Der Praxis-Guide für BI-Teams im DACH-Raum: Was Agentic BI ist, welche Schichten ein Agent braucht, bevor er auf Unternehmensdaten arbeiten darf, und wie ein agentisches BI-Projekt vom Mockup bis zur Abnahme läuft. Mit Projektzahlen, Schaubildern und Arbeitsmaterial je Kapitel — geschrieben von den Architekten, die es selbst bauen.

Agentic BI ist Business Intelligence, in der KI-Agenten eigenständig Arbeitsschritte übernehmen: Sie lesen ein semantisches Modell, schreiben DAX-Measures, dokumentieren Berichte, prüfen Regeln und bereiten Migrationen vor. Der Mensch gibt Ziel, Grenzen und Freigabe — der Agent macht die Menge.
Der Unterschied zu Copilot: Copilot beantwortet Fragen in einem Dashboard. Ein Agent arbeitet am Modell selbst — er baut, prüft und ändert Objekte, und jede Änderung ist nachvollziehbar protokolliert. Der Unterschied zu Self-Service BI: Self-Service verlagert die Arbeit zum Fachbereich; Agentic BI nimmt sie dem Team ab, behält aber die Kontrolle über Definitionen, Rechte und Abnahme im Haus.
Damit das sicher funktioniert, braucht ein Agent vier Dinge, die dieser Guide Kapitel für Kapitel erklärt: Lineage (was hängt woran), einen Semantic Layer (was eine Kennzahl bedeutet), eine Anbindung über MCP (wie er an Power BI, SQL und Excel kommt) und einen Menschen in der Schleife (wer freigibt). Die Daten selbst bleiben dabei im Haus — der Agent arbeitet auf Metadaten.
Agenten arbeiten im Modell. Graph, Regeln und Freigabe begrenzen sie; die Daten bleiben im Haus. Jedes Kapitel des Guides vertieft eine dieser Schichten.
Jedes Kapitel beantwortet eine Frage, die BI-Teams uns in Projekten stellen. Kurzantwort und Problem-Schaubild jeder Seite sind offen; das Lösungs-Schaubild, der vollständige Text und das Arbeitsmaterial sind nach einmaliger Freischaltung für alle Kapitel lesbar.
Kapitel 01Grundlagen
Die Frage: Was bricht, wenn ich diese Spalte ändere?
Kapitel 02Grundlagen
Die Frage: Was ist ein Semantic Layer — und wo liegt der Unterschied zum Power-BI-Semantikmodell?
Kapitel 03Sicherheit & Recht
Die Frage: Kann man KI lokal betreiben — und sieht die KI unsere Daten?
Kapitel 04Agenten & Technik
Die Frage: Was ist ein MCP Server — und was unterscheidet ihn von einer API?
Kapitel 05Sicherheit & Recht
Die Frage: Was bedeutet Human in the Loop — und wer haftet, wenn der Agent baut?
Kapitel 06Grundlagen
Die Frage: Sind wir bereit für KI-Agenten auf unseren Daten?
Kapitel 07Agenten & Technik
Die Frage: Warum halluziniert KI bei Datenfragen — und was verhindert es?
Kapitel 08Grundlagen
Die Frage: Was ist Fabric IQ — Knowledge Graph oder RAG für Unternehmensdaten?
Kapitel 09Agenten & Technik
Die Frage: Brauche ich F64 für Data Agents — Copilot oder Agent?
Kapitel 10Projekt & Praxis
Die Frage: Wie läuft ein agentisches BI-Projekt ab?
Kapitel 11Sicherheit & Recht
Die Frage: Was ist Schatten-KI — und was gehört in eine KI-Richtlinie?
Kapitel 12Sicherheit & Recht
Die Frage: Ist unser Reporting-Agent ein Hochrisikosystem — und was heißt Art. 4 für BI-Teams?
Kapitel 13Projekt & Praxis
Die Frage: Wo lohnt sich KI im Controlling?
Kapitel 14Agenten & Technik
Die Frage: Kann Claude Power BI bedienen — Desktop oder Code?
Kapitel 15Projekt & Praxis
Die Frage: Was kosten Tokens im Projekt — und wann rechnet sich der Graph?
Kapitel 16Projekt & Praxis
Die Frage: Wie dokumentiert man ein Power-BI-Modell automatisch?
Kapitel 17Agenten & Technik
Die Frage: Kann ich meine Datenbank in natürlicher Sprache abfragen?
Kapitel 18Projekt & Praxis
Die Frage: Was zählt als Objekt — und was lässt sich nicht automatisch übersetzen?
Kapitel 19Projekt & Praxis
Die Frage: Was ist BI Operations — und was übernimmt ein Agent im laufenden Betrieb?
Der Guide ist kein Download hinter einer Wand. Jede Seite beginnt mit der Antwort und einem Schaubild des Problems — beides bleibt offen, für Sie und für Suchmaschinen.
Jedes Kapitel beginnt mit der Frage, der Antwort in drei Absätzen, den Kennzahlen und einem Schaubild, in dem Sie Ihre eigene Lage wiedererkennen. Dieser Teil ist immer offen.
Für den vollständigen Text reicht die Firmen-E-Mail — einmal für den ganzen Guide, nicht je Kapitel.
Danach sind alle Lösungs-Schaubilder mit ABIS und DBI Agentic BI, alle Kapitel in voller Länge, Checklisten und Vorlagen offen — auch die, die später dazukommen.
Agentic BI ist Business Intelligence, in der KI-Agenten eigenständig Arbeitsschritte übernehmen — Modelle lesen, Measures schreiben, Berichte dokumentieren, Regeln prüfen, Migrationen vorbereiten. Der Mensch setzt Ziel und Grenzen und gibt frei; der Agent erledigt die Menge. Voraussetzung sind Lineage, ein semantisches Modell, eine kontrollierte Anbindung (MCP) und ein Freigabeprozess.
Copilot beantwortet Fragen innerhalb eines Berichts oder Modells. Ein Agent arbeitet am Modell selbst: Er baut, prüft und ändert Objekte, und jede Änderung ist protokolliert und freigabepflichtig. Copilot ist eine Funktion; Agentic BI ist eine Arbeitsweise mit Rollen, Regeln und Abnahme.
Für BI-Leitungen, Controlling, Datenarchitekten und IT-Verantwortliche im Mittelstand und in Konzernen des DACH-Raums, die KI-Agenten auf Power BI, Microsoft Fabric, SQL oder Excel einsetzen wollen — und vorher wissen möchten, was dafür im Haus vorhanden sein muss.
Nein. Die Kurzantwort und das Problem-Schaubild jedes Kapitels sind frei lesbar. Für das Lösungs-Schaubild, den vollständigen Text und das Arbeitsmaterial tragen Sie einmal Ihre Firmen-E-Mail ein; danach sind alle 19 Kapitel offen, auch neue.
Weil die Lösungs-Schaubilder und das Arbeitsmaterial — Checklisten, Vorlagen, Regelsätze — aus echten Projekten stammen und wir wissen wollen, wer damit arbeitet. Die Antwort auf die Frage jedes Kapitels und das Schaubild des Problems bleiben bewusst offen, damit Leser und Suchmaschinen sie finden.
David Chang, Gründer und Datenarchitekt von DBI Analytics, mit dem Team, das die beschriebenen Projekte umsetzt. Jedes Kapitel nennt Quelle und Stand; Zahlen stammen aus eigenen Projekten und werden anonymisiert.
In 30 Minuten klären wir, welche der vier Schichten bei Ihnen fehlt und welches Kapitel Sie zuerst lesen sollten.