BI Glossar.
41 Begriffe der Business Intelligence einfach erklärt.
Dieses BI Glossar erklärt die 41 Begriffe, die in Auswahlprojekten für BI-Software (Business Intelligence, also Werkzeuge, die Unternehmensdaten in Berichten und Dashboards auswertbar machen) am häufigsten fallen.
- Aufbau: je Eintrag eine Definition in zwei bis drei Sätzen und ein Hinweis, was der Begriff für die Auswahl bedeutet.
- Für wen: Geschäftsführung, Controlling und IT im Mittelstand in Deutschland, Österreich und der Schweiz.
- Zuletzt geprüft: 19.10.2026.
Gleiche Wörter,
unterschiedliche Bedeutung.
In BI-Projekten reden Fachbereich, IT und Anbieter oft aneinander vorbei, weil Begriffe wie Dashboard, Bericht oder Datenmodell für jeden etwas anderes heißen. Ein gemeinsames Vokabular spart in der Auswahl Zeit und verhindert teure Missverständnisse im Angebot.
Ohne gemeinsame Begriffe
- Das Lastenheft fordert ein Dashboard, gemeint war ein pixelgenauer Monatsbericht
- Anbieter rechnen Lizenzen für Leser und Autoren unterschiedlich, die Angebote sind nicht vergleichbar
- Die IT plant ein Data Warehouse, der Fachbereich erwartet schnelle Self-Service-Analysen
- KI-Funktionen werden versprochen, ohne dass die Datenbasis dafür steht
Mit gemeinsamen Begriffen
- Anforderungen beschreiben genau, ob Standardbericht, Dashboard oder Ad-hoc-Analyse gefragt ist
- Lizenzmodelle werden nach Rollen und Kapazität sauber verglichen
- Architektur und Nutzung sind getrennt geplant: erst Datenbasis, dann Auswertung
- Demos werden mit eigenen Daten und klaren Kriterien bewertet, siehe BI auswählen
Allgemeine Begriffe der Softwareauswahl wie Lastenheft, Longlist, RFP oder Proof of Concept erklärt das Glossar der Softwareauswahl von Find-Your-Software.
41 Begriffe von A bis Z.
Ein Klick springt direkt zur Definition. Die Begriffe sind darunter nach sechs Themenbereichen geordnet.
Grundbegriffe der Business Intelligence.
Acht Begriffe, die in jeder ersten Abstimmung zur BI fallen. Wer sie trennt, kann Anforderungen und Angebote sauber einordnen.
Business Intelligence (BI)
Abkürzung BI
Business Intelligence bezeichnet Methoden und Werkzeuge, mit denen Unternehmen Daten sammeln, aufbereiten und in Berichten, Dashboards und Analysen für Entscheidungen nutzbar machen. Der Begriff geht auf einen Artikel von Hans Peter Luhn (IBM) aus dem Jahr 1958 zurück und wurde ab 1989 durch Howard Dresner bekannt.
Für die Auswahl: BI ist Oberbegriff, nicht Produkt. Die ausführliche Erklärung mit Architektur und Beispielen steht unter Was ist Business Intelligence.
BI-System
auch Business-Intelligence-System
Ein BI-System ist die Gesamtheit aus Datenquellen, Datenhaltung, Datenmodell und Auswertungswerkzeug, mit der ein Unternehmen seine Kennzahlen bereitstellt. Es reicht von einer einzelnen Software bis zu einer Architektur aus Data Warehouse, Integrationswerkzeug und Frontend.
Für die Auswahl: Klären Sie früh, ob Sie nur ein Frontend suchen oder ein ganzes BI-System. Davon hängen Aufwand und Kosten ab, siehe BI Projekt Kosten.
BI-Lösung und BI-Tool
auch BI-Software
Als BI-Tool oder BI-Software wird das Werkzeug bezeichnet, mit dem Nutzer Berichte, Dashboards und Analysen erstellen und ansehen, zum Beispiel Power BI, Qlik Sense oder Tableau. Eine BI-Lösung meint meist das Werkzeug zusammen mit Datenanbindung, Datenmodell und Einführung.
Für die Auswahl: Angebote für eine BI-Lösung enthalten oft Beratungstage, Angebote für ein BI-Tool nur Lizenzen. Vergleichen Sie deshalb immer gleiche Leistungsumfänge, Überblick im BI Software Vergleich.
