Die Demo war beeindruckend. Ein KI-Agent hat aus rohen CSV-Dateien in Minuten ein Datenmodell und einen Power-BI-Bericht gebaut. Alle nickten. Dann kam die Frage, die jede Euphorie stoppt: „Und darauf können wir uns verlassen?"
Genau um diese Frage geht es in dieser Serie. Denn wir haben nicht nur einen Agenten gebaut, der Power BI und Microsoft Fabric bedient — wir haben ihn so gebaut, dass man seinem Ergebnis vertrauen kann. Das Verfahren dahinter heißt Loop Engineering.
Was wir konkret gebaut haben
Kein einzelner Alleskönner, sondern ein Team spezialisierter Agenten mit klaren Rollen:
- Der Orchestrator — der einzige Einstiegspunkt. Er nimmt ein Ziel entgegen, plant, koordiniert und verwaltet den Fortschritt. Er schreibt selbst keinen Report-Code.
- Der Power-BI-Spezialist — er plant, baut und verwaltet Semantic Models und Berichte über das offene Power-BI-Projektformat (PBIP/PBIR): Datenmodell (TMDL), DAX-Measures, Layout, Theme, Design.
- Der Data-Engineering-Worker — der Ausführende für die übrige Fabric-Welt: Spark/Notebooks, Warehouse/SQL, Eventhouse/KQL, Eventstreams, Dataflows und Migrationen.
- Der unabhängige Prüfer — eine rein lesende Prüf-Instanz, die fertige Berichte abnimmt, ohne selbst etwas zu ändern.
Dazu kommen fachliche Personas (für Governance, Data Engineering, Migration, App-Entwicklung und Datenfragen) und über 30 wiederverwendbare Skills — von Report-Design bis Semantic-Model-Authoring.
Warum das nötig ist
Ein Agent, der neun von zehn Berichte korrekt baut, klingt gut — bis der zehnte beim Öffnen in Power BI Desktop mit einem kryptischen Fehler abstürzt oder eine Tenant-ID im Artefakt hinterlässt. Dann muss wieder jeder Lauf manuell geprüft werden, und der Effizienzgewinn ist weg.
Der Grund: Klassische Agenten halten ihren Fortschritt nur im flüchtigen Chat. Sie können drei Fragen nicht verlässlich beantworten: Wo stehe ich? Was ist erwiesen fertig? Was fehlt noch?
Der Ausweg: Struktur statt Hoffnung
Unser Ansatz setzt nicht auf ein noch schlaueres Modell, sondern auf eine kontrollierte Schleife um das Modell herum — mit festem Zustand, klaren Phasen, getrennten Rollen und harten Qualitäts-Gates. In den nächsten sechs Artikeln zeige ich jeden dieser Bausteine — konkret an unserem Power-BI-/Fabric-System.
Verlässlichkeit ist kein Zufall. Sie ist konstruiert.
Wie verlässlich sind die KI-Agenten, mit denen Sie heute Berichte oder Datenmodelle bauen? 👇
#PowerBI #MicrosoftFabric #KünstlicheIntelligenz #AIAgents #LoopEngineering #BusinessIntelligence
