Direkt zum Inhalt

Power BI Tabellen zusammenführen: Ein vollständiger Leitfaden mit Beispielen

Erfahre das Wesentliche über das Zusammenführen von Tabellen in Power BI. Dieses Tutorial deckt alles von grundlegenden Zusammenführungen bis hin zu fortgeschrittenen Fuzzy-Matching-Techniken ab.
Aktualisierte 16. Jan. 2025  · 9 Min. Lesezeit

Irgendwann wachsen deine Power BI-Berichte über die einzelne Excel-Datei hinaus, die du vielleicht benutzt hast, um Power BI zu lernen und damit zu experimentieren.

Schließlich wirst du einige Tabellen aus verschiedenen Quellen importieren und möglicherweise zusammenführen müssen, um ein robusteres Datenmodell zu erstellen.

Power BI bietet dafür ein einfaches und leistungsstarkes Werkzeug im Power Query Editor: Tabellen zusammenführen.

In diesem Tutorial zeigen wir dir, wie du Tabellen in Power BI zusammenführen kannst, mit einigen praktischen Beispielen und Best Practices. 

Wenn du mit dem Konzept des Zusammenführens und Verbindens von Tabellen völlig neu bist, mach dir keine Sorgen! In diesem Lernprogramm lernst du auch die Arten von Verknüpfungen kennen, die in Power BI vorkommen können. 

Wenn du noch nicht bereit bist, in die Materie einzutauchen, schau dir Kapitel 2 der Datenmodellierung in Power BI für eine gute erste Einführung in die Joins in Power BI. Wenn du hingegen die Logik hinter Joins genauer erforschen möchtest, schau dir unseren Kurs über Daten verknüpfen in SQL.

Was bedeutet es, Tabellen in Power BI zusammenzuführen?

Das Zusammenführen von Tabellen in Power BI bedeutet, dass zwei oder mehr Tabellen in einer einzigen Tabelle zusammengefasst werden.

Eines der Alleinstellungsmerkmale von Power BI ist die Möglichkeit, Daten aus verschiedenen Quellen in einer einheitlichen Plattform zu kombinieren. Ganz gleich, ob deine Daten aus einem Lagerhaus, aus Excel-Dateien, aus Anwendungen von Drittanbietern oder sogar aus einer Webseite stammen, Power BI kann auf sie zugreifen und sie zusammenführen.

Das Schöne an Power BI ist, dass dieser Prozess so einfach ist. Du brauchst keine komplexe Syntax zu lernen oder einen Programmierkurs zu belegen, um deine Daten zusammenzuführen. Die Bedienung von Power BI ist sehr intuitiv und leicht verständlich.

Du könntest zum Beispiel eine Tabelle mit Kundendaten und eine andere Tabelle mit der Kaufhistorie haben. Wenn du diese Tabellen zusammenführst, kannst du eine einheitliche Ansicht erstellen, die sowohl die Kundeninformationen als auch die Einkäufe an einer Stelle anzeigt.

In Power BI kannst du dies mit der Funktion "Abfragen zusammenführen" tun. Damit kannst du Tabellen auf der Basis gemeinsamer Spalten verbinden, z. B. Kunden-ID oder Produkt-ID, so dass du alle zugehörigen Daten zusammen sehen kannst.

Behalten Sie unseren Power BI Spickzettel zur Hand, wenn du dieses und andere Tutorials durcharbeitest, um schnell einige wichtige Power BI-Konzepte nachschlagen zu können.

Power BI Spickzettel

DataCamp Power BI Spickzettel

Warum Tabellen zusammenführen?

Bevor wir auf die Details eingehen, sollten wir klären, warum du Tabellen überhaupt zusammenführen musst.

Das Zusammenführen von Tabellen ist nicht unbedingt notwendig. Schließlich können wir Beziehungen zwischen unseren Tabellen herstellen, um ein umfassendes Datenmodell zu erstellen. Mithilfe dieses Datenmodells können wir ganz einfach auf die Spalten in verbundenen Tabellen verweisen und sie zu unseren Visualisierungen hinzufügen.

