Was ist ein Semantic Model (Power BI Dataset)?
Ein Semantic Model, früher als Power BI Dataset bezeichnet, ist die semantische Datenschicht in Power BI, die Tabellen, Beziehungen, Kennzahlen und Berechtigungen bündelt. Es bildet die wiederverwendbare Grundlage, auf der mehrere Berichte mit einheitlichen Definitionen aufsetzen.
Auch bekannt als: Power BI Dataset · Datenmodell · Power BI Semantic Model · Tabular Model
Einordnung: Wofür wird ein Semantic Model genutzt?
Das Semantic Model ist die Schicht zwischen den Rohdaten und den Berichten. Es enthält die geladenen Tabellen, deren Beziehungen, die mit DAX definierten Kennzahlen sowie Sicherheitsregeln wie Row-Level Security. Berichte greifen nicht direkt auf Quelldaten zu, sondern auf dieses Modell, wodurch Kennzahlen und Definitionen über alle Berichte hinweg einheitlich bleiben.
Ein zentral gepflegtes Semantic Model kann von vielen Berichten und Nutzern wiederverwendet werden. Das vermeidet, dass dieselbe Kennzahl in zehn Berichten unterschiedlich berechnet wird, und macht das Modell zu einer gemeinsamen Datenwahrheit innerhalb von Power BI.
Typische Anwendungsfälle
Ein Semantic Model lohnt sich überall dort, wo mehrere Berichte oder Teams auf konsistente Kennzahlen angewiesen sind.
- Ein zentrales Modell als Grundlage für viele Berichte und Dashboards
- Einheitliche Kennzahlen-Definitionen über Abteilungen hinweg
- Zentral gepflegte Berechtigungen, etwa über Row-Level Security
- Wiederverwendung statt redundanter Modelle in jedem einzelnen Bericht
Abgrenzung & Bezug zu smiit
Das Semantic Model ist die Modellschicht in Power BI, nicht das Data Warehouse darunter und nicht der Bericht darüber. Power Query befüllt es, DAX definiert seine Kennzahlen, Row-Level Security regelt die Sichtbarkeit. Bei großen Datenmengen empfiehlt sich ein vorgelagertes Data Warehouse oder Lakehouse als Datenquelle des Modells. In der Datenplattform der dy Project AG setzt das Semantic Model auf der Gold-Schicht auf und stellt geprüfte Kennzahlen bereit. smiit baut Semantic Models so, dass sie performant, wiederverwendbar und im Alltag wartbar bleiben.
Häufige Fehler & Missverständnisse
- Ein Semantic Model ist nicht nur eine Datenkopie; es enthält Beziehungen, Hierarchien und Measures, die Rohdaten in eine geschäftlich verständliche Schicht überführen.
- Viele kennen es noch als „Dataset“ und halten beide für Verschiedenes. In Power BI wurde das frühere Dataset in Semantic Model umbenannt, es bezeichnet dasselbe Konzept.
- Ein verbreiteter Irrtum ist, jeder Bericht brauche ein eigenes Modell. Ein gut gepflegtes, geteiltes Semantic Model vermeidet Redundanz und widersprüchliche Kennzahlen.
Häufige Fragen
Warum heißt das Power BI Dataset jetzt Semantic Model?
Microsoft hat den Begriff Dataset in Semantic Model umbenannt, um klarzustellen, dass es sich um eine semantische Datenschicht mit Beziehungen, Kennzahlen und Berechtigungen handelt und nicht nur um eine reine Datentabelle.
Können mehrere Berichte dasselbe Semantic Model nutzen?
Ja. Genau das ist der Vorteil: Ein zentral gepflegtes Semantic Model versorgt viele Berichte mit denselben Kennzahlen und Definitionen, was Konsistenz schafft und Doppelarbeit vermeidet.
Was ist der Unterschied zwischen einem Semantic Model und einem Data Warehouse?
Das Data Warehouse speichert die aufbereiteten Daten, das Semantic Model ist die darüberliegende Schicht in Power BI mit Beziehungen, Kennzahlen und Berechtigungen. Bei großen Datenmengen dient das Warehouse als Datenquelle des Modells.
Wie hält man ein Semantic Model langfristig wartbar?
Hilfreich sind klar benannte Kennzahlen, ein durchdachtes Datenmodell mit sauberen Beziehungen und das Vermeiden redundanter Berechnungen. Werden Logik und Definitionen zentral gepflegt, bleiben Änderungen nachvollziehbar und wirken automatisch auf alle aufsetzenden Berichte.
Worauf achtet smiit beim Aufbau eines Semantic Models?
smiit baut Semantic Models so, dass sie performant, wiederverwendbar und im Alltag wartbar bleiben, und setzt sie bei großen Datenmengen auf eine geprüfte Datengrundlage wie die Gold-Schicht einer Datenplattform auf.
Verwandte Begriffe
Quellen & weiterführende Links
Sie möchten dieses Thema in Ihrem Unternehmen umsetzen?
Aktualisiert am · Zurück zum Glossar