Power BI
Power BI Measures: DAX Pattern mit vier Typen für große Modelle
Erfahren Sie wie Sie Power BI Measures mit einem DAX Pattern wartbar halten: vier Typen, Benennungsschema, Display Folders und ein Refactor-Weg ab 50 Measures
Inhalt
- Kurzantwort
- Das Wichtigste in Kürze
- Berechnete Spalte oder Measure. Der Unterschied kostet Zeit
- Warum ein Pattern. Das Problem bei 50+ Measures
- Die vier Measure-Typen im Stapel
- Benennungsschema: Prefix, Suffix und Großbuchstaben
- Measure-Tabelle und Display Folders
- DIM_DBI_DATE als Voraussetzung für Zeitlogik
- Base Measures: ein Beispiel pro Variante
- Derived Measures: ein KPI, ein Baustein
- Quoten: Derived Measures ins Verhältnis setzen
- Switch-KPI: ein Visual, viele Kennzahlen
- Refactoring: ein 80-Measures-Modell in vier Schritten
- Typische Fehler, die wir in Übernahmeprojekten sehen
- Was das für eine Fabric-Migration bedeutet
- Zusammenfassung
- Weiterlesen bei DBI
- Häufig gestellte Fragen
- Über DBI Analytics
Kurzantwort
Was ist ein DAX Measure Pattern?
Ein DAX Measure Pattern ordnet jede Measure einem von vier Typen zu: Base, Derived, Quote und Switch-KPI. Jeder Typ hat eine feste Rolle und Benennung, und jede Ebene ruft nur die Ebene direkt darunter auf. Das Muster lohnt sich ab etwa 50 Measures, weil dann typisch 15 bis 25 % der Measures Duplikate sind. Ein Modell mit 80 Measures lässt sich in 3 bis 5 Projekttagen umbauen. Ein sauberes Sternschema ersetzt das Pattern nicht.
Es gibt mehrere Wege, DAX-Measures in Power BI zu strukturieren. Freistil, SQLBI-Stil, pro Tabelle verteilt, alles in einem Ordner. Ab etwa fünfzig Measures bricht jeder dieser Wege: identische Logik liegt in drei Measures parallel, Quoten rechnen gegen inkonsistente Nenner, und jede Änderung an der Zeitdimension bricht an zehn Stellen gleichzeitig. In diesem Post zeigen wir das DAX Measure Pattern, das wir bei DBI Analytics seit 2018 in Kundenprojekten mit 80 bis über 400 Measures einsetzen — mit vier Typen, einem festen Benennungsschema und einer Measure-Tabelle pro Fachbereich.
Das Wichtigste in Kürze#
- Ab 50 Measures ohne Pattern wachsen Pflegeaufwand und Duplikate: typisch liegen dieselben Rechnungen in drei bis fünf Measures parallel.
- Vier Typen reichen: 1 Base (Summen, Vorjahr, Delta, kumuliert), 2 Derived pro KPI, 3 Quoten, 4 Switch-KPI für dynamische Visuals.
- Eine Dummy-Tabelle
DBI_MEASURES_BASEbündelt alle Measures; Display Folders halten das Modell auch bei 200+ Measures navigierbar. - Namensschema: Faktentabellen-Prefix, Großbuchstaben, Unterstrich als Trenner, führender
_für Base. DIVIDEstatt/in jeder Quote,ALLEXCEPTin Derived gegen Slicer-Überschreibung, lückenloseDIM_DBI_DATEals Voraussetzung für YTD und Vorjahr.- Vier Refactoring-Schritte bringen bestehende Modelle vom Dschungel zur Architektur, in 3 bis 5 Projekttagen je 80-Measures-Modell.
- Jede komplexe Kennzahl baut auf einer einfacheren auf. Eine Derived Measure ruft nie direkt
SUMauf.
Berechnete Spalte oder Measure. Der Unterschied kostet Zeit#
Diese Verwechslung kostet in Power-BI-Projekten die meiste Zeit. Eine berechnete Spalte rechnet beim Refresh pro Zeile und belegt Speicher. Eine Measure speichert nichts, sie rechnet zur Laufzeit im aktuellen Filterkontext. Beides lässt sich in VertiPaq nicht beliebig mischen: eine Quote als berechnete Spalte liefert Zeilenaggregate, die im Visual zu grob werden. Eine Kategorisierung wie UMSATZKLASSE dagegen gehört in die Spalte, weil sie slicer-fähig sein soll.
