Agentic BI Guide · 19 Kapitel · Deutsch

Agentic BI Guide: KI-Agenten für Reporting, Power BI und Fabric.

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.

Kostenlos lesenEinmal freischalten, alles lesenDSGVO und EU AI ActStand November 2026
Analystin in München arbeitet mit einem KI-Agenten an einem Power-BI-Modell — Agentic BI in der Praxis
Agentic BI in der Praxis
Kurzantwort

Was ist Agentic BI — und was unterscheidet es von Copilot und Self-Service BI?

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.

Schaubild

Agentic BI: vier Schichten, drei Stellen für den Menschen

Agenten arbeiten im Modell. Graph, Regeln und Freigabe begrenzen sie; die Daten bleiben im Haus. Jedes Kapitel des Guides vertieft eine dieser Schichten.

Lesepfad5 Schritte
Hervorheben
Element anklicken oder antippen für die Erklärung. Quelle: DBI Analytics, Agentic BI Guide, Stand November 2026. Als Bild öffnen
Agentic BI: vier Schichten, drei Stellen für den MenschenSchaubild Agentic BI in vier Schichten: Agenten (Claude Desktop und Claude Code, Copilot in Power BI, Fabric Data Agents, ABIS-Agent), Governance (rund 60 Regeln, Agent-Log, Human in the Loop, Vertrag), Kontext (Kontextgraph über dem Modell, Column-Level-Lineage, nur Metadaten) sowie Daten und Modelle (Power BI, SQL und Fabric, Excel und Legacy, lokal oder Tenant). Pfeile führen von Power BI über den Kontextgraphen und den Regelsatz zu den Agenten; der ABIS-Agent liefert das Ergebnis: Reportseiten, Measures, Dokumentation, Impact-Analyse.Agentic BI: vier Schichten, drei Stellen für den MenschenAgenten arbeiten im Modell, nicht daneben. Was sie dürfen, regeln Graph, Regelsatz und Freigabe.dbi-analytics.de · Agentic BI Guide · Stand November 2026Vier Wege, auf denen Agenten heute an Reporting-Modelle kommen. Keiner greift direkt auf Tabellen zu: Alle docken über das Model Context Protocol (MCP) an und sehen nur, was Graph und Regelsatz freigeben.AGENTENdocken über MCP anArbeiten auf dem Repository des Modells (PBIP, TMDL) und über MCP auf dem Kontextgraphen. Einsatz: Entwicklung, Dokumentation, Regelprüfung, Migrationsvorbereitung. Kapitel 14 des Guides zeigt die Einrichtung Schritt für Schritt.Claude DesktopClaude CodeBeantwortet Fragen im Bericht und schlägt Measures vor. Copilot liest das semantische Modell im Dienst, ändert aber keine Objekte im Repository und kennt keine Lineage über Werkzeuggrenzen hinweg. Darin liegt der Unterschied zu einem Agenten, der am Modell selbst arbeitet.Copilotin Power BIMicrosofts Agenten im Fabric-Tenant: Fragen an Lakehouse und Semantikmodell in natürlicher Sprache. Sie bleiben im Tenant und antworten, statt zu bauen. Kapitel 9 vergleicht Fabric Data Agents, Copilot und MCP-Agenten im Verbund.FabricData AgentsBaut, prüft und dokumentiert im Modell: Measures, Reportseiten, Dokumentation, Impact-Analyse. Jede Aktion läuft durch den Regelsatz und landet im Agent-Log; Freigabe und Abnahme bleiben beim Menschen.ABIS-AgentWas am Ende im Repository liegt: Reportseiten, Measures, Dokumentation und die Impact-Analyse vor jeder Änderung. Alles versioniert, alles nachvollziehbar. Wie ein Agent dorthin kommt, zeigt der Sechs-Schritte-Workflow.ErgebnisReportseiten · Measures ·DokuRegeln, Protokoll, Freigabe: Hier wird entschieden, was ein Agent darf. Die Schicht liegt