Willkommen zu einer weiteren Episode. Das heutige Thema haben Sie wahrscheinlich schon in Meetings oder Tech-Artikeln gehört. Microsoft Fabric? Aber wie den meisten geht es Ihnen vielleicht so, dass Sie nicht genau wissen, was es eigentlich ist. Ist es nur ein weiteres Microsoft-Produkt, eine Umbenennung von etwas Altem oder etwas völlig anderes? Lassen Sie mich Ihnen die kurze Antwort geben. Microsoft Fabric ist nicht einfach nur ein weiteres Produkt. Es ist eine vollständige Datenplattform, ein Ort für all Ihre Datenarbeit. Speicherung, Transformation, Analyse und Reporting, alles an einem Platz. Am Ende dieser Folge werden Sie verstehen, was Fabric ist, warum Microsoft es entwickelt hat und wie die Hauptkomponenten zusammenpassen. A. Schnappen Sie sich Ihren Kaffee und legen wir los. Die alte Art und Weise, warum Datenfragmentierung ein Problem war. Um zu verstehen, warum es Fabric gibt, müssen Sie das Problem verstehen, dass es löst. Vor 20 Jahren hätten Sie als Unternehmen ein Server für die Datenspeicherung gekauft, ein separates Tool für Berichte und ein weiteres Produkt für Echtzeitanalysen. Bevor Sie sich versehen, haben Sie fünf verschiedene Systeme, jedes mit eigenem Login, eigener Arbeitsweise und eigenem Verwaltungsteam. Lange Zeit waren Daten in Silos gefangen. Vertriebsdaten in einem System, Kundendaten in einem anderen und Finanzdaten ganz woanders. Wenn Sie eine systemübergreifende Frage hatten, z.B. welche Kunden die profitabelsten Produkte kaufen, mussten Sie Daten verschieben. Exportieren aus einem System, transformieren, laden in ein anderes und das Ganze wiederholen, sobald sich die Daten endet. Man verbrachte mehr Zeit damit, Daten zwischen Systemen zu verschieben, als sie tatsächlich zu analysieren. Datenintegration wurde für ganze Teams zu einer Vollzeitaufgabe. Das Schlimmste daran, jedes Mal, wenn Daten verschoben wurden, entstand eine weitere Kopie, eine weitere Version der Wahrheit. Und bald wusste niemand mehr, welche die richtige war. Microsoft betrachtete diese Fragmentierung und stellte eine einfache Frage. Was wäre, wenn man statt separater Produkte, die man mühsam verbinden muss, eine einzige Plattform hätte, die alles kann? Diese Frage führte zu Microsoft Fabric. Was Microsoft Fabric eigentlich ist? Was ist also Fabric? Hier ist die einfachste Definition. Microsoft Fabric ist eine einheitliche Daten- und Analyseplattform. Ein zentraler Ort für all Ihre Datenaktivitäten. Stellen Sie es sich wie ein modernes Bürogebäude vor. Jedes Tool wie Power BI oder Azure Synapse ist ein Raum in diesem Gebäude. Sie haben Ihren eigenen Zweck, Ihre eigene Einrichtung und Ihre eigenen Werkzeuge gehören, aber alle zum selben Grund. Sie müssen nicht erst nach draußen gehen, um von einem Raum in den anderen zu gelangen. Sie sind alle verbunden. Genau das leistet Fabric. Es vereint Data Engineering, Datenintegration, Data Warehousing, Echtzeitanalysen und Business Intelligence auf einer einzigen Plattform. Alles läuft auf einer einzigen SaaS-Plattform. Was bedeutet keine separate Infrastruktur, keine bereitzustellenden Server und keine Netzwerkkonfigurationen. Microsoft erledigt all das für Sie. Seit seiner Einführung im Jahr 2023 ist Fabric zum am schnellsten wachsenden Datenprodukt in der Geschichte von Microsoft geworden. Heute nutzen es über 25.000 Kunden, darunter 80% der Fortune 500 Unternehmen. Das