Das heutige Thema ist etwas, von dem fast jeder, der mit Power BI arbeitet, schon einmal gehört hat, das aber kaum jemand wirklich erklären kann. Was genau ist DAX? Sind es nur Excel-Formeln in Power BI oder ist es etwas völlig anderes? Die Sache ist die, die meisten denken, DAX seien im Grunde Excel-Formeln unter anderem Namen, aber das stimmt nicht. DAX ist eine völlig andere Art, über Berechnungen nachzudenken. Wer versucht es, wie Excel zu behandeln, wird frustriert und verwirrt sein und sich fragen, warum die Zahlen nicht stimmen. Am Ende dieser Folge wissen Sie, was DAX wirklich ist, warum es wichtig ist und welche Kernkonzepte Sie brauchen, um es sicher einzusetzen. Schnappen Sie sich Ihren Kaffee, legen wir los. Was genau ist DAX? DAX steht für Data Analysis Expressions und ist die Formelsprache, die in Power BI, Power Pivot in Excel und SQL Server Analysis Services verwendet wird. Denn sie ist sich wie den Motor vor der Ehreberechnung im Hintergrund antreibt. DAX ist nicht neu. Es gibt es schon seit Excel Power Pivot vor über einem Jahrzehnt eingeführt wurde. Doch mit Power BI ist es zur Standardsprache für jeden geworden, der Datenanalyse ernst nimmt. Und das ist, was es so anders macht. In Excel schreiben Sie Formeln, die mit einzelnen Zellen arbeiten. Man verweist auf A1, multipliziert mit B1 oder hält ein Ergebnis für eine Zelle. DAX funktioniert nicht so. Es arbeitet mit ganzen Tabellen und Spalten gleichzeitig. Sie berechnen nicht eine Zelle nach der anderen. Stattdessen sagen Sie der Engine, nimm diese ganze Spalte mit Zahlen, summiere sie auf oder filtere diese gesamte Tabelle basierend auf dieser Bedingung. Wie kann man sich das vorstellen? Stellen Sie sich vor, Sie bauen ein Bürogebäude. Power BI gibt Ihnen die Struktur, die Etagen, Wände und Räume. Das ist Ihr Datenmodell. DAX ist die Verkabelung, die Wasserleitung. Es ist das, was erlaufen bringt. Ohne DAX haben Sie ein Gebäude, das hübsch aussieht, aber weder Strom noch fließendes Wasser hat. Damit geht das Licht an, die Wasserhähne funktionieren und Ihre Berichte reagieren, wenn jemand ein Slicer anklickt. Diese Reaktionsfähigkeit ist der springende Punkt. DAX ermöglicht Berechnungen, die automatisch auf Filter und Interaktion reagieren. Erstellen Sie ein Measure und es zeigt die richtige Zahl an, egal ob jemand die Gesamtumsätze nach Region, Produkt oder Monat betrachtet. Es funktioniert einfach. Um es jedoch gut nutzen zu können, müssen Sie die beiden Hauptdaten der Arbeit mit DAX verstehen. Lassen Sie uns diese Aufschlüsse. Die zwei Welten. Berechnete Spalten versus Measures. Heute sprechen wir über zwei Bausteine in DAX, berechnete Spalten und Measures. Die meisten Leute denken, sie seien dasselbe. Sind sie nicht. Diese zu verwechseln, ist einer der häufigsten Fehler, die ich sehe. Eine berechnete Spalte ist statt. Sie fügt Ihrer Tabelle eine neue Spalt hinzu. Sie wird bei einer Aktualisierung befüllt und bleibt dann so. Sie ändert sich nicht bis zur nächsten Aktualisierung. Hier ist die einfachste Art, darüber nachzudenken. Stellen Sie sich einen Aktenschrank vor. Sie legen ein Blatt Papier in einen Ordner. Auf diesem Papier steht der vollständige Name des Kunden. Es spielt keine Rolle, ob Sie heute oder nächste Woche in die Akte schauen. Der Name steht immer noch dort. Das ist eine berechnete Spalte. Ein Measure ist völlig anders. Es befindet sich nicht in der Tabette. Es lebt im Arbeitsspeicher Ihres Berichts. Jedes Mal, wenn jemand filtert, einen Slicer verwendet oder einen Visual anklickt, wird das Measure aktiv und berechnet neu. Warum ist das wichtig? Wenn ein Benutzer einen Slicer für die Region Nord-Ost