Daten-WG Archiv

Im E-Commerce ist doch alles digital, also müsste man auch genau wissen, welche Anzeige zu welchem Verkauf geführt hat?

Corinna Zennig, CEO von Lazy Analyst, hilft seit neun Jahren E-Commerce-Brands dabei, datengetrieben zu werden, und räumt mit diesem Irrtum gründlich auf. Wir sprechen darüber, warum Google und Meta zusammen gerne 200 von 100 Sales für sich beanspruchen, was Amazon und der Cookie-Consent mit der Customer Journey machen und warum die simple Frage nach dem "Wie hast du uns gefunden?" so unterschätzt ist.

Danach geht es um AI Analytics: um Tools, die versprechen, dass man kein Data Warehouse und keine Dashboards mehr braucht, um Revenue-Definitionen, die jede Firma anders auslegt, und um die Frage, warum Brands einem AI-Chat mit 95 Prozent Genauigkeit mehr vertrauen als einem validierten Dashboard. Am Ende steht ein klares Plädoyer: erst Strategie, dann Tool.

Corinna Zennig https://www.linkedin.com/in/corinnazennig/

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

00:00 – Intro: Corinna Zennig und der Lazy Analyst

01:45 – Wie technologieagnostisch kann E-Commerce sein?

04:51 – Echtzeit oder täglich? Was E-Commerce wirklich braucht

10:30 – Die Customer Journey nachvollziehen

12:03 – Amazon, Cookie-Consent und fehlende Kundendaten

13:50 – 100 Sales, 200 Zuschreibungen: Attribution zwischen Google und Meta

17:35 – First-Party-Data und Server-Side-Tracking

20:06 – Der einfachste Hebel: Frag deine Kunden

22:01 – Wie AI das E-Commerce-Game verändert

23:40 – Revenue ist nicht gleich Revenue: Warum AI Kontext braucht

25:13 – 95 Prozent Accuracy und blindes Vertrauen in den AI-Chat

29:41 – Data Warehouse, Databricks Genie oder fertiges Tool?

32:18 – Dashboard und AI-Chat: Wofür was?

35:26 – AI Analytics selbst bauen? Lieber nicht

38:11 – Abschlusstipp: Erst Strategie, dann Tool

Lazy Analyst: https://www.lazyanalyst.com/

Kostenloser Data Strategy Call bei Lazy Analyst: https://www.lazyanalyst.com/consultation/

Gabi Münster ist zurück im Quarterly, diesmal pünktlich kurz vor der Daten-WG und frisch nach der FabCon Europe in Barcelona.

Wir schauen auf ein Quartal, das ruhig angefangen hat und mit einer ganzen Welle an Announcements endete: Fabric Planning ist GA, Web-Editor und Power BI Desktop wachsen weiter zusammen, und mit dem Modern Report Design entstehen Fabric Apps jetzt direkt aus Power BI Desktop heraus, demnächst auch mit Pro- und PPU-Lizenz.

Auf der Plattformseite geht es um F0 als nutzungsbasierten Einstieg ohne Kapazität, um Operation Events im Real-Time Hub und den neuen Job-Monitor, um Mirroring inklusive Security-Rollen aus Snowflake, um Apache Ossie als offenen Standard für Semantik und um die Fabric Policy Engine, mit der sich endlich technisch steuern lässt, wer welche Items anlegen darf. Zum Schluss wieder unsere Wünsche: Lineage auf Spaltenebene und mehr Policies.

Gabi Münster https://www.linkedin.com/in/gabimuenster/

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

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

00:00 – Intro: Quarterly kurz vor der Daten-WG und Newsflash von der FabCon

01:32 – Fabric Planning ist GA und das Preismodell ist fairer als gedacht

04:24 – Web und Desktop wachsen zusammen: TMDL-Ansicht, PBIP GA, DirectQuery im Service

06:07 – Fabric Apps und Modern Report Design in Power BI Desktop

08:40 – Lego oder 3D-Drucker: Wie viel Zukunft haben interaktive Reports?

15:28 – Fabric Apps auch für Pro und PPU: Wo die Lizenzgrenze jetzt verläuft

18:42 – F0: Fabric ohne Kapazität und was das für Planning bedeutet

26:30 – Operation Events im Real-Time Hub und der neue Job-Monitor

31:57 – KI auf Plattformebene: Fabric Copilot, M365 und gehosteter MCP-Server

35:25 – Mirroring mit Security-Rollen aus Snowflake

44:49 – Apache Ossie, Semantic Views und Ontologien: Wie portabel wird Semantik?

52:27 – Fabric Policy Engine: Wer darf welche Items anlegen?

