Daten-WG Archiv

Mit Tom tauchen wir tief in eine Frage ein, die scheinbar einfach klingt – aber es ganz und gar nicht ist. Seit der TDWI-Definition aus 2011 hat sich vieles verändert: Tools, Nutzer, Erwartungen. Und jetzt kommen auch noch KI und Agents dazu.

Wir reden über Power BI, Deneb, Citizen Developer, Governance und die ewige Spannung zwischen IT und Fachbereich.

Tom bringt wie immer klare Gedanken und viele Beispiele aus der Praxis.

00:00 – Intro: Warum Tom zum zweiten Mal im Podcast ist

03:23 – Self-Service: Was Tom wirklich antreibt

04:03 – Die TDWI-Definition aus 2011

05:13 – Der IT-Bottleneck: Warum Self-Service überhaupt entstand

07:02 – Deneb: Wenn Self-Service zum Coden wird

08:43 – Toms Definition: Self-Service = kein IT-Bedarf

11:15 – Wartbarkeit vs. Komplexität (das Deneb-Dilemma)

12:49 – Wartbarkeit ist Pflicht, nicht Bonus

14:10 – Der Self-Service-User von heute ist nicht mehr der von 2011

19:49 – Citizen Developer: Alleine lernen ist schwer

22:04 – Das UI/Design-Problem beim Self-Service

24:51 – Trade-offs: Qualität vs. Wartbarkeit

26:45 – KI als "privater ITler" für alle

27:56 – Spreadsheet-Hell war gestern – kommt jetzt die Agent-Hell?

36:46 – Shadow IT und Bottom-up-Einführung von Tools

37:59 – Erlauben ist gut – aber Governance muss sein

40:16 – Schatten-IT ignorieren ist keine Strategie

41:42 – IT und Fachbereich: Die alte Trennung gilt nicht mehr

43:05 – Citizen Data Engineer und Deployment Pipelines

45:48 – Experten gibt es auf beiden Seiten

48:36 – Tom, der "Nicht-Computer-ITler"

52:11 – Toms finale Definition: Self-Service innerhalb von Guardrails

53:51 – Ausblick: Was ist eigentlich Datenkompetenz?

Thomas Martens https://www.linkedin.com/in/tommartens68/

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

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

In dieser Folge wird’s kontrovers.

Gemeinsam mit Martin Bubenheimer gehe ich der Frage nach, für wen Fabric heute eigentlich wirklich geeignet ist.

Wir diskutieren ehrlich über die Realität von Self-Service BI, typische Fabric-Probleme aus der Praxis, warum IT und Fachbereiche oft komplett unterschiedlich drauf schauen und ob Tools wie Snowflake am Ende die bessere Wahl sind.

Ist Fabric ein sinnvoller Einstieg in moderne Datenarbeit für Fachbereiche – oder produziert es nur neue technische Schulden?

Keine Marketing-Story, sondern echte Erfahrungen, echte Meinungen – und ein ziemlich direkter Schlagabtausch.

00:00 Intro & Vorstellung von Martin Bubenheimer

01:33 These: Für wen ist Microsoft Fabric?

02:09 Kritik: Fabric zu unausgereift & instabil für Citizen Developer

03:26 Vergleich: Ist das anders als die alte Excel/Power BI-Kritik?

05:02 Was ist überhaupt ein Workaround?

06:05 Beispiel: Deployment Pipelines & fehlende Konsistenz

07:26 Arturs Gegenposition: Fabric für kleine, businessnahe Lösungen

08:27 Dataflows Gen1 vs. Gen2 & Orchestrierungsprobleme

10:00 Use Case: Wenn kein Data Warehouse verfügbar ist

11:38 Quick Win: Daten persistent ablegen statt immer neu laden

15:49 Data-Mesh-Ansatz bei Snowflake als Alternative

18:44 Governance: Wie granular lässt sich Fabric steuern?

19:45 Lakehouse vs. Warehouse – versteckte Fallstricke

23:00 Citizen Developer: Wer profitiert wirklich?

25:06 Shortcuts als Killer-Feature des Lakehouse

28:04 Fabric-Komplexität: Direct Lake, SQL Endpoint & Co.

