Daten-WG

Mit Jasmin tauchen wir in ihr Herzensthema ein: Was uns Metadaten über Daten verraten: über Datenmodelle, über Skills im Team, über Reports, die niemand öffnet.Wir reden über den Measure Killer, SharePoint-Listen als Mini-Datenkatalog, Datenqualität pro Use Case, Process Mining – und warum die meisten Unternehmen am ersten Schritt scheitern, weil sie zu lange über das richtige Tool diskutieren statt einfach loszulegen.Gast: Jasmin Simader https://at.linkedin.com/in/jasmin-simaderHost: Artur König https://www.linkedin.com/in/datakoenigartur/Daten-WG 2026 Konferenz am 14-16. Oktober - Agenda ist online: https://www.daten-wg.com/daten-wg-2026Jasmin ist bei einer Pre-Con dabei.Mit dem Code SUPERJASMIN gibt es 20% Rabatt auf ihre Pre-Con00:00 – Intro: Metadaten als Forensik – die fehlenden Puzzleteile13:30 – Der Mini-Datenkatalog: SharePoint-Liste mit drei Spalten reicht für den Anfang15:47 – Großkonzern oder Mittelstand: Wer profitiert mehr von Metadaten?20:14 – Erste Schritte: MeasureKiller dranhängen und Status erheben20:37 – Im BI-Team fragen, was Metadaten überhaupt sind21:03 – Outro: Inventarisierung, Bucketlist und Schulterblick zu Benni De JagerePower BI Vibes: https://www.youtube.com/@BIVibes-JasminSimaderMeasure Killer: https://en.brunner.bi/measurekillerBenni De Jagere: https://bennidejagere.com/Microsoft Fabric Metadata Scanning: https://learn.microsoft.com/en-us/fabric/governance/metadata-scanning-overview

Die erste FabCon 2026 ist durch – und Gabi Münster ist wieder im Quarterly, um mit Artur die Ankündigungen einzuordnen. Von Custom Totals in Power BI über Translytical Task Flows GA bis hin zu OneLake Security und Fabric Planning mit Lumel.Und zwischendurch geht es darum, was das alles für Pro-User, für Dataflow-Strecken und für die Frage "wie offen ist Fabric wirklich?" bedeutet – inklusive Migration Accelerator, SCD Typ 2 im Copy Job und Auto-Scaling als Quality-of-Life-Feature.Gast: Gabi Münster https://www.linkedin.com/in/gabimuenster/Host: Artur König https://www.linkedin.com/in/datakoenigartur/Daten-WG 2026 Konferenz am 14-16. Oktober: https://www.daten-wg.com/daten-wg-2026Dataflow Migrations-Assistent in der Fabric Toolbox:https://github.com/microsoft/fabric-toolbox/tree/main/accelerators/DFG2-migration-accelerator00:00 – Intro: FabCon 2026 und die erste Welle der Ankündigungen00:31 – Power BI: Custom Totals in Tabelle und Matrix03:07 – Visual Calculations als Shortcut, nicht als Modell-Ersatz03:57 – März-Update: Neues UI-Default und grauer Hintergrund04:25 – PBR als neuer Standard für Power BI-Modelle05:55 – Pro-Developer-Format: Warum strukturierter Code jetzt überall zählt07:53 – Translytical Task Flows sind GA09:52 – Lego-Roboter per Translytical: Premiere beim Data Grillen11:00 – Dataflows Gen 1 wird Legacy – was heißt das wirklich?15:37 – Fabric Toolbox: Migration Accelerator für Gen 116:48 – Was Pro-User jetzt im Blick haben müssen21:26 – SCD Typ 2 im Copy Job (Preview) – das Ende vieler Notebooks24:38 – Plattform: SAP GA, Snowflake und Databricks bidirektional, Airflow und DBT26:53 – OneLake Security: Interoperabilität statt Vendor Lock-in30:53 – Was in OneLake Security noch fehlt – und warum GA trotzdem zählt33:30 – Quality of Life: Papierkorb und Overage Billing42:00 – Fabric Planning mit LUMEL: First-Party-Workload ohne Extra-Lizenz53:23 – Planning vs. Translytical Task Flows: zwei Werkzeuge, zwei Jobs54:25 – Gabis FabCon-Highlights: OneLake Security und Governance56:00 – Daten-WG 2026, Data Grillen und SQL Bits

Mit Tom tauchen wir tief in eine Frage ein, die scheinbar einfach klingt – aber es ganz und gar nicht ist. Seit der TDWI-Definition aus 2011 hat sich vieles verändert: Tools, Nutzer, Erwartungen. Und jetzt kommen auch noch KI und Agents dazu.Wir reden über Power BI, Deneb, Citizen Developer, Governance und die ewige Spannung zwischen IT und Fachbereich. Tom bringt wie immer klare Gedanken und viele Beispiele aus der Praxis.00:00 – Intro: Warum Tom zum zweiten Mal im Podcast ist03:23 – Self-Service: Was Tom wirklich antreibt04:03 – Die TDWI-Definition aus 201105:13 – Der IT-Bottleneck: Warum Self-Service überhaupt entstand07:02 – Deneb: Wenn Self-Service zum Coden wird08:43 – Toms Definition: Self-Service = kein IT-Bedarf11:15 – Wartbarkeit vs. Komplexität (das Deneb-Dilemma)12:49 – Wartbarkeit ist Pflicht, nicht Bonus14:10 – Der Self-Service-User von heute ist nicht mehr der von 201119:49 – Citizen Developer: Alleine lernen ist schwer22:04 – Das UI/Design-Problem beim Self-Service24:51 – Trade-offs: Qualität vs. Wartbarkeit26:45 – KI als "privater ITler" für alle27:56 – Spreadsheet-Hell war gestern – kommt jetzt die Agent-Hell?36:46 – Shadow IT und Bottom-up-Einführung von Tools37:59 – Erlauben ist gut – aber Governance muss sein40:16 – Schatten-IT ignorieren ist keine Strategie41:42 – IT und Fachbereich: Die alte Trennung gilt nicht mehr43:05 – Citizen Data Engineer und Deployment Pipelines45:48 – Experten gibt es auf beiden Seiten48:36 – Tom, der "Nicht-Computer-ITler"52:11 – Toms finale Definition: Self-Service innerhalb von Guardrails53:51 – Ausblick: Was ist eigentlich Datenkompetenz?Thomas Martens https://www.linkedin.com/in/tommartens68/Artur König: https://www.linkedin.com/in/datakoenigartur/Daten-WG 2026 am 14-16. Oktober: https://www.daten-wg.com/daten-wg-2026

