Messung in Power BI: So baue ich Kennzahlen, die wirklich funktionieren
Wenn ich in Power BI arbeite, geht es fast nie nur um hübsche Charts. Es geht um Messung. Also darum, Zahlen so zu bauen, dass sie belastbar, schnell und für Entscheidungen brauchbar sind. Genau hier scheitern viele Teams. Sie laden Daten rein, klicken ein paar Visuals zusammen und wundern sich dann, warum Umsatz, Marge oder Conversion nicht sauber passen.
Die gute Nachricht: Das Problem ist lösbar. Du brauchst kein Magie-Setup. Du brauchst ein klares Modell, saubere DAX Measures und ein paar Regeln, die du immer wieder anwendest. In diesem Artikel zeige ich dir, wie ich Messung in Power BI aufbaue, welche Fehler ich vermeide und welche Best Practices dir sofort Zeit sparen.
Was bedeutet Messung in Power BI überhaupt?
Mit Messung in Power BI meine ich jede Kennzahl, die nicht einfach nur eine Spalte aus der Tabelle ist, sondern berechnet wird. Das kann Umsatz sein, Deckungsbeitrag, Conversion Rate, Durchschnittsbestellung oder Wachstum im Vergleich zum Vormonat.
Der wichtigste Punkt: Eine Messung ist dynamisch. Sie reagiert auf Filter, Zeiträume, Produkte, Regionen oder Kunden. Genau das macht sie so stark. Und genau deshalb musst du sie sauber bauen.
Ich trenne dabei immer zwischen:
- Spalten: gespeicherte Werte pro Zeile
- Measures: berechnete Werte je nach Kontext
Wenn du diese Trennung nicht ernst nimmst, wird dein Modell schnell unübersichtlich und langsam.
Warum Messung in Power BI über Erfolg oder Chaos entscheidet
Ich sehe immer wieder dieselben Probleme:
- Eine Kennzahl wird an drei Stellen unterschiedlich berechnet.
- Jemand baut eine Spalte, obwohl ein Measure besser wäre.
- Ein Report ist langsam, weil zu viele Berechnungen unnötig in Spalten landen.
- Das Team diskutiert über Zahlen statt über Entscheidungen.
Das kostet Zeit, Vertrauen und Geld. Eine gute Messung sorgt dagegen für klare Regeln. Wenn du eine Zahl in Power BI siehst, weißt du genau, wie sie entsteht und wann sie sich verändert.
Mein Ziel ist immer dasselbe: eine einzige Quelle der Wahrheit. Nicht fünf Versionen von Umsatz. Nicht drei Formeln für dieselbe Conversion. Eine saubere Logik, die im ganzen Bericht wiederverwendbar ist.
Messung in Power BI: So baue ich sie richtig auf
Mein Vorgehen ist einfach. Ich starte nicht mit dem Visual. Ich starte mit dem Modell. Erst wenn die Struktur passt, baue ich die Kennzahlen.
- Ich kläre die Fachlogik. Was soll genau gemessen werden? Umsatz brutto oder netto? Mit oder ohne Storno?
- Ich prüfe die Datenbasis. Sind die Felder vorhanden? Sind Datentypen korrekt? Gibt es Dubletten?
- Ich baue ein sauberes Sternschema. Fakten in der Faktentabelle, Dimensionen separat.
- Ich erstelle Measures statt unnötiger berechneter Spalten.
- Ich teste jede Messung in einem einfachen Tabellen-Visual.
Wenn du dich an diese Reihenfolge hältst, werden deine Reports stabiler und schneller. Das ist nicht sexy. Aber es funktioniert.
Die häufigsten Fehler bei der Messung in Power BI
Hier wird es praktisch. Diese Fehler sehe ich am häufigsten:
- Falscher Einsatz von Spalten statt Measures – Das macht Modelle schwerer und unflexibler.
- Unklare Filterlogik – Zahlen ändern sich scheinbar zufällig, weil der Kontext nicht verstanden wurde.
- Zu komplizierte DAX-Formeln – Das macht Wartung und Debugging unnötig schwer.
- Kein einheitlicher Namensstandard – Niemand weiß, welches Measure die richtige Version ist.
