Daten-WG

Daten-WG

0.0 (0)
Technology

Die Community kommt auch nach dem Event zusammen! Auf diesem Kanal findet ihr den Daten-WG Community Podcast sowie nützliche Tutorials und interessante Live-Streams. Als Spin-Off des legendären AI or DIE Kanals stehen wir für tiefe Einblicke in die Microsoft Data Plattform Welt und einen intensiven Austausch in der Community.

4d ago

AI Analytics: Einfach Tokens draufwerfen? | Daten-WG Podcast mit Tim Ebner

Was passiert, wenn man einfach ein MCP auf alle Datenquellen legt und der KI Fragen stellt, ohne Pipeline, ohne Warehouse, ohne semantisches Modell dazwischen? Tim Ebner vom Datendurst-Podcast und ich setzen unser Gespräch zu AI Analytics fort und schauen dorthin, wo es unbequem wird: Marketing mit seinen vielen Plattformen und Silos, MCP als neuer Standard, und ein ganz konkretes Beispiel, in dem ich meine Zeiterfassung und Umsatzauswertung nur noch direkt über Claude erledige, mitsamt aller Ausnahmen, die ich in einem BI-Tool kaum abbilden könnte. Daraus entsteht die eigentliche Frage der Folge: Lesen wir mit KI bald wieder alle direkt auf den operativen Systemen, und brauchen wir dann überhaupt noch eine Datenschicht? Wir sprechen über Semantik als Kontext, über Tokens versus Skripte, über Anthropics Git-Ersatz und die Vision vom Ende der Tastatur. Am Ende landen wir bei einer Grundsatzdiskussion über die Single Source of Truth, bei der Tim und ich nicht ganz einer Meinung sind. Tim Ebner https://www.linkedin.com/in/ebner-tim/ Artur König https://www.linkedin.com/in/datakoenigartur/ 00:00 – Intro: Tim Ebner und der Weg vom Performance Marketing in die Daten 01:54 – Marketing Analytics: Viele Plattformen, viele Silos 08:58 – Ein MCP auf alle Quellen und einfach fragen? 10:53 – MCP als Standard und die Fragmentierung der KI-Welt 14:44 – Semantik als Kontext: Ohne Modellierung geht es nicht 15:31 – Praxisbeispiel: Zeiterfassung und Umsatz direkt mit Claude 20:34 – Tokens oder Skript: Wann lohnt sich Automatisierung? 22:54 – KI als Turbo für Proof of Concepts 24:17 – Analytics direkt auf dem operativen System 26:26 – Wenn alle aufs SAP losgehen: Warum die Datenschicht bleibt 29:45 – Anthropic ersetzt Git, SAP die Tastatur 34:55 – Das beste Modell ist das für die eine Frage 36:03 – Single Source of Truth: Pro und Contra 39:27 – Bottom-up statt Fünf-Jahres-Plan 43:42 – Ausblick: KI lernt, wie wir KI nutzen Datendurst Podcast mit Tim Ebner: https://www.youtube.com/@datendurst Clockodo MCP Server: https://www.clockodo.com/fr/blog/clockodo-mcp-server-connecting-ai-agents-to-clockodo/ Anthropic ersetzt Git durch Scion: https://thenewstack.io/anthropic-scion-git-replacement/ Was wir sonst so machen: https://www.daten-wg.com/
Oct 25

