StartLeistungenDaten & Auswertung
Daten & Auswertung
Die meisten Reporting-Projekte scheitern nicht am Werkzeug. Sie scheitern daran, dass zwei Abteilungen unter Umsatz zwei verschiedene Zahlen verstehen und niemand sagen kann, welche stimmt.
Erst die Daten, dann das Dashboard
Wir fangen bei den Quellsystemen an, nicht bei der Oberfläche. In einer laufenden Plattform kommen die Daten aus SQL Server und PostgreSQL, aus Excel-Dateien, aus SharePoint und OneDrive und über SFTP. Hinzu kommen Reports, die nur als PDF vorliegen; sie werden von Azure AI Document Intelligence ausgelesen. Das ist die einzige Stelle, an der ein KI-Modell im Datenfluss steht. Deshalb bleibt die Rohausgabe in der untersten Schicht erhalten, und jede Zahl im Bericht lässt sich bis zum Ausgangsdokument zurückverfolgen. Vor dem ersten Bericht klären wir, wo welche Daten liegen, wie oft sie sich ändern, welche Sätze Dubletten sind und welche Felder Freitext enthalten. Diese unglamouröse Arbeit entscheidet über das Ergebnis.
Daten aus Systemen holen, die sie nicht hergeben wollen
DBF und DBC aus Visual FoxPro, Access, gewachsene SQL-Datenbanken ohne Dokumentation. Dafür haben wir HydraData gebaut, unsere eigene Datenpumpe: Sie liest die Altbestände, prüft und transformiert sie intern mit DuckDB und schreibt das Ergebnis in eine SQL-Datenbank. Power BI setzt dann auf dieser Datenbank auf, nicht auf der Zwischenstufe. HydraData steht unter MIT-Lizenz öffentlich zur Verfügung.
Kennzahlen, auf die sich alle einigen
Bevor ein Bericht entsteht, klären wir mit Ihren Fachbereichen, wie eine Kennzahl gerechnet wird und ab wann ein Vorgang zählt. Diese Definitionen legen wir im Modell ab, nicht in einzelnen Berichten – sonst driften sie wieder auseinander.
Wenn nicht die Menge groß wird, sondern die Vielfalt
Sechs Quellsysteme, die nichts voneinander wissen, und Zahlen, die nicht bis zum nächsten Morgen warten können – dann bauen wir in Microsoft Fabric nach dem Medaillon-Muster: Rohdaten, bereinigte Schicht, auswertbare Schicht, sauber getrennt. Die Verarbeitung läuft überwiegend in PySpark-Notebooks. Eine solche Strecke läuft seit Anfang 2026; die Auswertungsschicht umfasst rund 75 Millionen Datensätze. Der Anlass kam nicht aus der Technik: Erst als aus den Prozessanalysen konkrete Fragen wurden und die Fachbereiche selbst auswerten wollten, war die Plattform gerechtfertigt. Wir gehen den aufwendigeren Weg über Notebooks statt über Dataflows, weil Notebooks in unseren Strecken deutlich weniger Kapazitätseinheiten verbrauchen als Dataflows. Fabric wird über eine Kapazität abgerechnet, die pro Stunde zählt, solange sie läuft. Pausieren geht, ist aber nur etwas wert, wenn niemand tagsüber Berichte öffnet; im Mittelstand entscheidet das über die Rechnung. Also legen wir die Größe vorher fest und bauen so, dass die kleine trägt, statt eine F64 zu bestellen.
Auswertung mit Power BI
Berichte, Rollen und Berechtigungen, Aktualisierung im Zeitplan. Rechnen Sie die Lizenzen mit: Power BI kostet pro Berichtsempfänger, nicht pro Projekt. Wie viele Leute die Zahlen wirklich brauchen, klären wir früh – das verschiebt die Wirtschaftlichkeit stärker als die Technikwahl.