- Berechnungen auf Rohdatenebene ohne Bedarf – Das kostet Performance.
Wenn ich nur einen Fehler abstellen könnte, dann diesen: Leute schreiben DAX, ohne vorher die Business-Regel sauber zu definieren. Dann ist jede Formel nur Raten mit Syntax.
Messung in Power BI mit DAX: Was du wirklich brauchst
Du musst nicht jede DAX-Funktion kennen. Du musst wissen, welche Logik du abbilden willst. Für die meisten Reports reichen ein paar Grundmuster:
- SUM für einfache Summen
- CALCULATE für gefilterte Berechnungen
- DIVIDE für sichere Quotienten
- DATEADD oder SAMEPERIODLASTYEAR für Zeitvergleiche
- VALUES, FILTER und ALL für Kontextsteuerung
Ein einfaches Beispiel: Wenn ich Conversion Rate messen will, benutze ich nicht zwei manuelle Werte in Excel und rechne sie zusammen. Ich baue ein Measure, das saubere Filter berücksichtigt. So bleibt die Zahl korrekt, auch wenn ich nach Kanal, Monat oder Kampagne filtere.
Für den Einstieg ist die offizielle DAX-Dokumentation von Microsoft hilfreich: Microsoft DAX Reference. Für das Modellieren selbst ist auch die Microsoft-Guidance zum Sternschema stark.
Meine Best Practices für saubere Messung in Power BI
Hier sind die Regeln, die ich fast immer anwende:
- Measures benennen wie Business-Sprache. Nicht "Calc 1". Sondern "Umsatz netto" oder "Marge %".
- Eine Kennzahl, eine Definition. Keine Parallelversionen ohne klaren Grund.
- Logik in kleine Bausteine zerlegen. Das macht DAX lesbar und wartbar.
- Testen in Tabellen vor Charts. Erst Zahlen prüfen, dann hübsch machen.
- Performance mitdenken. Nicht jede Berechnung gehört in jede Tabelle.
- Dokumentieren, was das Measure macht. Sonst findet es später niemand mehr.
Mein Lieblingsprinzip: Wenn ich eine Messung nicht in einem Satz erklären kann, ist sie zu kompliziert.
Wie ich Messung in Power BI debugge, wenn Zahlen nicht stimmen
Wenn ein Wert falsch aussieht, gehe ich nie blind in den Code. Ich arbeite in dieser Reihenfolge:
- Ich prüfe zuerst die Rohdaten.
- Dann teste ich das Measure ohne viele Filter.
- Danach schaue ich auf den Filterkontext im Visual.
- Ich vergleiche das Ergebnis mit einer einfachen Kontrollrechnung.
- Erst dann gehe ich in den DAX-Code.
Dieser Ablauf spart massiv Zeit. Denn oft ist nicht die Formel falsch, sondern das Datenmodell oder ein unerwarteter Filter. Genau deshalb ist Messung in Power BI nie nur DAX. Es ist immer auch Modellierung.
Welche Fragen du dir vor jeder Messung stellen solltest
Bevor ich eine Kennzahl baue, beantworte ich diese Fragen:
- Was genau soll gezählt oder berechnet werden?
- Welche Datenquelle ist die Wahrheit?
- Welche Filter dürfen die Messung beeinflussen?
- Was passiert bei leeren Werten?
- Wie wird die Kennzahl im Business verwendet?
Wenn du diese Fragen sauber beantwortest, baust du nicht einfach nur Reports. Du baust ein System, dem man trauen kann.
Fazit: Messung in Power BI muss einfach, klar und belastbar sein
Ich halte Messung in Power BI so einfach wie möglich und so robust wie nötig. Keine unnötigen Spalten. Keine wilden DAX-Konstrukte. Keine unklare Logik. Stattdessen: sauberes Modell, klare Measures, starke Namensregeln und konsequentes Testen.
Wenn du das machst, werden deine Reports besser. Nicht nur optisch. Vor allem inhaltlich. Und genau darum geht es. Messung in Power BI ist kein Technikdetail. Es ist die Grundlage für gute Entscheidungen.