WEBVTT

00:00:00.000 --> 00:00:01.100
Willkommen zu einer weiteren Episode.

00:00:01.640 --> 00:00:04.440
Das heutige Thema haben Sie wahrscheinlich schon in Meetings oder Tech-Artikeln gehört.

00:00:04.860 --> 00:00:05.680
Microsoft Fabric?

00:00:06.360 --> 00:00:09.140
Aber wie den meisten geht es Ihnen vielleicht so, dass Sie nicht genau wissen, was es eigentlich ist.

00:00:09.740 --> 00:00:13.560
Ist es nur ein weiteres Microsoft-Produkt, eine Umbenennung von etwas Altem oder etwas völlig anderes?

00:00:14.260 --> 00:00:15.440
Lassen Sie mich Ihnen die kurze Antwort geben.

00:00:15.800 --> 00:00:17.420
Microsoft Fabric ist nicht einfach nur ein weiteres Produkt.

00:00:17.900 --> 00:00:21.000
Es ist eine vollständige Datenplattform, ein Ort für all Ihre Datenarbeit.

00:00:21.340 --> 00:00:24.740
Speicherung, Transformation, Analyse und Reporting, alles an einem Platz.

00:00:25.520 --> 00:00:28.780
Am Ende dieser Folge werden Sie verstehen, was Fabric ist, warum Microsoft es entwickelt hat

00:00:28.780 --> 00:00:30.200
und wie die Hauptkomponenten zusammenpassen.

00:00:30.580 --> 00:00:32.720
A. Schnappen Sie sich Ihren Kaffee und legen wir los.

00:00:33.380 --> 00:00:35.760
Die alte Art und Weise, warum Datenfragmentierung ein Problem war.

00:00:36.400 --> 00:00:39.600
Um zu verstehen, warum es Fabric gibt, müssen Sie das Problem verstehen, dass es löst.

00:00:40.340 --> 00:00:44.240
Vor 20 Jahren hätten Sie als Unternehmen ein Server für die Datenspeicherung gekauft,

00:00:44.720 --> 00:00:48.360
ein separates Tool für Berichte und ein weiteres Produkt für Echtzeitanalysen.

00:00:49.120 --> 00:00:51.520
Bevor Sie sich versehen, haben Sie fünf verschiedene Systeme,

00:00:51.520 --> 00:00:54.820
jedes mit eigenem Login, eigener Arbeitsweise und eigenem Verwaltungsteam.

00:00:55.280 --> 00:00:56.800
Lange Zeit waren Daten in Silos gefangen.

00:00:56.800 --> 00:01:02.120
Vertriebsdaten in einem System, Kundendaten in einem anderen und Finanzdaten ganz woanders.

00:01:02.780 --> 00:01:07.040
Wenn Sie eine systemübergreifende Frage hatten, z.B. welche Kunden die profitabelsten Produkte kaufen,

00:01:07.460 --> 00:01:08.440
mussten Sie Daten verschieben.

00:01:09.240 --> 00:01:12.360
Exportieren aus einem System, transformieren, laden in ein anderes und das Ganze wiederholen,

00:01:12.400 --> 00:01:13.200
sobald sich die Daten endet.

00:01:13.620 --> 00:01:16.960
Man verbrachte mehr Zeit damit, Daten zwischen Systemen zu verschieben, als sie tatsächlich zu analysieren.

00:01:17.580 --> 00:01:19.700
Datenintegration wurde für ganze Teams zu einer Vollzeitaufgabe.

00:01:19.700 --> 00:01:24.100
Das Schlimmste daran, jedes Mal, wenn Daten verschoben wurden, entstand eine weitere Kopie,

00:01:24.240 --> 00:01:25.460
eine weitere Version der Wahrheit.

00:01:25.820 --> 00:01:27.900
Und bald wusste niemand mehr, welche die richtige war.

00:01:28.620 --> 00:01:31.580
Microsoft betrachtete diese Fragmentierung und stellte eine einfache Frage.

00:01:31.980 --> 00:01:35.760
Was wäre, wenn man statt separater Produkte, die man mühsam verbinden muss,

00:01:35.840 --> 00:01:37.160
eine einzige Plattform hätte, die alles kann?

00:01:37.160 --> 00:01:39.360
Diese Frage führte zu Microsoft Fabric.

