Latest / M365.FM – Microsoft 365, Copilot & KI Podcast auf Deutsch / Copilot vs. Entwickler in Power BI: Wer gewinnt bei Datenmodell, DAX und Dashboard-Design? (KI-Synchronfassung)

Transcript

Copilot vs. Entwickler in Power BI: Wer gewinnt bei Datenmodell, DAX und Dashboard-Design? (KI-Synchronfassung) · M365.FM – Microsoft 365, Copilot & KI Podcast auf Deutsch

• 0:00
  Bereit für 10 Tage voller Microsoft 365, Co-Pilot, KI-Azure und den Menschen, die die Zukunft der Arbeit gestalten.
• 0:07
  Diesen Januar ist die M365-Con zurück und wir legen noch einen drauf.
• 0:12
  Seien Sie bei Live-Sessions, Praxis-Demos und Expertenwissen von MBPs und Branchenprofis weltweit dabei.
• 0:18
  Keine generischen Folien. Kein endloses Buzzword-Bingo.
• 0:22
  Wir gehen echte Herausforderungen an.
• 0:23
  Co-Pilot-Studio, KI-Agenten, Fabrics, Sicherheit, Governance und Automatisierung.
• 0:28
  Egal ob IT-Profi, Entwickler oder Führungskraft, wir haben Sessions für jeden.
• 0:35
  An 10 vollen Tagen können Sie Technologien entdecken und sich mit der globalen Community vernetzen.
• 0:40
  Verfolgen Sie es live und bringen Sie praktische Erkenntnisse direkt in Ihr Unternehmen ein.
• 0:45
  Januar 2027, 10 Tage, eine Microsoft-Community. Die Registrierung ist jetzt geöffnet.
• 0:52
  Sichern Sie sich heute Ihren Platz.
• 0:54
  Das ist M365-Con.net.
• 1:00
  Melden Sie sich jetzt unter M365.net an. Wir sehen uns im Januar live.
• 1:05
  Wenn Microsoft Co-Pilot ein Power BI-Dashboard schneller erstellen kann als ein erfahrener Entwickler,
• 1:09
  was bedeutet das für die Zukunft Ihres Jobs?
• 1:11
  In diesem Video stellen wir genau diese Frage auf den Prüfstand in einem direkten Duell zwischen KI und menschlichem Fachwissen.
• 1:16
  Die eine Seite setzt auf jahrelange Erfahrung, die andere auf maschinelle Automatisierung.
• 1:21
  Die eine Frage, welche Seite liefert einen Wert, den man im geschäftlichen Alltag wirklich nutzen kann?
• 1:25
  Die große Angst, sind Entwickler ersetzbar?
• 1:28
  Die große Frage, die im Raum steht, ist simpel.
• 1:30
  Wenn Co-Pilot komplette Dashboards per Knopfdruck erstellt, was bleibt dann für die Menschen, die jahrelang trainiert wurden, dieselbe Arbeit manuell zu erledigen?
• 1:37
  Das ist keine Frage, die man einfach so beiseite wischen kann.
• 1:41
  Für Entwickler, die ihre Karriere auf Power BI-Dax und Datenmodellierung aufgebaut haben, ist das Tempo, mit dem Microsoft Co-Pilot vorantreibt, nicht nur aufregend, sondern beunruhigend, nicht nur ruhigend.
• 1:49
  Und diese Unbehagen kommt aus einer Serienquelle.
• 1:50
  Tools innerhalb von Microsoft 365 integrieren KI in atemberaubendem Tempo.
• 1:55
  Und jede neue Version verlagert mehr Arbeit von manueller Kontrolle hin zur Automatisierung.
• 2:01
  Funktionen, die früher Fachwissen oder Training erforderten, basieren heute auf Vorschlägen, die direkt von einer Maschine generiert werden.
• 2:06
  Wenn Ihr Lebensunterhalt von diesen Fähigkeiten abhängt, fragen Sie sich natürlich, ob man Ihnen den Boden unter den Füßen wegzieht.
• 2:11
  Es hilft auch nicht, dass wir alle Schlagzeilen kennen, in denen KI-Systeme Menschen in Bereichen übertreffen, die wir für unantastbar hielten.
• 2:16
  Maschinen, die Code schreiben, Sprachmodelle, die bei Berufsprüfungen gewinnen, KI, die in Sekunden realistische Entwürfe erstellt, für die man früher stundenlang kreativ arbeiten musste.
• 2:26
  Diese Geschichten formen eine mächtige Erzählung.
• 2:28
  Menschen straucheln, KI skaliert.
• 2:30
  Die Frage, die sich immer wieder einschleicht, ist, ob wir die nächsten auf der Liste sind.
• 2:33
  Da Co-Pilot direkt in das Microsoft-Ökosystem integriert ist, müssen sich Arbeitnehmer nicht einmal bewusst für den Wettbewerb bitten.
• 2:37
  Es ist direkt in die Tools eingebettet, die sie bereits für ihre Arbeit nutzen.
• 2:40
  So wächst die Spannung.
• 2:40
  Wenn die Software bereits auf ihrem Dashboard ist und sofort Ergebnisse liefert, wie lange dauert es, bis sie als gut genug gilt, um sie komplett zu ersetzen?
• 2:47
  Ersetzen.
• 2:48
  Doch Power BI ist weit mehr als nur ein Spielplatz für Drag-and-Drop-Diagramme.
