In meinem letzten Artikel ging es darum, Copilot in Power BI überhaupt ans Laufen zu bringen – Fabric-Kapazität, Admin-Portal, die richtigen Schalter. Ist das erledigt, kommt in meinen Workshops sofort die nächste, deutlich praktischere Frage: Was mache ich jetzt eigentlich damit? Die ehrliche Antwort liegt nicht im Chat-Fenster neben einem Bericht, sondern in einer Ansicht, die viele Power-BI-Anwender noch nie geöffnet haben – der DAX Query View. Dort schreibt Copilot auf Zuruf DAX-Abfragen und erklärt bestehende Formeln in Klartext – und in der Modellansicht dokumentiert ein zweites, kleineres Copilot-Feature Ihre Measures gleich mit. Wie Sie Copilot in Power BI überhaupt freischalten, erkläre ich ausführlich in Copilot in Power BI aktivieren – hier geht es direkt in die Praxis.
Copilot generiert in der DAX Query View von Power BI aus natürlichsprachigen Prompts DAX-Abfragen, erklärt bestehende Queries in Klartext und beantwortet Fragen zu DAX-Funktionen. Die Ansicht öffnen Sie in Power BI Desktop über das DAX-Query-View-Symbol in der linken Leiste, im Power BI Service über „Write DAX queries“ im Kontextmenü eines veröffentlichten semantischen Modells; Copilot rufen Sie darin per Strg+I auf. Jede generierte Query wird automatisch auf Syntaxfehler geprüft; die fachliche Kontrolle bleibt trotzdem bei Ihnen.
TL;DR – Power BI Copilot Praxisguide: DAX-Queries per KI generieren: Der Workflow in Kürze
- Drei Kernfähigkeiten: Copilot generiert DAX-Queries aus natürlicher Sprache, erklärt bestehende Queries in Klartext und beantwortet Fragen zu DAX-Funktionen und -Konzepten.
- Ansicht öffnen, dann Copilot per Strg+I: DAX Query View in Power BI Desktop über das Symbol in der linken Leiste, oder im Power BI Service über das Kontextmenü eines veröffentlichten semantischen Modells; Copilot rufen Sie dort mit Strg+I auf.
- Konversationell arbeiten: Prompt eingeben, mit Run/F5 testen, iterativ verfeinern, per Diff-Ansicht nachvollziehen, was sich geändert hat, dann Keep oder Discard.
- Modell vorbereiten zahlt sich aus: AI Instructions und Beschreibungen wirken laut Microsoft ausdrücklich auch auf die DAX-Query-Generierung; sprechende Feld-/Measure-Namen helfen zusätzlich bei der korrekten Zuordnung.
- Grenzen kennen: Modell-Limits, i. d. R. keine Zeilendaten (Ausnahme: Erklärungen können Abfrageergebnisse mitsenden), mögliche Wissenslücken bei neuen DAX-Funktionen – jede generierte Query bleibt prüfpflichtig.
⏱️ Lesezeit: 12 Minuten 💡 Level: Fortgeschritten
Was Copilot in der DAX Query View wirklich kann
Bevor Sie loslegen, lohnt sich ein klarer Blick auf den Funktionsumfang, denn Copilot in der DAX Query View ist kein allgemeiner Chatbot, sondern auf drei konkrete Aufgaben zugeschnitten. Erstens übersetzt es natürlichsprachige Anfragen in DAX-Queries – aus „Zeig mir den Gewinn nach Produktkategorie“ wird eine vollständige EVALUATE-Abfrage mit den passenden Spalten und Aggregationen. Zweitens funktioniert der Weg auch umgekehrt: Fügen Sie eine bestehende, möglicherweise von einem Kollegen übernommene DAX-Query ein, erklärt Copilot in verständlichen Sätzen, was sie tut und warum. Drittens beantwortet Copilot allgemeine Fragen zu DAX-Konzepten und -Funktionen, etwa „Explain what SUMMARIZECOLUMNS is for“ – nützlich, wenn Sie eine Funktion aus einer fremden Formel nicht kennen, ohne dafür die Dokumentation zu wechseln.