anklickt, berechnet sich ein Measure sofort neu. Eine berechnete Spalte ignoriert den Slice. Das muss ich auch. Sieh statisch. Hier ist die einfache Regel. Wenn sich die Zahl ändern muss, wenn jemand eine Schaltfläche klickt, verwenden Sie einen Measure. Wenn sie immer gleich bleibt, ist eine berechnete Spalte in Ordnung. Der Gesamtumsatz sollte immer ein Measure sein. Wenn jemand nach Region oder Monat filtert, muss sich der Gesamtwert aktualisieren. Der vollständige Kundennamen ist eine Spalt. Er ändert sich nie. Ein Slice hat keinen Einfluss daran. Hier geraten die meisten Anfänger durcheinander. Sie erstellen für alles berechnete Spalten. Das fühlt sich natürlich an, weil Excel so funktioniert. Aber die übermäßige Nutzung von Spalten bläht ihr Modell. Ihre Berichte werden langsam. Berechnete Spalten erzeugen statische Zahlen, die ihre Benutzer ignorieren. Measures sind fast immer die bessere Wahl. Sie sind dynamisch. Sie reagieren. Sobald Sie diesen Unterschied verstehen, sind Sie bereit für die echte Magie von DAX. Diese Magie nennt sich Filterkontext. Die große Idee Filterkontext. Okay, wir haben unsere beiden Bausteine. Lassen Sie uns nun über die Entente sprechen. Jede Zahl, die Sie in einem Power BI-Bericht sehen, wird innerhalb des sogenannten Filterkontexts berechnet. Es klingt kompliziert, ist aber einfach. Der Filterkontext ist nur eine Menge von Filtern, die in diesem genauen Moment aktiv sind. Woher kommen diese Filter? Sie kommen von den Slicern auf Ihrer Seite. Sie kommen von dem Visual, das Sie angeklickt haben. Sie kommen von der Seite selbst. Sogar die Zeile, die Sie gerade betrachten, erzeugt einen Filterkontext. Hier ist der Grund, warum Sie das interessieren sollten. Wenn Sie ein Measure wie den Gesamtumsatz schreiben, sagen Sie ihm nicht, dass es die Region Nordost im dritten Quartal betrachten soll. Sie sagen, ihm lediglich, es soll die Umsatzspalte summen. Das ist alles. Das Measure kennt keine Regionen, es kennt keine Quartale, es summiert einfach alle Zeilen, die gerade sichtbar sind. Äh, der Filterkontext entscheidet, was sichtbar ist. Stellen Sie sich einen Scheinwerfer vor. Ihr gesamter Datensatz ist der Raum. Der Filterkontext ist der Scheinwerfer. Das Measure ist eine Kamera, die genau das fotografiert, was vom Licht getroffen wird. Bewegen Sie den Scheinwerfer auf die Region Nordost. Das Measure berechnet sich neu. Bewegen Sie ihn auf Q3, es berechnet sich erneut. Die haben die Formel nicht geändert. Der Kontext hat sich geändert. Das verwirrt die meisten Leute. Sie schreiben einen Measure. Sieht in einem Visual richtig aus, dann setzen Sie es in eine Matrix mit anderen Filtern und die Zahl ändert sich. Sie denken, etwas ist kaputt. Es ist nicht kaputt. Genau das soll ein Measure tun. Es ist dynamisch. Das ist die wahre Stärke. Sie schreiben eine Formel und sie funktioniert für jede mögliche Filterkombination in Ihrem gesamten Bericht. Eine Formel unendliche Antworten. Aber Sie müssen vorsichtig sein. Wenn Sie nicht wissen, welche Filter aktiv sind, werden Sie Ihre Zahl nicht verstehen. Sie müssen den Scheinwerfer verfolgen. Machen Sie sich mit dem Filterkontext vertraut und Sie erschließen die wahre Macht von DAX. Und das bringt uns zum Star der Show der Calculate-Funktion, der wichtigsten Funktion überhaupt Calculate. Wir kommen zurück. Der heutige Wissenshatten dreht sich um die wichtigste Funktion in DAX. Sie heißt Calculate. Wenn Sie nur eine Funktion beherrschen, dann diese. Mit Calculate können Sie den Filterkontext steuern, anstatt einfach alle aktiven Filter zu akzeptieren. So funktionieren normale Measures. Wenn Sie ein Measure schreiben, berücksichtigt es automatisch