Power BI mit Claude entwickeln: Was heute möglich ist – und worauf Teams achten sollten

Power BI und generative KI werden häufig auf eine einfache Idee reduziert: Prompt eingeben, Bericht erzeugen, fertig. Für erste Experimente klingt das attraktiv. In produktiven Power-BI-Umgebungen reicht es aber nicht, wenn ein Ergebnis nur plausibel aussieht. Datenmodell, DAX-Logik, Visualisierung, fachliche Definitionen und Standards müssen weiterhin stimmen.

Spannender ist deshalb eine andere Frage: Wie lässt sich Claude so in die Power-BI-Entwicklung integrieren, dass KI nicht nur einzelne Aufgaben beschleunigt, sondern Teil eines kontrollierten und nachvollziehbaren Entwicklungsprozesses wird?

Power BI Projects, PBIR und TMDL machen zentrale Bestandteile eines Power-BI-Projekts als strukturierte Dateien zugänglich. Git und GitHub ermöglichen Versionierung, Review und kontrollierte Änderungen. Mit Claude Code und MCP kommen Werkzeuge hinzu, die diese Strukturen lesen, bearbeiten oder für agentische Workflows nutzen können.

Warum Claude für Power-BI-Teams interessant ist

Generative KI ist für Power BI nicht grundsätzlich neu. DAX erklären, Power-Query-Code erzeugen oder Vorschläge für Kennzahlen machen konnten Sprachmodelle schon länger. Das Problem lag an einer anderen Stelle: Der eigentliche Power-BI-Bericht und sein semantisches Modell waren für externe Entwicklungswerkzeuge nur eingeschränkt zugänglich.

Mit Power BI Projects, kurz PBIP, verändert sich das. Report- und Modellinformationen können als einzelne Textdateien in einer Projektstruktur vorliegen. Ein KI-Assistent kann damit bei entsprechendem Zugriff mit strukturierten Projektartefakten arbeiten, Zusammenhänge analysieren und konkrete Änderungen vorbereiten. Aus einem Chat über Power BI kann dadurch schrittweise ein KI-unterstützter Entwicklungsprozess werden.

PBIP, PBIR und TMDL schaffen die technische Grundlage

PBIP ist das Power-BI-Projektformat. Bericht und semantisches Modell werden in einer klaren Ordnerstruktur gespeichert. TMDL beschreibt das semantische Modell in textbasierter Form. Tabellen, Measures und weitere Modellbestandteile werden dadurch für externe Werkzeuge besser zugänglich. PBIR verfolgt einen ähnlichen Ansatz für den Report: Visuals, Seiten, Bookmarks und weitere Bestandteile werden strukturiert abgelegt.

Für die Zusammenarbeit mit KI ist das mehr als eine technische Änderung des Dateiformats. Ein Sprachmodell kann mit strukturiertem Text und klar beschriebenen Artefakten deutlich besser arbeiten als mit einer geschlossenen Binärdatei. Power BI nähert sich damit Arbeitsweisen an, die in der Softwareentwicklung längst üblich sind: Dateien bearbeiten, Änderungen vergleichen, versionieren und bei Bedarf zurücksetzen.

Kann Claude Power-BI-Reports erstellen?

Claude kann Power-BI-Entwicklungsaufgaben deutlich konkreter unterstützen: Modellanalyse, DAX-Unterstützung, Dokumentation sowie bei geeigneter Projektstruktur Änderungen an Modell- und Reportartefakten. Das bedeutet aber nicht, dass aus einem Prompt automatisch ein fachlich korrekter produktiver Bericht entsteht. Claude kennt den fachlichen Kontext eines Unternehmens nur so weit, wie dieser beschrieben, dokumentiert oder aus vorhandenen Artefakten ableitbar ist.

Die sinnvollere Frage lautet deshalb nicht: Kann Claude einen Power-BI-Report bauen? Sondern: Welche Teile eines Power-BI-Entwicklungsprozesses kann Claude übernehmen, und wie werden seine Änderungen kontrolliert?

Was Claude in einem Power-BI-Projekt übernehmen kann

Wenn Claude Zugriff auf relevante Projektdateien erhält, erweitert sich das Spektrum möglicher Aufgaben deutlich. Claude kann vorhandene Modellstrukturen analysieren, Measures im Kontext bestehender Logik betrachten, Namenskonventionen prüfen, Dokumentation vorbereiten, wiederkehrende Anpassungen durchführen, Berichtselemente anhand definierter Regeln kontrollieren und Änderungen an TMDL- oder PBIR-Strukturen vorbereiten. Gerade bei größeren Power-BI-Landschaften kann das repetitive Arbeit reduzieren.