zwischen Agenten und Kontext, damit kein Lese- oder Schreibzugriff daran vorbeiführt.GOVERNANCERegeln, Protokoll, FreigabeNamenskonventionen, Modellregeln, Sicherheitsregeln. Ein Verstoß wird blockiert, auch wenn ein Nutzer ausdrücklich darum bittet. Regeln sind das Mittel gegen Antworten, die plausibel klingen und fachlich falsch sind.Rund 60 RegelnJede Aktion eines Agenten wird protokolliert: was gelesen, was geändert, welche Regel geprüft wurde. Das Log ist die Grundlage für Abnahme, Audit und die Frage, warum ein Measure heute anders rechnet als gestern.Agent-LogDrei Stellen, an denen ein Mensch entscheidet: die Entscheidung vor dem Start (Ziel und Grenzen), die Freigabe jeder Änderung am Modell und die Abnahme des Ergebnisses. Der Agent macht die Menge, der Mensch behält die Verantwortung.Human in the LoopAuftragsverarbeitungsvertrag nach Art. 28 DSGVO, ein KI-Zusatz für den Agentenbetrieb und ein Prüfrecht. Ohne diese drei Bausteine läuft kein Agent auf Unternehmensdaten. Kapitel 12 ordnet die Anforderungen des EU AI Act ein.VertragDer Graph, den der Agent liest, und die Grenze, in der er arbeitet: Struktur des Modells, Abhängigkeiten bis auf Spaltenebene, Bedeutung der Kennzahlen. Ohne diese Schicht rät ein Sprachmodell.KONTEXTWissensgraph und LineageTabellen, Spalten, Measures, Beziehungen und Berichte als Graph über dem Modell. Der Agent liest Struktur, nicht Daten, und sieht vor jeder Änderung, was daran hängt. Kapitel 8 beschreibt den Wissensgraphen im Detail.Kontextgraph über dem ModellVon der Quellspalte bis ins Visual: In einem Beispielmodell hängen 58 Objekte an einer einzigen Spalte. Die Lineage ist die Impact-Analyse vor jeder Änderung, von Mensch oder Agent.Column-Level-LineageDas Sprachmodell sieht Namen, Typen, Formeln und Beziehungen, keine Geschäftsdaten. Das ist die Voraussetzung dafür, Agenten überhaupt auf Unternehmensmodelle zu lassen, mit lokalem LLM wie mit Cloud-Modell.Nur MetadatenDaten und Modelle bleiben, wo sie sind: im Warehouse, im Tenant, im Repository. Agenten arbeiten auf den Metadaten darüber. Nichts wird kopiert, nichts verlässt das Haus.DATEN UND MODELLEbleiben im UnternehmenSemantikmodell und Berichte als PBIP und TMDL im Repository: das Format, das Agenten lesen, ändern und versionieren können. Der Pfeil nach oben zeigt den Weg ins Modell: erst Graph, dann Regelsatz, dann Agent.Power BIWarehouse, Lakehouse und Dataflows liefern Lineage auf Artefaktebene. Spalten und Ausdrücke ergänzt der Graph, über Werkzeuggrenzen hinweg: SQL-View, DAX-Measure, Excel-Verknüpfung.SQL und FabricSSRS, SAS, Crystal Reports, Qlik, Tableau: Logik, die vor einer Migration inventarisiert werden muss. Agenten lesen diese Bestände aus und übersetzen sie in dokumentierte Measures. Kapitel 18 behandelt das Vorgehen.Excel und LegacyEntwicklung auch ohne Zugriff auf den Tenant: Das Modell liegt als Repository vor, das Sprachmodell läuft lokal oder in der Cloud, gearbeitet wird auf Metadaten statt Echtdaten.Lokal oder TenantDer Agent liest das Modell über den Graphen und schreibt nur, was der Regelsatz zulässt. Es gibt keinen direkten Zugriff auf Tabellen und keinen Weg an Log und Freigabe vorbei.Zugriff nur über Graph undRegelsatz
Alle Kapitel

Der Guide, Kapitel für Kapitel

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.