Die Faustregel, mit der wir in jedem Review arbeiten: alles, was gefiltert oder gruppiert wird, ist eine Spalte. Alles, was ein Visual am Ende anzeigt, ist eine Measure. Was diese Regel nicht ersetzt: den Blick auf das Datenmodell. Fehlt eine Beziehung zur DIM_DBI_DATE, bringen auch perfekt benannte Measures falsche Vorjahreswerte.
Warum ein Pattern. Das Problem bei 50+ Measures#
In jedem Kundenmodell, das wir übernehmen, finden wir dieselben vier Symptome:
| Symptom | Auswirkung | Ursache |
|---|---|---|
Dieselbe SUM steht in 4 Measures | Änderung am Nenner muss 4-fach gepflegt werden | Keine geteilte Base Measure |
Vorjahresvergleich mit SAMEPERIODLASTYEAR und DATEADD gemischt | Inkonsistente Ergebnisse an Jahresgrenzen | Kein verbindlicher Baustein |
| Quoten teilen Umsatz mal mit, mal ohne Jahresfilter | Zwei Werte für dieselbe KPI im Report | Keine klare Derived-Ebene |
| Measures hängen verteilt an Fakten- und Dimensionstabellen | Niemand findet die relevante Measure | Keine Measure-Tabelle |
Das Pattern setzt an diesen vier Stellen an. Es ist kein neues DAX-Feature, sondern eine Disziplin. Jede Measure gehört zu genau einem von vier Typen. Jeder Typ hat eine feste Rolle im Stapel. Die Regel gibt also keine neuen Rechenwege vor, sondern legt die Reihenfolge fest.
Die vier Measure-Typen im Stapel#
Measures werden nicht isoliert geschrieben, sondern aufeinander gestapelt. Jede komplexe Kennzahl baut auf einer einfacheren auf.
Der Stapel ist nicht optional. Eine Derived Measure, die direkt SUM aufruft statt die Base Measure zu referenzieren, ist der häufigste Grund für auseinanderlaufende Zahlen in zwei Visuals. Die Regel lautet: jede Ebene ruft ausschließlich die Ebene direkt darunter auf. Was das Pattern dabei nicht leistet: es ersetzt kein sauberes Sternschema und keine lückenlose Zeitdimension. Dazu später mehr.
Benennungsschema: Prefix, Suffix und Großbuchstaben#
Die Benennung ist die halbe Miete. Wir halten konsequent ein:
| Typ | Beispielname | Ebene | Kennzeichen im Namen |
|---|---|---|---|
| Base | _VERKÄUFE_IST | 1 | Führender Unterstrich |
| Base | _VERKÄUFE_IST_VJ | 1 | Suffix _VJ, _GJ, _KUM, _DELTA_* |
| Derived | UMSATZ_IST | 2 | Kein führender Unterstrich, KPI-Name vorne |
| Quote | GEHALTSQUOTE_UMSATZ_IST | 3 | Suffix _QUOTE_<bezug> oder sprechender Name |
| Switch-KPI | KPI_SWITCH | 4 | Suffix _SWITCH |
Weitere Namensregeln:
- Prefix ist die Faktentabelle, so landen Measures aus
DBI_FACT_VERKÄUFEnicht versehentlich bei Finanz-Measures. - Nur Großbuchstaben mit Unterstrich als einzigem Trenner, keine Leerzeichen, keine Bindestriche.
- Suffix
_ABSvs._PROZbei Deltas, damit absolute und prozentuale Differenzen im Measure-Explorer sofort unterscheidbar sind.
Was das Schema nicht erzwingt: deutsche oder englische Spracheinstellung. Wir bleiben pro Tenant bei einer Sprache. Mischformen wie REVENUE_IST oder UMSATZ_YTD lesen sich schlechter als eine konsequente Linie.
