Blog

Power BI Row Level Security: So prüfst Du Deine Zugriffsregeln

Ailio Redaktion · 19. November 2026 · 6 Min. Lesezeit

Business Intelligence

Power BI Row Level Security: So prüfst Du Deine Zugriffsregeln

Ailio

Ein Vertriebsbericht zeigt jeder Regionalleitung nur die eigenen Kunden. Das klingt nach einem einfachen Fall für Power BI Row Level Security. Doch eine fehlende Benutzerzuordnung, eine zusätzliche Rolle oder zu weitgehende Workspace-Rechte können das Sicherheitskonzept aushebeln. Ein plausibler Bericht ist deshalb noch kein Beleg für korrekte Zugriffsregeln.

Dieser Artikel zeigt Dir, wie Du daraus eine belastbare Testmatrix entwickelst: mit erlaubten Zugriffen, ausdrücklich verbotenen Zugriffen und nachvollziehbaren Ergebnissen vor jeder Freigabe.

Kurz gesagt: Power BI Row Level Security beschränkt die sichtbaren Datenzeilen anhand von Rollen und Benutzeridentitäten. Verlässlich prüfst Du diese Regeln mit einer Testmatrix aus Identität, Rollenzuordnung, Workspace-Berechtigung und erwarteter Datenmenge. Entscheidend sind negative Zugriffstests und Tests mit echten Benutzerkonten, weil eine Rollensimulation allein nicht alle Berechtigungswege abbildet.

Wie funktioniert Power BI Row Level Security bei dynamischen Rollen?

Power BI Row Level Security, kurz RLS, filtert Datenzeilen im semantischen Modell. Bei dynamischen Rollen bestimmt die angemeldete Benutzeridentität, welche hinterlegten Datenbereiche sichtbar sind.

Statische Rollen enthalten beispielsweise einen festen Filter auf eine Region. Dynamische Rollen verwenden dagegen eine Zuordnungstabelle, etwa mit den Spalten UserUPN und RegionKey. Eine Person kann darin einer oder mehreren Regionen zugeordnet sein.

Ein typischer DAX-Filter auf dieser Tabelle lautet:

'UserRegion'[UserUPN] = USERPRINCIPALNAME()

Damit allein ist die Absicherung nicht fertig. Der Sicherheitsfilter muss über korrekt konfigurierte Beziehungen bis zu den relevanten Faktentabellen wirken. Eine isolierte Zuordnungstabelle schützt keine Umsatzdaten. Prüfe Filterrichtungen und die Weitergabe von Sicherheitsfiltern bewusst; aktiviere bidirektionale Beziehungen nicht pauschal.

Zwei Zuordnungen, zwei mögliche Fehlerquellen

Unterscheide zwischen:

  • Rollenmitgliedschaft: Welche Benutzer oder unterstützten Gruppen sind im Power BI Service einer RLS-Rolle zugewiesen?
  • Datenzuordnung: Welche Regionen, Gesellschaften oder Mandanten sind dieser Identität im Modell zugeordnet?

Eine korrekte Rollenmitgliedschaft ersetzt keine korrekte Datenzuordnung. Definiere deshalb ausdrücklich: Eine Identität ohne gültige Zuordnung darf keine geschützten Geschäftsdaten sehen. Prüfe diese Vorgabe auch bei leeren Schlüsseln, unbekannten Identitäten und veralteten Einträgen.

Welche Workspace-Berechtigungen beeinflussen RLS?

RLS gilt im Power BI Service für Benutzer mit der Workspace-Rolle Viewer, nicht jedoch für Admin, Member oder Contributor. Wer mit Bearbeitungsrechten testet, prüft deshalb nicht den tatsächlichen Zugriff eines reinen Berichtskonsumenten.

Für Deine Testmatrix brauchst Du die effektiven Berechtigungen, nicht nur den vorgesehenen Zugangsweg. Ein Benutzer kann einen Bericht über eine App öffnen und zugleich über eine Gruppenmitgliedschaft Contributor im zugrunde liegenden Workspace sein.