19 / 19 Kapitel online
  1. Kapitel 01Grundlagen

    Data Lineage: Warum KI-Agenten Column-Level-Lineage brauchen

    Die Frage: Was bricht, wenn ich diese Spalte ändere?

    Eine Spalte, 58 abhängige Objekte: wie Lineage über SQL, Power BI und Excel aussieht, was Fabric nativ leistet und warum ein Agent ohne Graph blind arbeitet.

    Lesezeit
    9 Min.
    Arbeitsmaterial
    Lineage-Reifegrad-Checkliste, 7 Prüffragen
  2. Kapitel 02Grundlagen

    Semantic Layer und semantisches Modell: die Schicht, die Agenten lesen

    Die Frage: Was ist ein Semantic Layer — und wo liegt der Unterschied zum Power-BI-Semantikmodell?

    Eine Kennzahl, ein Ort: warum Agenten auf Definitionen angewiesen sind, nicht auf Dashboards, und wie sich Semantic Layer, Power-BI-Semantikmodell und Snowflake Semantic Views zueinander verhalten.

    Lesezeit
    8 Min.
    Arbeitsmaterial
    Kennzahlen-Definitionsblatt / Measure-Katalog-Vorlage
  3. Kapitel 03Sicherheit & Recht

    Lokale KI für Reporting: LLM on-premises, Metadaten statt Echtdaten

    Die Frage: Kann man KI lokal betreiben — und sieht die KI unsere Daten?

    Was das Haus verlässt und was nicht: die Architektur, bei der Metadaten raus- und Ergebnisse reingehen, und die zehn Klauseln einer KI-Zusatzvereinbarung.

    Lesezeit
    8 Min.
    Arbeitsmaterial
    Architekturbild + KI-Zusatzvereinbarung: 10 Klauseln
  4. Kapitel 04Agenten & Technik

    MCP erklärt: Wie KI-Agenten an Power BI, SQL und Excel andocken

    Die Frage: Was ist ein MCP Server — und was unterscheidet ihn von einer API?

    MCP ist Steckdose, nicht Freibrief: wie Agent, MCP-Server und Modell zusammenspielen, wo die Regelprüfung sitzt und welche zwölf Fragen vor dem ersten Agenten geklärt sein müssen.

    Lesezeit
    9 Min.
    Arbeitsmaterial
    MCP-Sicherheitscheckliste: 12 Fragen vor dem ersten Agenten
  5. Kapitel 05Sicherheit & Recht

    Human in the Loop in Agentic BI: Entscheidung, Freigabe, Abnahme

    Die Frage: Was bedeutet Human in the Loop — und wer haftet, wenn der Agent baut?

    Der Agent macht die Menge, der Mensch entscheidet an drei Stellen: die Freigabe-Matrix für agentische BI-Projekte und warum jede Reparatur freigegeben wird.

    Lesezeit
    7 Min.
    Arbeitsmaterial
    Freigabe-Matrix Agent/Mensch (RACI)
  6. Kapitel 06Grundlagen

    Agentic-BI-Reifegrad: fünf Stufen zur Selbsteinordnung

    Die Frage: Sind wir bereit für KI-Agenten auf unseren Daten?

    Von „Dashboards ohne Doku“ bis „agentenfähig“: die fünf Stufen mit Prüffrage je Stufe, damit ein Team weiß, wo es steht und was bis zur nächsten Stufe fehlt.

    Lesezeit
    6 Min.
    Arbeitsmaterial
    Interaktiver Reifegrad-Check, Ergebnis per E-Mail
  7. Kapitel 07Agenten & Technik

    KI-Halluzinationen im Reporting: warum Agenten Geschäftslogik erfinden

    Die Frage: Warum halluziniert KI bei Datenfragen — und was verhindert es?

