Power BI AI Features: Übersicht und Anwendung aller KI-Möglichkeiten

Die Integration von AI Features in Power BI eröffnet Unternehmen neue Möglichkeiten, Daten effizienter zu analysieren und tiefergehende Insights zu gewinnen. Dank AI-gestützter „Out-of-the-box“-Funktionen lassen sich nicht nur strukturierte Daten umfassender interpretieren, sondern auch unstrukturierte Daten wie Texte oder Bilder anreichern und analysieren. Besonders attraktiv: Viele dieser Power BI AI Features sind Low- oder No-Code-basiert, wodurch Unternehmen in vielen Fällen auf komplexe Programmierung verzichten können.

Der Schlüssel zur erfolgreichen Nutzung von Power BI AI durch Unternehmen liegt dabei in deren Business Value. AI Features sollten gezielt zur Beantwortung geschäftsrelevanter Fragestellungen eingesetzt werden. Dabei ist es essenziell, den Nutzen mit den entstehenden Kosten abzuwägen: Während einige Features bereits im Rahmen einer Power BI Pro-Lizenz verfügbar sind, erfordern andere eine Premium-Lizenz. Ebenso wichtig ist eine solide Datenbasis sowie die Verfügbarkeit geeigneter organisatorischer Ressourcen (u. a. Unternehmenskultur, Mitarbeitenden-Kompetenzen), um diese Technologien effektiv einzusetzen.

Unternehmen, die die Potenziale von künstlicher Intelligenz in Power BI ausschöpfen möchten, sollten sich frühzeitig mit den Funktionalitäten und Lizenzmodellen auseinandersetzen, um fundierte Investitionsentscheidungen zu treffen und den maximalen Mehrwert zu realisieren.

AI-Visuals in Power BI: Mehr Wissen aus strukturierten Daten

Power BI bietet eine Vielzahl an AI-basierten Visuals. Das auf GenAI basierende Smart Narrative Visual erstellt automatisch Textzusammenfassungen basierend auf dem semantischen Modell oder bestimmten Visualisierungen. So lassen sich Erkenntnisse zu wesentlichen Dimensionen und Measures – beispielsweise außergewöhnliche Umsatztrends – direkt als Klartext anzeigen.

Ein weiteres AI-Visual ist der Analysebaum. Das Visual ermöglicht ein Aufschlüsseln von einer Kerngröße nach Dimensionsausprägungen eines oder mehrerer Felder, wodurch der Beitrag einzelner Ausprägungen auf die Erklärgröße quantifiziert und visuell dargestellt wird. Nutzer können die Auswahl der Felder selbst vornehmen oder sich mittels AI Felder vorschlagen lassen, um relevante Aufschlüsselungen identifizieren zu lassen. Ein Anwendungsbeispiel für den Analysebaum ist die Darstellung von Datenherkünften in einem Datenkatalog. Die Anzahl der DAX-Measures kann etwa nach Microsoft Fabric Domänen und Arbeitsbereichen aufgeschlüsselt werden.

Modellbasierte Analysen werden durch das Einflussgrößen-Visual ermöglicht. User können Variablen definieren, um deren Einfluss auf eine Zielgröße zu testen. Die Power BI AI führt automatisch eine Regressionsanalyse durch und identifiziert statistisch signifikante Einflussfaktoren. Ein Anwendungsfall ist die Analyse des Werbebudgets in Bezug auf den Monatsumsatz. Die Ergebnisse könnten beispielsweise zeigen, dass jeder zusätzlich investierte Euro den Umsatz um zwei Euro steigert.

Im Rahmen von Punktdiagrammen haben Power BI User die Möglichkeit, Datenpunkte basierend auf Ähnlichkeiten in Dimensionen mittels AI in Cluster zu gruppieren. Ein Beispiel ist die Segmentierung von Kunden. Anhand von Dimensionen wie Kaufverhalten, geografischen Standorten oder Altersgruppen können Cluster erstellt werden, um Zielgruppen besser zu verstehen und gezielte Maßnahmen abzuleiten. Power BI User können festlegen, anhand welcher Felder die Gruppierung erfolgt und wie viele Cluster durch das Power BI AI Feature erstellt werden sollen.