ist eine enorme Akzeptanz in sehr kurzer Zeit. Der entscheidende Unterschied ist folgender. In der alten Welt kauften Sie separate Produkte und versuchten, diese miteinander zu verbinden. Mit Fabric müssen Sie keine verschiedenen Dienste mehr mühsam zusammenführen. Es ist eine einzige Erfahrung, ein Log-In, eine Arbeitsweise und das ändert alles. One Lake, das Fundament. Sprechen wir nun über die Grundlage, die all dies ermöglicht. Das Herzstück von Fabric ist das sogenannte One Lake. Am einfachsten lässt sich One Lake als OneDrive für Ihre Daten beschreiben. Sie wissen, wie OneDrive Ihnen einen zentralen Speicherort für Ihre persönlichen Dateien bietet und jede App auf Ihrem Computer darauf zugreifen kann. One Lake tut genau dasselbe, jedoch für die Daten Ihres gesamten Unternehmens. Hier ist der Grundverlassungsstack. Jede Fabric Workload, ob Lakehouse, Warehouse oder Echtzeitanalyse-Job, speichert Ihre Daten automatisch in One Lake. Sie müssen nichts manuell kopieren oder Verbindungen konfigurieren. Es geschieht einfach. Und es gibt nur ein One Lake per Tenant. Eine zentrale Single Source of Truth für Ihr gesamtes Unternehmen. Vielleicht denken Sie jetzt, was, wenn ich später die Plattform wechseln möchte? Bin ich dann gebunden? Die Antwort lautet nein. One Lake speichert Daten in offenen Formaten wie DataPaket. Einem Industriestandard, der auch von Databricks und Apache Spark genutzt wird. Sie sind niemals an Microsoft gebunden. Wenn Sie Ihre Daten woanders hin verschieben möchten, können Sie das tun. Es sind Ihre Daten. Doch hier wird One Lake erst richtig interessant. Shortcuts? Ein Shortcut ist ein virtueller Zeigeraufdaten, die an einem anderen Ort gespeichert sind. Sie können einen Shortcut zu Daten in AWS S3, Google Cloud oder sogar in lokalem Speicher erstellen und er erscheint in One Lake, als legen die Daten dort. Keine Datenbewegung erforderlich, keine Duplizierung. Sie verweisen einfach darauf und schon ist es da. One Lake basiert auf Azure Data Lake Storage, Microsofts Cloud-Speicher für Unternehmen, aber Sie verwalten diese Infrastruktur nicht, da alles als SaaS-Dienst gehandhabt wird. Sie müssen keine Server bereitstellen oder Netzwerke konfigurieren. Sie nutzen es einfach. Was bedeutet das für Sie? Es bedeutet, dass Sie Daten aus verschiedenen Quellen, Cloud-Speicher, lokale Datenbanken, Drittanbieter-Plattformen an einem Ort zusammenführen können, ohne Duplikate zu erstellen, ohne Duplikate zu erstellen und die Ware stärken. Jede in One Lake geschriebene Information kann sofort von jeder Fabric-Workload genutzt werden. Sie schreiben sie einmal und jedes Tool in Fabric kann darauf zugreifen. Das ist magisch an One Lake. Lake House ist das Zentrum für Data Engineering. Sie haben also Ihre Daten in One Lake. Nun müssen Sie damit arbeiten. Genau hier kommt das Lake House ins Spiel. Hier ist die einfachste Definition. Ein Lake House ist ein Datenspeicher, der die Flexibilität eines Data Lakes mit der Struktur einer Datenbank kombiniert. In einem herkömmlichen Data Lake können Sie alles speichern, Rohdaten, CSV-Dateien, JSON-Dokumente, Bilder oder Videodateien, aber es ist unübersichtlich und ohne Struktur, sodass man sie nicht einfach abfragen kann. In einer herkömmlichen Datenbank ist alles strukturiert und abfragbar, aber man kann nur bestimmte Datentypen speichern. Ein Lake House bietet Ihnen