Nicht jede Auswertung braucht eine Plattform
Das Zielsystem richtet sich danach, was Sie betreiben können und wollen. In einem anderen Projekt genügte deutlich weniger: Quellen waren ein SQL Server und eine InfluxDB, ausgewertet in Power BI, mit den Transformationen in Power Query (M) – keine Plattform darunter, kein laufender Kapazitätspreis. Eine Plattform kostet jeden Monat Geld und braucht jemanden, der sie pflegt. Wir sagen Ihnen, ab wann sich das rechnet – und vorher sagen wir Nein.
Wer es danach betreibt
Aktualisierung, Gateway, Berechtigungen und neue Berichte brauchen jemanden. Entweder wir übernehmen das, oder wir richten es so ein, dass Ihre Leute es selbst können. Beides ist in Ordnung – nur unausgesprochen bleiben darf es nicht.
Vier Stufen bis zur Zahl
Jede Stufe schränkt ein, was auf der folgenden überhaupt noch entschieden werden kann. Deshalb ist die Reihenfolge nicht beliebig.
Quellen
Zuerst klären wir, welche Systeme etwas beitragen, in welcher Form sie es hergeben und wie oft sich der Datenbestand ändert. Was hier fehlt, fehlt später im Bericht, und der Nachtrag kostet mehr als die Aufnahme am Anfang.
Im EinsatzIn einer laufenden Strecke speisen sechs Quellsysteme die Auswertung, darunter Reports, die nur als PDF ankommen und von Azure AI Document Intelligence ausgelesen werden.
Datenqualität
Hier entscheidet sich, welcher Satz gültig ist, welche Dublette verschwindet und was mit Freitextfeldern geschieht. Ohne diese Klärung rechnet die nächste Stufe sauber auf einem schiefen Bestand.
Im EinsatzIn der Fabric-Strecke übernehmen PySpark-Notebooks die Prüf- und Umformschritte, bei Altbeständen aus DBF oder Access erledigt unsere Datenpumpe HydraData das intern mit DuckDB.
Modell
Gemeint ist das semantische Modell mit seinen Beziehungen und Rechenregeln, nicht ein KI-Modell. Was Umsatz heißt und welche Vorgänge hineinzählen, wird an dieser einen Stelle hinterlegt und gilt danach für jeden Bericht, der darauf aufsetzt.
Im EinsatzIm Fabric-Projekt sitzt das semantische Modell auf der auswertbaren Schicht des Medaillon-Musters; diese Schicht umfasst rund 75 Millionen Datensätze. Im schlanken Vergleichsprojekt erfüllen Measures im Power-BI-Modell dieselbe Aufgabe.
Betrieb
Am Ende steht die Frage, was die Strecke im Monat kostet und wer sie pflegt. Auch die Taktung gehört hierher, weil jeder zusätzliche Lauf Rechenzeit zieht.
Im EinsatzNotebooks verbrauchen in unseren Strecken deutlich weniger Kapazitätseinheiten als Dataflows. Deshalb reicht dort eine Fabric-Kapazität der Größe F2, wo sonst eine F64 bestellt würde. Im schlanken Vergleichsprojekt genügten SQL Server und InfluxDB ganz ohne Plattform darunter.
Der Einstieg ist meist kleiner, als man denkt. Wer zuerst sieht, was in den Zahlen steckt, entscheidet danach mit Zahlen statt mit Gefühl – auch über die Frage, ob sich eine Ablösung überhaupt lohnt.
Erst das Gespräch, dann die Analyse, dann das Angebot.
Sagen Sie uns, was bei Ihnen läuft und was daran stört. Wenn es passt, sehen wir uns Ihr System genauer an. Ob diese Analyse als eigene Leistung läuft oder in ein Angebot eingeht, sagen wir Ihnen, bevor wir anfangen. Danach bekommen Sie eine Einschätzung: Aufwand, Zeitraum, Preisrahmen und die Risiken, die wir sehen.
Projekt besprechen