In dieser Folge wird’s kontrovers. Gemeinsam mit Martin Bubenheimer gehe ich der Frage nach, für wen Fabric heute eigentlich wirklich geeignet ist.Wir diskutieren ehrlich über die Realität von Self-Service BI, typische Fabric-Probleme aus der Praxis, warum IT und Fachbereiche oft komplett unterschiedlich drauf schauen und ob Tools wie Snowflake am Ende die bessere Wahl sind.Ist Fabric ein sinnvoller Einstieg in moderne Datenarbeit für Fachbereiche – oder produziert es nur neue technische Schulden?Keine Marketing-Story, sondern echte Erfahrungen, echte Meinungen – und ein ziemlich direkter Schlagabtausch.00:00 Intro & Vorstellung von Martin Bubenheimer01:33 These: Für wen ist Microsoft Fabric?02:09 Kritik: Fabric zu unausgereift & instabil für Citizen Developer03:26 Vergleich: Ist das anders als die alte Excel/Power BI-Kritik?05:02 Was ist überhaupt ein Workaround?06:05 Beispiel: Deployment Pipelines & fehlende Konsistenz07:26 Arturs Gegenposition: Fabric für kleine, businessnahe Lösungen08:27 Dataflows Gen1 vs. Gen2 & Orchestrierungsprobleme10:00 Use Case: Wenn kein Data Warehouse verfügbar ist11:38 Quick Win: Daten persistent ablegen statt immer neu laden15:49 Data-Mesh-Ansatz bei Snowflake als Alternative18:44 Governance: Wie granular lässt sich Fabric steuern?19:45 Lakehouse vs. Warehouse – versteckte Fallstricke23:00 Citizen Developer: Wer profitiert wirklich?25:06 Shortcuts als Killer-Feature des Lakehouse28:04 Fabric-Komplexität: Direct Lake, SQL Endpoint & Co.30:57 In Fabric beschäftigt man sich mit Fabric-Problemen36:01 Wann braucht man Fabric wirklich zwischen Excel & Warehouse?39:15 Wird die Mehrheit der Excel-User jemals zu Fabric wechseln?40:00 Copilot & schrittweise Weiterentwicklung der Nutzerkompetenz45:54 Vorschau: TDWI München und Daten-WG 2026Martin Bubenheimer: https://www.linkedin.com/in/martin-bubenheimer-9ba99271/ Artur König: https://www.linkedin.com/in/datakoenigartur/Daten-WG 2026 am 14-16. Oktober: https://www.daten-wg.com/daten-wg-2026

We reveal the real reason why Fabric is winning tha data game!A common misconception is that Fabric tries to compete directly with platforms like Snowflake or Databricks. Khaled disagrees with that view. He believes Fabric’s real competitor is something completely different.Excel.Not because Fabric replaces Excel, but because it integrates with it. Excel will likely remain the final mile of analytics in many organizations. But with tools like OneLake and connected datasets, Excel can become a window into a governed data platform rather than a disconnected spreadsheet universe.We talked about Microsoft Fabric, consulting, business value, and why most data projects fail. And Khaled has a particularly interesting perspective on that topic – because he did not start in IT or data.If you want to scale your business with Microsoft Fabric - this is for you!00:00 From CFO to Data Leader03:05 Discovering Power BI04:41 Data Belongs to Business08:47 Business Doesn’t Care About Tools11:40 Why Fabric Wins14:48 Unused Data = Zero Value26:47 The Real Purpose of Data29:06 Fabric Changes SMEs33:18 Fix Data Problems Fast41:13 It’s Not About the ToolKhaled Chowdhury: https://www.linkedin.com/in/odetajankaitiene/Artur König: https://www.linkedin.com/in/datakoenigartur/Data Crafters: https://datacrafters.io/Why Lakehouse? https://www.linkedin.com/posts/khaledchowdhury_vienna-ugcPost-7371171675767250944-DFVjDaten-WG: https://www.daten-wg.com/ [DE]

In dieser Folge spreche ich mit Heiko – ebenfalls Podcaster und Buchautor („ABC der Digitalisierung für Entscheider“) und zudem auch Berater für digitale Transformation – über die Frage, warum Digitalisierung ein Dauerbrenner ist … und warum das auch gut so ist.Wir diskutieren:- Warum viele Digitalprojekte trotz guter Workshops nicht vorankommen- Wieso ein klares Zielbild wichtiger ist als der nächste Use-Case-Ideation-Workshop- Top-down-Strategie vs. Bottom-up-Initiativen (Spoiler: Du brauchst beides)Self-Service BI, Wildwuchs und warum „Chaos“ manchmal produktiver ist als Kontrolle- KI als echter Gamechanger – vom Office-Use-Case bis zur strategischen Prozessoptimierung- Und die provokante Frage: Sind neue AI-First-Unternehmen im Vorteil gegenüber gewachsenen Organisationen?Heiko teilt konkrete Erfahrungen aus über 30 Projekten – von Brownfield-Realität bis zu echten KI-Use-Cases in der Produktentwicklung. Es geht nicht nur um Tools und Features, sondern darum, wie Digitalisierung in Organisationen wirklich wirkt (oder eben nicht).Am Ende bleibt eine klare Botschaft:Nicht warten. Nicht perfektionieren. Sondern anfangen.00:00 Warum Digitalisierung nie aufhört – Einstieg & 3 Horizonte04:22 Brownfield-Realität: Wo fängt man überhaupt an?08:07 Zielbild statt Aktionismus – warum Strategie vor Tools kommt11:36 Wer muss wirklich mit an den Tisch? (Und wer besser nicht)15:00 Workshops richtig machen: Entscheidungen statt Snacks16:35 Top-Down vs. Bottom-Up – braucht es beides?22:04 Self-Service BI & Wildwuchs – Chaos oder Produktivität?25:29 Copilot, Kosten & Report-Leichen – Enablement statt Lizenzfriedhof29:29 KI als Katalysator – warum jetzt plötzlich alle betroffen sind35:01 Greenfield mit AI neu bauen – realistisch oder Illusion?38:32 Umsetzungsmodus: Warum Warten die größte Gefahr istDigital Success Podcast: https://open.spotify.com/show/17I7pr3JQp4rF7IBrL5c1QHeiko Löffler: https://www.linkedin.com/in/heiko-loeffler-digitalsuccess/ Artur König: https://www.linkedin.com/in/datakoenigartur was wir sonst so machen: https://www.daten-wg.com/DATEN-WG 2026 pre sale: https://www.daten-wg.com/daten-wg-2026