• 2:52
  Unter der Oberfläche geht es darum, unübersichtliche Geschäftsdaten zu strukturieren, Definitionskonflikte zu lösen und sicherzustellen, dass die Zahlen reale Prozesse widerspiegeln.
• 3:00
  Jeder, der schon einmal ein Modell mit mehreren Fakten-Tabellen debuggen musste, weiß, dass zwischen visueller Attraktivität und analytischer Zuverlässigkeit Welten liegen.
• 3:06
  Dieser Kontext, dieses Urteilsvermögen, das ist nichts, was ein Algorithmus automatisch beherrscht.
• 3:10
  Man kann es ein wenig mit der Einführung von Taschenrechnern in Mathematikklassen vor Jahrzehnten vergleichen.
• 3:14
  Haben sie das Bedürfnis nach Mathematikern ausgelöscht?
• 3:16
  Was sie taten, war, die Voraussetzungen zu verändern.
• 3:19
  Plötzlich hatte grundlegende Arithmetik weniger berufliches Gewicht, weil Maschinen dies besser erledigten.
• 3:24
  Doch logisches Denken auf höherer Ebene und angewandte Logik gewann Bedeutung.
• 3:27
  Das ist dieselbe Neukalibrierung, die Entwickler hier vermuten.
• 3:31
  Die Forschung zeigt oft, dass KI dann aufblüht, wenn Regeln explizit und Aufgaben repetitiv sind.
• 3:36
  Geben sie eine Formel zur Optimierung und sie wird sie ermüdungsfrei bearbeiten.
• 3:39
  Aber Nuancen.
• 3:41
  Der Graubereich, in dem die richtige Antwort von der Unternehmenskultur oder lokalen Strategie abhängt, sind keine Stärken von Maschinen.
• 3:47
  Nehmen wir etwas so Praktisches wie Co-Pilot, der eine neue Kennzahl vorschlägt.
• 3:50
  Das Modell liefert vielleicht eine Summe oder einen Durchschnitt, der technisch korrekt aussieht,
• 3:53
  aber ein erfahrener Entwickler weiß, dass er einen Filterkontext oder einen Filterkontext oder eine Anpassung für die geschäftliche Bedeutung benötigt.
• 3:57
  Ein Kollege teilte einmal genau diesen Moment.
• 4:00
  Co-Pilot generierte DAX in weniger als drei Sekunden, aber er musste die Kennzahl dennoch prüfen und anpassen,
• 4:05
  weil die Maschine nicht verstehen konnte, was gültige Verkäufe in der Geschäftslogik tatsächlich bedeuteten.
• 4:10
  Die KI war effizient, aber Effizienz erforderte Aufsicht.
• 4:14
  Was bedeutet das also in der Praxis?
• 4:16
  Es bedeutet, dass wir abstrakte Annahmen über KI als Jobkiller nicht einfach für bare Münze nehmen dürfen.
• 4:21
  Wir müssen sehen, wie sie sich schlägt, wenn eine Aufgabe so viel Geschwindigkeit als auch Verständnis erfordert.
• 4:24
  Wir wollen wissen, ob Co-Pilot bei komplizierten Tabellen versagt oder ob er dem Chaos realer Anforderungen standhalten kann.
• 4:32
  Und genau hier ist dieses Experiment wichtig.
• 4:34
  Statt nur um die Angst herumzureden, setzen wir sie direkt ein.
• 4:37
  KI auf der einen Seite, menschliches Können auf der anderen, gleiche Herausforderung, gleicher Input.
• 4:41
  Wird Co-Pilot beweisen, dass manuelle Modellierung veraltet ist,
• 4:44
  oder wird der Entwickler zeigen, dass menschliche Interpretationen unverzichtbar bleiben?
• 4:47
  Dieses Video ist unser Weg, Spekulationen durch Beweise zu ersetzen.
• 4:50
  Sie werden sehen, wie Co-Pilot unter denselben Bedingungen wie ein Profi getestet wird
• 4:53
  und die Ergebnisse werden entweder Befürchtungen bestätigen oder zerstreuen.
• 4:57
  Vielleicht ist die Angst vor einem Ersatz übertrieben oder die Sorge ist in einer Weise berechtigt,
• 5:00
  die wir noch nicht zugeben wollten.
• 5:02
  So oder so, dieser Wettbewerb wird für Klarheit sorgen.
• 5:04
  Und wo wir gerade bei Klarheit sind, sehen wir uns den Aufbau der Herausforderung an.
• 5:07
  Mensch gegen Co-Pilot.
• 5:09
  Könnte ein Klick wirklich jahrelange strukturierte Praxis beim Aufbau von Datenmodellen schreiben,
• 5:13
  von DAX und Gestalten von Visuals ersetzen, die die richtigen Punkte für Entscheider hervorheben?
• 5:16
  Genau das werden wir jetzt auf die Probe stellen.
• 5:18
  Der Aufbau ist unkompliziert.
• 5:19
  Zwei Teilnehmer, eine Herausforderung, derselbe Datensatz.
• 5:22
  Auf der einen Seite ein Entwickler, der Power BI in- und auswendig kennt
• 5:25
  und unzählige fehlerhafte Beziehungen und falsch ausgerichtete Kennzahlen in produktiven Systemen behoben hat.
• 5:30
  Auf der anderen Seite Co-Pilot.
• 5:32
  Anstatt Formeln zu tippen oder Felder zu verschieben, hört er auf Prompts und erstellt automatisch Code und Diagramme.
