Excel Power Pivot einfach erklärt – Datenmodell und DAX

Du arbeitest mit vielen Tabellen, willst aber saubere Auswertungen ohne Formelchaos. Genau hier hilft Excel Power Pivot. Damit baust du ein Datenmodell, setzt Beziehungen zwischen Tabellen, definierst Measures mit DAX und wertest alles in PivotTables aus. Der große Vorteil: Deine Auswertungen bleiben nachvollziehbar, schnell und wiederverwendbar.

Was Power Pivot ist und wann es dir hilft

Power Pivot erweitert Excel um ein analytisches Datenmodell. Statt alles in eine Riesenliste zu kippen, hältst du Faktentabellen (z. B. Verkäufe) und Dimensionstabellen (z. B. Produkte, Kunden, Kalender) getrennt und verknüpfst sie über Schlüsselspalten. So bekommst du klare Strukturen, schnelle Berechnungen und flexible Sichten.

Das Datenmodell verstehen

Tabellen importieren und Beziehungen setzen

Importiere Daten aus Excel-Tabellen, CSV, Datenbanken oder Power Query in das Datenmodell. Verbinde Tabellen über eindeutige Schlüssel. Eine 1:n Beziehung ist Standard: Dimension hat die 1, Fakten die n. Achte darauf, dass die Schlüsselfelder in der Dimension eindeutig sind, sonst funktionieren Filter nicht sauber.

Sternschema als Zielbild

Ein Sternschema macht dein Modell übersichtlich: In der Mitte die Faktentabelle mit Werten wie Menge, Umsatz. Drumherum Dimensionen wie Produkt, Kunde, Datum. So kannst du Werte nach Belieben aufschlüsseln und schnell filtern.

Measures vs berechnete Spalten

Unterschied in einem Satz

Berechnete Spalten werden Zeile für Zeile innerhalb einer Tabelle berechnet. Measures reagieren auf den aktuellen Filterkontext in der Pivot und aggregieren zur Laufzeit. Für Auswertungen sind Measures meist die bessere Wahl.

Praxisbeispiel

Berechnete Spalte in Verkäufe:

VK_Einzelpreis := [Umsatz] / [Menge]

Measure für den Umsatz:

Umsatz := SUM(Verkaeufe[Umsatz])

Measure für Durchschnitt je Kunde (filterabhängig):

Durchschnitt je Kunde := 
DIVIDE( [Umsatz], DISTINCTCOUNT(Verkaeufe[KundenID]) )

Die Spalte ist fest und bläht Speicher auf. Das Measure bleibt leicht und passt sich der Pivot-Ansicht an.

DAX Grundlagen, die du wirklich brauchst

Filterkontext und Zeilenkontext

Zeilenkontext gilt in berechneten Spalten: Excel schaut auf diese eine Zeile. Filterkontext gilt in Measures: Er kommt durch Slicer, Zeilen und Spalten der Pivot. Verstehst du den Unterschied, werden DAX-Formeln vorhersehbar.

CALCULATE als Kontextwechsler

Mit CALCULATE änderst du gezielt den Filterkontext.
Beispiel: Umsatz nur für Produktgruppe A

Umsatz Gruppe A :=
CALCULATE( [Umsatz], Produkte[Gruppe] = "A" )

Beispiel: Vorjahr mit DATEADD

Umsatz Vorjahr :=
CALCULATE( [Umsatz], DATEADD(Kalender[Datum], -1, YEAR) )

Time Intelligence kurz erklärt

Mit einem vollständigen Kalender (durchgehende Datumsspalte) funktionieren Funktionen wie TOTALYTD, SAMEPERIODLASTYEAR, DATEADD.
Year-to-Date Beispiel:

Umsatz YTD := TOTALYTD( [Umsatz], Kalender[Datum] )

Wichtig: Eine korrekte Beziehung von Kalender zur Faktentabelle über die Datumsspalte ist Pflicht.

Von 0 zur ersten Auswertung

Schritt 1 – Daten sauber laden

Bereite Daten mit Power Query auf, benenne Spalten klar, entferne Leerzeichen und tippe Daten sauber (Datum, Zahl, Text). Lade dann als Verbindung ins Datenmodell.

Schritt 2 – Beziehungen prüfen

Öffne die Modellansicht. Ziehe KundenID, ProduktID und Datum auf die passenden Spalten. Prüfe, dass Pfeile einfach gerichtet sind und die Kardinalität 1:n passt.

Schritt 3 – Measures anlegen

Erstelle [Umsatz], [Menge], [Durchschnitt je Kunde] und optional [Umsatz YTD]. Setze Datenformat (Währung, Zahl) direkt im Measure, damit Pivot-Ausgaben einheitlich sind.

Schritt 4 – PivotTable bauen

Füge eine PivotTable aus dem Datenmodell ein. Ziehe Produkte in Zeilen, Kalender[Monat] in Spalten und Measures in Werte. Mit Slicern für Region oder Kunde steuerst du die Sicht interaktiv.

Best Practices für stabile Modelle

Halte Dimensionen schlank und eindeutig. Nutze Measures statt Spalten, wo immer möglich. Verwende beschreibende Namen wie [Umsatz YTD] statt kryptischer Kürzel. Erstelle einen vollständigen Kalender mit Jahr, Quartal, Monat, Datum. Pflege einheitliche Datentypen und Formate. Dokumentiere kurz, was ein Measure berechnet und in welchem Kontext es sinnvoll ist.

Häufige Fehler vermeiden

Fehlt der Kalender oder ist die Datumsspalte lückenhaft, funktionieren Time-Intelligence-Funktionen nicht sauber. Rundungsfehler entstehen, wenn du Summen aus Spalten addierst statt über Measures zu aggregieren. Doppelte Schlüssel in Dimensionen blockieren Beziehungen. Und: Berechnete Spalten anstelle von Measures machen Modelle oft langsam und groß.

Mini-Beispiel: Vergleich aktuelles Jahr vs Vorjahr

Umsatz := SUM(Verkaeufe[Umsatz])

Umsatz Vorjahr :=
CALCULATE( [Umsatz], DATEADD(Kalender[Datum], -1, YEAR) )

Delta Umsatz % :=
DIVIDE( [Umsatz] - [Umsatz Vorjahr], [Umsatz Vorjahr] )

In der Pivot kannst du nun Produkte und Monate gegeneinander stellen und siehst Wachstum auf einen Blick.

Fazit

Mit Power Pivot bringst du Ordnung in deine Datenanalyse. Ein sauberes Datenmodell, klare Beziehungen, Measures statt Spalten und ein wenig DAX reichen, um flexible und schnelle Berichte zu bauen. Starte mit einem Sternschema, lege Grundmeasures an und erweitere Schritt für Schritt. So bekommst du verlässliche Auswertungen, die du leicht pflegen und schnell anpassen kannst.