The PL-300 exam is a practical measure of whether a Power BI data analyst can turn data into reliable analytical models and reports. It is less about knowing as many Power BI features as possible and more about applying data modelling, filter context, deployment and clean analytical approaches in exam scenarios.
Die PL-300 ist die Microsoft-Prüfung für die Rolle Microsoft Power BI Data Analyst und führt zur entsprechenden Microsoft-Zertifizierung. Sie richtet sich an Personen, die Daten vorbereiten, modellieren, visualisieren, analysieren und Power-BI-Inhalte im Power BI Service bereitstellen und verwalten. Die frühere DA-100-Prüfung wurde eingestellt; für aktuelle Anforderungen sollte immer die offizielle Microsoft-Learn-Prüfungsseite beziehungsweise der aktuelle PL-300-Studienführer herangezogen werden.
Was die PL-300 wirklich prüft
Die Prüfung ist praxisnah angelegt. Kandidaten begegnen typischerweise Einzelwahl- und Mehrfachauswahlfragen, Zuordnungs- oder Drag-and-Drop-Aufgaben, szenariobasierten Entscheidungen und Fallstudien. Microsoft nennt als Bestehensgrenze 700 von 1000 Punkten. Dauer, verfügbare Sprachen, Preis, Terminoptionen und Wiederholungsregeln können sich ändern und sollten vor der Buchung direkt bei Microsoft Learn und dem Prüfungsanbieter geprüft werden.
Inhaltlich geht es nicht darum, Menüs auswendig zu kennen. Geprüft wird, ob eine Person aus fachlichen Anforderungen ein robustes Power-BI-Ergebnis ableiten kann. Dazu gehören Datenvorbereitung mit Power Query, Modellierung mit Beziehungen und DAX, visuelle Analyse, Berichtsdesign sowie Bereitstellung, Freigabe und Verwaltung im Power BI Service. Wer Power BI bisher nur im Desktop verwendet hat, sollte dem Service-Teil besondere Aufmerksamkeit geben, weil Arbeitsbereiche, Aktualisierung, Berechtigungen und Zeilensicherheit in realen Projekten eine zentrale Rolle spielen.
Power BI selbst ist Microsofts Plattform für Business Intelligence und Datenvisualisierung. Unternehmen nutzen Power BI, um Daten aus Quellen wie SQL-Datenbanken, Excel-Dateien, CSV-Exporten, Cloud-Diensten oder lokalen Systemen in Berichte und Dashboards zu überführen. Der Vergleich mit Werkzeugen wie Tableau ist im Markt verbreitet, für die PL-300 zählt jedoch konkret, wie Power BI Desktop, Power Query, DAX und der Power BI Service zusammenspielen.
Die wichtigsten Kompetenzbereiche mit Praxisbezug
Beim Vorbereiten der Daten wird erwartet, dass Kandidaten geeignete Datenquellen anbinden, Datentypen prüfen, Fehler behandeln, Tabellen zusammenführen und Transformationen nachvollziehbar gestalten können. Ein typisches Prüfungsszenario beschreibt etwa zwei Datenquellen, die unterschiedliche Kunden- oder Datumsformate verwenden. Die richtige Antwort hängt dann weniger von einem einzelnen Klick ab, sondern davon, ob die Transformation im Power Query Editor stabil, wiederholbar und für spätere Aktualisierungen geeignet ist.
Ein kleines M-Beispiel zeigt, worum es in solchen Aufgaben gehen kann. Die Abfrage entfernt fehlerhafte Zeilen nicht blind, sondern ändert zuerst den Datentyp und filtert anschließend ungültige Umsätze aus. In der Prüfung wird eher die Entscheidung abgefragt als das reine Schreiben des Codes, aber wer die Logik versteht, erkennt die Antwortmöglichkeiten schneller.
Beispiel — einfache Power-Query-Bereinigung
let
Quelle = Excel.CurrentWorkbook(){[Name="Umsatzdaten"]}[Content],
TypenGeaendert = Table.TransformColumnTypes(
Quelle,
{{"Datum", type date}, {"Umsatz", type number}, {"Region", type text}}
),
GueltigeZeilen = Table.SelectRows(TypenGeaendert, each [Umsatz] >= 0)
in
GueltigeZeilen
Die Modellierung ist oft der Bereich, in dem Kandidaten Zeit verlieren. Ein sauberes Sternschema mit Faktentabelle, Dimensionstabellen und eindeutigen Beziehungen macht DAX-Berechnungen einfacher und Berichte schneller. Werden dagegen viele bidirektionale Beziehungen, uneindeutige Pfade oder berechnete Spalten als Ersatz für Measures verwendet, entstehen Ergebnisse, die in kleinen Beispielen funktionieren, in Fallstudien aber scheitern.