den aktuellen Filterkontext. Wenn jemand 2024 in einem Slicer auswählt, zeigt der Measure die Zahlen für 2024. Wenn er die Region Nordost wählt, zeigt es die Zahlen für Nordost. Das Measure reagiert auf alle aktiven Filter, ohne dass zusätzliche Arbeit nötig ist. Das ist das Standardverhalten. Aber was, wenn Sie eine Zahl brauchen, die die aktuellen Filter ignoriert? Vielleicht möchten Sie den Gesamtumsatz aller Regionen direkt neben dem Umsatz der ausgewählten Region sehen. Oder Sie benötigen den Vorjahresumsatz, während jemand das aktuelle Jahr betrachtet. In diesen Fällen können Sie sich nicht auf den Standardkontext verlassen. Sie müssen ihn modifizieren. Genau das macht Calculate. Calculate funktioniert, indem es den Filterkontext vorübergehend ändert. Sie geben einen zu berechnenden Ausdruck an und dann ein oder mehrere anzuwendende Filter. Es ändert den Kontext, führt die Berechnung aus und gibt das Ergebnis zurück. Der ursprüngliche Filterkontext bleibt unter. Es ist magisch, oder? Die Syntax ist einfach. Sie schreiben Calculate, Ausdruck, Filter 1, Filter 2. Der Ausdruck ist normalerweise ein Measure, das Sie bereits erstellt haben. Filter sind die Bedingungen, die Sie anwenden möchten. Sie können beliebig viele Filter hinzufügen. Lassen Sie uns das in der Praxis sehen. Angenommen, Sie haben einen Maßnahmen im Gesamtumsatz. Es zeigt den Umsatz für den ausgewählten Zeitraum an. Um den Umsatz für den gleichen Zeitraum des Vorjahres anzuzeigen, schreiben Sie Calculate Gesamtumsatz, Same Period, Last Year, Kalender, Datum. Mehr ist nicht nötig. Calculate nimmt Ihr vorhandenes Maß und verschiebt den Datumskontext um ein Jahr zurück. Sie erhalten den gewünschten Vergleich in einer einzigen Zeile. Ohne Calculate sind Sie auf den vorhandenen Filterkontext angewiesen. Mit Calculate können Sie Filter überschreiben, neu hinzufügen oder bestehende entfernen. Sie können den Gesamtumsatz für alle Produkte abrufen, selbst wenn jemand nach einer bestimmten Kategorie filtert. Sie können den Umsatz des letzten Monats abrufen, während der Bericht den aktuellen Monat anzeigt. Sie haben die volle Kontrolle. Etwa 80% des fortgeschrittenen DAGs basieren auf Calculate. Zeitintelligenz, dynamische Vergleiche, benutzerdefinierte Aggregationen, laufende Summe Sie. Alle nutzen im Hintergrund Calculate. Wenn Sie sich mit dieser einzigen Funktion vertraut machen, erhalten Sie enorme Kontrolle über Ihre Berichte. Aber Calculate arbeitet auf Filterebene. Was ist mit zeilenweiser Logik innerhalb eines Maßes? Dafür gibt es eine andere Gruppe von Funktionen. Literaturfunktionen, wenn Sie zeilenweise denken müssen. Calculate handhabt Änderungen auf Filterebene hervorragend, aber manchmal müssen Sie in eine Tabelle gehen und innerhalb eines Maßes Berechnungen für jede Zeile einzeln durchführen. Die einfache Summfunktion kann das nicht. Sie benötigen etwas, das die Tabelle Zeile für Zeile durchläuft. Hier ist eine häufige Situation. Sie haben eine Verkaufstabelle mit Menge- und Einzelpreisen separaten Spalten. Sie möchten ein Maß, das den Gesamtumsatz anzeigt. Sie können nicht einfach irgendeine Menge mit irgendeinem Einzelpreis multiplizieren. Das würde die Gesamtsumme multiplizieren, nicht die einzelnen Zeilen. Sie müssen die Menge jeder Zeile mit ihrem Einzelpreis multiplizieren und dann alle diese Ergebnisse addieren. Das ist zeilenweise Mathematik. Dafür sind Iteratorfunktionen geworden. Es sind die Funktionen, die auf X enden. Summ X, Average X, Count X, Min X, Max X. Das X steht für Expressions Ausdruck. Diese Funktionen nehmen eine Tabelle, gehen jede einzelne Zeile durch, führen eine Berechnung für jede Zeile aus