Semantische Modelle und Kompatibilität von Drittanbietern

In diesem Artikel wird erläutert, was Power BI-Semantikmodelle sind, wie sie sich von relationalen Datenbanken unterscheiden und wie Power BI-Ansätze für Semantikmodelle von Drittanbietern unterstützt werden.

Power BI-Semantikmodelle

Power BI-Semantikmodelle sind die autoritative Quelle der Wahrheit für Ad-hoc-Analysen und Berichte in zahlreichen Organisationen. Basierend auf der am weitesten verbreiteten BI-Semantikmodellierungstechnologie auf dem Markt bieten Power BI-Semantikmodelle eine ausgereifte API-Oberfläche, eine außergewöhnliche Leistung und Skalierbarkeit für interaktive Analysen über massive Daten und ein florierendes Ökosystem von Entwicklern, Partnern und Drittanbietertools.

Geschäftsmetriken zur Wiederverwendbarkeit

Hoch kuratierte semantische Modelle machen Unternehmensdaten mit geschäftsfreundlichen Benennungsstandards zugänglich, abstrahieren komplexe Geschäftslogik, um fortgeschrittene Berechnungen, abgeleitete Beziehungen, Benutzerhierarchien, Metadatenübersetzungen und weitere Möglichkeiten zu ermöglichen. Mit einer blitzschnellen Abfrageleistung können Benutzer massive Datensätze mit der Geschwindigkeit des Gedankens analysieren und aufteilen. Gemeinsam fördern diese Funktionen Vertrauen und fördern konsistente Entscheidungen in der gesamten Organisation.

Power BI-Semantikmodelle beschleunigen die KI-fähige BI.

Power BI-Semantikmodelle sind ein wichtiger Bestandteil von Fabric IQ. Fragen zu Daten in natürlicher Sprache werden konsistenter und einfacher beantwortet, wenn die KI auf Geschäftslogik zurückgreifen kann, die von semantischen Modellen gekapselt wird. LLMs sind bereits mit gut definierten API-Oberflächenbereichen für Metadaten und Abfragen vertraut, die agentische Modellierung und Nutzung ermöglichen. Power BI-Semantikmodelle werden bereits im Großen und Ganzen in zahlreichen großen Organisationen bereitgestellt und auf die Beschleunigung des KI-gesteuerten Verbrauchs im Unternehmensmaßstab vorbereitet.

Semantische Modelle können auch als Grundlage für Microsoft 365 Copilot-Erfahrungen dienen, darunter Microsoft 365 Copilot Chat und Microsoft 365 Copilot Cowork, sodass Benutzer Geschäftsfragen stellen und direkt in Microsoft 365 Copilot kontextbezogene Antworten auf der Grundlage verwalteter Geschäftsdefinitionen erhalten können.

Die neuesten Funktionen erweitern das Semantikmodell-Ökosystem für agentische und Entwicklerszenarien:

• Agentenkenntnisse für Power BI ermöglichen KI-Agents, semantische Modelle über natürliche Sprache zu erstellen, zu bearbeiten und zu verwalten.
• Die TMDL-Ansicht bietet eine codebasierte Oberfläche zum Bearbeiten von Semantikmodellmetadaten in Power BI Desktop.
• mit Fabric Apps (Vorschau) können Entwickler benutzerdefinierte Anwendungen auf semantischen Modellen erstellen.

Verpflichtung zu offenen Standards und Plattformen

Mit dem Direct Lake-Speichermodus sind Power BI-Semantikmodelle ein wichtiger Bestandteil des Engagements von Microsoft Fabric, Standardformate mit Delta Lake-Parkett, Iceberg und OneLake zu öffnen. Dieses Engagement hilft Kunden, Speicherformate von proprietären Anbietern zu vermeiden. Power BI-Semantikmodelle ermöglichen eine offene Plattformkonnektivität für eine breite Palette von Tools für die Datenvisualisierung von Drittanbietern durch Kompatibilität mit dem XMLA-Endpunkt. Endbenutzer können ad-hoc-Analysen von ihrem Wahltool aus durchführen, ohne lokale Kopien von Daten erstellen zu müssen. Power BI-Semantikmodelle sind hochgradig programmierbar mit Fabric REST-Endpunkten für CRUD-Vorgänge, Abfrageausführung, Aktualisierungsverwaltung, Python-Notizbuchunterstützung mit Semantic Link, .NET-Programmierbarkeit mithilfe des Tabellarischen Objektmodells (TOM) und offenen Metadatendefinitionen mithilfe der Tabular Model Definition Language (TMDL) zur Automatisierung.

Relationale Datenbanken im Vergleich zu semantischen Modellen

Eine relationale Datenbank (z. B. SQL Server) dient zum Speichern und Organisieren von Daten in strukturierten Tabellen. Es definiert, wie Daten physisch gespeichert und aufgerufen werden, ohne sich auf die Geschäftliche Bedeutung zu konzentrieren. Relationale Algebra definiert, wie diese Daten mithilfe von Operationen wie Selektionen und Joins abgefragt werden können, um Tabellen und Ansichten zu filtern und zu kombinieren.

