{"id":186440,"date":"2023-10-02T07:05:03","date_gmt":"2023-10-02T06:05:03","guid":{"rendered":"https:\/\/liora.io\/de\/?p=186440"},"modified":"2026-02-06T06:13:55","modified_gmt":"2026-02-06T05:13:55","slug":"microsoft-fabric-alles-ueber-die-cloud-plattform-fuer-data-science","status":"publish","type":"post","link":"https:\/\/liora.io\/de\/microsoft-fabric-alles-ueber-die-cloud-plattform-fuer-data-science","title":{"rendered":"Microsoft Fabric: Alles \u00fcber die Cloud-Plattform f\u00fcr Data Science"},"content":{"rendered":"

Microsoft Fabric ist eine All-in-One-L\u00f6sung f\u00fcr Data Science als SaaS-Cloud-Service, die OneLake und zahlreiche Tools f\u00fcr Datenspeicherung, Engineering und Analyse vereint. Erfahre alles, was du \u00fcber diese Plattform wissen musst, die das Leben von Data Scientists vereinfacht, und wie du sie beherrschen kannst!<\/strong><\/p>\t\t\n\t\t

Mit dem Aufschwung der KI<\/a> und der massiven Einf\u00fchrung von Data Science in Unternehmen sind Daten zu einer wichtigen Ressource f\u00fcr die digitale Transformation und zu einem unverzichtbaren Wettbewerbsvorteil geworden.<\/p>

Im Laufe der Jahre hat die Vielzahl an Tools jedoch zu einer \u00fcberm\u00e4\u00dfigen Komplexit\u00e4t gef\u00fchrt. In einer Vielzahl von Organisationen nutzen Data Scientists<\/a> unterschiedliche Software f\u00fcr die Sammlung, Speicherung, Analyse, Visualisierung und das Engineering von Daten.<\/a><\/p>

Insbesondere moderne Data Lakes sind fragmentiert und unorganisiert geworden, was es schwierig macht, sie aufzubauen, zu integrieren, zu verwalten und zu nutzen.<\/p>

Um den Bedarf an einheitlichen und einfach zu bedienenden L\u00f6sungen zu decken, hat Microsoft eine umfassende Plattform f\u00fcr Data Science<\/strong> \u00fcber die Cloud auf den Markt gebracht: Microsoft Fabric.<\/p>\t\t\n\t\t\t

Was ist Microsoft Fabric?<\/h3>\t\t\n\t\t

Diese All-in-One-Analyseplattform, die im Mai 2023 auf der Microsoft Build-Konferenz vorgestellt wird, deckt alle Bed\u00fcrfnisse der Data Science ab.<\/a><\/p>

Von der Datenspeicherung \u00fcber die Daten\u00fcbertragung bis hin zur Echtzeitanalyse vereint sie eine Vielzahl von Technologien und Tools in einer einzigen L\u00f6sung.<\/p>

Ziel ist es, eine moderne Datenarchitektur aufzubauen, die die Prinzipien von Data Mesh,<\/a> Data Fabric und Data Hub nutzt.<\/p>

Dadurch k\u00f6nnen Unternehmen zentral auf Data-Lake<\/a>-, Data-Engineering-, Datenintegrations- und Business-Intelligence-Funktionen zugreifen.<\/a><\/p>

Es ist nicht das erste Mal, dass Microsoft mehrere Dienste in einer einzigen L\u00f6sung zusammenfasst. Im Jahr 2015 hatte es Power Query,<\/a> Power View und Power Pivot zu Power BI zusammengefasst.<\/p>

Sehr schnell hat sich diese Plattform als Referenz f\u00fcr Business Intelligence etabliert. Mit Fabric versucht Microsoft, diesen Erfolg im Bereich der Data Science zu wiederholen.<\/p>

Um die Vorteile dieses einheitlichen Ansatzes besser zu verstehen, werfen wir nun einen Blick auf die sechs Hauptkomponenten der Plattform.<\/p>\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t