Nehmen wir jedoch an, dein Datenmodell besteht aus einem umfangreichen Netz von miteinander verbundenen Tabellen, die ein Snowflake-Schema bilden. Das reduziert die Geschwindigkeit und die Aktualisierungszeit deiner Berichte auf ein Vielfaches. Was ist also die Lösung in diesem Beispiel?

Indem du die weit auseinander liegenden Tabellen zusammenführst, kannst du dein Datenmodell in ein Sternschema umwandeln und so die Leistung steigern und die Benutzerfreundlichkeit verbessern (ganz zu schweigen davon, dass du dir selbst weniger Kopfschmerzen machst).

Kapitel 4 unserer Datenmodellierung in Power BI Kurses werden die Konzepte der Stern- und Snowflake-Schemata im Detail erläutert. Alternativ kannst du auch eine kurze Einführung in unserem Datenmodellierung in Power BI Tutorial.

Zusammenführen von Tabellen und Erstellen von Beziehungen: Wann man was verwendet

Das Erstellen von Beziehungen zwischen Tabellen und das Zusammenführen von Tabellen sind beides gültige Ansätze in Power BI, aber sie dienen unterschiedlichen Zwecken und haben unterschiedliche Vorteile.

Verwende Beziehungen, wenn du ein gut strukturiertes Datenmodell mit klar definierten Beziehungen zwischen den Tabellen hast, besonders bei größeren Datenmengen. Dieser Ansatz ist ideal, um ein sauberes und organisiertes Datenmodell zu erhalten.

Führe Tabellen zusammen, wenn du einen vereinfachten Datensatz für eine bestimmte Analyse brauchst oder wenn du mit kleineren Datensätzen zu tun hast, bei denen die Auswirkungen auf die Leistung minimal sind. Die Zusammenführung kann auch eine gute Wahl sein, wenn du umfangreiche Datenbereinigungen und -umwandlungen vornehmen musst.

In der Praxis kannst du je nach deinen Bedürfnissen beide Techniken anwenden. Du kannst zum Beispiel Beziehungen für dein gesamtes Datenmodell erstellen und bestimmte Tabellen für bestimmte Analysen oder Berichte zusammenführen.

Erste Schritte mit der Zusammenführung von Tabellen in Power BI: Ein einfaches Beispiel

Fangen wir mit einem einfachen Beispiel an.

Angenommen, du hast eine Tabelle mit den täglichen Verkäufen, die die Anzahl der Verkäufe pro Produkt und Tag anzeigt. Statt der vollständigen Namen hast du jedoch nur die Produkt-IDs. Das sieht bei der Visualisierung nicht sehr schön aus, und deine Stakeholder wissen vielleicht nicht, welche Produkt-ID welchem Produkt entspricht.

Um einen intuitiveren, effektiveren Bericht zu erstellen, müssen wir die Produkte Tabelle mit der Tabelle Verkäufe zusammenführen, damit wir Zugriff auf die Produktnamen haben.

Das ist unser aktuelles Datenmodell mit zwei Tabellen (für dieses Beispiel ignorieren wir Beziehungen):

Power BI Beispiel für die Zusammenführung von Tabellen: Verkaufstabelle

Tabelle der Verkäufe

Power BI Beispiel für die Zusammenführung von Tabellen: Tabelle "Produkte

Tabelle der Produkte

Um die Zusammenführung durchzuführen, wähle "Abfragen bearbeiten" auf der Registerkarte Start im Menüband, um den Power Query Editor zu öffnen. Wähle in der Tabelle "Verkäufe" die Option "Abfragen zusammenführen" im Bereich "Transformieren" des Menübands.

Position der Power BI-Zusammenführungsabfragen im Menüband

Position der Power BI-Zusammenführungsabfragen im Menüband

In der ersten Tabelle wählst du die SpalteProdukt-ID aus . Füge die Tabelle Produkte aus dem Dropdown-Menü hinzu, um sie als zweite Tabelle in die Zusammenführung einzubeziehen, und wähle erneut die Spalte Produkt-ID aus.

