Yorrick Zijlstra · Maart 2026 · 6 min leestijd
Een rapport dat traag laadt, verliest gebruikers. Toch is performance-optimalisatie in Power BI geen zwarte kunst. De meeste problemen komen voort uit een handvol veelvoorkomende patronen. In dit artikel delen we zeven concrete tips die in de praktijk het meeste verschil maken.
Elke kolom die je importeert kost geheugen in de VertiPaq-engine, ook als je hem nergens gebruikt. Ga je tabellen na en verwijder kolommen die niet in measures, relaties, filters of visuals worden gebruikt. Dit is vaak de snelste manier om je modelgrootte te halveren.
Controleer dit eenvoudig met VertiPaq Analyzer of de Model view in Power BI Desktop.
Een star schema, feitentabellen omringd door dimensietabellen, is niet alleen goed voor de leesbaarheid van je model, maar ook voor performance. De VertiPaq-engine is specifiek geoptimaliseerd voor dit patroon. Vermijd snowflake-structuren en brede, platte tabellen.
Calculated columns worden opgeslagen in het model en vergroten de dataset. Als de berekening ook in Power Query kan (en dat kan bijna altijd), is dat efficiënter. Reserveer calculated columns voor gevallen waar je DAX-functies nodig hebt die in M niet beschikbaar zijn.
Enkele veel voorkomende DAX-patronen die performance kosten:
FILTER vs. CALCULATE: gebruik CALCULATE met filtercondities in plaats van FILTER op grote tabellen. FILTER itereert rij voor rij; CALCULATE kan de storage engine inzetten.
Variabelen: gebruik VAR om tussenresultaten één keer te berekenen in plaats van dezelfde expressie meerdere keren te herhalen.
DISTINCTCOUNT: is een van de zwaarste aggregaties. Overweeg of je het anders kunt modelleren als dit een bottleneck is.
Elke visual op een rapportpagina genereert een of meer queries naar het model. Meer dan 10-12 visuals op één pagina leidt vaak tot merkbare vertraging. Overweeg of alle visuals echt nodig zijn, of dat je informatie kunt verdelen over meerdere pagina's of tooltips.
Power BI Desktop heeft een ingebouwde Performance Analyzer (View → Performance Analyzer). Hiermee zie je precies welke visuals het langzaamst laden en of het probleem in de DAX-query of de visual rendering zit. Begin hier altijd voordat je gaat optimaliseren, meten is weten.
Bij zeer grote datasets (miljoenen rijen of meer) kunnen aggregatietabellen veel verschil maken: een samengevatte versie van je feitentabel die de meeste queries afvangt, met een fallback naar de detail-data wanneer nodig. Incremental refresh helpt bij het verkorten van refreshtijden door alleen gewijzigde data te verversen.
Performance is geen afterthought, het is een ontwerpkeuze. Begin bij het datamodel, optimaliseer je DAX en houd je rapporten lean. De meeste performanceproblemen zijn op te lossen zonder exotische technieken: het begint bij de basis goed doen.
Hoe volwassen is jouw Power BI omgeving?
Doe de gratis scan en ontdek in 2 minuten hoe het staat met je architectuur, governance en meer.
YorrData helpt bij het analyseren en verbeteren van Power BI performance.
Neem contact op →