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

Ein Sprachmodell hat keinen Zugriff auf Ihren Rechner, Ihren Tenant oder Ihr Modell. Es sieht den Text im Kontextfenster. Wer Claude im Browser nach einem Measure fragt, bekommt DAX, das syntaktisch stimmt und semantisch rät: Tabellennamen aus dem Prompt, Spalten aus der Wahrscheinlichkeit, Zeitintelligenz gegen eine Datumstabelle, die vielleicht „Kalender“ heißt. Der dritte Versuch läuft dann — gegen die falsche Tabelle, ohne dass jemand es merkt.

Das Model Context Protocol ändert das grundsätzlich: Ein MCP-Server stellt Claude Werkzeuge bereit, und Claude ruft sie selbst auf — „liste die Measures der Tabelle Fakt Umsatz“, „führe diese DAX-Abfrage lesend aus“, „zeig mir die Beziehungen“. Der Server entscheidet, was erlaubt ist, liefert nur Metadaten und protokolliert jeden Aufruf. Bei ABIS läuft dieser Server lokal auf dem Rechner des Entwicklers oder im eigenen Tenant; das Semantikmodell wird als PBIP oder TMDL gelesen, Daten verlassen das Haus nicht. Ab diesem Punkt sieht Claude das Modell — und nicht mehr eine Beschreibung davon.

Beide Werkzeuge sprechen über denselben MCP-Server mit demselben Graphen; sie unterscheiden sich darin, wer sie bedient und was am Ende herauskommt. Claude Desktop ist ein Chat mit Werkzeugen: ideal für alles, was eine Frage und eine Antwort hat, und für Menschen ohne Entwicklungsumgebung. Claude Code ist ein Agent, der im Dateisystem arbeitet: Er liest das Mockup, schreibt PBIP-Dateien, führt Tests aus, legt einen Pull Request an — und das für viele Objekte in einem Durchgang.

Der Ablauf ist derselbe, ob eine Seite oder sechzehn entstehen. Entscheidend ist, dass der Agent vor dem Bau zwei Dinge maschinenlesbar vor sich hat: das Ziel (das Mockup mit Seite, Maßen, Visuals und Abnahmekriterien) und den Bestand (den Graphen: Tabellen, Spalten, Measures, Beziehungen, Lineage). Mit beidem baut er eine Seite fertig; mit nur einem davon arbeitet er zu.

• 1 Prompt: in Claude Desktop als Frage oder Auftrag, in Claude Code als Aufgabe mit Verweis auf Mockup und Arbeitspaket.
• 2 MCP-Server: ABIS stellt die Werkzeuge bereit und entscheidet, was erlaubt ist — lesend immer, schreibend nur als Vorschlag.
• 3 Graph: der Agent liest Bestand und Lineage; nur Objekte, die existieren, dürfen in den Vorschlag.
• 4 Regelprüfung: 61 Regeln vor jedem Schreibvorgang — Benennung, Dokumentation, Zeitintelligenz, Sicherheit; ein Verstoß kommt als Befund zurück, nicht als Änderung.
• 5 Vorschlag: Measures, Seite oder Dokumentation als PBIP/TMDL-Änderung, mit Begründung und Impact-Liste.
• 6 Freigabe: ein Mensch, mit Name und Zeitstempel; erst dann wird die Änderung produktiv. Jeder Aufruf steht im Agent-Log.

Das technische Setup dauert einen Nachmittag; die Vorarbeit entscheidet, ob es nützt. Ohne Modell als PBIP oder TMDL gibt es nichts zu lesen; ohne Katalog und Lineage rät der Agent trotz MCP; ohne Regelsatz schreibt er, was man ihm sagt. Die Setup-Checkliste im Arbeitsmaterial führt beide Teile zusammen — Technik und Vorarbeit — und endet mit dem ersten Testprotokoll.

• Modell als Code: Power BI Desktop auf PBIP umstellen, Semantikmodell als TMDL, Repository anlegen.
• ABIS installieren: Desktop-App lokal, Modell einlesen, Graph prüfen (Knoten, Kanten, Lineage über Werkzeuggrenzen).
• MCP-Server anbinden: Claude Desktop und Claude Code auf den lokalen Server zeigen; Werkzeugliste prüfen, Schreibweg auf „Vorschlag“.
• Regelsatz laden: 61 Regeln mit Schweregraden, Blocker für Datenklassen und Rollen, Score-Schwelle festlegen.
• Verträge und Rollen: AVV, KI-Zusatzvereinbarung, Freigeber benennen, Protokoll-Ablage definieren.
• Erster Testlauf: zehn Fachfragen gegen Referenzwerte, dann die erste Seite aus einem Mockup — mit Freigabe.

Gute Prompts für Agenten sind kurz, weil der Kontext im Graphen liegt und nicht im Prompt. Sie nennen das Ziel (welche Seite, welches Measure, welches Mockup), verweisen auf den Bestand (welches Modell, welche Tabelle) und setzen die Grenze (was nicht angefasst werden darf, was freigabepflichtig ist). Alles andere — Formeln, Beziehungen, Namen — liest der Agent selbst. Der Prompt-Leitfaden im Arbeitsmaterial enthält zwanzig erprobte Vorlagen; drei davon als Muster:

• Dokumentieren: „Beschreibe alle Measures der Tabelle Fakt Umsatz in Fachsprache. Nutze die Lineage für den Bezug zur Quellspalte. Lege nichts an, ändere nichts, liefere Vorschläge mit Begründung.“
• Prüfen: „Prüfe das Modell gegen den Regelsatz und liste kritische Verstöße mit Objekt, Regel und Reparaturvorschlag. Keine Reparatur ohne Freigabe.“
• Bauen: „Baue die Seite ‚Top Standorte‘ gemäß Mockup Seite 7 und Arbeitspaket AP-07 als PBIP. Verwende nur Measures aus dem Katalog; fehlende Measures als Vorschlag mit Impact-Liste.“

Die Grenzen liegen nicht im Modell, sondern im Server. Ein Verstoß gegen eine kritische Regel wird blockiert, auch wenn der Entwickler den Agenten ausdrücklich darum bittet; kein Vorschlag wird ohne Freigabe produktiv; keine MCP-Verbindung, solange Daten geladen sind; und der Agent sieht nur Metadaten — nie Dateninhalte. Das ist nicht Misstrauen gegen Claude, sondern die Bedingung, unter der ein Energieversorger den KI-Einsatz vertraglich freigegeben hat.

Zwei Grenzen sind praktischer Natur. Erstens: Was im Mockup nicht passt, passt in Power BI auch nicht — der Agent baut, was spezifiziert ist, und das Mockup hält sich an dieselbe Seitengröße wie der spätere Report. Zweitens: Der Agent ersetzt kein Testat. Jeder gebaute Nachweis wird gegen Referenzwerte geprüft, jede Migration live gegen die Datenbank validiert. Was Claude liefert, ist Menge mit Beleg; was der Mensch liefert, ist die Entscheidung, dass es stimmt.