SH

Sascha Hess xenosystems.de - IT-Consulting & Data Management

www.xenosystems.de

 

	Strategische Wissens-Roadmap 2026
	Power BI vs. Tableau vs. Qlik
	Die richtige BI-Plattform für mittelständische Unternehmen

WAS SIE IN DIESEM KIT ERHALTEN:

1

Entscheidungsmatrix Welches Tool passt zu welchem KMU-Typ — mit klarer Empfehlung

 

2

10 Kauf-Fallen Versteckte Kosten, Lock-in-Risiken & falsche Erwartungen — aufgedeckt

 

3

Technischer Tiefenvergleich Datenmodell, Performance, DAX vs. Tableau Calc vs. Qlik Script

 

4

TCO-Rechner 2026 Lizenz, Infrastruktur, Schulung, Betrieb — Vollkostenvergleich

 

5

30-Tage-Evaluierungsplan Strukturierter Proof-of-Concept für alle drei Plattformen

 

 

 

Alle Analysen, Vergleiche und Empfehlungen wurden sorgfältig auf Basis öffentlich verfügbarer Informationen und praktischer Projekterfahrung erstellt. Da sich Lizenzmodelle, Features und Preise der genannten Produkte laufend ändern, übernimmt der Autor keinerlei Haftung für die Aktualität der Angaben. Holen Sie vor Vertragsabschluss stets aktuelle Angebote der Hersteller ein.

 

 

Die genannten Implementierungs- und Einsparungserwartungen sind Erfahrungswerte aus realen KMU-Projekten und keine verbindliche Zusicherung. Tatsächliche Ergebnisse hängen von Datenbeschaffenheit, internen Ressourcen und Umsetzungsqualität ab.

 

 

Die Inhalte beziehen sich auf Power BI (März 2026), Tableau 2026.1 und Qlik Sense / Qlik Cloud (Q1 2026). Alle drei Plattformen werden mehrmals jährlich aktualisiert. Preisangaben sind Richtwerte auf Basis öffentlicher Listenpreise — tatsächliche Konditionen weichen ab.

 

 

Dieses Dokument ist für den persönlichen oder betriebsinternen Gebrauch des Käufers lizenziert. Weiterverkauf, Weitergabe an Dritte und öffentliche Veröffentlichung sind ohne schriftliche Genehmigung nicht gestattet.

 

 

Dieses Kit ist ein unabhängiges Werk und steht in keinerlei Verbindung zu Microsoft Corporation, Salesforce (Tableau) oder Qlik Technologies. Power BI ist eine eingetragene Marke der Microsoft Corporation. Tableau ist eine eingetragene Marke von Salesforce, Inc. Qlik und Qlik Sense sind eingetragene Marken der Qlik Technologies, Inc.

 

Eine ausführliche Version dieses Haftungsausschlusses befindet sich am Ende dieses Dokuments.

 

 

 

01  Einleitung

Warum die Tool-Wahl über Erfolg oder Scheitern entscheidet

02  Die 10 Kauf-Fallen

Versteckte Kosten, Lock-in & falsche Erwartungen

03  Plattform-Profile

Power BI, Tableau und Qlik im ehrlichen Porträt

04  Technischer Tiefenvergleich

Datenmodell, Sprache, Performance, Governance

05  Entscheidungsmatrix

Welches Tool passt zu welchem KMU-Typ?

06  TCO-Vollkostenvergleich

Lizenz, Infrastruktur, Schulung, Betrieb — 3-Jahres-Sicht

07  Datenbankanbindung

SQL Server, SAP, ERP — Konnektoren im Vergleich

08  Governance & Sicherheit

Row-Level Security, DSGVO, On-Premise vs. Cloud

09  Migrations- und Exit-Strategie

Wie Sie Lock-in vermeiden und den Wechsel planen

10  30-Tage-Evaluierungsplan

Strukturierter Proof-of-Concept für alle drei Tools

 

 

 

Einleitung

 

 

Business Intelligence ist in mittelständischen Unternehmen längst keine Kür mehr — es ist Pflicht. ERP-Daten, Produktionskennzahlen, Vertriebsreports und Finanzübersichten sollen in Echtzeit verfügbar sein, von jedem Endgerät aus, ohne IT-Ticket. Doch bevor das erste Dashboard läuft, steht die schwierigste Entscheidung des gesamten BI-Projekts: Welche Plattform?

 

Diese Entscheidung ist folgenreich. Und teuer, wenn sie falsch ist.

 

Power BI, Tableau und Qlik sind keine gleichwertigen Alternativen, zwischen denen man beliebig wählen kann. Jede Plattform hat eine eigene Architekturphilosophie, eine eigene Lizenzlogik und eigene Stärken — die für bestimmte Unternehmenstypen hervorragend passen und für andere fatale Nachteile bedeuten.

 

→  Ein Microsoft-365-Haus, das Tableau einführt, zahlt doppelte Lizenzkosten für Infrastruktur, die es bereits besitzt.

 

→  Ein Unternehmen mit komplexen, assoziativen Datenanalysen, das Power BI wählt, stößt bei Qlik-typischen Use Cases schnell an die Grenzen des Sternschema-Modells.

 

→  Ein KMU mit 15 Dashboard-Konsumenten und drei Entwicklern, das eine Qlik-Enterprise-Lizenz kauft, zahlt drei Jahre lang für Funktionen, die es nie nutzt.

 

→  Gleichzeitig ist der Wechsel zwischen Plattformen nach dem Go-live extrem aufwendig: Datenmodelle, berechnete Felder, Berichte und Benutzerstrukturen sind nicht portierbar.

 

Dieses Kit ist kein Marketing-Vergleich. Es ist ein ehrlicher, technischer und kaufmännischer Leitfaden für IT-Verantwortliche und Entscheider in KMU — damit die Tool-Wahl auf Fakten basiert, nicht auf dem letzten Demo-Termin.