Wenn man über Daten, BI oder Cloud spricht, bewegt man sich oft in einer vergleichsweise komfortablen Welt. Klar, es gibt Governance, Datenschutz, Security.Aber am Ende gilt in vielen Projekten: Wir operieren nicht am offenen Herzen.In der Pharma- und Life-Science-Welt sieht das anders aus.Hier hängen an Daten reale Patientenschicksale. Entscheidungen basieren auf Parametern, die direkten Einfluss auf Produktqualität und Sicherheit haben. Und genau deshalb existieren GxP-Regularien – ein regulatorischer Rahmen, der sicherstellen soll, dass alles nachvollziehbar, reproduzierbar und manipulationssicher ist.Aber was bedeutet das eigentlich für moderne Datenarchitekturen, Self-Service BI und Cloud-Technologien?00:00 Intro & Chaos-Hacker-Talk03:56 Change Control, Cloud & Blackbox-Problematik 07:30 Rolle der Behörden & Prinzipien statt Detailregeln 09:55 FDA, Rechtssystem & Audit-Kultur USA vs. Europa 13:05 Überregulierung im Unternehmen & “German Overcompliance” 15:31 Direct vs. Indirect Impact Daten (kritische Parameter) 20:43 Self-Service Analytics vs. Qualitätsentscheidungen 23:31 Data Integrity & warum Regulierung historisch gewachsen ist 27:08 Security, Hacking-Szenarien & reale Risiken 35:41 Covid als Digitalisierungs-Booster 38:46 KI in Wirkstoffentwicklung & Disruption-Potenzial 42:11 Technologische Komplexität & Agilität als Notwendigkeit 43:41 Abschluss & Ausblick auf weitere Deep-Dives Mehr davon gibt es im GxP-TalkWir sprechen LIVE mit anderen Experten über die Herausforderungen regulierter Branchen:https://www.youtube.com/live/KO_qFge77o8?si=Fs9mnslDt2L0zCrZDer ChaosHacker-Talk: https://www.youtube.com/@ChaosHacker-TalkChristof zu Gast bei Christian Krug: https://www.youtube.com/watch?v=ZTrDy7ClTLkChristof Layher: https://www.linkedin.com/in/christoflayher/ Artur König: https://www.linkedin.com/in/datakoenigartur was wir sonst so machen: https://www.daten-wg.com/DATEN-WG 2026 pre sale: https://www.daten-wg.com/daten-wg-2026

Gabi und Artur schauen auf die letzten Monate in Fabric: von der allumfassenden KI über bessere Integrationen mit Partnern bis zum Button-Slicer und Sharepoint-Shortcut00:53 Power BI Updates + Q&A-Feature fliegt raus02:24 Button-Slicer offiziell + warum das so mächtig ist03:11 Write-Back / “Eingabe”-Thema (Text-/Input-Slicer Grenzen)03:46 Power BI im Web fast gleichwertig (Themes + Performance Analyzer)05:29 PBIR/PBIP & “Code First” – GA-Story + Default-Plan09:01 VS Code + TMDL + MCP für Power BI (Measures schnell optimieren)11:48 External Tools & Solution Accelerators (Fabric Toolbox, Partner-Tools)16:46 Search Protection auf Workspace-Ebene (Kapazität pausen, Mission Critical)20:50 Security kommt “leise”: RLS/CLS, auch für Mirroring/gespiegelte Objekte25:03 Mirroring & Integration (SAP/Oracle/Snowflake/Databricks, SharePoint-Shortcuts)33:30 Ignite / Fabric IQ & Ontologien + Agents (Business Context als Layer)49:12 Wünsch-dir-was: Translytical, UDFs, CICD/Dataflows parametrisierbar54:53 Events (SQL-Konferenz, Datagrillen, SQL Bits, Daten-WG)Und ganz am Ende gibt es noch Wünsche und Spekulationen von Gabi und Artur, was demnächst so kommt oder kommen sollte.QuellenRoadmap: https://aka.ms/FabricRoadmapFabric Blog: https://blog.fabric.microsoft.com/en-US/blog/Event-Empfehlungen:02.-04. März SQL Konferenz https://sqlkonferenz.de/05.-07. März Power BI Gebruikersgroep https://pbig.nl/22.25. April SQLBits https://sqlbits.com/ 21.-22. Mai Datagrillen https://datagrillen.com/10.-11. Juli Data Saturday Rheinland https://sessionize.com/data-saturday-rheinland-2026/14.-16. Oktober Daten-WG 2026: https://www.daten-wg.com/daten-wg-2026

Was sind die wesentlichen Unterschiede der beiden Tools und warum begeistern wir uns überhaupt so für Tool-Vergleiche?Wie ziehen ein Fazit unserer Live Sessions aus den Bereichen Import, Datenmodell und Front-End.Zwei Perspektiven, viel Erfahrung, klare Meinungen – und trotzdem fair.00:00 Wer ist Oliver?03:36 Aha-Effekte aus der Challenge: gleiche Probleme, andere Wege07:12 Full-Stack & „BI-Tool als Datenplattform missbrauchen?“10:48 Datenmodell-Diskussion: assoziativ (Qlik) vs. Filterrichtungen (Power BI)14:24 Analyse vs Reporting: wo hat welches Tool die Stärke?18:00 Self-Service vs Guided Self-Service (Sandkasten, Power-User, Excel-Monster)21:36 Lernkurve & Tool-Wechsel: warum Qlik-User oft nicht loslassen wollen25:12 Tool-Auswahl: wann Power BI, wann Vergleich, wann lieber nicht wechseln28:48 BI einführen: Partner suchen + Tools wirklich 1–2 Tage testen32:21 Outro / VerabschiedungDie Stream-Serie dazu: https://www.youtube.com/@Daten-WGOliver Franz: https://www.linkedin.com/in/oliver-franz-99493517a/Artur König: https://www.linkedin.com/in/datakoenigartur was wir sonst so machen: https://www.daten-wg.com/DATEN-WG 2026 pre sale: https://www.daten-wg.com/daten-wg-2026