• 5:37
  Ist es Geschwindigkeit gegen Urteilsvermögen, Automatisierung gegen Handwerkskonten?
• 5:40
  Und die entscheidende Frage, welche Methode funktioniert tatsächlich besser,
• 5:43
  sobald man etwas benötigt, auf das sich ein Unternehmen verlassen kann?
• 5:45
  Damit dies mehr als nur Theorie bleibt, haben wir eine Aufgabe gewählt,
• 5:48
  die genau das widerspiegelt, womit die meisten Profis täglich konfrontiert sind.
• 5:52
  Sie ist nicht so trivial, dass Demodaten sie in Sekunden lösen könnten,
• 5:54
  aber auch nicht so individuell, dass keine Maschine sie versuchen könnte.
• 5:56
  Beide Seiten erhalten einen Verkaufsdatensatz mit mehreren Tabellen, Bestellungen, Kunden, Produktdetails und Zeiträumen.
• 6:02
  Die Aufgabe ist einfach formuliert.
• 6:04
  Datenquelle verbinden, Beziehungen aufbauen, Kennzahlen für Umsatz und Gewinn erstellen
• 6:08
  und diese in einer Dashboard-Ansicht darstellen.
• 6:10
  Aber jeder, der mit Power BI gearbeitet hat, weiß,
• 6:12
  dass sich hinter dieser Formulierung eine Vielzahl von Herausforderungen verbindet.
• 6:14
  Beziehungen lassen sich nicht immer sauber zuordnen.
• 6:17
  Gewinnberechnungen können komplizierter sein, als sie scheinen
• 6:19
  und Visuals sehen im Standardlayout vielleicht gut aus, bedeuten aber ohne Kontext nur sehr wenig.
• 6:22
  Der Entwickler wird das Projekt wie bei Kundenprojekten angehen.
• 6:26
  Schritt 1. Die Quelltabellen auf Integrität prüfen.
• 6:29
  Schritt 2. Beziehungen gezielt definieren, anstatt Standards anzunehmen.
• 6:33
  Schritt 3. Kennzahlen entwerfen, die den Geschäftsanforderungen entsprechen, statt nur hohe Arithmetik.
• 6:37
  Das ist beständige methodische Arbeit.
• 6:39
  Der Ansatz vom Co-Pilot wirkt im Vergleich fast fremdartig.
• 6:42
  Sie schreiben einem Prompt, wie zeige Umsätze nach Kundenregion oder stelle eine Kennzahl für den Nettogewinn
• 6:45
  und wenige Sekunden später gedreht er die Ausgabe.
• 6:48
  Theoretisch kann einem Prompt mehrere Minuten manueller Arbeit umgehen,
• 6:51
  aber Geschwindigkeit allein macht es noch nicht korrekt.
• 6:54
  Wenn Co-Pilot eine Beziehung reinbasierend auf Spaltennamen aufbaute,
• 6:56
  fasst er möglicherweise nicht die tatsächliche Geschäftslogik.
• 6:59
  Ein Fehler bei der Fremdschlüsselzuordnung, den ein Mensch schnell bemerken würde,
• 7:02
  könnte unbemerkt in den Vorschlag von Co-Pilot gelangen.
• 7:05
  Hier kommt es auf das Wesentliche an.
• 7:06
  Es geht nicht nur darum, wer schneller ist, sondern wer Recht hat.
• 7:09
  Eine Fehlkalkulation in einer Übung ist harmlos.
• 7:11
  Eine Fehlkalkulation in einem Quartalsbericht kann Entscheidungen mit echten Kosten beeinflussen.
• 7:16
  Und doch ist der Reiz, einen Knopf zu drücken und sofort Ergebnisse zu erhalten, nicht von der Hand zu weisen.
• 7:20
  Es ist, als würden zwei Athleten im gleichen Wettbewerb antreten.
• 7:23
  Aber einer von ihnen wird von einer Maschine vorangetrieben.
• 7:26
  Im Sport verändert Technologie oft den Wettbewerb.
• 7:28
  Laufschuhe, Schwimmbekleidung, sogar Leistungsanalysen.
• 7:31
  Die Parallele hier ist dieselbe.
• 7:32
  Co-Pilot ist die entwickelte Technologie, die den Prozess selbst verändert.
• 7:36
  Während sich der Entwickler auf seine eigene geschulte Disziplin verlässt,
• 7:39
  liegt die Faszination darin zu sehen, ob technische Stärke wirklich Fachwissen schlägt.
• 7:43
  Was diesen Vergleich besonders interessant macht, ist das Anfangstempo.
• 7:47
  Co-Pilot startet schnell aus dem Blick.
• 7:48
  Wenige Sekunden nach Auswahl eines Datensatzes generiert es erste Visualisierung,
• 7:52
  erstellt berechnete Felder und füllt eine leere Vorlage mit Farbe.
• 7:56
  Auf den ersten Blick wirkt es wie ein Vorsprung, der ein Mensch niemals auffallen könnte.
• 8:00
  Aber Geschwindigkeit kann täuschen.
• 8:01
  Diese frühen Diagramme sehen vielleicht schick aus, sind aber möglicherweise von echten KPIs entkoppelt.
• 8:05
  Vielleicht wurde die Umsatzkennzahl falsch abgerufen oder Filter stimmen nicht mit den Berichtsanforderungen überein.
• 8:09
  Der frühe Glanz kann tiefe Menge verdecken.
• 8:12
  Für den Entwickler fühlt sich der Start langsamer an, da er währenddessen validiert.