beides. Sie können Rohdateien wie CSV, JSON oder sogar Bilder in einem Lake House aufbewahren und Sie können zudem strukturierte Tabellen speichern, die Sie mit SQL abfragen können. Beides befindet sich am selben Ort. Diese Tabellen verwenden das Delta-Paket-Format, dasselbe offene und schnelle Format, das auch von Databricks und anderen großen Plattformen genutzt wird, um massive Datenmengen zu verarbeiten. Lake Houses unterstützen eine Vielzahl von Tools. Sie können Spark für die groß angelegte Datenverarbeitung verwenden. Sie können Python für maschinelles Lernen nutzen. Sie können SQL für einfache Abfragen einsetzen. Welches Tool Sie auch bevorzugen, dass Lake House kommt damit zurecht. Betrachten Sie ein Lake House als Ihren Arbeitsbereich für den Aufbau von Datenpipelern. Sie bringen Rohdaten ein, transformieren Sie, bereinigen Sie und bereiten Sie für die Analyse vor. Sie können Modelle für maschinelles Lernen darauf ausführen. Sie können Trainingsdatensätze erstellen, alles an einem Ort. Für Dateningenieure, die eine codefreundliche Umgebung bevorzugen, unterstützen Lake Houses Notebooks. Dies sind interaktive Dokumente, in denen Sie Codeschreiben, Ergebnisse sehen und Ihre Arbeit dokumentieren können wie ein Laboreft für Daten. Sie können Sparkode in einer Zelle schreiben, die Ausgabe in der nächsten sehen und in der darauffolgenden Zelle erklären, was Sie getan haben. Das Lake House ist der Einstiegspunkt für die meisten Dateningenieure, die mit Fabric arbeiten. Hier findet die eigentliche Arbeit statt. Und da alles in einem Lake gespeichert wird, sind alle Daten, die Sie in ein Lake House einpflegen, sofort für jede andere Fabric-Workload in den Warehouses der SQL Analytics Engine. verfügbar. Wenn das Lake House also das Zentrum für Data Engineering ist, betrachten Sie das Warehouse als die SQL Analytics Engine, die für eine andere Art von Nutzer entwickelt wurde. Ein Warehouse in Fabric ist eine vollständig verwaltete SQL-Analyse-Datenbank. Wenn Sie Datenbank-Administrator oder SQL-Entwickler sind, werden Sie sich hier wie zu Hause fühlen. Sie können T-SQL-Abfragen schreiben, sowie Views, Store-Procedures und Sicherheitsrichtlinien erstellen. Sieht aus und fühlt sich an wie ein traditionelles Data Warehouse, aber hier ist der Unterschied. Anders als bei einem herkömmlichen Data Warehouse speichert das Warehouse von Fabric Daten direkt in einem Lake. Es gibt keine separate Speicherschicht und keine zusätzliche Infrastruktur, die verwaltet werden muss. Die Daten liegen in einem Lake und das Warehouse ist lediglich die Schnittstelle, mit der Sie diese abfragen. Das ist wichtig, da Warehouse und Lake House dieselben Daten teilen, sodass keine Duplizierung stattfindet. Wenn ein Dateningenieur Daten in ein Lake House lädt, kann ein SQL-Entwickler diese sofort über das Warehouse abfragen. Ein Kopieren, kein Verschieben. Es sind dieselben Daten, auf die über verschiedene Tools zugewürfen wird. Das Warehouse ist für Analysen in großem Maßstab konzipiert. Im Hintergrund nutzt das massive parallele Verarbeitung, um riesige Datensätze zu bewältigen. Und Microsoft investiert massiv in die Performance. Allein in den letzten sechs Monaten hat sich die Leistung um 36 Prozent verbessert. Das ist eine beachtliche Steigerung in kurzer Zeit. Wenn Sie von einer anderen Plattform migrieren, hilft Ihnen der Migrationsassistent