Als IT-Trainer sehe ich in Schulungen regelmäßig, dass Teilnehmer die zweite Fähigkeit unterschätzen. Gerade beim Einstieg in ein fremdes, gewachsenes Datenmodell ist die automatische Erklärung einer verschachtelten CALCULATE-Konstruktion oft der schnellere Einstieg als das mühsame Zurückverfolgen jeder Klammer von Hand.
DAX Query View öffnen: Desktop und Service
Die DAX Query View ist die vierte Ansicht in Power BI Desktop, neben Berichts-, Daten- und Modellansicht – und ohne jede Freischaltung über das entsprechende Symbol in der linken Leiste erreichbar. Was Sie zusätzlich aktivieren müssen, ist Copilot innerhalb dieser Ansicht: Der Schalter „DAX query view with Copilot“ liegt unter Datei → Optionen und Einstellungen → Optionen → Vorschaufeatures. Legen Sie danach einen neuen Abfrage-Tab an und öffnen Sie Copilot per Klick auf den Copilot-Button oder mit dem Tastenkürzel Strg+I. Zum Reifegrad gilt: Microsoft führt „DAX-Queries schreiben und erklären“ in der Fabric-Statusübersicht bereits als allgemein verfügbar (GA) – die Desktop-Anleitung verlangt aber weiterhin, den Vorschauschalter zu aktivieren.
Im Power BI Service funktioniert das ähnlich, aber an anderer Stelle: Öffnen Sie das Kontextmenü eines bereits veröffentlichten semantischen Modells und wählen Sie „Write DAX queries“. Ist die Option ausgegraut, prüfen Sie zwei Dinge: Ist die Workspace-Einstellung „Users can edit data models in the Power BI service (preview)“ aktiv? Haben Sie Schreibrechte auf das semantische Modell? Im Web sind sie zwingend. Als Workspace-Viewer geht es nur über eine Live-Verbindung aus Power BI Desktop – dafür genügt Build-Berechtigung auf dem Modell. Ein Unterschied zu Desktop noch: Im Web angelegte Abfragen werden beim Schließen verworfen, in Desktop bleiben sie in der Datei gespeichert. Praktisch für alle, die mit größeren oder performanteren Datenquellen arbeiten: Sowohl DirectQuery- als auch Direct-Lake-Modelle werden von der Copilot-Funktion in der DAX Query View unterstützt, nicht nur klassische Import-Modelle – bei diesen beiden Speicherarten stehen Copilot allerdings keine Min/Max-Beispielwerte als zusätzlicher Kontext zur Verfügung.
🔄 Noch nicht aktiviert? Bevor Copilot überhaupt in der DAX Query View auftaucht, muss die Kapazitäts- und Admin-Seite stimmen – die vollständigen Voraussetzungen und Kosten dafür habe ich in Copilot in Power BI aktivieren zusammengefasst.
Schritt für Schritt: die erste Copilot-DAX-Query
Der eigentliche Workflow ist bewusst konversationell gehalten und braucht keine Vorbereitung außer einem geöffneten Modell. Formulieren Sie zunächst Ihren Wunsch in einem einfachen Satz:
Write a DAX query to show profit by productCopilot generiert daraufhin eine vollständige Query, die Sie sofort mit Run oder der Taste F5 ausführen und das Ergebnis direkt im Vorschaufenster prüfen. Passt etwas noch nicht, verfeinern Sie einfach mit einem weiteren Prompt, statt bei null anzufangen:
Add in OrdersCopilot passt die bestehende Query an und zeigt in einer Diff-Ansicht genau, was sich geändert hat – so sehen Sie auf einen Blick, ob die Anpassung tatsächlich das trifft, was Sie gemeint haben, statt die ganze Query erneut Zeile für Zeile zu lesen. Sind Sie zufrieden, übernehmen Sie die Query mit Keep query in den Query-Tab; andernfalls verwerfen Sie sie mit Discard und starten neu.
Ein Detail, das die Erwartungshaltung realistisch hält: Jede generierte Query wird automatisch auf Syntaxfehler geprüft. Findet Copilot einen Fehler, wird die Query einmal automatisch neu generiert. Schlägt auch dieser zweite Versuch fehl, erscheint die Meldung „This query contains errors. Rephrase your request and try again or try fixing it yourself.“ Das ist keine Endlosschleife, aber eben auch keine Garantie, dass Sie beim ersten Versuch eine lauffähige Query erhalten – bei komplexeren Anfragen rechne ich in Workshops bewusst mit zwei bis drei Anläufen.