30:57 In Fabric beschäftigt man sich mit Fabric-Problemen

36:01 Wann braucht man Fabric wirklich zwischen Excel & Warehouse?

39:15 Wird die Mehrheit der Excel-User jemals zu Fabric wechseln?

40:00 Copilot & schrittweise Weiterentwicklung der Nutzerkompetenz

45:54 Vorschau: TDWI München und Daten-WG 2026

Martin Bubenheimer: https://www.linkedin.com/in/martin-bubenheimer-9ba99271/

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

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

We reveal the real reason why Fabric is winning tha data game!

A common misconception is that Fabric tries to compete directly with platforms like Snowflake or Databricks. Khaled disagrees with that view. He believes Fabric’s real competitor is something completely different.

Excel.

Not because Fabric replaces Excel, but because it integrates with it. Excel will likely remain the final mile of analytics in many organizations. But with tools like OneLake and connected datasets, Excel can become a window into a governed data platform rather than a disconnected spreadsheet universe.

We talked about Microsoft Fabric, consulting, business value, and why most data projects fail. And Khaled has a particularly interesting perspective on that topic – because he did not start in IT or data.

If you want to scale your business with Microsoft Fabric - this is for you!

00:00 From CFO to Data Leader

03:05 Discovering Power BI

04:41 Data Belongs to Business

08:47 Business Doesn’t Care About Tools

11:40 Why Fabric Wins

14:48 Unused Data = Zero Value

26:47 The Real Purpose of Data

29:06 Fabric Changes SMEs

33:18 Fix Data Problems Fast

41:13 It’s Not About the Tool

Khaled Chowdhury: https://www.linkedin.com/in/odetajankaitiene/

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

Data Crafters: https://datacrafters.io/

Why Lakehouse? https://www.linkedin.com/posts/khaledchowdhury_vienna-ugcPost-7371171675767250944-DFVj

Daten-WG: https://www.daten-wg.com/ [DE]

In dieser Folge spreche ich mit Heiko – ebenfalls Podcaster und Buchautor („ABC der Digitalisierung für Entscheider“) und zudem auch Berater für digitale Transformation – über die Frage, warum Digitalisierung ein Dauerbrenner ist … und warum das auch gut so ist.

Wir diskutieren:

- Warum viele Digitalprojekte trotz guter Workshops nicht vorankommen

- Wieso ein klares Zielbild wichtiger ist als der nächste Use-Case-Ideation-Workshop

- Top-down-Strategie vs. Bottom-up-Initiativen (Spoiler: Du brauchst beides)

Self-Service BI, Wildwuchs und warum „Chaos“ manchmal produktiver ist als Kontrolle

- KI als echter Gamechanger – vom Office-Use-Case bis zur strategischen Prozessoptimierung

- Und die provokante Frage: Sind neue AI-First-Unternehmen im Vorteil gegenüber gewachsenen Organisationen?

Heiko teilt konkrete Erfahrungen aus über 30 Projekten – von Brownfield-Realität bis zu echten KI-Use-Cases in der Produktentwicklung. Es geht nicht nur um Tools und Features, sondern darum, wie Digitalisierung in Organisationen wirklich wirkt (oder eben nicht).

Am Ende bleibt eine klare Botschaft:

Nicht warten. Nicht perfektionieren. Sondern anfangen.

00:00 Warum Digitalisierung nie aufhört – Einstieg & 3 Horizonte

04:22 Brownfield-Realität: Wo fängt man überhaupt an?

08:07 Zielbild statt Aktionismus – warum Strategie vor Tools kommt

11:36 Wer muss wirklich mit an den Tisch? (Und wer besser nicht)

15:00 Workshops richtig machen: Entscheidungen statt Snacks

16:35 Top-Down vs. Bottom-Up – braucht es beides?

22:04 Self-Service BI & Wildwuchs – Chaos oder Produktivität?

25:29 Copilot, Kosten & Report-Leichen – Enablement statt Lizenzfriedhof

29:29 KI als Katalysator – warum jetzt plötzlich alle betroffen sind

35:01 Greenfield mit AI neu bauen – realistisch oder Illusion?