Flat Table oder Sternschema – warum prallen hier eigentlich Welten aufeinander?In dieser Folge sprechen wir über ein Thema, das in fast jedem Analytics-Projekt früher oder später eskaliert: Datenmodellierung.Ausgehend von einem echten Projekt mit Databricks und Power BI diskutieren wir, warum flache Tabellen für viele „einfacher“ wirken, warum Sternschemata trotzdem ihre Stärken haben und weshalb diese Diskussion oft weniger technisch ist, als sie scheint. Es geht um Prägung durch Excel, unterschiedliche Tech-Stacks, Self-Service-Versprechen, Performance-Mythen, Speicherplatz, Kosten – und darum, warum saubere Modelle vor allem eines bringen: weniger Schmerzen beim Arbeiten mit Daten.Keine Dogmen, kein „richtig oder falsch“, sondern ehrliche Erfahrungen aus der Praxis.Und am Ende die Frage: Wann ist Flat Table okay – und wann wird sie zur Sackgasse?00:27 Ausgangslage: Flat Table aus Databricks01:01 Konfliktmoment: „Flat Table war doch einfacher“ vs. Sternschema01:44 Prägung/Tech-Stack: Analysis Services/OLAP vs. alles im DWH vorberechnen04:19 Praxisargument: Views/Joins, Tool-Kompatibilität, Fachanwender brauchen “breite Tabelle”06:50 Excel-Prägung & Self-Service: müssen Fachbereiche „kleine Entwickler“ werden?08:37 Sternschema-Aha: bessere Filterlogik, Granularitäten, weniger Excel-Schmerz17:12 Realitätscheck: Benchmarks/Testdaten vs. echte Daten + wann Flat Table „reicht“31:45 Kosten/Limits & Wrap-up: Pro/Premium, On-Prem Limits, Service-Restriktionen + OutroJasmin Simader: https://www.linkedin.com/in/jasmin-simader Artur König: https://www.linkedin.com/in/datakoenigartur Ulrik Harnisch: https://www.linkedin.com/in/ulrik-harnisch Marcus Wegener: https://www.linkedin.com/in/marcuswegener/ was wir sonst so machen: https://www.daten-wg.com/

Wir wollten über Datenmodellierung sprechen und landeten dann doch bei Governance. So etwas passiert, wenn Jasmin zu Gast ist.Datenmodelle sind die Schnittstelle zwischen Business, Struktur und Verantwortung. Es gibt kein perfektes Modell - und genau deshalb ist das Thema näher an der Organisation als erwartet.00:00 Willkommen zur Daten-WG & Thema des Tages01:10 Datenmodellierung im Workshop: Erwartungen vs. Realität03:07 Flat Table oder Sternschema: Was brauchen wir wirklich?05:02 Es kommt darauf an – der Kontext entscheidet07:04 Datenmodellierung = Anschnallen im Datenauto?09:13 Warum zu viele Joins Probleme verursachen11:16 Datenmodelle, die die Business-Wirklichkeit abbilden13:00 Ownership & Governance: Wer ist verantwortlich?15:14 Datenkultur: Wenn einfache Lösungen gefeiert werden28:53 Fazit: Organisation bestimmt die Technik – nicht umgekehrtJasmin Simader: https://www.linkedin.com/in/jasmin-simader Artur König: https://www.linkedin.com/in/datakoenigartur Ulrik Harnisch: https://www.linkedin.com/in/ulrik-harnisch Marcus Wegener: https://www.linkedin.com/in/marcuswegener/ was wir sonst so machen: https://www.daten-wg.com/

Power BI MVP Odetta Jankaitienė reflects on the tool’s journey from solo dashboards to enterprise platform. With host Artur, she dives into UX details, DAX vs. SQL, Fabric’s F2 benefits, version control, and API headaches. A must-listen if you're scaling Power BI beyond the basics.00:00 Intro & Welcome 02:26 Frontend vs Backend Work in Power BI 05:35 Chart Choices: Pie Charts or Better Alternatives 08:36 Collaboration with Git & Microsoft Fabric 12:22 Why Fabric F2 Matters for Small Teams 24:17 DAX vs. SQL – Ease of Use and Real‑World Scenarios 32:42 Final Thoughts & What’s Missing in Power BI Odeta Jankaitienė: https://www.linkedin.com/in/odetajankaitiene/Artur König: https://www.linkedin.com/in/datakoenigartur/Dragon's Data Blog: https://dragonsdata.com/Odeta on YouTube: https://www.youtube.com/@dragonsdataDaten-WG: https://www.daten-wg.com/ [DE]

In this episode, John Vöge explores how to implement data input scenarios (WriteBack) in Power BI—from ditching Excel to leveraging the latest Translytical Task Flows in Microsoft Fabric. He breaks down the pros and cons of Power Apps, third-party visuals, and native Fabric solutions.If you're working with Power BI and wondering how to go beyond just displaying data—this episode is for you. John Vöge shares deep insights on how to enable user input within Power BI reports. He walks us through the pain points of Excel-based workflows, real-life examples like finance forecasting with 250 users, and the technical trade-offs between Power Apps, third-party visuals like InfoRiver, and the brand-new Translytical Task Flows in Fabric.You'll learn how to choose the right tool depending on flexibility, cost, data governance, and user expectations. And we go beyond planning: use cases like triggering refreshes, managing row-level security, or embedding chatbots show how this is not just about "Write-Back" anymore—it's about making dashboards interactive. Whether you're building planning tools or interactive workflows in BI, this episode will help you understand what's possible today, what to avoid, and what’s coming soon.00:00 WriteBack in Power BI – Why users still ask for input features03:54 Real-world finance use case: 250 users, Excel chaos, and the WriteBack fix07:30 The 3 main WriteBack options: Power Apps, 3rd-party visuals & Translytical10:15 InfoRiver & Excel-like experiences – pros, cons, and sovereignty concerns13:45 Translytical Task Flows explained: native, low-cost, and flexible17:36 Can we use Translytical in production already? Future outlook21:01 Beyond planning: Master data, comments & advanced scenarios32:40 Bonus: Fabric Symposium – community, lessons learned & organizing eventsFabric Symposium:https://www.fabricsymposium.com/Recap Blog of 2025:https://downhill-data.com/2025/01/07/how-i-built-fabric-symposium/Translytical Task Flow Gallery: https://community.fabric.microsoft.com/t5/Translytical-Task-Flow-Gallery/bd-p/pbi_translyticalgallery(find the Sudoku there!)Jon Vöge: https://www.linkedin.com/in/jonvoge/Artur König: https://www.linkedin.com/in/datakoenigartur/Daten-WG: https://www.daten-wg.com/ [DE]