00:01:40.380 --> 00:01:42.020
Was Microsoft Fabric eigentlich ist?

00:01:42.660 --> 00:01:43.420
Was ist also Fabric?

00:01:43.780 --> 00:01:44.860
Hier ist die einfachste Definition.

00:01:45.260 --> 00:01:47.920
Microsoft Fabric ist eine einheitliche Daten- und Analyseplattform.

00:01:48.380 --> 00:01:49.920
Ein zentraler Ort für all Ihre Datenaktivitäten.

00:01:50.320 --> 00:01:51.840
Stellen Sie es sich wie ein modernes Bürogebäude vor.

00:01:52.120 --> 00:01:55.260
Jedes Tool wie Power BI oder Azure Synapse ist ein Raum in diesem Gebäude.

00:01:55.640 --> 00:01:58.360
Sie haben Ihren eigenen Zweck, Ihre eigene Einrichtung und Ihre eigenen Werkzeuge gehören,

00:01:58.420 --> 00:01:59.060
aber alle zum selben Grund.

00:01:59.220 --> 00:02:01.520
Sie müssen nicht erst nach draußen gehen, um von einem Raum in den anderen zu gelangen.

00:02:01.720 --> 00:02:02.320
Sie sind alle verbunden.

00:02:02.640 --> 00:02:03.440
Genau das leistet Fabric.

00:02:03.440 --> 00:02:08.560
Es vereint Data Engineering, Datenintegration, Data Warehousing, Echtzeitanalysen und Business Intelligence

00:02:08.560 --> 00:02:09.560
auf einer einzigen Plattform.

00:02:10.000 --> 00:02:11.740
Alles läuft auf einer einzigen SaaS-Plattform.

00:02:11.980 --> 00:02:16.140
Was bedeutet keine separate Infrastruktur, keine bereitzustellenden Server und keine Netzwerkkonfigurationen.

00:02:16.740 --> 00:02:18.000
Microsoft erledigt all das für Sie.

00:02:18.360 --> 00:02:22.080
Seit seiner Einführung im Jahr 2023 ist Fabric zum am schnellsten wachsenden Datenprodukt

00:02:22.080 --> 00:02:23.220
in der Geschichte von Microsoft geworden.

00:02:23.480 --> 00:02:27.360
Heute nutzen es über 25.000 Kunden, darunter 80% der Fortune 500 Unternehmen.

00:02:27.700 --> 00:02:29.260
Das ist eine enorme Akzeptanz in sehr kurzer Zeit.

00:02:29.700 --> 00:02:30.900
Der entscheidende Unterschied ist folgender.

00:02:30.900 --> 00:02:34.040
In der alten Welt kauften Sie separate Produkte und versuchten, diese miteinander zu verbinden.

00:02:34.640 --> 00:02:37.200
Mit Fabric müssen Sie keine verschiedenen Dienste mehr mühsam zusammenführen.

00:02:37.460 --> 00:02:40.520
Es ist eine einzige Erfahrung, ein Log-In, eine Arbeitsweise und das ändert alles.

00:02:41.580 --> 00:02:42.620
One Lake, das Fundament.

00:02:43.260 --> 00:02:45.440
Sprechen wir nun über die Grundlage, die all dies ermöglicht.

00:02:46.060 --> 00:02:48.200
Das Herzstück von Fabric ist das sogenannte One Lake.

00:02:48.820 --> 00:02:51.660
Am einfachsten lässt sich One Lake als OneDrive für Ihre Daten beschreiben.

00:02:51.660 --> 00:02:55.540
Sie wissen, wie OneDrive Ihnen einen zentralen Speicherort für Ihre persönlichen Dateien bietet

00:02:55.540 --> 00:02:57.620
und jede App auf Ihrem Computer darauf zugreifen kann.

00:02:58.120 --> 00:03:01.040
One Lake tut genau dasselbe, jedoch für die Daten Ihres gesamten Unternehmens.

00:03:01.360 --> 00:03:02.240
Hier ist der Grundverlassungsstack.

00:03:02.740 --> 00:03:06.380
Jede Fabric Workload, ob Lakehouse, Warehouse oder Echtzeitanalyse-Job,

00:03:06.560 --> 00:03:08.500
speichert Ihre Daten automatisch in One Lake.

00:03:09.100 --> 00:03:11.640
Sie müssen nichts manuell kopieren oder Verbindungen konfigurieren.

