Daten-WG

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/