Blog

Insights & Praxis-Tipps

Neuester Beitrag

Automatisierung

Warum Automatisierung Governance braucht und was das konkret bedeutet

Automatisierung ohne Governance führt zu Kontrollverlust und Risiken. Wir erklären, warum Regeln und Strukturen notwendig sind und wie Unternehmen sie praktisch umsetzen.

16. Oktober 2026 · 5 min

Beitrag lesen →

Alle Beiträge

Warum Automatisierung Governance braucht und was das konkret bedeutet

Wie man Reporting-Prozesse dokumentiert, damit sie wartbar bleiben

Power BI Gateway: Was es ist und wann man es braucht

Excel als Datenquelle für Power BI: Wie man es stabil und automatisierbar macht

Warum Automatisierung ohne saubere Daten nicht funktioniert

Benachrichtigungen bei Schwellenwertüberschreitungen in Power BI einrichten

Wie man einen monatlichen Bericht vollständig automatisiert

Dataflows in Power BI: Datenaufbereitung zentral und wiederverwendbar

Power Automate und Power BI: Wie beide Tools zusammenspielen

Automatisierter PDF-Export aus Power BI: Moeglichkeiten und Grenzen

Geplante Datenupdates einrichten: Was man braucht und wie man vorgeht

Warum manuelles Reporting ein verstecktes Risiko fuer Unternehmen ist

Automatischer Datenrefresh in Power BI: Wie er funktioniert und was man beachten muss

Wie man 8 Stunden manuelle Arbeit pro Monat mit Power BI eliminiert

Wie man sicherstellt, dass Stakeholder den Report wirklich nutzen

Berechnete Tabellen in Power BI: Sinnvoll oder Antipattern?

Wie man ein Datenmodell skalierbar aufbaut von Anfang an

Mehrere Datenquellen in einem Modell: Chancen und Fallstricke

Wie man einen Report-Standard im Unternehmen einführt

Aggregationen in Power BI richtig einsetzen: Was SUMX von SUM unterscheidet

Farbwahl und Layout in Power BI: Warum Design keine Nebensache ist

Warum ein Flat Table kein Datenmodell ist und wann er trotzdem reicht

Wie man Budgetdaten und Ist-Daten in einem Modell sauber zusammenfuehrt

Datenmodell dokumentieren: Was rein muss, damit andere damit arbeiten können

Warum Drill-Through und Drill-Down in vielen Reports fehlen und was man damit gewinnt

Wie man einen Report so gestaltet, dass ihn auch Nicht-Analysten verstehen

Power Query vs. DAX: Was wohin gehört

Datenmodell-Performance: Warum manche Reports langsam werden und wie man das verhindert

Warum viele Power BI Reports zu viel zeigen und was man weglassen sollte

Row-Level Security in Power BI: Wann und wie man Datenzugriff einschränkt

Wie man KPIs in Power BI so visualisiert, dass sie sofort verständlich sind

Zeitintelligenz in Power BI: Vorjahr, Vormonat und YTD richtig umsetzen

Measures vs. berechnete Spalten in DAX: Wann was sinnvoll ist

Beziehungen in Power BI: Häufige Fehler und wie man sie vermeidet

Wie man ein Power BI Dashboard aufbaut, das wirklich genutzt wird

Warum ein Power BI Dashboard ohne Datenmodell wenig wert ist

Faktentabellen und Dimensionstabellen: Der Kern eines guten Datenmodells

DAX für Einsteiger: Die 3 Formeln, die man wirklich braucht

Star Schema erklärt: Warum die Struktur wichtiger ist als das Tool

Wie man erkennt, ob eine Datenquelle grundsaetzlich unbrauchbar ist

Warum eine Datenbasis die gut genug ist oft nicht gut genug ist

Wenn Quelldaten fehlerhaft sind: Wie man mit dem Problem umgeht ohne die Quelle zu ändern

Bereinigung vs. Transformation: Was der Unterschied ist und warum er zählt

Warum Datenbereinigung Fachkenntnis braucht und nicht nur technisches Wissen

Wie viel Datenbereinigung ist genug? Eine pragmatische Einschaetzung

Spaltenstrukturen vereinheitlichen: Wie man heterogene Datenquellen harmonisiert

Daten aus mehreren Quellen zusammenfuehren: Worauf es dabei ankommt

CSV-Dateien richtig importieren: Häufige Fehlerquellen und wie man sie vermeidet

Wie man Excel-Daten auf Plausibilität prüft, bevor man sie weiterverarbeitet

Outlier in Datensaetzen: Fehler oder wertvolle Information?

Warum saubere Rohdaten wichtiger sind als ein schönes Dashboard

Referenzlisten als Grundlage sauberer Daten: Was Lookup-Tabellen leisten

Wie man eine Datenbereinigung strukturiert angeht

Zahlen als Text gespeichert: Ein klassisches Excel-Problem und seine Loesung

Warum Datenbereinigung kein einmaliges Projekt ist

Datenbereinigung dokumentieren: Warum Nachvollziehbarkeit wichtiger ist als Geschwindigkeit

Datumsformate in Excel: Warum sie so oft Probleme machen

Wie Power Query die Datenbereinigung strukturiert und wiederholbar macht

Fehlende Werte in Datensaetzen: Ignorieren, ersetzen oder kennzeichnen?