59:16 – Deployment Plans und Bilder aus OneLake in Power BI Reports

1:02:47 – Wünsche: Vega Visual, Lineage auf Spaltenebene und neue Policies

1:07:14 – Ausblick auf die Daten-WG 2026

FabCon und SQLCon 2026 Barcelona, alle Ankündigungen: https://azure.microsoft.com/en-us/blog/fabcon-and-sqlcon-2026-in-barcelona-building-the-data-foundation-for-microsoft-copilot-and-agents/

Policies in Fabric (Preview): https://go.microsoft.com/fwlink/?LinkId=2372038

Microsoft & Snowflake zu Apache Ossie: https://community.fabric.microsoft.com/blog/fbc_pbiupdatesblog/microsoft--snowflake%E2%80%99s-commitment-to-apache-ossie/5369534

Aus einer Idee wird eine Firma: Simon Harrer ist zurück in der Daten-WG. Aus dem Data Mesh Manager ist Entropy Data geworden, ausgegründet aus der INNOQ, mit Kunden in acht Ländern. Wir sprechen darüber, warum ein Datenprodukt-Marktplatz mit Data Contracts plötzlich genau das ist, was KI-Agenten brauchen, und wie ein Coding Agent aus einem Contract automatisch eine Pipeline baut.

Außerdem geht es um Open Semantic Interchange, das jetzt Apache Ossie heißt, um Ontologien, um die Frage, ob ein Agent selbst ein Datenprodukt ist, um das Interesse von Microsoft an Data Contracts für Fabric und Power BI und um die Frage, wer eigentlich die Kontrolle über die Metadaten haben sollte.

Simon Harrer https://www.linkedin.com/in/simonharrer/

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

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

00:00 – Intro: Aus Leidenschaft wird ein Unternehmen

00:48 – Vom Data Mesh Manager zu Entropy Data

02:21 – Was ist ein Datenprodukt-Marktplatz?

03:07 – Der Traum eines jeden Agenten

04:50 – Contract first: Der Coding Agent baut die Pipeline

05:53 – Praxisbeispiel: Zeiterfassung als Datenprodukt

09:05 – Data Contracts statt Datenkatalog und die Frage der Ownership

11:35 – Agenten als Feedback-Instrument für gute Metadaten

13:08 – Ist ein Agent selbst ein Datenprodukt?

16:57 – Wie verhindert man Slop im Marktplatz?

18:10 – OSI: Ein offener Standard für Semantikmodelle

22:37 – Metadaten für KI, ODCS und Ontologien

25:32 – Aus OSI wird Apache Ossie

26:56 – Entropy Data trifft Microsoft Fabric und Power BI

31:45 – Wem gehören die Metadaten? Souveränität und offene Standards

Shownotes

Entropy Data: https://www.entropy-data.com/

Data Contract CLI (Open Source, Prüfung von Daten gegen Contracts): https://github.com/datacontract/datacontract-cli

Data Contracts Guide: https://datacontract.com/

Apache Ossie (ehemals Open Semantic Interchange): https://ossie.apache.org/

Ankündigung: OSI wird Apache Ossie: https://ossie.apache.org/updates/ossie-enters-apache-incubator/

Apache Ossie auf GitHub: https://github.com/apache/ossie

Time to step out of the Microsoft comfort zone:

this episode is about Databricks.

Vitalija Bartusevičiūtė, Databricks MVP and Senior Consultant at Capgemini, explains what makes so many people in the data community fall in love with the platform, and why "customizable" is both its biggest strength and its biggest hurdle.

We talk about Genie and what it really takes to let business users talk to their data: clean data, metadata, synonyms, benchmarks and a clear question to answer. From there we drift into metric views, the Open Semantic Interchange, SQL dialects, DirectQuery vs. import mode, and why Excel is still both the source and the end of every data pipeline.

Vitalija Bartusevičiūtė https://www.linkedin.com/in/vitalijabart/

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

Daten-WG 2026 conference, October 14-16, Cologne: https://www.daten-wg.com/daten-wg-2026

00:00 – Intro: stepping out of the Microsoft comfort zone

01:02 – From biologist and R to Databricks MVP

02:18 – Why Databricks? Customization and the Unity Catalog moment

04:05 – Only for big enterprises? Databricks Free for everyone

05:39 – "I'm not married to a tool": solving the client's problem first

08:05 – What Databricks actually is: Spark, SQL and the growing AI part

09:06 – Genie: talking to your data in the Teams chat of a convenience store

12:55 – Metadata, synonyms and how end users really talk about data

14:13 – Benchmarks, joins and the 80% rule for a good Genie space

16:44 – Flat tables, Frankenstein tables and rethinking best practices for AI

17:15 – Metric views and the Open Semantic Interchange initiative

19:44 – Delta, SQL dialects and why semantic models are still black magic

25:55 – Governance, DirectQuery vs. import and the Excel loop

30:42 – Advice: try Databricks Free and focus on the problem, not the tool

31:30 – Python pre-con at Daten-WG 2026 in Cologne

Shownotes:

