Daten-WG

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/