Measure-Tabelle und Display Folders#
Power BI verlangt für jede Measure eine Heimat-Tabelle. Statt sie über Fakten und Dimensionen zu verstreuen, legen wir pro Fachbereich eine leere Dummy-Tabelle an:
DBI_MEASURES_BASE = DataTable ( "dummy", INTEGER, {{1}} )Alle Measures des Fachbereichs wandern in diese Tabelle. Innerhalb der Tabelle gruppieren wir über Display Folders (Modellansicht, Measure markieren, Eigenschaft Anzeigeordner) nach Typ:
DBI_MEASURES_BASE
├── 1_Base
│ ├── 1.1_IST
│ ├── 1.2_GJ
│ ├── 1.3_VJ
│ └── 1.4_KUM
├── 2_Derived
├── 3_Quoten
├── 4_Switch
└── 9_FormatDie numerischen Präfixe erzwingen die Sortierreihenfolge im Fields-Pane. Bei 200 Measures ist das kein Komfort, sondern Voraussetzung dafür, dass neue Entwickler das Modell lesen können. Die Dummy-Tabelle selbst enthält keine Daten, sie dient nur als Container. Dafür bleibt die Modellansicht leer von Technik und zeigt nur fachliche Tabellen.
DIM_DBI_DATE als Voraussetzung für Zeitlogik#
Bevor eine einzige Base Measure geschrieben wird, prüfen wir die Datumsdimension. Sie muss drei Eigenschaften erfüllen: lückenlos von erstem bis letztem Fakt, in Power BI als Datumstabelle markiert, und per 1:n-Beziehung an jede Faktentabelle angebunden. Fehlt nur ein Tag, liefert TOTALYTD an Monatswechseln falsche Summen. Zeigt die Beziehung zur Faktentabelle in die falsche Richtung, läuft DATEADD ins Leere und meldet eine leere Vorperiode.
Ebenfalls Pflicht: eine Spalte month_id im Format YYYYMM als Integer, damit sich kumulierte Werte sauber auf den aktuellen Monat begrenzen lassen. Was die Datumsdimension nicht leisten muss: Business-Day-Logik. Feiertage und Werktage legen wir in einer separaten Tabelle ab, damit die Kernmessungen stabil bleiben, auch wenn der Feiertagskatalog pro Land wechselt.
Base Measures: ein Beispiel pro Variante#
Base Measures sind das Fundament. Sie kennen keinen fachlichen KPI, sondern nur den Rohwert der Faktentabelle. Für die Beispiele nutzen wir eine unpivotisierte Faktentabelle DBI_FACT_VERKÄUFE mit Spalte wert, eine KPI-Dimension DIM_DBI_KPI und eine lückenlose DIM_DBI_DATE.
Aktueller Wert (_IST):
_VERKÄUFE_IST = SUM ( DBI_FACT_VERKÄUFE[wert] )Vorjahreswert (_VJ):
_VERKÄUFE_IST_VJ =
CALCULATE (
[_VERKÄUFE_IST],
DATEADD ( DIM_DBI_DATE[date], -1, YEAR ),
ALL ( DIM_DBI_DATE )
)Delta absolut und prozentual, immer über DIVIDE:
_VERKÄUFE_IST_VJ_DELTA_ABS = [_VERKÄUFE_IST] - [_VERKÄUFE_IST_VJ]
_VERKÄUFE_IST_VJ_DELTA_PROZ =
DIVIDE ( [_VERKÄUFE_IST_VJ_DELTA_ABS], [_VERKÄUFE_IST_VJ] )Year-to-Date mit Begrenzung auf den aktuellen Monat (_KUM_TDY):
_VERKÄUFE_IST_KUM_TDY =
VAR lastupdatemonth = VALUE ( FORMAT ( TODAY (), "YYYYMM" ) )
RETURN
CALCULATE (
TOTALYTD ( [_VERKÄUFE_IST], DIM_DBI_DATE[date], ALL ( DIM_DBI_DATE ) ),
DIM_DBI_DATE[month_id] < lastupdatemonth
)Diese sechs Base Measures decken in 80 % unserer Projekte den ganzen KPI-Katalog. Die restlichen 20 % sind projektspezifische Zeitperspektiven (rolling 12, QTD, LFL). Wir ergänzen sie nach demselben Prinzip. Was Base Measures bewusst nicht tun: sie filtern keine fachlichen KPIs und sie kennen keine Verrechnung. Diese Rolle gehört in die Derived-Ebene.