00:03:12.120 --> 00:03:12.720
Es geschieht einfach.

00:03:13.180 --> 00:03:14.560
Und es gibt nur ein One Lake per Tenant.

00:03:15.100 --> 00:03:17.520
Eine zentrale Single Source of Truth für Ihr gesamtes Unternehmen.

00:03:17.520 --> 00:03:20.440
Vielleicht denken Sie jetzt, was, wenn ich später die Plattform wechseln möchte?

00:03:20.940 --> 00:03:21.500
Bin ich dann gebunden?

00:03:22.020 --> 00:03:22.780
Die Antwort lautet nein.

00:03:23.200 --> 00:03:25.740
One Lake speichert Daten in offenen Formaten wie DataPaket.

00:03:26.220 --> 00:03:28.960
Einem Industriestandard, der auch von Databricks und Apache Spark genutzt wird.

00:03:29.400 --> 00:03:30.660
Sie sind niemals an Microsoft gebunden.

00:03:31.200 --> 00:03:33.160
Wenn Sie Ihre Daten woanders hin verschieben möchten, können Sie das tun.

00:03:33.500 --> 00:03:34.100
Es sind Ihre Daten.

00:03:35.040 --> 00:03:36.780
Doch hier wird One Lake erst richtig interessant.

00:03:36.980 --> 00:03:37.380
Shortcuts?

00:03:37.780 --> 00:03:40.460
Ein Shortcut ist ein virtueller Zeigeraufdaten, die an einem anderen Ort gespeichert sind.

00:03:40.780 --> 00:03:45.220
Sie können einen Shortcut zu Daten in AWS S3, Google Cloud oder sogar in lokalem Speicher erstellen

00:03:45.220 --> 00:03:47.520
und er erscheint in One Lake, als legen die Daten dort.

00:03:48.140 --> 00:03:49.940
Keine Datenbewegung erforderlich, keine Duplizierung.

00:03:51.020 --> 00:03:52.540
Sie verweisen einfach darauf und schon ist es da.

00:03:53.540 --> 00:03:57.280
One Lake basiert auf Azure Data Lake Storage, Microsofts Cloud-Speicher für Unternehmen,

00:03:57.400 --> 00:04:00.500
aber Sie verwalten diese Infrastruktur nicht, da alles als SaaS-Dienst gehandhabt wird.

00:04:01.100 --> 00:04:03.460
Sie müssen keine Server bereitstellen oder Netzwerke konfigurieren.

00:04:03.520 --> 00:04:04.060
Sie nutzen es einfach.

00:04:04.380 --> 00:04:05.260
Was bedeutet das für Sie?

00:04:05.260 --> 00:04:08.720
Es bedeutet, dass Sie Daten aus verschiedenen Quellen, Cloud-Speicher, lokale Datenbanken,

00:04:08.860 --> 00:04:12.640
Drittanbieter-Plattformen an einem Ort zusammenführen können, ohne Duplikate zu erstellen,

00:04:12.820 --> 00:04:14.600
ohne Duplikate zu erstellen und die Ware stärken.

00:04:15.020 --> 00:04:18.600
Jede in One Lake geschriebene Information kann sofort von jeder Fabric-Workload genutzt werden.

00:04:19.100 --> 00:04:21.220
Sie schreiben sie einmal und jedes Tool in Fabric kann darauf zugreifen.

00:04:21.620 --> 00:04:22.680
Das ist magisch an One Lake.

00:04:23.400 --> 00:04:25.100
Lake House ist das Zentrum für Data Engineering.

00:04:25.620 --> 00:04:26.740
Sie haben also Ihre Daten in One Lake.

00:04:27.160 --> 00:04:28.000
Nun müssen Sie damit arbeiten.

00:04:28.380 --> 00:04:29.460
Genau hier kommt das Lake House ins Spiel.

00:04:29.840 --> 00:04:30.820
Hier ist die einfachste Definition.

00:04:30.900 --> 00:04:35.740
Ein Lake House ist ein Datenspeicher, der die Flexibilität eines Data Lakes mit der Struktur einer Datenbank kombiniert.

00:04:36.280 --> 00:04:38.540
In einem herkömmlichen Data Lake können Sie alles speichern,

00:04:38.620 --> 00:04:41.580
Rohdaten, CSV-Dateien, JSON-Dokumente, Bilder oder Videodateien,

00:04:41.580 --> 00:04:45.080
aber es ist unübersichtlich und ohne Struktur, sodass man sie nicht einfach abfragen kann.