Der entscheidende Punkt ist allerdings: Claude sollte nicht einfach freie Hand über ein Power-BI-Projekt bekommen. Qualität entsteht durch den Prozess rund um die KI.

Von einzelnen Prompts zum reproduzierbaren Workflow

Ein guter Power-BI-on-Claude-Workflow beginnt nicht mit „Mach meinen Report besser“. Zuerst wird das Ziel formuliert. Danach analysiert Claude die relevanten Projektbestandteile. Vor Änderungen wird ein Plan erstellt und der Ausgangszustand versioniert. Erst dann setzt Claude die geplanten Änderungen um. Anschließend zeigt ein Diff, was tatsächlich verändert wurde. Modell, DAX, Beziehungen, Filterlogik und Visualisierung werden technisch und fachlich validiert. Erst nach dieser Prüfung wird die Änderung bewusst übernommen.

Damit verändert sich auch die Rolle des Power-BI-Entwicklers. Er muss nicht jede Änderung zwingend manuell durchführen. Er muss aber beurteilen können, welche Änderung sinnvoll ist und ob das Ergebnis korrekt ist.

Skills machen aus Claude mehr als einen allgemeinen Assistenten

Noch interessanter wird der Ansatz, wenn Claude nicht bei jeder Aufgabe erneut erklärt werden muss, wie ein Unternehmen Power BI entwickelt. Dafür lassen sich wiederverwendbare Regeln, Instruktionen und Skills definieren: Namenskonventionen für Measures, DAX-Regeln, Dokumentationsvorgaben, Visualisierungsstandards, erlaubte Änderungen und notwendige Prüfungen. Damit wandert Wissen, das sonst häufig nur in Köpfen, Präsentationen oder Governance-Dokumenten steckt, näher an den tatsächlichen Entwicklungsprozess. KI kann Governance unterstützen. Sie ersetzt sie nicht.

Warum Versionskontrolle mit Claude wichtiger wird

Je stärker Claude tatsächlich an Power-BI-Artefakten arbeitet, desto wichtiger wird die Frage, wie sich nachvollziehen lässt, was die KI verändert hat. Genau hier kommen Git und Plattformen wie GitHub ins Spiel. Vor der Bearbeitung existiert ein definierter Ausgangsstand. Claude führt seine Änderungen durch. Anschließend lässt sich über den Diff prüfen, welche Dateien geändert wurden und welche konkreten Unterschiede entstanden sind. Das Team kann Änderungen übernehmen, korrigieren, einzelne Bestandteile verwerfen oder vollständig auf den vorherigen Stand zurückgehen.

GitHub erweitert dieses Prinzip um Zusammenarbeit und Review-Prozesse. Statt KI-generierte Änderungen direkt in einen stabilen Hauptstand zu übernehmen, kann ein eigener Branch verwendet werden. Änderungen können über einen Pull Request geprüft werden, bevor sie in den Hauptstand gelangen. Der zentrale Vorteil lautet deshalb nicht: Power BI wird jetzt zu Softwareentwicklung. Sondern: Methoden aus der Softwareentwicklung machen KI-generierte Power-BI-Änderungen nachvollziehbarer und kontrollierbarer. Gerade für BI-Teams mit mehreren Entwicklern kann das ein wichtiger Qualitätshebel sein.

GitHub ist nicht automatisch Pflicht

Git und GitHub sind nicht dasselbe. Git ist das Versionskontrollsystem. GitHub ist eine Plattform, auf der Git-Repositories verwaltet und um Pull Requests, Reviews, Issues und Automatisierungen ergänzt werden können. Unternehmen können auch andere Git-Plattformen einsetzen. Für Power BI on Claude ist weniger entscheidend, ob GitHub verwendet wird. Entscheidend ist, dass Änderungen versioniert, nachvollziehbar und überprüfbar sind. Die Technologie sollte sich an die vorhandene Entwicklungs- und Governance-Landschaft anpassen – nicht umgekehrt.

Power BI MCP erweitert die Möglichkeiten zusätzlich

Parallel zu den dateibasierten Entwicklungsworkflows entwickelt Microsoft die Integration von Power BI über das Model Context Protocol, kurz MCP, weiter. Dabei müssen unterschiedliche Einsatzfälle sauber getrennt werden. Ein Entwicklungsworkflow mit PBIP, TMDL und PBIR zielt darauf ab, Power-BI-Artefakte strukturiert zu bearbeiten. Über MCP können KI-Clients dagegen mit Power BI und semantischen Modellen interagieren. So kann ein Anwender beispielsweise über Claude Fragen an ein freigegebenes semantisches Modell stellen.