Warum E-Commerce-Daten lügen | Daten-WG Podcast mit Corinna Zennig

Im E-Commerce ist doch alles digital, also müsste man auch genau wissen, welche Anzeige zu welchem Verkauf geführt hat? Corinna Zennig, CEO von Lazy Analyst, hilft seit neun Jahren E-Commerce-Brands dabei, datengetrieben zu werden, und räumt mit diesem Irrtum gründlich auf. Wir sprechen darüber, warum Google und Meta zusammen gerne 200 von 100 Sales für sich beanspruchen, was Amazon und der Cookie-Consent mit der Customer Journey machen und warum die simple Frage nach dem "Wie hast du uns gefunden?" so unterschätzt ist. Danach geht es um AI Analytics: um Tools, die versprechen, dass man kein Data Warehouse und keine Dashboards mehr braucht, um Revenue-Definitionen, die jede Firma anders auslegt, und um die Frage, warum Brands einem AI-Chat mit 95 Prozent Genauigkeit mehr vertrauen als einem validierten Dashboard. Am Ende steht ein klares Plädoyer: erst Strategie, dann Tool. Corinna Zennig https://www.linkedin.com/in/corinnazennig/ Artur König https://www.linkedin.com/in/datakoenigartur/ 00:00 – Intro: Corinna Zennig und der Lazy Analyst 01:45 – Wie technologieagnostisch kann E-Commerce sein? 04:51 – Echtzeit oder täglich? Was E-Commerce wirklich braucht 10:30 – Die Customer Journey nachvollziehen 12:03 – Amazon, Cookie-Consent und fehlende Kundendaten 13:50 – 100 Sales, 200 Zuschreibungen: Attribution zwischen Google und Meta 17:35 – First-Party-Data und Server-Side-Tracking 20:06 – Der einfachste Hebel: Frag deine Kunden 22:01 – Wie AI das E-Commerce-Game verändert 23:40 – Revenue ist nicht gleich Revenue: Warum AI Kontext braucht 25:13 – 95 Prozent Accuracy und blindes Vertrauen in den AI-Chat 29:41 – Data Warehouse, Databricks Genie oder fertiges Tool? 32:18 – Dashboard und AI-Chat: Wofür was? 35:26 – AI Analytics selbst bauen? Lieber nicht 38:11 – Abschlusstipp: Erst Strategie, dann Tool Lazy Analyst: https://www.lazyanalyst.com/ Kostenloser Data Strategy Call bei Lazy Analyst: https://www.lazyanalyst.com/consultation/
Oct 11

Fabric & Power BI Quarterly | 2026-4

Gabi Münster ist zurück im Quarterly, diesmal pünktlich kurz vor der Daten-WG und frisch nach der FabCon Europe in Barcelona. Wir schauen auf ein Quartal, das ruhig angefangen hat und mit einer ganzen Welle an Announcements endete: Fabric Planning ist GA, Web-Editor und Power BI Desktop wachsen weiter zusammen, und mit dem Modern Report Design entstehen Fabric Apps jetzt direkt aus Power BI Desktop heraus, demnächst auch mit Pro- und PPU-Lizenz. Auf der Plattformseite geht es um F0 als nutzungsbasierten Einstieg ohne Kapazität, um Operation Events im Real-Time Hub und den neuen Job-Monitor, um Mirroring inklusive Security-Rollen aus Snowflake, um Apache Ossie als offenen Standard für Semantik und um die Fabric Policy Engine, mit der sich endlich technisch steuern lässt, wer welche Items anlegen darf. Zum Schluss wieder unsere Wünsche: Lineage auf Spaltenebene und mehr Policies. Gabi Münster https://www.linkedin.com/in/gabimuenster/ Artur König https://www.linkedin.com/in/datakoenigartur/ Daten-WG 2026 Konferenz am 14-16. Oktober: https://www.daten-wg.com/daten-wg-2026 00:00 – Intro: Quarterly kurz vor der Daten-WG und Newsflash von der FabCon 01:32 – Fabric Planning ist GA und das Preismodell ist fairer als gedacht 04:24 – Web und Desktop wachsen zusammen: TMDL-Ansicht, PBIP GA, DirectQuery im Service 06:07 – Fabric Apps und Modern Report Design in Power BI Desktop 08:40 – Lego oder 3D-Drucker: Wie viel Zukunft haben interaktive Reports? 15:28 – Fabric Apps auch für Pro und PPU: Wo die Lizenzgrenze jetzt verläuft 18:42 – F0: Fabric ohne Kapazität und was das für Planning bedeutet 26:30 – Operation Events im Real-Time Hub und der neue Job-Monitor 31:57 – KI auf Plattformebene: Fabric Copilot, M365 und gehosteter MCP-Server 35:25 – Mirroring mit Security-Rollen aus Snowflake 44:49 – Apache Ossie, Semantic Views und Ontologien: Wie portabel wird Semantik? 52:27 – Fabric Policy Engine: Wer darf welche Items anlegen? 59:16 – Deployment Plans und Bilder aus OneLake in Power BI Reports 1:02:47 – Wünsche: Vega Visual, Lineage auf Spaltenebene und neue Policies 1:07:14 – Ausblick auf die Daten-WG 2026 FabCon und SQLCon 2026 Barcelona, alle Ankündigungen: https://azure.microsoft.com/en-us/blog/fabcon-and-sqlcon-2026-in-barcelona-building-the-data-foundation-for-microsoft-copilot-and-agents/ Policies in Fabric (Preview): https://go.microsoft.com/fwlink/?LinkId=2372038 Microsoft & Snowflake zu Apache Ossie: https://community.fabric.microsoft.com/blog/fbc_pbiupdatesblog/microsoft--snowflake%E2%80%99s-commitment-to-apache-ossie/5369534
Sep 27