DAX erfordert besonders ein Verständnis von Filterkontext. Eine Kennzahl wie Umsatz ist einfach; eine Kennzahl, die Umsatz nur für ein bestimmtes Segment, einen Zeitraum oder eine Vergleichsperiode berechnet, verlangt den richtigen Einsatz von CALCULATE, Datumsdimensionen und Beziehungen. Ein realistisches Mini-Szenario wäre die Frage, ob ein Bericht den Umsatz des laufenden Jahres trotz Filterung nach Produktkategorie korrekt anzeigen soll.
Beispiel — DAX-Kennzahl mit Filterkontext
Umsatz = SUM(FactSales[SalesAmount])
Umsatz Premium =
CALCULATE(
[Umsatz],
DimCustomer[Segment] = "Premium"
)
Hier verändert CALCULATE den Filterkontext der bestehenden Umsatzkennzahl. Genau an dieser Stelle entstehen viele Fehlannahmen: RELATED löst Beziehungsfragen nicht automatisch, berechnete Spalten ersetzen keine dynamischen Measures, und Zeitintelligenz funktioniert nur zuverlässig, wenn eine geeignete Datumstabelle vorhanden ist.
Visualisieren und Analysieren bedeutet in der PL-300 nicht, möglichst viele Diagrammtypen zu kennen. Ein Datenanalyst muss erkennen, welche Visualisierung zu einer Fragestellung passt, wie Interaktionen zwischen Visuals wirken und wie Drillthrough, Tooltips oder Hierarchien die Analyse unterstützen. In Vorstellungsgesprächen wird die PL-300 häufig als Hinweis gewertet, dass jemand nicht nur Berichte baut, sondern auch erklären kann, warum ein Modell performant ist, wie ein Bericht geteilt wird und welche Governance-Grenzen gelten. Die Fragen drehen sich dann oft um Modellierung, Performance und Service-Kompetenz, weniger um Data Science.
Beim Bereitstellen und Verwalten geht es um Arbeitsbereiche, Apps, Aktualisierungen, Gateways, Berechtigungen und Zeilensicherheit. Ein typisches Szenario fragt, ob Import oder DirectQuery sinnvoller ist, wenn Daten nahezu aktuell sein müssen, aber das Quellsystem unter Last steht. Ein anderes Szenario betrifft inkrementelle Aktualisierung und Gateway-Planung für lokale Datenquellen. Wer diesen Bereich überspringt, verliert Punkte in Aufgaben, die im Arbeitsalltag von Power-BI-Teams regelmäßig vorkommen.
Beispiel — einfache RLS-Regel
[Region] = USERPRINCIPALNAME()
Diese Regel ist nur eine Skizze und setzt voraus, dass die Regionstabelle beziehungsweise Zuordnungstabelle passend modelliert ist. Der Prüfungsnutzen liegt im Prinzip: Zeilensicherheit wird im Modell definiert, im Power BI Service Rollen zugeordnet und anschließend aus Sicht der betroffenen Benutzer getestet. Kandidaten sollten diesen Ablauf verstanden haben, statt RLS nur als Menüpunkt zu kennen.
Ein realistischer 4-Wochen-Lernplan
Vier Wochen reichen nur dann, wenn bereits Grundkenntnisse in Power BI vorhanden sind und die Lernzeit konsequent geblockt wird. Wer neu in Datenmodellierung, Power Query oder DAX ist, sollte eher sechs Wochen einplanen. Entscheidend ist, jede Woche mit einem kleinen praktischen Ergebnis abzuschließen: eine bereinigte Abfrage, ein Modell, ein Bericht oder eine veröffentlichte Testlösung.
- Woche 1: Power Query und Datenvorbereitung üben, einschließlich Datentypen, Zusammenführen, Anhängen, Fehlerbehandlung und Aktualisierungslogik.
- Woche 2: Datenmodellierung, Sternschema, Beziehungen, Datumstabellen und grundlegende DAX-Measures mit CALCULATE trainieren.