Von der Query zum Measure – und die Copilot-Measure-Beschreibung
Ein Missverständnis, das mir häufig begegnet: Viele glauben, aus der DAX Query View führe kein direkter Weg zu einem neuen, produktiven Measure im Modell – dabei hat die Ansicht dafür einen eingebauten Ein-Klick-Workflow. Definieren Sie das Measure im Query-Fenster in einem DEFINE MEASURE-Block, testen Sie es mit Run, und übernehmen Sie es dann per CodeLens-Link „Update model: Add new measure“ beziehungsweise „Update model: Overwrite measure“ direkt ins Datenmodell – oder gleich mehrere Measures auf einmal über die Schaltfläche Update model with changes in der Befehlsleiste. Eine Ausnahme: Bei einer Live-Verbindung zu einem bereits veröffentlichten semantischen Modell stehen Ihnen diese Update-Model-Aktionen nicht zur Verfügung, dort bleibt nur der Weg über ein lokales Modell in Desktop oder eine manuelle Übertragung.
Ein Risiko sollten Sie dabei kennen, das konkreter ist, als es klingt: Copilot weiß nicht, wo Sie das Measure später einsetzen. Eine Formel, die in der generierten Query das erwartete Ergebnis liefert, kann in einem anderen Filterkontext Ihres Berichts stillschweigend falsche Werte zurückgeben. Testen Sie ein übernommenes Measure deshalb immer auch dort, wo es tatsächlich verwendet wird.
Für bestehende Measures gibt es dafür ein eigenes, kleineres Copilot-Feature: In der Modellansicht, sowohl in Power BI Desktop als auch im Web, erzeugt der Button „Create with Copilot“ automatisch eine Beschreibung aus der vorhandenen DAX-Formel eines Measures. Das ist vor allem für die Dokumentation großer Modelle wertvoll, in denen Measures über Jahre gewachsen sind, ohne dass jemand ihre Bedeutung schriftlich festgehalten hat. Eine Einschränkung sollten Sie dabei kennen: Text in doppelten Anführungszeichen sowie Kommentare innerhalb der DAX-Formel werden von dieser Funktion ignoriert – enthält Ihre Formel also wichtigen Kontext ausschließlich als Kommentar, taucht er in der generierten Beschreibung nicht auf.
Bessere Ergebnisse durch Modellvorbereitung
Die Qualität der generierten DAX-Queries hängt stärker vom Datenmodell ab, als die meisten erwarten. Zwei Hebel spielen dabei eine wichtige Rolle.
Der erste sind die AI Instructions unter „Prep data for AI“: Auf Ebene des semantischen Modells hinterlegen Sie dort Geschäftskontext, Terminologie und Analyseregeln – bis zu 10.000 Zeichen, die laut Microsofts eigener Zuordnungstabelle ausdrücklich auch auf die DAX-Query-Generierung wirken.
„Prep data for AI“ führt Microsoft insgesamt weiterhin als Vorschaufeature. In Power BI Desktop müssen Sie dafür zusätzlich den gleichnamigen Schalter unter Datei → Optionen und Einstellungen → Optionen → Vorschaufeatures aktivieren und Desktop neu starten; im Service öffnen Sie den Dialog direkt über das Menüband des semantischen Modells. Voraussetzung ist außerdem, dass Q&A für das Modell aktiviert ist – sonst bleiben die Tabs ausgegraut. Achtung: Microsoft stellt Power-BI-Q&A im Dezember 2026 ein; ob das diese Voraussetzung ändert, ist noch offen.
Für gute Instructions empfiehlt Microsoft:
- Vorgaben explizit und konkret formulieren
- Mehrdeutigkeiten aktiv ausschließen
- Thematisch verwandte Regeln gruppieren
- Komplexe Vorgaben in einfache Einzelschritte zerlegen
Ihre Endnutzer sehen die Instructions nie, nur die Wirkung auf die Antworten. Wie stark einzelne Instructions Ihre DAX-Ergebnisse konkret verbessern, testen Sie am besten selbst: erste Instructions hinterlegen, typische DAX-Prompts vorher/nachher vergleichen, nachschärfen.
