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.