Power BI mit Claude analysieren und Power BI mit Claude entwickeln sind unterschiedliche Aufgaben. Für Unternehmen können beide relevant sein. Sie benötigen aber unterschiedliche Berechtigungs-, Governance- und Qualitätssicherungsprozesse. Der Remote Power BI MCP Server und die Anbindung externer Clients sollten entsprechend dem jeweils aktuellen Microsoft-Produktstatus und den dokumentierten Voraussetzungen eingeordnet werden.

PBIP + Claude und MCP + Claude sind nicht dasselbe

PBIP, PBIR und TMDL plus Claude stehen vor allem für Entwicklungsartefakte: Claude arbeitet mit Dateien, Modellen, Reportdefinitionen und Entwicklungsregeln. Power BI MCP plus Claude steht dagegen für den standardisierten Zugriff eines KI-Clients auf Power BI beziehungsweise semantische Modelle und deren Daten. Die Bereiche können sich ergänzen, lösen aber nicht das gleiche Problem. Ein Team, das Power-BI-Berichte schneller entwickeln möchte, braucht einen anderen Workflow als ein Fachanwender, der über Claude Fragen an ein vorhandenes semantisches Modell stellen möchte. Gerade für Governance und Architektur ist diese Trennung wesentlich.

Wo Claude bei Power BI an Grenzen stößt

Gerade weil Claude schnell brauchbare Ergebnisse erzeugen kann, entsteht ein neues Risiko: Fehler sehen zunehmend professionell aus. Ein syntaktisch korrektes Measure kann fachlich falsch sein. Ein sauber aufgebautes Diagramm kann die falsche Kennzahl zeigen. Eine technisch funktionierende Modelländerung kann Auswirkungen auf andere Reports haben. Und eine vermeintliche Optimierung kann gegen interne Standards oder Governance-Vorgaben verstoßen.

Die Verantwortung für Definition und Interpretation von Kennzahlen, fachliche Anforderungen, Datenqualität, Berechtigungen, Datenschutz, Architektur, Performance, Governance und die Freigabe produktiver Änderungen bleibt deshalb beim Menschen. Human in the Loop ist bei Power BI on Claude kein Sicherheitsnetz für Ausnahmefälle. Es sollte Bestandteil des Entwicklungsmodells sein.

Beispiel: Neue Kennzahl und Reportseite mit Claude

Nehmen wir ein bestehendes Vertriebsreporting. Das semantische Modell enthält Umsatz, Deckungsbeitrag, Kunden, Produkte und Vertriebsregionen. Für das Management soll eine neue Sicht entstehen, die Umsatzentwicklung, Marge und Abweichung zum Vorjahr kombiniert. Ein klassischer KI-Prompt könnte lediglich ein DAX Measure erzeugen. Ein agentischer Workflow geht weiter: Claude analysiert zunächst das vorhandene Modell und prüft bestehende Measures, Zeitlogik, Namenskonventionen, Formatierungen und Reportstruktur.

Danach erstellt Claude einen Plan: vorhandene Zeitintelligenz prüfen, benötigte Measures identifizieren, Measures ergänzen, Formatierung und Beschreibungen nach bestehenden Regeln setzen, eine neue Reportseite vorbereiten und vorhandene Visual Standards anwenden. Vor der Umsetzung wird der aktuelle Entwicklungsstand über Git gesichert. Claude führt anschließend die geplanten Änderungen aus. Danach zeigt der Git-Diff exakt, welche Dateien verändert wurden. Das Team prüft DAX, Modell, Reportdarstellung und fachliche Aussage. Erst danach werden die Änderungen übernommen. Genau hier liegt der Unterschied zwischen KI als Antwortmaschine und KI als Bestandteil eines Entwicklungsprozesses.

Für welche Power-BI-Teams lohnt sich dieser Ansatz?

Power BI on Claude ist besonders interessant für Teams, die Power BI bereits produktiv einsetzen. Wer Modelle, Measures und Reports regelmäßig entwickelt, erkennt schnell die möglichen Hebel: weniger repetitive Arbeit, schnellere Analyse bestehender Projekte und eine bessere Möglichkeit, Standards direkt in Entwicklungsprozesse einzubinden. Auch für Power-BI-Verantwortliche und BI-Leads ist das Thema relevant. Sie müssen nicht nur beurteilen, was technisch möglich ist. Sie müssen auch festlegen, wie KI kontrolliert eingesetzt werden soll.

