Was ist die Power BI Fähigkeit zum Erstellen von Semantikmodellen?

Important

Diese Funktion befindet sich in der Vorschauversion.

Mit dem Power BI-semantic-model-authoring-Skill können KI-Agenten Power BI-Semantikmodelle in Power BI Desktop, in PBIP-Projekten und im Fabric-Dienst erstellen, bearbeiten, bereitstellen und verwalten. Die Fertigkeit wird im Skills for Fabric-Marktplatz ausgeliefert, gebündelt im powerbi-authoring-Plugin.

Die Fähigkeit deckt eine breite Palette von Semantikmodellaufgaben ab, z. B.:

  • Erstellen neuer semantischer Modelle im Import-, DirectQuery- oder Direct Lake-Modus.
  • Bearbeiten vorhandener Modelle – Tabellen, Spalten, Beziehungen, Measures und DAX.
  • Optimieren der DAX-Leistung und Analysieren von Modellen anhand bewährter Methoden.
  • Vorbereiten semantischer Modelle für die Nutzung durch KI mit Fabric Copilot und Power BI Data Agents.
  • Bereitstellen von Modellen für Fabric Arbeitsbereiche, Aktualisieren und Verwalten von Datenquellen, Parametern und Berechtigungen.

Voraussetzungen

Bevor Sie beginnen, stellen Sie sicher, dass Sie folgendes haben:

  • Das powerbi-authoring Plugin ist installiert – Befolgen Sie die Anweisungen in Power BI Agentic Overview, um das Plugin zu installieren. Durch die Installation des Plug-Ins wird der semantic-model-authoring Skill verfügbar und der Power BI Modeling MCP-Server registriert.
  • Ein semantisches Modell – Power BI Desktop mit einem geöffneten Modell, einem PBIP-Projekt auf dem Datenträger oder einem semantischen Modell in einem Fabric-Arbeitsbereich.

Get started

  1. Öffnen Sie Power BI Desktop mit geladenem semantischen Modell.

  2. Führen Sie in GitHub Copilot einen Smoke-Test-Prompt aus, um zu prüfen, dass der Skill und der MCP-Server korrekt eingerichtet sind:

    /semantic-model-authoring Connect to Power BI Desktop and analyze the semantic model against best practices

    Der Agent sollte den semantic-model-authoring-Skill laden, über den Power BI Modeling MCP-Server eine Verbindung mit Power BI Desktop herstellen, das Modell erfassen und die Erkenntnisse nach Schweregrad gruppiert berichten. Wenn der Agent Sie auffordert, den MCP-Server zu registrieren oder das Plug-In zu installieren, überprüfen Sie die Installationsschritte, bevor Sie fortfahren.

    Tip

    Um sicherzustellen, dass ein bestimmter Skill geladen wird, rufen Sie ihn explizit mit einem Slash-Befehl auf – zum Beispiel /semantic-model-authoring [your prompt].

Warum der Power BI MCP-Server wichtig ist

Die semantic-model-authoring Funktion setzt den Power BI Modeling MCP-Server nicht zwingend voraus, er wird aber dringend empfohlen. Die Fähigkeit Priorität der Toolauswahl leitet Authoring-Vorgänge zuerst an den MCP-Server weiter, da dies der zuverlässigste und funktionsreichste Weg ist.

Wenn der MCP-Server nicht registriert ist, greift der Skill auf die direkte Bearbeitung von TMDL-Dateien (PBIP) oder auf REST getDefinition / updateDefinition Round-Trips (Fabric-Arbeitsbereich) zurück. Das Erstellen in Power BI Desktop ohne PBIP und ohne MCP wird nicht unterstützt – der Agent stoppt und fordert Sie dazu auf, den MCP-Server zu registrieren oder das Modell als PBIP zu speichern.

Informationen zur manuellen Installation oder erweiterten Konfiguration finden Sie in der Dokumentation zur Power BI Modellierung von MCP.

Beispiel: Vorbereiten eines semantischen Modells für KI

Verwenden Sie dieses Beispiel, um Ihr Setup durchgängig zu validieren. Der Prompt startet den Workflow Semantic Model AI Readiness, der die Referenz semantic-model-ai-readiness.md lädt und die Bereitschaftscheckliste durchgeht, um Ihr Modell für konversationelle KI-Erlebnisse wie Fabric Copilot und Power BI-Daten-Agents zu konfigurieren.