• 8:16
  Er zeigt kein sofortiges Feuerwerk überlegt, ein Fundament, das eine genauen Prüfung standhält.
• 8:20
  Was genau werden wir also messen, um den Sieger zu kühlen?
• 8:23
  Drei Dinge.
• 8:24
  Geschwindigkeit, da schneller fertig zu sein bei nahenden Fristen einen klaren Wert hat.
• 8:27
  Genauigkeit, da falsche Zahlen nicht nur nutzlos, sondern gefährlich sind.
• 8:31
  Und Qualität, also wie brauchbar und verständlich das endgültige Dashboard für einen Manager oder Entscheidungsträger ist.
• 8:36
  Diese drei Punkte bieten ein faires Gleichgewicht zwischen roher Kraft und durchdachtem Design.
• 8:40
  Genau wie bei einem Sportwettkampf, wo schnelle Spielzüge Punkte bringen, aber Beständigkeit in Meistermacht.
• 8:45
  Sowohl auffällige Momente als auch stetige Ausführung zählen hier.
• 8:48
  Und genau das ist die Bühne, die wir aufgebaut haben.
• 8:50
  Zwei Spiele, ein gemeinsamer Datensatz, eine Mischung aus Mechanik, Logik und Präsentation.
• 8:54
  Nachdem der Rahmen geklärt ist, ist es Zeit, nicht mehr zu spekulieren, sondern zuzusehen.
• 8:57
  Sehen wir uns an, wie Co-Pilot die erste große Hürde nimmt.
• 8:59
  Den Weg vom Datensatz zum funktionierenden Ergebnis, ohne dabei zu stolpern, ohne dabei zu stolpern.
• 9:05
  Geschwindigkeit gegen Genauigkeit, die ersten Ergebnisse treffen ein.
• 9:07
  Schnell bedeutet nicht immer richtig, die ersten Ergebnisse hier machen das deutlich.
• 9:11
  Co-Pilot legt sofort los.
• 9:13
  Sekunden nach Erhalt des Datensatzes hat es bereits Balkendiagramme, Liniengrafiken und eine Handvoll DAX-Kennzahlen ausgespuckt,
• 9:19
  die auf den ersten Blick überraschend poliert aussehen.
• 9:22
  Für jemanden, der live zuschaut, entsteht zunächst der Eindruck, dass in Sekunden etwas erschaffen wird,
• 9:25
  wofür ein menschlicher Entwickler normalerweise viel Zeit benötigt.
• 9:29
  Diese Geschwindigkeit ist zweifellos beeindruckend.
• 9:32
  Doch die Herausforderung, die wir testen, besteht nicht nur da, wenn etwas schnell auf dem Bildschirm erscheint.
• 9:36
  Der wahre Test ist, ob man den Ergebnissen unter geschäftlichem Druck tatsächlich vertrauen kann.
• 9:41
  Im Vergleich dazu wirkt der menschliche Entwickler fast langsam.
• 9:43
  Er nimmt sich die Zeit, die Tabellen zu prüfen, Beziehungen nachzuvollziehen und Datentypen zu kontrollieren,
• 9:48
  bevor er überhaupt eine Visualisierung erstellt.
• 9:49
  Zunächst wirkt dies ineffizient, besonders im Vergleich zur sofortigen Produktivität von Co-Pilot.
• 9:55
  Aber eines ist wichtig, dieses langsamere Tempo ist Absicht.
• 9:58
  Jeder Schritt dient dazu, sicherzustellen, dass die Zahlen bei komplexen Abfragen oder Filtern später nicht falsch berechnet werden.
• 10:05
  Es mag nicht spektakulär aussehen, aber diese Basis sorgt für ein solides Fundament,
• 10:09
  anstatt einer Struktur, die beim ersten Test von Annahmen zusammenbricht.
• 10:12
  Und hier beginnt die Spannung zu steigen.
• 10:15
  Co-Pilot kommt mit den grundlangen Problemen zurecht.
• 10:17
  Die Berechnung des Gesamtumsatzes ist zum Beispiel kein Problem.
• 10:20
  Es erkennt das richtige Feld, wendet eine Summenformel an und generiert ein sauberes, funktionierendes Maß.
• 10:24
  Für Anfänger oder Manager, die nur einen groben Überblick wünschen, ist das bereits wertvoll.
• 10:28
  Doch sobald die Anforderungen über das Einfache hinausgehen, zeigen sich Risse.
• 10:31
  Nehmen wir so etwas wie die Gewinnmarge seit Jahresbeginn.
• 10:34
  Co-Pilot erstellt ein Maß, das in der Formel korrekt aussieht,
• 10:36
  aber bei der Anwendung spiegeln die Summen die beabsichtigte Geschäftslogik nicht wieder, nicht wieder.
• 10:40
  Filter wirken sich inkonsistent auf die Tabellen aus.
• 10:42
  Einige Kategorien werden überhöht dargestellt, andere zu niedrigen.
• 10:44
  Oberflächlich betrachtet sieht es wie ein funktionierendes Diagramm aus,
• 10:47
  aber genauer im Hinsehen führen die Ergebnisse in dir.
• 10:48
  Der Entwickler ist bei der gleichen Anfrage langsam.
• 10:51
  Anstatt sofort ein Maß zu erstellen, überprüft er genau, welche Spalten die Gewinnmarge definieren.
• 10:55
  Er berücksichtigt ausdrücklich Produktrabatte.