 

WAS SIE IN DIESEM BUCH ERWARTEN DÜRFEN ■  10 Kauf-Fallen — Die häufigsten Irrtümer beim BI-Tool-Kauf — mit konkreten Gegenmaßnahmen. ■  Ehrliche Plattform-Profile — Stärken und Schwächen aller drei Tools ohne Herstellersprache. ■  Technischer Tiefenvergleich — DAX vs. Tableau Calc vs. Qlik Script, Datenmodelle, Performance. ■  TCO-Vollkostenrechner — Alle Kostenpositionen für 3 Jahre, transparent und vergleichbar. ■  30-Tage-Evaluierungsplan — Strukturierter Proof-of-Concept, der echte Entscheidungsgrundlagen liefert.

 

 

KURZ-EMPFEHLUNG (DETAILS IN KAPITEL 5) Power BI: Microsoft-365-Umgebungen, SQL Server, KMU bis 500 Nutzer — beste Kosten-Nutzen-Relation. Tableau: Datenanalysten, explorative Visualisierung, heterogene Datenquellen — beste Visualisierungstiefe. Qlik: Komplexe assoziative Analysen, große Datenmengen, hohe Governance-Anforderungen — beste In-Memory-Performance.

 

 

Die 10 Kauf-Fallen

 

 

 

BI-Lizenzkosten beginnen oft klein und explodieren nach 12–18 Monaten. Der initiale Proof-of-Concept läuft mit 5 Entwickler-Lizenzen — nach dem Go-live wollen plötzlich 80 Personen Dashboards konsumieren.

 

LÖSUNG:

 

✓  Planen Sie von Anfang an mit der realistischen Endnutzerzahl — nicht mit der PoC-Zahl.

✓  Unterscheiden Sie konsequent zwischen Creator-Lizenzen (teuer) und Viewer-Lizenzen (günstig).

✓  Power BI: Fabric Capacity (F-SKU) kann günstiger sein als Pro-Lizenzen ab ca. 500 Nutzern — durchrechnen.

 

LIZENZ-KALKULATION (Beispiel: 10 Ersteller, 100 Leser) ─────────────────────────────────────────────────────── Power BI Pro:   10 × 9,40 € + 100 × 9,40 € = 1.034 €/Monat Power BI F2:    Fabric-Capacity ca. 1.296 €/Monat (unlimitierte Nutzer) Tableau Cloud:  10 × 70 € + 100 × 15 € = 2.200 €/Monat Qlik Sense:     Individuelles Angebot — Listenpreis: ab ~1.500 €/Monat ─────────────────────────────────────────────────────── ACHTUNG: Alle Preise ohne Infrastruktur, Training und Betrieb.

 

 

 

Jeder Hersteller-Demo läuft auf perfekt vorbereiteten, sauberen Musterdaten. Ihre ERP-Daten, gewachsenen SQL-Strukturen und halbgaren CSV-Exporte sehen anders aus.

 

LÖSUNG:

 

✓  Bestehen Sie auf einem Proof-of-Concept mit Ihren eigenen Produktionsdaten — oder zumindest anonymisierten Kopien.

✓  Definieren Sie 3–5 reale Use Cases, die im PoC funktionieren müssen. Wenn der Vendor ablehnt: Warnsignal.

✓  Messen Sie Ladezeit, Interaktivität und Refresh-Performance mit Ihren realen Datenmengen.

 

 

DAX (Power BI), Tableau Calculated Fields und Qlik Script sind drei grundlegend verschiedene Berechnungssprachen. Wer eine davon beherrscht, ist bei den anderen Anfänger.

 

LÖSUNG:

 

✓  Kalkulieren Sie pro Plattform 3–5 Tage Basisschulung pro Entwickler — plus 2–3 Monate produktive Anlaufzeit.

✓  Prüfen Sie die Verfügbarkeit lokaler Schulungspartner und zertifizierter Freelancer für Ihre Region.

✓  Power BI hat die größte deutschsprachige Community und das breiteste Schulungsangebot — Vorteil bei internem Kompetenzaufbau.

 

 

Viele KMU gehen davon aus, dass alle drei Tools sowohl On-Premise als auch in der Cloud verfügbar sind. Das stimmt nicht mehr uneingeschränkt.

 

LÖSUNG:

 

✓  Power BI Report Server (On-Premise) ist funktional eingeschränkt und wird von Microsoft nicht mehr aktiv weiterentwickelt. Wer On-Premise braucht: Tableau oder Qlik bevorzugen.

✓  Qlik Sense Client-Managed (On-Premise) ist vollständig verfügbar, aber teurer als Qlik Cloud.

✓  Tableau Server (On-Premise) ist vollständig verfügbar — erfordert aber eigene Serverinfrastruktur.

 

 

Cloud-BI-Tools speichern Daten auf Servern des Herstellers. Für Unternehmen mit sensiblen Personaldaten, medizinischen Daten oder vertraglichen Vertraulichkeitspflichten ist das ein rechtliches Risiko.

 

LÖSUNG:

 

✓  Klären Sie mit Ihrem Datenschutzbeauftragten, welche Daten in die Cloud dürfen.

✓  Power BI und Qlik Cloud bieten EU-Rechenzentren — aber prüfen Sie Datenverarbeitungsverträge (DPA) vor Vertragsabschluss.

✓  Bei hohen DSGVO-Anforderungen: On-Premise-Deployment oder DirectQuery-Modus (Daten verlassen nie den eigenen Server).

 

 

Power BI basiert auf einem tabellarischen Modell (Vertipaq-Engine), das für Stern- und Schneeflockenschemas optimiert ist. Viele gewachsene ERP-Datenbanken haben keine solche Struktur — und das erzeugt erheblichen Modellierungsaufwand.