    Gleiche Frage, zwei Modelle: ein undokumentiertes Modell liefert erfundene Logik, Graph plus Regeln liefern belegte Antworten. Halluzination ist ein Dokumentationsproblem.

    Lesezeit
    11 Min.
    Arbeitsmaterial
    Testprotokoll „10 Fachfragen gegen Referenzwerte“
  8. Kapitel 08Grundlagen

    Wissensgraph statt Prompt: Kontext für Agenten (ABIS-Graph, Fabric IQ, Graph RAG)

    Die Frage: Was ist Fabric IQ — Knowledge Graph oder RAG für Unternehmensdaten?

    Was „Kontext“ technisch ist: Knoten und Kanten eines Semantikmodells, und wo ABIS-Graph, Fabric IQ und Graph RAG sich unterscheiden.

    Lesezeit
    11 Min.
    Arbeitsmaterial
    Graph-Schema-Beispiel (Knoten- und Kantentypen)
  9. Kapitel 09Agenten & Technik

    Fabric Data Agents, Copilot in Power BI und MCP-Agenten im Vergleich

    Die Frage: Brauche ich F64 für Data Agents — Copilot oder Agent?

    Drei Wege zum Agenten im Vergleich: Lizenz, Datenzugriff, Governance und Grenzen — welche Option für welche Lage.

    Lesezeit
    10 Min.
    Arbeitsmaterial
    Vergleichstabelle + Lizenz-Entscheidungsbaum
  10. Kapitel 10Projekt & Praxis

    Agentic Workflow im BI-Projekt: sechs Schritte vom Mockup zur Abnahme

    Die Frage: Wie läuft ein agentisches BI-Projekt ab?

    Mockup als Ziel, Graph als Bestand, Agent als Bauer, Mensch als Abnehmer: die sechs Schritte, die Scope Creep vor dem Bau und Change Requests danach regeln.

    Lesezeit
    10 Min.
    Arbeitsmaterial
    HTML-Mockup-Vorlage + Arbeitspaket-Schema
  11. Kapitel 11Sicherheit & Recht

    Schatten-KI im Reporting: eine KI-Richtlinie für BI-Teams in zehn Punkten

    Die Frage: Was ist Schatten-KI — und was gehört in eine KI-Richtlinie?

    Wo KI heute schon läuft, ohne dass es jemand freigegeben hat, und die zehn Punkte einer Richtlinie, die BI-Teams wirklich einhalten können.

    Lesezeit
    10 Min.
    Arbeitsmaterial
    KI-Richtlinie-Vorlage (DOCX/MD)
  12. Kapitel 12Sicherheit & Recht

    EU AI Act im Reporting: was für KI-Agenten auf Unternehmensdaten gilt

    Die Frage: Ist unser Reporting-Agent ein Hochrisikosystem — und was heißt Art. 4 für BI-Teams?

    Entscheidungsbaum von der Risikoklasse zu den Pflichten und Nachweisen: Protokollpflicht, Prüfrecht, Kompetenznachweis.

    Lesezeit
    11 Min.
    Arbeitsmaterial
    EU-AI-Act-Checkliste für BI-Teams
  13. Kapitel 13Projekt & Praxis

    KI im Controlling: zwölf Agentic-BI-Use-Cases aus Energie, Versicherung, Pharma, Industrie

    Die Frage: Wo lohnt sich KI im Controlling?

    Zwölf Fälle als Karten — Persona, Schmerz, Zahl — aus Projekten, in denen Agenten dokumentiert, geprüft und migriert haben.

    Lesezeit
    12 Min.
    Arbeitsmaterial
    Use-Case-Katalog mit Aufwand/Nutzen-Raster
  14. Kapitel 14Agenten & Technik

    Claude Code und Claude Desktop mit Power BI: Modell und Reports agentisch bauen

    Die Frage: Kann Claude Power BI bedienen — Desktop oder Code?

    Vom Prompt zur Reportseite: Claude Desktop oder Claude Code, MCP, PBIP und die Regelprüfung dazwischen.