38:32 Umsetzungsmodus: Warum Warten die größte Gefahr ist

Digital Success Podcast: https://open.spotify.com/show/17I7pr3JQp4rF7IBrL5c1Q

Heiko Löffler: https://www.linkedin.com/in/heiko-loeffler-digitalsuccess/

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

was wir sonst so machen: https://www.daten-wg.com/

DATEN-WG 2026 pre sale: https://www.daten-wg.com/daten-wg-2026

Wenn man über Daten, BI oder Cloud spricht, bewegt man sich oft in einer vergleichsweise komfortablen Welt. Klar, es gibt Governance, Datenschutz, Security.

Aber am Ende gilt in vielen Projekten: Wir operieren nicht am offenen Herzen.

In der Pharma- und Life-Science-Welt sieht das anders aus.

Hier hängen an Daten reale Patientenschicksale. Entscheidungen basieren auf Parametern, die direkten Einfluss auf Produktqualität und Sicherheit haben. Und genau deshalb existieren GxP-Regularien – ein regulatorischer Rahmen, der sicherstellen soll, dass alles nachvollziehbar, reproduzierbar und manipulationssicher ist.

Aber was bedeutet das eigentlich für moderne Datenarchitekturen, Self-Service BI und Cloud-Technologien?

00:00 Intro & Chaos-Hacker-Talk

03:56 Change Control, Cloud & Blackbox-Problematik

07:30 Rolle der Behörden & Prinzipien statt Detailregeln

09:55 FDA, Rechtssystem & Audit-Kultur USA vs. Europa

13:05 Überregulierung im Unternehmen & “German Overcompliance”

15:31 Direct vs. Indirect Impact Daten (kritische Parameter)

20:43 Self-Service Analytics vs. Qualitätsentscheidungen

23:31 Data Integrity & warum Regulierung historisch gewachsen ist

27:08 Security, Hacking-Szenarien & reale Risiken

35:41 Covid als Digitalisierungs-Booster

38:46 KI in Wirkstoffentwicklung & Disruption-Potenzial

42:11 Technologische Komplexität & Agilität als Notwendigkeit

43:41 Abschluss & Ausblick auf weitere Deep-Dives

Mehr davon gibt es im GxP-Talk

Wir sprechen LIVE mit anderen Experten über die Herausforderungen regulierter Branchen:

https://www.youtube.com/live/KO_qFge77o8?si=Fs9mnslDt2L0zCrZ

Der ChaosHacker-Talk: https://www.youtube.com/@ChaosHacker-Talk

Christof zu Gast bei Christian Krug: https://www.youtube.com/watch?v=ZTrDy7ClTLk

Christof Layher: https://www.linkedin.com/in/christoflayher/

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

was wir sonst so machen: https://www.daten-wg.com/

DATEN-WG 2026 pre sale: https://www.daten-wg.com/daten-wg-2026

Gabi und Artur schauen auf die letzten Monate in Fabric: von der allumfassenden KI über bessere Integrationen mit Partnern bis zum Button-Slicer und Sharepoint-Shortcut

00:53 Power BI Updates + Q&A-Feature fliegt raus

02:24 Button-Slicer offiziell + warum das so mächtig ist

03:11 Write-Back / “Eingabe”-Thema (Text-/Input-Slicer Grenzen)

03:46 Power BI im Web fast gleichwertig (Themes + Performance Analyzer)

05:29 PBIR/PBIP & “Code First” – GA-Story + Default-Plan

09:01 VS Code + TMDL + MCP für Power BI (Measures schnell optimieren)

11:48 External Tools & Solution Accelerators (Fabric Toolbox, Partner-Tools)

16:46 Search Protection auf Workspace-Ebene (Kapazität pausen, Mission Critical)

20:50 Security kommt “leise”: RLS/CLS, auch für Mirroring/gespiegelte Objekte

25:03 Mirroring & Integration (SAP/Oracle/Snowflake/Databricks, SharePoint-Shortcuts)

33:30 Ignite / Fabric IQ & Ontologien + Agents (Business Context als Layer)

49:12 Wünsch-dir-was: Translytical, UDFs, CICD/Dataflows parametrisierbar

54:53 Events (SQL-Konferenz, Datagrillen, SQL Bits, Daten-WG)

Und ganz am Ende gibt es noch Wünsche und Spekulationen von Gabi und Artur, was demnächst so kommt oder kommen sollte.