von Fabric am Umstieg von Snowflake oder Synapse. Er analysiert Ihre bestehende Einrichtung und führt Sie durch den gesamten Prozess. Das Ziel ist, es die Migration so einfach wie möglich zu gestalten. Was ist also der Unterschied zwischen einem Lake House und einem Warehouse? Es läuft auf die Schnittstelle hinaus. Warehouses sind SQL-zentriert. Sie wurden für Leute entwickelt, die in Tabellen, Abfragen und Stored-Procedures denken. Lake Houses sind Entwicklerzentriert. Sie wurden für Leute entwickelt, die Spark, Python und Notebooks nutzen möchten. Aber im Hintergrund speichern beide die Daten in einem Lake. Es sind zwei Arten, mit denselben Daten zu arbeiten. Daten abrufen, Data Factory, Mirroring und Verknüpfungen. Sie haben also ein Lake für die Speicherung, Lake Houses für die Transformation und Warehouses für Abfragen. Aber wie gelangen die Daten dorthin? Hier kommt Data Factory ins Spiel. Data Factory ist der integrierte Datenintegrationsdienst von Fabric und bietet über 200 Konnektoren zum Abrufen von Daten aus Datenbanken, Cloud-Speichern, ZAS-Apps und mehr. Es ist das meistgenutzte Datenintegrationstool der Welt und das ist gut im Grund. Innerhalb von Data Factory erhalten Sie Dataflow Scan2Y, die Ihnen eine No-Code-Möglichkeit zur Datentransformation mittels Power Query bietet. Wenn Sie Power Query in Excel oder Power BI schon einmal verwendet haben, kennen Sie das Vorgehen bereits. Sie klicken sich durch eine visuelle Oberfläche, um Daten zu bereinigen, um zu strukturieren zu kommen. Es ist kein Programmieren erforderlich und es ist unternehmens-tauglich und skalierbar für riesige Daten. Über 22 Milliarden Orchestrierungen laufen jeden Monat in Data Factory. Was bedeutet, dass Milliarden von Datendewegungen automatisch stattfinden? Ein echtes Stück Infrastruktur. Aber es gibt einen noch einfacheren Weg, Daten in One Lake zu bringen. Mirroring. Mirroring kopiert Daten aus externen Datenbanken wie Azure SQL, Oracle oder Google BigQuery fast in Echtzeit nach One Lake und das Beste daran ist, es ist kostenlos im Service enthalten und verursacht keine zusätzlichen Kosten und verursachlichen Kosten. Sie geben einfach Ihre Quelldatenbank an und Fabric erledigt den Rest. Dann gibt es noch Shortcuts, die wir vorhin kurz erwähnt haben, die aber mehr Aufmerksamkeit verdienen. Shortcuts sind virtuelle Zeiger auf Daten, die anderswo gespeichert sind, ohne dass Daten verschoben werden müssen. Sie erstellen eine Verknüpfung zu einem AWS S3 Bucket und diese erscheint in One Lake, als ob sie dort gespeichert wäre, während die Daten bleiben, wo sie sind. Sie zeigen lediglich darauf. Und jetzt können Shortcuts mehr, als nur auf Daten zu zeigen. Shortcut Transformations ermöglichen KI-gestützte Datenverarbeitung im laufenden Betrieb. Sie können Stimmungsanalysen für Textdaten durchführen, Inhalte übersetzen oder personenbezogene Daten erkennen alles, ohne Datenbewegung oder Pipeline-Bau. Die Transformation erfolge nur dann, wenn Sie auf die Daten zugreifen. Das Ziel all dieser Tools ist einfach. Bringen Sie all Ihre Daten nach One Lake, ohne komplexe Pipelines zu bauen. Ob Sie Data Factory für klassisches ETL, Mirroring für Replikationen fast in Echtzeit oder Shortcuts für virtuellen Zugriff nutzen, das Ergebnis ist gleich. Ihre Daten landen in One Lake und sind bereit für jede beliebige Fabric-Workload. Echtzeit-Intelligenz, Datenbanken