Power BI ist bald tot – sagt ein Power BI-DozentDas Gespräch mit Stefan Werner war nicht nur sehr lang, sondern hat eine sehr große Spannweite an Themen abgedeckt.Von der Zukunft von Power BI ging es zur KI und den Auswirkungen auf die Gesellschaft. Mit technischer Begeisterung, aber auch gesunder Skepsis arbeiten sich Stefan und Artur durch verschiedene Themenbereiche.00:00 Holzwurm und Dozent: Wer ist Stefan Werner?02:08 Warum Power BI in 10 Jahren überflüssig sein könnte04:55 Tools verschwinden – aber wofür steht das eigentlich?07:12 Vom Quiz zur KI-App: Software in Minuten gebaut10:28 Kann man bald mit Daten „reden“ statt analysieren?13:40 Was macht eine „gute“ Analyse wirklich aus?17:05 Prompting reicht nicht – es braucht Kontextverständnis20:12 Datenqualität vs. Automatisierung: Wo sind die Grenzen?23:27 Sprachgesteuerte Dashboards – realistisch oder Hype?26:45 Demokratisierung durch KI: Wer profitiert wirklich?30:58 Werden Berater durch KI ersetzt? Oder nur transformiert?35:10 Zwei Klassen von KI-Nutzer:innen: Wer bleibt zurück?38:27 Weiterbildung muss Pflicht werden – nicht Kür42:03 Warum Unternehmen sich selbst ausbremsen45:55 Zeitersparnis durch KI – aber wer nutzt sie wirklich?49:40 Warum wir Content bald nicht mehr trauen können53:15 KI erzeugt Inhalte – aber was ist mit Originalität?56:32 Kontrollverlust durch autonome Agenten61:00 Braucht KI Regeln – oder Menschen mit Haltung?66:40 Abschluss: Zwischen Euphorie und RealitätEine Podcast-Reise in sieben Akten:Stefan Werner diskutiert, ob Software wie Power BI, Excel oder Word in Zukunft überhaupt noch gebraucht wird, wenn KI Aufgaben direkt übernimmt. Er beschreibt, wie generative KI durch Sprachbefehle ganze Dashboards oder Programme erstellt und damit unsere gewohnten Werkzeuge und Arbeitsweisen radikal verändert. Die Frage: Wird Software durch KI obsolet?Die Gesprächspartner entwickeln eine neue Vision von Datenarbeit: Man spricht mit seinen Daten, statt Tools zu bedienen. Dabei rückt auch die Frage in den Vordergrund, was eigentlich eine gute Analyse ausmacht – Vertrauen, Kontext und Validierbarkeit sind zentrale Stichworte. Zugleich wird klar: Menschlicher Kontext bleibt (noch) unersetzlich.KI macht komplexe Analysen für alle zugänglich: Vom kleinen Unternehmen bis zur Gastronomie können nun auch Nicht-Profis mit wenigen Prompts datenbasierte Entscheidungen treffen. Das verändert nicht nur Berufsbilder, sondern auch ganze Branchen – und stellt Berater*innen vor neue Herausforderungen.Mit zunehmender Automatisierung wachsen die sozialen Spannungen. Stefan skizziert eine Zwei-Klassen-Gesellschaft zwischen denen, die sich KI leisten und verstehen können – und denen, die abgehängt werden. Er fordert öffentlich zugängliche Weiterbildung, niedrigschwellige Formate und neue Bildungsinitiativen.Der Ruf nach lebenslangem Lernen wird konkret: KI schafft neue Möglichkeiten, aber auch neue Notwendigkeiten, sich kontinuierlich weiterzubilden. Stefan fordert, eingesparte Zeit durch Automatisierung konsequent für Fortbildung zu nutzen – nicht für zusätzliche Meetings oder ineffiziente Aufgaben.Die zunehmende KI-generierte Informationsflut bedroht freie Inhalte und die Motivation von Content Erstellern. Stefan mahnt: Wenn KI alles aggregiert und wiederverwendet, droht das Internet zur algorithmischen Einbahnstraße zu werden – mit fragwürdiger Qualität und wenig Transparenz.Der Podcast endet mit einer kritischen Reflexion zu Sicherheitslücken durch unregulierte Automatisierung. Stefan warnt vor blauäugiger Euphorie, Agentensystemen ohne Kontrollinstanz und fehlender Resilienz in digitalen Infrastrukturen. Der Appell: Technik nicht nur feiern – sondern verstehen, gestalten und sichern.Shownotes:https://adoption.microsoft.com/de-de/project-sophia/

Die FABCON Europe liegt hinter uns - und damit viele Ankündigungen, aber auch vieles, was nun endlich "GA" ist.In dieser Folge gehen Gabi und Artur die Themen Workload für Workload durch - von bodenständigen Power BI und Dataflow-Updates über Enterprise-Security-Features bis hin zu Agents und Graphen.00:00 Intro 02:59 Power BI – Volle Web-Modellierung jetzt GA: Import- und Direct Lake-Modelle lassen sich vollständig im Web bearbeiten.08:04 Power BI – User Defined Functions (DAX) eingeführt: Wiederverwendbare DAX-Logik mit echten Eingabeparametern.12:22 Fabric – Translytical UDFs & Writeback mit Freitext: DAX-Writebacks auf SQL-Ziele möglich, inkl. Texteingaben.17:15 Data Engineering – Materialized Lake Views mit Incremental Refresh: Persistente Spark-Views jetzt GA.19:29 Data Engineering – Fabric Spark Runtime 2.0 angekündigt: Spark 4.0 und Delta 4.0 angekündigt.20:54 Data Engineering – Shortcut-Transformationen jetzt möglich: CSV/Parquet direkt zu Delta im Shortcut konvertieren.24:00 Data Engineering – Mirroring für Oracle, Snowflake, SAP: Zero-ETL-Ansatz mit bidirektionalem Zugriff.27:23 Data Factory – Dataflows Gen2 stark verbessert: Weniger CU-Verbrauch, schneller, mit neuen Filter- und Zieloptionen.35:31 Dev & Admin – Fabric CLI jetzt GA & Open Source: Neue Automatisierungsmöglichkeiten für Profis.53:13 Security – Workspace-Level Outbound Protection jetzt GA: Erstes GA-Feature im Advanced-Security-Komplex.Und ganz am Ende gibt es noch Wünsche und Spekulationen von Gabi und Artur, was demnächst so kommt oder kommen sollte.QuellenRoadmap: https://aka.ms/FabricRoadmapFabric Blog: https://blog.fabric.microsoft.com/en-US/blog/Besuche uns in Dortmund am 29.10.2025https://www.diedatenwg.com/offsite

What makes a Power BI community thrive? Meet Ioannis, the new co-lead of the Power BI Usergroup Berlin, as he shares his story — from Athens to Berlin, from Databricks to custom visuals. Passion, purpose, and practical insights for every engaged data pro.The discussion covers more than just event organization—it’s a deep dive into custom Power BI visuals, the challenges of building user-centric solutions, and the evolving role of AI in business intelligence. Ioannis opens up about his journey from first-time speaker at New Stars of Data to international conferences, offering practical insights for anyone looking to grow in the data community.Whether you're an aspiring speaker, a visual tinkerer, or just someone passionate about Power BI, this episode will leave you inspired to contribute and connect.00:00 Passing the Torch: New Leadership for Berlin Power BI02:10 From Athens to Berlin: Building Communities Across Borders03:45 Hybrid Events and Live Streaming: Growing the Reach04:55 Upcoming Talk: Databricks + Power BI07:00 Volunteering, Passion & the Power of Community08:10 Ioannis’ First Steps: New Stars of Data and Mentorship12:00 Custom Visuals in Power BI: Why and How to Get Started20:30 The Future of Visuals: Copilot, Interactivity & Real User NeedsThe Usergroup: https://www.meetup.com/de-DE/berlin-power-bi-user-group/Ioannis: https://www.linkedin.com/in/ioannisphilippides/Artur: https://www.linkedin.com/in/datakoenigartur/Data Moshpit: https://data-moshpit.de/Get started with custom visuals: https://www.microsoft.com/en-us/power-platform/products/power-bi/developers/custom-visualization