Quellen

Roadmap: https://aka.ms/FabricRoadmap

Fabric Blog: https://blog.fabric.microsoft.com/en-US/blog/

Event-Empfehlungen:

02.-04. März SQL Konferenz https://sqlkonferenz.de/

05.-07. März Power BI Gebruikersgroep https://pbig.nl/

22.25. April SQLBits https://sqlbits.com/

21.-22. Mai Datagrillen https://datagrillen.com/

10.-11. Juli Data Saturday Rheinland https://sessionize.com/data-saturday-rheinland-2026/

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

Was sind die wesentlichen Unterschiede der beiden Tools und warum begeistern wir uns überhaupt so für Tool-Vergleiche?

Wie ziehen ein Fazit unserer Live Sessions aus den Bereichen Import, Datenmodell und Front-End.

Zwei Perspektiven, viel Erfahrung, klare Meinungen – und trotzdem fair.

00:00 Wer ist Oliver?

03:36 Aha-Effekte aus der Challenge: gleiche Probleme, andere Wege

07:12 Full-Stack & „BI-Tool als Datenplattform missbrauchen?“

10:48 Datenmodell-Diskussion: assoziativ (Qlik) vs. Filterrichtungen (Power BI)

14:24 Analyse vs Reporting: wo hat welches Tool die Stärke?

18:00 Self-Service vs Guided Self-Service (Sandkasten, Power-User, Excel-Monster)

21:36 Lernkurve & Tool-Wechsel: warum Qlik-User oft nicht loslassen wollen

25:12 Tool-Auswahl: wann Power BI, wann Vergleich, wann lieber nicht wechseln

28:48 BI einführen: Partner suchen + Tools wirklich 1–2 Tage testen

32:21 Outro / Verabschiedung

Die Stream-Serie dazu: https://www.youtube.com/@Daten-WG

Oliver Franz: https://www.linkedin.com/in/oliver-franz-99493517a/

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

was wir sonst so machen: https://www.daten-wg.com/

DATEN-WG 2026 pre sale: https://www.daten-wg.com/daten-wg-2026

Flat Table oder Sternschema – warum prallen hier eigentlich Welten aufeinander?

In dieser Folge sprechen wir über ein Thema, das in fast jedem Analytics-Projekt früher oder später eskaliert: Datenmodellierung.

Ausgehend von einem echten Projekt mit Databricks und Power BI diskutieren wir, warum flache Tabellen für viele „einfacher“ wirken, warum Sternschemata trotzdem ihre Stärken haben und weshalb diese Diskussion oft weniger technisch ist, als sie scheint. Es geht um Prägung durch Excel, unterschiedliche Tech-Stacks, Self-Service-Versprechen, Performance-Mythen, Speicherplatz, Kosten – und darum, warum saubere Modelle vor allem eines bringen: weniger Schmerzen beim Arbeiten mit Daten.

Keine Dogmen, kein „richtig oder falsch“, sondern ehrliche Erfahrungen aus der Praxis.

Und am Ende die Frage: Wann ist Flat Table okay – und wann wird sie zur Sackgasse?

00:27 Ausgangslage: Flat Table aus Databricks

01:01 Konfliktmoment: „Flat Table war doch einfacher“ vs. Sternschema

01:44 Prägung/Tech-Stack: Analysis Services/OLAP vs. alles im DWH vorberechnen

04:19 Praxisargument: Views/Joins, Tool-Kompatibilität, Fachanwender brauchen “breite Tabelle”

06:50 Excel-Prägung & Self-Service: müssen Fachbereiche „kleine Entwickler“ werden?

08:37 Sternschema-Aha: bessere Filterlogik, Granularitäten, weniger Excel-Schmerz

17:12 Realitätscheck: Benchmarks/Testdaten vs. echte Daten + wann Flat Table „reicht“

31:45 Kosten/Limits & Wrap-up: Pro/Premium, On-Prem Limits, Service-Restriktionen + Outro

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

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

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

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

was wir sonst so machen: https://www.daten-wg.com/

Wir wollten über Datenmodellierung sprechen und landeten dann doch bei Governance. So etwas passiert, wenn Jasmin zu Gast ist.