Databricks Free Edition (replaces Community Edition): https://www.databricks.com/learn/free-edition

Databricks Excel Add-in: https://docs.databricks.com/aws/en/integrations/excel-setup

Apache Ossie: https://ossie.apache.org/

Artur's own article on OSI [German]: https://www.tdwi.eu/wissen/vereinspublikationen

Es regnet in Köln, wir kommen hier so schnell nicht weg – also reden wir endlich mal über das, worüber wir sonst immer nebenbei reden: Fabric-Architekturen. Vier Berater, vier laufende Projekte, und am Ende erstaunlich wenig Einigkeit darüber, wie eine Datenplattform in Fabric eigentlich aussehen sollte.

Marcus lädt SAP-Daten per Notebook aus dem Data Lake, ein anderes Projekt hängt an Navision und setzt konsequent auf Warehouses und Stored Procedures, das dritte dreht die Medaillon-Architektur einfach um und legt Gold ins Lakehouse. Dazwischen streiten wir über die Frage, ob es wirklich immer drei Layer sein müssen, über Self-Service-Lakehouses und Composite Models, über Dataflows für Citizen Developer, über TMDL-Measures, die sich partout nicht überschreiben lassen – und darüber, warum SQL vielleicht doch leichter zu lernen ist als DAX.

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

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

Michael Tenner https://www.linkedin.com/in/michael-tenner-5b885970/

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

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

00:00 – Intro: Zu viert im Regen und die Frage nach dem Fabric-Standard

00:34 – Marcus' SAP-Projekt: Datasphere, Delta-Dateien und warum es ein Notebook wurde

04:16 – F64 für die Lizenzen, 2% Auslastung und die Exit-Strategie aus dem Projekt

06:11 – Navision, Data Gateway und eine Medaillon-Architektur auf Warehouses

09:26 – Business Central und Open Mirroring: die Session von Julian Wissel

10:45 – Architekturen entstehen nicht aus Vorsystemen, sondern aus Menschen

12:15 – Umgekehrt gedacht: Warehouse für Bronze und Silber, Lakehouse für Gold

13:57 – Dataflows für Citizen Developer und wo die Aufteilung plötzlich wehtut

17:21 – "Immer drei Layer, und die sind nicht diskutabel"

20:34 – Self-Service-Lakehouse, Composite Models und das Excel-Monster

25:07 – TMDL, fachliche Pakete und die Frage nach dem Ease of Use

30:19 – Warum SQL leichter zu lernen ist als DAX

35:07 – Von der Excel-Kreuztabelle über M-Code zum SQL-Statement

39:00 – Power Apps, eine F2 am Limit und der Umstieg auf Stored Procedures

47:20 – Sessions auf der Daten-WG 2026: DAX, Data Vault und Python

Erwähnte Daten-WG Speaker:

Julian Wissel (Session zu Business Central & Open Mirroring): https://www.linkedin.com/in/julianwissel/

Ben Weissman (Session rund um SQL): https://www.linkedin.com/in/benweissman/

Matthias Nohl (Session "Integration von Architekturen"): https://www.linkedin.com/in/matthias-nohl/

Andreas Rederer (Session "Integration von Architekturen"): https://www.linkedin.com/in/andreasrederer/

Francesco Bergamaschi (Precon "DAX Pillars"): https://www.linkedin.com/in/francescobergamaschi/

Tom Martens (Precon Python-Datenaufbereitung und Session zu Power BI Scanning): https://www.linkedin.com/in/tommartens68/

Martin Bubenheimer (DAX Deep Dive und Fabric Debatte): https://www.linkedin.com/in/martin-bubenheimer/

David Sanadze (Data Vault): https://www.linkedin.com/in/david-sanadze/

Was macht eigentlich ein Data Solution Engineer bei Microsoft – und wo hört seine Arbeit auf?

Alexander Korn und Lukasz Obst sind beide im Januar bei Microsoft gestartet, beide aus der Beratung, und beide sitzen jetzt in einer Rolle, die viele Kunden gar nicht auf dem Schirm haben: Pre-Sales, kostenlos, aber mit klarem Interesse dahinter.

Wir reden über die Rollenlandschaft bei Microsoft vom Account Executive bis zur Delivery, über die Frage, wonach die beiden entscheiden, welchem Kunden sie ihre Zeit geben, über das Verhältnis zu Partnern – und darüber, warum es sich für Microsoft nicht rechnet, einem Kunden die teurere Plattform zu verkaufen.