LÖSUNG:

 

✓  Analysieren Sie Ihre Quelldaten vor der Tool-Wahl: Haben Sie ein sauberes Data Warehouse? Dann ist Power BI ideal. Haben Sie komplexe, n:m-Beziehungen ohne DWH? Dann ist Qlik (assoziatives Modell) oder Tableau (flexibler) besser geeignet.

✓  Für Power BI gilt: Schlechtes Datenmodell = schlechte Performance und falsche Ergebnisse — kein Tool löst strukturelle Datenprobleme.

 

 

Alle drei Plattformen sind in ihrer Berechnungssprache, ihrem Datenmodell-Format und ihrer Exportstruktur inkompatibel. Ein Wechsel nach Go-live bedeutet: alle Reports neu bauen.

 

LÖSUNG:

 

✓  Halten Sie die Businesslogik so weit wie möglich in der Datenbankschicht (SQL Views, gespeicherte Prozeduren) — nicht in der BI-Tool-Sprache.

✓  Dokumentieren Sie alle berechneten Felder und KPI-Definitionen sprachunabhängig in einem KPI-Glossar.

✓  Planen Sie Exit-Kriterien im Vorfeld: Ab wann würde ein Wechsel evaluiert? Was sind die Trigger?

 

 

Alle drei Tools brauchen für Live-Verbindungen zu On-Premise-Datenquellen einen Data Gateway — einen Dienst, der auf einem Server im eigenen Netz läuft und Verbindungen zwischen Cloud und lokalen Datenbanken herstellt.

 

LÖSUNG:

 

✓  Planen Sie einen dedizierten Gateway-Server (min. 8 GB RAM, SSD) — keine Shared-Installation auf dem SQL Server selbst.

✓  Überwachen Sie Gateway-Performance aktiv: Ein überlasteter Gateway ist die häufigste Ursache für langsame BI-Dashboards.

✓  Testen Sie Gateway-Latenz und Durchsatz im PoC mit realen Datenmengen.

 

 

Der Versprechen-Klassiker: "Business-User erstellen Berichte selbst, die IT ist raus." In der Praxis entstehen ohne Governance hunderte inkonsistenter Reports mit widersprüchlichen Kennzahlen.

 

LÖSUNG:

 

✓  Definieren Sie vor dem Go-live ein KPI-Glossar mit verbindlichen Berechnungsregeln für alle Kernindikatoren.

✓  Trennen Sie konsequent zwischen zertifizierten Unternehmens-Reports (IT-verantwortet) und explorativen Self-Service-Berichten (Business-verantwortet).

✓  Einführung eines Zertifizierungsprozesses: Nur freigegebene Reports dürfen in Entscheidungen einfließen.

 

 

Alle drei Plattformen veröffentlichen monatlich (Power BI) oder quartalsweise Updates. Features ändern sich, visuelle Objekte müssen aktualisiert werden, APIs ändern sich.

 

LÖSUNG:

 

✓  Benennen Sie eine Person, die monatlich die Release Notes verfolgt und Breaking Changes kommuniziert.

✓  Richten Sie eine Test-Umgebung ein — Updates nie direkt in der Produktion einspielen.

✓  Power BI Desktop-Updates sind unkritischer als Power BI Service-Updates — letztere erfolgen automatisch und können Report-Verhalten ändern.

 

 

Plattform-Profile

 

 

 

Power BI ist die am schnellsten wachsende BI-Plattform weltweit und seit 2023 Teil von Microsoft Fabric — einem einheitlichen Data-Platform-Ökosystem. Für Unternehmen, die bereits auf Microsoft 365 und Azure setzen, ist Power BI die natürlichste Wahl.

 

Stärken:

 

✓  Tiefste Integration in Microsoft-Produkte: Excel, Teams, SharePoint, Azure Synapse, SQL Server.

✓  Günstigstes Einstiegsmodell: Power BI Pro für 9,40 €/Nutzer/Monat — in vielen M365-Lizenzen bereits enthalten.

✓  Größte deutschsprachige Community, breitestes Schulungs- und Freelancer-Angebot.

✓  DAX ist mächtig: Komplexe Zeitintelligenz-Berechnungen, die in anderen Tools umständlich sind.

✓  Microsoft Fabric konvergiert BI, Data Engineering und Data Science auf einer Plattform.

 

Schwächen:

 

✓  Tabellarisches Modell erfordert saubere Sternschema-Struktur — schlechte Quelldaten = hoher Modellierungsaufwand.

✓  On-Premise (Report Server) ist funktional eingeschränkt — Microsoft treibt aktiv Cloud-Migration.

✓  Visuelle Flexibilität geringer als Tableau — Standardcharts gut, hochindividuelle Visualisierungen aufwendig.

✓  DAX-Lernkurve ist steil: Kontext-Konzept (Row Context vs. Filter Context) ist für Einsteiger nicht intuitiv.

✓  Datenschutz: Power BI Service ist Cloud-only — Datensouveränität erfordert Zusatzmaßnahmen.

 

 

Tableau wurde 2019 von Salesforce übernommen und ist die Plattform mit der tiefsten Visualisierungskompetenz. Tableau gilt als Goldstandard für explorative Datenanalyse und hochwertige visuelle Kommunikation.

 

Stärken:

 

✓  Überlegene Visualisierungsflexibilität: Fast jede Chartform realisierbar, hohe ästhetische Qualität.

✓  VizQL-Technologie: Tableau übersetzt visuelle Interaktionen direkt in optimierte Datenbankabfragen.

✓  Tableau Prep: Integriertes, visuelles ETL-Tool für Datenaufbereitung ohne Coding.

✓  Breite Datenbankunterstützung: 80+ native Konnektoren, starke Salesforce/CRM-Integration.

✓  Tableau Server (On-Premise) vollständig verfügbar — für DSGVO-sensible Deployments geeignet.

 

Schwächen:

 

✓  Teuerste der drei Plattformen: Creator-Lizenz ab 70 €/Monat, Viewer ab 15 €/Monat.

