Power BI Punktdiagramm Visual: So findest du Zusammenhänge in Sekunden

Definition

Ein Punktdiagramm (Scatter Chart) stellt zwei numerische Größen als Punkte in einem Koordinatensystem mit X- und Y-Achse dar. Es ist kein Zeitreihen-Chart und kein Ranking-Visual, sondern ein Visual zum Erkennen von Beziehungen, Clustern und Ausreißern.

Einleitung

Wenn du wissen willst, ob sich z. B. Preis und Menge, Aufwand und Ergebnis oder Umsatz und Marge wirklich zusammen bewegen, ist das Punktdiagramm dein schnellster Reality-Check in Power BI.

Was zeigt ein Punktdiagramm – und was nicht?

Im Power BI Punktdiagramm Visual steht jeder Punkt für ein Objekt (z. B. Produkt, Kunde, Filiale). Die Position ergibt sich aus zwei Kennzahlen: X ist Kennzahl 1, Y ist Kennzahl 2. Das Ergebnis ist weniger „schönes Reporting“ und mehr „sehen, wo es weh tut“: Punktewolken, Ballungen, Lücken und Ausreißer werden sofort sichtbar.

Wichtig für die Erwartung: Das Visual beweist keine Kausalität, es macht Muster sichtbar. Die Interpretation kommt aus Fachlogik (z. B. „Rabatte drücken Marge“) und aus sauberer Datenbasis.

Punktdiagramm vs. Blasendiagramm: Wann welches Visual sinnvoll ist

Ein Blasendiagramm ist ein Punktdiagramm mit zusätzlicher dritter Dimension: Die Größe der Blase kodiert eine weitere Kennzahl (z. B. Umsatzvolumen). Das ist hilfreich, wenn „groß/klein“ entscheidungsrelevant ist.

• Punktdiagramm nutzen, wenn du eine klare Aussage zu zwei Kennzahlen willst und die Punkte gut unterscheidbar bleiben.
• Blasendiagramm nutzen, wenn eine dritte Kennzahl wirklich priorisiert (z. B. „große Kunden zuerst“).
• Wenn die Darstellung unruhig wird: erst Punktdiagramm sauber machen, dann optional zur Blase erweitern.

Typische Anwendungsfälle in Power BI Dashboards

Punktdiagramme sind besonders stark, wenn Teams sonst in Excel „zusammenklicken“ müssen, um Zusammenhänge zu prüfen.

• Vertrieb: Durchschnittspreis (X) vs. Absatz (Y), farblich nach Region oder Kanal – zeigt schnell, wo Preisstrategie nicht trägt.
• Controlling: Kostenabweichung (X) vs. Ergebnisbeitrag (Y) – macht Ausreißer sichtbar, die im Durchschnitt untergehen.
• Operations: Durchlaufzeit (X) vs. Fehlerquote (Y) – findet Prozesscluster statt Einzelwerte zu diskutieren.

Mini-Beispiel: Ein Produkt-Portfolio wird als Punktewolke gezeigt (X = Marge, Y = Umsatzwachstum). In einem Meeting klickt die Geschäftsführung auf die „schlechten“ Punkte (niedrige Marge, negatives Wachstum) und sieht per Cross-Highlighting sofort, welche Produktgruppen und Regionen das Problem treiben.

Schritt für Schritt: Punktdiagramm in Power BI Desktop erstellen

So baust du das Visual pragmatisch, ohne dich in Formatierung zu verlieren:

• Visual auswählen: In Power BI Desktop im Bereich „Visualisierungen“ das Punktdiagramm wählen.
• Felder befüllen: Eine Kennzahl auf die X-Achse, eine Kennzahl auf die Y-Achse. Dann ein Feld in „Details“ oder „Legend“ hinzufügen, damit Punkte nicht zu einer einzigen Markierung kollabieren (z. B. Produkt oder Kunde).
• Optional: Für ein Blasendiagramm zusätzlich eine Kennzahl in „Größe“ ziehen (z. B. Umsatz).