00:04:45.540 --> 00:04:48.220
In einer herkömmlichen Datenbank ist alles strukturiert und abfragbar,

00:04:48.520 --> 00:04:50.160
aber man kann nur bestimmte Datentypen speichern.

00:04:50.520 --> 00:04:51.380
Ein Lake House bietet Ihnen beides.

00:04:51.820 --> 00:04:55.700
Sie können Rohdateien wie CSV, JSON oder sogar Bilder in einem Lake House aufbewahren

00:04:55.700 --> 00:04:59.340
und Sie können zudem strukturierte Tabellen speichern, die Sie mit SQL abfragen können.

00:04:59.720 --> 00:05:00.720
Beides befindet sich am selben Ort.

00:05:00.720 --> 00:05:02.780
Diese Tabellen verwenden das Delta-Paket-Format,

00:05:03.040 --> 00:05:06.400
dasselbe offene und schnelle Format, das auch von Databricks und anderen großen Plattformen genutzt wird,

00:05:06.440 --> 00:05:07.660
um massive Datenmengen zu verarbeiten.

00:05:08.280 --> 00:05:09.880
Lake Houses unterstützen eine Vielzahl von Tools.

00:05:10.300 --> 00:05:12.560
Sie können Spark für die groß angelegte Datenverarbeitung verwenden.

00:05:12.880 --> 00:05:14.320
Sie können Python für maschinelles Lernen nutzen.

00:05:14.680 --> 00:05:16.100
Sie können SQL für einfache Abfragen einsetzen.

00:05:16.560 --> 00:05:18.760
Welches Tool Sie auch bevorzugen, dass Lake House kommt damit zurecht.

00:05:19.280 --> 00:05:22.240
Betrachten Sie ein Lake House als Ihren Arbeitsbereich für den Aufbau von Datenpipelern.

00:05:22.700 --> 00:05:26.040
Sie bringen Rohdaten ein, transformieren Sie, bereinigen Sie und bereiten Sie für die Analyse vor.

00:05:26.640 --> 00:05:28.420
Sie können Modelle für maschinelles Lernen darauf ausführen.

00:05:28.420 --> 00:05:30.620
Sie können Trainingsdatensätze erstellen, alles an einem Ort.

00:05:30.980 --> 00:05:33.460
Für Dateningenieure, die eine codefreundliche Umgebung bevorzugen,

00:05:33.580 --> 00:05:34.660
unterstützen Lake Houses Notebooks.

00:05:35.180 --> 00:05:37.980
Dies sind interaktive Dokumente, in denen Sie Codeschreiben, Ergebnisse sehen

00:05:37.980 --> 00:05:39.940
und Ihre Arbeit dokumentieren können wie ein Laboreft für Daten.

00:05:40.540 --> 00:05:43.140
Sie können Sparkode in einer Zelle schreiben, die Ausgabe in der nächsten sehen

00:05:43.140 --> 00:05:45.080
und in der darauffolgenden Zelle erklären, was Sie getan haben.

00:05:45.400 --> 00:05:48.780
Das Lake House ist der Einstiegspunkt für die meisten Dateningenieure, die mit Fabric arbeiten.

00:05:49.340 --> 00:05:50.740
Hier findet die eigentliche Arbeit statt.

00:05:51.020 --> 00:05:54.400
Und da alles in einem Lake gespeichert wird, sind alle Daten, die Sie in ein Lake House einpflegen,

00:05:54.400 --> 00:05:58.080
sofort für jede andere Fabric-Workload in den Warehouses der SQL Analytics Engine.

00:05:58.420 --> 00:05:58.900
verfügbar.

00:05:59.740 --> 00:06:01.860
Wenn das Lake House also das Zentrum für Data Engineering ist,

00:06:01.940 --> 00:06:05.200
betrachten Sie das Warehouse als die SQL Analytics Engine, die für eine andere Art von Nutzer entwickelt wurde.

00:06:05.980 --> 00:06:09.180
Ein Warehouse in Fabric ist eine vollständig verwaltete SQL-Analyse-Datenbank.