Wichtig sind folgende Unterscheidungen:

  • Viewer: RLS wird angewendet, sofern Rollenmitgliedschaft und Modell korrekt eingerichtet sind.
  • Admin, Member, Contributor: Diese Workspace-Rollen werden nicht durch RLS eingeschränkt.
  • Build-Berechtigung: Sie hebt RLS für einen Viewer nicht auf, ermöglicht aber zusätzliche Nutzungswege, die Du prüfen solltest.
  • App-Zielgruppen: Sie steuern die Verteilung von Inhalten, ersetzen aber keine zeilenbezogene Datensicherheit.

Prüfe bei getrennten Workspaces für Berichte und semantische Modelle insbesondere die Rechte am semantischen Modell. Dokumentiere direkte Berechtigungen ebenso wie Rechte aus Gruppenmitgliedschaften.

Wie sieht eine Testmatrix für dynamische RLS aus?

Eine RLS-Testmatrix verbindet jede relevante Benutzer- und Berechtigungskonstellation mit einem eindeutig erwarteten Ergebnis. Sie muss sowohl erlaubte Datenzugriffe als auch ausdrücklich verbotene Zugriffe enthalten.

Verwende einen kontrollierten Testdatenbestand mit bekannten Datensatz-IDs. Reine Summen reichen nicht: Zwei unterschiedliche Datenmengen können denselben Umsatz ergeben.

TestfallIdentität und BerechtigungErwartetes Ergebnis
EinzelzuordnungViewer, dynamische Rolle, Region NordNur Datensatz-IDs aus Nord
MehrfachzuordnungViewer, dieselbe Rolle, Nord und SüdVereinigung beider Regionen
Fehlende DatenzuordnungViewer, Rolle vorhanden, kein MappingKeine geschützten Geschäftsdaten
Fehlende RollenmitgliedschaftBerichtszugriff, aber keine passende RLS-RolleKein Zugriff auf geschützte Modelldaten; gegebenenfalls Fehlermeldung
Unbekannte oder leere IdentitätKeine gültige IdentitätszuordnungKeine unbeabsichtigte Freigabe
Überlappende RollenViewer, mehrere RLS-RollenVereinigung der erlaubten Daten; fachlich genehmigt
Zusätzliche Workspace-RechteFachlicher Konsument ist ContributorRLS greift nicht; Berechtigungsfehler vor Freigabe beheben
Zusätzliche Build-BerechtigungViewer mit BuildWeiterhin nur erlaubte Zeilen
Fremder DatensatzViewer Nord, gezielter Aufruf einer Süd-IDFremder Datensatz bleibt unsichtbar
Entzogene ZuordnungMapping oder Gruppenmitgliedschaft entferntNach wirksamer Aktualisierung kein bisheriger Zugriff

Warum mehrere Rollen besonders kritisch sind

RLS-Rollen wirken additiv: Die erlaubten Datenmengen werden vereinigt. Eine restriktive Rolle nimmt eine Freigabe aus einer anderen Rolle nicht zurück.

Lege deshalb keinen Test nach dem Muster „Sperrrolle überschreibt Freigaberolle“ an. Prüfe stattdessen, ob jede mögliche Rollenkombination fachlich zulässig ist. Eine ungefilterte zusätzliche Rolle kann eine ansonsten korrekt konfigurierte Einschränkung wirkungslos machen.

Wie prüfst Du Zugriffe vor der Freigabe nachweisbar?

Ein nachweisbarer RLS-Test vergleicht vorab definierte Soll-Daten mit tatsächlich sichtbaren Daten und hält Identität, Berechtigungen sowie Modellversion fest. Screenshots einzelner Visuals sind dafür eine Ergänzung, aber kein ausreichender Nachweis.

Simulation und echte Benutzerkonten kombinieren

Beginne in Power BI Desktop mit „Anzeigen als“ und teste Rollen sowie alternative Benutzeridentitäten. Prüfe nach der Veröffentlichung zusätzlich die Rollen im Power BI Service. Anschließend folgen echte Testkonten mit den vorgesehenen effektiven Berechtigungen.

Bei Gastkonten solltest Du die tatsächlich im Zielkontext aufgelöste Identität prüfen, statt das Format einer E-Mail-Adresse vorauszusetzen. Öffne Testsitzungen getrennt, damit gespeicherte Anmeldungen nicht zu falschen Ergebnissen führen.