Der zweite, ebenfalls für die DAX Query View dokumentierte Hebel sind sprechende Namen im Modell selbst. Measures wie „Betrag2″ oder Spalten wie „X1″ erschweren Copilot die korrekte Zuordnung erheblich, weil der fachliche Kontext fehlt. Fachlich klare Bezeichnungen wirken laut Microsoft direkt auf die Qualität generierter DAX-Queries – eine belastbare quantitative Trefferquote veröffentlicht Microsoft dafür allerdings nicht. Microsoft geht für die zugrunde liegenden Copilot-Erfahrungen auf Semantikmodellen sogar noch weiter und empfiehlt ausdrücklich verständliche englische Bezeichnungen für Tabellen, Spalten und Measures statt deutscher Namen wie „Umsatz Netto“ – bei deutschsprachigen Modellen sollten Sie die Qualität deshalb mit typischen Prompts selbst testen.
📊 DAX-Grundlagen fehlen noch? Copilot nimmt Ihnen das Schreiben ab, nicht das Verstehen – wie Filterkontext, CALCULATE und Time Intelligence tatsächlich funktionieren, erkläre ich in DAX leicht gemacht, damit Sie eine generierte Query auch fachlich beurteilen können.
Beispiel-Prompts für den Alltag
Für den Einstieg helfen konkrete Formulierungen mehr als abstrakte Erklärungen. Diese Prompts habe ich aus typischen KMU-Analysefragen abgeleitet – auf Englisch formuliert: Microsoft weist mehrsprachige Nutzung von Copilot in Power BI ausdrücklich als nicht offiziell unterstützt aus, für die DAX Query View gibt es dazu keine eigene Aussage, sicher sind Sie mit Englisch also allemal:
| Ziel | Beispiel-Prompt |
|---|---|
| Umsatz nach Kategorie | Write a DAX query to show total revenue by product category |
| Zeitvergleich | Calculate year-to-date sales compared to the same period last year |
| Filterkontext gezielt setzen | Write a query for total profit where region equals "Austria" |
| Bestehende Query verstehen | Explain what this query does (mit eingefügter Query) |
| Konzept nachschlagen | Explain what SUMMARIZECOLUMNS is for |
| Anteil am Gesamten | Show product category revenue as a percentage of total revenue |
| Kennzahl iterativ erweitern | Add a filter for the last 12 months |
| Fehlersuche im Modell | Why might this measure return blank values? |
Grenzen und Stolperfallen
So nützlich der Workflow ist, ein paar Grenzen sollten Sie kennen, bevor Sie sich zu sehr darauf verlassen. Zunächst die technischen Modell-Limits: Copilot arbeitet für die Query-Generierung mit dem Modell-Schema – Tabellen, Spalten, Measures, Beziehungen, Berechnungsgruppen, Beschreibungen und Synonyme –, bei Import-Modellen ergänzt um Min/Max-Beispielwerte; sonstige Zeilendaten fließen dabei nicht ein. Eine Ausnahme sollten Sie kennen: Lassen Sie eine Query oder deren Ergebnis von Copilot erklären, kann das Abfrageergebnis selbst an Azure OpenAI gesendet werden – bei Modellen mit sensiblen Daten relevant. Reduzierte oder ausbleibende Unterstützung droht außerdem bei sehr großen Modellen – etwa ab 500 Tabellen, 3.000 Measures pro Tabelle oder 5.000 Zeichen je DAX-Ausdruck. Für die meisten KMU-Modelle sind diese Grenzen fern, für gewachsene Enterprise-Modelle aber durchaus real.