BI-Prozess
auch Business-Intelligence-Prozess
Der BI-Prozess beschreibt den Weg von den Rohdaten zur Entscheidung: Daten erfassen, integrieren, speichern, modellieren, auswerten und in Maßnahmen übersetzen. In der Praxis läuft er als wiederkehrender Kreislauf, weil neue Fragen neue Daten und Auswertungen verlangen.
Für die Auswahl: Ein Werkzeug deckt selten den ganzen Prozess ab. Prüfen Sie, welche Schritte das Tool selbst übernimmt und wofür weitere Software nötig ist, Einordnung in den BI-Software-Kategorien.
Business Analytics
Business Analytics bezeichnet die weitergehende Analyse von Daten, um Ursachen zu erklären und Entwicklungen vorherzusagen, oft mit statistischen Verfahren. BI beantwortet eher die Frage, was passiert ist, Business Analytics eher, warum es passiert ist und was passieren wird.
Für die Auswahl: Viele BI-Werkzeuge enthalten heute Analytics-Funktionen. Fragen Sie in der Demo nach konkreten Beispielen mit Ihren Daten statt nach Funktionslisten.
Klassische BI
auch zentrale oder IT-gesteuerte BI
Klassische BI meint ein zentral von der IT oder einem BI-Team betriebenes Berichtswesen, bei dem Berichte nach Anforderung gebaut und regelmäßig verteilt werden. Sie bietet einheitliche Zahlen, reagiert aber langsamer auf neue Fragen aus dem Fachbereich.
Für die Auswahl: Die meisten Mittelständler kombinieren heute klassische BI für Standardberichte mit Self-Service für eigene Analysen. Planen Sie beide Rollen im Lizenzmodell ein.
Operational BI
auch operative BI
Operational BI liefert Auswertungen für das Tagesgeschäft, oft mit kurzen Aktualisierungszyklen bis hin zu nahezu Echtzeit, zum Beispiel Auftragseingang, Lieferstatus oder Maschinenzustand. Sie unterstützt operative Entscheidungen statt strategischer Planung.
Für die Auswahl: Operative Auswertungen stellen höhere Anforderungen an Aktualität und Anbindung. Fragen Sie nach Aktualisierungsintervallen und Kosten für Live-Verbindungen, Beispiele für die Fertigung unter BI für Produktion und Industrie.
Self-Service BI
Self-Service BI bezeichnet Werkzeuge und Arbeitsweisen, mit denen Fachanwender selbst Daten abfragen, auswerten und visualisieren, auf Basis eines freigegebenen Datenmodells. Im BARC Trend Monitor 2026 erreicht Self-Service Analytics 6,5 von 10 Punkten und Rang 6.
Für die Auswahl: Self-Service funktioniert nur mit sauberem Datenmodell und Schulung. Zehn Werkzeuge im Vergleich unter Self-Service BI Tools.
Quellen: Wikipedia, Business Intelligence, BARC Data, BI and Analytics Trend Monitor 2026, Stand Oktober 2026.
Wo die Daten liegen und wie sie fließen.
Neun Begriffe zur Datenbasis. Sie entscheiden darüber, ob Auswertungen später stimmen und schnell sind, unabhängig vom gewählten Frontend.
Data Warehouse
kurz DWH
Ein Data Warehouse ist eine zentrale Datenbank, die Daten aus mehreren Quellsystemen für Auswertungen zusammenführt und historisiert. Nach der klassischen Definition von Bill Inmon ist es themenorientiert, integriert, zeitbezogen und nicht flüchtig.
Für die Auswahl: Nicht jeder Mittelständler braucht zum Start ein Data Warehouse. Sobald mehrere Quellen und lange Historien zusammenkommen, wird es meist sinnvoll, Kosten dazu unter BI Projekt Kosten.
Data Mart
Ein Data Mart ist ein fachlich abgegrenzter Ausschnitt eines Data Warehouse, etwa nur für Vertrieb oder Controlling. Er enthält die Daten, die ein Bereich für seine Auswertungen braucht, und ist dadurch kleiner und schneller.
Für die Auswahl: Ein Data Mart ist ein guter Startpunkt für einen Pilot in einem Fachbereich, bevor die gesamte Datenbasis aufgebaut wird.