• 10:57
  Er stellt sicher, dass die Zeitintelligenzfunktionen auf die richtige Kalendertabelle verweisen.
• 11:01
  Diese zusätzliche Prüfung führt dazu, dass keine Visualisierung veröffentlicht wird,
• 11:03
  bevor sichergestellt ist, dass sie die tatsächliche Geschäftsmarge widerspiegelt.
• 11:06
  Der Prozess wirkt vorsichtig, weil es auch ist.
• 11:08
  Das ist der Unterschied.
• 11:09
  Co-Pilot zielt auf sofortige Ausgabe ab, während der Mensch die schrittweise Validierung priorisiert.
• 11:14
  Wenn sie selbst schon einmal versucht haben, einen komplexeren DAX-Ausdruck zu schreiben,
• 11:17
  sollte ihnen dieses Szenario bekannt vorkommen.
• 11:19
  Zuerst wirkt alles einfach, doch dann endet es schnell in einem Prozess von Versuch und Irrtum,
• 11:22
  sobald Filter, Beziehungen und benutzerdefinierte Logik ins Spiel kommen.
• 11:25
  Und es stellt sich heraus, dass die KI mit denselben Fallen kämpft, über die auch menschliche Lerner steuert.
• 11:29
  Grundlegende Arithmetik ist kein Problem.
• 11:31
  Sobald jedoch Filter, Kontextwechsel oder benutzerdefinierte Aggregationen erforderlich sind,
• 11:34
  wird es plötzlich wackelig.
• 11:35
  Es ist fast ein Lehrbuchfehler, Co-Pilot dabei zuzusehen, wie er falsch interpretiert,
• 11:38
  was als aktiver Kundenumsatz zählt.
• 11:40
  Ein Fehler, den man sofort erkennt, wenn man schon einmal eine falsch angewendete Berechnung debuggen musste.
• 11:44
  Dieser Unterschied ist wichtig, denn während schnelles Prototyping einen echten Mehrwert bietet,
• 11:48
  erfordern Produktionsumgebungen Zuverlässigkeit.
• 11:50
  Manager wollen nicht nur Zahlen, die schnell erscheinen,
• 11:51
  sie wollen Zahlen, die sie in einem Meeting verteidigen können,
• 11:53
  Zahlen, denen sie vertrauen, um Entscheidungen zu treffen, um Entscheidungen zu treffen,
• 11:56
  ohne die zugrunde liegende Mathematik hinterfragen zu müssen.
• 11:59
  Co-Pilots Vorsprung beim Erstellen von Entwürfen wäre fantastisch für Brainstorming oder erste Erkundungen.
• 12:03
  Doch in der Produktion wird das Risiko, dass kleine Abweichungen zu großen Berichtsfehlern anwachsen,
• 12:08
  zum begrenzenden Faktor.
• 12:09
  Der Kompromiss ist auf dem Bildschirm offensichtlich.
• 12:11
  Geschwindigkeit verschafft anfangs Anerkennung, aber Genauigkeit sichert langfristigen Wert.
• 12:16
  Jeder Zuschauer kann sehen, dass Co-Pilot diese erste Runde beim Tempo mühelos gewinnt.
• 12:20
  Es ist schwer, gegen sofortige Visualisierungen und automatisch generierte Kennzahlen zu argumentieren,
• 12:23
  die technisch gesehen ohne Aufwand funktionieren.
• 12:25
  Aber beim direkten Vergleich schleichen sich Zweifel ein.
• 12:27
  Wenn ohnehin jedes Diagramm doppelt geprüft werden muss, wie viel Zeit spart man dann wirklich?
• 12:30
  Vorerst hat Co-Pilot die erste Ziellinie schneller überquert, hinterlässt aber den Eindruck eines Athleten,
• 12:35
  der zu früh sprintet und nicht stabil genug wirkt, um das gesamte Rennen zu gewinnen.
• 12:39
  Und der eigentliche Test steht noch gar nicht an.
• 12:41
  Schnelle Visualisierungen zu erstellen ist eine Sache, aber wenn es darum geht,
• 12:44
  Tabellen zu verknüpfen, mehrere Beziehungen zu verwalten und den korrekten Filterkontext zu wahren, steigt der Druck.
• 12:49
  Da zählt die oberflächliche Geschwindigkeit weniger als die Anpassungsfähigkeit an geschäftliche Komplexität,
• 12:54
  was die nächste kritische Frage aufwirft.
• 12:55
  Sobald wir bei der relationalen Datenmodellierung ankommen, wird die Automatisierung an ihre Grenzen stoßen
• 13:00
  oder kann Co-Pilot sein Tempo beibehalten.
• 13:03
  Der Knackpunkt komplexe Datenmodellierung.
• 13:05
  Einfache Demos sind leicht.
• 13:06
  Der echte Test kommt, wenn die Daten nicht mehr sauber sind und anfangen, sich wie in der realen Welt zu verhalten.
• 13:11
  In dieser Runde der Herausforderungen verlagert sich der Fokus auf komplexe Modellierung.
• 13:14
  Anstatt mit einer ordentlichen Tabelle von Verkaufstransaktionen zu arbeiten,
• 13:17
  sehen sich sowohl Co-Pilot als auch unser Entwickler einem Datensatz mit mehreren Tabellen gegenüber.
• 13:20
  Es gibt Kundendatensätze, Produkt-Hierarchien, Verkaufsaufträge, Rabattabellen-Retouren
• 13:25
  und eine separate Kalendertabelle für Zeitintelligenz.