Ein Fehler, der sich hartnäckig durch ältere Artikel und sogar durch KI-generierte Suchzusammenfassungen zieht, betrifft die nötige Kapazität: Copilot in der DAX Query View braucht keine F64-Kapazität, wie manche Quellen noch behaupten, sondern läuft seit April 2025 auf jeder bezahlten Fabric-Kapazität ab F2; eine bestehende Premium-Kapazität ab P1 funktioniert ebenfalls. Im Power BI Service muss der Workspace mit dem semantischen Modell selbst auf einer solchen Kapazität liegen – oder eine zentrale Fabric Copilot Capacity nutzen, die Copilot auch für Pro- und PPU-Workspaces freischaltet. In Power BI Desktop gilt das anders: Sofern Ihnen keine Fabric Copilot Capacity zugewiesen ist, wählen Sie beim ersten Einsatz einmalig einen separaten, Copilot-fähigen F2+/P1+-Workspace als Kapazitätsquelle (ein PPU-Workspace eignet sich dafür laut Microsoft nicht) – das per Live-Verbindung angebundene semantische Modell selbst darf dann trotzdem in einem ganz gewöhnlichen Pro- oder PPU-Workspace liegen. Ist Ihnen eine Fabric Copilot Capacity zugewiesen, entfällt diese Workspace-Auswahl. Das deckt sich mit der allgemeinen Copilot-Schwelle, die ich in meinem Artikel zur Aktivierung beschrieben habe.
⚙️ Welche Lizenz brauchen Sie dafür konkret? Ob F2 als Kapazität für Ihr Szenario reicht oder Sie zusätzlich Pro- oder PPU-Lizenzen brauchen, ordne ich in Power BI Lizenzen & Kosten erklärt im Detail ein.
Drei weitere Einschränkungen sind subtiler, aber praxisrelevant. Erstens: Copilot sendet standardmäßig den gesamten Text des aktuellen Query-Fensters als Kontext, nicht nur eine markierte Auswahl – bei sehr langen Query-Sammlungen kann das die Qualität der Antwort beeinflussen. Zweitens: Neu hinzugekommene DAX-Funktionen kennt Copilot unter Umständen noch nicht, entsprechende Erklärungen können dann schlicht falsch sein; auch bei Variablen und Berechnungsgruppen patzt Copilot laut Microsoft häufiger – bei Berechnungsgruppen hilft es, die Namen der Berechnungselemente explizit in deren Beschreibung aufzunehmen. Drittens der Unterschied zwischen lokalem und live verbundenem Modell: Sind Sie live mit einem veröffentlichten semantischen Modell verbunden, sieht Copilot die DAX-Ausdrücke Ihrer Measures nicht, ebenso wenig ausgeblendete oder als privat markierte Objekte – und die generierte Query wird vor der Rückgabe einmal ausgeführt, um ihre Gültigkeit zu prüfen. Damit steht Copilot dort weniger Modellkontext zur Verfügung als beim lokalen Modell in Desktop. Wie zuverlässig Copilot insgesamt arbeitet, hängt zu stark vom jeweiligen Modell ab, als dass eine allgemeine Trefferquote aussagekräftig wäre – belastbare, herstellerunabhängige Benchmarks gibt es dazu bislang nicht. Für die Praxis gilt deshalb die Regel, die ich in jedem Workshop wiederhole: Jede generierte Query ist ein Vorschlag, keine Wahrheit. Prüfen Sie das Ergebnis fachlich, bevor Sie es in ein Measure oder einen Bericht übernehmen.
Fazit: Copilot schreibt DAX vor, Sie prüfen nach
Die DAX Query View mit Copilot verändert weniger, was in Power BI möglich ist, als wie schnell Sie dorthin kommen. Statt sich durch DAX-Syntax zu kämpfen, formulieren Sie Ihr Analyseziel in einem Satz und iterieren von dort aus weiter – die Diff-Ansicht und die eingebaute Syntaxprüfung machen diesen Weg überraschend nachvollziehbar. Ein wesentlicher Hebel für bessere Ergebnisse liegt dabei nicht nur im Prompt selbst, sondern auch in der Vorarbeit: Gut formulierte AI Instructions und Beschreibungen wirken laut Microsoft ausdrücklich auf die DAX-Query-Generierung, ergänzt durch saubere, sprechende Namen im Modell. Gleichzeitig bleibt die Grundregel bestehen, die für jede generative KI gilt: Copilot liefert einen fundierten Startpunkt, keine geprüfte Endlösung. Wer diese Rolle akzeptiert, spart in der täglichen Datenanalyse spürbar Zeit, ohne die Kontrolle über die eigenen Kennzahlen aus der Hand zu geben.
Häufige Fragen zu Power BI Copilot Praxisguide: DAX-Queries per KI generieren
Kann ich mit Copilot fertige Measures erstellen, nicht nur Queries?