Lonneke Opsteegh shares how her background in medical science and psychology shapes her unique, human-centered approach to data visualization and BI. Her message: Clear, standardized dashboards beat flashy design – if you want people to truly understand data.00:36 From Brains to BI: Lonneke’s Unexpected Journey into Data02:21 Quit Your Job for BI? Here’s How Lonneke Did It Overnight04:11 Science vs. Business: Where Is Data Actually More Personal?06:48 Why Pie Charts Fail: The Science Behind Better Visuals09:12 Can Dashboards Adapt to Personality Types?17:36 “Boring” Dashboards Are Better – Here’s Why23:28 Data Is Never Neutral: Why Dashboards Are Always Biased29:09 Real Creativity in BI Isn’t What You ThinkWhat happens when a medical scientist with a PhD in rehabilitation turns to data visualization and BI? You get dashboards that not only look clean – but make sense, fast.In this conversation, Lonneke Opsteegh explains why she pivoted from academia to freelance BI consulting and how her diverse background in neuroscience, psychology and human movement science shapes her work. She argues strongly for standardization, consistency, and cognitive simplicity in dashboard design. Her view: Dashboards shouldn't impress with visuals – but with insights.She challenges the myth of objectivity in data: “Every chart is a message.” And she shows how creativity isn’t about wild visuals, but about finding smart, functional ways to help different users – with different personalities – understand the same data.From visual ethics to cognitive design and user-centric BI, this episode is packed with insight and strong opinions from a rare mix of science and practice.If you design dashboards, analyze data, or want to communicate insights more clearly, this episode will inspire you to rethink what "good" BI looks like.Artur König: https://www.linkedin.com/in/datakoenigartur/Lonneke Opsteegh: https://www.linkedin.com/in/lonneke-opsteegh-statstories/

Brian Bønk shares his passion for Fabric Real-Time Analytics, the power of the Kusto engine, and why passion – not niche – should guide your data journey. A hands-on deep dive into how Microsoft Fabric handles streaming data, log analytics, and massive-scale queries with elegance and speed.00:00 Welcome & Real-Time Analytics Introduction 02:04 What Is Kusto Query Language (KQL)? 04:37 Choosing Passion Over Niche in Tech Communities 09:00 The T‑Shaped Fabric Expert: Why Focus Matters 11:42 The 1% Better Every Day Mindset 15:50 Architecture of Fabric’s Real-Time Analytics Stack 19:47 Autoscaling, Cost & Free Real-Time Dashboards 23:53 Hybrid Models: Real-Time + Lakehouse Balance 25:04 When SQL Still Beats Kusto: Modeling & Cost Considerations 29:29 Hybrid Architecture with Lakehouse Shortcuts 30:40 The Value of Kusto’s Simplicity & Interoperability 31:19 Feature Wishlist: Materialized Views & Kusto Functions 33:09 Community Thoughts & Event Shout-Outs 34:11 Wrapping Up & Encouragement to Explore Real-Time Analytics In this expert episode, Artur sits down with Brian Bønk – the guy behind some of the best real-time analytics demos in the community. With over two decades in data and a deep love for the Kusto engine, Brian explains how Microsoft Fabric handles streaming data, why Kusto is more than just fast, and what makes real-time dashboards so powerful (and free of license barriers!).But this episode goes far beyond tooling. Brian reflects on what it takes to build focus in the ever-growing world of Fabric, why trying to cover everything is a trap, and how the “T-shaped” expert model helps build career sustainability. He also shares his philosophy: be 1% better every day – and why passion, not niche, is the true long-term strategy for growth in tech and community.If you want to learn how real-time intelligence works in Fabric, when to use it (and when not to), and what features still need improvement – this episode is for you.Artur König: https://www.linkedin.com/in/datakoenigartur/Brian Bønk: https://www.linkedin.com/in/brianbonk/Great Real-Time & Kusto Content: https://dcode.bi/

Power BI? Just a tool.Fabric? A beast with hidden risks.In this expert episode, Alexander Arvidsson breaks down why data without context is dangerous, how culture shapes insights, and what makes governance actually work. A must-watch for data pros and curious minds.00:00 Intro & Alexander’s Unusual Start 06:00 Data Storytelling, Trust & Misleading Visuals 12:30 Culture Clash in Reporting Styles 19:00 Tech vs. Usability: Power, Pain & the Business Perspective 25:00 Learning Curves & Shadow IT 30:30 Fabric: Revolutionary or Risky? 36:00 Minimum Viable Governance in Practice 42:00 AI, Copilot & the Myth of No-Code Dashboards Alexander Arvidsson has seen it all – from hardcore Oracle backends to the latest in Microsoft Fabric. In this episode of Daten-WG podcast, he shares why technical skills are not enough to make data impactful.He talks openly about the cultural differences in data communication (think Germany vs. Sweden), warns against blind tool enthusiasm, and explains why trust matters more than pristine data quality. His take on Fabric is especially compelling: powerful, yes – but dangerously unfiltered in the wrong hands.We discuss why governance must be practical, not bureaucratic, and how “minimum viable governance” can be a key to adoption. Alexander also reflects on his own journey – from someone who disliked people to someone who teaches how to make data matter.This conversation is loaded with sharp insights and honest takes – ideal for anyone who wants to move from just building dashboards to actually driving decisions with data.All views expressed in this episode reflect the personal opinions of the guests and hosts.Alexander Arvidsson: https://www.linkedin.com/in/alexanderarvidsson/Artur König: https://www.linkedin.com/in/datakoenigartur/