- Woche 3: Berichtsdesign, Visualauswahl, Interaktionen, Drillthrough, Filterverhalten und Analysefunktionen anhand eines durchgehenden Datensatzes anwenden.
- Woche 4: Power BI Service, Arbeitsbereiche, Apps, Aktualisierung, Gateway-Grundlagen, Berechtigungen, RLS und Fallstudienfragen gezielt wiederholen.
Ein sinnvoller Wochenrhythmus besteht aus Lernmodul, eigenem Nachbau, Fehleranalyse und kurzem Selbsttest. Die Microsoft-Learn-Videos zur PL-300-Prüfungsvorbereitung eignen sich als strukturierter Einstieg, während die Microsoft Exam Sandbox hilft, das Prüfungsformat ohne inhaltlichen Druck kennenzulernen. Zusätzlich ist es hilfreich, einen eigenen kleinen Bericht vom Import bis zur Veröffentlichung durchzugehen, weil dadurch Desktop- und Service-Themen verbunden werden.
Wer tiefer in Power BI einsteigen möchte, kann nach dem ersten Praxisdurchlauf gezielt weitere Power-BI-Module vertiefen. Eine Übersicht über passende Lernoptionen findet sich bei den PL-300 Power BI Data Analyst Trainings; als Werbehinweis gilt dabei: Readynez bietet hier ein kommerzielles Training an, während die Entscheidung für oder gegen einen Kurs vom eigenen Vorwissen und Zeitplan abhängen sollte.
Typische Fehler, die Kandidaten vermeiden sollten
Ein häufiger Fehler ist feature-getriebenes Lernen. Wer jede Visualisierung einmal anklickt, aber Filterkontext, Beziehungen und Bereitstellung nicht sicher erklären kann, ist auf Fallstudien schlecht vorbereitet. Besonders CALCULATE, RELATED, Kreuzfilterrichtung und Measures im Vergleich zu berechneten Spalten sollten praktisch geübt werden.
Ebenso riskant ist ein zu flaches Verständnis des Power BI Service. Die Prüfung kann Situationen beschreiben, in denen ein Bericht veröffentlicht, geteilt, aktualisiert oder mit RLS abgesichert werden muss. Desktop-Erfahrung allein reicht dann nicht aus. In Projekten entstehen viele Fehler genau an dieser Schnittstelle: Das Modell funktioniert lokal, aber Aktualisierung, Gateway, Berechtigungen oder Arbeitsbereichsrollen sind nicht sauber durchdacht.
Ein dritter Fehler ist die Vernachlässigung von Datenmodellierung zugunsten schneller Visualisierung. Saubere Beziehungen, eindeutige Dimensionen und stabile Datumslogik sind weniger sichtbar als ein Dashboard, aber sie bestimmen die Zuverlässigkeit der Analyse. Wer in der Vorbereitung bewusst fehlerhafte Modelle repariert, lernt meist mehr als durch das Nachbauen schöner Berichte.
Selbststudium vs Kurs: welche Vorbereitung passt?
Selbststudium passt gut zu Kandidaten, die bereits regelmäßig mit Power BI arbeiten, Zugriff auf geeignete Datenquellen oder einen Testtenant haben und sich Lernblöcke konsequent selbst setzen. Der Vorteil liegt in Flexibilität und Kostenkontrolle. Der Nachteil ist, dass blinde Flecken oft spät sichtbar werden, insbesondere bei DAX, Modellierung und Service-Themen.
Ein Kurs kann sinnvoll sein, wenn der Prüfungstermin nah ist, wenn praktische Labs fehlen oder wenn Feedback zu Modellierungsentscheidungen benötigt wird. Das gilt besonders für Personen aus Fachbereichen wie Controlling, Vertrieb oder Operations, die Power BI zwar nutzen, aber bisher wenig mit Bereitstellung, Governance oder RLS gearbeitet haben. Ein kleines Entscheidungsraster hilft: Je weniger Vorwissen in DAX und Modellierung vorhanden ist, je kürzer die Zeit bis zur Prüfung und je schwieriger der Zugang zu einer Testumgebung ist, desto stärker spricht das für eine geführte Vorbereitung. Wer dagegen gute Praxisdaten, feste Lernzeiten und Erfahrung mit Power BI Service hat, kann die Prüfung gut im Selbststudium vorbereiten.
