Twee jaar geleden bouwde je een datawarehouse in Microsoft Fabric door in te loggen op de portal en te klikken. Vandaag werken onze engineers in Visual Studio Code, met een AI-assistent ernaast en de hele oplossing vastgelegd als code. Dat klinkt als een technisch detail, maar het verandert wat een opdrachtgever mag verwachten van doorlooptijd, kwaliteit en onafhankelijkheid.

Wat er precies veranderd is

Microsoft heeft in 2026 een aantal bouwstenen tot standaard gemaakt die deze manier van werken mogelijk maken. Drie daarvan zijn voor de praktijk het belangrijkst.

1. AI-assistenten praten met Fabric via een open standaard

Het Model Context Protocol (MCP) is een open standaard die AI-assistenten op een uniforme manier toegang geeft tot externe systemen. Microsoft heeft de Fabric MCP-server algemeen beschikbaar gemaakt: een assistent kent daarmee de Fabric-API's, kan bestanden in OneLake beheren en opdrachten uitvoeren via de Fabric CLI. Microsoft vergelijkt het zelf met USB — één aansluiting in plaats van een lade vol adapters. De server werkt met Visual Studio Code, GitHub Copilot, Claude en Cursor.

2. Skills en MCP zijn twee verschillende dingen

Dit onderscheid is in de praktijk het nuttigst om vast te houden. Skills leggen kennis en werkwijzen vast: hoe bouw je een medallion-architectuur, welke afspraken gelden er in deze omgeving, wat is een goed semantisch model. MCP-servers geven daadwerkelijk toegang tot systemen. Skills zeggen wat er moet gebeuren en waarom; MCP maakt het uitvoerbaar. Microsoft publiceert inmiddels zelf een open verzameling Fabric-skills — inclusief skills voor medallion-architectuur — die te gebruiken zijn met GitHub Copilot, Claude en de CLI.

3. Een assistent kan een compleet rapport opbouwen

Met Agent Skills voor Power BI kan een AI-assistent het hele traject doorlopen: van ruwe data naar een semantisch model naar een werkend rapport, op basis van een beschrijving of zelfs een schermafbeelding. Dat werkt omdat Power BI-rapporten als projectbestanden (PBIP) op te slaan zijn — als code dus, en daarmee leesbaar en bewerkbaar voor zowel mens als machine.

Hoe wij dit toepassen

Wij zetten dit niet in om sneller code te produceren, maar om minder tijd kwijt te zijn aan routinewerk. In de praktijk ziet dat er zo uit:

• Alles in versiebeheer. Pipelines, notebooks, semantische modellen en rapporten staan in Git. Elke wijziging is terug te zien en terug te draaien.
• Een mens beoordeelt elke wijziging. De assistent stelt voor, wij accorderen. Niets gaat ongezien naar productie.
• Geautomatiseerde uitrol. Van ontwikkel- naar test- naar productieomgeving via deployment pipelines, niet via handwerk.
• Vastgelegde afspraken per klant. Elke omgeving krijgt haar eigen skills, zodat iedereen die eraan werkt dezelfde standaard aanhoudt — ook het team van de klant zelf.

De belangrijkste vraag: is dit veilig?

Dat is terecht de eerste vraag die opdrachtgevers stellen. Het antwoord zit in het beveiligingsmodel van Fabric zelf. Een AI-assistent authenticeert via Microsoft Entra ID en werkt onder de identiteit van de ingelogde gebruiker — hij kan dus nooit meer dan die persoon zelf mag. Elke handeling komt in de auditlogs, dezelfde logs die ook portal- en API-acties vastleggen. Ingrijpende bewerkingen worden apart gemarkeerd en voorgelegd ter bevestiging. En er gaan geen bulkgegevens de deur uit: data blijft binnen de omgeving en haar eigen beveiligingsgrenzen.

Waarom uw datafundament hierdoor belangrijker wordt

Er is een misverstand dat AI het bouwen van een goed datamodel overbodig maakt. Het tegenovergestelde is waar. Microsoft verwoordt het scherp: AI zonder semantische context is een zelfverzekerde gokker. Zet een taalmodel voor ruwe tabellen en het produceert antwoorden die er overtuigend uitzien — tot ze dat niet zijn. Het verschil zit in een goed onderhouden semantisch model: measures, relaties, hiërarchieën en definities die weergeven hoe uw organisatie werkelijk werkt.

Naarmate meer mensen hun vragen aan een assistent stellen in plaats van aan een rapport, wordt een rommelig fundament dus juist een groter probleem. Daar ligt wat ons betreft de kern van het werk: niet het bouwen van dashboards, maar het leggen van een fundament waarop zowel uw mensen als uw AI kunnen vertrouwen.

Wat dit betekent als u nu voor een keuze staat

Staat u aan het begin van een Fabric-traject, of onderhoudt u een omgeving die organisch gegroeid is? Dan is dit een goed moment om te kijken hoe uw oplossing is vastgelegd en of uw semantische laag klaar is voor de vragen die er de komende jaren op afkomen. Wij denken daar graag vrijblijvend over mee.

