Copilot-agents op je BI: vier plekken in je model en de RLS-check voor je start

9 juli 2026

🎯 Praktijk⏱ 20 minuten✍️ 2 opdrachten

Wat je in deze les leert

De vier plekken in je semantic model op orde brengen die een Data Agent leest
De RLS-check draaien voordat je een agent aanzet
Weten hoe je de eerste weken verifieert wat de agent teruggeeft

Data Agents in Microsoft 365 Copilot zijn deze maand generally available gegaan. Business users kunnen nu via hun Copilot-omgeving vragen stellen aan governed Fabric data sources, waaronder Power BI semantic models. Dat is een concrete stap, en tegelijk vraagt het iets van je model. Een Data Agent leest namelijk uitsluitend wat in het semantic model zelf staat. Je wiki, de tooltip in je rapport en de post-it op je beeldscherm ziet hij niet. Dat maakt vier plekken in dat model nu bepalend voor wat hij teruggeeft, en daarna is er nog één check die je niet mag overslaan voor je de knop omzet.

De vier plekken in je model

Loop de vier plekken langs op je eigen model en vink af wat op orde is.

1

Naamgeving

Gedaan

Een tabel die dbo_FTS_INV_LN heet met kolommen als AMT_1, AMT_2 en DT is voor een Data Agent even ondoorzichtig als voor een nieuwe collega die net is begonnen. Hernoem die tabel naar Facturen en die kolommen naar Bedrag ex btw, Bedrag incl btw en Factuurdatum, en de agent heeft iets om mee te werken. De vuistregel: open je tabellenlijst in Power BI Desktop en vraag je af of iemand die dit model nooit eerder heeft gezien begrijpt wat er staat. Als het antwoord nee is, is dat precies de plek waar de agent straks naast het onderwerp zoekt.

2

Synoniemen

Gedaan

Via Power BI Desktop kun je per veld en per measure synoniemen invullen, zodat een gebruiker die “revenue” of “verkoopcijfer” tikt vanzelf bij je Omzet-measure uitkomt in plaats van niets terug te krijgen. Dit wordt nog weleens overgeslagen, terwijl het een van de weinige plekken is waar je de taalvariatie van je gebruikers rechtstreeks in het model kunt opvangen.

3

Measures

Gedaan

Een naam die klopt met de vraag die iemand daadwerkelijk stelt, plus één ondubbelzinnige definitie erachter. Omzet_v2_final_correct is een archeologisch dossier, geen measure. Als jij na een week niet meer weet welke versie welke was, weet de agent het ook niet, en geeft hij je gebruikers de verkeerde uitkomst op precies het moment dat ze hem voor het eerst vertrouwen.

4

Het description-veld

Gedaan

Het veld op tabellen, kolommen en measures dat jaren leeg mocht blijven is nu precies wat een agent raadpleegt als een naam alleen niet genoeg zegt. Je vindt het via rechtermuisklik op een tabel, maatregel of kolom in Power BI Desktop, tabblad General, regel Description. Kies drie measures at random en kijk of het veld leeg is: als dat zo is, weet je waar je eerst aandacht naartoe gaat.

📌

Onthoud dit

Vier plekken, één principe: wat een nieuwe collega niet snapt aan je model, snapt de agent ook niet. En wat je niet in het model zelf hebt geregeld, kan de agent niet respecteren.

De RLS-check voor je start

Voordat je een Data Agent publiceert, doe je één keer deze test.

✋

Probeer dit zelf

Zet een testgebruiker rechtstreeks op je dataset, niet via een app of een workspace-rol maar direct op de dataset. Stel via de agent een vraag waarvan die gebruiker het antwoord niet hoort te krijgen: “wat is de omzet van team X”, “wat verdient afdeling Y”. Als je een getal terugkrijgt, zit je row-level security niet goed. Rechten die alleen als filter in het rapport zaten, houden een agent die het model rechtstreeks bevraagt namelijk niet tegen.

Deze test kost je tien minuten. Het alternatief, een incidentmelding omdat de agent iemands omzetcijfers heeft doorgegeven aan mensen die die getallen niet horen te zien, kost je een stuk meer dan tien minuten. En het is ook het gesprek dat niemand achteraf nog prettig vindt om te voeren.

Eerste weken: verifieer voor je doorstelt

Zelfs met de vier plekken op orde en de RLS-check groen, vraagt een Data Agent om verificatie in de eerste weken na het aanzetten. Stel hem bewust dingen waarvan je het antwoord al kent, en kijk of hij hetzelfde teruggeeft. Geeft hij twee keer een getal terug dat je zelf niet snel kunt terugvinden in je model, dan weet je waar het model nog niet af is. Dit is dezelfde check die je ook op een nieuw rapport doet voor je hem de organisatie in stuurt, alleen nu doe je het met vragen in plaats van met ogen.

Copilot-agents op je BI is daarmee vandaag al te doen: een sessie met je BI-team over de vier plekken en de RLS-check, plus een paar verificatievragen zodra hij live staat.

Wil je die checks samen langslopen, of weten of je model al Copilot-ready is? Meer op trainerbjorn.nl.