Data Lake
Ein Data Lake speichert große Mengen strukturierter und unstrukturierter Daten in ihrem Rohformat, zum Beispiel Dateien, Protokolle oder Sensordaten. Die Struktur wird erst beim Lesen festgelegt, was flexibel ist, aber Pflege und Governance verlangt.
Für die Auswahl: Für klassische Kennzahlen im Mittelstand ist ein Data Lake selten der erste Schritt. Relevant wird er bei Maschinendaten oder großen Datenmengen.
Data Lakehouse
Ein Data Lakehouse verbindet die günstige Speicherung eines Data Lake mit Funktionen eines Data Warehouse, etwa Tabellenstrukturen, Transaktionen und schnellen Abfragen. Mehrere Cloud-Plattformen bieten diese Architektur heute an.
Für die Auswahl: Prüfen Sie bei Lakehouse-Angeboten, welche BI-Werkzeuge direkt darauf zugreifen und wie die Kosten für Speicher und Rechenleistung abgerechnet werden.
ETL und ELT
Extract, Transform, Load
ETL steht für Extrahieren, Transformieren und Laden: Daten werden aus Quellen gelesen, bereinigt und umgeformt und dann in die Zieldatenbank geschrieben. Bei ELT werden die Rohdaten zuerst geladen und erst in der Zieldatenbank transformiert, was moderne Cloud-Datenbanken gut unterstützen.
Für die Auswahl: Fragen Sie, ob das BI-Werkzeug eigene ETL-Funktionen mitbringt oder ob ein separates Integrationswerkzeug nötig ist. Das verändert Lizenz und Betrieb.
Datenintegration
Datenintegration bezeichnet das Zusammenführen von Daten aus verschiedenen Systemen wie ERP, CRM, Warenwirtschaft oder Excel zu einem einheitlichen Bestand. Dazu gehören Schnittstellen, Abgleich von Schlüsseln und Regeln für widersprüchliche Werte.
Für die Auswahl: Die Anbindung Ihrer Quellsysteme ist oft der größte Aufwandsposten. Lassen Sie sich die Konnektoren für Ihr ERP in der Demo zeigen, Beispiele für den Handel unter BI für Handel und E-Commerce.
OLAP und Cube
Online Analytical Processing
OLAP ist ein Verfahren für schnelle mehrdimensionale Auswertungen, bei dem Kennzahlen nach Dimensionen wie Zeit, Region oder Produkt betrachtet werden. Der Begriff wurde 1993 von Edgar F. Codd geprägt. Ein Cube ist die dafür vorbereitete mehrdimensionale Datenstruktur.
Für die Auswahl: Viele moderne Werkzeuge arbeiten ohne klassischen Cube mit spaltenbasierten Datenmodellen im Speicher. Für die Auswahl zählt, ob Ihre typischen Abfragen schnell genug laufen.
Semantisches Modell
auch Semantic Layer oder semantische Schicht
Ein semantisches Modell ist eine gemeinsame Datenschicht zwischen Rohdaten und Nutzern, die Kennzahlen, Hierarchien und Beziehungen einheitlich definiert. Dadurch bedeutet zum Beispiel Marge in jedem Bericht dasselbe. KI-Assistenten in BI-Werkzeugen stützen sich ebenfalls darauf.
Für die Auswahl: Ein freigegebenes semantisches Modell gehört ins Lastenheft, besonders wenn Self-Service oder KI-Funktionen geplant sind, Vorlage unter BI Lastenheft Vorlage.
Stammdaten
auch Master Data
Stammdaten sind die grundlegenden, selten veränderten Daten eines Unternehmens, etwa Kunden, Artikel, Lieferanten oder Kostenstellen. Sie bilden die Dimensionen, nach denen Kennzahlen ausgewertet werden.
Für die Auswahl: Doppelte oder uneinheitliche Stammdaten sind eine häufige Ursache falscher Berichte. Planen Sie die Bereinigung vor der Einführung, nicht danach.
Quellen: Wikipedia, Data Warehouse, Wikipedia, OLAP, Stand Oktober 2026.
Wie Ergebnisse beim Nutzer ankommen.
Sieben Begriffe zur Ausgabe. Genau hier entstehen die meisten Missverständnisse zwischen Anforderung und Angebot.
KPI
Key Performance Indicator, Leistungskennzahl
Ein KPI ist eine Kennzahl, mit der ein Unternehmen den Erfolg eines Ziels misst, zum Beispiel Umsatz je Kunde, Liefertreue oder Deckungsbeitrag. Ein KPI braucht eine feste Formel, eine Datenquelle und eine verantwortliche Person.