Alexander Korn https://www.linkedin.com/in/alexanderkorn/

Lukasz Obst https://www.linkedin.com/in/lukasz-obst-3672083a2/

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

LIEV dabei sein

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

Alex und Lukasz haben außerdem den Developer Hub gebaut, mehr dazu gibt es bei YouTube:

https://youtu.be/e50qKdVn-24

00:00 – Intro: zwei Insider von Microsoft zu Gast

00:53 – Vom Softwareentwickler in die Datenwelt: Lukasz' Weg

02:32 – Vom Microsoft-Partner zu Microsoft: was Pre-Sales wirklich heißt

03:54 – Drei Solution-Engineer-Rollen: Data, Infrastruktur, AI und Apps

04:30 – Wer macht bei Microsoft was? Von AE über CSA bis Delivery

06:32 – Kostenlose Beratung mit Verkaufsinteresse: das Spannungsfeld

08:12 – Impact als Maßstab: welchem Kunden helfen wir?

09:45 – Partnerstufen, Spezialisierungen und Managed Partner

10:26 – POC bei Microsoft, Umsetzung beim Partner

12:16 – Freiheit und Druck: Ziele, Industrien und 15 Kunden

14:36 – Warum "verkaufen, verkaufen, verkaufen" nicht aufgeht

16:15 – Trusted Advisor statt Quick Win: Kapazität sinnvoll nutzen

17:57 – Fabric Planning als Beispiel: Konsolidierung statt Nischenlösung

19:05 – Eigene Kompetenz im Markt: Power BI Fixer und Developer Hub

20:32 – Ausblick: Fabric-Debatte und Dashboard Roast auf der Daten-WG

Shownotes

Power BI Fixer (Inzwischen auch als Fabric App Edition!): https://actionablereporting.com/pbi-fixer/

Alexander Korn auf GitHub: https://github.com/KornAlexander

Kann man sich selbst durch KI ersetzen – und das auch noch gut finden? Burkhardt Gasber hat genau das getan. Zum dritten Mal zu Gast im Daten-WG-Podcast erzählt er, wie er im vergangenen November abends angefangen hat, mit Lovable seine eigene Arbeitsweise zu digitalisieren: die Heatmap-Analysen für Marketing-Teams, die er jahrelang mühsam von Hand aufbereitet hat.

Herausgekommen ist ein Tool für kollaborative Datenanalyse – mit Notizen per Sprache, KI-Summaries und einer Einstiegshürde, die so niedrig ist, dass niemand mehr ein Excel-Training braucht. Wir reden über Slop im Code und warum der egal sein kann, über den fertigen MVP als bestes Briefing, über Datenschutz und deutsche Server, über die Frage, ob Beratung sich damit selbst abschafft – und darüber, was passiert, wenn Wissen plötzlich exponentiell schneller fließt.

Burkhardt Gasber https://www.linkedin.com/in/burkhardtgasber/

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

LIVE hier:

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

00:00 – Intro: „Ich habe begonnen, mich selbst zu ersetzen"

04:01 – Warum die Heatmap seine Lieblingsvisualisierung ist

04:39 – Der Abend mit Lovable: aus fünf Zeilen Prompt wird ein Tool

07:00 – Top-1-Prozent-Coder: was die Analyse der eigenen Prompts zeigte

09:14 – „Echter Slop": warum die KI die Interpretation nicht übernimmt

10:39 – Gemeinsam auf die Daten schauen: rote Tage, Muster, Evidenzen

14:06 – Datenschutz, deutsche Server und raus aus der Lovable-Cloud

17:13 – Welche Daten? Wenige KPIs statt ETL-Monster

19:42 – Notizen per Sprache, Notes Board und KI-Summaries

22:41 – Ohne Datenkompetenztraining: die Einstiegshürde radikal senken

25:25 – Was so ein Tool kostet – und warum man in Credits investieren sollte

28:31 – Make or Buy: „Dann spare ich mir den Burkhardt"?

33:54 – Der MVP als bestes Briefing – Slop im Code ist erstmal egal

40:54 – Nicht Ersetzen, sondern Transformation: exponentiell statt linear

46:02 – Die Guten mitnehmen, Mittelstand aufholen – und der Abschlusstipp

Shownotes:

gasber digital business consulting (Website): https://www.gasber.online/

Burkhardt Gasber auf freelancermap: https://www.freelancermap.com/profile/burkhardt-gasber

Früherer Podcast Autritt: https://open.spotify.com/episode/5ABvGykc29oMFQLDfwKwRh

Lovable – Vibe-Coding-Plattform, mit der das Tool entstanden ist: https://lovable.dev/

Gabi Münster ist zurück im Quarterly – und diesmal geht es um das, was seit der Build wirklich Wellen schlägt: Fabric Apps und Rayfin. Ist das der Anfang vom Ende des klassischen Report-Layers? Artur und Gabi sind sich einig: nein, aber die Karten werden neu gemischt.

