Query Folding in Power BI meistern: Die Arbeit an Ihre Datenquelle übergeben

Von Mirko Peters · 2026-08-28

Bei der Arbeit mit Power BI gibt es wenig Frustrierenderes, als zuzusehen, wie eine Datenaktualisierung eine Ewigkeit dauert, oder schlimmer, wie sie komplett fehlschlägt, weil die Ressourcen ausgehen…

Automatisch mit KI aus dem Originalbeitrag übersetzt. Englisches Original lesen

Bei der Arbeit mit Power BI gibt es wenig Frustrierenderes, als zuzusehen, wie eine Datenaktualisierung eine Ewigkeit dauert, oder schlimmer, wie sie komplett fehlschlägt, weil die Ressourcen ausgehen. Wenn Sie Millionen von Zeilen aus einer entfernten SQL-Datenbank, einem unternehmensweiten Data Warehouse oder einem Cloud-Dienst abrufen, ist entscheidend, wie Sie Ihre Transformationen gestalten. Jeder Schritt in Power Query kann entweder effizient von dem leistungsstarken Server übernommen werden, auf dem Ihre Daten liegen, oder schwerfällig von Ihrem lokalen Rechner beziehungsweise dem Speicher-Engine des Power BI-Dienstes verarbeitet werden. Genau hier kommt die Magie des Query Folding ins Spiel.

In diesem Beitrag gehen wir detailliert auf Query Folding ein: wie es Datentransformationen optimiert, welche praktischen Techniken sicherstellen, dass Ihre Schritte korrekt gefaltet werden, welche typischen Fallstricke die Faltungskette unterbrechen und wie Sie die Effizienz Ihrer gesamten Berichtsaktualisierung deutlich verbessern. Verlagern wir die Arbeit dorthin, wo sie hingehört: in die Datenquelle.

Einführung in Query Folding

Im Kern ist Query Folding der Mechanismus, mit dem Power Query die Transformationsschritte, die Sie in der Benutzeroberfläche erstellen, in eine native Abfragesprache übersetzt, typischerweise SQL, und diese Abfrage zur Ausführung an Ihre Quelldatenbank zurückschickt. Anstatt jede einzelne Zeile, Tabelle und Spalte in den Speicher von Power BI herunterzuladen und dort zu filtern, zu gruppieren oder zu verknüpfen, lässt Power BI die Quelldatenbank die schwere Arbeit erledigen.

Stellen Sie es sich vor wie einen Einkauf im Supermarkt. Wenn Sie in ein riesiges Lager gehen, jeden Artikel im Laden einpacken, alles an Ihren Küchentisch bringen und anschließend 90 % davon wegwerfen, weil sie abgelaufen sind oder nicht gebraucht werden, verschwenden Sie enorm viel Zeit und Energie. Genau das passiert ohne Query Folding. Mit aktiviertem Query Folding geben Sie dem Lagermitarbeiter eine präzise Liste: „Gib mir nur die Äpfel, die mehr als ein halbes Kilo wiegen, nach Farbe gruppiert.“ Der Mitarbeiter sortiert im Lager und reicht Ihnen eine kleine Kiste mit genau dem, was Sie angefordert haben. Ihre Küche bleibt sauber, und Sie sind mit dem Kochen deutlich schneller fertig.

Wie Query Folding Datentransformationen optimiert

Query Folding ist der Eckpfeiler einer skalierbaren Power BI-Architektur. Wenn es richtig umgesetzt wird, reduziert es die Datenübertragung über das Netzwerk erheblich, senkt den Speicherbedarf während der Aktualisierung deutlich und beschleunigt Ihren Entwicklungsprozess.

Wenn Sie Transformationen wie das Filtern von Zeilen, das Entfernen von Spalten, das Sortieren oder einfache Aggregationen früh in Ihren angewendeten Schritten von Power Query einsetzen, prüft der jeweilige Connector, ob die Datenquelle diesen Vorgang nativ verarbeiten kann. Ist das der Fall, werden diese Schritte zu einer einzigen, stark optimierten Abfrage zusammengefasst und an die Quelle gesendet. Die Datenbank-Engine führt sie anhand vorhandener Indizes aus, sodass sie Millionen von Zeilen in Millisekunden durchsuchen kann.

