Azure Data Engineers integrieren Daten aus verschiedenen Systemen und bauen Datenverarbeitungspipelines auf, und sind sowohl für die Verwaltung als auch Wartung dieser zuständig. Im Lehrgang erwirbst du zunächst Kenntnisse zur Azure-Administration, etwa zur Identitäts- und Governance-Verwaltung, Speicherbereitstellung, Rechenressourcen und Netzwerkkonfiguration. Anschließend folgt Fachwissen in Python-Programmierung und SQL-Datenbankentwicklung. Dein Wissen wird durch Fähigkeiten in Datenaufbereitung und -weitergabe sowie durch den Einsatz Künstlicher Intelligenz (KI) im Beruf ergänzt.
Zielgruppe
IT- und Netzwerk-Fachkräfte, (Fach-)Informatiker:innen, Personen mit praktischer Erfahrung und guten Kenntnissen im IT-Bereich.
Themen
Microsoft Azure Administration
Voraussetzungen für Azure-Administratoren (ca. 1 Tag)
Azure Verwaltungsoberflächen (Azure-Portal, Azure CLI, Azure PowerShell)
Azure Resource Manager (ARM)
Ressourcen und Ressourcengruppen
Azure Resource Manager Templates (ARM) und Bicep
Einsatz von KI-Werkzeugen zur Unterstützung administrativer Aufgaben und Skripterstellung
Verwalten von Azure-Identitäten und -Governance (ca. 2 Tage)
Microsoft Entra ID
Benutzer:innen und Gruppen
Geräteeinstellungen
Massenbenutzeraktualisierungen
Gastkonten
Self-Service-Kennwort
Rollenbasierte Zugriffskontrolle (RBAC)
Zugriffszuweisungen
Managed Identities für Azure-Ressourcen
Verzeichnisse
Abonnements und Governance: Azure-Richtlinien, Ressourcen, Tags
Kostenmanagement
Managementgruppen
Virtuelle Netzwerke konfigurieren und verwalten (ca. 4,5 Tage)
Virtuelle Netzwerke
VNet-Peering
Private und öffentliche IP-Adressen, Netzwerkrouten, Netzwerkschnittstellen, Subnetze und virtuelle Netzwerke
Namensauflösung: Azure DNS
Sicherer Zugriff auf virtuelle Netzwerke und Ressourcen
Network Security Groups (NSG) für Subnetze und Netzwerkschnittstellen
Azure Bastion
Azure Application Gateway (Layer-7-Lastenausgleich)
Lokale Konnektivität
Connection Monitor
Network Watcher
Netzwerkdiagnose
Integrieren eines lokalen Netzwerks in ein virtuelles Azure-Netzwerk
ExpressRoute
Azure Virtual WAN
Speicherplatz implementieren und verwalten (ca. 2 Tage)
Speicherkonten
Shared Access Signatures (SAS)
Zugriffsschlüssel
Azure-Speicherreplikation
Microsoft Entra ID-Authentifizierung
Azure Storage Explorer
AZCopy
Azure Files und Azure Blob Storage
Azure-Dateifreigabe
Azure File Sync
Bereitstellen und Verwalten von Azure-Rechenressourcen (ca. 3,5 Tage)
Azure Virtual Machines (VMs) für hohe Verfügbarkeit und Skalierbarkeit
Azure Resource Manager Templates (ARM) und Bicep
VHD-Vorlage
Azure-Festplattenverschlüsselung
Azure Key Vault für Schlüssel und Geheimnisse
VM-Größen
Hinzufügen von Datenträgern
Verfügbarkeitszonen und Verfügbarkeitssätze
Konfigurieren des Netzwerks
Container
Container Apps
Azure Container Instanzen (ACI)
Web-Apps
Überwachen und Sichern von Azure-Ressourcen (ca. 2 Tage)
Azure Monitor
Metriken
Log Analytics
Diagnoseeinstellungen
Application Insights
Unterstützung der Analyse von Protokollen und Fehlermeldungen durch KI-Werkzeuge
Sicherungs- und Wiederherstellungsvorgänge
Sicherungsberichte
Azure Backup
Softlöschvorgang
Sicherungsrichtlinien
Azure Site Recovery
Projektarbeit (ca. 5 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Ergebnisse
Zertifizierungsprüfung AZ-104: Microsoft Azure Administrator
Relationale Datenbanken mit SQL
Grundlagen von Datenbanksystemen und SQL (ca. 3 Tage)
Überblick über Datenbanksysteme und -modelle
Redundante Daten und Datenintegrität
Normalisierung
Datenbankentwurf und Entity-Relationship-Modell (ERM)
Primär- und Fremdschlüssel
Beziehungen zwischen Relationen
Datentypen in SQL
Indizes und Performance
Einschränkungen und Validierung
Abfragen in SQL
Strukturierte Daten als Grundlage für KI-gestützte Analyseverfahren
Einführung in SQL Server Management Studio (SSMS) (ca. 2 Tage)
Überblick über SQL Server und SSMS
Physisches Datenbankdesign
Erstellen von Tabellen und Definieren von Datentypen
Einschränkungen, Standardwerte und Beziehungen
Datenbankdiagramme (ERM) und Beziehungen
Backup und Restore
Einführung in Performanceüberwachung
Überblick über KI-unterstützte Abfrageoptimierung und Queryanalyse
Einführung in DDL (Data Definition Language) und DML (Data Manipulation Language) (ca. 8 Tage)
SQL-Grundlagen und erweiterte Syntax
Operatoren und integrierte Funktionen
Abfragen und Manipulation von Daten
Fehlerbehandlung und Transaktionsmanagement
Erstellung und Verwaltung von Datenbankobjekten