Dazu Power BI mit ungewöhnlich vielen GA-Updates, Fabric Planning auf der Zielgeraden samt neuem Session-Preismodell, GPU-Beschleunigung im Warehouse, Delegated Shortcuts als Federation-Modell für OneLake Security – und zum Schluss zwei Feature-Wünsche: Lineage bis auf Tabellenebene und die Fabric Policy Engine.

Gabi Münster: https://www.linkedin.com/in/gabimuenster/

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

Daten-WG 2026 Konferenz am 14.-16. Oktober:

https://www.daten-wg.com/daten-wg-2026

00:00 – Intro: Data Saturday Rheinland und eine Ära, die endet

05:11 – Power BI bekommt Liebe: zehn GA-Updates in zwei Monaten

06:11 – Custom Totals und Visual Calculations sind GA

07:43 – Kleinigkeiten mit Wirkung: Full HD und Set as Landing Page

09:46 – MS Build: Fabric Apps und Rayfin

12:24 – Rayfin ist kein Report-Ersatz, sondern ein Backend-Service

18:08 – Regionen-Frage und Kurt Buhlers Vergleich: Lego vs. 3D-Drucker

20:13 – Fabric Planning und PowerTable: Excel-Frontend auf SQL

21:05 – Drei Preismodelle in Fabric und was das Session-Modell bedeutet

28:32 – Warehouse mit GPU-Beschleunigung und was das kosten wird

34:02 – Storage Tiers und Item Size Reporting

35:11 – SharePoint Shortcuts GA und Shortcut Transformations

36:35 – Delegated Shortcuts: Federation für OneLake Security

42:42 – Real-Time Intelligence: Business Events und CDC-Mirroring

47:55 – Feature-Wünsche: Lineage auf Tabellenebene und die Policy Engine

Shownotes/Quellen:

Kurt Buhler: https://www.linkedin.com/posts/kurtbuhler_microsoftfabric-fabricapps-dataviz-share-7468300931789463553-1u0i/

Data Saturday Rheinland: https://datasaturdays.com/Event/20260711-datasaturday0084

Microsoft Build 2026 Book of News / Ankündigungen: https://azure.microsoft.com/en-us/blog/microsoft-build-2026-building-agentic-apps-with-microsoft-fabric-and-microsoft-databases/

Fabric Apps und Rayfin:

https://community.fabric.microsoft.com/t5/Fabric-Updates-Blog/Introducing-Rayfin-A-new-AI-first-way-to-build-deploy-and-govern/ba-p/5191676

Capacity & Cost Calculator (Fabric Planning): https://fabricplanning.io/calculator/

GPU-Beschleunigung im Fabric Data Warehouse

https://www.linkedin.com/posts/bogdanc_i-put-a-gpu-behind-fabric-data-warehouse-share-7480295686303928320-epRV/

Delegated shortcuts

https://www.linkedin.com/posts/aajmerrill_data-analytics-onelake-share-7478576952379867137-88V3/

Workspace Access Management

https://www.linkedin.com/posts/aajmerrill_onelake-data-analytics-share-7470542489314324481-zUFA/

In Zeiten von KI und „alles agentic" klingt „Data Warehouse" fast wie ein Dinosaurier. Aber warum und wie es trotzdem weiterlebt erklärt Reinhard Mense, Mitgründer von areto, Gründer von Yotilla (2020 von Exasol übernommen) und seit Jahren mit Leib und Seele im Thema Data-Warehouse-Automatisierung.

Wir sprechen über den Rebuild-Cycle, der Data Warehouses alle paar Jahre neu entstehen lässt, über die Grenzen heutiger Automatisierung und Reinhards Vision, schon auf der konzeptionellen Geschäftsobjekt-Ebene anzusetzen. Dazu ein ehrlicher Schlagabtausch über Self-Service, was zentral gehört und was nicht – und wo KI wirklich hilft und wo Determinismus gewinnt.

Reinhard Mense https://www.linkedin.com/in/reinhard-mense-data-warehouse-automation/

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

Daten-WG 2026 Konferenz am 14-16. Oktober:

https://www.daten-wg.com/daten-wg-2026

00:00 – Intro: Ist das Data Warehouse ein Dinosaurier? Reinhards Werdegang

03:52 – Der Data-Warehouse-Rebuild-Cycle: warum alle 5 Jahre neu gebaut wird

04:39 – Neue Technologie als vermeintlicher Heilsbringer – und warum das nicht reicht

05:33 – Wenn der Fachbereich nicht mehr wartet: die Excel-Chaos-Spirale

07:47 – Automatisierung setzt zu spät an – der Vergleich mit der Telefonvermittlung

10:47 – Einen Schritt früher: Automatisierung ab dem konzeptionellen Modell

13:45 – Abstraktion eine Ebene höher – warum wir Datenbanken längst akzeptiert haben

17:53 – Die Grenzen von Self-Service: das Supply-Chain-Beispiel

21:20 – Was gehört zentral? Finance, Kennzahlen und gemeinsame Wahrheiten

24:00 – Was sich nicht zentralisieren lässt: Prozente, Durchschnitte, lokale Mappings

