Schluss mit Schattenkopien: Warum OneLake für Analytics ein Wendepunkt ist

Von Mirko Peters · 2026-08-11

Willkommen zurück beim Begleitblog zum Podcast! Wenn Sie schon einmal einen ganzen Dienstagnachmittag damit verbracht haben, herauszufinden, warum Ihr regionaler Verkaufsbericht nicht zu th…

Automatisch mit KI aus dem Originalbeitrag übersetzt. Englisches Original lesen

Willkommen zurück im Begleitblog zum Podcast! Wenn Sie schon einmal einen ganzen Dienstagnachmittag damit verbracht haben, herauszufinden, warum Ihr regionaler Verkaufsbericht nicht mit dem Management-Dashboard übereinstimmt, sind Sie nicht allein. Die Fragmentierung von Daten ist seit Jahrzehnten der stille Produktivitätskiller in Unternehmen. Teams richten eigene Werkzeuge ein, kopieren Daten zwischen Umgebungen und landen zwangsläufig bei widersprüchlichen Versionen der Wahrheit. Doch was wäre, wenn Sie Ihre Daten einmal speichern, zentral steuern und sofort jedem Analytics-Werkzeug in Ihrem Unternehmen zur Verfügung stellen könnten? Genau das verspricht Microsoft Fabric mit seinem zentralen architektonischen Durchbruch: OneLake. In diesem Beitrag gehen wir detailliert darauf ein, warum das Ende der Schattenkopien die Art, wie Sie Analytics aufbauen, verwalten und nutzen, grundlegend verändern wird. Wenn Sie eine Live-Diskussion dazu hören möchten, wie Sie diese Technologie nutzen können, hören Sie sich unbedingt unsere passende Episode an: Use Microsoft Fabric as the M365 Analytics Backbone.

Das große Versprechen

Im Kern von Microsoft Fabric steckt ein grundlegend neues Verständnis davon, wie Unternehmensdaten gespeichert und abgerufen werden sollten. Das Grundprinzip ist einfach und dennoch wirkungsvoll: OneLake bedeutet ein logischer Data Lake für alle Fabric-Erlebnisse, egal ob Sie mit Power BI, Data Factory oder Synapse arbeiten. Statt endlose Punkt-zu-Punkt-Verbindungen aufzubauen, Daten zwischen Silos zu verschieben und für jedes einzelne Werkzeug eigene Sicherheitskonfigurationen zu pflegen, speichern Sie die Daten einmal und nutzen sie überall. Dieselben zugrunde liegenden Datendateien werden mit denselben einheitlichen Berechtigungen und exakt derselben durchgängigen Datenherkunft verknüpft. Indem die Plattform und nicht einzelne Werkzeug-Konnektoren als primäre Grenze betrachtet wird, können Organisationen Governance, Sicherheit und Compliance endlich nativ auf Lake-Ebene durchsetzen.

Warum das wichtig ist (Realitätscheck)

Seien wir ehrlich, was den heutigen Stand der Unternehmensanalytik angeht. Klassische Architekturen setzen stark auf isolierte Werkzeuge. Die Folge sind doppelte Datensätze, nicht zueinander passende Berechtigungen und quälende, wochenlange Suchen nach dem Ursprung einer einzelnen Kennzahl. Branchenstudien zufolge verbringen Datenfachleute erstaunlich viel ihrer Arbeitswoche nicht mit wertschöpfender Analyse oder Erkenntnisgewinnung, sondern schlicht mit Datenaufbereitung, der Fehlersuche bei der Datenaufnahme und dem Abgleich. Hat die Finanzabteilung eine Kopie des Hauptbuchs in einer eigenständigen Datenbank, liegt im Marketing eine exportierte CSV-Datei auf einem Freigabelaufwerk und zieht der Vertrieb seine Daten aus einer ad hoc erstellten Cloud-Replik, ist Chaos vorprogrammiert. Fabric ersetzt diesen aufreibenden Balanceakt mit mehreren Werkzeugen durch ein einziges, hoch skalierbares Datenreservoir, aus dem sich die gesamte Organisation bedient.