und aggregieren die Ergebnisse dann zu einem einzigen Wert. Für das Umsatzbeispiel schreiben Sie Summ X, Verkäufe, Verkaufsmenge, Verkaufspreis. Das erste Argument ist die Tabelle, über die iteriert werden soll. Das zweite Argument ist der Ausdruck, der für jede Zeile ausgewertet werden soll. Summ X geht Zeile für Zeile vor, multipliziert Menge mit Preis und summiert alles auf. Ein einziges Maß liefert Ihnen den korrekten Gesamtumsatz, einfach und direkt. Verwenden Sie Iteratoren immer dann, wenn Ihre Berechnung mehrere Spalten derselben Zeile umfasst. Gewinn pro Position, rabattierte Preise, gewichtete Ergebnisse. Immer wenn die Berechnung eine zeilenweise Logik innerhalb eines Measures erfordert, ist ein Iterator Ihr Werkzeug. Doch Iteratoren haben Ihren Preis bei der Performung. Sie durchlaufen jede Zeile. Wenn Sie sie also zu häufig auf Tabellen mit Millionen von Zeilen anwenden, können Ihre Berichte extrem langsam werden. Die einfache Regellaute verwenden Sie einen Iterator nur, wenn Sie tatsächlich eine zeilenweise Logik benötigen. Wenn eine einfache Summe oder ein Durchschnitt das richtige Ergebnis liefert, nutzen Sie stattdessen. Ihre Berichte werden es Ihnen dann. Ein weiterer Tipp. Manchmal ist eine berechnete Spalte zusammen mit einer einfachen Summe schneller als der Summe X. Wenn Sie eine berechnete Spalte erstellen, die die zahlenbasierte Berechnung einmalig bei der Aktualisierung durchführt und dann eine normale Summe auf diese Spalte anwenden, sparen Sie sich die Kosten des Iterators bei jedem Aufruf des Berichts. Testen Sie beide Ansätze mit Ihren eigenen Daten. Die schnellste Option hängt von Ihrer Modellgröße und der Häufigkeit der Datenänderung ab. Wählen Sie bitte. Zeitintelligenz leicht gemacht. Lassen Sie uns nun über eine der am häufigsten angefragten Funktionen in Power BI sprechen, den Vergleich von Zeiträumen. Wie sind die Umsätze diesen Monat im Vergleich zum letzten Monat? Wie steht das aktuelle Jahr im Vergleich zum Vorjahr da? Diese Fragen tauchen in fast jedem Geschäftsbericht auf und DAX hat Funktionen, die genau dafür entwickelt wurden. Zeitintelligenzfunktionen verarbeiten Jahressummen, den gleichen Zeitraum des Vorjahres, gleitende Durchschnitte und monatliche Veränderungen. Sie sind Teil von DAX, sodass Sie keine komplexe Filterlogik von Grund auf neu schreiben müssen. Aber hier ist der Haken. Zeitintelligenzfunktionen benötigen eine richtige Datumstabelle, nicht einfach nur eine Datumspalte aus Ihrer Fakten-Tabelle. Sie benötigen eine separate Tabelle mit einer Zeile pro Tag, die den gesamten Zeitraum lückenlos abdeckt und in Ihrem Modell als Datumstabelle markiert ist. Überspringen Sie diesen Schritt, funktionieren die Funktionen einfach nicht. Sobald die Datumstabelle eingerichtet ist, sind die nützlichsten Funktionen Total UTD, Same Period Last Year, Date Add und Dates Between. Total UTD ist die einfachste davon. Sie schreiben Total UTD, Gesamtumsatz, Kalenderdatum. Und Sie erhalten eine laufende Summe vom Jahresbeginn bis zum jeweils im Kontext stehenden Datum. Fügen Sie sie einem Liniendiagramm nach Monaten hinzu und Sie sehen, wie die kumulierte Summe im Laufe des Jahres wird. Same Period Last Year macht genau das, wonach es klingt. Es verschiebt den Datumskontext um ein Jahr zurück. Sie kombinieren es wie folgt mit Calculate. Calculate Gesamtumsatz, Same Period Last Year, Kalenderdatum. Nun stehen die Umsätze des Vorjahres direkt neben den Zahlen des aktuellen Jahres für einen einfachen Vergleich. Date Add und Dates sogar noch flexibel. Es ermöglicht Ihnen Verschiebungen um Tage, Monate, Quartale oder Jahre. Sie können dieses Quartal mit demselben Quartal