BI und KI-gestützte Analysen: Daten in einfacher Sprache befragen
«Wie hat sich die Marge in der Westschweiz gegenüber dem Vorquartal entwickelt?» Diese Frage in ein Eingabefeld zu tippen und eine belastbare Antwort samt Diagramm zu erhalten, ist seit 2024 möglich. Ich habe die verfügbaren Demonstrationen ausgewertet und ordne ein, was heute trägt, wo die Grenzen liegen und welche Vorbereitung über das Ergebnis entscheidet.
Was natürlichsprachliche Abfrage bedeutet
Natürlichsprachliche Abfrage heisst, dass Sie eine Frage in Alltagssprache stellen und das System sie in eine Datenbankabfrage übersetzt. Microsoft hat diese Fähigkeit unter dem Namen Copilot in Power BI eingebaut. Die Ankündigung von Mai 2023 beschreibt den Anspruch, grosse Sprachmodelle auf jeder Ebene in Power BI zu verweben.
Für die Finanzfunktion verschiebt sich damit eine Zuständigkeit. Bisher stellte die Geschäftsleitung eine Frage, das Controlling baute eine Auswertung, und die Antwort kam Tage später. Wenn die Frage direkt gestellt werden kann, verkürzt sich diese Schleife auf Minuten.
Was heute funktioniert
Aus den ausgewerteten Demonstrationen ergibt sich ein klares Bild der belastbaren Anwendungen:
| Anwendung | Einordnung |
|---|---|
| Fragen zu vorhandenen Berichten beantworten | Belastbar |
| Bericht oder Seite aus einem Datenmodell erzeugen lassen | Belastbar, Nacharbeit nötig |
| Zusammenfassung und Kommentierung von Abweichungen | Belastbar, Prüfung nötig |
| Formeln und Kennzahlen vorschlagen lassen | Teilweise |
| Prognosen ohne hinterlegtes Modell | Mit Vorbehalt |
Die letzte Zeile verdient Aufmerksamkeit. Ein Sprachmodell erzeugt eine plausibel formulierte Fortschreibung, und Plausibilität und Richtigkeit fallen bei Prognosen auseinander. Für belastbare Vorschauen gehört ein Modell hinterlegt, dessen Annahmen benannt und prüfbar sind.
Woran die Antwortqualität hängt
Der wichtigste Befund aus allen Demonstrationen: Die Qualität der Antwort hängt am Datenmodell und selten am Sprachmodell. Ein Beitrag von Oktober 2025 stellt die Aufbereitung der Daten sogar in den Titel und behandelt sie vor der Berichtserstellung. Vier Punkte entscheiden:
- Sprechende Bezeichnungen. Eine Spalte namens KDNR_2 bleibt stumm. Heisst sie Kundennummer, findet die Abfrage sie.
- Definierte Kennzahlen. Solange die Bruttomarge im Modell fehlt, rechnet das System sie sich zusammen – und liefert eine andere Zahl als Ihr Abschluss.
- Saubere Beziehungen. Verknüpfungen zwischen den Tabellen bestimmen, welche Auswertungen überhaupt möglich sind.
- Berechtigungen. Wer Fragen an alle Daten stellen kann, sieht auch Lohndaten. Die Rechtevergabe gehört vor die Freigabe.
Diese vier Punkte sind dieselben, die ein gutes Datenmodell ohnehin ausmachen. Insofern belohnt Copilot Vorarbeit, die sich unabhängig davon rentiert.
Der Schweizer Zusammenhang
Die AXA-Studie von Oktober 2025 zeigt, dass Datenanalyse als Anwendungsfeld zulegt: 32 Prozent der Schweizer KMU setzen KI dafür ein, nach 22 Prozent im Vorjahr. Häufiger bleiben kommunikative Aufgaben wie Übersetzungen mit 52 Prozent und Korrespondenz mit 47 Prozent. Unter den KMU, die KI verwenden, berichten 57 Prozent von Zeitgewinnen, nach 46 Prozent im Vorjahr.
Für die Praxis heisst das: Ihre Belegschaft arbeitet mit Sprachmodellen wahrscheinlich bereits, und zwar in der Korrespondenz. Der Schritt zu den eigenen Zahlen ist kleiner, als er wirkt – und er verlangt eine Regelung, welche Daten in welches Werkzeug gelangen dürfen.
Einschätzung des Autors
Copilot verändert weniger die Analyse als den Zugang zu ihr. Der Gewinn entsteht dort, wo heute eine Frage im Controlling landet, drei Tage liegen bleibt und danach in einer Auswertung endet, die eine einzige Zahl enthält. Diese Schleife lässt sich schliessen, und das ist viel wert.
Meine Einschränkung betrifft die Verantwortung. Eine Antwort aus einem Sprachmodell trägt denselben souveränen Ton, ob sie stimmt oder daneben liegt. Für Zahlen, die nach aussen gehen – Bank, Revision, Verwaltungsrat – bleibt die Prüfung an einem Menschen hängen. Ich empfehle deshalb eine einfache Trennung: Copilot für Erkundung und Vorbereitung, der geprüfte Bericht für Entscheide und Aussenwirkung.
Und die unbequeme Wahrheit zum Schluss: Wer Copilot auf ein ungepflegtes Datenmodell loslässt, bekommt schnelle falsche Antworten statt langsamer richtiger. Die Reihenfolge bleibt dieselbe wie bei jedem BI-Vorhaben – erst das Modell, dann die Bequemlichkeit.
Auf den Punkt
- Natürlichsprachliche Abfragen sind seit 2024 produktiv nutzbar und verkürzen die Schleife von Tagen auf Minuten.
- Belastbar sind Fragen an vorhandene Berichte, Berichtserzeugung und Abweichungskommentierung. Prognosen brauchen ein hinterlegtes Modell.
- Die Antwortqualität hängt am Datenmodell: sprechende Bezeichnungen, definierte Kennzahlen, saubere Beziehungen, geregelte Berechtigungen.
- 32 % der Schweizer KMU nutzen KI für Datenanalysen, 57 % der KI-Nutzer berichten Zeitgewinne (AXA, Oktober 2025).
- Trennung in der Praxis: Copilot für Erkundung, der geprüfte Bericht für Entscheide und Aussenwirkung.
Weiterlesen
Quellen
Ausgewertet wurden Metadaten und die vollständigen Beschreibungen der folgenden YouTube-Beiträge sowie die von den Kanälen selbst veröffentlichten Kapitel und Zitat-Highlights. Wörtliche Transkripte gibt YouTube nicht mehr heraus; Aussagen sind deshalb dem Urheber zugeschrieben und als dessen Position gekennzeichnet.
- Microsoft Power BI: Copilot in Power BI Demo, 23.05.2023, — Min.
- Power BI Community: AI-Powered Data Analysis & Reporting with Copilot for Power BI Demo, 05.02.2025, — Min.
- Power BI Community: Copilot in Power BI Unplugged: Part 1 – Ask Data Questions, 20.02.2025, — Min.
- Power BI Community: How to Use Power BI Copilot: Prep Data for AI, Create Reports & Ask Questions, 01.10.2025, — Min.
- AXA Schweiz: KMU-Arbeitsmarktstudie 2025 – Künstliche Intelligenz erobert Schweizer KMU, Medienmitteilung vom 08.10.2025.
Lohnt sich Copilot für Ihre Zahlen?
Die Antwort hängt an Ihrem Datenmodell, nicht an der Lizenz. Wir prüfen gemeinsam, ob die Voraussetzungen bei Ihnen stimmen.
Erstgespräch vereinbaren