Lees meer over onze werkwijze of over Microsoft Fabric & AI. Of neem contact op voor een gesprek.

Laatst geactualiseerd: 16 juli 2026.

Data is voor bijna elke organisatie belangrijker dan ooit. Maar juist voor kleine en middelgrote bedrijven (mkb) voelde een compleet data­platform lang als iets voor de grote jongens: duur, complex en met een heel team aan specialisten. Met Microsoft Fabric is dat beeld achterhaald. In deze blog leggen we uit wat Fabric is, waarom het juist voor het mkb interessant is, en hoe u ermee begint.

Wat is Microsoft Fabric?

Microsoft Fabric is één samenhangend dataplatform in de cloud. Het brengt alles wat u nodig heeft om van ruwe data naar bruikbare inzichten te komen samen op één plek: data opslaan, klaarmaken, analyseren, rapporteren én er met AI op doorvragen. In plaats van losse tools die u zelf aan elkaar moet knopen, werkt u binnen één omgeving met één afrekenmodel.

Het hart van Fabric is OneLake: één centrale opslag voor al uw data, waar alle onderdelen op aansluiten. Daaromheen zitten de zogeheten workloads — onder andere Data Engineering, Data Warehouse, Data Science, Real-Time Intelligence en Data Factory — en natuurlijk Power BI, dat inmiddels gewoon een onderdeel van Fabric is. U hoeft niet alles te gebruiken: u pakt wat past bij uw vraag en breidt later uit.

AI zit er standaard in

Wat Fabric vandaag echt onderscheidt, is dat AI ingebouwd is in plaats van erbovenop geplakt. Copilot helpt u bij het bouwen van datamodellen, het schrijven van query's en het maken van rapporten in gewone taal. Met data agents kunnen uw collega's straks simpelweg vragen stellen over de bedrijfsdata en een onderbouwd antwoord terugkrijgen. En doordat alle data in OneLake op één plek staat en betekenis krijgt via de semantische laag (Fabric IQ), praat AI over úw cijfers — niet over algemeenheden.

Precies daar zit de winst: AI is nooit beter dan de data en de datastrategie eronder. Fabric brengt die basis en de AI-mogelijkheden bij elkaar. Meer daarover leest u op onze pagina Microsoft Fabric & AI.

Waarom juist voor het mkb?

Grote organisaties hebben vaak al een data-afdeling. Voor het mkb is nu net de drempel weggevallen die Fabric zo aantrekkelijk maakt:

• Eén platform, één rekening. Geen wildgroei aan losse licenties en tools, maar alles onder één capaciteit.
• Betalen naar gebruik. U schaalt een Fabric-capaciteit op en neer wanneer u wilt en kunt hem zelfs volledig pauzeren — handig als uw gebruik piekt of juist rustig is.
• Klein beginnen kan echt. De instapcapaciteit (F2) start bij een paar honderd euro per maand. Zo maakt u kennis met een volwaardig platform zonder grote investering vooraf. (Prijzen zijn indicatief; de actuele tarieven vindt u op de Microsoft Fabric-prijspagina.)
• Slim omgaan met licenties. Vanaf een capaciteit van F64 hebben uw rapportgebruikers geen aparte Power BI Pro-licentie meer nodig — dat scheelt bij grotere groepen lezers flink.
• Meegroeien met AI. Copilot en data agents zitten in hetzelfde platform, dus u kunt de stap naar AI zetten wanneer u er klaar voor bent, zonder alles opnieuw in te richten.

Een voorbeeld uit de praktijk

Voor een klant met een team van zo'n acht gebruikers hebben wij Fabric ingericht op de instapcapaciteit. Zij hebben nu een centrale, betrouwbare bron voor hun rapportages en dashboards, tegen voorspelbare maandkosten — en met ruimte om mee te groeien zodra dat nodig is. Precies de belofte van Fabric voor het mkb: klein beginnen, groot kunnen worden.

Hoe begint u?

Onze aanpak is bewust pragmatisch en businessgedreven — we starten niet bij de techniek, maar bij wat u wilt bereiken:

• Bepaal het doel. Welke vragen wilt u beantwoorden en welke beslissingen wilt u onderbouwen? Dit begint bij een goede datastrategie.
• Begin klein. Kies één concreet vraagstuk en één databron, en richt daarvoor een instapcapaciteit in.
• Bouw en toon waarde. Lever snel een werkend rapport of dashboard op, zodat de meerwaarde meteen zichtbaar is.
• Breid uit. Voeg databronnen, workloads en — waar het loont — AI toe, in het tempo dat bij u past.

Aan de slag met Fabric?

Wij helpen mkb-organisaties om met Microsoft Fabric het maximale uit hun data te halen — van de eerste opzet tot een omgeving die duurzaam blijft werken. Benieuwd wat Fabric voor u kan betekenen? Neem gerust contact met ons op voor een vrijblijvend gesprek.

Ga voor goud. Begin.

Meer lezen

• Microsoft Fabric & AI
• Onze Power BI-dienstverlening
• Datastrategie: de rol van inzicht in uw organisatie