Weitere Orientierung zu angrenzenden Microsoft-Lernpfaden bietet ein Überblick über Microsoft Power BI Data Analyst Zertifizierung und PL-300. Wichtig ist dabei, die Zertifizierung nicht als Ersatz für Projektpraxis zu verstehen. Sie bestätigt relevante Kompetenzen, aber sie ersetzt nicht die Fähigkeit, Geschäftsfragen zu klären, Datenqualität zu beurteilen und Ergebnisse verständlich zu erklären.
Registrierung, Prüfungstag und Wiederholung
Die Registrierung erfolgt über die offizielle Microsoft-Prüfungsseite und den dort angebundenen Prüfungsanbieter. Dort finden sich die aktuellen Angaben zu Preis, Sprache, Terminformat, Online- oder Testcenter-Optionen und Wiederholungsregeln. Da sich Prüfungsrichtlinien ändern können, sollte keine Vorbereitung auf veralteten Blogangaben beruhen. Wer konkrete Termin- oder Planungsfragen hat, kann alternativ auch Kontakt für eine individuelle Klärung aufnehmen.
Vor einer Online-Prüfung ist ein Systemcheck Pflichtprogramm. Webcam, Mikrofon, stabile Internetverbindung, Ausweisdokument und ein ruhiger Raum sollten rechtzeitig geprüft werden. Die offiziellen Proctoring-Regeln des Prüfungsanbieters sind maßgeblich; Kandidaten sollten deshalb keine Annahmen über erlaubte Gegenstände, Pausen oder Raumregeln treffen.
Am Prüfungstag hilft eine einfache Zeittaktik. Fallstudien sollten aufmerksam gelesen, aber nicht zu lange bearbeitet werden. Unsichere Fragen können markiert und später geprüft werden, sofern das Prüfungsformat dies zulässt. Sinnvoll ist, zuerst Punkte in vertrauten Themen zu sichern und komplexe Modellierungs- oder Service-Szenarien danach erneut zu betrachten. Die Exam Sandbox ist dafür nützlich, weil sie die Bedienlogik der Prüfungsumgebung vorab vertraut macht.
Häufige Fragen zur PL-300
Wie viele Punkte braucht man zum Bestehen der PL-300?
Microsoft gibt für die PL-300 eine Bestehensgrenze von 700 von 1000 Punkten an. Diese Zahl bedeutet nicht, dass jede Frage gleich gewichtet ist; die genaue Bewertung wird von Microsoft festgelegt.
Ist die DA-100 noch aktuell?
Nein. Die DA-100 wurde eingestellt und durch die PL-300 als relevante Prüfung für die Microsoft Power BI Data Analyst Zertifizierung ersetzt. Für aktuelle Inhalte sollte der offizielle PL-300-Studienführer verwendet werden.
Reicht Power BI Desktop für die Vorbereitung?
Nein. Power BI Desktop ist wichtig für Datenvorbereitung, Modellierung und Berichtserstellung, aber die Prüfung umfasst auch den Power BI Service. Arbeitsbereiche, Aktualisierung, Berechtigungen, Apps und RLS sollten praktisch geübt werden.
Wie lange sollte man für die Vorbereitung einplanen?
Mit soliden Power-BI-Grundlagen kann ein fokussierter Zeitraum von vier Wochen realistisch sein. Ohne Erfahrung in DAX, Datenmodellierung oder Power BI Service ist ein längerer Zeitraum sinnvoller, damit genügend Zeit für praktische Übungen bleibt.
Der nächste sinnvolle Schritt zur PL-300
Die PL-300 ist am besten vorzubereiten, wenn Lernen und Anwenden eng verbunden werden. Ein belastbarer Plan beginnt bei Datenbereinigung, führt über Modellierung und DAX zur Visualisierung und endet bewusst im Power BI Service mit Aktualisierung, Berechtigungen und RLS. Wer diesen Ablauf einmal praktisch durchgespielt hat, erkennt Prüfungsfragen schneller und versteht besser, welche Antwort in einem realen Szenario tragfähig ist.
Readynez kann für Kandidaten sinnvoll sein, die geführte Labs, einen festen Zeitrahmen und strukturiertes Feedback bevorzugen. Der wichtigste Erfolgsfaktor bleibt jedoch derselbe: Die Vorbereitung sollte nicht auf Auswendiglernen setzen, sondern auf nachvollziehbare Entscheidungen im Power-BI-Arbeitsprozess.