Ja: Definieren Sie das Measure im Query-Fenster (DEFINE MEASURE) und übernehmen Sie es per CodeLens-Link „Update model: Add new measure“ oder über die Schaltfläche „Update model with changes“ direkt ins Datenmodell – bei einer Live-Verbindung zu einem veröffentlichten Modell steht dieser Weg allerdings nicht zur Verfügung. Für bestehende Measures gibt es zusätzlich ein separates Feature: „Create with Copilot“ in der Modellansicht generiert automatisch eine textliche Beschreibung aus der vorhandenen DAX-Formel.
Ab welcher Fabric-Kapazität funktioniert DAX Query View Copilot?
Seit April 2025 reicht jede bezahlte Fabric-Kapazität ab F2 (eine Premium-Kapazität ab P1 funktioniert als Bestand ebenfalls), nicht F64 wie in manchen älteren Quellen behauptet. Im Power BI Service muss der Workspace mit dem Modell selbst diese Kapazität tragen oder über eine Fabric Copilot Capacity abgedeckt sein. In Power BI Desktop wählen Sie ohne zugewiesene Fabric Copilot Capacity einen separaten Copilot-fähigen F2+/P1+-Workspace, während das per Live-Verbindung angebundene Modell auch in einem Pro- oder PPU-Workspace liegen darf; mit zugewiesener Fabric Copilot Capacity entfällt diese separate Workspace-Auswahl laut Microsoft ganz. Trial-Kapazitäten funktionieren als abrechnende Grundlage nicht. Die vollständigen Voraussetzungen zur Aktivierung habe ich im vorangehenden Artikel dieser Serie zusammengefasst.
Was macht Copilot, wenn die generierte DAX-Query fehlerhaft ist?
Jede Query wird automatisch auf Syntaxfehler geprüft; bei einem Fehler generiert Copilot sie einmal automatisch neu. Schlägt auch dieser zweite Versuch fehl, erscheint der Hinweis, die Anfrage umzuformulieren oder den Fehler selbst zu beheben – eine dritte automatische Wiederholung findet nicht statt.
Funktioniert Copilot in der DAX Query View auch auf Deutsch?
Microsoft führt mehrsprachige Nutzung von Copilot in Power BI generell als nicht offiziell unterstützt; eine eigene Aussage zur DAX Query View gibt es in der Dokumentation nicht. Deutsche Prompts funktionieren in der Praxis teilweise, die Qualität ist dabei aber nicht abgesichert – für produktive Anfragen empfiehlt sich zumindest testweise Englisch.
Wie verbessere ich die Trefferquote von Copilot bei DAX-Anfragen?
AI Instructions und aussagekräftige Beschreibungen wirken laut Microsoft ausdrücklich auf die DAX-Query-Generierung – hinterlegen Sie darin Geschäftskontext und Terminologie. Zusätzlich helfen sprechende, fachlich klare Namen für Tabellen, Spalten und Measures statt generischer Bezeichnungen wie „Betrag2″, damit Copilot Modellobjekte richtig zuordnet.
Ihre Erfahrungen sind gefragt!
Wie läuft der Einstieg in die DAX Query View mit Copilot bei Ihnen? Haben Sie schon AI Instructions hinterlegt, oder kämpfen Sie noch mit generischen Feldnamen, die Copilot ausbremsen? In meinen weiteren Power BI-Artikeln finden Sie mehr Praxis-Tipps und Tricks für den Arbeitsalltag.
Quellen:
- Write DAX queries with Copilot | Microsoft Learn
- Work with DAX query view | Microsoft Learn
- Use Copilot with semantic models | Microsoft Learn
- Copilot for Power BI overview | Microsoft Learn
- Enable Fabric Copilot for Power BI | Microsoft Learn
- Fabric Copilot capacity | Microsoft Learn
- Release status of AI and Copilot experiences in Fabric | Microsoft Learn
- Prepare your data for AI: AI instructions | Microsoft Learn
- Prepare your data for AI to improve Copilot results (preview) | Microsoft Learn
- Frequently asked questions about preparing data for AI | Microsoft Learn
- Copilot in Power BI tutorial: Get started | Microsoft Learn
- Use Copilot to create measure descriptions | Microsoft Learn
- Deprecating Power BI Q&A | Power BI Updates Blog