Inkonsistente Schreibweisen in Kundendaten: Ein unterschätztes Problem

Doppelte Datensätze: Wie sie entstehen und wie man sie systematisch bereinigt

Die 5 häufigsten Fehler in Excel-basierten Reportings

Datenqualität messen: Welche Fragen man sich zu Beginn stellen sollte

Der Unterschied zwischen Daten haben und Daten verstehen

Datenstrategie für den Mittelstand: Wo anfangen, wenn alles dringend wirkt?

Datenlandschaft dokumentieren: Warum es sich lohnt, bevor man baut

Die häufigsten Missverständnisse über Business Intelligence im Mittelstand

Warum viele BI-Projekte scheitern und wie man es von Anfang an richtig macht

Datenverantwortung: Wer im Unternehmen für Datenqualität zuständig sein sollte

Von Bauchgefuehl zu Datenbasis: Was der Umstieg konkret bedeutet

Was ein Geschäftsführer wirklich über seine Daten wissen sollte

Warum Excel-Berichte oft mehr Fragen aufwerfen als sie beantworten

Wie man herausfindet, ob die eigenen Daten vertrauenswürdig sind

Was passiert, wenn niemand im Unternehmen die Daten wirklich versteht?

Stammdaten vs. Bewegungsdaten: Ein Unterschied mit grosser Wirkung

Warum der erste Schritt zu besseren Reports oft kein Dashboard ist

Welche Daten ein Unternehmen tatsächlich braucht und welche nicht

Warum Reporting-Probleme selten ein Tool-Problem sind

ERP-Daten nutzbar machen: Wo der Einstieg am sinnvollsten ist

Was kostet schlechte Datenqualität ein Unternehmen wirklich?

Warum drei Abteilungen drei verschiedene Umsatzzahlen haben können

Rohdaten vs. aufbereitete Daten: Der Unterschied, der alles verändert

KPIs definieren: Warum die meisten Kennzahlen im Unternehmen falsch gemessen werden

Was ist ein Daten-Audit und warum lohnt er sich vor jedem BI-Projekt?

Datensilos: Wie getrennte Systeme Entscheidungen verlangsamen

Wann ist der richtige Zeitpunkt für eine BI-Lösung im Mittelstand?

Warum viele Unternehmen nicht wissen, was ihre Daten wirklich wert sind

Automatische Anomalie-Erkennung in Power BI: Was möglich ist

Wie man sicherstellt, dass automatisierte Reports auch in einem Jahr noch funktionieren

SQL als Datenquelle für Power BI: Wann es sich lohnt, direkt zu verbinden

Warum Automatisierung ein Investment ist und wie man den ROI einschätzt

Von manuell zu automatisiert: Wie ein typischer Migrationsprozess aussieht

Fehlerbehandlung in automatisierten Prozessen: Was passiert, wenn etwas schieflaeuft?

Wie man automatisierte Reports so gestaltet, dass sie keiner Erklärung bedürfen

Incremental Refresh in Power BI: Warum er bei grossen Datenmengen entscheidend ist

SharePoint als Datenquelle: Möglichkeiten und typische Probleme

Wie man eine Datenpipeline für den Mittelstand aufbaut ohne IT-Abteilung

Warum Automatisierung Governance braucht und was das konkret bedeutet

Power BI Gateway: Was es ist und wann man es braucht

Excel als Datenquelle für Power BI: Wie man es stabil und automatisierbar macht

Benachrichtigungen bei Schwellenwertüberschreitungen in Power BI einrichten

Dataflows in Power BI: Datenaufbereitung zentral und wiederverwendbar

Wann lohnt sich Automatisierung und wann ist manuell die bessere Wahl?

Berechnete Tabellen in Power BI: Sinnvoll oder Antipattern?

Wie man einen Report-Standard im Unternehmen einführt

Warum ein Flat Table kein Datenmodell ist und wann er trotzdem reicht

Wie man Budgetdaten und Ist-Daten in einem Modell sauber zusammenfuehrt

Datenmodell dokumentieren: Was rein muss, damit andere damit arbeiten können

Power Query vs. DAX: Was wohin gehört

Warum viele Power BI Reports zu viel zeigen und was man weglassen sollte

Zeitintelligenz in Power BI: Vorjahr, Vormonat und YTD richtig umsetzen

Wie man ein Power BI Dashboard aufbaut, das wirklich genutzt wird

Star Schema erklärt: Warum die Struktur wichtiger ist als das Tool

Warum eine Datenbasis die gut genug ist oft nicht gut genug ist

Excel-Tabellenchaos beenden: Wann lohnt sich der Umstieg auf eine echte Datenbank?

Wenn Quelldaten fehlerhaft sind: Wie man mit dem Problem umgeht ohne die Quelle zu ändern

Warum Excel kein Datenmodell ist — und was das für Ihr Reporting bedeutet

Bereit, Ihre Daten in Ordnung zu bringen?

Wir helfen mittelstaendischen Unternehmen, verlässliche BI-Strukturen aufzubauen.

Projekt anfragen →