Die Anomalieerkennung ergänzt Linien-Diagramme automatisch um den statistisch erwarteten Wertebereich. Datenpunkte außerhalb des Bereichs werden visuell als Anomalien hervorgehoben. Power BI User können das Erscheinungsbild der Anomalien (z.B. Form, Größe und Farbe) sowie die Darstellung des erwarteten Bereichs individuell ändern. Der Grenzwert für die Einstufung von Anomalien kann dabei nach Bedarf angepasst werden. Des Weiteren liefert Power BI mittels GenAI Erklärungen zu Anomalien in natürlicher Sprache, die im Bericht einsehbar sind.

AI-Features zur Einbindung unstrukturierter Daten

Neben der Analyse strukturierter Daten können mittels AI-gestützter Algorithmen auch unstrukturierte Daten wie Texte und Bilder im Rahmen des ETL-Prozesses angereichert werden, um eine systematische Analyse im Power BI-Bericht zu erleichtern.

AI-Textanalyse: Weiterführende Erkenntnisse mit Power BI

Textanalyse-AI-Features in Power BI ermöglichen es Unternehmen, Erkenntnisse aus textbasierten Daten wie E-Mails, Social-Media-Beiträgen oder Umfragen zu gewinnen. Dies hilft, strategische Fragen zu beantworten, wie:

• Welche Meinung haben Kunden gegenüber Produkten, Dienstleistungen oder einer Marke?
• Haben sich Kundenmeinungen nach einer Werbekampagne gegenüber dem beworbenen Produkt verbessert?
• Über welche Produkte oder Produkteigenschaften sprechen Kunden am meisten?
• Welche Sprachen sprechen Kunden und gibt es Trends in der Zielgruppen-Zusammensetzung?

Für die Nutzung von künstlicher Intelligenz für die Textanalyse in Power BI ist die Zuordnung einer kostenpflichtigen Premium-Kapazität vorausgesetzt. Power BI bietet drei zentrale AI Features, die über den Power Query Editor verfügbar sind und auf Azure AI Services basieren:

1. Durch die Stimmungsanalyse werden Texte durch die AI anhand einer Punktzahl von 0 bis 1 in positive, negative oder neutrale Stimmungen klassifiziert. Im Bericht kann die Stimmungspunktzahl direkt oder über DAX-Measures in Visualisierungen integriert werden, wodurch Power BI User von verschiedenen Vorteilen profitieren: Die zugrunde liegende Stimmung eines Textes ist anhand der Punktzahl geradewegs interpretierbar, ohne dass Berichtsnutzende einzelne Textabschnitte lesen müssen. Darüber hinaus können Punktzahlen nach Dimensionen aggregiert werden. So ermöglicht etwa die Aggregation der Stimmungspunktzahlen nach Monat oder Jahr die Analyse von Trends und Entwicklungen. Letztlich können Stimmungspunktzahlen mittels DAX kategorisiert werden, um übergeordnete Muster auf einen Blick identifizierbar zu machen.
2. Die Schlüsselbegriffserkennung ermöglicht die AI-basierte Extraktion zentraler Begriffe aus Text. Anhand einer Kundenrezension wie „Das Essen war köstlich, und es gab freundliches Personal“ werden durch das AI Feature beispielsweise die Schlüsselbegriffe „Essen“ und „freundliches Personal“. Dadurch können Unternehmen zentrale Themen und Meinungen ihrer Kunden in Power BI schnell und effizient erfassen.
3. Die Sprachenerkennung in Power BI analysiert Text, um sowohl den Sprachnamen als auch den entsprechenden ISO-Code zurückzugeben. Das AI-Feature unterstützt über 100 Sprachen und hilft Unternehmen, die sprachlichen Präferenzen von Zielgruppen besser zu verstehen.

AI-basierte Bildanalyse: Aus Bildern Erkenntnisse gewinnen

Neben der Textanalyse ermöglicht Power BI auch die maschinelle Verarbeitung von Bildern. Das Image Tagging identifiziert Objekte in Bildern und kennzeichnet sie mit passenden Begriffen (Tags). Dieses Power BI AI Feature ist besonders nützlich, um große Bildmengen effizient zu analysieren und zu kategorisieren. Tags, die auf diese Weise generiert wurden, können etwa in Online-Katalogen von Einzelhändlern hinterlegt werden, um Kunden eine gezielte Schlagwortsuche nach Produkten zu ermöglichen.