Davon träumen KI-Agenten | Daten-WG Podcast mit Simon Harrer

Aus einer Idee wird eine Firma: Simon Harrer ist zurück in der Daten-WG. Aus dem Data Mesh Manager ist Entropy Data geworden, ausgegründet aus der INNOQ, mit Kunden in acht Ländern. Wir sprechen darüber, warum ein Datenprodukt-Marktplatz mit Data Contracts plötzlich genau das ist, was KI-Agenten brauchen, und wie ein Coding Agent aus einem Contract automatisch eine Pipeline baut. Außerdem geht es um Open Semantic Interchange, das jetzt Apache Ossie heißt, um Ontologien, um die Frage, ob ein Agent selbst ein Datenprodukt ist, um das Interesse von Microsoft an Data Contracts für Fabric und Power BI und um die Frage, wer eigentlich die Kontrolle über die Metadaten haben sollte. Simon Harrer https://www.linkedin.com/in/simonharrer/ Artur König https://www.linkedin.com/in/datakoenigartur/ Daten-WG 2026 Konferenz am 14-16. Oktober: https://www.daten-wg.com/daten-wg-2026 00:00 – Intro: Aus Leidenschaft wird ein Unternehmen 00:48 – Vom Data Mesh Manager zu Entropy Data 02:21 – Was ist ein Datenprodukt-Marktplatz? 03:07 – Der Traum eines jeden Agenten 04:50 – Contract first: Der Coding Agent baut die Pipeline 05:53 – Praxisbeispiel: Zeiterfassung als Datenprodukt 09:05 – Data Contracts statt Datenkatalog und die Frage der Ownership 11:35 – Agenten als Feedback-Instrument für gute Metadaten 13:08 – Ist ein Agent selbst ein Datenprodukt? 16:57 – Wie verhindert man Slop im Marktplatz? 18:10 – OSI: Ein offener Standard für Semantikmodelle 22:37 – Metadaten für KI, ODCS und Ontologien 25:32 – Aus OSI wird Apache Ossie 26:56 – Entropy Data trifft Microsoft Fabric und Power BI 31:45 – Wem gehören die Metadaten? Souveränität und offene Standards Shownotes Entropy Data: https://www.entropy-data.com/ Data Contract CLI (Open Source, Prüfung von Daten gegen Contracts): https://github.com/datacontract/datacontract-cli Data Contracts Guide: https://datacontract.com/ Apache Ossie (ehemals Open Semantic Interchange): https://ossie.apache.org/ Ankündigung: OSI wird Apache Ossie: https://ossie.apache.org/updates/ossie-enters-apache-incubator/ Apache Ossie auf GitHub: https://github.com/apache/ossie
Sep 13

Databricks Explained to a Power BI Guy | Daten-WG Podcast with Vitalija Bartusevičiūtė

