top of page
Suche

Semantische Modelle in Power BI

Aktualisiert: 30. Dez. 2025

Manchmal sitzt man in Power BI vor einem scheinbar einfachen Wunsch: du willst eine Tabelle aus einem bestehenden semantischen Modell (Dataset) – aber nicht als Liveverbindung, sondern im Importmodus. Genau da wird’s knifflig. Live ist super fürs reine Reporting, aber sobald du Daten transformieren, anreichern oder ein eigenes Modell daraus bauen willst, kommst du damit schnell an Grenzen.


In diesem Beitrag zeige ich dir einen Weg, der technisch funktioniert, aber von Microsoft kaum beworben wird. In der Community taucht er immer wieder auf, weil er praktisch ist: Du nutzt die Verbindung zum semantischen Modell, um Server- und Datenbank-Infos auszulesen, und importierst dann gezielt Tabellen per DAX-Abfrage über den Analysis-Services-Connector in eine zweite Power-BI-Datei.


Klingt kompliziert? Ist es nicht. Du musst nur wissen, wo du hinschauen musst.



Ausgangslage: Liveverbindung ist nicht gleich Import

Wenn du in Power BI Desktop über den Datenhub ein vorhandenes semantisches Modell auswählst und dich damit verbindest, entsteht eine Liveverbindung. Das bedeutet: In deiner PBIX-Datei liegt praktisch nur der Bericht. Die Daten selbst bleiben im entfernten Modell (meist im Power BI Service). Du kannst dann Measures bauen, Visuals erstellen, Seiten gestalten – aber du bekommst die Daten nicht “greifbar” in Power Query, um sie umzubauen.


Das ist in vielen Situationen völlig okay. Aber es gibt typische Fälle, in denen du eben doch importieren willst:


  • Du hast zwar Berichtsrechte auf ein Dataset, aber niemand ist greifbar, der dir die Rohdaten oder eine Exportmöglichkeit bereitstellt.

  • Du willst die Daten transformieren (Spalten bereinigen, neue Logik aufbauen, Daten zusammenführen).

  • Du willst ein eigenes Modell erstellen, vielleicht mit zusätzlichen Quellen, und das bestehende Modell dient nur als Ausgangspunkt.

  • Es handelt sich um ein verwaltetes Modell, bei dem du nicht “mal eben” Änderungen bekommst. Ein Beispiel sind vorkonfigurierte Lösungen wie die Matrix App von Microsoft, wo man häufig zwar auf Inhalte zugreifen kann, aber nicht auf die dahinterliegende Modelllogik.


Wenn du dich in einem dieser Szenarien wiedererkennst, ist der folgende Weg meistens genau das, was du brauchst.


Mit dem semantischen Modell verbinden und die Details abholen

Ich arbeite dafür gerne mit zwei Power-BI-Dateien, einfach um es sauber zu trennen:

Datei 1: Verbindung zum semantischen Modell (Live)

Datei 2: Import-Datei, in die ich Tabellen laden will


In Datei 1 verbindest du dich ganz normal über den Datenhub mit dem gewünschten semantischen Modell. Du wählst es aus (zum Beispiel “Kontoso Verkäufe”) und stellst die Verbindung her. Danach siehst du links in Power BI Desktop auch direkt, dass du im Prinzip nur die Berichtsansicht und die Modellansicht hast – keine klassische Datenansicht mit importierten Tabellen.


In der Modellansicht erkennst du gut, dass die Tabellen aus der Cloud kommen. Und jetzt kommt der entscheidende Punkt: Wenn du mit der Maus über eine Tabelle gehst (oder dir das Symbol/Tooltip anschaust), bekommst du Informationen darüber, woher diese Daten stammen. In meinem Fall steht dort, dass die Daten aus einer SQL Analysis Services-Datenbank abgerufen werden – inklusive Serveradresse und Datenbankname. Genau diese beiden Infos sind später der Schlüssel.


In der zweiten Datei den Analysis-Services-Connector nutzen

Jetzt wechselst du in Datei 2. Das ist die Datei, in der du die Tabelle(n) wirklich im Importmodus haben möchtest. Dort gehst du auf Daten abrufen und wählst Analysis Services aus. Das wirkt im ersten Moment vielleicht komisch, weil du ja “eigentlich” aus Power BI importieren willst. Aber technisch läuft das semantische Modell im Hintergrund eben so, dass du es über diesen Weg abfragen kannst.


Im Analysis-Services-Dialog musst du zwei Dinge angeben:

  1. Server

  2. Datenbank


Und jetzt kommt eine kleine Eigenheit: In diesem Dialog funktioniert häufig kein klassisches Kopieren/Einfügen über Strg+C/Strg+V. Das ist nervig, aber lösbar. Ich mache es so, wie ich es im Video zeige: Ich markiere die Serveradresse und den Datenbanknamen im Tooltip der ersten Datei und ziehe sie per Drag and Drop in die passenden Felder der zweiten Datei. Ja, wirklich. Das ist einer dieser Momente, wo man denkt: “Okay Microsoft, so machen wir das also.”