• 13:29
  Jeder, der schon einmal ein nicht-triviales Power BI-Modell erstellt hat, weiß, dass hier die Dinge oft scheitern.
• 13:34
  Ein schickes Diagramm bedeutet wenig, wenn das Fundament die Beziehungen und die berechneten Felder
• 13:38
  nicht der tatsächlichen Geschäftslogik standhalten.
• 13:40
  Co-Pilots-Ansatz ist hier die Automatisierung.
• 13:42
  Er betrachtet Spaltennamen, sucht nach ähnlichen Schlüsseln und schlägt Beziehungen vor,
• 13:46
  als wären sie offensichtliche Übereinstimmungen.
• 13:48
  Oberflächlich betrachtet klingt das hilfreich, aber in der Realität lassen sich Geschäftsdaten
• 13:51
  selten allein durch Spaltennamen sauber zuordnen.
• 13:54
  Zum Beispiel erkennt Co-Pilot eine Kunden-ID in zwei Tabellen und erstellt eine Verknüpfung.
• 13:58
  Technisch gesehen funktioniert es.
• 13:59
  Aber sobald das Modell mit aktiven gegenüber abgewanderten Kunden getestet wird, bläht der Join.
• 14:04
  Die Summen auf, da Statusfelder ignoriert werden, die hätten einbezogen werden müssen.
• 14:07
  Da, es liefert ein Ergebnis, aber nicht das Richtige.
• 14:10
  Das eigentliche Problem ist, dass die Ausgabe völlig in Ordnung aussieht,
• 14:12
  bis man hinterfragt, warum sich die Zahlen falsch anfühlen.
• 14:14
  Im Gegensatz dazu geht der Entwickler nicht davon aus, dass die Kunden-ID immer direkt verknüpft werden sollte.
• 14:19
  Er hält inne und prüft, wie das Unternehmen aktiver Kunde im Datensatz definiert.
• 14:23
  Dieses Bewusstsein verändert die Art und Weise, wie die Beziehung modelliert.
• 14:26
  Anstatt jeden Kunden zurück verknüpfen zu lassen, werden Filter eingefügt,
• 14:29
  sodass nur aktive Kunden in die Kennzahl einfließen.
• 14:31
  Es kostet mehr Zeit, aber die Summen entsprechen nun den Erwartungen.
• 14:35
  Dieser Unterschied verdeutlicht die Kernherausforderung, wo der Co-Pilot steht.
• 14:37
  Maschinen können Joints erraten, aber sie können die Nuancen organisatorischer Regeln,
• 14:41
  die nicht explizit im Schema stehen, nicht einfach anwenden.
• 14:44
  Ein weiteres Beispiel zeigt sich bei der Gewinnberechnung über mehrere Fakten-Tabellen hinweg.
• 14:48
  Co-Pilot erstellt automatisch eine Beziehung zwischen der Verkaufstabelle und der Rabatttabelle,
• 14:53
  wählt aber standardmäßig einen M zu N-Join, da beide Tabellen überschneidende Schlüssel enthalten.
• 14:57
  Jeder, der in Power BI mit M zu N-Beziehungen gearbeitet hat, weiß,
• 15:00
  dass dies zu aufgeblähten Aggregationen führen kann, besonders wenn Filter nicht korrekt angewendet werden.
• 15:03
  Co-Pilot gibt keinerlei Warnung aus.
• 15:05
  Das Diagramm, das es erstellt, sieht sauber aus,
• 15:07
  aber im Vergleich zur Version des Entwicklers schießen die Gewinnmargen unrealistisch in die Höhe.
• 15:11
  Aus geschäftlicher Sicht könnten diese aufgeblähten Zahlen das Management dazu verleiten, zu glauben.
• 15:15
  Die Leistung sei weitaus stärker, als sie tatsächlich ist.
• 15:17
  Der Entwickler erkennt das Problem schnell.
• 15:19
  Er strukturiert das Modell um, indem er die Rabattdaten normalisiert und in eine Brückentabelle auslagert.
• 15:24
  Dieser Schritt wandelt die Beziehung in eine 1 zu N-Beziehung um,
• 15:27
  was eine präzise Aggregation ermöglicht, die die geschäftlichen Bedingungen korrekt abbildet.
• 15:31
  Dieser Moment unterstreicht, warum Kontext alles ist.
• 15:33
  Für Co-Pilot ist ein Join einfach ein Join.
• 15:35
  Für einen BI-Entwickler ist ein Join eine Entscheidung mit direktem Einfluss darauf,
• 15:38
  wie das Management die Unternehmensleistung wahrnimmt.
• 15:40
  Dieser Unterschied ist der kritische Punkt, den wir bemerken,
• 15:42
  wenn wir von einfachen Aufgaben zur aussagekräftigen Modellierung übergehen.
• 15:45
  Es gibt auch das Thema der berechneten Felder.
• 15:48
  Co-Pilot kann DAX-Ausdrücke entwerfen,
• 15:49
  aber sobald Zeitintelligenz gefragt ist, wird es wackelig.
• 15:52
  Zum Beispiel schlägt es eine Kennzahl für den Vorjahresvergleich mit einer integrierten Funktion vor,
• 15:56
  wendet sie aber auf das Transaktionsdatum in der Auftragstabelle an,
• 15:59
  statt auf die dedizierte Kalendertabelle.