Ein Blick in die Architektur (klar und schnell)

Wer versteht, wie OneLake im Hintergrund arbeitet, erkennt schnell, warum Leistung und Benutzerfreundlichkeit so deutlich steigen. OneLake bildet das Fundament der Architektur und basiert nativ auf den Speicherstandards Delta und Parquet. Das bedeutet: Jedes Artefakt, das in OneLake aufgenommen wird, ist sofort in allen Fabric-Erlebnissen sichtbar und nutzbar, ohne dass Dateien explizit verschoben oder proprietäre Formate konvertiert werden müssen. Data Factory übernimmt die komplexen Pipelines und die Orchestrierung. Synapse kommt bei anspruchsvoller Datentechnik, SQL-Workloads und Machine Learning in großem Maßstab zum Einsatz. Power BI nutzt diese Ressourcen direkt über gemeinsame semantische Modelle und Visualisierungen, die den Lake ohne unnötige Zwischenschichten abfragen. Darum herum liegt eine einheitliche Governance, die sicherstellt, dass Vertraulichkeitsbezeichnungen, Richtlinien zur Verhinderung von Datenverlust (Data Loss Prevention, DLP), rollenbasierte Zugriffssteuerung (Role-Based Access Control, RBAC), zeilenbasierte Sicherheit (Row-Level Security, RLS) und Aufbewahrungspläne automatisch mit den Daten wandern, wohin auch immer sie gehen.

Was sich für Admins und Data Pros tatsächlich ändert

Für Systemadministratoren und Datenexperten verbessert der Wechsel zu einem OneLake-zentrierten Modell den Arbeitsalltag spürbar. Statt Berechtigungen über zehn verschiedene Anwendungen hinweg nachzuverfolgen, legen Sie Sicherheits- und Compliance-Richtlinien einmal fest und setzen sie überall durch. Lineage wird transparent und vertrauenswürdig und bietet eine durchgängige Abbildung vom ursprünglichen Quellsystem über Transformationen und semantische Modelle bis zu den finalen Berichten. Da Fachteams nicht mehr ständig Daten zwischen isolierten Umgebungen exportieren und importieren, sinkt die Zahl der Helpdesk-Tickets zu fehlenden Zugriffen oder abweichenden Zahlen deutlich. Zudem vereinfacht sich die Kapazitätsverwaltung: Sie betreiben eine einzige gemeinsame Fabric-Kapazität, die den gesamten Analytics-Stack abdeckt, und können Überwachung, Optimierung und Kostenkontrolle zentral steuern.

Referenzmuster (nur Text)

Um zu veranschaulichen, wie Daten durch dieses einheitliche Ökosystem fließen, betrachten Sie diese drei zentralen Referenzmuster:

BI auf Basis einer gemeinsamen Wahrheit: Quellsysteme wie Dynamics 365, externe ERP-Systeme oder Flatfiles speisen Data Factory für die Datenaufnahme. Die Daten landen in OneLake in den Ebenen Bronze, Silber und Gold. Von dort stellt ein zentrales Power BI-Semantikmodell bereinigte, governte Daten für Endbenutzerberichte und Apps bereit.

Echtzeit-Betrieb: Hochfrequente Ereignisse werden über Event Hubs oder Streaming-Pipelines in Fabric Real-Time Analytics und Synapse gestreamt. Die verarbeiteten Daten landen in OneLake-Goldtabellen, die Power BI per DirectQuery abfragt, um operative Echtzeit-Warnungen in Microsoft Teams auszulösen.

Data Science: OneLake-Goldtabellen fließen direkt in Synapse-Notebooks und SQL-Endpunkte. Data Scientists trainieren Modelle und schreiben Features direkt zurück in OneLake. So stehen Ergebnisse des maschinellen Lernens sofort Power BI und nachgelagerten Anwendungen zur Verfügung, während Governance konsequent eingehalten wird.