✓  Tableau Calculated Fields weniger mächtig als DAX für komplexe Zeitreihenberechnungen.

✓  Kleinere deutschsprachige Community als Power BI — weniger lokale Schulungsangebote.

✓  Seit Salesforce-Übernahme: Zunehmende Integration in Salesforce-Ökosystem — weniger neutral.

✓  Lizenzmodell komplex geworden: Tableau Cloud, Server, Prep — viele Einzelkomponenten.

 

 

Qlik ist die älteste der drei Plattformen und basiert auf einer einzigartigen assoziativen In-Memory-Engine. Qlik denkt Datenanalyse fundamental anders als die Konkurrenz: nicht als Abfrage, sondern als Exploration.

 

Stärken:

 

✓  Assoziative Engine: Alle Daten sind in-memory geladen, Klicken in jedem Chart filtert alle anderen Charts ohne vordefinierte Joins.

✓  Qlik Script: Mächtige, proprietäre ETL-Sprache direkt im Tool — ohne externes DWH-Tool realisierbar.

✓  Beste Performance bei großen, unstrukturierten Datenmengen ohne sauberes Datenmodell.

✓  Qlik Sense Governance: Ausgereiftes Benutzer-, Rollen- und Section-Access-Modell für Enterprise-Anforderungen.

✓  On-Premise (Client-Managed) vollständig verfügbar — enterprise-grade Sicherheitsarchitektur.

 

Schwächen:

 

✓  Höchste Einstiegshürde: Qlik Script und das assoziative Konzept erfordern fundamentales Umdenken.

✓  Lizenzkosten im Enterprise-Bereich — kein klares Self-Service-Einstiegsmodell wie Power BI Pro.

✓  Kleinstes Ökosystem: Weniger Community-Content, weniger Konnektoren als Power BI.

✓  Qlik Cloud noch nicht vollständig feature-par mit Client-Managed — Migration kann Funktionsverluste bringen.

✓  Entwicklerangebot auf dem deutschen Markt deutlich dünner als für Power BI oder Tableau.

 

 

Technischer Tiefenvergleich

 

 

 

Aspekt	Power BI	Tableau	Qlik Sense
Grundmodell	Tabellarisch (Sternschema)	Flexibel (Joins / Custom SQL)	Assoziativ (In-Memory)
Joins	Im Datenmodell definiert	Zur Laufzeit oder in Prep	Automatisch (assoziativ)
n:m-Beziehungen	Eingeschränkt, Workaround nötig	Nativ unterstützt	Nativ unterstützt
Datenvolumen (typisch)	Bis ~100M Zeilen im Import	Bis ~1B Zeilen (Live Query)	Bis ~500M Zeilen In-Memory
DirectQuery/Live	Ja (mit Einschränkungen)	Ja (VizQL direkt auf DB)	Ja (Qlik Direct Discovery)

 

 

-- BEISPIEL: Umsatz des aktuellen Monats vs. Vorjahresmonat   -- POWER BI (DAX): Umsatz VJ = CALCULATE(     [Umsatz],     SAMEPERIODLASTYEAR('Datum'[Datum]) )   -- TABLEAU (Calculated Field + Table Calc): LOOKUP(SUM([Umsatz]), -12) -- Alternativ mit Level of Detail: { FIXED [Monat_VJ]: SUM([Umsatz]) }   -- QLIK SCRIPT (Load Script + Set Analysis): $(=Sum({<Jahr={$(=Year(Today())-1)},         Monat={$(=Month(Today()))}>} Umsatz))

 

 

→  DAX ist am mächtigsten für Zeitintelligenz und komplexe Filterlogik — aber am schwierigsten zu lernen.

 

→  Tableau Calculated Fields sind intuitiver für Analysten, stoßen bei komplexen Kontextberechnungen aber schneller an Grenzen.

 

→  Qlik Set Analysis ist einzigartig für assoziative Selektionslogik — erfordert aber das Verständnis des assoziativen Modells.

 

 

Szenario	Power BI	Tableau	Qlik
10M Zeilen, Import-Modus	Sehr schnell (Vertipaq)	Schnell (Hyper-Engine)	Sehr schnell (In-Memory)
100M Zeilen, Live-Verbindung	Gut (DirectQuery)	Sehr gut (VizQL)	Gut (Direct Discovery)
Viele gleichzeitige Nutzer	Gut (Fabric/Premium)	Gut (Server-Cluster)	Sehr gut (In-Memory je Session)
Erstes Dashboard-Laden	Schnell	Sehr schnell	Langsamer (Daten laden)
Ad-hoc-Exploration	Mittel	Sehr gut	Ausgezeichnet

 

PERFORMANCE-GRUNDREGEL Import-Modus (Daten im Tool gecacht) ist immer schneller als Live-Verbindung — kostet aber Speicher und erfordert regelmäßige Refreshes. DirectQuery/Live ist aktuell, aber lastintensiv für die Quelldatenbank. Die richtige Wahl hängt von Datenvolumen, Refresh-Frequenz und Datenbankauslastung ab.

 

 

Row-Level Security (RLS) stellt sicher, dass Nutzer nur die Daten sehen, für die sie berechtigt sind — kritisch für Vertriebsdaten, Personalberichte und Finanz-Dashboards.

 

-- POWER BI (RLS im Datenmodell): -- Rolle "Vertrieb_Region_Nord" mit DAX-Filter: [Region] = USERPRINCIPALNAME() -- Oder über Mapping-Tabelle: [MitarbeiterID] IN     SELECTCOLUMNS(FILTER('UserRegionMapping',         'UserRegionMapping'[Email] = USERPRINCIPALNAME()),         "ID", 'UserRegionMapping'[RegionID])   -- QLIK (Section Access im Load Script): Section Access; LOAD * INLINE [     ACCESS, USERID,    REGION     USER,   max.m@co,  NORD     USER,   anna.s@co, SUED     ADMIN,  it@co,     * ]; Section Application;

 

→  Power BI RLS ist einfach einzurichten, aber auf statische Rollenlogik beschränkt — dynamisches RLS erfordert DAX-Kenntnisse.