\n\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t
Source : learn.microsoft.com<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\n
Bilde dich weiter in Microsoft Fabric<\/a><\/div><\/div>\n\n\t\t\t

OneLake: Der Open-Source-Speicherdienst<\/h3>\t\t\n\t\t

Die verschiedenen Dienste von Fabric erm\u00f6glichen die Durchf\u00fchrung aller unterschiedlichen Data-Science-Operationen<\/a> und eignen sich daher f\u00fcr eine Vielzahl von Anwendungsf\u00e4llen.<\/p>

Zun\u00e4chst einmal ist OneLake die Speicherschicht und das zentrale Repository der Plattform. Diese Lakehouse-Architektur erm\u00f6glicht die Speicherung von Daten im Delta-Lake-Format.<\/p>

Es handelt sich um ein Open-Source-Format,<\/a> sodass auch die Architektur von Fabric offen ist. Es ist m\u00f6glich, jedes Produkt zu integrieren, das Daten aus einem Delta Lake lesen kann.<\/p>

Sein Data Hub<\/a> ist der zentrale Ort, um Datenbest\u00e4nde innerhalb von Fabric zu finden, zu erforschen und zu nutzen.<\/p>

Eine sehr n\u00fctzliche Funktion ist die M\u00f6glichkeit, Verkn\u00fcpfungen zu erstellen, die auf andere Datenorte wie ADLS Gen2 oder AWS S3 verweisen<\/a>. Dadurch entf\u00e4llt die Notwendigkeit, mehrere Kopien anzufertigen.<\/p>\t\t\n\t\t\t

Data Factory: Datenintegration und -umwandlung<\/h3>\t\t\n\t\t

Die Data Factory erm\u00f6glicht die Umwandlung von Daten mithilfe einer sehr intuitiven Drag-and-Drop-Oberfl\u00e4che.<\/p>

Sie bietet \u00fcber 150 Schnittstellen f\u00fcr Datenquellen<\/strong> am Standort oder in der Cloud und erm\u00f6glicht die Orchestrierung von Datenpipelines<\/a>. Es stehen \u00fcber 300 Transformationsoptionen zur Verf\u00fcgung.<\/p>

Mithilfe von k\u00fcnstlicher Intelligenz k\u00f6nnen die h\u00e4ufigsten Aufgaben automatisiert werden, um Zeit zu sparen. Die Erfahrung ist vollst\u00e4ndig anpassbar.<\/p>\t\t\n\t\t\t

Die Synapse Analytics Tool-Suite<\/h3>\t\t\n\t\t

Die verschiedenen Microsoft Synapse Analytics-Tools<\/a> sind in Fabric eingebettet. Dazu geh\u00f6rt auch Synapse Data Warehouse, eine Weiterentwicklung von Azure SQL Data Warehouse.<\/strong><\/p>

Diese SaaS-L\u00f6sung wird vollst\u00e4ndig verwaltet und kann mit oder ohne Code verwendet werden. Sie erm\u00f6glicht auch Querabfragen und das automatische Skalieren von Ressourcen.<\/p>

Synapse Data Engineering ist ein Apache Spark-Service<\/a> f\u00fcr die Datenumwandlung. Sie wird von Runtime 1.1. begleitet, die Python 3;10, Apache Spark 3.3.1 und Delta 2.2 enth\u00e4lt.<\/p>

Mit Synapse Data Science ist es m\u00f6glich, Machine-Learning- und KI-Modelle zu erstellen, einzusetzen und zu verwalten. Die Tools Notebooks und Visual Studio erm\u00f6glichen die Zusammenarbeit.<\/p>

F\u00fcr die Echtzeitanalyse von Daten aus Streaming-Quellen<\/strong> kann Synapse Real-Time Analytics verwendet werden. Seine Skalierbarkeit ist f\u00fcr konkurrierende Benutzer und Abfragen unbegrenzt, und mit nur einem Klick kannst du aus den Ergebnissen Power BI-Berichte erstellen!<\/a><\/p>