00:06:09.740 --> 00:06:13.300
Wenn Sie Datenbank-Administrator oder SQL-Entwickler sind, werden Sie sich hier wie zu Hause fühlen.

00:06:14.000 --> 00:06:17.880
Sie können T-SQL-Abfragen schreiben, sowie Views, Store-Procedures und Sicherheitsrichtlinien erstellen.

00:06:18.680 --> 00:06:21.620
Sieht aus und fühlt sich an wie ein traditionelles Data Warehouse, aber hier ist der Unterschied.

00:06:21.840 --> 00:06:25.780
Anders als bei einem herkömmlichen Data Warehouse speichert das Warehouse von Fabric Daten direkt in einem Lake.

00:06:25.780 --> 00:06:29.340
Es gibt keine separate Speicherschicht und keine zusätzliche Infrastruktur, die verwaltet werden muss.

00:06:29.540 --> 00:06:33.300
Die Daten liegen in einem Lake und das Warehouse ist lediglich die Schnittstelle, mit der Sie diese abfragen.

00:06:33.800 --> 00:06:37.880
Das ist wichtig, da Warehouse und Lake House dieselben Daten teilen, sodass keine Duplizierung stattfindet.

00:06:38.640 --> 00:06:43.820
Wenn ein Dateningenieur Daten in ein Lake House lädt, kann ein SQL-Entwickler diese sofort über das Warehouse abfragen.

00:06:43.880 --> 00:06:44.760
Ein Kopieren, kein Verschieben.

00:06:45.200 --> 00:06:47.440
Es sind dieselben Daten, auf die über verschiedene Tools zugewürfen wird.

00:06:47.440 --> 00:06:50.360
Das Warehouse ist für Analysen in großem Maßstab konzipiert.

00:06:51.040 --> 00:06:54.460
Im Hintergrund nutzt das massive parallele Verarbeitung, um riesige Datensätze zu bewältigen.

00:06:55.100 --> 00:06:56.820
Und Microsoft investiert massiv in die Performance.

00:06:57.480 --> 00:07:00.940
Allein in den letzten sechs Monaten hat sich die Leistung um 36 Prozent verbessert.

00:07:01.420 --> 00:07:02.980
Das ist eine beachtliche Steigerung in kurzer Zeit.

00:07:03.320 --> 00:07:08.260
Wenn Sie von einer anderen Plattform migrieren, hilft Ihnen der Migrationsassistent von Fabric am Umstieg von Snowflake oder Synapse.

00:07:08.800 --> 00:07:11.320
Er analysiert Ihre bestehende Einrichtung und führt Sie durch den gesamten Prozess.

00:07:11.320 --> 00:07:13.880
Das Ziel ist, es die Migration so einfach wie möglich zu gestalten.

00:07:14.160 --> 00:07:16.100
Was ist also der Unterschied zwischen einem Lake House und einem Warehouse?

00:07:16.400 --> 00:07:17.540
Es läuft auf die Schnittstelle hinaus.

00:07:17.820 --> 00:07:19.260
Warehouses sind SQL-zentriert.

00:07:19.780 --> 00:07:22.920
Sie wurden für Leute entwickelt, die in Tabellen, Abfragen und Stored-Procedures denken.

00:07:23.540 --> 00:07:24.860
Lake Houses sind Entwicklerzentriert.

00:07:25.360 --> 00:07:27.940
Sie wurden für Leute entwickelt, die Spark, Python und Notebooks nutzen möchten.

00:07:28.480 --> 00:07:30.460
Aber im Hintergrund speichern beide die Daten in einem Lake.

00:07:30.920 --> 00:07:32.440
Es sind zwei Arten, mit denselben Daten zu arbeiten.

00:07:33.300 --> 00:07:35.640
Daten abrufen, Data Factory, Mirroring und Verknüpfungen.

00:07:36.100 --> 00:07:40.580
Sie haben also ein Lake für die Speicherung, Lake Houses für die Transformation und Warehouses für Abfragen.

00:07:40.580 --> 00:07:42.220
Aber wie gelangen die Daten dorthin?

00:07:42.680 --> 00:07:43.760
Hier kommt Data Factory ins Spiel.

00:07:44.160 --> 00:07:46.920
Data Factory ist der integrierte Datenintegrationsdienst von Fabric

00:07:46.920 --> 00:07:51.460
und bietet über 200 Konnektoren zum Abrufen von Daten aus Datenbanken, Cloud-Speichern, ZAS-Apps und mehr.