Wenn Server und Datenbank drin sind, geht’s weiter.


Die Tabelle per DAX-Abfrage abrufen

Damit Power BI weiß, was es aus dem Modell importieren soll, brauchst du eine Abfrage. Das passiert hier über eine DAX-Query. Du musst also nicht das komplette Modell ziehen, sondern kannst gezielt Tabellen anfordern.


Die einfachste Form sieht so aus:

  • Die Abfrage beginnt mit EVALUATE

  • Danach nennst du die Tabelle, die du importieren willst


In meinem Beispiel ist das die Tabelle Verkäufer. Wichtig: Wenn dein Tabellenname Sonderzeichen enthält oder irgendwie “ungewöhnlich” aussieht, setzt du ihn in einfache Anführungszeichen. Das ist oft der Unterschied zwischen “läuft” und “fehlt ein Komma”-Fehlersuche. Sinngemäß:

  • EVALUATE 'Verkäufer'


Dann klickst du auf OK. Power BI verbindet sich mit dem Service, fragt gegebenenfalls deine Anmeldedaten ab (oft sind sie ohnehin schon hinterlegt), und lädt die Daten.


Vorschau prüfen und bei Bedarf in Power Query transformieren

Nach dem Abruf siehst du eine Vorschau der Tabelle. Das ist ein guter Moment, kurz zu prüfen: Ist das wirklich die Tabelle, die du brauchst? Sind die Spalten da? Wirkt das plausibel?

Wenn ja, kannst du direkt übernehmen. Wenn du aber – und darum geht es ja meistens – Transformationen machen willst, klickst du auf Daten transformieren. Dadurch landest du in Power Query.


Dort hast du jetzt plötzlich genau das, was dir in der Liveverbindung gefehlt hat: du kannst die Tabelle umbenennen, Spalten anpassen, Schritte hinzufügen, Daten bereinigen. Oft fällt dir dabei auch auf, dass die Spaltennamen zunächst etwas “technisch” aussehen. Häufig ist es eine Kombination aus Tabellenname und Spaltenname, zum Beispiel in der Form:

  • Tabellenname und dann in eckigen Klammern der Spaltenname


Das ist nicht schlimm, aber meist will man es lesbarer haben. Also benenne ich die Spalten so um, dass sie in meinem neuen Modell sauber wirken. Wenn du fertig bist, klickst du auf Schließen & Übernehmen. Und damit wird die Tabelle in dein Datenmodell importiert. Ab jetzt ist sie “deine” Tabelle: Du kannst Beziehungen bauen, zusätzliche Quellen anbinden, Measures erstellen, alles wie gewohnt – nur eben auf einem importierten Datenbestand.


Warum das Ganze ein Trick ist und warum er trotzdem sinnvoll ist

Ich nenne das gerne einen Trick, weil Microsoft diesen Weg technisch ermöglicht, ihn aber nicht wirklich prominent dokumentiert oder vermarktet. Trotzdem ist er in der Praxis wertvoll. Gerade dann, wenn du an Daten musst, die bereits modelliert vorliegen, und du keine direkte Datenquelle oder keine Unterstützung vom Besitzer des Datasets bekommst.


Wichtig ist dabei natürlich auch der verantwortungsvolle Umgang: Nur weil es technisch geht, heißt das nicht automatisch, dass es organisatorisch immer gewünscht ist. In vielen Unternehmen ist das völlig okay, in anderen braucht es klare Regeln. Aber rein aus Power-BI-Sicht ist es gut, diesen Weg zu kennen – und ihn dann bewusst einzusetzen.

Fazit: Daten aus externen Modellen verwenden

Wenn du Daten aus einem bestehenden semantischen Modell nicht nur live nutzen, sondern im Importmodus weiterverarbeiten willst, gibt es einen praktikablen Weg:


Du holst dir die Server- und Datenbankinfos aus der Liveverbindung, nutzt in einer zweiten Datei den Analysis-Services-Connector und importierst gezielt Tabellen über eine DAX-Abfrage mit EVALUATE. Danach kannst du in Power Query transformieren und dein eigenes Modell aufbauen.

Wenn du magst, probier es einmal mit einer kleinen Tabelle aus einem Dataset, auf das du Zugriff hast. Und wenn du über Sonderfälle stolperst (Sonderzeichen, Berechtigungen, Fehler bei der Abfrage), schreib dir am besten direkt mit, was genau passiert – das sind oft die Details, die den Unterschied machen.


Lass mich wissen, ob du den Trick schon kanntest und wofür du ihn einsetzen würdest.

Der nächste sinnvolle Schritt

Power BI entfaltet seinen Nutzen erst dann vollständig, wenn Dashboards sauber aufgebaut, Datenmodelle durchdacht und Kennzahlen klar definiert sind.Genau diese Grundlagen entscheiden darüber, ob Berichte genutzt oder ignoriert werden.


Wenn du Power BI strukturiert aufsetzen oder bestehende Lösungen verbessern willst, unterstützen wir dich mit:


So wird aus einem funktionierenden Bericht eine belastbare Analytics-Lösung.


bottom of page