Governance und Sicherheit: Pflichtmaßnahmen

Einheitlich bedeutet nicht unkontrolliert. Um eine sichere Umgebung zu gewährleisten und gleichzeitig den Datenzugriff zu öffnen, müssen Sie von Tag eins an strikte Governance-Protokolle umsetzen. Setzen Sie ausschließlich auf Zugriff nach dem Least-Privilege-Prinzip über Azure Active Directory-Gruppen und vermeiden Sie konsequent direkte Benutzer-ACLs. Implementieren Sie RLS und OLS innerhalb Ihrer semantischen Modelle und überprüfen Sie Persona-Ansichten regelmäßig, damit Benutzer nur das sehen, was sie einsehen dürfen. Wenden Sie Vertraulichkeitsbezeichnungen und DLP-Richtlinien auf Domänenebene an und testen Sie Export- und Freigabewege gründlich, um versehentliche Datenlecks zu verhindern. Richten Sie eine Überwachung von Schema-Drift ein, etwa mit Profiling in Dataflows Gen2 und automatisierten Warnmeldungen, damit Sie vorgelagerte Änderungen erkennen, bevor sie nachgelagerte Berichte beschädigen. Legen Sie schließlich ein klares Audit-Playbook fest, damit Sie genau wissen, welche Ereignisse in den Fabric-Aktivitätsprotokollen und welche im breiteren M365-Revisionsprotokoll (Unified Audit Log) erscheinen.

Migration und Einführung (pragmatischer Plan)

Die Abkehr von veralteten Datensilos gelingt nicht über Nacht. Ein pragmatischer Migrationsplan ist für den langfristigen Erfolg unverzichtbar. Phase 0 dient der Vorbereitung: Inventarisieren Sie Ihre aktuellen Datasets, bestimmen Sie Dateneigentümer, prüfen Sie bestehende Bezeichnungen und kartieren Sie die wuchernden Kopierketten, die Sie beseitigen möchten. Phase 1 ist Ihre Pilotphase. Wählen Sie eine einzelne, wirtschaftlich wichtige Geschäftsdomäne, etwa Finanzen, bringen Sie deren primäre Datenquellen in OneLake und migrieren Sie den wichtigsten Management-Bericht so, dass er auf einem gemeinsamen semantischen Modell läuft. Phase 2 skaliert den Ansatz, indem weitere Domänen wie Marketing und Vertrieb einbezogen, doppelte Modelle konsolidiert und die Ebenen Bronze, Silber und Gold standardisiert werden. Phase 3 härtet die Umgebung ab, indem der Fokus auf Kapazitätsoptimierung, Kostenleitplanken, Zugriffsrezertifizierungen und lineage-basierte Audits über das gesamte Unternehmen gelegt wird.

Tipps zu Kosten und Kapazität

Die Verwaltung der Fabric-Kapazität erfordert einen proaktiven Ansatz, damit Sie maximalen Nutzen erzielen, ohne zu viel auszugeben. Beginnen Sie mit einer Dimensionierung der Premium- oder Fabric-Kapazität, die Ihre Spitzenzeiten bei Modellaktualisierungen und die gleichzeitige Benutzerlast abdeckt, und prüfen Sie die Auslastungsmetriken wöchentlich. Nutzen Sie Importmodi für historische Berichte und reservieren Sie DirectQuery oder Hybridkonfigurationen für zeitkritische Pfade. Zwischenspeichern Sie wichtige Management-Visualisierungen, um unnötigen Rechenaufwand zu reduzieren. Vermeiden Sie doppelte geplante Aktualisierungen, indem Sie Ihre zentralen Modelle bündeln und über Arbeitsbereiche hinweg wiederverwenden, statt dass einzelne Abteilungen eigene, redundante Verarbeitungspläne anlegen.