vor zwei Jahren vergleichen oder die Zahlen des letzten Monats durch minus einem Monat sehen. Es ist der Schweizer Taschenmesser für Zeitverschiebung. Der häufigste Fehler ist, die Datumstabelle nicht als solche zu markieren. Sie können eine perfekte Datumstabelle mit jedem Tag von 2020 bis 2030 haben, aber wenn Sie sie im Modell nicht als Datumstabelle markieren, liefern die Funktion Fehler oder leere Werte. Es ist eine einfache Einstellung. Rechtsklick auf die Tabelle als Datumstabelle markieren wählen und die Datumspalte aus. Einmal gemacht funktioniert alles reibungslos. Ein weiterer Fehler ist die Verwendung von Zeitintelligenzfunktionen auf einer Datumsspalte innerhalb der Faktentabelle anstelle einer dedizierten Datumstabelle. Die Funktionen erwarten einen lückenlosen Datumsbereich und Faktentabellen haben diesen fast nie. Erstellen Sie also eine richtige Datumstabelle, markieren Sie diese und Ihre Zeitintelligenz wird einwandfrei funktionieren. Häufige Anfängerfehler. Selbst mit den richtigen Funktionen tappen Anfänger oft und verbreitete Fallen. Zeige Ihnen die wichtigsten, damit Sie sie von Anfang an vermeiden können. Die Hauptquelle für Fehler in DAX ist die Verwechslung von Zeilenkontext und Filterkontext. Wir sprachen bereits darüber, wie berechnete Spalten einen Zeilenkontext erstellen und jede Zeile einzeln auswerten, während Kennzahlen einen Filterkontext basierend auf aktiven Filtern nutzen. Anfänger schreiben oft eine Kennzahl, als ob sie Zugriff auf einzelne Zeilen hätte und wundern sich dann über falsche Ergebnisse. Wenn Ihre Kennzahl einzelne Zeilen sehen muss, verwenden Sie eine Iteratorfunktion. Wenn nicht, halten Sie es einfach. Der zweite große Fehler ist die Verwendung berechneter Spalten, wenn eine Kennzahl ausrechnet. Berechnete Spalten wirken vertraut, da man die Werte in der Tabelle sieht, aber jede berechnete Spalte macht das Modell größer und die Aktualisierung langsamer. Fragen Sie sich vor dem Hinzufügen, muss sich dieser Wert ändern, wenn jemand den Bericht filtert? Falls ja, sollte es eine Kennzahl sein. Eine weitere Falle ist das Ignorieren des Datenmodells selbst. DAX funktioniert nicht isoliert. Es ist von den Beziehungen zwischen Ihren Tabellen abhängig. Wenn Ihr Modell schwache Beziehungen, falsche Kardinalität oder fehlende Joint-Schlüssel hat, werden Ihre DAX-Formeln stillschweigend versagen. Sie erhalten Zahlen, die plausibel aussehen, aber tatsächlich falsch sind. Die Lösung ist nicht besseres DAX. Reparieren Sie zuerst Ihr Modell. Dann gibt es noch den Missbrauch von Calculate. Anfänger fügen mehrere Filter in Calculate hinzu, ohne zu merken, dass diese sich gegenseitig aufheben könnten. Zum Beispiel kollidiert ein Filter für Verkäufe 2024 mit einem für Verkäufe aus dem letzten Jahr und das Ergebnis ist nicht das Erwartete. Jeder Filter innerhalb von Calculate sollte einen klaren Zweck. Wenn Sie sich unsicher sind, testen Sie ihn zuerst isoliert. Ein weiterer häufiger Fehler ist, keine Variablen zu verwenden. Mit VAA deklarierte Variablen erlauben es, Zwischenergebnisse zu speichern und später in derselben Kennzahl wieder zu verwenden. Ohne sie wiederholen Sie dieselbe Berechnung mehrfach in einer Formel, was den Code schwerer lesbar, fehleranfälliger und langsamer macht. Gewöhnen Sie sich an, VAA frühzeitig zu nutzen. Das erspart Ihnen stundenlangen Frust. Und schließlich überprüfen Sie Ihre Kennzahlen immer in verschiedenen Kontexten. Eine Kennzahl, die in einer Karte perfekt funktioniert, kann in einer Matrix-Summe fehlschlagen. Das liegt daran, dass die Ergebniszahl in einem anderen Filterkontext ausgewertet wird, als die Detailzeilen. Testen Sie