Die Business Intelligence-Plattform von Microsoft ist ebenfalls in Fabric eingebettet und kann direkt \u00fcber das Hauptmen\u00fc aufgerufen werden.<\/p>\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t

\n\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t
Source : learn.microsoft.com<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\n
Lerne Microsoft Fabric<\/a><\/div><\/div>\n\n\t\t\t

Microsoft Fabric und KI<\/h3>\t\t\n\t\t

Generative k\u00fcnstliche Intelligenz<\/a> ist eine revolution\u00e4re Technologie, die im Rampenlicht steht, und Microsoft ist fest entschlossen, sie in alle seine Tools und Dienste zu integrieren.<\/p>

So erm\u00f6glicht Fabric die Nutzung von Azure OpenAI Service und der auf GPT basierenden KI Copilot. Dadurch k\u00f6nnen die Nutzer nat\u00fcrliche Konversationssprache verwenden, um mit den Tools zu interagieren.<\/p>

Dies erm\u00f6glicht unter anderem das Erstellen von Datenstr\u00f6men oder Pipelines, das Generieren von Code und ganzen Funktionen, das Erstellen von Machine-Learning-Modellen oder die Visualisierung von Analyseergebnissen.<\/p>\t\t\n\t\t\t

Wie funktioniert das? Erfahrungen und Workspaces<\/h3>\t\t\n\t\t

Die Funktionsweise von Microsoft Fabric beruht auf zwei Hauptelementen: Experimente und Workspaces.<\/p>

Jede Funktionalit\u00e4t wird als Experiment bezeichnet. Dies umfasst also die Synapse-Suite, die Data Factory und Power BI.<\/a><\/p>

Basierend auf ihren Arbeitsabl\u00e4ufen und Anwendungsf\u00e4llen k\u00f6nnen die Benutzer Workspaces (Arbeitsbereiche) erstellen, in denen sie zusammenarbeiten k\u00f6nnen, um Berichte, Notebooks oder Lakehouses zu erstellen.<\/p>\t\t\n\t\t\t

Was sind die Vorteile dieser Plattform?<\/h3>\t\t\n\t\t

Die gr\u00f6\u00dfte St\u00e4rke von Fabric ist seine Einfachheit. Die Benutzer m\u00fcssen sich keine Gedanken mehr \u00fcber die Technologien machen, die sie f\u00fcr ihre Analysearbeit ben\u00f6tigen, sondern k\u00f6nnen sich auf die Ergebnisse konzentrieren.<\/p>

Dar\u00fcber hinaus bietet die Integration von Power BI, Azure Synapse und Data Factory<\/strong> in einer einzigen Umgebung viele Vorteile.<\/p>

Sie erm\u00f6glicht den Zugriff auf zahlreiche Analysefunktionen und erleichtert das Teilen von Informationen, den Zugriff auf Daten und deren Wiederverwendung.<\/p>

Dar\u00fcber hinaus l\u00e4sst der einheitliche Data Lake die Freiheit, deine bevorzugten Analysetools zu verwenden, w\u00e4hrend die Daten am selben Ort verbleiben. Auch Governance und Verwaltung sind zentralisiert.<\/a><\/p>\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t

\n\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t
Source : learn.microsoft.com<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\n
Alles lernen \u00fcber Microsoft Fabric<\/a><\/div><\/div>\n\n\t\t\t

Wie kann ich Microsoft Fabric nutzen?<\/h3>\t\t\n\t\t

Wie kann ich Microsoft Fabric verwenden? Du kannst die Plattform 60 Tage lang kostenlos testen, ohne Zahlungsinformationen angeben zu m\u00fcssen.<\/p>

Gib die E-Mail-Adresse deines Unternehmens an und klicke auf die Schaltfl\u00e4che, um die kostenlose Testversion zu starten. Eine Power BI-Lizenz<\/strong> ist jedoch erforderlich.<\/p>

Nachdem du dein Konto erstellt hast, kannst du aus verschiedenen Erfahrungen w\u00e4hlen: Data Factory, Power BI oder Synapse Data Engineering, Data Science, Data Warehouse und Real-Time Analytics.<\/strong><\/p>

