Power BI Kosten 2026: Live statt Excel

1Einleitung

Die unbequeme Wahrheit zuerst: Nicht Excel ist dein Problem. Das Problem ist das Reporting drumherum.

In vielen Unternehmen in Aachen und der Städteregion laufen Monatsberichte immer noch über CSV-Exporte, Copy-&-Paste, fünf Dateiversionen und die berühmte Frage: „Welche Zahl stimmt jetzt eigentlich?“ Genau an dem Punkt kippt Excel von „praktisch“ zu „gefährlich“.

Viele Aachener Betriebe aus Vertrieb, Produktion und technischem Service haben die Bausteine längst im Haus: Microsoft 365, DATEV-Exporte, ERP-Daten, CRM-Listen und irgendwelche Excel-Dateien auf dem Netzlaufwerk. Du brauchst also nicht zwingend ein großes ERP-Projekt, um ein vernünftiges Geschäftsführungs-Dashboard zu bauen. Du brauchst vor allem Struktur.

Und ja, Power BI kostet Geld. Aber ehrlich gesagt ist das oft der kleinere Teil der Rechnung. Viel teurer sind die Stunden, die jeden Monat in manuelle Berichte verschwinden, plus die Entscheidungen auf Basis veralteter PDFs.

2Warum Excel-Reporting im KMU genau jetzt kippt

Excel ist nicht tot. Ich halte das ständige „Excel muss weg“-Gerede sogar für übertrieben. Excel bleibt stark, wenn eine Person sauber arbeitet, die Datenmenge überschaubar ist und niemand ein verteiltes Reporting braucht.

Kritisch wird es, sobald mehrere Abteilungen dieselben Kennzahlen nutzen sollen. Dann entstehen schnell mehrere Wahrheiten: Vertrieb hat eine Zahl, Controlling eine andere, die Geschäftsführung bekommt am Monatsende ein PDF und arbeitet damit weiter, obwohl die Lage drei Tage später schon anders aussieht.

Laut vistaFin brechen Monatsberichte oft nicht an Excel selbst, sondern an manuellen Schritten wie Dateiexporten, Formatkorrekturen, Kontenzuordnungen und doppelter Pflege. Genau das sehe ich in meiner Arbeit mit Firmen aus der Region auch. Das Problem sitzt selten im Diagramm, sondern in gewachsenen Prozessen, die nie für Wiederholbarkeit gebaut wurden.

Der eigentliche Wendepunkt heißt Power Query. Das steckt sowohl in Excel als auch in Power BI und ist aus meiner Sicht viel wichtiger als jede Dashboard-Optik. Wenn du Daten aus Ordnern, Datenbanken, ERP-Exporten oder CSV-Dateien einmal sauber bereinigst, laufen dieselben Schritte beim nächsten Refresh wieder identisch.

Typische Quellen sind ohnehin schon da: DATEV, ERP, CRM, Microsoft Dynamics, SAP, HR-Systeme, SQL, OData, CSV-Dumps oder klassische Excel-Dateien auf Netzlaufwerken. Laut MARTINSFELD geht es genau darum: Quellen anbinden, Daten modellieren, KPIs mit DAX bilden und Berichte automatisiert bereitstellen.

3Power BI Kosten 2026: Was KMU wirklich kalkulieren müssen

Die gute Nachricht: Power BI Desktop ist kostenlos. Damit kannst du Berichte bauen, testen und lokal analysieren.

Die ehrliche Nachricht: Produktiv wird es erst, wenn du veröffentlichen, teilen, aktualisieren und gemeinsam nutzen willst. Dann kommen Lizenzen ins Spiel. Laut rstefan.at kostet Power BI Pro 2026 12,10 € pro Nutzer und Monat, Premium Per User 20,80 € pro Nutzer und Monat. Meridian bestätigt dieselben Werte für Juli 2026.

Bei Microsoft Fabric wird es schnell größer gedacht. Laut arades startet die kleinste relevante Kapazität F2 bei rund 276 € pro Monat im Pay-as-you-go-Modell beziehungsweise rund 164 € pro Monat mit Reservierung. F64 liegt bei 9.045,12 € pro Monat beziehungsweise 5.378,56 € mit Reservierung. Das ist dann keine kleine Reporting-Spielerei mehr, sondern Plattformniveau.

