Ein technischer Einblick in die KI-gestützte Tableau Power BI Migration

Seit mehr als 20 Jahren konzipieren und implementieren wir Business-Intelligence- und Analytics-Lösungen. Die Migration von Tableau zu Power BI ist für uns kein neues Thema, wie sich diese strategisch angehen lässt, beschreiben wir in Tableau zu Power BI migrieren. Neu ist, wie wir heute ausgewählte Teile der Umsetzung durch KI unterstützen.

Die technische Frage lautete nicht, ob KI eine Arbeitsmappe vollständig automatisiert migrieren kann. Entscheidend war vielmehr, welche Bestandteile für eine KI-gestützte Tableau Power BI Migration standardisiert werden können, ohne Kompromisse bei Architektur, Geschäftslogik oder Qualität einzugehen.

Dieser Ansatz ist bereits fester Bestandteil unserer Tableau-zu-Power-BI-Migrationsprojekte für Kunden. Wir setzen ihn ein, um eine strukturierte Ausgangsbasis für komplexe Workbooks mit zahlreichen Dashboards, Arbeitsblättern, Datenquellen und geschäftskritischen Berechnungen zu schaffen. Gleichzeitig bleiben unsere Entwickler für die Architektur, Validierung und reportspezifischen Entscheidungen verantwortlich.

Eine Migration ist keine Dateikonvertierung

Tableau und Power BI basieren auf unterschiedlichen technischen Konzepten. In Tableau sind Berechnungen häufig eng mit dem jeweiligen Arbeitsblatt und dessen visuellem Kontext verbunden. In Power BI liegt ein größerer Teil der Logik im semantischen Modell und wird über DAX, Power Query, Beziehungen und Filterkontexte abgebildet.

Ein berechnetes Feld lässt sich daher nicht einfach von einem Tool in das andere kopieren. Abhängigkeiten müssen identifiziert, Parameter neu konzipiert, verschachtelte Logik zusammengeführt und das visuelle Verhalten mit dem ursprünglichen Report abgeglichen werden. Auch individuell gestaltete Tableau-Dashboards erfordern Designentscheidungen, da für einige Diagrammtypen, Interaktionen und Tooltip-Muster kein direktes Power-BI-Äquivalent existiert.

Einige der anspruchsvollsten Aufgaben liegen nicht in der visuellen Übertragung, sondern in der zugrunde liegenden Architektur. Wo erforderlich, werden Datenquellen in effizientere Star-Schemas in Power BI überführt, bestehende Zugriffslogik mithilfe von Row-Level Security neu aufgebaut und komplexe Berechnungen überarbeitet, um zirkuläre Abhängigkeiten aufzulösen oder die DAX-Performance zu verbessern. Solche Entscheidungen setzen ein tiefes Verständnis sowohl der ursprünglichen Tableau-Logik als auch der Zielarchitektur in Power BI voraus.

Unser Workflow gliedert diese Arbeit in zwei KI-gestützte Stufen.

Stufe 1: Das Grundgerüst für die KI-gestützte Tableau Power BI Migration erzeugen

Die erste Stufe umfasst die Phasen 1 bis 3 unseres technischen Workflows. Sie schafft eine konsistente Ausgangsbasis, bevor ein Entwickler mit der detaillierten Bearbeitung des Reports beginnt.

Die Eingaben sind klar definiert: die Tableau-Arbeitsmappe im .twb-Format, ein leeres Power-BI-Projekt im .pbip-Format, das bereits mit den erforderlichen Datenquellen verbunden ist, sowie vorhandene Report-Assets. Der Workflow erstellt einen kontrollierten Arbeitsbereich, während die ursprüngliche Tableau-Datei unverändert bleibt.