Time to step out of the Microsoft comfort zone: this episode is about Databricks. Vitalija Bartusevičiūtė, Databricks MVP and Senior Consultant at Capgemini, explains what makes so many people in the data community fall in love with the platform, and why "customizable" is both its biggest strength and its biggest hurdle. We talk about Genie and what it really takes to let business users talk to their data: clean data, metadata, synonyms, benchmarks and a clear question to answer. From there we drift into metric views, the Open Semantic Interchange, SQL dialects, DirectQuery vs. import mode, and why Excel is still both the source and the end of every data pipeline. Vitalija Bartusevičiūtė https://www.linkedin.com/in/vitalijabart/ Artur König https://www.linkedin.com/in/datakoenigartur/ Daten-WG 2026 conference, October 14-16, Cologne: https://www.daten-wg.com/daten-wg-2026 00:00 – Intro: stepping out of the Microsoft comfort zone 01:02 – From biologist and R to Databricks MVP 02:18 – Why Databricks? Customization and the Unity Catalog moment 04:05 – Only for big enterprises? Databricks Free for everyone 05:39 – "I'm not married to a tool": solving the client's problem first 08:05 – What Databricks actually is: Spark, SQL and the growing AI part 09:06 – Genie: talking to your data in the Teams chat of a convenience store 12:55 – Metadata, synonyms and how end users really talk about data 14:13 – Benchmarks, joins and the 80% rule for a good Genie space 16:44 – Flat tables, Frankenstein tables and rethinking best practices for AI 17:15 – Metric views and the Open Semantic Interchange initiative 19:44 – Delta, SQL dialects and why semantic models are still black magic 25:55 – Governance, DirectQuery vs. import and the Excel loop 30:42 – Advice: try Databricks Free and focus on the problem, not the tool 31:30 – Python pre-con at Daten-WG 2026 in Cologne Shownotes: Databricks Free Edition (replaces Community Edition): https://www.databricks.com/learn/free-edition Databricks Excel Add-in: https://docs.databricks.com/aws/en/integrations/excel-setup Apache Ossie: https://ossie.apache.org/ Artur's own article on OSI [German]: https://www.tdwi.eu/wissen/vereinspublikationen
Aug 30

Daten-WG Life-Update | Fabric Architekturen

Es regnet in Köln, wir kommen hier so schnell nicht weg – also reden wir endlich mal über das, worüber wir sonst immer nebenbei reden: Fabric-Architekturen. Vier Berater, vier laufende Projekte, und am Ende erstaunlich wenig Einigkeit darüber, wie eine Datenplattform in Fabric eigentlich aussehen sollte. Marcus lädt SAP-Daten per Notebook aus dem Data Lake, ein anderes Projekt hängt an Navision und setzt konsequent auf Warehouses und Stored Procedures, das dritte dreht die Medaillon-Architektur einfach um und legt Gold ins Lakehouse. Dazwischen streiten wir über die Frage, ob es wirklich immer drei Layer sein müssen, über Self-Service-Lakehouses und Composite Models, über Dataflows für Citizen Developer, über TMDL-Measures, die sich partout nicht überschreiben lassen – und darüber, warum SQL vielleicht doch leichter zu lernen ist als DAX. Ulrik Harnisch https://www.linkedin.com/in/ulrik-harnisch/ Marcus Wegener https://www.linkedin.com/in/marcuswegener/ Michael Tenner https://www.linkedin.com/in/michael-tenner-5b885970/ Artur König https://www.linkedin.com/in/datakoenigartur/ Daten-WG 2026 Konferenz am 14-16. Oktober: https://www.daten-wg.com/daten-wg-2026 00:00 – Intro: Zu viert im Regen und die Frage nach dem Fabric-Standard 00:34 – Marcus' SAP-Projekt: Datasphere, Delta-Dateien und warum es ein Notebook wurde 04:16 – F64 für die Lizenzen, 2% Auslastung und die Exit-Strategie aus dem Projekt 06:11 – Navision, Data Gateway und eine Medaillon-Architektur auf Warehouses 09:26 – Business Central und Open Mirroring: die Session von Julian Wissel 10:45 – Architekturen entstehen nicht aus Vorsystemen, sondern aus Menschen 12:15 – Umgekehrt gedacht: Warehouse für Bronze und Silber, Lakehouse für Gold 13:57 – Dataflows für Citizen Developer und wo die Aufteilung plötzlich wehtut 17:21 – "Immer drei Layer, und die sind nicht diskutabel" 20:34 – Self-Service-Lakehouse, Composite Models und das Excel-Monster 25:07 – TMDL, fachliche Pakete und die Frage nach dem Ease of Use 30:19 – Warum SQL leichter zu lernen ist als DAX 35:07 – Von der Excel-Kreuztabelle über M-Code zum SQL-Statement 39:00 – Power Apps, eine F2 am Limit und der Umstieg auf Stored Procedures 47:20 – Sessions auf der Daten-WG 2026: DAX, Data Vault und Python Erwähnte Daten-WG Speaker: Julian Wissel (Session zu Business Central & Open Mirroring): https://www.linkedin.com/in/julianwissel/ Ben Weissman (Session rund um SQL): https://www.linkedin.com/in/benweissman/ Matthias Nohl (Session "Integration von Architekturen"): https://www.linkedin.com/in/matthias-nohl/ Andreas Rederer (Session "Integration von Architekturen"): https://www.linkedin.com/in/andreasrederer/ Francesco Bergamaschi (Precon "DAX Pillars"): https://www.linkedin.com/in/francescobergamaschi/ Tom Martens (Precon Python-Datenaufbereitung und Session zu Power BI Scanning): https://www.linkedin.com/in/tommartens68/ Martin Bubenheimer (DAX Deep Dive und Fabric Debatte): https://www.linkedin.com/in/martin-bubenheimer/ David Sanadze (Data Vault): https://www.linkedin.com/in/david-sanadze/
Aug 16

