Power BI DAX: Was es ist, wie es funktioniert und wie du sauber startest

Definition

DAX (Data Analysis Expressions) ist eine von Microsoft entwickelte Formelsprache für Berechnungen auf tabellarischen Datenmodellen. DAX ist keine Excel-Zellformelsammlung, sondern arbeitet mit Tabellen, Spalten, Beziehungen und Kontext.

Einleitung

Wenn deine Zahlen in Power BI je nach Filter „komisch springen“, steckt fast immer fehlendes DAX-Verständnis dahinter. Mit Power BI DAX baust du KPIs so, dass sie in jedem Berichtskontext sauber rechnen und du weniger Zeit mit Excel-Konsolidierung, Nachrechnen und Erklären verbringst.

Wo DAX eingesetzt wird: Power BI, Power Pivot und Analysis Services

DAX läuft überall dort, wo Microsoft tabellarische Modelle nutzt: in Power BI (Dataset/Semantikmodell), in Power Pivot (Excel-Datenmodell) und in Microsoft Analysis Services (Tabular). Der praktische Nutzen ist derselbe: Business-Logik (Umsatz, Marge, YTD, Vorjahr) wird zentral im Modell definiert und kann in Visuals, PivotTables und Berichten wiederverwendet werden, statt in zig Dateien unterschiedlich „nachgebaut“ zu werden.

Grundlagen: Syntax, Datentypen und die wichtigsten Bausteine

Eine DAX-Formel hat typischerweise das Muster: Name = Ausdruck. Funktionen (Functions) arbeiten mit Spalten, Tabellen und Ausdrücken (Expressions) und liefern je nach Datentyp ein Ergebnis zurück: Zahl, Text, Datum/Uhrzeit, TRUE/FALSE oder auch eine Tabelle (Table data type).

• Measure: wird zur Laufzeit im Bericht berechnet und reagiert auf Filter. Beispiel:

  Total Sales = SUM(FactSales[SalesAmount])

• Berechnete Spalte: wird pro Zeile im Modell berechnet und gespeichert. Sinnvoll für Zeilenlogik (z. B. Klassifikation), aber erhöht Modellgröße.

• Berechnete Tabelle: erzeugt eine zusätzliche Tabelle im Modell, z. B. für Hilfsstrukturen oder spezielle Aggregationen.

Der Kern von DAX: Row Context, Filter Context und CALCULATE

DAX wird verständlich, sobald zwei Begriffe sitzen: Row Context (Zeilenkontext) und Filter Context (Filterkontext). Eine berechnete Spalte „lebt“ im Row Context, weil sie pro Zeile rechnet. Ein Measure wird im Filter Context berechnet, also abhängig von Slicern, Achsen, Drilldowns und Kreuzfilterung.

CALCULATE ist die Schaltzentrale, weil es den Filter Context gezielt verändert. Typische Muster sind: etwas berechnen, aber unter anderen Filtern (z. B. Vorjahr) oder ohne bestimmte Filter (ALL). FILTER (Funktion) wird genutzt, um Filterbedingungen als Tabelle auszudrücken; RELATED hilft, Werte über Beziehungen aus einer verknüpften Tabelle zu holen.

DAX vs. Excel-Formeln: der entscheidende Unterschied

Excel-Formeln beziehen sich primär auf Zellen und Bereiche; DAX bezieht sich auf Spalten und Tabellen im Datenmodell. Dadurch sind DAX-Formeln wiederverwendbar: Ein Measure wie „Umsatz“ funktioniert gleichzeitig in einer Karte, einer Matrix und einer PivotTable, ohne dass du Bereiche umbaust.

Wichtig: In DAX wirkt der Bericht als „Eingabe“ für die Berechnung. Das ist der Grund, warum Measures in verschiedenen Visuals unterschiedliche Werte zeigen können, ohne falsch zu sein.