Derived Measures: ein KPI, ein Baustein#
Enthält die Faktentabelle mehrere KPIs in einer Spalte (Umsatz, Erlös, Gehälter), schneidet die Derived-Ebene diese über DIM_DBI_KPI:
UMSATZ_IST =
CALCULATE (
[_VERKÄUFE_IST],
DIM_DBI_KPI[kpi_key] = 1,
ALLEXCEPT ( DIM_DBI_KPI, DIM_DBI_KPI[kpi_key] )
)Das ALLEXCEPT ist nicht dekorativ. Ohne diese Zeile überschreibt ein Slicer auf DIM_DBI_KPI die Derived Measure, und UMSATZ_IST zeigt plötzlich den Erlös. Analog legen wir GEHALT_IST mit kpi_key = 3 an.
Für zeitliche Varianten greifen wir nicht erneut auf die Faktentabelle zu, sondern referenzieren die passende Base Measure:
UMSATZ_IST_VJ =
CALCULATE (
[_VERKÄUFE_IST_VJ],
DIM_DBI_KPI[kpi_key] = 1,
ALLEXCEPT ( DIM_DBI_KPI, DIM_DBI_KPI[kpi_key] )
)So wandert eine Korrektur an der Vorjahreslogik (zum Beispiel wegen eines Schaltjahrs) genau einmal in _VERKÄUFE_IST_VJ. Dadurch ist sie in jedem KPI sofort korrekt. Derived Measures legen also fachliche Filter, aber keine neue Rechenlogik fest.
Quoten: Derived Measures ins Verhältnis setzen#
Quoten sind reine Verrechnungen zweier Derived Measures, nie direkte Faktenabfragen:
GEHALTSQUOTE_UMSATZ_IST =
DIVIDE ( [GEHALT_IST], [UMSATZ_IST] )Die Quote erbt den Filterkontext ihrer Bausteine. Wird im Report ein Jahr gefiltert, rechnet sie automatisch gegen denselben Zeitraum, ohne eigene CALCULATE-Logik. So gibt das Pattern seinen Pflegeaufwand zurück: bei 30 Quoten über zehn KPIs gibt es exakt eine Stelle, an der der Nenner definiert ist. Was Quoten nicht leisten: sie prüfen keinen Nenner auf null. Dafür steht DIVIDE, das in dem Fall BLANK () liefert und das Visual nicht brechen lässt.
Switch-KPI: ein Visual, viele Kennzahlen#
Die vierte Ebene macht aus zehn Visuals eines. Der Nutzer wählt im Slicer eine Kennzahl, das Visual zeigt sie:
KPI_SWITCH =
VAR selection = SELECTEDVALUE ( DIM_DBI_KPI[kpi_key] )
RETURN
SWITCH (
TRUE (),
selection = 1, [UMSATZ_IST],
selection = 3, [GEHALT_IST],
selection = 4, [GEHALTSQUOTE_UMSATZ_IST],
BLANK ()
)Damit auch Quoten auswählbar sind, erweitern wir DIM_DBI_KPI um Einträge für jede Quote und um eine Spalte measure_types, die zwischen derived und quote unterscheidet:
| kpi_name | kpi_key | measure_types |
|---|---|---|
| umsatz | 1 | derived |
| erlös | 2 | derived |
| gehälter | 3 | derived |
| gehaltsquote_umsatz | 4 | quote |
Pro Switch-KPI pflegen wir zusätzlich eine Format-Measure, die je nach Auswahl die Zahlenformatierung umschaltet. Ohne diese Format-Trennung zeigt die Quote 0,18 statt 18 %. Was der Switch-KPI nicht übernimmt: er trifft keine fachliche Interpretation. Welcher KPI standardmäßig ausgewählt ist, legt der Report-Designer über die Reihenfolge in DIM_DBI_KPI fest.
Refactoring: ein 80-Measures-Modell in vier Schritten#
Aus unseren Übernahmeprojekten hat sich eine Reihenfolge bewährt, die ohne Report-Neubau auskommt:
- Inventur mit Tabular Editor. Ein C#-Skript listet alle Measures mit DAX-Ausdruck, Tabellen-Heimat und Abhängigkeiten in eine CSV. In fast jedem Modell tauchen 15 bis 25 % Duplikate oder Fast-Duplikate auf.
- Base-Schicht ziehen. Alle
SUM(...)-Measures, die auf dieselbe Spalte zielen, ersetzen wir durch eine einzige Base Measure. Bestehende Measures bleiben erhalten, ihre Logik wird aber auf[_FACT_IST]umgebogen. Reports brechen dabei nicht. - Derived-Namen vereinheitlichen. Jede Report-Measure bekommt einen klaren KPI-Namen nach Schema. Legacy-Namen bleiben übergangsweise über eine Perspektive oder einen Tabular-Editor-Alias erhalten.