Datenmodelle sind die Schnittstelle zwischen Business, Struktur und Verantwortung. Es gibt kein perfektes Modell - und genau deshalb ist das Thema näher an der Organisation als erwartet.

00:00 Willkommen zur Daten-WG & Thema des Tages

01:10 Datenmodellierung im Workshop: Erwartungen vs. Realität

03:07 Flat Table oder Sternschema: Was brauchen wir wirklich?

05:02 Es kommt darauf an – der Kontext entscheidet

07:04 Datenmodellierung = Anschnallen im Datenauto?

09:13 Warum zu viele Joins Probleme verursachen

11:16 Datenmodelle, die die Business-Wirklichkeit abbilden

13:00 Ownership & Governance: Wer ist verantwortlich?

15:14 Datenkultur: Wenn einfache Lösungen gefeiert werden

28:53 Fazit: Organisation bestimmt die Technik – nicht umgekehrt

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

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

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

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

was wir sonst so machen: https://www.daten-wg.com/

Power BI MVP Odetta Jankaitienė reflects on the tool’s journey from solo dashboards to enterprise platform. With host Artur, she dives into UX details, DAX vs. SQL, Fabric’s F2 benefits, version control, and API headaches. A must-listen if you're scaling Power BI beyond the basics.

00:00 Intro & Welcome

02:26 Frontend vs Backend Work in Power BI

05:35 Chart Choices: Pie Charts or Better Alternatives

08:36 Collaboration with Git & Microsoft Fabric

12:22 Why Fabric F2 Matters for Small Teams

24:17 DAX vs. SQL – Ease of Use and Real‑World Scenarios

32:42 Final Thoughts & What’s Missing in Power BI

Odeta Jankaitienė: https://www.linkedin.com/in/odetajankaitiene/

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

Dragon's Data Blog: https://dragonsdata.com/

Odeta on YouTube: https://www.youtube.com/@dragonsdata

Daten-WG: https://www.daten-wg.com/ [DE]

In this episode, John Vöge explores how to implement data input scenarios (WriteBack) in Power BI—from ditching Excel to leveraging the latest Translytical Task Flows in Microsoft Fabric. He breaks down the pros and cons of Power Apps, third-party visuals, and native Fabric solutions.

If you're working with Power BI and wondering how to go beyond just displaying data—this episode is for you. John Vöge shares deep insights on how to enable user input within Power BI reports. He walks us through the pain points of Excel-based workflows, real-life examples like finance forecasting with 250 users, and the technical trade-offs between Power Apps, third-party visuals like InfoRiver, and the brand-new Translytical Task Flows in Fabric.

You'll learn how to choose the right tool depending on flexibility, cost, data governance, and user expectations. And we go beyond planning: use cases like triggering refreshes, managing row-level security, or embedding chatbots show how this is not just about "Write-Back" anymore—it's about making dashboards interactive. Whether you're building planning tools or interactive workflows in BI, this episode will help you understand what's possible today, what to avoid, and what’s coming soon.

00:00 WriteBack in Power BI – Why users still ask for input features

03:54 Real-world finance use case: 250 users, Excel chaos, and the WriteBack fix

07:30 The 3 main WriteBack options: Power Apps, 3rd-party visuals & Translytical

10:15 InfoRiver & Excel-like experiences – pros, cons, and sovereignty concerns

13:45 Translytical Task Flows explained: native, low-cost, and flexible

17:36 Can we use Translytical in production already? Future outlook

21:01 Beyond planning: Master data, comments & advanced scenarios

32:40 Bonus: Fabric Symposium – community, lessons learned & organizing events

Fabric Symposium:

https://www.fabricsymposium.com/

Recap Blog of 2025:

https://downhill-data.com/2025/01/07/how-i-built-fabric-symposium/

Translytical Task Flow Gallery: https://community.fabric.microsoft.com/t5/Translytical-Task-Flow-Gallery/bd-p/pbi_translyticalgallery

(find the Sudoku there!)