Power BI bestätigt die Anzahl der übereinstimmenden Zeilen, damit wir mögliche Probleme mit unseren Daten schnell erkennen können. Hier sehen wir, dass alle fünf Zeilen unserer Daten übereinstimmen. Klicke auf OK, um die Zusammenführung durchzuführen.

Power BI Dialog Tabellen zusammenführen

Power BI Dialog Tabellen zusammenführen

Jetzt müssen wir auswählen, welche Spalten der Tabelle " Produkte" wir der Tabelle "Verkäufe" hinzufügen möchten . In diesem Beispiel wollen wir nur die Spalte Produkt behalten.

Spalten auswählen, die nach dem Zusammenführen von Tabellen erweitert werden sollen

Spalten auswählen, die nach dem Zusammenführen von Tabellen erweitert werden sollen

Unten siehst du das Ergebnis der Zusammenführung. Die Spalte Produkt ist jetzt in der Tabelle "Verkauf" enthalten .

Nach der Zusammenführung: Die Spalte "Produkt" wird zur Tabelle "Verkauf" hinzugefügt.

Nach dem Zusammenschluss: Die Spalte "Produkt" wird der Tabelle "Verkauf" hinzugefügt.

Arten von Verknüpfungen in Power BI

Wenn du Tabellen in Power BI zusammenführst, kannst du verschiedene Arten von Joins verwenden. Jeder Typ legt fest, wie die Zeilen aus den Tabellen anhand der übereinstimmenden Spalten kombiniert werden.

Die gute Nachricht ist, dass du kein tiefes Verständnis von Datenbankdesign oder SQL brauchst, um diese Verknüpfungen in Power BI durchzuführen. Die Benutzeroberfläche ist sehr intuitiv.

Hier sind die verschiedenen Arten von Verbindungen, die du verwenden kannst:

Microsoft: Arten von Verknüpfungen

Microsoft: Arten von Verbindungen

Zur Veranschaulichung der einzelnen Verbindungen verweisen wir auf die beiden folgenden Tabellen.

Beispiel für Power BI-Joins: Tabelle "Verkäufe

Tabelle der Verkäufe

Power BI verknüpft Beispiel: Tabelle "Produkte

Tabelle der Produkte

Innere Verbindung

Diese Verknüpfung gibt nur die Zeilen zurück, in denen es in beiden Tabellen eine Übereinstimmung gibt. Wenn eine Zeile in einer Tabelle keine entsprechende Zeile in der anderen Tabelle hat, wird sie nicht in das Ergebnis aufgenommen.

In unserem Beispiel wird die Tabelle Verkauf auf 5 Zeilen reduziert, da die Produkt-ID "P020" nicht in der TabelleProdukte zu finden ist . Außerdem sind zwei Zeilen aus der Tabelle Produkte gar nicht in der Tabelle Verkäufe enthalten , da für sie keine Verkäufe aufgezeichnet wurden (d. h. die Produkt-ID "P010" und "P001").

Inner Join Beispiel

Inner Join Beispiel

Äußere Verbindung

Wenn du Tabellen in Power BI zusammenführst, wirst du wahrscheinlich am häufigsten auf Outer Joins stoßen (insbesondere auf den linken Outer Join).

Schauen wir uns die drei Arten von Outer Joins an:

Linke äußere Verknüpfung: Diese Verknüpfung liefert alle Zeilen aus der ersten (linken) Tabelle und die übereinstimmenden Zeilen aus der zweiten (rechten) Tabelle. Wenn es keine Übereinstimmung gibt, enthält das Ergebnis trotzdem alle Zeilen aus der linken Tabelle mit Nullwerten für Spalten aus der rechten Tabelle.

In unserem Beispiel, Produkt-ID 'P020' hat keinen zugehörigen Produktnamen, da dieses Produkt nicht in der Datenbank Produkte Tabelle gefunden wurde, also erhalten wir einfach eine null Wert in der Produkt Spalte.

Beispiel für einen Left Outer Join

Beispiel für einen Left Outer Join

Right Outer Join: Das ist das Gegenteil der linken äußeren Verbindung. Sie gibt alle Zeilen aus der zweiten (rechten) Tabelle und die übereinstimmenden Zeilen aus der ersten (linken) Tabelle zurück. Wenn es keine Übereinstimmung gibt, enthält das Ergebnis alle Zeilen aus der rechten Tabelle mit Nullwerten für Spalten aus der linken Tabelle.

