powerbi

name

powerbi

description

Umfassende Unterstützung für PowerBI-Reporterstellung von A bis Z: ETL-Pipelines (MongoDB, SQL Server DWH), Datenmodellierung (Star Schema), DAX-Berechnungen, Power Query M-Transformationen und Visualisierungen. Verwende diesen Skill immer, wenn der Benutzer PowerBI-Reports erstellt, Datenmodelle entwirft, DAX-Measures schreibt, Power-Query-Abfragen optimiert oder ETL-Pipelines für PowerBI plant. Triggers: PowerBI, Power BI, DAX, Power Query, M-Abfrage, Measure, Slicer, Datenschnitt, Datenmodell, Star Schema, ETL, Dashboard, KPI, Visualisierung, Berichtsdesign.

PowerBI Report Engineering

Unterstütze bei der professionellen Erstellung von PowerBI-Reports — von der Datenquelle bis zur fertigen Visualisierung.

Datenquellen-Infrastruktur

Quelle	Technologie	MCP Server	Zugriffsmuster
Operative Daten	MongoDB	mcp_mongodb_*	Aggregation Pipelines, Schema-Analyse
Data Warehouse	SQL Server	mcp_mssql_*	Views, Stored Procedures, Direktabfragen
Dokumentation	Microsoft Docs	mcp_microsoft_doc_*	DAX/M-Referenz, Best Practices

MCP-Server-Nutzung

MongoDB (Quelldaten erkunden)

1. mcp_mongodb_list-databases          → Verfügbare Datenbanken
2. mcp_mongodb_list-collections        → Collections in DB
3. mcp_mongodb_collection-schema       → Feldstruktur verstehen
4. mcp_mongodb_aggregate               → Daten aggregieren/transformieren
5. mcp_mongodb_find                    → Stichproben ziehen
6. mcp_mongodb_count                   → Datenvolumen prüfen

SQL Server (DWH erkunden)

1. mcp_mssql_list_databases            → Verfügbare Datenbanken
2. mcp_mssql_list_tables               → Tabellen im DWH
3. mcp_mssql_describe_table            → Spalten, Typen, Constraints
4. mcp_mssql_get_relationships         → Fremdschlüssel-Beziehungen
5. mcp_mssql_sample_data               → Stichproben prüfen
6. mcp_mssql_list_views                → Verfügbare Views
7. mcp_mssql_analyze_data_distribution → Werteverteilung analysieren
8. mcp_mssql_list_indexes              → Performance-relevante Indizes

Microsoft Docs (Referenz)

1. mcp_microsoft_doc_microsoft_docs_search   → DAX/M-Funktionen suchen
2. mcp_microsoft_doc_microsoft_code_sample_search → Code-Beispiele finden
3. mcp_microsoft_doc_microsoft_docs_fetch    → Vollständige Dokumentation laden

ETL-Pipeline-Design

Schichtenarchitektur (MongoDB → DWH → PowerBI)

┌─────────────┐    ┌──────────────────┐    ┌──────────────────┐
│  MongoDB     │───▶│  SQL Server DWH  │───▶│  PowerBI Report  │
│  (Operativ)  │    │  (Staging/Facts) │    │  (Import/DQ)     │
└─────────────┘    └──────────────────┘    └──────────────────┘
     Source              Transform              Present

Schicht	Verantwortung	Werkzeug
Bronze (Raw)	1:1 Kopie aus MongoDB	DataPump / Staging
Silver (Clean)	Bereinigt, typisiert, dedupliziert	SQL Server Views/SP
Gold (Serve)	Star Schema, Measures, KPIs	PowerBI Datenmodell

Entscheidung: Import vs. DirectQuery

Kriterium	Import	DirectQuery
Datenvolumen < 1 GB	✅ Bevorzugt	Möglich
Echtzeit nötig	❌	✅ Bevorzugt
Komplexe DAX-Berechnungen	✅ Performant	⚠️ Langsam
Datenvolumen > 1 GB	⚠️ Prüfen	✅ Bevorzugt

Datenmodellierung

Star Schema (Goldstandard)

         ┌──────────┐
         │ DimDatum  │
         └─────┬────┘
               │
┌──────────┐   │   ┌──────────┐
│ DimKunde ├───┼───┤ DimProdukt│
└──────────┘   │   └──────────┘
               │
         ┌─────┴────┐
         │ FaktTabelle│
         └───────────┘

Regeln:

• Fakttabellen enthalten nur Schlüssel und Messwerte (numerisch)
• Dimensionstabellen enthalten beschreibende Attribute
• Beziehungen: Dimension (1) → Fakt (*)
• Filterrichtung: Einseitig (Dimension → Fakt)
• Bidirektionale Filter nur bei M:M-Brücken (und dann mit Vorsicht)

Detaillierte Referenzen

• DAX-Patterns und Funktionsreferenz: Siehe references/dax-patterns.md
• Power Query M Transformationen: Siehe references/power-query-m.md
• Visualisierungen und Report-Design: Siehe references/visualisierungen.md

Qualitätsprüfung

Vor Abschluss jedes Reports prüfen:

#	Prüfpunkt	Methode
1	Datenmodell: Star Schema korrekt?	Modellansicht prüfen
2	Beziehungen: Keine Ambiguität?	Alle Pfade eindeutig
3	Measures: Filterkontext korrekt?	Mit Testdaten validieren
4	Performance: Keine unnötigen Spalten importiert?	Performance Analyzer
5	Slicer: Sortierung korrekt?	Sortierspalte zugewiesen
6	Formatierung: Zahlen/Datum/Währung im CH-Format?	Stichproben prüfen
7	Farben: Corporate Design eingehalten?	Farbpalette prüfen
8	Barrierefreiheit: Alt-Texte vorhanden?	Jedes Visual prüfen