28:48 – Warum nicht alles mit KI? Determinismus schlägt GenAI

32:01 – KI vorgelagert: das konzeptionelle Modell im Dialog mit dem Fachbereich

35:32 – Der Rebuild-Cycle bei BI-Tools: Migration ist selten die Lösung

44:22 – Daten-WG 2026 in Köln: Coworking, Theater und Speaker

48:13 – Der Abschluss-Tipp: mit KI bauen, was früher Großprojekte brauchten

Daten sind auch Kommunikation – und zu Gast ist mit Nadine Keil jemand, die genau das zu ihrem Beruf gemacht hat: Data Storytelling, vom Diagramm bis zur Präsentation.

Wir reden darüber warum Daten eben nicht für sich selbst sprechen, wann ein Analyst eine Empfehlung geben sollte (und wann man sich nur die passende Statistik herauspickt), wie viel Standard und wie viel Kreativität ein Reporting verträgt und ob Self-Service-Dashboards überhaupt eine Berechtigung haben – hier sind wir uns ausnahmsweise mal nicht einig.

Zum Schluss: Was bleibt von all dem, wenn die KI ohnehin auf jede Frage eine Antwort ausspuckt?

Nadine Keil https://www.linkedin.com/in/nadine-keil/

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

Nadine Live:

Daten-WG 2026 Konferenz am 14-16. Oktober:

https://www.daten-wg.com/daten-wg-2026

Und auch der Daten-WG Dashboard Roast findet da statt.

Wer will auch dabei sein und gratis zur Daten-WG kommen?

https://forms.cloud.microsoft/e/r8DSCq0B5Z

00:00 – Intro: Daten sind Kommunikation – und was Comics damit zu tun haben

02:20 – Müssten Daten nicht eigentlich für sich selbst sprechen?

03:17 – Warum auch „harte Fakten" immer schon interpretiert sind

04:15 – Empfehlung geben oder neutral bleiben? Das Spannungsverhältnis für Analysten

06:04 – Daten liefern nicht die Lösung, sondern Input, Ideen und Diskussion

09:07 – Der entscheidende Hebel: erst die knackige Botschaft, dann die Details

11:39 – Visualisierung ist Kommunikation – nicht Kartografie

14:05 – „Ich will lieber eine Tabelle" – und warum man dann nachfragt

15:28 – Klischees Controller vs. Sales – und warum sie nicht stimmen

16:30 – Wie viel Standard, wie viel Kreativität? Das Rezeptkarten-Dashboard

18:43 – Gamification, Warming Stripes und der Survivorship-Bias schöner Visualisierungen

20:01 – Kreativität kostet Zeit: erst Klarheit, dann Schönheit

22:40 – Schlicht und schwarz-weiß – aber bekommt man dafür die Beförderung?

24:54 – Feste Grundregeln – und der erste Dissens: Self-Service-Dashboards

28:12 – Warum Self-Service oft scheitert: keine direkten Antworten

31:30 – Alibi-Self-Service vs. echtes Vertrauen und Entscheidungsfreiheit

33:48 – Die Excel-Export-Spirale – und warum Unflexibilität dazugehört

35:09 – Und jetzt die KI: Braucht es überhaupt noch Dashboards?

42:39 – Ego, Spaß an der Analyse und wann Automatisieren reicht

44:22 – Daten-WG 2026: Slam-Abend und Dashboard-Roast

46:58 – Der eine konkrete Tipp zum Schluss

Shownotes

Coaching for Data Storytelling (Website): https://www.mathemalytics.com/

Mathemalytics Blog (Substack): https://mathemalytics.substack.com/

Nadine bei Unf#ck your Data: https://youtu.be/CUg1Ul0hCOM?si=oFKD1KjnMsBkZpJl

Pyramidales Prinzip: https://www.mckinsey.com/alumni/news-and-events/global-news/alumni-news/barbara-minto-mece-i-invented-it-so-i-get-to-say-how-to-pronounce-it

Show Your Stripes (Download der Stripes für über 200 Länder/Regionen): https://showyourstripes.info/

Survivorship Bias (Hintergrund): https://de.wikipedia.org/wiki/Survivorship_Bias

IBCS – International Business Communication Standards: https://www.ibcs.com/

Blog von Alexander Korn (IBCS mit Power BI): https://actionablereporting.com/

Seit längerer Zeit sitzen wir mal wieder zu viert im Raum: Artur, Ulrik, Marcus und Michael geben sich gegenseitig ein Update – was lief in den letzten Monaten, was war besonders cool, und woran kommt man gerade einfach nicht vorbei?