Für die Auswahl: Schreiben Sie die wichtigsten KPI mit Formel ins Lastenheft. Beispiele mit Formeln für das Controlling unter BI für Finanzwesen und Controlling.
Dashboard
Ein Dashboard zeigt die wichtigsten Kennzahlen auf einem Bildschirm, meist interaktiv mit Filtern und Diagrammen. Es dient dem schnellen Überblick und dem Einstieg in Detailanalysen, nicht dem Ausdruck.
Für die Auswahl: Ein Dashboard ersetzt keinen formalen Monatsbericht. Trennen Sie im Lastenheft Dashboards, Standardberichte und Ad-hoc-Analysen.
Standardberichtswesen
auch Standard-Reporting
Standardberichtswesen umfasst vordefinierte Berichte, die in festem Rhythmus erstellt und verteilt werden, zum Beispiel der Monatsbericht für die Geschäftsführung. Inhalt und Aufbau ändern sich selten, die Zahlen müssen dafür verlässlich und nachvollziehbar sein.
Für die Auswahl: Prüfen Sie, ob Berichte zeitgesteuert verschickt werden können und ob das ohne Zusatzlizenz für jeden Empfänger geht. Wann sich der Umstieg von Excel lohnt, steht unter Excel durch BI ersetzen.
Paginierter Bericht
auch pixelgenauer Bericht
Ein paginierter Bericht ist für Druck oder PDF optimiert und wird seitenweise mit festem Layout ausgegeben, etwa Rechnungslisten, Formulare oder umfangreiche Tabellen. Werkzeuge wie Crystal Reports oder die paginierten Berichte in Power BI sind darauf spezialisiert.
Für die Auswahl: Wer heute viele Druckberichte nutzt, sollte deren Migration früh bewerten. Nicht jedes Dashboard-Werkzeug kann pixelgenaue Ausgabe gleich gut.
Ad-hoc-Analyse
Eine Ad-hoc-Analyse beantwortet eine neue, spontane Frage, für die es noch keinen Bericht gibt, etwa warum der Umsatz in einer Region gefallen ist. Nutzer kombinieren dafür selbst Daten, Filter und Diagramme.
Für die Auswahl: Lassen Sie typische Fachanwender in der Demo eine echte Ad-hoc-Frage lösen und messen Sie die Zeit bis zur ersten brauchbaren Antwort.
Drilldown
auch Drill-down
Drilldown bedeutet, von einer verdichteten Zahl in die Details zu gehen, zum Beispiel vom Jahresumsatz zum Monat, zur Filiale und zum einzelnen Beleg. Der umgekehrte Weg heißt Drill-up oder Roll-up.
Für die Auswahl: Achten Sie darauf, wie tief der Drilldown reicht und ob er bis in die Quelldaten führt. Das hängt vom Datenmodell ab, nicht nur vom Werkzeug.
Embedded Analytics
auch eingebettete Analytik
Embedded Analytics bettet Berichte und Dashboards direkt in eine andere Anwendung ein, zum Beispiel in ein Kundenportal, ein CRM oder eine eigene Software. Nutzer sehen die Auswertung, ohne das BI-Werkzeug selbst zu öffnen.
Für die Auswahl: Für Embedded Analytics gelten oft eigene Lizenzmodelle nach Kapazität oder Zahl der Endkunden. Fragen Sie danach gezielt im Angebot.
Mehr zur Abgrenzung von Reporting, Dashboards und Embedded Analytics unter Self-Service BI Tools und BI-Software-Kategorien.
Von der Vorhersage zum KI-Assistenten.
Sechs Begriffe rund um fortgeschrittene Analyse und künstliche Intelligenz in BI-Werkzeugen. Hier ist der Abstand zwischen Werbeversprechen und Alltag am größten.
Predictive Analytics
auch prädiktive Analyse
Predictive Analytics nutzt statistische Modelle und maschinelles Lernen, um aus historischen Daten künftige Entwicklungen vorherzusagen, etwa Absatz, Kündigungen oder Ausfälle. Die Qualität hängt stark von Datenmenge und Datenqualität ab.
Für die Auswahl: Fragen Sie, ob Vorhersagen im BI-Werkzeug selbst laufen oder ein zusätzliches Data-Science-Werkzeug nötig ist.