Mini-Beispiel aus der Praxis: Marge und Topline korrekt steuern

Ein typischer Use Case: Umsatz und Marge sollen in jedem Dashboard gleich definiert sein, egal ob nach Region, Produkt oder Zeitraum gefiltert wird. Du startest mit einem Measure für Umsatz und einem für Marge, statt die Marge als berechnete Spalte überall zu duplizieren. Ergebnis: gleiche KPI-Logik in allen Seiten, weniger Abstimmungsschleifen und deutlich weniger „Warum ist das hier anders als in Excel?“-Diskussionen.

Lernpfad: So wirst du mit DAX schnell produktiv

Voraussetzung ist kein Programmierstudium, sondern ein sauberes Datenmodell: Tabellen, Beziehungen und idealerweise ein Sternschema. Wenn das wackelt, wird DAX unnötig schwer.

• Woche 1: Measures (SUM, AVERAGE), dann DIVIDE statt „/“ und einfache Bedingungen.

• Woche 2: CALCULATE, ALL, FILTER (Funktion) und typische Time Intelligence functions (YTD, Vorjahr).

• Ab dann: Iteratoren wie SUMX/AVERAGEX, wenn Logik „pro Zeile“ iterieren muss.

Empfohlene Ressourcen: Microsoft Learn (DAX-Grundlagen), DAX Guide (Funktionsreferenz) und Übungsmodelle wie AdventureWorks. IntelliSense/AutoComplete in Power BI Desktop hilft, sauber zu schreiben, ersetzt aber nicht das Kontextverständnis.

Häufige Fehlerquellen und Troubleshooting

Die häufigsten Probleme sind inhaltlich, nicht syntaktisch: falscher Kontext, falsche Granularität oder ein Modell, das die Frage nicht sauber abbildet. Drei schnelle Checks helfen fast immer:

• Measure oder berechnete Spalte? KPIs fast immer als Measure, Zeilenklassifikation eher als Spalte.

• Kontext prüfen: Welche Filter wirken auf das Visual? Was macht CALCULATE am Filter Context?

• Performance: Zu viele Iteratoren oder unnötige berechnete Spalten blähen das Modell auf.

Fürs Debugging sind DAX Studio (Analyse), der Performance Analyzer in Power BI und bewusst kleine Test-Visuals mit wenigen Feldern hilfreich.

FAQ zu DAX

• Ist DAX nur für Power BI? Nein, DAX wird auch in Power Pivot und in Microsoft Analysis Services (Tabular) verwendet.

• Lohnt sich DAX wirklich? Ja, weil du wiederkehrende Kennzahlen zentral definierst und weniger Zeit in manuelle Excel-Berechnungen und Abstimmung investierst.

• Wie viel Zeit kostet der Einstieg? Für Basics (Measures, Kontext, CALCULATE) reichen oft wenige Wochen mit regelmäßiger Praxis; komplexe Modelle kommen danach.

• Was brauche ich als Voraussetzung? Ein solides Datenmodell und Verständnis für Beziehungen; Excel-Kenntnisse helfen, sind aber nicht gleich DAX.

• Wie messe ich den Nutzen? Typisch sind weniger manuelle Report-Erstellung, weniger Korrekturschleifen und konsistente KPI-Werte über alle Berichte hinweg.

Wann externe Unterstützung sinnvoll wird

Externe Hilfe lohnt sich, wenn DAX nicht „nur eine Formel“ ist, sondern eure KPI-Definitionen mit Verantwortlichkeiten, Datenmodell und Performance zusammenspielen müssen. Typische Situationen sind: widersprüchliche KPIs zwischen Reports, ein Wildwuchs an Measures ohne Standard, oder ein Zielbild „ein Modell, viele Berichte“, das intern neben dem Tagesgeschäft nicht stabil aufgebaut wird.

Fazit

Power BI DAX macht aus Daten erst steuerungsfähige Kennzahlen, weil Berechnungen im Modell konsistent und kontextsensitiv werden. Wer mit Measures startet, Kontext sauber versteht und Datenmodellierung ernst nimmt, kommt schnell zu stabilen KPIs, die im Alltag Zeit sparen und Entscheidungen beschleunigen.