Drei Datenprofis blicken auf ein Jahrzehnt Power BI zurück – von den Anfängen mit Power Pivot bis zur aktuellen Dynamik mit Microsoft Fabric. Sie reflektieren technische Meilensteine, persönliche Lernkurven und die Rolle von Self-Service-Kultur, Community und Plattformintegration.Power BI wird 10 Jahre alt – Zeit für eine Bestandsaufnahme! In dieser Folge der Daten-WG sprechen Artur, Marcus und Ulrik über ihren individuellen Weg mit dem Microsoft-Werkzeug, über technische Durchbrüche, Community-Momente und die Frage: Was ist aus der Self-Service-Vision geworden?00:00 Einstieg & 10 Jahre Power BI – persönliche Erfahrungen04:00 Kosten, Tools & Einstiegshürden im Mittelstand07:33 Die Magie des Datenmodells & Self-Service-Gedanken11:07 Microsofts Strategie & das tabulare Modell14:40 Ist das noch Self-Service? Oder schon Datenplattform?17:07 Wann lohnt sich Fabric – und wann (vielleicht) nicht?21:29 Kontrolle vs. Unabhängigkeit: Warum wir Daten selbst anfassen wollen24:24 Die Self-Service-Falle: Wenn nur einer profitiert31:11 Persönliche Meilensteine & Ausblick in die Zukunft34:47 Power BI als Bindeglied – und LebensverändererWas machen wir noch so?Beratung: https://www.aiordie.eu/platformimpulseMasterclass: https://www.aiordie.eu/powerbihero

In der aktuellen Episode des Quaterly sprechen Artur und Gabi über Sparklines, Dataflows im CI/CD-Kontext, Translytical Writeback und die Rolle von Copilot und MCP im Power BI-Umfeld – samt einem Blick auf Community-Projekte, Visual Calculations und OneLake Security.00:00 Intro, neue Kanäle & Begrüßung von Gabi00:37 Sparklines sind GA – was steckt dahinter?03:02 Abschied von Datamarts – warum und was jetzt?07:46 Community-Projekte vs. Produktstrategie: Forum, FUAM, TMDL13:35 TMDL, MCP und die neue Rolle von Modellierung17:43 Copilot & Ad-Hoc-Analysen – wer profitiert wirklich?26:33 Translytical Writeback: Das neue Power BI Rückschreib-Feature32:02 Dataflows & CI/CD – endlich erwachsen?38:58 Composite Models mit Direct Lake – das nächste große Ding?Roadmap: https://aka.ms/FabricRoadmapFUAM: https://github.com/microsoft/fabric-toolbox/tree/main/monitoring/fabric-unified-admin-monitoringMCP in Real-Time Analytics: https://blog.fabric.microsoft.com/en-us/blog/introducing-mcp-support-for-real-time-intelligence-rti/Alle Modelle in Power BI Desktop bearbeiten: https://powerbi.microsoft.com/en-us/blog/open-and-edit-any-semantic-model-with-power-bi-tools/Azure Maps: https://learn.microsoft.com/en-us/azure/azure-maps/power-bi-visual-manage-access

In dieser Sonderausgabe der Daten-WG gibt Matthias von AXRO Einblick in die digitale Transformation eines Mittelständlers mit Tech-DNA – von Eigenentwicklungen über ERP-Migration bis hin zu KI-gestützter Prozessautomatisierung. Dabei zeigt sich, wie tief Technologie, Daten und operative Exzellenz bei AXRO miteinander verschmelzen.00:00 Transformation bei AXRO: Mittelstand mit Tech-DNA 00:43 Data & Tech im Herzen: 30 Leute für Digitalisierung 01:24 Vom Druckerzubehör zum Gaming-Distributor 02:03 Eigenentwicklungen & Middleware als Strategie 02:31 ERP-Wechsel: Von Maßanzug zu Standardlösung 03:15 Alt trifft Neu: Die ERP-Migration bei AXRO 04:50 Power BI im Lager: Analytics wird operativ 05:26 Frühe Datenstrategie: AXROs Data Warehouse 06:03 Fabric & UX: Alt-Datenmodell trifft neues ERP 07:24 Prozessautomatisierung beginnt beim Prozess 08:43 RPA über Daten: Stabiler, robuster, nachhaltiger 10:07 Case Study: Bedarfsanfragen mit 90% Automatisierung 12:35 Der KI-Schritt: Von Regeln zur Interpretation 13:34 LLMs für E-Mails: Flexible Automatisierung 14:01 Mittelspur war gestern: Automatisierung auf dem nächsten Level 15:28 Wachstum ohne Mehrarbeit: Automatisierung als Schlüssel 17:12 Daten & Prozesse: Zusammenwachsen als Prinzip 18:46 Citizen Development? Nur mit Governance und Plan

Wie baut man heute ein Data Warehouse, das agil, skalierbar und zukunftsfähig ist? In dieser Episode sprechen Artur und Volker über Data Vault 2.0 – und warum es viel mehr ist als eine technische Lösung. 00:20 Data Vault = Nicht Technik?!01:47 Warum Data Vault kein End-User-Tool ist04:00 Modellierung, Architektur, Methodologie06:00 Automatisierung – Der rote Knopf07:44 Änderungen elegant abfedern12:07 Kunden-360°-Integration16:10 Data Lake vs. Data Vault24:36 Data Mesh + Data Vault: So geht's zusammen!Data Vault trennt Datenspeicherung von Auslieferung, setzt auf robuste Strukturen und erlaubt schnelle Anpassungen bei Änderungen im Quellsystem. Besonders spannend: Volker erklärt, warum Automatisierung und Machine Learning bald dafür sorgen könnten, dass Data Vault-Modelle sich fast von selbst erstellen.Wir sprechen über den Unterschied zwischen Data Vault, Data Lakes und traditionellen Data Warehouses, diskutieren Data Mesh und wie sich zentrale Steuerung und dezentrale Verantwortung miteinander verbinden lassen. Für alle, die sich fragen, wie moderne Unternehmensdatenarchitektur wirklich funktioniert, liefert diese Folge praktische Einblicke und klare Bilder – vom Warehouse bis zum roten Knopf der Automatisierung.Hör rein und finde heraus, warum Data Vault 2.0 gerade in einer dezentralisierten Welt der Schlüssel für effizientes, auditierbares und schnelles Datenmanagement ist.

In the first-ever English episode of Daten-WG podcast, Artur König talks with Power BI expert Valerie Junk about her journey from backend engineering to frontend data visualization — and why communication, trust, and real user focus are the true keys to successful data projects.There is a lot of Fabric in this talk too.00:00 Welcome and meeting Valerie03:00 Valerie's journey: From backend to frontend06:00 Why good data models still fail without the right visualization09:00 Trust issues: Why people still export to Excel12:00 Communication challenges between data teams and business users15:00 Career surprises: From developer dream to consulting reality18:00 Power BI, Fabric and why platforms matter for collaboration21:00 Helping clients adopt Fabric step by stepThe Key Learnings:- Communication is the backbone of successful BI projects: Building a solid data infrastructure is important, but without clear dialogue between data teams and business users, even the best models remain unused.- Trust in data products doesn't come automatically: Users need transparency and visibility into how data is processed to fully embrace dashboards and analytics tools.- Modern platforms like Microsoft Fabric offer big opportunities — if introduced carefully: Technology alone doesn’t solve problems; guiding users step-by-step is critical for adoption.- Data visualization is ultimately an act of empathy: The best dashboards don't just look good — they are designed with real end users and their daily challenges in mind.