Danach: Slicer/Filter setzen (Zeitraum, Region, Produktgruppe), damit die Wolke nicht alles auf einmal zeigt. Ein Punktdiagramm ist am stärksten, wenn es eine konkrete Frage beantwortet.

Datenvorbereitung: Damit X und Y wirklich vergleichbar sind

Die häufigsten Fehler passieren nicht im Visual, sondern davor. Achte auf:

• Saubere numerische Werte: Datentypen korrekt, keine Textzahlen, keine Mischformate.
• Einheitliche Granularität: X und Y müssen zum gleichen Objekt passen (z. B. beide pro Produkt und Zeitraum).
• Nullen und Ausreißer bewusst behandeln: Null kann „keine Daten“ oder „echtes 0“ bedeuten; das verändert die Interpretation.

Wenn du aktuell viel manuell konsolidierst, lohnt sich der Schritt, die Datenbasis so aufzubauen, dass sie immer wiederverwendbar ist. Das spart später mehr Zeit als jede Visual-Optimierung.

Design-Tipps: Achsen, Skalierung, Farben, Punktgröße, Tooltips

Das Ziel ist Lesbarkeit, nicht Deko. Bewährt haben sich:

• Achsen-Skalierung: Starte mit sinnvoller Automatik, setze dann Min/Max, wenn Ausreißer alles „plattdrücken“. Log-Skalen nur, wenn Nutzer sie verstehen.
• Farben: Kategorien sparsam einsetzen. Lieber 3 klare Gruppen als 10 ähnliche Farben.
• Tooltips: Ergänze Kontext, der die Entscheidung ermöglicht (z. B. Umsatz, Marge, Stückzahl, Verantwortlicher). So muss niemand zurück in Tabellen.

Wenn du zum Blasendiagramm gehst: Punktgröße so wählen, dass Unterschiede erkennbar sind, aber kleine Punkte nicht verschwinden. Zu große Blasen machen das Visual unbrauchbar.

Interaktivität gezielt einsetzen (statt „alles klickbar“)

Der Nutzen von Power BI entsteht, wenn Nutzer vom Muster zur Ursache springen können.

• Cross-Filtering/Cross-Highlighting: Klick auf einen Cluster filtert andere Visuals (z. B. Tabelle, KPI-Kacheln, Zeitverlauf).
• Drilldown: Nutze Hierarchien (z. B. Region → Filiale → Kunde), wenn die Analyse vom Überblick in Details gehen soll.
• Report-Page-Tooltips: Eigene Tooltip-Seite bauen, wenn Standard-Tooltips nicht reichen (z. B. Mini-Kennzahlenkarte plus Trend).

Regel: Interaktivität ist dann gut, wenn sie eine typische Folgefrage im Alltag schneller beantwortet.

Aufwand, Voraussetzungen und ROI: realistisch eingeordnet

Ein Punktdiagramm ist schnell gebaut. Der echte Aufwand steckt in Auswahl der richtigen Kennzahlen und einer Datenbasis, der alle vertrauen. Der ROI kommt nicht aus dem Chart selbst, sondern aus weniger Excel-Nacharbeit, schnelleren Abstimmungen und klareren Entscheidungen im Meeting: Ausreißer werden in Minuten gefunden statt in Stunden gesucht.

Wann externe Unterstützung sinnvoll wird

Externe Hilfe lohnt sich, wenn das Visual zwar „irgendwie“ funktioniert, aber keine verlässlichen Entscheidungen ermöglicht.

• Die Zahlen sind inkonsistent (verschiedene Datenstände, unterschiedliche Logiken je Report) und niemand vertraut dem Ergebnis.
• Die Granularität passt nicht (z. B. X pro Kunde, Y pro Auftrag) und das Diagramm wird fachlich falsch interpretiert.
• Dashboards werden überladen, statt eine klare Analysefrage zu führen – Adoption bleibt aus.