Damit du die Modelle sauber einordnen kannst, hier die pragmatische Sicht statt Marketing-Sprech:

4Vom Excel-Monatsbericht zum Live-Dashboard: der schlanke Pilot

Hier scheitern die meisten Projekte. Nicht an Power BI. Sondern daran, dass direkt 20 Datenquellen, 40 KPIs und drei Jahre Altlasten in einen Topf geworfen werden.

Mein Ansatz ist deutlich simpler: Starte mit 3 bis 5 echten Geschäftsfragen. Zum Beispiel Umsatz nach Kunde, Auftragsbestand, Marge, offene Forderungen oder Service-Auslastung. Wenn diese Fragen sitzen, kann man daraus ein sauberes erstes Dashboard bauen.

In Projekten sehe ich immer wieder dasselbe Muster: Die Technik steht schneller als die fachliche Klarheit. Alle reden über Visuals, aber niemand definiert sauber, was „Marge“, „aktiver Kunde“ oder „offene Forderung“ genau bedeutet. Dann baut man ein hübsches Dashboard und diskutiert anschließend trotzdem über die Zahl. Das ist verschwendete Zeit.

Laut MARTINSFELD und vistaFin läuft der sinnvolle Weg so: Datenquellen anbinden, Bereinigung in Power Query einmal definieren, KPIs mit DAX modellieren und Aktualisierung automatisieren. Lota Engineering beschreibt zusätzlich, wie Power Automate Benachrichtigungen oder Berichtsablage ergänzen kann.

1. 1
   3–5 Fragen festlegen

   Nicht mit allen Wünschen starten, sondern mit den Kennzahlen, die Geschäftsführung und Fachbereiche wirklich brauchen.
2. 2
   Quellen direkt anbinden

   ERP, DATEV, CRM, SQL, OData oder definierte Ordner statt monatlichem Datei-Zirkus.
3. 3
   Power Query sauber bauen

   Spalten umbenennen, Formate korrigieren, Konten zuordnen und Duplikate einmal fest modellieren.
4. 4
   KPIs und Rechte klären

   DAX für Logik, Berechtigungen für Sichtbarkeit, dann erst veröffentlichen.

Wenn du statt Excel eher Prozesseingaben digitalisieren willst, ist übrigens nicht immer Power BI die Antwort. Dann kann ein schlanker App-Ansatz sinnvoller sein. Dazu hatte ich schon etwas zu Power Apps Kosten 2026: Excel durch App ersetzen geschrieben. Reporting und Datenerfassung werden oft in einen Topf geworfen, gehören aber sauber getrennt.

5DATEV, ERP, CRM: Welche Datenquellen zuerst anbinden?

Die kurze Antwort: Nimm zuerst das, was für deine Kernfragen den größten Nutzen bringt und technisch halbwegs stabil verfügbar ist.

Für viele Unternehmen sind das nicht zehn Systeme gleichzeitig, sondern zwei oder drei Quellen: DATEV für Finanzen, ERP für Aufträge und Artikel, CRM für Kunden und Vertrieb. Gerade im Aachener Mittelstand ist diese Kombination typisch, weil Microsoft 365, DATEV und irgendeine Branchen- oder ERP-Lösung schon da sind.

Spannend ist DATEV. Laut EVACO lassen sich Buchhaltungsdaten mit einem DATEV-Connector in Power BI visualisieren und analysieren, ohne ständig CSV-Dateien zu exportieren. Wichtig ist aber der Nebensatz: Für die korrekte API-Implementierung gehören verpflichtende Beratungstermine mit DATEV dazu. Das ist kein Showstopper, aber etwas, das in Zeitplan und Budget berücksichtigt werden muss.

Wenn du noch nicht so weit bist, ist das kein Drama. Für einen Pilot reichen oft vorhandene Exporte aus DATEV, ERP oder der Branchen-Software. Später kannst du auf APIs, SQL-Abfragen oder OData umstellen, wenn der Prozess sitzt.

Ein Punkt, den ich gut finde: Lota Engineering zeigt für Reporting-Zugriffe lesende SQL-Verbindungen mit ApplicationIntent=ReadOnly. Genau so sollte man denken. Reporting darf operative Systeme nicht unnötig belasten.