Data Mining
Data Mining bezeichnet das systematische Suchen nach Mustern, Zusammenhängen und Auffälligkeiten in großen Datenbeständen. Typische Verfahren sind Klassifikation, Clusterbildung und Assoziationsanalyse, etwa für Warenkorbanalysen.
Für die Auswahl: Für die meisten Mittelständler ist Data Mining kein Muss-Kriterium. Es lohnt sich, wenn ein konkreter Anwendungsfall mit ausreichend Daten vorliegt.
Data Science
Data Science ist die Disziplin, die mit Statistik, Programmierung und Fachwissen Erkenntnisse aus Daten gewinnt, oft mit Python, R oder Notebooks. Sie geht über BI hinaus, weil sie eigene Modelle entwickelt statt vorhandene Kennzahlen darzustellen.
Für die Auswahl: Data-Science-Plattformen sind eine eigene Werkzeugklasse. Die Einordnung neben BI zeigt die Übersicht der BI-Software-Kategorien.
Augmented Analytics
auch erweiterte Analytik
Augmented Analytics bezeichnet BI-Funktionen, die mit maschinellem Lernen automatisch Auffälligkeiten erkennen, Erklärungen vorschlagen oder passende Diagramme erzeugen. Ziel ist, auch Nutzern ohne Analysewissen Erkenntnisse zugänglich zu machen.
Für die Auswahl: Prüfen Sie automatische Hinweise mit eigenen Daten auf Plausibilität. Ohne sauberes Datenmodell entstehen viele Fehlalarme.
Abfragen in natürlicher Sprache
auch Natural Language Query
Bei Abfragen in natürlicher Sprache stellen Nutzer Fragen als normalen Satz, etwa Umsatz nach Region im letzten Quartal, und das Werkzeug erzeugt die passende Auswertung. Moderne Assistenten wie Copilot in Power BI nutzen dafür Sprachmodelle.
Für die Auswahl: Solche Funktionen sind oft an höhere Lizenzstufen gebunden. Copilot in Power BI setzt eine bezahlte Kapazität voraus, Details unter Power BI Kosten.
Agentische Analytics
auch Agentic Analytics
Agentische Analytics bezeichnet KI-Agenten, die nicht nur Fragen beantworten, sondern mehrere Analyseschritte selbstständig ausführen und Ergebnisse oder Aktionen vorschlagen. Im BARC Trend Monitor 2026 liegt agentische KI auf Rang 19 von 20 Themen, generative KI auf Rang 13.
Für die Auswahl: Agentische Funktionen sind noch früh. Bewerten Sie sie als Zusatz, nicht als Hauptkriterium, und klären Sie Datenschutz und Verarbeitungsregion.
Quellen: BARC Data, BI and Analytics Trend Monitor 2026, Microsoft zu Copilot in Power BI, Stand Oktober 2026. Pflichten beim Einsatz von KI regelt die KI-Verordnung (EU) 2024/1689, Artikel 4 verlangt Maßnahmen zur KI-Kompetenz des Personals, ohne ein bestimmtes Niveau vorzuschreiben. Was das im BI-Alltag heißt, zeigt BI Trends.
Regeln, Rechte und Verantwortung.
Sechs Begriffe dazu, wer was sehen darf und wer für welche Zahl verantwortlich ist. Im BARC Trend Monitor 2026 stehen Datenqualität und Datensicherheit mit je 7,9 von 10 Punkten an der Spitze.
Data Governance in BI
Data Governance in BI legt fest, wer Daten und Kennzahlen definiert, freigibt, ändert und verantwortet. Dazu gehören Rollen wie Datenverantwortliche, Regeln für zertifizierte Berichte und Abläufe für neue Kennzahlen.
Für die Auswahl: Fragen Sie, welche Governance-Funktionen im Basispreis enthalten sind, etwa Zertifizierung, Versionsstände und Protokolle. Allgemeine Definition im Glossar der Softwareauswahl.
Datenqualität
Datenqualität beschreibt, wie vollständig, korrekt, aktuell und einheitlich Daten sind. In BI zeigt sich schlechte Datenqualität sofort, weil Berichte widersprüchliche oder falsche Zahlen liefern.
Für die Auswahl: Kein BI-Werkzeug repariert schlechte Daten. Planen Sie Zeit für Bereinigung ein, laut BARC und Eckerson nennen 41 Prozent schlechte Datenqualität als Barriere der BI-Nutzung.
