Fabric Data Warehouse MCP Server: Agentic SQL sicher einsetzen
Fabric Data Warehouse MCP im Praxisguide: global vs. item-scoped, executeSQL, Berechtigungen, Read-only-Pilot und Human Approval für Writes.
Power BI Report Authoring Skill: Berichte mit AI-Agenten kontrolliert erstellen
Power BI Report Authoring Skill erklärt: PBIP/PBIR mit AI-Agenten bearbeiten, sicher validieren und sauber von Modeling MCP und Design trennen.
Power BI mit Claude entwickeln: Was heute möglich ist – und worauf Teams achten sollten
Claude kann Power BI inzwischen deutlich tiefer unterstützen als nur bei einzelnen DAX-Prompts. Entscheidend sind PBIP, PBIR, TMDL, Git, MCP und ein kontrollierter Entwicklungsprozess mit Human in the Loop.
Fabric Data Agents und Azure AI Search: strukturierte und unstrukturierte Daten verbinden
Fabric Data Agents und Azure AI Search lassen sich in beide Richtungen verbinden – aber die Architekturen sind grundverschieden. Wir zeigen indexed vs. remote/live, Identity-Flows, Preview-Grenzen und eine Entscheidungsmatrix.
Fabric Data Agent API & SDK: Automatisierung, CI/CD und MCP
Fabric Data Agents lassen sich inzwischen weit über das Portal hinaus betreiben. Wir zeigen, wie REST API, Python SDK, Git, Evaluation, Runtime und MCP zusammenspielen – und was sich seit dem Ende der Assistants-API-Integration geändert hat.
Creator Agent für Fabric Data Agents: Was automatisiert er wirklich?
Microsofts Creator Agent beschleunigt die Konfiguration von Fabric Data Agents mit KI-generierten Instructions und Example Queries. Doch Datenbasis, Business-Semantik, Governance und Produktionsfreigabe bleiben menschliche Aufgaben.
Fabric IQ Ontology vs. Power BI Semantic Model: Was gehört wohin?
Fabric IQ Ontology ersetzt das Power BI Semantic Model nicht. Die Entscheidungshilfe zeigt, welche Semantik zu KPIs, Geschäftskontext, Governance und AI Agents gehört.
Operations Agent für Fabric Pipelines
Operations Agent für Fabric Pipelines im Praxischeck: Observability Insights, Investigate, Monitoring, Preview-Grenzen, Kosten und Pilot.
Semantische Modelle AI-ready
Ein funktionierendes Power-BI-Modell ist noch nicht automatisch AI-ready. Klare Semantik, geprüfte Measures, Berechtigungen und Tests machen Copilot-Antworten verlässlicher.
Remote Power BI MCP Server
Der Remote Power BI MCP Server verbindet semantische Modelle mit KI-Agenten. Doch belastbare Antworten entstehen erst durch Modellqualität, klare Berechtigungen und AI Readiness.
Warum Copilot dein Problem nicht löst
Measures und Calculated Columns sehen in Power BI oft ähnlich aus, erfüllen aber unterschiedliche Aufgaben
Fabric Data Agents: Die Einführung
Fabric Data Agents sind kein Ersatz für gute BI-Architektur. Sie zeigen sehr schnell, ob Semantikmodelle, Datenqualität und Governance reif genug für Agentic Analytics sind.
Vibe Coding in Power BI
Power BI per Prompt klingt nach Tempo. In der Praxis entstehen damit bessere Entwürfe, aber nicht automatisch belastbare Reports. Der Artikel zeigt konkrete Beispiele, passende Tools und typische Risiken rund um Vibe Coding in Power BI.
Prompten in Power BI in der Praxis
Best Practices, Prompt-Design und Praxisbeispiele für Copilot – von Report-Seiten bis DAX.
Power BI MCP 2026: Authoring MCP, Fabric IQ und Report Authoring
Power BI MCP 2026 erklärt: Authoring MCP für Modelle, Fabric IQ für Consumption und Report Authoring für PBIR/PBIP – inklusive Security und Governance.
Die Zukunft von Power BI und KI
Wie KI die Datenanalyse, Arbeit und Gesellschaft verändert – von Power BI bis Robotik.
Copilot in Power Automate
Erstelle mit Copilot in Power Automate automatisierte Workflows – zum Beispiel, um Formulardaten aus Microsoft Forms direkt in SharePoint zu speichern.
Was ist Microsoft Copilot? KI-Assistent im Überblick
Microsoft Copilot erklärt: So nutzt Du den KI-Assistenten in 365, um Texte, Daten & Präsentationen schneller zu erstellen.
„Copilot Arbeit“ vs „Copilot Web“
Verstehe den Unterschied zwischen Copilot Web und Copilot Arbeit – Nutzung, Datenzugriff und Einsatz in deinem Arbeitsalltag auf einen Blick.