Für die Migration des Modells entwickelten wir spezielle Python-Skripte, die die XML-Metadaten der Tableau-Arbeitsmappe extrahierten und strukturiert aufbereiteten. Die Skripte identifizieren unter anderem Dashboards, Arbeitsblätter, Datenquellen, Filter, Parameter, berechnete Felder, Level-of-Detail-Ausdrücke und die jeweiligen Abhängigkeiten. Durch diese automatisierte Komplexitätsanalyse werden verschachtelte Berechnungen, Filterkontexte, Abhängigkeitsketten und besonders komplexe Arbeitsmappen bereits vor Beginn der Implementierung sichtbar gemacht.

Anschließend erstellt der Workflow einen Abhängigkeitsgraphen, damit Berechnungen in der richtigen Reihenfolge verarbeitet werden können. Jedes Feld wird als DAX-Measure, Power-Query-Transformation, berechnete Spalte, Parametertabelle oder anderes Modellobjekt klassifiziert.

Diese Klassifizierung wird nicht ungeprüft übernommen. Bevor Änderungen geschrieben werden, zeigt der Workflow Namenskonflikte, mögliche Zusammenführungen und uneindeutiges Parameterverhalten an und fordert eine Entscheidung des Entwicklers an. Nach der Bestätigung erzeugt er DAX-Measures, Power-Query-Logik, Parametertabellen und Modelldefinitionen direkt in den Power-BI-Projekt-Dateien, einschließlich TMDL-Objekten, sofern diese geeignet sind.

Für die visuelle Migration wird das XML der Tableau-Arbeitsmappe analysiert, um Dashboards, visuelle Bereiche, Koordinaten, Abmessungen und Diagrammtypen zu identifizieren. Diese werden geeigneten Power-BI-Visuals zugeordnet. Nach der Prüfung des visuellen Inventars erstellt der Workflow die erste PBIR-Report-Struktur, einschließlich Seiten, Visual-JSON, Datenbindungen und wiederverwendbaren Formatierungselementen.

Am Ende der ersten Stufe erhält der Entwickler ein befülltes Power-BI-Projekt, eine erste Report-Struktur, übertragene Modellobjekte sowie eine Liste offener Entscheidungen und erforderlicher Validierungen.

Dieses Ergebnis ist noch kein fertiges Dashboard. Es ist ein technisch strukturiertes Grundgerüst, in dem ein großer Teil der wiederkehrenden Vorbereitungsarbeiten bereits erledigt wurde.

Stufe 2: Reportspezifische Weiterentwicklung durch Entwickler

Phase 4 beginnt, wenn der Power-BI-Entwickler das generierte Projekt öffnet und direkt am Dashboard weiterarbeitet.

In unserer aktuellen Implementierung koordiniert Claude Code gezielte Änderungen, während eine MCP-Verbindung eine direkte Schnittstelle zu Power BI Desktop bereitstellt (mehr dazu in unserem Beitrag Semantic Layer vs. Context Layer, in dem wir zeigen, wie Claude semantische Power-BI-Modelle per MCP abfragt). Der Entwickler kann konkrete Anpassungen anfordern, beispielsweise die Neupositionierung von Visuals, Änderungen an Datenbindungen, das Einfügen von Hintergrundbildern, Anpassungen an DAX, das Ergänzen von Icons oder die Standardisierung von Formatierungen.

Der Workflow folgt dabei einem iterativen Ablauf: Projektdateien bearbeiten, Ergebnis validieren, Power BI Desktop neu laden, den aktualisierten Report erfassen und prüfen. Dieser Zyklus wird fortgesetzt, bis die Seite sowohl funktional als auch visuell den Anforderungen entspricht.

Bei der Weiterentwicklung der einzelnen Reports auf Basis des generierten Grundgerüsts setzen die Power-BI-Entwickler KI gezielt dort ein, wo sie einen konkreten Mehrwert bietet. Dazu gehören die Übersetzung von Berechnungen, wiederkehrende Seitenstrukturen, die Positionierung von Visuals, Formatierungen und Bereinigungsarbeiten.

KI unterstützt diese wiederholbaren Implementierungsaufgaben. Entscheidungen über Modellarchitektur, komplexe Geschäftslogik, Row-Level Security, Performance und reportspezifische Lösungen bleiben jedoch in der Verantwortung der Entwickler. Sie beurteilen, ob ein Workaround technisch sinnvoll ist und ob das migrierte Ergebnis analytisch korrekt ist.