Zeilenrechte (Row-Level-Security)
auch RLS oder Zeilensicherheit
Zeilenrechte sorgen dafür, dass Nutzer im selben Bericht nur die Datenzeilen sehen, die sie sehen dürfen, zum Beispiel nur ihre Region oder Kostenstelle. Die Umsetzung unterscheidet sich je Werkzeug, in Power BI etwa über Rollen im Datenmodell.
Für die Auswahl: Zeilenrechte sind bei Personal- und Vertriebsdaten Pflicht. Bei manchen Werkzeugen gibt es sie erst in höheren Plänen, Beispiel unter Metabase Erfahrungen.
Data Literacy
Datenkompetenz
Data Literacy ist die Fähigkeit, Daten zu lesen, zu hinterfragen und für Entscheidungen zu nutzen. Im BARC Trend Monitor 2026 liegt Data Literacy auf Rang 5 mit 6,5 von 10 Punkten.
Für die Auswahl: Die beste Software scheitert ohne Schulung. Laut BARC und Eckerson nennen 50 Prozent fehlendes Training als Barriere, Rollen und Schulung unter BI einführen.
Datenkatalog
auch Data Catalog
Ein Datenkatalog verzeichnet, welche Datenbestände es gibt, was sie bedeuten, woher sie stammen und wer verantwortlich ist. Er hilft Nutzern, die richtige Datenquelle zu finden, und dokumentiert die Herkunft von Kennzahlen.
Für die Auswahl: Für kleine Umgebungen reicht oft die Dokumentation im semantischen Modell. Ein eigener Datenkatalog lohnt sich bei vielen Quellen und Teams.
Data Mesh
Data Mesh ist ein Organisationsansatz, bei dem Fachbereiche ihre Daten selbst als Datenprodukte verantworten und bereitstellen, statt alles zentral zu sammeln. Er setzt gemeinsame Standards und eine reife Datenorganisation voraus.
Für die Auswahl: Data Mesh ist vor allem für große Organisationen relevant. Im Mittelstand ist eine klare Verantwortung je Kennzahl meist der wirksamere erste Schritt.
Quellen: BARC Data, BI and Analytics Trend Monitor 2026, BARC und Eckerson, BI und Analytics Adoption, Microsoft, Zeilenrechte in Power BI, Stand Oktober 2026.
Was es kostet und wo es läuft.
Fünf Begriffe, die über die Gesamtkosten entscheiden. Wer sie kennt, kann Angebote verschiedener Anbieter vergleichbar machen.
Autoren- und Leselizenz
auch Creator und Viewer
Viele BI-Werkzeuge unterscheiden Lizenzen für Personen, die Berichte erstellen, und Personen, die sie nur ansehen. Bei Tableau heißen die Rollen Creator, Explorer und Viewer, der Viewer kostet im Plan Standard 15 US-Dollar je Monat. Bei Power BI braucht im Regelfall jeder Nutzer eine Pro-Lizenz für 12,10 Euro je Monat.
Für die Auswahl: Rechnen Sie Angebote mit Ihrem realen Mix aus Autoren und Lesenden. Rechenbeispiele unter Tableau Preise und Power BI Kosten.
Kapazitätslizenz
Bei einer Kapazitätslizenz bezahlt das Unternehmen Rechenleistung oder Datenvolumen statt einzelner Nutzer. Qlik Cloud Analytics Standard kostet laut Hersteller 825 US-Dollar je Monat bei unbegrenzten Nutzern und 25 GB, Power BI bietet Kapazität über Microsoft Fabric.
Für die Auswahl: Kapazität lohnt sich meist bei vielen Lesenden und wenigen Autoren. Prüfen Sie, ab welcher Nutzerzahl sich das Modell gegenüber Lizenzen je Nutzer rechnet.
Cloud-BI und On-Premises-BI
Cloud-BI läuft als Dienst beim Anbieter und wird über den Browser genutzt, On-Premises-BI läuft auf Servern im eigenen Rechenzentrum. Viele Anbieter bieten beides an, manche nur Cloud, und die Funktionen unterscheiden sich oft zwischen den Varianten.
Für die Auswahl: Klären Sie Hosting-Region, Vertrag zur Auftragsverarbeitung und Funktionsunterschiede der Varianten. Allgemeine Begriffe wie SaaS oder Private Cloud erklärt das Glossar der Softwareauswahl. Entscheidungshilfe: Cloud BI oder On-Premises.
