Effiziente Datenmodellierung mit Starschema in Power BI

Grundlagen der Datenmodellierung

• Datenmodellierung in OLTP-Datenbanken wie z. B. relationale SQL-Datenbanken.
• Datenmodellierung in OLAP-Datenbanken wie z. B. Power BI.
• Die Stärken und Schwächen der flachen Tabelle als Datenmodell.

Das Starschema als Standard performanter Datenmodelle

• Verbesserte Auswertungsmöglichkeiten.  
• Vereinfachung von DAX-Befehlen.
• Optimierung von Speicherbedarf und Performance.

Datenimport mit Power Query

• Erstellung von Dimensions- und Faktentabellen.
• Daten bereinigen und transformieren, z. B. mit der Unpivot-Funktionalität.
• Abgrenzung zwischen Joins in Power Query und Beziehungen in Power Pivot.

Datenmodelle im Star Schema aufbauen

• Beziehungen im Power-BI-Datenmodell (1:1, 1:n und n:m) verstehen und anwenden.
• Aktive und inaktive Verbindungen z. B. bei Datumstabellen.
• Multifaktenschema für komplexe Soll-Ist-Vergleiche.

Best Practices für Datenmodellierung

• Bewährte Vorgehensweisen für wartbare und performante Datenmodelle.
• Typische Modellierungsfehler erkennen und vermeiden.

KI-Unterstützung mit Microsoft Copilot und Anthropic Claude

• Copilot und Claude in Power BI und Excel: Per Prompt die Power-Query-Schritte zur Datenmodellierung erzeugen und erklären lassen.
• Copilot und Claude als Sparringspartner für Modellierungsentscheidungen: Aufbau des Sternschemas, Benennung von Dimensions- und Faktentabellen sowie Dokumentation des Datenmodells.
• Prompting-Grundlagen: gute von schwachen KI-Ergebnissen unterscheiden und Vorschläge kritisch prüfen.
• Datenschutz und Grenzen der KI-Nutzung bei der Datenmodellierung.

Praxisübungen und Fallstudien

• Datenmodelle anhand praxisnaher Beispiele entwickeln.
• Diskussion ausgewählter Lösungsansätze und Erfahrungsaustausch.
• Offene Fragerunde (Q&A).

Bitte bringe zum Seminar einen eigenen Laptop mit. Nähere Installationshinweise findest du unter Methoden.