Was machen die eigentlich? | Daten-WG Podcast mit Alexander Korn und Lukasz Obst

Was macht eigentlich ein Data Solution Engineer bei Microsoft – und wo hört seine Arbeit auf? Alexander Korn und Lukasz Obst sind beide im Januar bei Microsoft gestartet, beide aus der Beratung, und beide sitzen jetzt in einer Rolle, die viele Kunden gar nicht auf dem Schirm haben: Pre-Sales, kostenlos, aber mit klarem Interesse dahinter. Wir reden über die Rollenlandschaft bei Microsoft vom Account Executive bis zur Delivery, über die Frage, wonach die beiden entscheiden, welchem Kunden sie ihre Zeit geben, über das Verhältnis zu Partnern – und darüber, warum es sich für Microsoft nicht rechnet, einem Kunden die teurere Plattform zu verkaufen. Alexander Korn https://www.linkedin.com/in/alexanderkorn/ Lukasz Obst https://www.linkedin.com/in/lukasz-obst-3672083a2/ Artur König https://www.linkedin.com/in/datakoenigartur/ LIEV dabei sein Daten-WG 2026 Konferenz am 14-16. Oktober: https://www.daten-wg.com/daten-wg-2026 Alex und Lukasz haben außerdem den Developer Hub gebaut, mehr dazu gibt es bei YouTube: https://youtu.be/e50qKdVn-24 00:00 – Intro: zwei Insider von Microsoft zu Gast 00:53 – Vom Softwareentwickler in die Datenwelt: Lukasz' Weg 02:32 – Vom Microsoft-Partner zu Microsoft: was Pre-Sales wirklich heißt 03:54 – Drei Solution-Engineer-Rollen: Data, Infrastruktur, AI und Apps 04:30 – Wer macht bei Microsoft was? Von AE über CSA bis Delivery 06:32 – Kostenlose Beratung mit Verkaufsinteresse: das Spannungsfeld 08:12 – Impact als Maßstab: welchem Kunden helfen wir? 09:45 – Partnerstufen, Spezialisierungen und Managed Partner 10:26 – POC bei Microsoft, Umsetzung beim Partner 12:16 – Freiheit und Druck: Ziele, Industrien und 15 Kunden 14:36 – Warum "verkaufen, verkaufen, verkaufen" nicht aufgeht 16:15 – Trusted Advisor statt Quick Win: Kapazität sinnvoll nutzen 17:57 – Fabric Planning als Beispiel: Konsolidierung statt Nischenlösung 19:05 – Eigene Kompetenz im Markt: Power BI Fixer und Developer Hub 20:32 – Ausblick: Fabric-Debatte und Dashboard Roast auf der Daten-WG Shownotes Power BI Fixer (Inzwischen auch als Fabric App Edition!): https://actionablereporting.com/pbi-fixer/ Alexander Korn auf GitHub: https://github.com/KornAlexander
Aug 2