Integration von Azure Machine Learning-Modellen in Power BI

Neben AI-basierten „Out-of-the-box“-Lösungen bietet Power BI auch die Möglichkeit, eigens entwickelte Machine Learning-Modelle zu integrieren. In Azure Machine Learning können Datenwissenschaftler:innen eigene AI-Modelle erstellen, trainieren und als Webdienst bereitstellen. Diese können anschließend im Power Query Editor als Funktionen aufgerufen werden. Voraussetzung für den Zugriff auf ein Modell ist dabei mindestens eine Leseberechtigung auf das Azure-Abonnement und den Machine Learning-Arbeitsbereich des Power BI Users. Zudem ist eine Power BI Premium-Kapazität erforderlich. Die Funktionalität wird in Power BI Desktop, Power BI-Dataflows und im Power BI Service unterstützt und ermöglicht es, AI Features für spezifische Anwendungen in Power BI einzubinden – wie beispielsweise spezifische Forecasting-Modelle.

Erfolgsfaktoren für die Nutzung von Power BI AI Features

Die Integration von künstlicher Intelligenz in Power BI bietet Unternehmen die Möglichkeit, umfassende Erkenntnisse zu gewinnen und datengestützte Entscheidungen zu optimieren. Gleichzeitig gilt es, verschiedene Herausforderungen zu adressieren, um den vollen Nutzen der AI-gestützten Analyse zu realisieren.

• Kosten-Nutzen-Analyse: Die Einführung kostenpflichtiger AI Features erfordert eine sorgfältige Evaluierung des Mehrwerts im Hinblick auf geschäftlich relevante Fragestellungen. Unternehmen sollten abwägen, ob die potenziellen Vorteile, wie verbesserte Analysefähigkeiten und Effizienzgewinne, die Investitionen in eine Power BI Premium-Kapazität rechtfertigen.
• Datenbasis und -integration: Eine passende Datenbasis ist essenziell, um AI-gestützte Erkenntnisse zu generieren. Input-Daten sollten möglichst vollständig und konsistent sein sowie das angestrebte Analyse-Ziel bedienen können. Im Idealfall sollte das Unternehmen sicherstellen, dass die Datenquellen nahtlos in Power BI integriert werden können.
• Qualifikation der Mitarbeitenden: Ein Verständnis für statistische Konzepte und Datenanalysen befähigt Mitarbeitende, Analyse-Ergebnisse kritisch zu hinterfragen, um potenzielle Verzerrungen oder Fehlinterpretationen zu erkennen. Die Fähigkeit, Ergebnisse nachvollziehbar zu erklären, ist zudem entscheidend, um Vertrauen und Akzeptanz bei Beteiligten zu fördern.
• Unternehmenskultur: Es ist wichtig, dass Mitarbeitende die Chancen durch Power BI AI Features erkennen und bereit sind, innovative Arbeitsweisen zu übernehmen. Die Förderung einer offenen und lernbereiten Unternehmenskultur kann den Wandel unterstützen und die Nutzung von künstlicher Intelligenz in Power BI nachhaltig verankern.
• Datenschutz und Compliance: Der Schutz sensibler Daten und die Einhaltung von gesetzlichen Vorgaben sind zentrale Aspekte, die in sämtlichen Phasen der AI-Nutzung berücksichtigt werden sollten. Unternehmen sind gefordert, robuste Datenschutzstrategien zu entwickeln, um rechtliche Risiken zu minimieren und das Vertrauen der Stakeholder zu sichern.

Fazit: Power BI AI Features gezielt nutzen

Power BI bietet bereits zahlreiche integrierte AI Features, um Usern noch tiefergreifende Analysen und Erkenntnisse zu ermöglichen als auch die Möglichkeit, eigene AI Modelle zu integrieren. Zusammenfassend lässt sich sagen, dass der Einsatz von künstlicher Intelligenz für die Analyse in Power BI ein vielversprechender Schritt ist, der jedoch strategische Planung, gezielte Schulungen und ein Bewusstsein für kulturelle Veränderungen erfordert. Nur so kann das volle Potenzial dieser Technologien ausgeschöpft und langfristiger Erfolg sichergestellt werden. Gerne unterstützen wir Sie dabei, das volle Potenzial Ihrer Datenanalyse mit Power BI auszuschöpfen. Sprechen Sie uns gerne an.