Jon Vöge: https://www.linkedin.com/in/jonvoge/

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

Daten-WG: https://www.daten-wg.com/ [DE]

Power BI ist bald tot – sagt ein Power BI-Dozent

Das Gespräch mit Stefan Werner war nicht nur sehr lang, sondern hat eine sehr große Spannweite an Themen abgedeckt.

Von der Zukunft von Power BI ging es zur KI und den Auswirkungen auf die Gesellschaft. Mit technischer Begeisterung, aber auch gesunder Skepsis arbeiten sich Stefan und Artur durch verschiedene Themenbereiche.

00:00 Holzwurm und Dozent: Wer ist Stefan Werner?

02:08 Warum Power BI in 10 Jahren überflüssig sein könnte

04:55 Tools verschwinden – aber wofür steht das eigentlich?

07:12 Vom Quiz zur KI-App: Software in Minuten gebaut

10:28 Kann man bald mit Daten „reden“ statt analysieren?

13:40 Was macht eine „gute“ Analyse wirklich aus?

17:05 Prompting reicht nicht – es braucht Kontextverständnis

20:12 Datenqualität vs. Automatisierung: Wo sind die Grenzen?

23:27 Sprachgesteuerte Dashboards – realistisch oder Hype?

26:45 Demokratisierung durch KI: Wer profitiert wirklich?

30:58 Werden Berater durch KI ersetzt? Oder nur transformiert?

35:10 Zwei Klassen von KI-Nutzer:innen: Wer bleibt zurück?

38:27 Weiterbildung muss Pflicht werden – nicht Kür

42:03 Warum Unternehmen sich selbst ausbremsen

45:55 Zeitersparnis durch KI – aber wer nutzt sie wirklich?

49:40 Warum wir Content bald nicht mehr trauen können

53:15 KI erzeugt Inhalte – aber was ist mit Originalität?

56:32 Kontrollverlust durch autonome Agenten

61:00 Braucht KI Regeln – oder Menschen mit Haltung?

66:40 Abschluss: Zwischen Euphorie und Realität

Eine Podcast-Reise in sieben Akten:

Stefan Werner diskutiert, ob Software wie Power BI, Excel oder Word in Zukunft überhaupt noch gebraucht wird, wenn KI Aufgaben direkt übernimmt. Er beschreibt, wie generative KI durch Sprachbefehle ganze Dashboards oder Programme erstellt und damit unsere gewohnten Werkzeuge und Arbeitsweisen radikal verändert. Die Frage: Wird Software durch KI obsolet?

Die Gesprächspartner entwickeln eine neue Vision von Datenarbeit: Man spricht mit seinen Daten, statt Tools zu bedienen. Dabei rückt auch die Frage in den Vordergrund, was eigentlich eine gute Analyse ausmacht – Vertrauen, Kontext und Validierbarkeit sind zentrale Stichworte. Zugleich wird klar: Menschlicher Kontext bleibt (noch) unersetzlich.

KI macht komplexe Analysen für alle zugänglich: Vom kleinen Unternehmen bis zur Gastronomie können nun auch Nicht-Profis mit wenigen Prompts datenbasierte Entscheidungen treffen. Das verändert nicht nur Berufsbilder, sondern auch ganze Branchen – und stellt Berater*innen vor neue Herausforderungen.

Mit zunehmender Automatisierung wachsen die sozialen Spannungen. Stefan skizziert eine Zwei-Klassen-Gesellschaft zwischen denen, die sich KI leisten und verstehen können – und denen, die abgehängt werden. Er fordert öffentlich zugängliche Weiterbildung, niedrigschwellige Formate und neue Bildungsinitiativen.

Der Ruf nach lebenslangem Lernen wird konkret: KI schafft neue Möglichkeiten, aber auch neue Notwendigkeiten, sich kontinuierlich weiterzubilden. Stefan fordert, eingesparte Zeit durch Automatisierung konsequent für Fortbildung zu nutzen – nicht für zusätzliche Meetings oder ineffiziente Aufgaben.

Die zunehmende KI-generierte Informationsflut bedroht freie Inhalte und die Motivation von Content Erstellern. Stefan mahnt: Wenn KI alles aggregiert und wiederverwendet, droht das Internet zur algorithmischen Einbahnstraße zu werden – mit fragwürdiger Qualität und wenig Transparenz.

