Notities van de Power BI Gebruikersdagen 2026
AI bouwt nu ook je datamodel
Op de Power BI Gebruikersdagen viel mij op dat AI zich inmiddels niet alleen richt op analyse of visualisatie, maar ook op het opbouwen van datamodellen. Als je je Power BI setup net iets technischer inricht dan alleen workspaces en rapporten, kun je semantic models laten genereren met AI.
Je moet dat zo zien: je laat AI geen model verzinnen, maar geeft het instructies. Die instructies kun je uitbreiden met zogenaamde skills, waarin je vastlegt hoe jouw model eruit hoort te zien. Op basis daarvan kan een agent tabellen opbouwen, relaties leggen, measures genereren en ook synoniemen, beschrijvingen en naamgeving consistent toepassen. Dat gebeurt in code en lijkt sterk op hoe je met TMDL werkt, alleen schrijf je het model niet meer zelf maar laat je het genereren op basis van jouw regels.
Wat je hiermee doet
Dit helpt je vooral op twee vlakken. Je bespaart tijd in het technische opzetten van een model en je kunt consistentie afdwingen. Niet alleen binnen een enkel model, maar over alles wat je bouwt. Je legt een keer vast hoe je werkt en laat dat vervolgens uitvoeren.
Om dit te gebruiken heb je een aantal dingen nodig: een Power BI Project (PBIP) met een lokaal model, een ontwikkelomgeving met Visual Studio Code en GitHub Copilot, en een MCP server die de koppeling maakt tussen AI en je model. Daarnaast werk je met instructies en skills waarin je vastlegt welke termen je gebruikt, hoe je model is opgebouwd en hoe measures en metadata worden ingericht.
De benodigde technieken
Om dit werkend te krijgen heb je een aantal bouwstenen nodig die samen zorgen dat AI daadwerkelijk op je model kan werken:
-
Een Power BI Project (PBIP)
Zodat je model als code beschikbaar is en lokaal bewerkt kan worden. -
Basiskennis van TMDL
Je hoeft het niet volledig zelf te schrijven, maar je moet wel begrijpen wat er gegenereerd wordt. -
Visual Studio Code
Je ontwikkelomgeving waarin je het project opent en bewerkt. -
GitHub en een repository
Om je model te versioneren en samen te werken. -
GitHub Copilot
Om code te genereren en de agent aan te sturen. -
Een Power BI of Fabric MCP server
Deze zorgt ervoor dat de AI toegang krijgt tot je model en acties kan uitvoeren. -
Instructies en skills
Tekstbestanden waarin je vastlegt hoe jouw model opgebouwd moet worden: business termen, stermodel, synoniemen en beschrijvingen, measures-structuur en best practices voor performance. -
Iteratie
De eerste versie is zelden perfect. Je stuurt bij, scherpt je instructies aan en laat het model opnieuw genereren.
Dit geheel maakt dat je niet alleen sneller bouwt, maar ook structureel op dezelfde manier blijft werken.
Reflectie
Wat hier zichtbaar wordt is dat de tooling verschuift. Je typt steeds minder zelf en stuurt steeds meer aan. Maar het fundament verandert niet: je moet weten wat een goed model is voordat je er een kunt laten genereren. AI versnelt het bouwen, niet het denken.
Dat fundament goed neerzetten is precies wat ik doe in de maatwerk Power BI trainingen die ik verzorg. Of het nu gaat om de workshop datamodellering of een langer traject, modelleren, DAX en datastructuren begrijpen blijven onmisbaar.
Wil je dit stap voor stap opzetten? Ik heb een checklist gemaakt die je door het hele proces heen leidt.
De andere onderwerpen uit deze serie staan op de overzichtspagina.