00:07:51.940 --> 00:07:54.880
Es ist das meistgenutzte Datenintegrationstool der Welt und das ist gut im Grund.

00:07:55.520 --> 00:07:57.760
Innerhalb von Data Factory erhalten Sie Dataflow Scan2Y,

00:07:57.940 --> 00:08:00.740
die Ihnen eine No-Code-Möglichkeit zur Datentransformation mittels Power Query bietet.

00:08:01.100 --> 00:08:04.680
Wenn Sie Power Query in Excel oder Power BI schon einmal verwendet haben, kennen Sie das Vorgehen bereits.

00:08:04.820 --> 00:08:07.960
Sie klicken sich durch eine visuelle Oberfläche, um Daten zu bereinigen, um zu strukturieren zu kommen.

00:08:07.960 --> 00:08:11.780
Es ist kein Programmieren erforderlich und es ist unternehmens-tauglich und skalierbar für riesige Daten.

00:08:12.300 --> 00:08:15.680
Über 22 Milliarden Orchestrierungen laufen jeden Monat in Data Factory.

00:08:16.060 --> 00:08:18.820
Was bedeutet, dass Milliarden von Datendewegungen automatisch stattfinden?

00:08:18.960 --> 00:08:20.120
Ein echtes Stück Infrastruktur.

00:08:20.720 --> 00:08:23.120
Aber es gibt einen noch einfacheren Weg, Daten in One Lake zu bringen.

00:08:23.340 --> 00:08:23.820
Mirroring.

00:08:24.260 --> 00:08:29.540
Mirroring kopiert Daten aus externen Datenbanken wie Azure SQL, Oracle oder Google BigQuery fast in Echtzeit nach One Lake

00:08:29.540 --> 00:08:31.880
und das Beste daran ist, es ist kostenlos im Service enthalten

00:08:31.880 --> 00:08:35.120
und verursacht keine zusätzlichen Kosten und verursachlichen Kosten.

00:08:35.300 --> 00:08:37.820
Sie geben einfach Ihre Quelldatenbank an und Fabric erledigt den Rest.

00:08:38.320 --> 00:08:41.760
Dann gibt es noch Shortcuts, die wir vorhin kurz erwähnt haben, die aber mehr Aufmerksamkeit verdienen.

00:08:42.180 --> 00:08:45.980
Shortcuts sind virtuelle Zeiger auf Daten, die anderswo gespeichert sind, ohne dass Daten verschoben werden müssen.

00:08:46.400 --> 00:08:48.780
Sie erstellen eine Verknüpfung zu einem AWS S3 Bucket

00:08:48.780 --> 00:08:52.560
und diese erscheint in One Lake, als ob sie dort gespeichert wäre, während die Daten bleiben, wo sie sind.

00:08:52.920 --> 00:08:53.820
Sie zeigen lediglich darauf.

00:08:54.220 --> 00:08:56.120
Und jetzt können Shortcuts mehr, als nur auf Daten zu zeigen.

00:08:56.880 --> 00:09:00.160
Shortcut Transformations ermöglichen KI-gestützte Datenverarbeitung im laufenden Betrieb.

00:09:00.160 --> 00:09:04.280
Sie können Stimmungsanalysen für Textdaten durchführen, Inhalte übersetzen

00:09:04.280 --> 00:09:08.360
oder personenbezogene Daten erkennen alles, ohne Datenbewegung oder Pipeline-Bau.

00:09:09.060 --> 00:09:11.180
Die Transformation erfolge nur dann, wenn Sie auf die Daten zugreifen.

00:09:11.720 --> 00:09:13.200
Das Ziel all dieser Tools ist einfach.

00:09:13.640 --> 00:09:16.500
Bringen Sie all Ihre Daten nach One Lake, ohne komplexe Pipelines zu bauen.

00:09:17.120 --> 00:09:21.040
Ob Sie Data Factory für klassisches ETL, Mirroring für Replikationen fast in Echtzeit

00:09:21.040 --> 00:09:23.760
oder Shortcuts für virtuellen Zugriff nutzen, das Ergebnis ist gleich.

00:09:24.880 --> 00:09:27.820
Ihre Daten landen in One Lake und sind bereit für jede beliebige Fabric-Workload.