- Switch-KPI einführen. Wo im Report heute drei Karten nebeneinander dieselbe Logik für drei KPIs zeigen, kommt ein Switch-Visual mit einem Slicer auf
DIM_DBI_KPIzum Einsatz. Das entlastet die Report-Seite um typischerweise 40 bis 60 %.
Im Schnitt dauert dieser Refactor für ein Modell mit 80 Measures und 12 Reports zwischen 3 und 5 Projekttagen. Der Ausschlag hängt an der Qualität der Zeitdimension, nicht an der Anzahl der Measures.
Typische Fehler, die wir in Übernahmeprojekten sehen#
Drei Muster kommen so häufig vor, dass wir sie in jeder Übergabe-Dokumentation als Anti-Patterns aufführen:
- Mischung von
SAMEPERIODLASTYEARundDATEADD. Beides liefert in 11 von 12 Monaten dasselbe Ergebnis. Am Jahresanfang laufen sie auseinander, weilSAMEPERIODLASTYEARkalendarisch bis Monatsende prüft,DATEADDdagegen rollierend. Ein Modell, zwei Funktionen — im Review ein sicherer Fund. - Quoten mit eigenem
CALCULATE. Eine Quote, die intern noch einmal das Jahr setzt, überschreibt den Filterkontext des Reports und zeigt im Visual immer denselben Nenner. Wir ersetzen das per Skript durch die reineDIVIDE-Form. - Berechnete Spalte statt Measure.
UMSATZ_PRO_TAGals Spalte in der Faktentabelle liefert zwar beim Refresh einen Wert pro Zeile, aber im Visual ergibt die Summe dieser Spalten Unsinn. Solche Spalten migrieren wir in Derived Measures und löschen die Spalte.
Was die Fehlerliste nicht ersetzt: eine Power-BI-Dokumentation, die Measures, Datenflüsse und Abhängigkeiten festhält. Ohne sie bricht der nächste Entwickler wieder dieselbe Stelle.
Was das für eine Fabric-Migration bedeutet#
Ein Umzug nach Microsoft Fabric macht aus einem Measure-Chaos kein sauberes Semantikmodell. Direct-Lake-Modi lesen Measures aus demselben BIM, das heute schon im Workspace liegt. Wenn dort fünf Vorjahres-Measures mit inkonsistenter Logik stehen, wandern alle fünf nach Fabric — und genauso wird dort alle fünf gerechnet. Wir empfehlen deshalb, die Measure-Architektur vor der Migration zu konsolidieren, nicht danach.
Konkret: Inventur mit Tabular Editor, Base-Schicht ziehen, Derived-Namen vereinheitlichen, erst dann den Workspace in eine Fabric-Kapazität verschieben. Der Refactor spart dabei meist 15 bis 25 % der Measures. In einem F64-Setup senkt das die Modellgröße und damit die Direct-Lake-Fallback-Rate messbar. Was die Migration zusätzlich sichtbar macht: nicht patternkonforme Measures bremsen auch in Fabric. Ein SWITCH mit zehn inline SUM-Zweigen liest sich dort genauso langsam wie in einer Pro-Workspace.
Wer parallel Semantic-Layer-Standards für Agentic BI setzt, nimmt die Measure-Architektur gleich als Basis: eine saubere Base-Schicht ist Voraussetzung dafür, dass ein MCP-Agent Measures für den Nutzer vorschlagen kann.
Zusammenfassung#
- Vier Measure-Typen (Base, Derived, Quote, Switch-KPI), gestapelt und mit festem Benennungsschema, halten Modelle ab 50 Measures wartbar.
- Eine Dummy-Tabelle pro Fachbereich mit numerisch präfigierten Display Folders macht auch 200+ Measures navigierbar.
DIVIDEstatt/,ALLEXCEPTin Derived, eine lückenloseDIM_DBI_DATEals Voraussetzung — ohne diese drei Regeln hält das Pattern nicht.- Der Refactor eines 80-Measures-Modells dauert 3 bis 5 Projekttage und spart typischerweise 15 bis 25 % der Measures.
- Vor einer Fabric-Migration lohnt sich der Refactor besonders: er schrumpft das Semantikmodell und senkt die Direct-Lake-Fallback-Rate.