• 16:00
  Das Ergebnis zeigt Zahlen, die plausibel erscheinen,
• 16:03
  aber aufgrund fehlender Zeiträume leicht abweichen.
• 16:06
  In realen Szenarien bleiben solche subtilen Fehler oft unbemerkt,
• 16:09
  bis eine vierteljährliche Überprüfung Diskrepanzen aufdeckt.
• 16:12
  Der Entwickler weiß es natürlich besser.
• 16:14
  Er stellt sicher, dass die Berechnungen die korrekte Kalendertabelle verwenden
• 16:16
  und mit der Logik des Geschäftsjahres übereinstimmen.
• 16:18
  Es geht nicht nur darum, eine Formel zu schreiben,
• 16:20
  sondern zu wissen, welche Referenz die Ergebnisse liefert,
• 16:22
  auf die sich die Führungsebene verlässt.
• 16:23
  Der direkte Vergleich ist aufschlussreich.
• 16:25
  Co-Pilot liefert in Rekordzeit beeindruckende Ergebnisse,
• 16:28
  doch hinter der Sicherheit verbergen sich grundlegende Fehler.
• 16:30
  Der Entwickler mag langsamer erscheinen,
• 16:32
  aber die Genauigkeit seines Modells eliminiert das Risiko irreführender Berichte.
• 16:35
  Das unterstreicht eine einfache Wahrheit.
• 16:37
  KI erkennt Muster, versteht aber keine Bedeutung,
• 16:39
  solange die Regeln nicht explizit vorgegeben sind.
• 16:42
  Geschäftslogik liegt oft außerhalb des Datensatzes
• 16:44
  euren Gesprächen, Richtlinien und Kontexten,
• 16:45
  die Co-Pilot nicht ableiten kann.
• 16:47
  Hier hat menschliche Expertise nach wie vor die Nase vorn.
• 16:50
  Der automatisierte Arbeitsablauf wirkt reibungslos,
• 16:52
  bis sich Regeln ändern oder Unklarheiten auftreten.
• 16:55
  Dann zeigen sich die Respekt.
• 16:55
  Bei komplexer Modellierung geht es nicht darum,
• 16:58
  wie schnell ein Graph gerendert wird,
• 17:00
  sondern dass die Logik dahinter einer Überprüfung standhält.
• 17:03
  In dieser Runde zeigt der Entwickler genau das.
• 17:05
  Co-Pilot stolpert, der Mensch korrigiert
• 17:07
  und das endgültige Modell bildet das Geschäft präzise ab.
• 17:10
  Nachdem die Grundlagen stehen, verschiebt sich der Fokus erneut.
• 17:13
  Nachdem Modelle erstellt und Berechnungen getestet wurden,
• 17:15
  rückt die letzte Phase in den Fokus,
• 17:16
  das Ganze in Dashboards zu verwandeln,
• 17:18
  die Entscheidungsträger auch wirklich nutzen können.
• 17:20
  Der letzte Sprint, Dashboardqualität und Benutzerfreundlichkeit.
• 17:22
  Es geht nicht nur darum, ob die Zahlen stimmen.
• 17:25
  Ein funktionierendes Dashboard muss mehr tun,
• 17:26
  an Daten anzudrücken.
• 17:27
  Es muss die Nutzer direkt ansprechen.
• 17:30
  In dieser Phase geht es weniger um die Summe der Berechnungen
• 17:32
  als vielmehr um die Bedienbarkeit.
• 17:35
  Man kann das genaueste Modell der Welt haben,
• 17:37
  aber wenn Führungskräfte nicht sofort sehen,
• 17:38
  was wichtig ist, sinkt der Wert.
• 17:40
  Hier beginnen wir, eine ganz andere Art von Lücke
• 17:41
  zwischen Co-Pilot und dem Entwickler zu bemerken.
• 17:43
  Co-Pilot übernimmt mit seinem bloßen Tempo wieder die Führung.
• 17:46
  Innerhalb von Minuten füllt sich die Arbeitsfläche
• 17:47
  mit Diagramms, Slicern und automatisch erstellten Layouts.
• 17:50
  Es deckt die Grundlagen ab, Verkäufe nach Regionen,
• 17:52
  Umsatz im Zeitverlauf, Aufschlüsselungen nach Produktkategorien.
• 17:55
  Es ist unbestreitbar schneller,
• 17:56
  als jede Grafik von Hand zu erstellen.
• 17:58
  Die Automatisierung wirkt beeindruckend,
• 18:00
  da Dashboards, die einen Nachmittag dauern würden,
• 18:01
  fast augenblicklich erscheinen.
• 18:03
  Doch bei genauerer Betrachtung der Ergebnisse
• 18:04
  verfliegt die Begeisterung.
• 18:06
  Die Visualisierungen sind zwar ordentlich,
• 18:07
  wirken aber generisch fast wie Vorlagen.
• 18:09
  Es gibt keine echte Priorisierung.
• 18:11
  Umsätze erscheinen gleichwertig
• 18:12
  neben weniger kritischen Kennzahlen
• 18:13
  und Lücken in der Aussagekraft werden deutlich.
• 18:15
  Ein Manager, der das Dashboard durchsieht,
• 18:17
  erhält zwar Informationen, aber keine Geschichte dazu.
• 18:19
  Genau diese Geschichte betont der menschliche Entwickler.
• 18:23
  Anstatt Power BI-Diagramme
• 18:24
  einfach in Platzhalter einfügen zu lassen,
• 18:26
  fragt der Entwickler,
• 18:26
  was muss ein Entscheidungsträger als erstes sehen?