Weniger geeignet ist der Ansatz dagegen als Ersatz für Power-BI-Grundlagen. Wer noch nicht beurteilen kann, ob ein Datenmodell sinnvoll aufgebaut oder ein Measure fachlich korrekt ist, kann auch die Ergebnisse eines KI-Agenten nur schwer bewerten. Die interessante Formel lautet deshalb nicht weniger Power-BI-Wissen plus mehr KI, sondern Power-BI-Kompetenz plus strukturierter KI-Einsatz.

Was Unternehmen vor dem Einsatz klären sollten

Bevor Claude auf reale Power-BI-Projekte losgelassen wird, sollten einige Grundfragen geklärt sein: Welche Daten und Projektartefakte darf der KI-Client verarbeiten? Welche Entwicklungsumgebung wird verwendet? Welche Rechte erhält Claude beziehungsweise der verwendete Client? Welche Änderungen darf der Agent selbst durchführen? Wie werden Entwicklungsstände versioniert? Welche Standards sollen als Regeln oder Skills hinterlegt werden? Wie erfolgt die technische und fachliche Prüfung? Und was passiert, wenn eine KI-generierte Änderung falsch ist? Der Einstieg sollte Werkzeuge, Entwicklungsprozess und Governance gleichzeitig betrachten.

Power BI on Claude am eigenen Projekt lernen

Genau an diesem Punkt setzt das Power BI on Claude Training der Daten-WG an. Im Mittelpunkt steht nicht eine Sammlung spektakulärer Prompts. Ziel ist ein Arbeitsmodell, das sich anschließend auf reale Power-BI-Projekte übertragen lässt. Dazu gehören Claude Code, PBIP, PBIR, TMDL, Git und GitHub, Skills und Regeln, kontrollierte Entwicklungsworkflows, Review und Qualitätssicherung sowie Human-in-the-Loop-Prozesse.

Statt ausschließlich mit einem künstlichen Demo-Report zu arbeiten, kann ein freigegebener eigener Use Case zum Ausgangspunkt werden. Dadurch werden schnell Fragen sichtbar, die in einer allgemeinen Produktdemo kaum auftauchen: Welche Regeln gelten für unsere Measures? Welche Dateien darf Claude verändern? Wie sichern wir den Ausgangszustand? Wie prüfen wir Änderungen? Welche Standards können wir als wiederverwendbare Skills abbilden? Welche Rolle spielen Git und GitHub? Und an welcher Stelle soll bewusst ein Mensch entscheiden?

Das Trainingsformat ist modular aufgebaut. Je nach Ausgangslage reicht der Einstieg von einem kompakten Starter über ein umfangreicheres Menu bis zur Master Class für Teams, die einen tieferen und stärker auf die eigene Umgebung zugeschnittenen Workflow entwickeln möchten.

---

Fazit: Nicht bessere Prompts, sondern bessere Entwicklungsprozesse

Claude kann die Arbeit mit Power BI deutlich verändern. Der größte Hebel liegt aber wahrscheinlich nicht darin, einzelne DAX-Ausdrücke schneller zu erzeugen. Interessanter ist die Verbindung aus Power-BI-Projektstruktur, Claude, Git, Regeln und kontrollierter Qualitätssicherung. PBIP, PBIR und TMDL schaffen dafür neue technische Voraussetzungen. Git und GitHub sorgen dafür, dass KI-generierte Änderungen nachvollziehbar, prüfbar und reversibel werden. MCP erweitert parallel die Möglichkeiten, KI-Clients mit Power BI und semantischen Modellen zu verbinden.

Die entscheidende Kompetenz verschiebt sich dadurch. Teams müssen nicht nur lernen, Claude gute Prompts zu geben. Sie müssen lernen, Claude einen guten Arbeitsprozess zu geben.

---

Der nächste sinnvolle Schritt

Wenn ihr Power BI bereits produktiv einsetzt und ausprobieren möchtet, wie Claude in euren Entwicklungsprozess passt, können wir genau dort ansetzen. Im Power BI on Claude Training arbeiten wir nicht nur mit einzelnen Prompts, sondern mit Claude Code, PBIP, PBIR, TMDL, Git, Skills und kontrollierten Workflows. Je nach Format kann dabei auch ein eigener, freigegebener Power-BI-Use-Case als Grundlage dienen.

Im Vorgespräch klären wir euren Power-BI-Stand, einen geeigneten Use Case und die technischen Voraussetzungen. Danach lässt sich sinnvoll einschätzen, ob Starter, Menu oder Master Class zu eurem Team passt. Power BI on Claude für euer Team einordnen.