 

→  Qlik Section Access ist mächtiger und granularer, erfordert aber Einbindung in den Load Script.

 

→  Tableau RLS über User Filters ist flexibel, aber bei sehr großen Nutzerzahlen wartungsintensiv.

Entscheidungsmatrix

 

 

 

Kriterium	Power BI	Tableau	Qlik
Microsoft 365 / Azure Stack	★★★★★	★★★	★★★
Salesforce / CRM-Integration	★★★	★★★★★	★★★
SQL Server als Hauptquelle	★★★★★	★★★★	★★★★
SAP-Integration	★★★	★★★	★★★★★
Einstiegspreis / Budgetfreundlich	★★★★★	★★	★★★
On-Premise-Deployment	★★	★★★★★	★★★★★
Self-Service für Fachanwender	★★★★	★★★★	★★★
Explorative Analyse	★★★	★★★★★	★★★★★
Visualisierungsqualität	★★★★	★★★★★	★★★★
Komplexe Datenmodelle	★★★	★★★★	★★★★★
Community & Schulungsangebot	★★★★★	★★★★	★★★
DSGVO / Datensouveränität	★★★	★★★★	★★★★

 

 

→  Microsoft-365-Haus mit SQL Server: Power BI ist die einzig sinnvolle Wahl. Die Infrastruktur ist bereits bezahlt, die Integration nahtlos, die Lernressourcen auf Deutsch verfügbar. Jede andere Entscheidung muss sehr gut begründet sein.

 

→  Vertriebsorganisation mit Salesforce: Tableau ist hier die natürliche Wahl. Die Integration zwischen Tableau und Salesforce CRM ist tiefer als bei den Wettbewerbern, und Tableau ist in der Salesforce-Lizenz teilweise bereits enthalten.

 

→  Fertigungsunternehmen mit SAP ERP: Qlik hat den reifstten SAP-Konnektor und die beste Performance bei den typischen großvolumigen, unstrukturierten SAP-Extrakten. Qlik for SAP ist ein eigenständiges, zertifiziertes Produkt.

 

→  Datengetriebenes Analysteam ohne klare Systemlandschaft: Tableau für Analysten, Power BI für operative Reports — viele KMU betreiben erfolgreich beide Tools nebeneinander mit klarer Aufgabenteilung.

 

→  KMU mit strengen DSGVO-Anforderungen und On-Premise-Pflicht: Tableau Server oder Qlik Client-Managed. Power BI Report Server ist kein vollwertiges On-Premise-Produkt mehr.

 

DER HÄUFIGSTE FEHLER BEI DER TOOLWAHL Die Tool-Entscheidung wird vom Hersteller-Vertrieb getroffen, nicht von der IT. Jeder Hersteller gewinnt in seiner eigenen Demo. Bestehen Sie auf einem unabhängigen Proof-of-Concept mit Ihren Daten, Ihren Use Cases und Ihrem Team — bevor Sie einen Vertrag unterschreiben.

 

 

TCO-Vollkostenvergleich

 

 

Der Listenpreis ist der kleinste Teil der Gesamtkosten. Die entscheidende Kennzahl ist der Total Cost of Ownership (TCO) über drei Jahre — inklusive aller versteckten Kostenpositionen.

 

 

Kostenposition	Power BI (3 Jahre)	Tableau (3 Jahre)	Qlik (3 Jahre)
Lizenzen Creator	~3.400 €	~25.200 €	~18.000 €*
Lizenzen Viewer	~0 €**	~54.000 €	~18.000 €*
Gateway-Server	~5.000 €	~5.000 €	~5.000 €
Tableau/Qlik Server	entfällt	~30.000 €	~25.000 €*
Schulung (10 Entwickler)	~8.000 €	~15.000 €	~20.000 €
Externer Support/Betrieb	~10.000 €	~15.000 €	~20.000 €
**TCO-Schätzung gesamt**	**~26.400 €**	**~144.200 €**	**~106.000 €**

 

→  *Qlik-Preise sind stark verhandlungsabhängig — Listenpreise selten der tatsächliche Kaufpreis.

→  **Power BI Pro in vielen M365 Business Premium-Lizenzen bereits enthalten.

 

WICHTIG ZU DIESEN ZAHLEN Diese Werte sind Richtwerte auf Basis öffentlicher Listenpreise Q1 2026. Tatsächliche Konditionen bei Enterprise-Verhandlungen weichen erheblich ab — insbesondere bei Qlik und Tableau. Holen Sie verbindliche Angebote ein, bevor Sie budgetieren.

 

 

Power BI Fabric (Capacity-basiert) lohnt sich ab einer bestimmten Nutzerzahl mehr als individuelle Pro-Lizenzen:

 

POWER BI LIZENZVERGLEICH: ──────────────────────────────────────────────────────────────── Pro-Lizenzen:       N Nutzer × 9,40 €/Monat Fabric F2 Capacity: 1.296 €/Monat (unlimited Nutzer für Reports)   Break-even: 1.296 / 9,40 = ~138 Nutzer   → Unter 138 aktiven Nutzern: Pro-Lizenzen günstiger → Über 138 aktiven Nutzern: Fabric Capacity günstiger → F1 Capacity (~648 €): Break-even bei ~69 Nutzern ────────────────────────────────────────────────────────────────

 

 

 

Datenbankanbindung

 

 

 

Datenquelle	Power BI	Tableau	Qlik
SQL Server	★★★★★ nativ	★★★★★ nativ	★★★★★ nativ
Azure Synapse / Fabric	★★★★★ nativ	★★★★ nativ	★★★
SAP HANA	★★★★ nativ	★★★★ nativ	★★★★★ zertifiziert
SAP BW	★★★ nativ	★★★ nativ	★★★★★ Qlik for SAP
Oracle	★★★★ nativ	★★★★ nativ	★★★★ nativ
Salesforce	★★★★ nativ	★★★★★ nativ	★★★
REST / API	★★★★ Power Query	★★★ Web Conn.	★★★★ REST Conn.
Excel / CSV	★★★★★	★★★★★	★★★★★
Google BigQuery	★★★★ nativ	★★★★ nativ	★★★