Bricht das Query Folding hingegen ab, muss Power BI den gesamten unkomprimierten, ungefilterten Datensatz über das Netzwerk in die Auswertungs-Engine von Power Query (Mashup-Engine) laden. Sobald die Daten lokal vorliegen, wendet Power BI Ihre Filter und Transformationen mit lokaler CPU und lokalem RAM an. Bei großen Unternehmensdatensätzen ist das ein Rezept für Gateway-Timeouts, Speicherfehler (Out of Memory) und träge Berichte.

Praktische Techniken, damit Schritte korrekt gefaltet werden

Nicht alle Power Query-Schritte sind gleich, und nicht alle Datenquellen unterstützen Query Folding. Relationale Datenbanken wie SQL Server, Oracle und PostgreSQL bieten robuste Faltungsfunktionen, während Dateien wie CSV-Dateien oder Excel-Arbeitsmappen nicht auf dieselbe Weise falten, da ihnen ein nativer Abfrageprozessor fehlt.

Damit Ihre Schritte erfolgreich gefaltet werden, müssen Sie die angewendeten Schritte in einer bestimmten Reihenfolge aufbauen und auf die verwendeten Funktionen achten. Hier sind praktische Techniken, mit denen Ihre Abfragen gefaltet bleiben:

• Frühzeitig filtern: Wenden Sie Zeilenfilter (zum Beispiel nur die letzten drei Jahre an Daten behalten oder nach aktivem Status filtern) möglichst früh in Ihren angewendeten Schritten an. Je früher Sie den Datensatz einschränken, desto effizienter wird die anschließende SQL-Übersetzung.
• Unnötige Spalten sofort entfernen: Wenn Sie nicht benötigte Spalten früh im Prozess verwerfen, muss die Datenquelle keine Ressourcen mehr für das Serialisieren und Übertragen von Daten aufwenden, die Sie gar nicht brauchen.
• Unterstützte Transformationen verstehen: Vorgänge wie das Entfernen und Umbenennen von Spalten, das Zusammenführen von Tabellen (unter bestimmten Bedingungen), das Anfügen sowie einfache bedingte Spalten lassen sich in der Regel gut falten. Komplexe benutzerdefinierte Formeln, Textbearbeitungen mit Indexsuchen und programmierintensive benutzerdefinierte Spalten unterbrechen dagegen häufig die Faltungskette.
• Die Option „Native Abfrage anzeigen“ prüfen: Klicken Sie im Power Query-Editor mit der rechten Maustaste auf einen angewendeten Schritt. Ist die Option „Native Abfrage anzeigen“ aktiviert und anklickbar, ist Ihre Abfrage bis zu diesem Schritt erfolgreich gefaltet. Ist sie ausgegraut, ist die Faltung in diesem oder einem vorherigen Schritt unterbrochen.

Häufige Fallstricke, die die Abfragefaltung unterbrechen

Besonders heikel an der Abfragefaltung ist, dass sie fragil ist. Ein einziger harmloser Transformationsschritt an der falschen Stelle kann die Faltungskette vollständig trennen. Dann werden alle nachfolgenden Schritte lokal ausgeführt, obwohl die Datenbank sie problemlos übernehmen könnte.

Schauen wir uns einige der häufigsten Fehler an, die die Abfragefaltung unterbrechen:

1. Natives SQL einfügen und danach transformieren: Wenn Sie direkt am Anfang des Datenquellenschritts eine native SQL-Abfrage schreiben, behandelt Power Query das Ergebnis als Blackbox. Anschließend über die Power Query-Oberfläche hinzugefügte Transformationen lassen sich meist nicht falten, weil Power Query UI-Schritte nicht zuverlässig in einen benutzerdefinierten SQL-Block einfügen kann.
2. Typkonvertierungen zu früh oder in falscher Reihenfolge: Das Ändern von Datentypen ist wichtig, doch wenn Sie es vor dem Filtern oder vor Vorgängen ausführen, die mit den Typisierungsregeln der Datenbank kollidieren, kann die Faltung scheitern. Wenn Sie etwa eine numerische Spalte in Text umwandeln und danach einen numerischen Bereichsfilter darauf anwenden, kann die Datenbank die Abfrage nicht mehr optimieren.
3. Indexspalten hinzufügen oder mit Zeilennummern arbeiten: Funktionen, die auf der Zeilenposition beruhen, etwa „Indexspalte hinzufügen“, oder Vorgänge, die über einen absoluten Index auf umliegende Zeilen zugreifen, erfordern, dass der gesamte Datensatz zur Bestimmung der Positionen in den Speicher geladen wird. Dadurch wird die Abfragefaltung sofort gestoppt.
4. Datenquellen mischen: Wenn Sie eine Tabelle aus einer SQL-Datenbank mit einer Tabelle aus einer Excel-Datei zusammenführen, endet die Faltung an der Stelle, an der beide Quellen interagieren, da Excel SQL-Abfragen nicht nativ verarbeiten kann.