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

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

Michael https://www.linkedin.com/in/michael-tenner-5b885970/

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

Daten-WG 2026 Konferenz am 14-16. Oktober:

https://www.daten-wg.com/daten-wg-2026

00:00 – Intro: Zu viert im Raum und ein gegenseitiges Update

00:44 – Marcus' Projekt: Fabric-Ladestrecken von SAP bis in den Cube

02:10 – Warum die Analytics-Welt Richtung Microsoft geht und nicht zu SAP

03:48 – "Copilot nutze ich fast nie" – ist Copilot eine Totgeburt?

04:47 – Welcher Copilot eigentlich? Der Tool-Zoo und der Vorteil eines Anbieters

08:14 – Copilot im SharePoint-Alltag und warum Schulung der Knackpunkt ist

09:08 – Besser als ChatGPT oder Claude? GitHub Copilot und das Lizenz-Wirrwarr

11:39 – Wo liegen die Daten? Tenant, eigene Konzern-GPTs, Firstmover vs. Mittelstand

13:36 – Lineage-Doku mit KI und ein Copilot-Studio-Agent direkt in Teams

16:05 – Kann man einem Agent trauen? Instructions, die niemand zu sehen bekommt

17:00 – Enablement, die Angst des Controllings und Copilot als bessere Suchmaschine

21:35 – Copilot ersetzt keine semantischen Modelle – "Ask your Data" und seine Grenzen

22:14 – Direkt auf Databricks statt Power BI? Ein Markt im Mittelstand

23:36 – Kennzahlen on the fly: Agent oder semantisches Modell?

26:17 – Ist Power BI ein totes Tool? Der Purpose einer Power-BI-Boutique

29:43 – Token verbrennen oder Skills: Abfragen festschreiben statt neu generieren

31:41 – Das Dashboard als Lagerfeuer und warum gemeinsame Sichten zählen

33:30 – Arturs Zeiterfassung läuft jetzt über MCP statt über Power BI

36:35 – Flat Table schlägt Starschema? Die Architektur ist noch nicht fertig

37:50 – Wer haftet für KI-generierten Code? Human in the loop

38:39 – Cloud-Security: ein Service Principal, der die ganze AD ausliest

41:12 – Eine Versicherung für Vibe-Coding? Ein neues Geschäftsmodell entsteht

44:28 – State of Data: Fazit und die Ankündigung einer zweiten Folge

45:08 – Die Daten-WG 2026 und ihre auffällig vielen KI-Vorträge

Francesco Bergamaschi joins from Italy to talk about DAX: the language at the core of every Power BI model, and the one most people feel they half-understand at best.

We get into:

- why calculated columns are just a tool and not a sin,

- the one rule that fixes most DAX performance problems,

- how to use ALLSELECTED without getting burned

- why CALCULATE beats variables for beginners,

- why DAX is "honest" and how it compares to SQL,

- whether DAX still matters in the age of AI

...and Francesco's teaching method – the five pillars of DAX and the path from a simple column to the measure magic.

Francesco Bergamaschi https://www.linkedin.com/in/francescobergamaschi/

Artur König

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

Meet Francesco and learn the five Pillars of DAX at the 14th and 15th October in Cologne:

https://www.daten-wg.com/details-registrierung/all-in-dax-pillars-en

https://www.daten-wg.com/daten-wg-2026

00:00 – Intro: an Italian DAX pro and why DAX tutorials all have an Italian accent

04:08 – Calculated columns: just another tool, not a sin

05:45 – Calculated tables and the danger of materializing whole tables

07:24 – Learning DAX in 2012, before Marco and Alberto's first book

09:03 – ALLSELECTED: how to use it without getting burned

11:03 – How do you teach DAX in a single day?

11:30 – The five pillars of DAX

13:19 – The teaching path: from columns to tables to the measure magic

21:10 – CALCULATE as the magic box – and why it beats variables for beginners

22:21 – "Variables are constant" and what makes DAX honest

24:56 – DAX vs SQL: three lines instead of twenty

25:26 – A language for the business user, not for storage

27:26 – The CALCULATE algorithm: a genuinely beautiful piece of engineering

30:13 – The Definitive Guide to ALLSELECTED – and getting a note added to it

32:01 – Is DAX still relevant in the age of AI? A new book from Marco and Alberto

33:56 – On the road: SQLBits, Data Point Prague, and a stop in Cologne

35:20 – Closing: paper, pencil, and good books

Links and sources

kubisco – Francesco's consultancy and DAX blog: https://www.kubisco.com/

The Definitive Guide to DAX, Third Edition (Marco Russo & Alberto Ferrari): https://www.sqlbi.com/books/the-definitive-guide-to-dax-third-edition/

The Definitive Guide to ALLSELECTED (SQLBI article): https://www.sqlbi.com/articles/the-definitive-guide-to-allselected/

SQLBI: https://www.sqlbi.com/

DAX Studio: https://daxstudio.org/

Data Point Prague 2026: https://datapointprague.cz/

SQLBits: https://sqlbits.com/

Daniel Marsh-Patrick joins from down under to talk about Deneb, the certified Power BI custom visual that turns Vega and Vega-Lite into a sandbox for almost any visual you can imagine.