 

 

-- POWER BI: DirectQuery auf SQL Server -- Vorteil: Vollständige T-SQL-Unterstützung, Query Folding -- Empfehlung: Views oder gespeicherte Prozeduren als Basis   CREATE VIEW vw_Umsatz_BI AS SELECT     o.OrderID, o.OrderDate,     c.CustomerName, c.Region,     SUM(od.Quantity * od.UnitPrice) AS Umsatz FROM Orders o JOIN Customers c ON o.CustomerID = c.CustomerID JOIN OrderDetails od ON o.OrderID = od.OrderID GROUP BY o.OrderID, o.OrderDate, c.CustomerName, c.Region; -- Power BI DirectQuery auf diese View: optimal für Live-Daten

 

 

→  Power BI + SQL Server: Engste Integration. Query Folding optimiert DAX-Abfragen automatisch in SQL. Empfohlen: Semantic Layer in SQL-Views, Berechnungen in DAX.

 

→  Tableau + SQL Server: VizQL generiert effizientes SQL. Tableau Prep für Datentransformationen. Live-Verbindungen besonders performant dank Hyper-Engine.

 

→  Qlik + SQL Server: Qlik Script lädt Daten vollständig in den In-Memory-Speicher. Für häufig wechselnde, große Datenmengen: Incremental Load via QVD-Dateien.

 

QLIK INCREMENTAL LOAD (Best Practice): ──────────────────────────────────────────────────────────────── // Nur neue/geänderte Datensätze laden (verhindert Full-Reload) QV_Orders: LOAD * FROM Orders.qvd (qvd) WHERE NOT EXISTS(OrderID); SQL SELECT * FROM Orders     WHERE ModifiedDate > '$(vLastLoadDate)'; STORE QV_Orders INTO Orders.qvd (qvd); ────────────────────────────────────────────────────────────────

 

 

 

Governance & Sicherheit

 

 

 

Governance-Aspekt	Power BI	Tableau	Qlik
Zentrales Report-Repository	Workspaces	Projects	Streams/Spaces
Versionierung	Eingeschränkt (Deployment Pipelines)	Gut (Revision History)	Eingeschränkt
Zertifizierungs-Workflow	Endorsement (Promoted/Certified)	Zertifizierungssiegel	Approval Workflow
Audit-Logging	Power BI Activity Log	Admin Insights	Qlik Management Console
API-Zugang	REST API + XMLA	REST API + Metadata API	REST API + Engine API
Lineage / Datenherkunft	Microsoft Purview Integration	Tableau Catalog (Lizenz)	Qlik Lineage Connectors

 

 

EMPFOHLENE ARCHITEKTUR: Power BI + SQL Server (KMU-Standard) ══════════════════════════════════════════════════════════════  [SQL Server]──►[Power BI Gateway]──►[Power BI Service / Fabric]       │                                         │       ▼                                         ▼  [DWH/Views]                          [App Workspaces]   Semantic                             Prod / Test / Dev   Layer                                     │   (SQL)                                     ▼                                    [Power BI Apps]                                    Endnutzer-Zugang ══════════════════════════════════════════════════════════════ Prinzip: Businesslogik in SQL, Visualisierung in Power BI. Keine berechneten Spalten in Power BI, die in SQL machbar sind.

 

 

 

■  Datenverarbeitungsvertrag (DPA) mit Hersteller abgeschlossen.

■  EU-Rechenzentrum als Speicherort konfiguriert und verifiziert.

■  Personenbezogene Daten sind im Semantic Layer anonymisiert oder pseudonymisiert.

■  Row-Level Security für alle Reports mit personenbezogenen Daten aktiv.

■  Zugriffsprotokollierung (Audit Log) aktiviert und aufbewahrt.

■  Löschkonzept: Wie werden Daten gelöscht, wenn ein Nutzer das Recht entzogen bekommt?

■  Datenschutz-Folgenabschätzung (DSFA) für sensible Datenkategorien durchgeführt.

 

 

Migrations- und Exit-Strategie

 

 

Kein Unternehmen plant beim BI-Kauf den Ausstieg — aber wer ihn nicht mitdenkt, zahlt beim Wechsel den vollen Preis. Lock-in-Resilienz lässt sich mit wenig Mehraufwand von Beginn an einbauen.

 

 

→  Datenmodell-Lock-in: Das Modell ist in der proprietären Sprache des Tools definiert (DAX-Measures, Qlik Script, Tableau Calculated Fields). Gegenmaßnahme: Berechnungslogik so weit wie möglich in SQL-Views oder einem separaten Data Warehouse halten.

 

→  Report-Lock-in: Alle Reports sind im proprietären Format gespeichert (.pbix, .twbx, .qvf). Keines dieser Formate ist in ein anderes Tool portierbar. Gegenmaßnahme: KPI-Definitionen tool-unabhängig dokumentieren.

 

→  Infrastruktur-Lock-in: Daten liegen im Cloud-Speicher des Anbieters (Power BI Dataflows, Tableau Cloud, Qlik Cloud). Gegenmaßnahme: Quelldaten immer im eigenen System halten — Cloud-Tool greift nur lesend zu.

 

 

■  Alle KPI-Definitionen im KPI-Glossar dokumentiert (tool-unabhängig).

■  Alle Quelldaten liegen im eigenen SQL Server oder Data Warehouse — keine Datenkopien nur im Cloud-Tool.

■  Alle Datenquellen als SQL-Views abstrahiert — bei Tool-Wechsel: Views bleiben, nur Konnektoren ändern sich.