Wenn du generell Struktur in Datenflüsse, Cloud-Tools und Prozesse bringen willst, passt das Thema auch zu meiner Digitalisierung. Nicht als Buzzword, sondern als saubere Betriebsgrundlage.

6Governance: Warum Dashboards ohne Verantwortliche scheitern

Dashboards scheitern selten an Farben. Sie scheitern an Verantwortung.

Sobald ein Bericht im Unternehmen herumgereicht wird, brauchst du Regeln: Wer ist Eigentümer der Daten? Wer darf einen Workspace anlegen? Welche Quelle ist freigegeben? Wer entscheidet, welche KPI offiziell ist? Ohne diese Fragen wird aus Self-Service sehr schnell Self-Chaos.

Die recherchierten Best Practices gehen erstaunlich klar in dieselbe Richtung. The Reporting Hub beschreibt Governance als Regelwerk für Sicherheit, Zuständigkeit und konsistente Performance. Datavizioner empfiehlt mehrere Umgebungen, zertifizierte Datenquellen und Dokumentation. Metis BI spricht zu Recht von einem „living playbook“ für Lizenzen, Workspaces und Zertifizierungen.

Für On-Premises-Daten ist außerdem der Standard-Gateway statt des Personal Gateway die bessere Wahl. Das wird in den Best Practices mehrfach betont, weil Standard-Gateways zuverlässiger, skalierbarer und sauberer verwaltbar sind. Bei gemischten Lasten kann es zusätzlich sinnvoll sein, Gateways für Live-Verbindungen und geplante Refreshes zu trennen.

7Entscheidungscheck: Power BI, Excel oder Fabric?

Die vernünftigste Antwort ist selten „alles nach Power BI“. Manchmal reicht Excel völlig aus.

Excel mit Power Query bleibt sinnvoll, wenn eine einzelne Person Berichte erstellt, die Datenmengen überschaubar sind und keine zentrale Veröffentlichung nötig ist. Das ist kein Rückschritt, sondern pragmatisch. Ich würde nie ein teureres Setup verkaufen, wenn das Grundproblem schon mit sauberem Excel gelöst werden kann.

Power BI Pro ist aus meiner Sicht für die meisten kleinen Teams der logische Einstieg. 12,10 € pro Nutzer und Monat sind überschaubar, und du bekommst Freigabe, Service, Aktualisierung und gemeinsame Dashboards. Sobald mehrere Personen dieselben Zahlen sehen sollen, ist das meist die beste Balance aus Nutzen und Kosten.

PPU für 20,80 € pro Nutzer und Monat lohnt sich erst, wenn du die erweiterten Premium-Funktionen wirklich brauchst. Nicht weil sie im Vertriebsgespräch gut klingen. Sondern weil du einen klaren fachlichen Bedarf hast.

Fabric ist eher eine Plattformentscheidung als eine reine BI-Entscheidung. Sobald du größere ETL-Pipelines, viele Berichtsempfänger oder eine zentrale Datenplattform aufbauen willst, wird es spannend. Für ein klassisches Geschäftsführungs-Dashboard ist es oft überdimensioniert.

8Meine Einschätzung

Wenn du mich fragst: Die Diskussion „Excel oder Power BI?“ ist oft zu technisch geführt. Die eigentliche Frage lautet: Willst du weiter jeden Monat Zahlen zusammensammeln oder endlich auf ein Reporting umstellen, das reproduzierbar läuft?

Für viele Unternehmen ist der beste Weg nicht der große Wurf, sondern ein schlanker Pilot mit klaren Kennzahlen, sauberen Datenquellen und klarer Verantwortlichkeit. Genau dann zeigt Power BI seinen Wert. Nicht als Spielzeug für hübsche Charts, sondern als Betriebswerkzeug.

Und noch etwas gegen den Mainstream: Nicht jedes Unternehmen braucht sofort Fabric, Data Lake und Analytics-Plattform. Oft reicht ein sauber gemachtes Power-BI-Projekt mit guten Datenmodellen und einer ehrlichen KPI-Definition völlig aus. Der Rest ist später immer noch möglich.