Der Podcast endet mit einer kritischen Reflexion zu Sicherheitslücken durch unregulierte Automatisierung. Stefan warnt vor blauäugiger Euphorie, Agentensystemen ohne Kontrollinstanz und fehlender Resilienz in digitalen Infrastrukturen. Der Appell: Technik nicht nur feiern – sondern verstehen, gestalten und sichern.

Shownotes:

https://adoption.microsoft.com/de-de/project-sophia/

Die FABCON Europe liegt hinter uns - und damit viele Ankündigungen, aber auch vieles, was nun endlich "GA" ist.

In dieser Folge gehen Gabi und Artur die Themen Workload für Workload durch - von bodenständigen Power BI und Dataflow-Updates über Enterprise-Security-Features bis hin zu Agents und Graphen.

00:00 Intro

02:59 Power BI – Volle Web-Modellierung jetzt GA: Import- und Direct Lake-Modelle lassen sich vollständig im Web bearbeiten.

08:04 Power BI – User Defined Functions (DAX) eingeführt: Wiederverwendbare DAX-Logik mit echten Eingabeparametern.

12:22 Fabric – Translytical UDFs & Writeback mit Freitext: DAX-Writebacks auf SQL-Ziele möglich, inkl. Texteingaben.

17:15 Data Engineering – Materialized Lake Views mit Incremental Refresh: Persistente Spark-Views jetzt GA.

19:29 Data Engineering – Fabric Spark Runtime 2.0 angekündigt: Spark 4.0 und Delta 4.0 angekündigt.

20:54 Data Engineering – Shortcut-Transformationen jetzt möglich: CSV/Parquet direkt zu Delta im Shortcut konvertieren.

24:00 Data Engineering – Mirroring für Oracle, Snowflake, SAP: Zero-ETL-Ansatz mit bidirektionalem Zugriff.

27:23 Data Factory – Dataflows Gen2 stark verbessert: Weniger CU-Verbrauch, schneller, mit neuen Filter- und Zieloptionen.

35:31 Dev & Admin – Fabric CLI jetzt GA & Open Source: Neue Automatisierungsmöglichkeiten für Profis.

53:13 Security – Workspace-Level Outbound Protection jetzt GA: Erstes GA-Feature im Advanced-Security-Komplex.

Und ganz am Ende gibt es noch Wünsche und Spekulationen von Gabi und Artur, was demnächst so kommt oder kommen sollte.QuellenRoadmap:

https://aka.ms/FabricRoadmapFabric Blog:

https://blog.fabric.microsoft.com/en-US/blog/

Besuche uns in Dortmund am 29.10.2025

https://www.diedatenwg.com/offsite

What makes a Power BI community thrive? Meet Ioannis, the new co-lead of the Power BI Usergroup Berlin, as he shares his story — from Athens to Berlin, from Databricks to custom visuals. Passion, purpose, and practical insights for every engaged data pro.

The discussion covers more than just event organization—it’s a deep dive into custom Power BI visuals, the challenges of building user-centric solutions, and the evolving role of AI in business intelligence. Ioannis opens up about his journey from first-time speaker at New Stars of Data to international conferences, offering practical insights for anyone looking to grow in the data community.

Whether you're an aspiring speaker, a visual tinkerer, or just someone passionate about Power BI, this episode will leave you inspired to contribute and connect.

00:00 Passing the Torch: New Leadership for Berlin Power BI0

2:10 From Athens to Berlin: Building Communities Across Borders

03:45 Hybrid Events and Live Streaming: Growing the Reach

04:55 Upcoming Talk: Databricks + Power BI

07:00 Volunteering, Passion & the Power of Community

08:10 Ioannis’ First Steps: New Stars of Data and Mentorship

12:00 Custom Visuals in Power BI: Why and How to Get Started

20:30 The Future of Visuals: Copilot, Interactivity & Real User Needs

The Usergroup: https://www.meetup.com/de-DE/berlin-power-bi-user-group/

Ioannis: https://www.linkedin.com/in/ioannisphilippides/

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

Data Moshpit: https://data-moshpit.de/

Get started with custom visuals: https://www.microsoft.com/en-us/power-platform/products/power-bi/developers/custom-visualization