In unserem Beispiel sind zwei Produkte (Binder und Papier) in der Tabelle Produktezu finden , aber es gibt keine zugehörigen Verkäufe in der TabelleVerkäufe. Daher haben wir in unserer Tabelle zwei zusätzliche Zeilen, die für alle Spalten außer der SpalteProdukt komplett leer sind .

Beispiel für eine rechte äußere Verknüpfung

Beispiel für eine rechte äußere Verknüpfung

Vollständige äußere Verbindung: Diese Verknüpfung gibt alle Zeilen zurück, wenn es entweder in der linken oder in der rechten Tabelle eine Übereinstimmung gibt. Wenn es keine Übereinstimmung gibt, enthält das Ergebnis Zeilen mit Nullwerten für die nicht übereinstimmende Seite.

In unserem Beispiel sehen wir alle Zeilen sowohl aus den Verkäufen und Produkte Tabellen, mit Übereinstimmungen, wo sie gefunden werden und null Werte überall sonst.

Beispiel für eine vollständige äußere Verknüpfung

Beispiel für eine vollständige äußere Verknüpfung

Anti-Join

Der Anti-Join ist nützlich für die Reinigung oder die Untersuchung von vermuteten Problemen. Wenn zum Beispiel ein Left Outer Join viele Leerzeichen in den verknüpften Spalten liefert, könnte dies darauf hindeuten, dass es Probleme mit der Datenqualität gibt, die Power BI daran hindern, eindeutige Übereinstimmungen zu erkennen.

Es gibt zwei Arten von Anti-Fugen:

Linkes Anti-Join: Gibt nur die Zeilen der linken Tabelle zurück, die keine Übereinstimmung in der rechten Tabelle haben.

In unserem Beispiel wird nur die Zeile für die Produkt-ID "P020" angezeigt, da dies das einzige Produkt in der TabelleProdukte ist , dem kein Produktname zugeordnet ist. Das zeigt uns sofort, dass unsere Tabelle Produkte Aufmerksamkeit braucht: Es fehlt ein Produkt!

Beispiel für eine linke Anti-Verbindung

Beispiel für eine linke Anti-Verbindung

Rechts gegen den Beitritt: Gibt nur die Zeilen der rechten Tabelle zurück, die keine Übereinstimmung in der linken Tabelle haben.

In unserem Beispiel werden nur zwei Zeilen zurückgegeben, da dies die Produkte sind, für die wir keine zugehörigen Verkäufe haben. 

Beispiel für ein rechtes Anti-Join

Beispiel für ein rechtes Anti-Join

Auch wenn dies kein dringendes Problem ist, ist es nützlich zu wissen, welche Produkte in unser Datenmodell importiert werden, aber keinen Zweck erfüllen. 

Wenn du große Datenmengen hast und nach einer Möglichkeit suchst, die Leistung und die Aktualisierungszeiten deiner Berichte zu beschleunigen, solltest du als Erstes prüfen, ob deine Tabellen mit nutzlosen Daten aufgebläht sind, die in deinem Bericht nicht verwendet werden.

Zusammenführen mehrerer Spalten in Power BI

Das Zusammenführen über mehrere Spalten ist notwendig, wenn du bei der Angabe einer einzigen Spalte keine eindeutigen Übereinstimmungen für die Verknüpfung finden kannst.

Nehmen wir an, du sollst einen Power BI-Bericht erstellen, der die Umsätze pro Verkäufer/in für den Monat im Vergleich zu ihren Zielen aufzeigt. Das Tückische daran ist, dass jede/r Verkäufer/in für mehrere Läden zuständig ist und für jeden Laden andere Ziele hat.