Die Aktualisierungseffizienz von Power BI verbessern

Wenn Sie die Abfragefaltung beherrschen, wirkt sich das auf Ihre gesamte Datenarchitektur aus. Aktualisierungszeiten von Berichten, die früher Stunden dauerten, können auf Minuten oder sogar Sekunden sinken. Diese Effizienz spart nicht nur Rechenressourcen auf Ihren Cloud-Gateways oder Servern, sondern beschleunigt auch die Entwicklung.

Um die Aktualisierungseffizienz zu maximieren, kombinieren Sie die Abfragefaltung mit weiteren grundlegenden Best Practices für die Modellierung. Achten Sie beispielsweise darauf, dass Ihre Datenbanktabellen für Spalten, nach denen Sie häufig filtern oder die Sie häufig verknüpfen, passende Indizes besitzen. Fehlen Indizes in Ihren SQL-Tabellen, führt selbst eine gefaltete Abfrage dazu, dass die Datenbank-Engine aufwendige Tabellenscans durchführt. Kombinieren Sie die Abfragefaltung außerdem mit einem sauberen Sternschema, entfernen Sie redundante Spalten und implementieren Sie inkrementelle Aktualisierungsrichtlinien für umfangreiche historische Datenbestände.

Überwachung und Fehlerbehebung bei Power BI-Abfragen

Was Sie nicht messen, können Sie nicht beheben. Bei langsamen Aktualisierungen oder unerwarteten Abfragefehlern brauchen Sie einen systematischen Ansatz, um den Engpass zu finden. Nutzen Sie zunächst das Diagnosetool für Power Query in Power BI Desktop. Diese Funktion zeichnet die Ausführungszeiten einzelner Schritte auf und zeigt genau, wie lange die einzelnen Transformationen dauern und ob Daten remote abgerufen oder lokal verarbeitet werden.

Überwachen Sie außerdem Ihre Gateway-Protokolle und Datenbankprofiler (etwa SQL Server Profiler oder Erweiterte Ereignisse), um die tatsächlich von Power BI an Ihre Datenquelle gesendeten Abfragen zu beobachten. Wenn Sie umfangreiche SELECT-Anweisungen sehen, die rohe, ungefilterte Tabellen abrufen, statt gezielter Abfragen mit WHERE- und GROUP BY-Klauseln, wissen Sie sofort, dass die Abfragefaltung an irgendeiner Stelle Ihrer angewendeten Schritte fehlgeschlagen ist.

Wenn Sie einen umfassenden Überblick über die Ausführungsreihenfolge, typische Fallstricke im Betrieb und fortgeschrittene Optimierungsabläufe möchten, hören Sie sich unbedingt die zugehörige Podcast-Episode an und lesen Sie die Notizen zu Power Query Folding and Execution Order in Power BI. Wer die zugrunde liegende Reihenfolge der Verarbeitungsschritte versteht, kann jedes Mal robuste und blitzschnelle Modelle erstellen.

Fazit

Query Folding zu beherrschen gehört zu den wirkungsvollsten Fähigkeiten, die ein Power BI-Entwickler erwerben kann. Indem Sie die Berechnungslast vom lokalen Rechner oder vom Power BI-Dienst auf die leistungsstarken, hoch optimierten Engines Ihrer Datenquellen verlagern, beseitigen Sie Performance-Engpässe, reduzieren Netzwerkstaus und sorgen dafür, dass Ihre Berichtsaktualisierungen zuverlässig und reibungslos laufen. Wenn Sie Ihre Schrittfolge bewusst gestalten, Ihre nativen Abfragen regelmäßig überprüfen und typische Stolperfallen wie verfrühte Indizierung oder die Kombination inkompatibler Quellen vermeiden, schöpfen Sie das volle Potenzial Ihrer Business-Intelligence-Umgebung aus.

Um diese Konzepte zu vertiefen und eine detaillierte Erläuterung zu hören, wie sich die Ausführungsreihenfolge von Abfragen auf die Performance Ihres Arbeitsbereichs auswirkt, hören Sie sich die vollständige Diskussion in der Podcast-Episode Power Query Folding and Execution Order in Power BI an. Setzen Sie diese Strategien noch heute um und erleben Sie, wie sich die Performance Ihrer Berichte zum Besseren verändert!