Was passiert, wenn Power BI-Teams auf einmal echte Datendienstleister werden?In dieser Episode geht Artur König zusammen mit Steffen Genz der Frage auf den Grund, wie Fabric die tägliche Arbeit verändert. Wir diskutieren offen über den Wechsel von Dashboards zu Datenprodukten, warum ein gutes Workspace-Management essenziell ist und wie die neue Welt der Datenarchitekturen in Fabric konkret aussieht. Wer verstehen will, was sich im Alltag wirklich ändert und wie man als Team pragmatisch den Weg in die neue Fabric-Welt geht, sollte diese Folge nicht verpassen.01:10 Fabric = neues Office 365? Warum der Vergleich hinkt02:40 So sind wir mit Fabric produktiv gestartet: Dataflows Gen205:02 Der Wandel: Vom Dashboard-Bauer zum Datendienstleister08:08 Warum saubere Datenmodelle jetzt Pflicht sind12:04 Kapazitätsmanagement: Unsere Praxislösungen in Fabric19:04 Microsoft-Support: Unsere Erfahrungen aus erster Hand25:00 Self-Service, Dezentralisierung und der Blick in die Zukunft

Was passiert, wenn ein Data-Profi auf ein innovatives Fabric-Projekt trifft?Alex Dean erzählt, wie DevOps, Git-Integration und Fabric in einem echten Großprojekt zusammenspielten – und was Du daraus lernen kannst.00:00 Begrüßung & Konferenz-Background 00:24 Alex Dean: Organisation der Data Platform Conference 01:01 Karriereweg: Von Buchhaltung zu Data & Power BI 07:49 Einstieg ins Fabric-Projekt: Migration On-Premise zu Cloud 10:19 Fabric in der Preview-Phase & Bananasoftware 16:07 DevOps mit Fabric: Erste große Herausforderungen 18:22 Warum Pipelines (noch) besser als Dataflows waren 21:17 Drei DevOps-Strategien für Fabric erfolgreich umgesetzt 26:17 Herausforderungen bei Data Security & Future Fabric Trends 28:51 Shortcut-Integration, Reverse ETL & Ausblick auf die Zukunft Key Learnings:DevOps und Fabric passen zusammen – aber erst seit Git-Integration richtig produktiv ist.Vor Juni 2024 waren produktive DevOps-Prozesse mit Fabric extrem mühsam; Git-Integration brachte den entscheidenden Wendepunkt.Metadata-driven Pipelines ermöglichen massive Effizienzgewinne bei großen Migrationen.Durch smarte Automatisierung konnte ein hochkomplexes SQL-Umfeld in Fabric überführt werden – mit minimaler manueller Anpassung.Dataflows bleiben wichtig – aber Pipelines sind oft der robustere Weg für professionelle Architekturen.Gerade bei großen, stabilen Ladeprozessen bieten Pipelines mehr Kontrolle und bessere Skalierbarkeit als klassische Dataflows.Fabric Security ist noch im Werden – kreative Strategien sind gefragt.Bis Microsoft vollständige, einheitliche Security-Modelle anbietet, bleibt Rule-Level-Security auf Semantic-Model-Ebene meist die sicherste Wahl.

Die Daten-WG 2025: Ein Blick hinter die Kulissen – Lernen, Netzwerken & Deep Dives!In dieser Podcastfolge nehmen wir dich mit hinter die Kulissen der Daten-WG 2025 und sprechen über die spannendsten Momente des Events! Von tiefgehendem Austausch über die Zukunft von Datenprojekten bis hin zu den Herausforderungen einer datengetriebenen Unternehmenskultur – dieses Event hatte für alle etwas zu bieten.Erfahre, wie Artur in seiner Keynote den Erfolg von Datenprojekten beleuchtete und warum die Konzentration auf eine klare Hypothese so entscheidend ist. Thomas Sigmund, Experte von Microsoft, gibt spannende Einblicke in die wachsende Bedeutung von Rechenzentren und ihre Rolle als unverzichtbare digitale Infrastruktur.Besonders spannend war die große Nachfrage nach technischen Deep Dives, die zeigt, dass Experten bereit sind, sich intensiv mit komplexen Themen auseinanderzusetzen. Gleichzeitig waren interaktive Formate wie das Power BI-Quiz oder der Visual-Wettbewerb echte Publikumsmagneten und haben gezeigt, dass Lernen in der Community auch spielerisch funktioniert!Mit einem begeisterten Publikum und durchweg positivem Feedback war die Daten-WG ein voller Erfolg. Doch was können wir aus dem Event für zukünftige Veranstaltungen lernen? Welche Formate bringen echten Mehrwert? Und wie fördern wir eine noch stärkere Datenkultur? All das erfährst du in dieser Folge!00:00 – Einleitung und Vorstellung der Daten-WG 202503:24 – Arturs Keynote und Hypothesen-basiertes Arbeiten09:39 – Besuch von Thomas Sigmund und die strategische Bedeutung von Rechenzentren11:18 – Matthias Thierbach über DevOps und Fabric12:38 – Data Modelling und Deep-Dive-Themen14:51 – Dilyanas Präsentation über KI im Business19:25 – Interaktive Sessions bringen Lernen und Spaß zusammen30:02 – Feedback und Ausblick auf zukünftige Veranstaltungen#PowerBI #Fabric #CommunityEvents #datacommunity

Daten-WG: Wo Experten im Wohnzimmer-Flair zusammenkommen!Stell dir vor, du könntest dich mit anderen Daten-Experten in einer entspannten Wohnzimmeratmosphäre austauschen – ohne Barrieren, ohne durchgetaktete Vorträge, sondern auf Augenhöhe. Genau das hat die Daten-WG geboten!In diesem Video sprechen Ulrik und Artur, die Initiatoren der Daten-WG, über die Entstehung dieses einzigartigen Events. Freu dich auf eine lockere Umgebung mit Deep-Dives, Workshops, Retro-Games, kreativen Networking-Räumen und eine Aftercon-Veranstaltung, bei der du das Gelernte direkt in die Praxis umsetzen kannst.Artur erzählt, wie die Idee zur Daten-WG entstand, welche Highlights die Teilnehmer am meisten gefeiert haben und was du von der nächsten Ausgabe erwarten kannst. Die Community hat das Event begeistert aufgenommen – und 2026 wird es mit neuen spannenden Features weitergehen!📅 Save the Date: 15. Oktober 2026 – Sei dabei, wenn die Daten-WG in die nächste Runde geht!#Events #DatenCommunity #Community