We dig into declarative vs. imperative visualization, why Deneb is a side project he has been carrying for five years, what PBIR and the new JSON report format mean for visual developers, why Vega is unusually LLM-friendly, and where Deneb really shines: the engineering, environmental, and "non-business" charts that Power BI core visuals were never built for.

Guest: Daniel Marsh-Patrick https://www.linkedin.com/in/daniel-m-p/

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

Daten-WG 2026 Conference, October 14-16: https://www.daten-wg.com/daten-wg-2026

00:00 – Intro: An international expert episode with Daniel from down under

02:55 – Daniel's path into Power BI visuals: Vega and Vega-Lite explained

05:13 – BI developer learning to be a web developer: where Power BI hits a wall

07:02 – Custom visuals, certification, and why proprietary visuals are tricky

09:09 – Why Deneb exists: certified custom visuals without the AppSource listing

10:49 – A side project for the community: five years of Deneb

12:59 – Declarative vs. imperative: why JSON beats coding every pixel

14:14 – PBIR and the new JSON report format for Power BI

17:32 – The big performance refactor and documenting Deneb's property structure

20:47 – Self-confessed non-coders build the most mind-blowing Deneb visuals

23:16 – Shoutouts to Kerry Kolosko and Ben Ferry

25:41 – Performance, interactivity, and the slow grind of community-driven roadmaps

26:44 – Vega and AI: why LLMs love declarative visuals

28:30 – Vega is everywhere: Looker Studio, Databricks, Microsoft research

30:30 – Why Deneb cannot have Copilot inside (and why it is not really a problem)

33:00 – Portability: copy a Vega spec from Databricks straight into Power BI

35:00 – When to reach for Deneb instead of stacking 28 measures for an IBCS bar chart

36:40 – Beyond sales and finance: engineering and environmental visuals

40:30 – Can I really maintain this? The third-party visual trade-off

42:00 – The world is broader than your next sales report

42:50 – Outro: Power BI & Fabric Summit and a shoutout to Reza Rad

44:00 – Difinity Conference and the open source spirit

45:11 – New Deneb release on the way with major performance improvements

Links and sources

Deneb documentation: https://deneb-viz.github.io/

Deneb on AppSource: https://marketplace.microsoft.com/en-us/product/power-bi-visuals/coacervolimited1596856650797.deneb

Vega: https://vega.github.io/vega/

Vega-Lite: https://vega.github.io/vega-lite/

Vega online editor: https://vega.github.io/editor/

Kerry Kolosko: https://kerrykolosko.com/

Ben Ferry – Power BI Ferry Tales: https://www.youtube.com/@powerbiferrytales

Microsoft Research – Data Formulator: https://www.microsoft.com/en-us/research/project/data-formulator/

IBCS: https://www.ibcs.com/

Power BI & Fabric Summit: https://globalpowerbisummit.com/

Mit Jasmin tauchen wir in ihr Herzensthema ein: Was uns Metadaten über Daten verraten: über Datenmodelle, über Skills im Team, über Reports, die niemand öffnet.

Wir reden über den Measure Killer, SharePoint-Listen als Mini-Datenkatalog, Datenqualität pro Use Case, Process Mining – und warum die meisten Unternehmen am ersten Schritt scheitern, weil sie zu lange über das richtige Tool diskutieren statt einfach loszulegen.

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

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

Daten-WG 2026 Konferenz am 14-16. Oktober - Agenda ist online:

https://www.daten-wg.com/daten-wg-2026

Jasmin ist bei einer Pre-Con dabei.

Mit dem Code SUPERJASMIN gibt es 20% Rabatt auf ihre Pre-Con

00:00 – Intro: Metadaten als Forensik – die fehlenden Puzzleteile

13:30 – Der Mini-Datenkatalog: SharePoint-Liste mit drei Spalten reicht für den Anfang

15:47 – Großkonzern oder Mittelstand: Wer profitiert mehr von Metadaten?

20:14 – Erste Schritte: MeasureKiller dranhängen und Status erheben

20:37 – Im BI-Team fragen, was Metadaten überhaupt sind

21:03 – Outro: Inventarisierung, Bucketlist und Schulterblick zu Benni De Jagere

Power BI Vibes: https://www.youtube.com/@BIVibes-JasminSimader

Measure Killer: https://en.brunner.bi/measurekiller

Benni De Jagere: https://bennidejagere.com/

Microsoft Fabric Metadata Scanning: https://learn.microsoft.com/en-us/fabric/governance/metadata-scanning-overview