und KI Bisher haben wir über das Verschieben und Speichern von Daten gesprochen, aber was ist mit Daten, die niemals aufhören zu fließen? Streaming-Daten von IoT-Sensoren, Website-Click-Streams oder Telemetrie von Geräten? Hier kommt Echtzeit-Intelligenz ins Spiel. Fabric verarbeitet Streaming-Daten durch ein sogenanntes Event-Haus, das hochvolumige Zeitreihen-Daten speichert und mit KQL, der Kusto-Query-Language, abfragt. Es ist dieselbe Engine, die Azure Data Explorer antreibt und auf Geschwindigkeit ausgelegt ist, sodass Sie Millionen von Ereignissen pro Sekunde erfassen, pro Sekunde erfassen und in Millisekunden abfragen können. Das ist wichtig und hier ist der Grund. 46% der Fabrik-Kunden nutzen bereits Echtzeit-Intelligenz. Das ist fast die Hälfte. Die Anwendungsfälle sind überall. Ein Logistik-Unternehmen, das Lieferwagen verfolgt, ein Einzelhändler, der die Kundenfrequenz im Geschäft überwacht, ein Hersteller der Sensordaten von Fabrikanlagen beobachtet. Alles in Echtzeit. Doch bei Fabric geht es nicht nur um Analysen. Es enthält auch operative Datenbanken wie eine SQL-Datenbank für Relationale Daten und Cosmos DB für NoSQL Workloads. Das sind dieselben Datenbanken, die Sie auch für den Betrieb Ihrer Anwendungen verwenden würden. Und da Sie in Fabric integriert sind, speichern Sie Ihre Daten automatisch in OneLake. Keine zusätzlichen Pipelines können manuell skopieren. Ihre Transaktionsdaten und analytischen Daten befinden sich am selben Ort. Lassen Sie uns nun über KI sprechen, denn hier wird Fabric wirklich interessant. Die KI-Integration ist tief in der gesamten Plattform verankert und Sie erhalten vorgefertigte Modelle für Textanalyse, Übersetzung und Stimmungsanalyse. Sie können diese direkt in Ihren Datenflüssen verwenden, ohne Code schreiben zu müssen. Verweisen Sie einfach auf Ihre Daten. Wählen Sie das Modell aus und es läuft. Und dann gibt es noch Co-Pilot, der in ganz Fabric integriert ist. Er hilft Ihnen beim Schreiben von Abfragen, Erstellen von Berichten und Entwickeln von Pipelines. Sie beschreiben einfach in einfacher Sprache, was Sie möchten und Co-Pilot generiert den Code. Es ist, als hätten Sie einen Junior-Dateningenieur neben sich sitzen, der jederzeit bereit ist zu helfen. Die Vision dahinter ist einfach. KI arbeitet mit Ihren Daten, ohne sie irgendwo hin zu verschieben. Ihre Daten bleiben in OneLake und die KI-Modelle kommen zu den Daten. Kein Kopieren, kein Exportieren, keine Sicherheitsrisiken. Die Daten verlassen niemals ihre kontrollierte Umgebung. Power BI Governance und der geschäftliche Mehrwert. Nun kommen wir zu dem Teil, den die meisten Leute tatsächlich sehen, das Tor zu Erkenntnissen Power BI. Es wird monatlich von 550.000 Organisationen und 34 Millionen Nutzern verwendet, was es zum weltweit am häufigsten genutzten Business Intelligence Tool macht. Und in Fabric wird es zu etwas noch mächtigerem. Ist der Schlüssel. In Fabric verbindet sich Power BI direkt mit OneLake über den sogenannten Direct Lake Modus. Dies unterscheidet sich vom herkömmlichen Importmodus, bei dem Sie Daten in den internen Speicher von Power BI kopieren. Stattdessen fragt Direct Lake die Daten dort ab, wo sie in OneLake liegen, ohne Aktualisierung, ohne Duplizierung und die Daten sind immer aktuell und blitzschnell. Unter jedem Power BI Bericht liegt ein semantisches Modell, das Gehirn Ihres