• 18:29
  Der Gewinn trennt ganz oben,
• 18:30
  der trennt zur Kundenabwanderung vor den regionalen Details.
• 18:32
  Der Kontext zeigt sich darin,
• 18:33
  wie Visualisierungen angeordnet, skaliert und beschriftet sind.
• 18:35
  Die Titel sind in verständlicher Geschäftssprache
• 18:37
  verfasst statt in rohen Datenbanknahmen.
• 18:39
  Das Endprodukt ist mehr als nur eine Reihe von Diagrammen.
• 18:41
  Es ist eine Geschichte.
• 18:42
  Es führt den Nutzer sinnvoll vom Überblick bis ins Detail.
• 18:46
  Man merkt, dass Zeit und Überlegungen das Dashboard prägen
• 18:48
  und nicht nur die Geschwindigkeit.
• 18:49
  Hier wird der Kontrast erst richtig deutlich.
• 18:51
  Co-Pilot kann sehr schnell viele Inhalte erzeugen,
• 18:53
  aber Quantität ist nicht gleich Qualität,
• 18:55
  besonders in der Analytik.
• 18:57
  In der ersten Version zeigt Co-Pilot beispielsweise
• 18:59
  die gesamten Rabattbeträge in einem markanten, isolierten Diagramm.
• 19:02
  Auf dem Papier ist das eine valide Kennzahl.
• 19:04
  Im Kontext bedeutet sie jedoch wenig,
• 19:05
  ohne sie mit den Margen zu verknüpfen.
• 19:07
  Die Geschäftsführung interessiert sich nicht
• 19:08
  für die rohe Summe der gewährten Rabatte.
• 19:10
  Sie interessiert sich dafür,
• 19:11
  ob diese Rabatte die Rentabilität schmälerten
• 19:13
  oder das Verkaufsvolumen angemessen steigerten.
• 19:15
  Diesen Zusammenhang erkennt K.I. nur schwer,
• 19:17
  da er das Verständnis erfordert,
• 19:18
  wie eine Kennzahl eine andere beeinflusst.
• 19:21
  Der Entwickler hingegen modelliert diesen Vergleich direkt
• 19:23
  und stellt Rabatte dem Brutto- und Nettogewinn
• 19:24
  im Zeitverlauf gegenüber.
• 19:26
  Die Geschichte wird sofort klarer,
• 19:28
  da sie erklärt, statt nur zu zeigen.
• 19:31
  Die Forschung zu Visualisierung
• 19:32
  und Business Intelligence Design
• 19:33
  zeigt immer wieder,
• 19:34
  dass die besten Dashboards
• 19:34
  nicht die mit den meisten Elementen sind,
• 19:36
  sondern die mit der stärksten Aussagekraft.
• 19:37
  Bewährte Methoden betonen Ansätze
• 19:40
  wie die Vermeidung von Diagrammüberladung,
• 19:42
  die Betonung von Vergleichen
• 19:43
  und die Ausrichtung von KPIs an Unternehmenszielen.
• 19:47
  Co-Pilot kann diese Praktiken nachahmen,
• 19:49
  wenn sie regelbasiert sind,
• 19:50
  wie etwa die Ausrichtung von Zahlen
• 19:51
  für die Lesbarkeit
• 19:52
  oder der Vorschlag eines Balkendiagramms
• 19:53
  statt eines Kreisdiagramms
• 19:54
  bei vielen Kategorien.
• 19:56
  Doch bei subtilen Best Practices
• 19:57
  bleibt die Kunst,
• 19:57
  das Wesentliche auszuwählen,
• 19:58
  außerhalb seiner Reichweite.
• 20:00
  Das erfordert Vertrautheit
• 20:01
  sowohl mit den Daten
• 20:02
  als auch mit der geschäftlichen Fragestellung.
• 20:03
  Der praktische Unterschied zeigt sich darin,
• 20:05
  wie die Dashboards
• 20:05
  auf verschiedene Zielgruppen wirken.
• 20:07
  Der Output von Co-Pilot
• 20:08
  wirkt wie ein polierter Entwurf,
• 20:10
  der für interne Analysen
• 20:11
  oder erste Brainstorming-Sitzungen
• 20:12
  nützlich sein könnte.
• 20:13
  Ein Team könnte ihn nehmen,
• 20:14
  anpassen und zu etwas Besserem
• 20:15
  weiterentwickeln.
• 20:16
  Aber fragen Sie sich,
• 20:17
  würden Sie damit
• 20:17
  in eine Vorstandssitzung gehen
• 20:18
  und ihn unverändert präsentieren?
• 20:20
  Wahrscheinlich nicht.
• 20:21
  Im Vergleich dazu entsteht
• 20:22
  das Dashboard des Entwicklers
• 20:22
  langsamer scheint aber sofort
• 20:23
  für eine Prüfung
• 20:24
  durch das Management bereit zu sein.
• 20:25
  Es besitzt Strukturen.
• 20:26
  Es vermittelt eine Absicht.
• 20:28
  Die Geschäftsführung
• 20:28
  könnte auf die wichtigsten Visualisierungen blicken
• 20:30
  und innerhalb von Sekunden
• 20:31
  kritische Trends verstehen.
• 20:32
  Was wir also sehen,
• 20:32
  ist eine Aufteilung des Nutzens.
• 20:34
  Co-Pilot ist ex...