Hier sind die Tabellen, die wir für dieses Beispiel verwenden werden:

Zusammenführen mehrerer Spalten Beispiel: Verkaufstabelle

Tabelle der Verkäufe

Zusammenführung mehrerer Spalten Beispiel: Tabelle "Ziele

Tabelle der Ziele

Die Tabelle " Verkauf" enthält Daten für jeden Verkäufer und die ihm zugewiesenen Filialen. Die Tabelle Ziele enthält das Umsatzziel für jede/n Verkäufer/in und jede Filiale.

Es ist nicht möglich, diese beiden Tabellen nur mit der Tabelle Vertriebsmitarbeiter zu verknüpfen, da Power BI nicht in der Lage wäre, eindeutige Übereinstimmungen zu finden (und somit eine Many-to-Many-Verknüpfung zu erstellen).

Daher müssen wir diese beiden Tabellen mit zwei Spalten in jeder Tabelle verbinden: Verkäufer/in und Laden.

Dazu müssen wir die Spalte Verkäuferauswählen und dann bei gedrückter Strg-Taste die SpalteFiliale für beide Tabellen auswählen . Du musst die Spalten in jeder Tabelle in der gleichen Reihenfolge auswählen. Power BI fügt einen kleinen 1 und 2 Vermerk neben jedem Spaltennamen ein, damit du die Reihenfolge bestätigen kannst.

Power BI-Zusammenführung für mehrere Spalten: Zusammenführungsdialog

Beispiel für einen Dialog zum Zusammenführen mehrerer Spalten

Nun, die Verkauf Tabelle eine genaue und umfassende Übersicht über die Verkaufszahlen der einzelnen Verkäufer Verkäufe und Ziele.

Zusammengeführte Tabelle "Verkauf": Zusammenführen mehrerer Spalten

Zusammengeführte Tabelle "Verkauf": Zusammenführen mehrerer Spalten

Tabellen mit Fuzzy Matching zusammenführen

Fuzzy Matching funktioniert nur bei textbasierten Spalten und ist unglaublich nützlich, um Daten zu bereinigen.

Was bedeutet "Fuzzy Matching"? Es ist eine Funktion von Tabellen, die ähnliche, aber nicht exakt gleiche Zeilen findet und zusammenführt. Zum Beispiel bei Tippfehlern oder kleinen Abweichungen im Kundennamen. Reguläre Joins führen nur bei exakten Übereinstimmungen zusammen, aber mit Fuzzy Matching können wir ähnliche Übereinstimmungen auf der Grundlage der eingestellten Sensibilitätsstufe zusammenführen.

Vergiss nicht, die Fuzzy-Match-Ergebnisse immer zu überprüfen, um sicherzustellen, dass sie korrekt sind. Manchmal musst du ein paar manuelle Änderungen vornehmen, wenn das Fuzzy Matching nicht perfekt funktioniert.

Versuchen wir das mal mit einem einfachen Beispiel.

Angenommen, du hast eine Tabelle mitKundentransaktionen, in der die Kundennamen nicht einheitlich aufgezeichnet sind. Du willst diese Namen bereinigen, um sicherzustellen, dass jeder Kunde in allen Datensätzen einheitlich dargestellt wird.

Tabelle: Beispiel für unordentliche Kundennamen

Tabelle der Verkäufe: unordentliche Kundennamen

Wir können diese Kundennamen bereinigen, indem wir die Kunden Tabelle (mit den richtigen Kundennamen) mit der Verkäufe Tabelle zusammenführen und die ursprüngliche unordentliche Spalte mit den Kundennamen löschen.

Wähle im Abfrage-Editor die Tabelle Verkäufe und wähle die SpalteKunde für die Verknüpfung. Aktiviere die Option "Fuzzy-Matching für den Zusammenschluss verwenden" und konfiguriere bei Bedarf die Fuzzy-Matching-Optionen (z. B. Ähnlichkeitsschwelle).

Tabellen zusammenführen: Unscharfer Abgleich

Tabellen zusammenführen: Unscharfer Abgleich

Beim Vergleich mit und ohne Fuzzy Matching für diese Verknüpfung sehen wir, dass die beiden Kunden mit Tippfehlern in ihren Namen eingeschlossen sind.