■  Schulungsaufwand für Zieltool kalkuliert (Faktor 3–5 Monate produktive Anlaufzeit).

■  Report-Inventar gepflegt: Welche Reports sind wirklich genutzt? Nur diese müssen neu gebaut werden.

 

 

Von → Nach	Aufwand	Kritische Hürde
Power BI → Tableau	Hoch	DAX-Measures → Tableau Calc neu schreiben
Power BI → Qlik	Sehr hoch	Sternschema → assoziatives Modell umdenken
Tableau → Power BI	Hoch	Datenmodell-Restrukturierung für Vertipaq
Tableau → Qlik	Hoch	Calculated Fields → Qlik Script neu
Qlik → Power BI	Sehr hoch	Assoziatives Modell → Sternschema erzwingen
Qlik → Tableau	Hoch	Qlik Script-Logik → Tableau Prep + Calc

 

 

30-Tage-Evaluierungsplan

 

 

Dieser Plan führt Sie in 30 Tagen durch einen ehrlichen, vergleichbaren Proof-of-Concept für alle drei Plattformen — oder für die zwei Finalisten, die nach Kapitel 5 übrig geblieben sind.

 

VOR DEM START Definieren Sie 3 Use Cases, die im PoC funktionieren müssen. Diese Use Cases müssen repräsentativ für Ihren produktiven Betrieb sein — nicht die einfachsten Fälle. Stellen Sie anonymisierte Produktionsdaten bereit (min. 1 Mio. Zeilen). Benennen Sie einen technischen Evaluator (IT) und einen fachlichen Evaluator (Business) pro Tool.

 

 

■ TAG 1–2: UMGEBUNGEN AUFSETZEN

 

■  Power BI: Power BI Desktop installieren, Power BI Service Trial aktivieren, Gateway einrichten

■  Tableau: Tableau Desktop Trial herunterladen, Tableau Cloud Trial aktivieren

■  Qlik: Qlik Sense Desktop installieren, Qlik Cloud Trial aktivieren

■  Testdaten vorbereiten: Anonymisierte SQL-Datenbank mit realen Volumen bereitstellen

■  Use-Case-Dokument finalisieren: 3 Szenarien mit Akzeptanzkriterien schriftlich fixieren

 

■ TAG 3–5: DATENBANKANBINDUNG TESTEN

 

■  Alle drei Tools mit SQL Server verbinden — Import-Modus und Live-Verbindung

■  Datenvolumen-Performance messen: Wie lange dauert Initial Load bei 5M, 20M, 50M Zeilen?

■  Gateway-Latenz messen: Wie schnell ist ein Dashboard-Filter bei Live-Verbindung?

■  SAP- oder ERP-Konnektor testen, falls relevant

■  Ergebnis in Vergleichstabelle dokumentieren

 

■ TAG 6–7: BASISMODELL AUFBAUEN

 

■  Gleiches Datenmodell in allen drei Tools aufbauen (Datum, Produkt, Kunde, Umsatz)

■  Erste einfache Visualisierung erstellen: Umsatz nach Region, Monat, Produktgruppe

■  Erste Zeitintelligenz-Berechnung: Vorjahresvergleich, kumulierter Jahresumsatz

■  Lernkurven-Eindruck dokumentieren: Wie intuitiv ist jedes Tool für den Entwickler?

 

 

■ TAG 8–11: USE CASE 1 — OPERATIVES DASHBOARD

 

■  Tägliches KPI-Dashboard aufbauen: 5–8 KPIs mit Drill-Down nach Zeitraum und Region

■  Row-Level Security einrichten: Mindestens 3 Nutzerrollen mit unterschiedlichen Datenbereichen

■  Refresh-Automatisierung einrichten: Täglicher Datenabgleich um 06:00 Uhr

■  Performance messen: Ladezeit, Filter-Reaktionszeit, gleichzeitige Nutzer simulieren

 

■ TAG 12–14: USE CASE 2 — ANALYTISCHER BERICHT

 

■  Explorativer Analysebericht: Freiheit, beliebig durch Daten zu navigieren

■  Komplexe Berechnungen: ABC-Analyse, Pareto, gleitender Durchschnitt

■  Visualisierungsflexibilität testen: Wasserfall, Sankey, Small Multiples

■  Export-Qualität prüfen: PDF, PowerPoint, Excel — wie sehen Berichte außerhalb des Tools aus?

 

■ TAG 15–16: USE CASE 3 — SELF-SERVICE-SZENARIO

 

■  Einen fachlichen Mitarbeitenden (kein Entwickler) einen einfachen Bericht erstellen lassen

■  Zeit messen: Wie lange bis zum ersten funktionsfähigen Report?

■  Fragen zählen: Wie oft braucht die Person IT-Hilfe?

■  Zufriedenheit bewerten (1–10): Wie intuitiv ist das Tool für Nicht-Entwickler?

 

 

■ TAG 17–20: GOVERNANCE-TEST

 

■  Workspace/Project-Struktur für Prod/Test/Dev einrichten

■  Deployment-Pipeline oder Versions-Workflow testen

■  Audit Log aktivieren und erste Nutzungsauswertung durchführen

■  DSGVO-Checkliste aus Kapitel 8 für jedes Tool abarbeiten

 

■ TAG 21: TCO-RECHNUNG FINALISIEREN

 

■  Reale Lizenzangebote von allen drei Herstellern einholen (Kontakt über Trial-Vertrieb)

■  TCO-Tabelle aus Kapitel 6 mit echten Angeboten füllen

■  Infrastrukturkosten berechnen: Gateway-Server, ggf. Tableau/Qlik Server

■  Schulungskosten kalkulieren: Verfügbare Kurse, Preise, Zeitaufwand

 

 

 

 

 

 

■ TAG 22–25: BEWERTUNGSMATRIX AUSFÜLLEN

 

■  Entscheidungsmatrix aus Kapitel 5 mit eigenen Bewertungen befüllen

■  Use-Case-Ergebnisse gewichten: Welcher Use Case ist für Ihr Unternehmen am wichtigsten?