Grundlagen der Performanceoptimierung
Arbeiten mit modernen Datentypen
Datenmodellierung und strukturierte Aufbereitung für KI- und Analyseanwendungen
DCL – Data Control Language und Sicherheit (ca. 1 Tag)
Benutzerverwaltung und Berechtigungen
Rollen und Sicherheitskonzepte
Auditing
Einführung in Row Level Security
Datensicherheit im Kontext von KI-gestützten Auswertungen
Datentypen, Datenimport und -export in modernen Systemen (ca. 1 Tag)
Datenimport und -export
Moderne Datentypen
Import, Transformation und Bereitstellung von Daten für Analyseprozesse
Projektarbeit (ca. 5 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse
Programmierung mit Python
Grundlagen Python (ca. 1 Tag)
Geschichte, Konzepte
Verwendung und Einsatzgebiete
Syntax
Lexis, Semantik
PEP-8-Konventionen
Interpreter vs. Compiler
Numeral Systems: binär, oktal, hexadezimal
Scientific Notation
Erste Schritte mit Python (ca. 5 Tage)
Zahlen
Zeichenketten
Datum und Zeit
Standardeingabe und -ausgabe
Numerische Operatoren
Vergleichs-, logische und bitweise Operatoren
Datentypumwandlung
list, tuple, dict, set
List-Funktionen und -Methoden
Verzweigungen und Schleifen (if, for, while)
Mitgliedsoperatoren
String-Basics: escaping, multiline strings
Operatoren priorisieren und binden
Künstliche Intelligenz (KI) im Arbeitsprozess
Vorstellung von konkreten KI‐Technologien
sowie Anwendungsmöglichkeiten im beruflichen Umfeld
Funktionen (ca. 5 Tage)
Eigene Funktionen definieren
Variablen
Parameter und Argumente
Rückgabewerte
Rekursion
Namensräume
Funktionale Programmierung
Parameterarten: positional, keyword, mixed
Defaultwerte
Shadowing und global keyword
None und Rückgabe ohne Wert
Fehlerbehebung (ca. 0,5 Tage)
Grundlagen der Fehlerbehandlung mit try und except
Typische Fehlertypen und Exception Hierarchie
Fehlerweitergabe und Programmunterbrechungen
Strukturierung der except Blöcke
Objektorientierte Programmierung (ca. 4,5 Tage)
Python-Klassen
Methoden
Unveränderliche Objekte
Datenklasse
Vererbung
Projektarbeit, Zertifizierungsvorbereitung und Zertifizierungsprüfung „PCEP™ – Certified Entry-Level Python Programmer” in englischer Sprache (ca. 4 Tage)
Data Engineer
Grundlagen Data Engineering und Datenarchitekturen (ca. 2 Tage)
Aufgaben und Anwendungsfelder im Data Engineering
Grundlagen moderner Datenarchitekturen und Datenplattformen
Grundlagen und Vergleich cloudbasierter Datenarchitekturen
OLTP und OLAP
Verarbeitung strukturierter, semistrukturierter und unstrukturierter Daten
Anforderungsmanagement und Datenmodellierung (ca. 1 Tag)
Anforderungen an Daten und Datenquellen
Konzeptionelle Datenmodellierung
Modellierung von Datenstrukturen und Datenflüssen
Data Contracts, Data Governance und Data Lineage
Datenbanken und Datenverarbeitung (ca. 1 Tag)
Architektur von Datenbanksystemen
SQL vs. NoSQL vs. NewSQL im Vergleich
Relationale Datenmodellierung
SQL zur Abfrage und Verarbeitung von Daten
Data Warehousing und moderne Datenarchitekturen (ca. 2 Tage)
Grundlagen und Architektur von Data-Warehouse-Systemen
Dimensionale Datenmodellierung und Schema-Design
Fakten, Dimensionen und historische Datenhaltung
Data Warehouse, Data Lake und Lakehouse im Vergleich
Einführung in dbt
Praxisorientierte Umsetzung von Datenmodellen
Datenintegration und Data Pipelines (ca. 5 Tage)
Datenintegration und Datenbereitstellung
ETL- und ELT-Prozesse
Aufbau und Orchestrierung von Data Pipelines
Datenbereinigung, -validierung und Datenqualität
Batch- und Streaming-Verarbeitung
Praxisorientierter Einsatz von Airflow und Spark
Programmierung und automatisierte Datenverarbeitung (ca. 4 Tage)
Python-Umgebungen und Paketverwaltung
Verarbeitung und Transformation von Daten mit Python
Automatisierung von Datenverarbeitungsprozessen
Anbindung unterschiedlicher Datenquellen und Schnittstellen
Entwicklung von Data-Engineering-Workflows
Containerisierung mit Docker
KI-gestützte Unterstützung im Entwicklungs- und Datenverarbeitungsprozess
Projektarbeit (ca. 5 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse
Änderungen möglich, die Lehrgangsinhalte werden regelmäßig aktualisiert.
Ihre Vorteile
Da Unternehmen für die Auswertung und Zielsetzung Ihrer Geschäftsprozesse immer größer werdende Datenmengen bewältigen und strukturieren müssen, sind Fähigkeiten in der Datenentwicklung und -konstruktion in allen Branchen nachgefragt. Dein aussagekräftiges Zertifikat gibt detaillierten Einblick in deine erworbenen Qualifikationen und verbessert deine beruflichen Chancen.