind seit vielen Jahren Spezialisten für die gesamte Datenverarbeitung von der Speicherung, über die Analyse bis zum fertigen Bericht. Wenn Sie weitere Fragen kontaktieren Sie uns doch einfach.

Die Power BI Lesezeichen sind ein häufig ignoriertes Feature von Berichten. Gerade viele Anfänger nutzen sie nie und dabei hilft es auch keineswegs, dass sie in ihrem eigenen Reiter ziemlich versteckt sind. Doch Bookmarks können die User-Experience deutlich verbessern und ermöglichen einige kleine Tricks, die sie im Alltag unverzichtbar machen.

Was sind Lesezeichen in Power BI?

Um Lesezeichen einsetzen zu können, müssen wir aber auch verstehen, was sie überhaupt sind. Ein Lesezeichen in Power BI ist eine Momentaufnahme. Wie ein Lesezeichen in einem Buch hält es fest, wo man sich gerade befindet. In Power BI werden nun alle Filter und Einstellungen, die sich auf einer Berichtsseite befinden, übernommen und gespeichert, sodass man nun beliebig zurückspringen kann. Welche Möglichkeiten und Spielereien sich daraus ergeben, werden wir aber später sehen.

Wo finde ich die Lesezeichen?

Doch zuerst einmal müssen wir klären, wo die Lesezeichen zu finden sind.

Wofür brauche ich Lesezeichen in Power BI?

Natürlich können Lesezeichen bei der Erstellung von Berichten helfen, aber wenn es die einzige Funktion wäre, würde ich diesen Blogbeitrag wahrscheinlich nicht schreiben. Mir selbst helfen Lesezeichen oft dabei, individuelle Anpassungen vorzunehmen.

Hier ein einfaches Beispiel: Ein Bericht hat vier Slicer und nun wollen wir nicht nur alle Auswahlen löschen, sondern eine besonders häufige Einstellung auf einen Klick haben. Stellen Sie sich z.B. vor, Sie wollen immer die Verkaufsdaten für das erste Team von dem Ableger in Köln haben. Anstatt dass Sie jetzt die einzelnen Einstellungen vornehmen, erstellen Sie ein Lesezeichen und verbinden dieses mit einem Knopf. Wenn Sie jetzt im Bericht den Knopf drücken, kommen Sie augenblicklich zu diesem Team.

Wie kann ich ein Lesezeichen mit einem Knopf verbinden?

Jetzt klicken Sie im Menü am oberen Rand auf Einfügen>>Schaltfläche.

Lesezeichen und Auswahl

Fazit

Lesezeichen helfen Power BI in vielen Spezialfällen und können oft die Nutzerfreundlichkeit erhöhen. Allerdings sollte hier auch gesagt sein, dass der zusätzliche Wartungsaufwand groß ist. Zudem können Lesezeichen die Komplexität extrem in die Höhe treiben und im Übermaß eher schädlich als nützlich sein.

Noch nicht! Wie die meisten wahrscheinlich schon mitbekommen haben, gibt es gerade starke Umstrukturierungen innerhalb des Microsoft-Universums. Dabei werden auch die Lizenzmodelle überarbeitet und „modernisiert“.

Wie geht es weiter?

Aber was heißt das jetzt für Power BI? Power BI ist mittlerweile vollständig in Microsoft Fabric integriert. So wird es in naher Zukunft auch  mit den Kapazitäten sein. Es wird keine Power BI Kapazitäten mehr geben. Allerdings habe ich am Anfang gesagt, dass es noch nicht so weit ist. Anfang nächsten Jahres werden die Kapazitäten für Power BI auslaufen.

Da stellt sich berechtigterweise die Frage „Wie kann ich Power BI dann noch nutzen?“. Immerhin stellen die Kapazitäten die benötigte Rechenleistung zur Verfügung. Die Antwort sollte schon durchgeklungen sein. Es wird in Microsoft Fabric weitergehen. Dabei bleiben allerdings einige Dinge wie zuvor. Power BI Desktop wird z.B. nicht anders gehandhabt als zuvor. Es geht hier vor allem um die Premium-Kapazitäten in Power BI. Dabei darf nicht unerwähnt bleiben, dass durch die Verwendung von Fabric Kapazitäten natürlich auch der Zugang zu weiteren Produkten möglich ist.

Konkret werden die P SKU Kapazitäten eingestellt. Da für die Benutzung von Fabric und Power BI allerdings eine Kapazität benötigt wird, muss hier eine Fabric Kapazität erworben werden. Alle bisherigen Lizenzen laufen bis zur nächsten Erneuerung genauso weiter wie bisher. Allerdings gilt: ab dem 01.01.2025 werden keine neuen Power BI Kapazitäten mehr bereitgestellt.

Laufen die Pro-User-Lizenzen aus?

Wie steht es mit Power BI Pro und Power BI Premium per User (PPU)? Diese Lizenzen werden auch weiterhin bestehen bleiben. Außerdem gibt es seitens Microsofts auch keine veröffentlichten Statements zur Ablösung. Das bedeutet auch, dass weiterhin auf die verschiedenen Vorteile der einzelnen per User Lizenzen geachtet werden muss.

Achtung Report Server

Der Power BI Report Server funktioniert übrigens nicht mehr mit einer Fabric Kapazität. Um den Report Server weiterhin nutzen zu können, müssen Lizenzen separat erworben werden. Für mehr Informationen empfehlen wir, den entsprechenden Beitrag von Microsoft.

Spezialisten

Unsere Spezialisten kennen sich sowohl in Power BI als auch in Fabric aus. Wenn Sie Hilfe bei einem Umzug nach Fabric brauchen, kontaktieren Sie uns gerne und wir unterstützen Sie mit allem Nötigen.