Warum Power BI mit KI-Agenten wichtiger wird

Was fehlt einem mit KI erstellten Dashboard?

Ein Agent erhält eine Datei und eine Frage und erstellt ein gutes Diagramm. Für eine einmalige Analyse genügt das. Für die Zahlen, die der Geschäftsleitung vorgelegt werden, fehlt alles, was im Diagramm nicht sichtbar ist:

• Aktualisierung. Ein generiertes Diagramm zeigt den Stand der heutigen Datei. Ein semantisches Modell in Power BI wird nach Zeitplan aktualisiert.
• Berechtigungen. Mit Sicherheit auf Zeilenebene (RLS) greift ein Regionalleiter im selben Bericht nur auf die Daten seiner Region zu. Ein generiertes Dashboard zeigt alles, was in der Datei stand.
• Vertraulichkeitsbezeichnungen. Daten, die in Microsoft 365 als vertraulich gekennzeichnet sind, bleiben in Power BI und beim Export gekennzeichnet.
• Herkunft. Jede Zahl lässt sich bis zu ihrer Quelle zurückverfolgen, und Sie sehen, welche Berichte betroffen sind, wenn sich eine Quelle ändert.
• Verteilung und Volumen. Ein Modell steht dem ganzen Unternehmen zur Verfügung, in Microsoft Teams und auf dem Smartphone, mit den vollständigen ERP-Daten statt mit einem Auszug.

Ohne Modell berechnet ein Agent die Marge von einer Frage zur nächsten unterschiedlich. Zwei Direktoren erhalten zwei Zahlen für dasselbe Quartal, und keiner weiss, welche stimmt.

Warum stellt Microsoft Power BI hinter seine Agenten?

Microsoft hat MCP-Server für Power BI veröffentlicht. MCP (Model Context Protocol) ist der Standard, über den ein Agent Werkzeuge findet und aufruft. Es gibt zwei:

• Fabric IQ MCP, allgemein verfügbar. Der Agent liest Berichte und semantische Modelle und führt Abfragen darauf aus, mit den Berechtigungen des angemeldeten Nutzers, einschliesslich RLS. Microsoft dokumentiert ihn als unterstützten Weg für Microsoft 365 Copilot, Copilot Studio, Microsoft Foundry und eigene Agenten.
• Power BI Authoring MCP. Der Agent erstellt und ändert das Modell: Tabellen, Measures, Beziehungen, Sicherheitsrollen. Die lokale Variante ist allgemein verfügbar, der von Microsoft gehostete Endpunkt ist in der Preview.

Der Agent arbeitet auf Power BI auf: Er sendet die Frage, und das semantische Modell gibt die Zahl zurück. Die Antwort hängt von den Definitionen im Modell ab: Ist die Bruttomarge falsch definiert, gibt der Agent sie falsch wieder, ohne Hinweis auf den Fehler, an jeden, der danach fragt.

Die Microsoft-Dokumentation nennt zwei weitere Punkte, die wir bei jedem Modell prüfen. Abfrageergebnisse werden an das KI-Modell gesendet, das der Agent verwendet; Ihre Richtlinie für Daten und KI muss das abdecken. Und Fabric IQ ist in Regionen, die nur Power BI anbieten, nicht verfügbar.

Was ein Power-BI-Projekt für Agenten umfasst

Der Schwerpunkt verschiebt sich von den Berichtsseiten zum Modell und seiner Governance. Ein Projekt mit Power BI, das für Agenten aufgebaut ist, hat vier Teile:

• Measures, einmal definiert. Marge, Liquidität, Budgetabweichung, mit Namen und Beschreibungen, die Agenten und Menschen dieselbe Definition liefern.
• Berechtigungen. RLS-Rollen entsprechend Ihrer Organisation, gleich für die Person, die den Bericht öffnet, und für den Agenten, der in ihrem Namen fragt.
• Bezeichnungen und Quellen. Vertraulichkeitsbezeichnungen aus Microsoft 365 und eine dokumentierte Herkunft, vom ERP bis zur Zahl.
• Der Agent. Ein Agent in Copilot Studio, der aus dem kontrollierten Modell antwortet, mit den Berechtigungen der fragenden Person.

Die Zahlen des Agenten stimmen mit dem Montagsbericht überein, und jeder Nutzer greift nur auf die Daten zu, die seine Rolle erlaubt.

Was Agenten ersetzen

Agenten ersetzen einen Teil der Power-BI-Arbeit:

• Manuell erstellte Berichte, Seite für Seite, für jede neue Frage. Der Agent erstellt sie schneller.
• Explorative Analyse. „Zeig mir den Umsatz nach Region, dann nur das dritte Quartal“ braucht keinen Analysten mehr.
• Kleine Unternehmen. Mit einer Excel-Tabelle und drei Personen, die sie lesen, genügt ein mit KI erstelltes Dashboard. Ein semantisches Modell wäre überdimensioniert.

Was bleibt: die Definition der Zahl, die Berechtigungen darauf und ihre Quelle. Power-BI-Projekte konzentrieren sich künftig auf diese drei Teile.