BI as a Service
auch Managed BI
BI as a Service bedeutet, dass ein Dienstleister Datenplattform, Berichte und Betrieb übernimmt und das Unternehmen die Leistung als laufenden Service bezieht. Es eignet sich für Unternehmen ohne eigenes BI-Team, schafft aber Abhängigkeit vom Dienstleister.
Für die Auswahl: Regeln Sie vertraglich, wem Datenmodell und Daten gehören und wie ein Wechsel funktioniert. Was externe Hilfe kostet, zeigt BI Beratung Kosten.
DAX und Power Query
DAX (Data Analysis Expressions) ist die Formelsprache für Kennzahlen im Datenmodell von Power BI, Power Query ist das Werkzeug für das Laden und Umformen von Daten in Power BI und Excel. Andere Werkzeuge haben eigene Sprachen, etwa LookML bei Looker oder das Ladeskript bei Qlik.
Für die Auswahl: Der Lernaufwand für diese Sprachen gehört in die Kostenrechnung. Fragen Sie, wie viel Ihrer Power-User selbst modellieren sollen, Vergleich unter Power BI vs Tableau vs Qlik.
Preise laut Herstellerseiten, Stand Oktober 2026, ohne Mehrwertsteuer: Microsoft Power BI, Tableau, Qlik.
BI, Analytics, Data Science und Reporting im Vergleich.
Die vier Begriffe werden oft gleich verwendet, beantworten aber unterschiedliche Fragen. Die Tabelle hilft, Anforderungen richtig zuzuordnen.
| Disziplin | Leitfrage | Typische Ergebnisse | Typische Nutzer | Zeitbezug |
|---|---|---|---|---|
| StandardberichtswesenReporting | Was ist im letzten Monat passiert? | Monatsbericht, Listen, Druckberichte | Geschäftsführung, Controlling | Vergangenheit, fester Rhythmus |
| Business IntelligenceBI | Wie stehen wir, und wo weichen wir ab? | Dashboards, Kennzahlen, Drilldown | Führungskräfte, Fachbereiche | Vergangenheit und Gegenwart |
| Business AnalyticsAnalytics | Warum ist es passiert, was passiert als Nächstes? | Ursachenanalysen, Prognosen, Szenarien | Analysten, Controlling | Gegenwart und Zukunft |
| Data ScienceData Science | Welches Modell erklärt oder optimiert das? | Vorhersagemodelle, Algorithmen, Experimente | Data Scientists, Entwickler | Zukunft, projektbezogen |
Einordnung von Find-Your-BI. In der Praxis überschneiden sich die Disziplinen, viele Werkzeuge decken mehrere ab. Welche Softwareklassen es dafür gibt, zeigt die Übersicht der BI-Software-Kategorien.
Häufige Fragen
direkt beantwortet.
Was ist ein BI-System?
Ein BI-System ist die Gesamtheit aus Datenquellen, Datenhaltung, Datenmodell und Auswertungswerkzeug, mit der ein Unternehmen seine Kennzahlen bereitstellt. Es kann aus einer einzelnen Software bestehen oder aus einer Architektur mit Data Warehouse, Integrationswerkzeug und Frontend. Für die Auswahl ist wichtig, ob Sie nur ein Auswertungswerkzeug suchen oder das ganze System aufbauen. Davon hängen Aufwand, Dauer und Kosten deutlich ab.
Wofür steht die Abkürzung BI?
BI steht für Business Intelligence. Gemeint sind Methoden und Werkzeuge, mit denen Unternehmen ihre Daten sammeln, aufbereiten und in Berichten, Dashboards und Analysen für Entscheidungen nutzbar machen. Der Begriff geht auf einen Artikel von Hans Peter Luhn aus dem Jahr 1958 zurück und wurde ab 1989 durch Howard Dresner bekannt. Die ausführliche Erklärung steht auf der Seite Was ist Business Intelligence.
Was ist der BI-Prozess?
Der BI-Prozess beschreibt den Weg von den Rohdaten zur Entscheidung. Er besteht aus Erfassen, Integrieren, Speichern, Modellieren, Auswerten und dem Übersetzen der Ergebnisse in Maßnahmen. Weil neue Fragen neue Daten und Auswertungen verlangen, läuft er als wiederkehrender Kreislauf. Ein einzelnes Werkzeug deckt selten alle Schritte ab, deshalb lohnt sich ein Blick auf die Kategorien von BI-Software.