Warnsignale und Lösungen

Wenn Ihre Organisation Microsoft Fabric einführt, sollten Sie auf typische Fehlmuster achten. Wenn in persönlichen oder älteren Arbeitsbereichen Schattendatasets auftauchen, migrieren Sie diese sofort nach OneLake und verknüpfen Sie sie mit gemeinsamen semantischen Modellen. Wenn Nutzer sich über fehlende Herkunftsnachverfolgung nach ad-hoc durchgeführten lokalen Exporten beschweren, setzen Sie eine strikte Richtlinie durch: Alle Berichtsinhalte müssen über gesteuerte Pipelines veröffentlicht werden. Wenn Sie Unklarheiten bei den Lizenzen feststellen, standardisieren Sie Ihren Ansatz auf einer gemeinsam genutzten Fabric-Kapazität in Kombination mit App-Bereitstellung, um die Anzahl der Lizenzen pro Nutzer gering zu halten. Für Nischen-Workloads mit vorübergehenden Funktionslücken isolieren Sie diese auf einer kleinen Legacy-Insel mit einem festen Abschaltdatum.

KPIs für „Es funktioniert“

Woran erkennen Sie, dass sich Ihr Übergang zu OneLake auszahlt? Behalten Sie diese Leistungskennzahlen im Blick:

• Die Anzahl doppelter Datasets sollte stetig sinken.
• Die Zeit bis zur Ursachenanalyse (also wie lange es dauert, die Ursache einer Datenabweichung zu finden) sollte deutlich zurückgehen.
• Fehlgeschlagene Berichtsaktualisierungen und SLA-Verletzungen sollten abnehmen.
• Die Anzahl aktiver Betrachter pro gemeinsam genutztem semantischen Modell sollte steigen, da Nutzer sich auf einzelne verlässliche Datenquellen konzentrieren.
• Die Abdeckung der Überwachung und die Reaktionszeiten bei Sicherheitsereignissen sollten sich verbessern, weil alles in einer einzigen Ansicht sichtbar wird.

Schnelle Erfolge (diese Woche)

Wenn Sie sofort Schwung aufnehmen möchten, nehmen Sie diese Woche einige schnelle Erfolge in Angriff:

• Wählen Sie einen stark genutzten, unübersichtlichen Bericht aus und bauen Sie ihn auf einem gemeinsamen semantischen Modell in OneLake neu auf.
• Aktivieren Sie die integrierte Herkunftsansicht und teilen Sie sie mit Ihren Compliance- und Sicherheitsteams, um Vertrauen aufzubauen.
• Fügen Sie Ihren Management-Dashboards eine klare Kennzeichnung der Datenaktualität hinzu, damit Stakeholder jederzeit wissen, wann die Daten zuletzt aktualisiert wurden.
• Führen Sie für Ihre zehn wichtigsten Datasets eine Zugriffsabweichungsprüfung durch, die Arbeitsbereichsberechtigungen mit Berechtigungen auf Elementebene vergleicht, und bereinigen Sie alle Abweichungen.

Häufige Fragen (kurz gefasst)

Ist Fabric nur eine Umbenennung alter Tools? Nein. Zwar sind vertraute Komponenten enthalten, doch OneLake, einheitliche Governance und gemeinsam genutzte Kapazität verändern grundlegend, wie Daten fließen und wie Organisationen zusammenarbeiten.

Müssen wir jetzt den gesamten Datenbestand des Unternehmens migrieren? Auf keinen Fall. Beginnen Sie mit einem fokussierten Pilotprojekt in einem Fachbereich, weisen Sie den Nutzen nach und erweitern Sie schrittweise entlang der Geschäftsprioritäten.

Was ist mit Datenquellen außerhalb von Microsoft? Sie sind ausdrücklich willkommen. Binden Sie sie über native Konnektoren in OneLake ein, steuern Sie sie einmal zentral und nutzen Sie sie in Ihrer gesamten Analyseumgebung wieder.

Die Einführung von OneLake ist mehr als ein technisches Upgrade – sie ist ein kultureller Wandel hin zu einheitlicher Datenverantwortung und Vertrauen. Um zu erfahren, wie sich das in Ihrer Organisation reibungslos umsetzen lässt, hören Sie unbedingt unsere zugehörige Podcast-Folge Use Microsoft Fabric as the M365 Analytics Backbone. Lassen Sie uns Schattenkopien hinter uns lassen und gemeinsam eine klügere, sauberere Datenkultur aufbauen!