Wenn du ein ML-Modell trainieren und seine Vorhersagen visualisieren m\u00f6chtest, kannst du mit Synapse Data Science ein Notebook erstellen, die Trainingsdaten in das Lakehouse eingeben und sie dann mit Apache Spark bereinigen und transformieren.<\/p>

Die trainierten Modelle k\u00f6nnen mit MLFlow gespeichert<\/a> und verfolgt werden, und die Vorhersagen und Inferenzergebnisse werden im Lakehouse gespeichert. Schlie\u00dflich k\u00f6nnen die Vorhersagen in Power BI angezeigt werden.<\/p>

Ein weiteres Beispiel f\u00fcr einen Anwendungsfall ist die Echtzeitanalyse von gestreamten Daten. Du kannst eine KQL-Datenbank (Kusto Query Language) und einen Eventstream aus der Real Time Analytics-Erfahrung heraus erstellen. Auch hier hilft ein Power BI-Bericht, die Ergebnisse zu visualisieren!<\/p>\t\t\n\t\t\t

Fazit: Microsoft Fabric, eine All-in-One-Plattform f\u00fcr Data Science \u00fcber die Azure-Cloud<\/h3>\t\t\n\t\t

Durch die Kombination aller Tools, die f\u00fcr die verschiedenen Phasen der Data Science ben\u00f6tigt werden, in einer einzigen Plattform, auf die \u00fcber die Cloud zugegriffen werden kann, erm\u00f6glicht Microsoft Fabric es Fachleuten, Zeit zu sparen und ihre Effizienz zu steigern.<\/p>

Um den Umgang mit Microsoft Azure Cloud-Tools und all den besten Tools und Techniken f\u00fcr Data Science zu erlernen, kannst du dich f\u00fcr Liora entscheiden.<\/p>

Unsere verschiedenen Kurse vermitteln dir die F\u00e4higkeiten, die du brauchst, um als Data Analyst, Data Scientist, Data Engineer und alle anderen Berufe im Bereich Data Science zu arbeiten.<\/p>

Du lernst die Programmiersprache Python, Datenbanktools, DataViz- und Business Intelligence-L\u00f6sungen, Machine Learning und Deep Learning kennen.<\/p>

Alle unsere Kurse werden im Fernunterricht durchgef\u00fchrt und k\u00f6nnen im Rahmen des Bildungsgutscheins finanziert werden. Sie f\u00fchren zu einem Diplom der MINES Paris Executive Education und einer Cloud-Zertifizierung f\u00fcr AWS oder Microsoft Azure.<\/p>

Wir bieten auch zertifizierende Kurse an, die ganz auf Microsoft Azure oder die Business-Intelligence-Plattform Power BI ausgerichtet sind. Entdecke schnell Liora!<\/p>https:\/\/youtu.be\/y48OBrAWKAA\t\t\n\t\t\t\n\t\t\t\t\t\tWeiterbildung in Microsoft Fabric\n\t\t\t\t\t<\/a>","protected":false},"excerpt":{"rendered":"

Microsoft Fabric ist eine All-in-One-L\u00f6sung f\u00fcr Data Science als SaaS-Cloud-Service, die OneLake und zahlreiche Tools f\u00fcr Datenspeicherung, Engineering und Analyse vereint. Erfahre alles, was du \u00fcber diese Plattform wissen musst, die das Leben von Data Scientists vereinfacht, und wie du sie beherrschen kannst! Mit dem Aufschwung der KI und der massiven Einf\u00fchrung von Data Science […]<\/p>\n","protected":false},"author":78,"featured_media":186442,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2472],"class_list":["post-186440","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-ki"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/186440","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/users\/78"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/comments?post=186440"}],"version-history":[{"count":1,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/186440\/revisions"}],"predecessor-version":[{"id":217138,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/186440\/revisions\/217138"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media\/186442"}],"wp:attachment":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media?parent=186440"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/categories?post=186440"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}