    Lesezeit
    10 Min.
    Arbeitsmaterial
    Setup-Checkliste + Prompt-Leitfaden
  15. Kapitel 15Projekt & Praxis

    Was Agentic BI kostet: Tokenkosten, Copilot-Lizenzen, Festpreis statt Tagessatz

    Die Frage: Was kosten Tokens im Projekt — und wann rechnet sich der Graph?

    Drei Kostenarten nebeneinander: Tagessatz-Projekt, Festpreis und Tokenkosten, mit Modellrechnung und Break-even je Bericht.

    Lesezeit
    10 Min.
    Arbeitsmaterial
    Kosten-Kalkulator (Seiten × Measures → Korridor)
  16. Kapitel 16Projekt & Praxis

    Power BI Dokumentation und Regelprüfung automatisieren: Compliance-Score statt Pflichtübung

    Die Frage: Wie dokumentiert man ein Power-BI-Modell automatisch?

    61 Regeln, 13 davon kritisch: wie ein Compliance-Score zum Abnahmekriterium wird und wo der Best Practice Analyzer endet.

    Lesezeit
    10 Min.
    Arbeitsmaterial
    Regelsatz-Auszug (Kategorien + 20 Beispielregeln)
  17. Kapitel 17Agenten & Technik

    Talk with your Data: warum Text-to-SQL ohne semantisches Modell falsche Zahlen liefert

    Die Frage: Kann ich meine Datenbank in natürlicher Sprache abfragen?

    Frage → SQL, mit und ohne Modell: warum Text-to-SQL allein plausible, aber falsche Zahlen liefert und was ein semantisches Modell daran ändert.

    Lesezeit
    9 Min.
    Arbeitsmaterial
    Prompt-Leitfaden + Fragenkatalog
  18. Kapitel 18Projekt & Praxis

    Legacy-Reporting agentisch inventarisieren: Logik aus SAS, Crystal, SSRS, Qlik, Tableau extrahieren

    Die Frage: Was zählt als Objekt — und was lässt sich nicht automatisch übersetzen?

    Gezählt statt geschätzt: vom Bestand über die Objekte zu drei Pfaden je Bericht — behalten, übersetzen, neu bauen.

    Lesezeit
    11 Min.
    Arbeitsmaterial
    Objekt-Inventar-Vorlage
  19. Kapitel 19Projekt & Praxis

    BI Operations mit Agenten: Betrieb, Monitoring und Changes im laufenden Reporting

    Die Frage: Was ist BI Operations — und was übernimmt ein Agent im laufenden Betrieb?

    Nach dem Go-live: 1.843 Tickets sagen, woraus der Betrieb besteht. Der Kreislauf aus Beobachten, Befund, Vorschlag, Freigabe, Change und Doku — mit vier Kennzahlen, an denen er sich messen lässt.

    Lesezeit
    10 Min.
    Arbeitsmaterial
    Betriebshandbuch-Vorlage: BI Operations mit Agenten
So funktioniert der Guide

Offen lesen, einmal freischalten, alles behalten

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.

  1. 01

    Kurzantwort lesen

    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.

  2. 02

    Einmal E-Mail eintragen

    Für den vollständigen Text reicht die Firmen-E-Mail — einmal für den ganzen Guide, nicht je Kapitel.

  3. 03

    Lösung, Kapitel und Material

    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.

Häufige Fragen

Fragen zum Agentic BI Guide

Was ist Agentic BI?

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.

Worin unterscheidet sich Agentic BI von Copilot in Power BI?

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 wen ist der Guide geschrieben?

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.

Kostet der Guide etwas?

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.

Warum ist ein Teil des Textes hinter einer E-Mail?

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.

Wer schreibt den Guide?

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.

Weiter erkunden

Passende Services zum Guide

Lieber direkt sprechen, statt zu lesen?

In 30 Minuten klären wir, welche der vier Schichten bei Ihnen fehlt und welches Kapitel Sie zuerst lesen sollten.