Sådan kan Claude.ai forbedre din Power BI-udvikling

Power BI-udvikling handler ikke kun om at bygge flotte rapporter. Det handler i høj grad om at skabe stærke semantiske modeller, skrive robuste DAX-measures, dokumentere forretningslogik og sikre, at løsningen kan vedligeholdes over tid.

Med den nye mulighed for at forbinde AI-assistenter som Claude.ai til Power BI via MCP – Model Context Protocol – bliver arbejdet med Power BI-modeller markant mere effektivt. MCP gør det muligt for AI-værktøjer at interagere med Power BI semantic models gennem naturligt sprog, så udvikleren kan bruge Claude som en aktiv sparringspartner i udviklingsprocessen. Microsoft beskriver selv MCP-serverne som en måde, hvor AI-agenter kan arbejde med Power BI gennem naturligt sprog, enten til modellering eller analyse af eksisterende modeller.

Fra passiv chatbot til aktiv udviklingspartner

Det interessante er ikke bare, at Claude kan forklare DAX eller komme med forslag til measures. Det har mange AI-værktøjer kunnet i et stykke tid.

Det nye er, at Claude kan få kontekst fra selve Power BI-modellen. Det betyder, at den ikke kun svarer ud fra en tekstbeskrivelse, men kan arbejde med tabeller, kolonner, relationer, measures og metadata i modellen.

Microsofts Power BI Modeling MCP Server gør det muligt at oprette, ændre og vedligeholde tabeller, kolonner, measures og relationer via naturligt sprog. Den kan også bruges til bulk-opdateringer, best practice-tjek og DAX-validering.

Eksempler på opgaver Claude kan hjælpe med

Når Claude kobles til Power BI-modellen, kan den bruges som en ekstra udvikler, reviewer og dokumentationsassistent.

Den kan eksempelvis hjælpe med at:

  • foreslå og oprette DAX-measures
  • gennemgå eksisterende measures og forklare forretningslogikken
  • finde inkonsistente navngivninger
  • foreslå bedre tabel- og kolonnenavne
  • skjule tekniske nøgler og irrelevante felter
  • oprette display folders
  • dokumentere measures, tabeller og kolonner
  • validere DAX-logik mod modellen
  • foreslå forbedringer i den semantiske model

Det betyder ikke, at Claude erstatter Power BI-udvikleren. Men den kan reducere meget af det gentagne arbejde og samtidig øge kvaliteten i modellen.

Et bedre workflow for Power BI-udvikling

Et godt workflow kunne se sådan ud:

Først bygger man den grundlæggende datamodel i Power BI Desktop eller som Power BI Project. Derefter kobler man Claude til modellen via Power BI Modeling MCP Server. Når forbindelsen er etableret, kan man bede Claude analysere modellen og komme med forslag til forbedringer.

Et eksempel kunne være:

“Gennemgå denne Power BI-model og foreslå forbedringer i navngivning, measures, relationer og dokumentation.”

Claude kan derefter give et struktureret forslag, som udvikleren kan gennemgå og godkende. Det vigtige er, at udvikleren stadig har kontrollen. AI’en skal bruges som sparring og produktivitetsværktøj – ikke som ukritisk autopilot.

Særligt stærkt til DAX og dokumentation

To områder, hvor Claude især kan skabe værdi, er DAX og dokumentation.

DAX kan hurtigt blive kompleks, især når der arbejdes med filter context, time intelligence, calculation groups eller avancerede KPI-definitioner. Claude kan hjælpe med at forklare eksisterende DAX, foreslå alternative formuleringer og validere, om en measure faktisk gør det, man forventer.

Dokumentation er et andet klassisk problem i BI-projekter. Den bliver ofte nedprioriteret, selvom den er afgørende for governance, vedligeholdelse og overdragelse. Microsofts GitHub-eksempler viser blandt andet, at MCP-serveren kan bruges til at generere professionel dokumentation af en semantisk model, inklusive measure-beskrivelser, DAX-logik, datakilder og relationer.

Det ændrer rollen som Power BI-udvikler

Denne type AI-integration ændrer ikke behovet for Power BI-kompetencer. Tværtimod gør den det endnu vigtigere, at udvikleren forstår datamodellering, DAX, forretningslogik og governance.

Claude kan foreslå løsninger, men den ved ikke nødvendigvis, hvad der er rigtigt i en konkret forretningskontekst. Den kan eksempelvis foreslå en measure, der teknisk virker, men som ikke passer til virksomhedens definition af omsætning, margin eller aktiv kunde.

Derfor bliver Power BI-udviklerens rolle i højere grad at:

  • formulere klare krav
  • stille gode prompts
  • validere AI’ens forslag
  • sikre korrekt forretningslogik
  • beskytte data og metadata
  • tage ansvar for den endelige løsning

Det er ikke mindre faglighed. Det er en anden måde at bruge fagligheden på.

Husk governance og datasikkerhed

Der er også en vigtig governance-vinkel. Microsoft gør opmærksom på, at selvom MCP-serveren bruger eksisterende Power BI-rettigheder og ikke omgår sikkerhedsmodellen, kan metadata, modelstruktur eller forespørgselsresultater blive sendt videre til den valgte AI-klient eller LLM-leverandør som en del af samtalekonteksten.

Derfor bør man ikke bare koble AI på produktionsmodeller uden omtanke. Organisationer bør have klare retningslinjer for, hvilke modeller og data der må bruges sammen med eksterne AI-værktøjer.

Særligt i regulerede miljøer bør man starte kontrolleret: brug testmodeller, anonymiserede data og klare regler for, hvilke oplysninger der må deles.

Min vurdering

Samarbejdet mellem Power BI og Claude.ai er et godt eksempel på, hvordan AI kan løfte BI-udvikling fra manuel opbygning til mere intelligent modeludvikling.

Den største værdi ligger ikke i, at AI kan skrive en enkelt DAX-measure hurtigere. Den største værdi ligger i, at Claude kan hjælpe med at forstå, forbedre, dokumentere og standardisere hele den semantiske model.

Det gør Power BI-udviklingen hurtigere, men også mere struktureret.

For mig er konklusionen klar: Claude.ai og MCP kan blive et stærkt værktøj for Power BI-udviklere – især når det bruges med sund fornuft, faglig kontrol og respekt for governance. AI’en kan accelerere arbejdet, men det er stadig udvikleren, der skal sikre kvaliteten.

mere viden