Nachvollziehbarkeit und Validierung sind fest integriert

Jeder Migrationsschritt erzeugt einen Migrations-Bericht. Der Modellbericht dokumentiert, welche Felder übertragen, welche Objekte erstellt und welche Elemente noch überprüft werden müssen. Der visuelle Bericht listet erstellte Seiten, Zuordnungen, Annäherungslösungen, Warnungen und manuelle Folgemaßnahmen auf.

Dadurch bleibt die Migration nachvollziehbar und prüfbar. Nicht unterstützte Muster werden nicht verborgen, und unsichere Entscheidungen werden sichtbar gemacht, bevor daraus Fehler entstehen. Die Zuverlässigkeit des KI-generierten Grundgerüsts hängt außerdem wesentlich von der Qualität und Vollständigkeit der bereitgestellten Tableau-Metadaten ab. Eine saubere Extraktion und strukturierte Aufbereitung von Berechnungen, Abhängigkeiten, Filtern, Parametern und Datenquellen, bevor diese in den KI-Workflow gelangen, reduziert das Risiko fehlerhafter Interpretationen. Dies ist insbesondere bei komplexer Geschäftslogik entscheidend.

Die Validierung umfasst auch die technische Optimierung. Während der gesamten Implementierung überprüfen die Entwickler das semantische Modell, die DAX-Logik, Row-Level Security, das Aktualisierungsverhalten und die Report-Performance.

Wenn sich die ursprüngliche Tableau-Logik nicht sinnvoll in die Power-BI-Architektur übertragen lässt, wird sie neu konzipiert, anstatt unverändert übernommen zu werden. Berechnungen, Aggregationen, Filter, Interaktionen und das Verhalten der Visuals werden weiterhin mit dem Tableau-Original und den fachlichen Anforderungen abgeglichen.

Bei unserem zuletzt abgeschlossenen Migrationsprojekt half uns diese Kombination aus wiederverwendbarer Automatisierung und fachlicher Prüfung dabei, alle priorisierten Arbeitsmappen termingerecht bereitzustellen.

Im Vergleich zu einem früheren Projekt mit ähnlicher Komplexität schätzten wir, dass die KI-gestützte Übersetzung von Formeln, die Replikation von Seiten, die Positionierung von Visuals, Formatierungen und Bereinigungsarbeiten den gesamten Aufwand um rund 25 Prozent reduzierten.

Die Einsparungen waren besonders bei wiederkehrenden Implementierungsaufgaben deutlich. Datenarchitektur, komplexe Geschäftslogik, Sicherheitsanforderungen und die abschließende Validierung blieben dagegen überwiegend entwicklergeführt.

Das Ergebnis ist eine effizientere KI-gestützte Tableau Power BI Migration, ohne KI-generierte Ergebnisse standardmäßig als produktionsreif zu betrachten. Unsere Erfahrung bestimmt die Architektur, die Qualitätskontrollen und die Migrationsentscheidungen. KI hilft uns dabei, wiederholbare Aufgaben schneller umzusetzen.

Dr. Özgün Köksal ist Senior Data Analytics Specialist bei Hopmann Marketing Analytics. Er beschäftigt sich mit dem Aufbau von Daten- und KI-Kompetenz in Marketing- und Data-Teams und damit, wie sich technische KI-Workflows im Alltag praktisch nutzbar machen lassen.

Can Weidemeier ist Senior Data Engineering Specialist im AI-ready Data Stack Team bei Hopmann Marketing Analytics und entwickelt maßgeschneiderte Dashboards mit Tableau und Power BI, um Kunden bei datengetriebenen Entscheidungen zu unterstützen.

Hinweis: Dieser Beitrag wurde mit KI-Unterstützung erstellt und redaktionell geprüft. Verantwortlich: Hopmann Marketing Analytics.