  1. Öffnen Sie Ihr Modell. Starten Sie Power BI Desktop, und öffnen Sie die PBIX oder PBIP, deren semantisches Modell Sie für die KI-Nutzung vorbereiten möchten.

  2. Start GitHub Copilot im Ordner Ihres Projekts.

  3. Führen Sie die Eingabeaufforderung aus:

    /semantic-model-authoring Connect to Power BI Desktop and prepare the semantic model for AI

    Der Slash-Befehl lädt den semantic-model-authoring Skill. Der Skill erkennt den Intent für KI-Bereitschaft, lädt die semantic-model-ai-readiness.md Referenz und führt den Workflow Semantic Model AI Readiness aus.

  4. Überprüfen und genehmigen. Der Agent erfasst das Modell, bewertet es anhand der Checkliste zur Einsatzbereitschaft und präsentiert die Ergebnisse nach Schweregrad gruppiert. Jedes Ergebnis ist als „für den Agenten anwendbar“ oder „Benutzeraktion erforderlich“ gekennzeichnet. Genehmigen Sie die Korrekturen, die Sie anwenden möchten.

  5. Anwenden und Überprüfen. Der Agent wendet genehmigte Änderungen über den MCP-Server an (oder durch TMDL-Bearbeitungen, wenn MCP nicht registriert ist), speichert das Modell und empfiehlt, repräsentative Anweisungen in natürlicher Sprache in Copilot oder Ihrem Datenagenten zu testen.

Beispiel: Erstellen eines semantischen Modells über einem Fabric Lakehouse

In diesem Beispiel wird der Workflow Neues Semantikmodell erstellen des Skills für eine Lakehouse-Datenquelle getestet, wodurch ein Direct Lake-Modell erzeugt wird.

  1. Bereiten Sie das Lakehouse vor. Im Fabric-Portal:

    1. Erstellen Sie einen Arbeitsbereich – zum Beispiel SalesAnalytics.
    2. Erstellen Sie in diesem Arbeitsbereich ein Lakehouse – zum Beispiel SalesLakehouse.
    3. Laden Sie das Lakehouse mit Beispieldaten. Der schnellste Weg besteht darin, das Lakehouse zu öffnen und Start mit Beispieldaten auszuwählen, um die integrierten Öffentlichen Feiertage oder NYC Taxi-Datasets zu laden oder Ihre eigenen Dateien in Dateien hochzuladen und sie in Tabellen zu laden.

  2. Start GitHub Copilot in einem beliebigen Ordner.

  3. Führen Sie den Prompt mit den Namen Ihres Arbeitsbereichs und Lakehouses aus:

    /semantic-model-authoring Create a semantic model on top of Lakehouse SalesLakehouse in workspace SalesAnalytics

    Der Schrägstrichbefehl lädt den semantic-model-authoring Skill, der den Workflow Neues semantisches Modell erstellen ausführt. Der Agent:

    1. Löst den Arbeitsbereich und die Lakehouse-IDs auf und ermittelt das Lakehouse-Schema (Tabellen, Spalten, Datentypen).
    2. Erstellt ein Direct Lake-semantisches Modell und lädt anschließend die relevanten Modellierungsrichtlinien.
    3. Stellt das Modell im Zielarbeitsbereich bereit.

  4. In Fabric überprüfen. Öffnen Sie den Arbeitsbereich, und bestätigen Sie, dass das neue Semantikmodell angezeigt wird.

Troubleshooting

  • Skill wird nicht geladen – Überprüfen Sie die Installation und Registrierung des Plug-Ins, indem Sie Power BI Agentic overview folgen. Wenn die Konfiguration korrekt ist und der Skill noch immer nicht ausgewählt wird, könnte der Agent den Skill bei der schrittweisen Offenlegung übersehen. Testen Sie mit einem expliziten Slash-Befehl und fügen Sie Ihrem Prompt weitere Details zu Ihrer Absicht hinzu:
  • MCP-Server wird nicht geladen – Starten Sie GitHub Copilot CLI neu, nachdem Sie das Plug-In installiert oder registriert haben, damit die neue MCP-Konfiguration aufgenommen wird. Führen Sie dann copilot mcp show aus, um zu bestätigen, dass powerbi-modeling-mcp angezeigt wird und funktioniert.

Verwandte Inhalte

  • Last updated on