Was ist der Unterschied zwischen BI und Analytics?
Business Intelligence beantwortet vor allem die Frage, was passiert ist und wo das Unternehmen gerade steht, mit Kennzahlen, Dashboards und Berichten. Business Analytics geht weiter und fragt, warum etwas passiert ist und was als Nächstes passieren wird, oft mit statistischen Verfahren und Prognosen. In der Praxis überschneiden sich beide, und viele BI-Werkzeuge enthalten heute auch Analytics-Funktionen.
Was ist der Unterschied zwischen Dashboard und Bericht?
Ein Dashboard zeigt die wichtigsten Kennzahlen interaktiv auf einem Bildschirm und dient dem schnellen Überblick mit Filtern und Drilldown. Ein Bericht ist meist ein vordefiniertes Dokument mit festem Aufbau, das in einem Rhythmus erstellt und verteilt wird, oft als PDF. Für die Auswahl ist die Trennung wichtig, weil nicht jedes Werkzeug beides gleich gut beherrscht.
Brauche ich ein Data Warehouse für BI?
Nicht zwingend zum Start. Viele Mittelständler beginnen mit einer direkten Anbindung des ERP und einiger Excel-Dateien. Sobald mehrere Quellsysteme zusammengeführt, lange Historien aufgebaut oder viele Nutzer gleichzeitig versorgt werden müssen, wird ein Data Warehouse meist sinnvoll. Ein Data Mart für einen Fachbereich ist ein guter Zwischenschritt, um den Nutzen zu prüfen.
Was ist ein semantisches Modell?
Ein semantisches Modell ist eine gemeinsame Datenschicht zwischen Rohdaten und Nutzern, die Kennzahlen, Hierarchien und Beziehungen einheitlich definiert. Dadurch bedeutet eine Kennzahl wie Marge in jedem Bericht dasselbe. Je nach Produkt heißt es Semantic Model, LookML-Modell oder Datenmodell. Auch KI-Assistenten in BI-Werkzeugen stützen sich darauf, deshalb gehört es bei Self-Service und KI-Plänen ins Lastenheft.
Was sind Zeilenrechte in BI?
Zeilenrechte, auch Row-Level-Security genannt, sorgen dafür, dass Nutzer im selben Bericht nur die Datenzeilen sehen, die sie sehen dürfen, etwa nur ihre Region oder Kostenstelle. Die Umsetzung unterscheidet sich je Werkzeug, in Power BI zum Beispiel über Rollen im Datenmodell. Bei Personal- und Vertriebsdaten sind Zeilenrechte praktisch Pflicht, bei manchen Anbietern aber erst in höheren Plänen enthalten.
Was bedeutet Self-Service BI?
Self-Service BI bezeichnet Werkzeuge und Arbeitsweisen, mit denen Fachanwender selbst Daten abfragen, auswerten und visualisieren, ohne für jede Frage die IT einzubinden. Grundlage ist ein freigegebenes Datenmodell mit einheitlichen Kennzahlen. Im BARC Trend Monitor 2026 erreicht Self-Service Analytics 6,5 von 10 Punkten. Ohne Schulung und Regeln bleibt die Nutzung erfahrungsgemäß gering.
Was unterscheidet eine Autorenlizenz von einer Leselizenz?
Eine Autorenlizenz erlaubt das Erstellen und Ändern von Berichten, eine Leselizenz nur das Ansehen. Tableau unterscheidet die Rollen Creator, Explorer und Viewer, bei Power BI braucht im Regelfall jeder Nutzer eine Pro-Lizenz. Für die Kostenrechnung ist der reale Mix aus Autoren und Lesenden entscheidend, weil er bestimmt, ob Lizenzen je Nutzer oder ein Kapazitätsmodell günstiger sind.
Die passenden Begriffe kennen Sie.
Jetzt das passende Werkzeug finden.
Geben Sie Ihre Unternehmens-URL ein, und das BI-Matching erstellt in rund sechs Minuten eine neutrale Shortlist aus über 200 BI-Systemen, abgestimmt auf Branche, Größe und Ausgangslage. Für strukturierte Auswahlprojekte unterstützt das BI Selection Portal bei Anforderungen, Demos und Entscheidung.