Berichts, in dem Sie Geschäftslogik kennzahlen und Beziehungen definieren. Und jetzt können Sie diese Modelle vollständig in einem Webbrowser erstellen. Webmodellierung ist allgemein verfügbar, sodass Sie ein semantisches Modell erstellen, Beziehungen aufbauen und DAX-Kennzahlen schreiben können, alles über einen Browser, sogar auf einem Mac. Keine Desktop-App erforderlich. Aber all diese Datenkraft bedeutet nichts ohne Governance und Fabric hat Governance von Anfang an integriert. Microsoft Purview bietet Vertraulichkeitsbezeichnungen, die ihren Daten über den Folgen. Wenn ein Bericht sensible Informationen enthält, bleibt diese Bezeichnung auch beim Exportieren erhalten. Richtlinien zur Verhinderung von Datenverlust erkennen sensible Daten automatisch und blockieren die unbefugte Weitergabe. Und Zugriffskontrollen stellen sicher, dass nur die richtigen Personen die richtigen Daten sehen. Domänen helfen Ihnen, Daten nach Geschäftsbereichen mit separaten Governance-Regeln zu organisieren, sodass Ihre Finanzdaten strengere Kontrollen haben können als Ihre Marketingdaten. Jeder Bereich kann von einem eigenen Team verwaltet werden, was eine Governance ermöglicht, die mit Ihrem Unternehmen wächst. Kommen wir zu den tatsächlichen Ergebnissen. Es sind nicht nur Theorie. Eastman Chemical nutzte Fabric, um die Zeit für die Vertriebsvorbereitung um 83% zu senken. Was früher vier Stunden dauerte, benötigt nun etwa 40 Minuten. Eton Solutions reduzierte den manuellen Aufwand um 75%, wobei Prozesse von 10 bis 15 Schritten auf zwei verkürzt wurden. Und Sonata Software sparte jährlich 30.000 Stunden bei der manuellen Abstimmung ein und lenkte diesen Arbeitsaufwand auf wertvollere Aufgaben um. Das Kostenmodell ist unkompliziert. Sie zahlen für Kapazität. Die Rechenleistung, die Ihre Workloads ausführt. Microsoft bietet integrierte Glättungs- und Schutzfunktionen für Lastspitzen. Die Glättung verteilt die Kosten für Hintergrundoperationen über 24 Stunden, sodass Sie keine plötzlichen Spitzen erleben. Und der Schutz vor Lastspitzen begrenzt Hintergrundjobs in Stoßzeiten, um die interaktive Leistung stabil zu halten. Sie zahlen nur das, was Sie nutzen, ohne Überraschungen. Fassen wir das alles zusammen. Fabric ist nicht einfach nur ein weiteres Microsoft-Produkt. Es ist ein grundlegendes Überdenken der Funktionsweise von Datenplattformen. Eine Plattform, ein Data Lake, eine Datenkopie und unendliche Möglichkeiten. Und dank integrierter KI und Co-Pilot ist es für jeden zugänglich. Nicht nur für Datenexperten, sondern auch für Business-Analysten, Vertriebsteams, Betriebsleiter, jeden, der Antworten aus Daten benötigt. Hier ist Ihre Hausaufgabe. Gehen Sie auf fabric.microsoft.com, starten Sie eine kostenlose Testversion und erstellen Sie Ihren ersten Arbeitsbereich. Gebühren Sie es einfach. Sie werden sehen, wie die einzelnen Teile zusammenpassen. Das lässt sich durch kein Lesen ersetzen. Wenn Ihnen diese Folge geholfen hat, Fabric besser zu verstehen, abonnieren Sie uns auf Ihrer bevorzugten Podcast-Plattform und teilen Sie sie mit jemandem, der gerade seine Datenreise beginnt. Sie werden es ihm nehmen. Beim nächsten Mal erklären wir One Lake Shortcuts in einfachem Deutsch. Wie sie funktionieren, warum sie wichtig sind und wie man sie nutzt, ohne Daten verschieben zu müssen, das sollten Sie nicht verpassen. Bis dahin lernen Sie weiter.