Weiterlesen bei DBI#
- Star-Schema-Modellierung für Power BI und Data Warehouses — was eine saubere Modellbasis für das Measure Pattern mitbringt
- Semantic Layer im Agentic BI Guide — wie Measures in eine kontrollierte Modellarchitektur passen
- Power BI Dokumentation — Measures, Datenflüsse und Abhängigkeiten nachvollziehbar festhalten
- Power BI Schulung — zweitägiges Format mit einem Modul zu DAX-Architektur am Kundenmodell
- Power BI Beratung — Refactor als Festpreisprojekt inklusive Inventur, Umbau und Übergabe
- Power BI MCP Server mit Anthropic Claude — wie Measures für Agenten vorbereitet werden
Häufig gestellte Fragen#
Was ist ein DAX Measure Pattern und wann brauche ich es?#
Ein wiederverwendbares Muster, das jede Measure einem von vier Typen zuordnet (Base, Derived, Quote, Switch-KPI) und für jeden Typ eine feste Rolle und Benennung vorgibt. Es rechnet sich ab etwa 50 Measures. Ab dort sind typisch 15 bis 25 % der Measures Duplikate, und Änderungen müssen mehrstellig nachgezogen werden.
Was ist der Unterschied zwischen einer Base Measure und einer Derived Measure?#
Eine Base Measure kennt keinen fachlichen KPI, sondern nur den Rohwert einer Faktenspalte. Sie heißt zum Beispiel _VERKÄUFE_IST und liefert die Summe aller Zeilen. Eine Derived Measure setzt darauf auf, filtert auf einen konkreten KPI (etwa UMSATZ_IST mit kpi_key = 1) und schützt sich mit ALLEXCEPT gegen Slicer-Überschreibung. Derived Measures rufen ausschließlich Base Measures auf, nie direkt SUM oder CALCULATE auf der Faktentabelle.
Wie viele Measures passen in eine Measure-Tabelle, bis es unübersichtlich wird?#
Das kommt auf die Fachbereiche an. Mit Display Folders in der Reihenfolge 1_Base, 2_Derived, 3_Quoten, 4_Switch und numerisch präfigierten Unterordnern pro Zeitperspektive haben wir bis etwa 250 Measures pro Dummy-Tabelle gute Erfahrungen gemacht. Darüber hinaus trennen wir nach Fachbereich in mehrere Measure-Tabellen (zum Beispiel DBI_MEASURES_FINANZ, DBI_MEASURES_VERTRIEB).
Warum DIVIDE statt / in jeder Quote?#
DIVIDE fängt Division durch null ab und gibt in dem Fall BLANK () statt eines Fehlers zurück. In einer Quote, die über Dutzende Visuals und Drill-Pfade rechnet, kommt null im Nenner garantiert vor. Mit / bricht genau dann das gesamte Visual, mit DIVIDE bleibt die Kachel leer und der Rest des Reports läuft weiter.
Wie setze ich ein Switch Measure in DAX richtig auf, wenn auch Quoten dabei sind?#
Quoten brauchen im KPI_SWITCH denselben SELECTEDVALUE-Zweig wie Derived Measures, zusätzlich aber ein Format-Measure auf Basis von measure_types, das zwischen Dezimalformat und Prozentformat umschaltet. Ohne diese Format-Trennung zeigt die Gehaltsquote 0,18 statt 18 %, und Nutzer verlieren das Vertrauen in das Visual.
Lohnt sich das Pattern auch für kleine Modelle mit 15 Measures?#
Fast nie. Für reine Prototypen zahlt sich der Aufwand nicht aus. Sobald absehbar ist, dass das Modell in Produktion geht, lohnt sich mindestens die Base/Derived-Trennung plus eine Measure-Tabelle. Das sind zwei Stunden Mehraufwand, die ab dem ersten Request-Change zurückkommen. Switch-KPI und das volle Ordnerschema kommen erst ab etwa 30 Measures hinzu.
Über DBI Analytics#
DBI Analytics ist Microsoft Solutions Partner für Data und AI mit Sitz in München. Wir bauen seit 2015 Enterprise-BI-Lösungen auf Microsoft Fabric, Power BI und ABIS — unserer eigenen Local-First-Middleware für Agentic BI unter EU-AI-Act und DSGVO. Für ein konkretes Projekt zur Measure-Architektur melden Sie sich bei unseren Power-BI-Beratern oder den BI-Consultants.