■  Technischen Evaluator und fachlichen Evaluator getrennt befragen — Ergebnisse vergleichen

■  Show-Stopper identifizieren: Gibt es ein Ausschlusskriterium für einen der Kandidaten?

 

■ TAG 26–28: ENTSCHEIDUNGSVORLAGE ERSTELLEN

 

■  Entscheidungsvorlage für Geschäftsführung / IT-Steuerkreis verfassen

■  Empfehlung mit Begründung, TCO-Vergleich und Risikobewertung

■  Implementierungsplan skizzieren: Wie sieht der Go-live in 6–9 Monaten aus?

■  Rückfallszenario definieren: Was passiert, wenn das gewählte Tool nicht liefert?

 

■ TAG 29–30: ENTSCHEIDUNG & NÄCHSTE SCHRITTE

 

■  Entscheidung treffen und dokumentieren

■  Vertragsverhandlung starten — Jahres- vs. Mehrjahresvertrag prüfen

■  Onboarding-Schulung für Entwickler buchen

■  Kick-off für Phase 1 (erstes produktives Dashboard) terminieren ■

 

ERGEBNIS NACH 30 TAGEN Ihr Ergebnis nach 30 Tagen: Eine faktenbasierte, dokumentierte Tool-Entscheidung — nicht auf Basis von Hersteller-Demos, sondern auf Basis Ihrer eigenen Daten, Ihrer Use Cases und Ihres Teams. Plus: Eine TCO-Kalkulation, die Sie in der Budgetverhandlung einsetzen können.

 

 

 

 

Die in diesem Dokument enthaltenen Informationen, Analysen, Preisangaben und Empfehlungen wurden nach bestem Wissen und Gewissen auf der Grundlage öffentlich verfügbarer Informationen und langjähriger praktischer Projekterfahrung erstellt. Dennoch kann keine Gewähr für die Vollständigkeit, Richtigkeit oder Aktualität der bereitgestellten Inhalte übernommen werden.

 

Der Autor übernimmt ausdrücklich keinerlei Haftung für Kaufentscheidungen, die auf Basis dieses Dokuments getroffen werden, einschließlich, aber nicht beschränkt auf: Fehlinvestitionen, Lizenzkosten, Implementierungsaufwände, entgangenen Gewinn oder Kosten für Tool-Migrationen.

 

 

Alle in diesem Dokument genannten Preise sind Richtwerte auf Basis öffentlicher Listenpreise Stand März 2026. Tatsächliche Konditionen bei Unternehmensverträgen können erheblich abweichen. Insbesondere Qlik- und Tableau-Preise werden individuell verhandelt. Holen Sie vor jeder Budgetierung verbindliche Angebote der Hersteller ein.

 

 

Alle technischen Vergleiche, Performance-Einschätzungen und Feature-Beschreibungen basieren auf dem Stand Q1 2026. Alle drei Plattformen werden mehrmals jährlich aktualisiert. Features können hinzukommen, verändert oder entfernt werden.

 

 

Dieses Dokument und alle Inhalte sind urheberrechtlich geschützt. © 2026 Sascha Hess, xenosystems.de. Alle Rechte vorbehalten.

 

 

Power BI und Microsoft Fabric sind eingetragene Marken der Microsoft Corporation. Tableau ist eine eingetragene Marke von Salesforce, Inc. Qlik und Qlik Sense sind eingetragene Marken der Qlik Technologies, Inc. SQL Server ist eine eingetragene Marke der Microsoft Corporation. SAP und SAP HANA sind eingetragene Marken der SAP SE. Alle anderen genannten Produkt- und Unternehmensnamen sind Eigentum ihrer jeweiligen Inhaber.

 

 

Es gilt ausschließlich deutsches Recht. Gerichtsstand für alle Streitigkeiten ist, soweit gesetzlich zulässig, Weimar, Thüringen, Deutschland.

 

 

 

Sascha Hess ist Diplom-Biologe und IT-Professional mit über 20 Jahren Erfahrung in der Administration von ERP-, BI- und Datenbanksystemen. Er hat mehr als 40 BI-Projekte in mittelständischen Unternehmen umgesetzt — von der ersten Datenmodellierung bis zum produktiven Dashboard-Betrieb — auf Power BI, Tableau und Qlik Sense.

 

Sein Ansatz verbindet naturwissenschaftliche Präzision mit hochgradiger IT-Spezialisierung. Schwerpunkte: SQL Server Performance-Tuning, ERP-Einführungen, Business Intelligence (Power BI, DeltaMaster), Prozessdigitalisierung und IT-Interim-Management.

 

Web: www.xenosystems.de | E-Mail: info@xenosystems.de | Standort: Weimar, Thüringen / Remote

 

Service	Beschreibung
BI Tool-Evaluierung & PoC	Unabhängige Evaluierung von Power BI, Tableau und Qlik — mit Proof-of-Concept auf Ihren Daten und dokumentierter Entscheidungsvorlage für die Geschäftsführung.
Power BI Einführung	End-to-End-Implementierung: Datenmodell, Semantic Layer, Dashboards, Row-Level Security, Gateway-Setup und Nutzer-Schulung. Scope: 4–12 Wochen je nach Komplexität.
BI Health Check	Audit bestehender BI-Umgebungen: Performance-Analyse, Governance-Bewertung, Lizenzoptimierung und Maßnahmenplan. Scope: 2–3 Tage.
SQL Server DB Health Check	Professioneller Audit Ihres SQL Servers — Managementreport, Risikobewertung und Maßnahmenplan. Scope: 3–5 Tage.
Interim IT-Management	Übernahme der IT-Steuerung auf Zeit — Budgetplanung, Dienstleister-Management, strategische IT-Ausrichtung.