Ihre Kennzahlen in Tabellen, Karten, Matrizen und mit verschiedenen Slicer-Kombinationen. Wenn eine Kennzahl in all diesen Szenarien besteht, wissen Sie, dass sie solide ist. Alles zusammenfügen. Gut, lassen Sie uns ein echtes Beispiel durchgehen, das alles zusammenführt. Stellen Sie sich vor, Sie erstellen einen Verkaufsbericht und müssen drei Zahlen anzeigen. Gesamtumsatz für diesen Zeitraum, Gesamtumsatz für denselben Zeitraum des Vorjahres und den prozentualen Zuwachs dazwischen. Das Erste, was Sie brauchen, ist eine saubere Datumstabelle. Gehen Sie in Ihr Modell und erstellen Sie eine Datumstabelle, die den gesamten Zeitraum abdeckt. Eine Zeile pro Tag ohne Lücken. Klicken Sie damit der rechten Maustaste darauf, wählen Sie als Datumstabelle markieren und wählen Sie die Datumsspalte. Tun Sie dies einmal und jede Zeitintelligenzfunktion, die Sie danach schreiben, wird einfach funktionieren. Schreiben Sie als nächstes Ihre Basis-Kennzahl. Nennen Sie sie Gesamtumsatz und geben Sie Gesamtumsatzbetrag ein. Umsatzbetrag. Das ist das Fundament, auf dem jede weitere Berechnung auf dieser eine einfachen Zeile aufbaut. Dann schreiben Sie die Kennzahl für das Vorjahr. Verwenden Sie Calculate mit Same Period Last Year. Es sieht so aus. Vorjahresumsatz, ich sage ich Calculate, Gesamtumsatz, äh, Same Period Last Year, Kalenderdatum. Jetzt haben Sie das aktuelle Jahr direkt neben dem Vorjahr stehen. Nun zur Wachstumsrate im Prozent. Verwenden Sie Divide, um Fälle zu behandeln, in denen der Umsatz des Vorjahres Null sein könnte. Und das wird vorkommen. Schreiben Sie es so. Wachstumprozent, ich gleich Divide. Gesamtumsatz, Vorjahresumsatz, Vorjahresumsatz. Divide gibt sicher einen Leerwert anstelle eines Fehlers zurück, wenn der Nenner Null ist. Das ist der intelligente Weg, um Abstürze zu vermeiden. Jetzt haben Sie drei wiederverwendbare Kennzeilen, die mit jedem Filter funktionieren, den Sie anwenden. Ziehen Sie sie in eine Tabelle nach Produkt, Region oder Monat. Sie werden jedes Mal korrekt reagieren. Das ist der ganze Punkt. Bauen Sie auf einem sauberen Modell auf, beherrschen Sie eine Handvoll Kernfunktionen und der Rest ergibt sich von selbst. Versuchen Sie also nicht, am ersten Tag komplexes DAX zu schreiben. Bringen Sie zuerst Ihr Modell in Ordnung. Lernen Sie die Grundlagen Measures, Filterkontext und Calculate kennen. Und Sie lösen die meisten geschäftlichen Probleme mit nur wenigen Zeilen Code. Hier sind wir also angekommen. Sie wissen nun, was DAX ist, warum Filterkontext wichtig ist und wie Calculate- und Iteratorfunktionen funktionieren. Sie haben die üblichen Pfeilen gesehen und gelernt, wie man sie umgeht. Und wir sind ein reales Beispiel durchgegangen, das alles miteinander verbindet. Die wahre Stärke von DAX liegt nicht darin, 100 Funktionen auswendig zu lernen, sondern in sauberer Datenmodellierung und ein paar Kernmustern. Wenn das Modell stimmt, wird das DAX fast offensichtlich. Hier ist mein Vorschlag für Sie. Öffnen Sie Power BI. Erstellen Sie ein einfaches Modell mit einer Datumstabelle, einer Verkaufstabelle und einer Produktabelle. Schreiben Sie dann eine Woche lang jeden Tag ein Measure. Beginnen Sie mit dem Gesamtumsatz, fügen Sie den Vorjahresumsatz und das Wachstum ein Prozent hinzu und versuchen Sie dann eine laufende Summe. Am Ende der Woche werden Sie Measures schreiben, ohne darüber nachzudenken. So macht es Klick. Wenn diese Folge hilfreich war, abonnieren Sie und bauen Sie Ihr Wissen weiter aus. Beim nächsten Mal sprechen wir über das Debugging von DAX, wenn Dinge schief gehen, denn das werden Sie. Und zu wissen, wie man sie behebt, ist die halbe Miete. Bis zum nächsten Mal.