Monat: Juli 2026

Im thinkBI Podcast geht es diesmal um die Umsetzung eines Dashboard-Prototyps. KI verändert diesen Schritt grundlegend: Visualisierungen, die früher an Werkzeuggrenzen scheiterten, lassen sich heute deutlich leichter individuell entwickeln.

Das klingt zunächst nach einem eindeutigen Fortschritt. Wer eine besondere Darstellung benötigt, muss nicht mehr darauf warten, dass sie als Standardfunktion im BI-Werkzeug verfügbar wird. Offene Frameworks, HTML, SVG oder eigene Visuals schaffen zusätzliche Wege. KI senkt dabei die Hürde, den notwendigen Code zu erzeugen.

Doch genau mit dieser neuen Freiheit wird eine alte Frage wichtiger: Sollten wir alles visualisieren, was wir technisch umsetzen können?

thinkBI #028 – Nicht alles, was KI visualisieren kann, gehört ins Dashboard weiterlesen

Im thinkBI Podcast geht es diesmal um eine Rückfrage aus der Community. Sind die Überlegungen zum Sternschema der Schlüssel zum Gold Layer und beginnt danach das semantische Modell? Um diese Begriffe zu sortieren, kommt erstmals auch ChatGPT als Gesprächspartner hinzu.

Die Frage ist wichtig, weil Schichtenmodelle schnell eine Eindeutigkeit erzeugen, die in der Praxis gar nicht vorhanden ist. Raw, Silver und Gold klingen nach einer klaren Abfolge. Rohdaten werden aufbereitet, fachlich geordnet und schließlich analytisch nutzbar gemacht. Doch spätestens beim Gold Layer beginnt die Unschärfe. Ist er bereits die fertige semantische Schicht? Gehört das Power-BI-Modell noch dazu? Oder liegt es als weitere Ebene darüber?

Die Begriffe lösen dieses Problem nicht von selbst. Entscheidend ist deshalb weniger der Name einer Schicht als ihre Aufgabe.

thinkBI #027 – Datenstruktur ist noch keine Semantik weiterlesen

Im thinkBI Podcast ging es zuletzt um Datenmodellierung. Der eigentliche Punkt daran ist nicht technisch, sondern konzeptionell: Zwischen vorbereiteten Tabellen und belastbarer Analyse liegt mehr als ein weiterer Implementierungsschritt.

Datenmodellierung wirkt auf den ersten Blick oft wie eine Fleißaufgabe nach der Datenaufbereitung. Tabellen sind bereinigt, Fakten und Dimensionen angelegt, die Struktur ist sauber. Damit scheint die analytische Arbeit fast abgeschlossen zu sein. Genau hier beginnt aber der eigentliche Unterschied zwischen einem geordneten Datenbestand und einem Modell, das Analyse wirklich trägt.

thinkBI #026 – Zwischen Sternschema und semantischem Modell weiterlesen