Ohne Fuzzy Matching

Ohne Fuzzy Matching

Mit Fuzzy Matching

Mit Fuzzy Matching

Erweitere die Spalte aus der Tabelle " Kunden", um die Spalte " Reiner Kunde" in der Tabelle "Verkäufe" aufzunehmen . Wir können jetzt die ursprüngliche Kundenspalte entfernen und unseren Bericht mit der bereinigten Kundenspalte erstellen .

Fuzzy Matching zum Bereinigen von Textdaten verwenden

Fuzzy Matching zum Bereinigen von Textdaten verwenden

Transformationen nach dem Zusammenführen von Tabellen

Anhand unseres ersten einfachen Beispiels wollen wir untersuchen, welche Datenumwandlungen nach dem Zusammenführen der beiden Tabellen möglich sind.

Wenn du die Tabelle "Produkte" nach der Zusammenführung umwandelst , werden die zusammengeführten Ergebnisse durch diese Umwandlungen aktualisiert. Wenn du zum Beispiel Daten bereinigst oder neue Spalten in der Tabelle "Kunden" hinzufügst, werden diese Änderungen in der zusammengeführten Tabelle sichtbar, wenn die Daten aktualisiert werden. 

Achte deshalb darauf, dass du keine Änderungen vornimmst, die zu Fehlern oder ungenauen Ergebnissen für Tabellen führen könnten, die die Tabelle Produkte in einer Zusammenführung verwenden (wie die Tabelle Vertrieb in unserem Beispiel).

Andererseits steht es dir frei, in den Schritten nach der Zusammenführung Transformationen auf die Tabelle anzuwenden , da diese sich nicht direkt auf die Zusammenführung selbst auswirken. Achte jedoch darauf, dass du vor der Zusammenführung keine zusätzlichen Transformationsschritte hinzufügst, da dies zu einem Fehler bei der Zusammenführung führen und das Laden der gesamten Tabelle verhindern könnte.

Schau dir unseren Kurs über Daten Datenumwandlungen in Power BI um dich mit dem Power Query Editor vertraut zu machen und alles zu erfahren, was du tun kannst, um deine Daten für Berichte vorzubereiten.

Fazit

Die Verwaltung und Zusammenführung von Tabellen in Power BI kann eine Herausforderung sein, vor allem, weil es so viele Arten von Verknüpfungen gibt. 

Das Zusammenführen von Tabellen ist jedoch eine zu nützliche Funktion, als dass man sie übersehen könnte. 

Mit diesem Lernprogramm kannst du die Tabellen in Power BI nutzen, um deine Daten zu bereinigen und Berichte zu erstellen, die Daten aus verschiedenen Quellen enthalten können.

Wenn du bereit bist, den nächsten Schritt zu machen und deine Karriere mit Power BI zu starten, dann sind unsere umfassenden Datenanalyst in Power BI Lernpfad deckt alles ab, was du wissen musst, um deinen ersten Job als Power BI Entwickler zu bekommen. Es bereitet dich auch umfassend darauf vor zertifiziert zu werden.


Joleen Bothma's photo
Author
Joleen Bothma
LinkedIn
Themen

Top Power BI Kurse

Lernpfad

Power BI Grundlagen

17Std. hr
Erwerbe die grundlegenden Fähigkeiten, die du brauchst, um Power BI zu nutzen. Erstelle deine eigenen Visualisierungen und Dashboards von Grund auf. Keine Vorkenntnisse erforderlich.
Siehe DetailsRight Arrow
Kurs starten
Zertifizierung verfügbar

Kurs

Datenumwandlung in Power BI

3 hr
29.7K
Du lernst, wie du Tabellen (ent-)pivotieren, transponieren, anhängen und verbinden kannst. Erhalte mehr Macht mit benutzerdefinierten Spalten, der Sprache M und dem erweiterten Editor.

Lernpfad

Datenanalyst

48Stunden hr
Gemeinsam mit Microsoft entwickelt - erwerbe die Power BI-Kenntnisse, die du brauchst, um Daten aufzubereiten, zu modellieren und zu visualisieren und dich auf die PL-300 Data Analyst-Zertifizierung vorzubereiten.
Mehr anzeigenRight Arrow