Ein semantisches Modell stellt eine unternehmensfreundliche Ebene über Unternehmensdaten bereit, wobei klare Namen, abgeleitete Beziehungen und vordefinierte Metriken verwendet werden. Allgemeine Berechnungen wie Zeitvergleiche, Verhältnisse und finanzielle Maßnahmen sind wiederverwendbar, sodass nicht technische Benutzer Ad-hoc-Analysen durchführen können, indem Berichte erstellt oder Fragen über KI-Agents übermittelt werden, während konsistente, vertrauenswürdige Entscheidungen unterstützt werden.

Genauigkeit der Ergebnisse ist von größter Bedeutung

Power BI-Kunden verlassen sich auf die Genauigkeit der Semantikmodellmetriken für kritische Geschäftsentscheidungen, wobei semantische Modellberechnungen als die endgültige Quelle der Wahrheit dienen. Die Genauigkeit der Antworten ist unerlässlich, um Vertrauen zu fördern und konsistente Entscheidungen in allen Kundenorganisationen zu fördern. Dementsprechend müssen alle Unterstützungen für semantische Modelle von Drittanbietern durch einen Integrationsansatz implementiert werden, der die semantische Korrektheit gewährleistet und die Integrität der ergebnisse, die an Benutzer zurückgegeben werden, erhalten bleibt.

Kompatibilität mit Semantikmodellen von Drittanbietern

Power BI unterstützt nur die folgenden Semantikmodelle von Drittanbietern:

• SAP BW
• SAP HANA, wenn sie als multidimensionale Quelle behandelt wird
• AtScale

Einige Anbieter werden als relationale Datenbankquellen über DirectQuery-Semantikmodelle unterstützt. Diese Unterstützung erstreckt sich jedoch nicht unbedingt auf ihre semantischen Modelle. Power BI unterstützt nur die zuvor genannten Semantikmodelle von Drittanbietern.

Verwendungsmuster des DirectQuery-Semantikmodells

DirectQuery wird hier hervorgehoben, da es zu ungenauen Ergebnissen führen kann, wenn es mit semantischen Modellen von Drittanbietern kombiniert wird, aufgrund einer Echtzeitauswertung gegen die zugrundeliegende Datenquelle.

Das folgende Diagramm zeigt ein Verwendungsmuster des DirectQuery-Semantikmodells:

1. Benutzer interagieren mit visuellen Elementen in Power BI-Berichten oder übermitteln Datenfragen über einen KI-Agent.

2. DAX-Abfragen werden generiert und an das Power BI-Semantikmodell übermittelt, das im DirectQuery-Modus ausgeführt wird.

3. Das semantische Modell übersetzt die DAX-Abfragen in SQL-Abfragen und verknüpft sie in die zugrunde liegende relationale Datenbank. Die Quelldatenbank führt die Abfrageverarbeitung aus.

Das Schichten von semantischen Modellen – wobei ein Drittanbieter-Modell zwischen dem Power BI-Semantikmodell und der relationalen Datenbank liegt – wird allgemein nicht unterstützt. Ebenso unterstützen Anbieter von Semantikmodellen von Drittanbietern in der Regel keine Überlagerung über Power BI-Semantikmodelle in dieser Form.

DirectQuery-Semantikmodelle unterstützen in der Regel relationale Quellen, aber keine Semantikmodelle von Drittanbietern, um die Genauigkeit zu gewährleisten

Power BI-Semantikmodelle im DirectQuery-Modus unterstützen Hunderte relationaler Datenbanken von Drittanbietern (siehe Power Query-Connectors). Die meisten Connectors unterstützen keine Semantikmodelle von Drittanbietern, da sie falsche Ergebnisse für Benutzer erzeugen würden. DirectQuery-Semantikmodelle basieren in der Regel auf relationaler Algebra in der Quelle zur Korrektheit. So definieren semantische Modelle beispielsweise abgeleitete Beziehungen für vordefinierte Aggregationspfade. Das Kombinieren abgeleiteter Beziehungen in einem Semantikmodell eines Drittanbieters mit denen in einem DirectQuery-Semantikmodell kann auch bei einfachen Measures falsche Werte liefern.

Power BI stellt eine Verbindung mit SQL Server Analysis Services Multidimensional und Tabular und Azure Analysis Services her, ohne dass ein zwischengeschaltetes DirectQuery-Semantikmodell erforderlich ist. Weitere Informationen finden Sie im Vergleich zu Live Connect und DirectQuery.

Zusammenfassung

Power BI-Semantikmodelle sind in Enterprise BI allgegenwärtig, was zehn Millionen aktiver semantischer Modelle darstellt. Sie bieten eine unternehmensfreundliche, leistungsstarke Ebene über Daten, die als vertrauenswürdige Quelle der Wahrheit für KI-gesteuerte Erkenntnisse fungieren und offene Standards und breite API-Oberflächenbereiche unterstützen.

Im Gegensatz zu relationalen Datenbanken, die sich auf die Datenspeicherung und -struktur konzentrieren, fügen semantische Modelle Bedeutung, abgeleitete Beziehungen und Berechnungen hinzu, wodurch es nicht technischen Benutzern leicht macht, sie zu nutzen. Genauigkeit ist wichtig, sodass Integrationen – insbesondere mit semantischen Modellen von Drittanbietern – die Korrektheit beibehalten müssen. Power BI unterstützt relationale Datenquellen im DirectQuery-Modus. Layering-Semantikmodelle werden in der Regel nicht unterstützt, da die Kombination mehrerer semantischer Ebenen zu falschen Ergebnissen für Kunden führen kann.