Power BI Anzahl: So zählst du Werte und Zeilen korrekt

Definition

Die Power BI Anzahl ist die Ermittlung einer Zähl-Kennzahl im Datenmodell, typischerweise mit DAX-Funktionen wie COUNT, COUNTROWS oder DISTINCTCOUNT. Sie ist dynamisch, wenn sie im Filterkontext eines Berichts berechnet wird, und ist nicht dasselbe wie ein statischer Excel-Zeilenwert.

Einleitung

Wenn du in Power BI „Anzahl“ sagst, meinst du oft unterschiedliche Dinge: Anzahl Bestellungen, Anzahl Kunden, Anzahl Zeilen nach Filter. Genau hier entstehen viele KPI-Fehler. Mit den richtigen Zählfunktionen und einer sauberen Filterlogik bekommst du Zahlen, die im Dashboard stabil sind und sich trotzdem korrekt mit Slicern, Zeitfiltern und Drilldowns verändern.

Welche „Anzahl“ brauchst du wirklich?

Vor jeder Formel kommt die fachliche Frage: Was ist ein „Datensatz“, den du zählen willst? Eine Bestellung (Zeile), ein Kunde (eindeutig) oder ein Wert in einer Spalte (z. B. nur numerische Werte)? Diese Klarheit spart später Zeit, reduziert Diskussionen im Controlling und macht Kennzahlen messbar.

• Zeilen zählen: geeignet für Ereignisse wie Bestellungen, Tickets, Buchungen.
• Werte zählen: geeignet, wenn nur eine konkrete Spalte betrachtet werden soll.
• Eindeutige Werte zählen: geeignet für Kunden, Lieferanten, Produkte, Mitarbeiter.

COUNT, COUNTROWS, DISTINCTCOUNT: die Kernfunktionen

COUNT zählt die Anzahl numerischer Werte in einer Spalte. Texte und leere Werte (BLANK) werden nicht gezählt. Das ist praktisch, aber auch eine klassische Fehlerquelle, wenn eine ID-Spalte als Text importiert wurde.

COUNTROWS zählt die Zeilen einer Tabelle. Das ist oft die robusteste Standardlösung für die Power BI Anzahl von Transaktionen, weil nicht „Spalteninhalt“, sondern „Zeile existiert“ zählt.

DISTINCTCOUNT zählt eindeutige Werte einer Spalte. Das ist das Mittel der Wahl, wenn ein Kunde mehrfach vorkommt, du aber die Anzahl der Kundenbasis wissen willst.

Power Query (M) vs. DAX: wo sollte gezählt werden?

Power Query zählt beim Laden und Transformieren der Daten. Das Ergebnis ist statisch, bis du neu aktualisierst. Typisch wäre z. B. eine Gruppierung mit „Anzahl Zeilen“ oder eine M-Funktion wie List.NonNullCount in einer Transformation.

DAX zählt im Datenmodell zur Abfragezeit. Das Ergebnis reagiert auf Filter, Beziehungen, Slicer und Drilldown. Für Berichte ist das fast immer der relevante Nutzen: Eine Kennzahl, die sich automatisch korrekt verhält, wenn sich die Fragestellung im Bericht ändert.

Merksatz: Power Query macht Daten „richtig“, DAX macht Kennzahlen „berichtsfähig“.

Schritt-für-Schritt: einfache Measures für die Power BI Anzahl

1) Anzahl Zeilen (z. B. Bestellungen):

Measure: Bestellungen Anzahl = COUNTROWS('Bestellungen')

2) Anzahl Werte in einer Spalte (nur Zahlen):

Measure: Rechnungsnummern (nur numerisch) = COUNT('Bestellungen'[Rechnungsnummer])

3) Anzahl eindeutiger Kunden:

Measure: Kunden Anzahl = DISTINCTCOUNT('Bestellungen'[KundenID])

Wenn du aus Excel kommst: Das ist nicht PivotTable-Logik „einmal bauen, immer gleich“, sondern Power Pivot-/DAX-Logik, die pro Visual neu im Kontext berechnet wird.

Bedingte Zählung: Filterlogik mit CALCULATE

Oft brauchst du keine Gesamtanzahl, sondern eine fachlich gefilterte Anzahl. CALCULATE ist dafür der Standard, weil es den Filterkontext gezielt verändert. Beispiel „Anzahl offener Bestellungen“:

Offene Bestellungen = CALCULATE(COUNTROWS('Bestellungen'), 'Bestellungen'[Status] = "Offen")

Damit bekommst du Kennzahlen, die sich in einer Matrix nach Region, in einem Zeitfilter nach Monat oder nach einem „Datenschnitt“ sauber differenzieren lassen, ohne dass du für jedes Visual eine eigene Logik bastelst.

Mini-Praxisbeispiel: Tabelle, Modell, Ergebnis

Ein typisches Szenario: In einer Faktentabelle stehen Bestellungen, eine KundenID kommt mehrfach vor. Das Management fragt: „Wie viele Kunden haben im Zeitraum bestellt?“ Wenn du COUNTROWS nutzt, zählst du Bestellungen. Wenn du DISTINCTCOUNT auf KundenID nutzt, zählst du Kunden. Im Bericht wirkt das wie ein kleines Detail, entscheidet aber direkt über die Interpretation von Conversion, Abdeckung und Wachstum.

Validierung & häufige Fehler (damit Zahlen vertrauenswürdig werden)

Die größten Fehler passieren nicht in DAX-Syntax, sondern im Modellkontext: falsche Datentypen, fehlende Beziehungen, unerwartete BLANKs. Validierung ist deshalb Pflicht, nicht Kür.

• Datentyp prüfen: Wird eine ID als Text geladen, kann COUNT unerwartet 0 liefern.
• BLANK-Effekte prüfen: COUNTA zählt auch Text; leere Strings können wie „gefüllt“ wirken.
• Gegencheck: In Power BI Desktop eine Tabellenvisualisierung mit den gefilterten Zeilen anzeigen und mit einer einfachen Excel-Referenzliste vergleichen.

Performance & Best Practices

Zählen ist meist schnell, wird aber langsam, wenn unnötig komplexe Filter über große Tabellen laufen. Halte Measures simpel, nutze klare Dimensionstabellen und vermeide „Workarounds“, die jede Visual-Abfrage teurer machen. In vielen Fällen ist DISTINCTCOUNT auf einer gut modellierten Dimension performanter und fachlich sauberer als komplexe Zähl-Logik direkt auf der Faktentabelle.

Wann externe Unterstützung sinnvoll wird

Externe Hilfe lohnt sich, wenn die Power BI Anzahl zwar „irgendwie“ funktioniert, aber im Meeting ständig diskutiert wird. Typische Auslöser sind widersprüchliche KPIs zwischen Reports, unklare Filterwirkung (z. B. Datumstabellen), oder Performance-Probleme bei größeren Modellen. Ein kurzer Audit auf Datenmodell, DAX-Grundlogik und Validierungsstrategie spart oft mehr Zeit als weiteres Trial-and-Error im Tagesgeschäft.