Negative Zugriffstests gezielt ausführen

Prüfe nicht nur die Startseite des Berichts. Versuche mit dem eingeschränkten Konto:

  • fremde Datensatz-IDs über Filter, Drillthrough und Detailseiten aufzurufen;
  • geschützte Daten über andere Berichte desselben semantischen Modells einzusehen;
  • erlaubte Exportfunktionen und, falls freigegeben, Analyze in Excel zu nutzen;
  • nach Entzug einer Zuordnung erneut auf den bisherigen Datenbereich zuzugreifen.

Bei importierten Zuordnungstabellen muss die Änderung zunächst durch einen Refresh im Modell ankommen. Auch Änderungen an Gruppen und Berechtigungen können verzögert wirksam werden. Halte diese Zeitpunkte fest und wiederhole den Test mit neuer Sitzung.

Zum Prüfprotokoll gehören Testfall-ID, Zeitpunkt, Modellversion, Testidentität, effektive Rechte, erwartete und beobachtete Datensatz-IDs sowie Freigabeentscheidung. Schütze die Nachweise selbst vor unberechtigtem Zugriff.

Wo liegen die Grenzen von Row Level Security?

RLS schützt Zeilen, aber nicht automatisch bestimmte Spalten oder Tabellen als eigenständige Schutzobjekte. Außerdem kann RLS bereits exportierte Daten nicht zurückholen und ersetzt keine Kontrolle privilegierter Berechtigungen.

Für geschützte Spalten oder Tabellen kommt Object-Level Security, kurz OLS, infrage. Das Ausblenden eines Feldes in der Berichtsoberfläche ist dagegen keine Sicherheitsmaßnahme.

RLS unterscheidet auch nicht selbstständig zwischen einem legitimen Zugriff und einer fachlich unerwünschten Nutzung erlaubter Daten. Exportregeln, Datenklassifizierung und angemessene Berechtigungen bleiben notwendig. Bei Embedded-Szenarien kommen zusätzlich eigene Identitäts- und Tokenkonfigurationen hinzu; diese benötigen separate Tests.

So gehen wir vor

Für eine belastbare Freigabe verbinden wir fachliche Zugriffsregeln mit technischen Regressionstests:

  1. Soll-Zugriffe festlegen: Fachverantwortliche definieren erlaubte und verbotene Datenbereiche einschließlich Vertretungen und Mehrfachzuständigkeiten.
  2. Berechtigungspfade erfassen: Wir prüfen Rollenmitgliedschaften, Datenzuordnungen und effektive Rechte am semantischen Modell.
  3. Referenzfälle aufbauen: Kontrollierte Testdaten und Testkonten bilden Normalfälle sowie kritische Ausnahmen ab.
  4. Ergebnisse abgleichen: Wir vergleichen konkrete Datensatzmengen und dokumentieren Abweichungen bis zur Behebung.
  5. Wiederholung verankern: Änderungen an DAX-Regeln, Beziehungen, Zuordnungstabellen, Rollen oder Berechtigungen lösen passende Regressionstests aus.

Dabei bleibt die fachliche Genehmigung bei den Datenverantwortlichen. Ein technisch bestandener Test bestätigt nur die vereinbarte Regel, nicht deren geschäftliche Angemessenheit.

Zugriffsregeln vor der nächsten Freigabe absichern

Wenn Du RLS nachvollziehbar prüfen willst, beginne mit den kritischen Benutzerkonstellationen und ihren ausdrücklich verbotenen Zugriffen. Ailio unterstützt Dich aus Bielefeld und Hamburg dabei, Modell, Berechtigungen und Testnachweise zusammenzuführen. Besprich Deinen Anwendungsfall mit unserer Power BI Beratung.

Passende Leistungen von Ailio

Analytics & Business Intelligence

Entscheidungen auf Basis von Zahlen, denen dein Team vertraut.

Wir bringen Kennzahlen, Dashboards und Self-Service so zusammen, dass jede Rolle im Unternehmen die Antwort findet – ohne Excel-Wildwuchs und Reporting-Warteschlange.

  • Ein Kennzahlen-Modell statt zehn Wahrheiten
  • Self-Service und Chat with your Data für Fachbereiche
  • Reporting, das Entscheidungen beschleunigt