KI hat mich abgelöst | Daten-WG Podcast mit Burkhardt Gasber

Kann man sich selbst durch KI ersetzen – und das auch noch gut finden? Burkhardt Gasber hat genau das getan. Zum dritten Mal zu Gast im Daten-WG-Podcast erzählt er, wie er im vergangenen November abends angefangen hat, mit Lovable seine eigene Arbeitsweise zu digitalisieren: die Heatmap-Analysen für Marketing-Teams, die er jahrelang mühsam von Hand aufbereitet hat. Herausgekommen ist ein Tool für kollaborative Datenanalyse – mit Notizen per Sprache, KI-Summaries und einer Einstiegshürde, die so niedrig ist, dass niemand mehr ein Excel-Training braucht. Wir reden über Slop im Code und warum der egal sein kann, über den fertigen MVP als bestes Briefing, über Datenschutz und deutsche Server, über die Frage, ob Beratung sich damit selbst abschafft – und darüber, was passiert, wenn Wissen plötzlich exponentiell schneller fließt. Burkhardt Gasber https://www.linkedin.com/in/burkhardtgasber/ Artur König https://www.linkedin.com/in/datakoenigartur/ LIVE hier: Daten-WG 2026 Konferenz am 14.-16. Oktober: https://www.daten-wg.com/daten-wg-2026 00:00 – Intro: „Ich habe begonnen, mich selbst zu ersetzen" 04:01 – Warum die Heatmap seine Lieblingsvisualisierung ist 04:39 – Der Abend mit Lovable: aus fünf Zeilen Prompt wird ein Tool 07:00 – Top-1-Prozent-Coder: was die Analyse der eigenen Prompts zeigte 09:14 – „Echter Slop": warum die KI die Interpretation nicht übernimmt 10:39 – Gemeinsam auf die Daten schauen: rote Tage, Muster, Evidenzen 14:06 – Datenschutz, deutsche Server und raus aus der Lovable-Cloud 17:13 – Welche Daten? Wenige KPIs statt ETL-Monster 19:42 – Notizen per Sprache, Notes Board und KI-Summaries 22:41 – Ohne Datenkompetenztraining: die Einstiegshürde radikal senken 25:25 – Was so ein Tool kostet – und warum man in Credits investieren sollte 28:31 – Make or Buy: „Dann spare ich mir den Burkhardt"? 33:54 – Der MVP als bestes Briefing – Slop im Code ist erstmal egal 40:54 – Nicht Ersetzen, sondern Transformation: exponentiell statt linear 46:02 – Die Guten mitnehmen, Mittelstand aufholen – und der Abschlusstipp Shownotes: gasber digital business consulting (Website): https://www.gasber.online/ Burkhardt Gasber auf freelancermap: https://www.freelancermap.com/profile/burkhardt-gasber Früherer Podcast Autritt: https://open.spotify.com/episode/5ABvGykc29oMFQLDfwKwRh Lovable – Vibe-Coding-Plattform, mit der das Tool entstanden ist: https://lovable.dev/

Die Community kommt auch nach dem Event zusammen! Auf diesem Kanal findet ihr den Daten-WG Community Podcast sowie nützliche Tutorials und interessante Live-Streams. Als Spin-Off des legendären AI or DIE Kanals stehen wir für tiefe Einblicke in die Microsoft Data Plattform Welt und einen intensiven Austausch in der Community.

Creator

Daten-WG
Years Active

2025 - 2026
Episodes

42
Rating

Clean
Copyright

© Daten-WG
Show Website

Daten-WG

Business

Business

Updated Weekly
Marketing

Marketing

Updated Weekly
Management

Management

Updated Weekly
Science

Science

Updated Weekly
Politics

Politics

Updated Daily