00:09:27.820 --> 00:09:30.860
Echtzeit-Intelligenz, Datenbanken und KI

00:09:30.860 --> 00:09:33.600
Bisher haben wir über das Verschieben und Speichern von Daten gesprochen,

00:09:33.780 --> 00:09:35.400
aber was ist mit Daten, die niemals aufhören zu fließen?

00:09:35.760 --> 00:09:39.460
Streaming-Daten von IoT-Sensoren, Website-Click-Streams oder Telemetrie von Geräten?

00:09:40.240 --> 00:09:41.720
Hier kommt Echtzeit-Intelligenz ins Spiel.

00:09:42.420 --> 00:09:45.260
Fabric verarbeitet Streaming-Daten durch ein sogenanntes Event-Haus,

00:09:45.440 --> 00:09:49.840
das hochvolumige Zeitreihen-Daten speichert und mit KQL, der Kusto-Query-Language, abfragt.

00:09:49.840 --> 00:09:53.880
Es ist dieselbe Engine, die Azure Data Explorer antreibt und auf Geschwindigkeit ausgelegt ist,

00:09:53.900 --> 00:09:57.560
sodass Sie Millionen von Ereignissen pro Sekunde erfassen, pro Sekunde erfassen und in Millisekunden abfragen können.

00:09:57.640 --> 00:09:58.780
Das ist wichtig und hier ist der Grund.

00:09:59.320 --> 00:10:02.100
46% der Fabrik-Kunden nutzen bereits Echtzeit-Intelligenz.

00:10:02.540 --> 00:10:03.260
Das ist fast die Hälfte.

00:10:03.640 --> 00:10:04.620
Die Anwendungsfälle sind überall.

00:10:05.380 --> 00:10:07.320
Ein Logistik-Unternehmen, das Lieferwagen verfolgt,

00:10:07.460 --> 00:10:09.600
ein Einzelhändler, der die Kundenfrequenz im Geschäft überwacht,

00:10:09.700 --> 00:10:12.000
ein Hersteller der Sensordaten von Fabrikanlagen beobachtet.

00:10:12.360 --> 00:10:13.060
Alles in Echtzeit.

00:10:14.160 --> 00:10:15.700
Doch bei Fabric geht es nicht nur um Analysen.

00:10:15.700 --> 00:10:21.040
Es enthält auch operative Datenbanken wie eine SQL-Datenbank für Relationale Daten und Cosmos DB für NoSQL Workloads.

00:10:21.400 --> 00:10:24.160
Das sind dieselben Datenbanken, die Sie auch für den Betrieb Ihrer Anwendungen verwenden würden.

00:10:24.600 --> 00:10:28.120
Und da Sie in Fabric integriert sind, speichern Sie Ihre Daten automatisch in OneLake.

00:10:28.700 --> 00:10:30.400
Keine zusätzlichen Pipelines können manuell skopieren.

00:10:30.840 --> 00:10:33.740
Ihre Transaktionsdaten und analytischen Daten befinden sich am selben Ort.

00:10:34.380 --> 00:10:37.100
Lassen Sie uns nun über KI sprechen, denn hier wird Fabric wirklich interessant.

00:10:37.720 --> 00:10:40.180
Die KI-Integration ist tief in der gesamten Plattform verankert

00:10:40.180 --> 00:10:43.520
und Sie erhalten vorgefertigte Modelle für Textanalyse, Übersetzung und Stimmungsanalyse.

00:10:43.520 --> 00:10:46.620
Sie können diese direkt in Ihren Datenflüssen verwenden, ohne Code schreiben zu müssen.

00:10:47.020 --> 00:10:48.140
Verweisen Sie einfach auf Ihre Daten.

00:10:48.360 --> 00:10:49.300
Wählen Sie das Modell aus und es läuft.

00:10:49.680 --> 00:10:51.840
Und dann gibt es noch Co-Pilot, der in ganz Fabric integriert ist.

00:10:52.340 --> 00:10:55.360
Er hilft Ihnen beim Schreiben von Abfragen, Erstellen von Berichten und Entwickeln von Pipelines.

00:10:55.560 --> 00:10:58.780
Sie beschreiben einfach in einfacher Sprache, was Sie möchten und Co-Pilot generiert den Code.

00:10:59.160 --> 00:11:02.600
Es ist, als hätten Sie einen Junior-Dateningenieur neben sich sitzen, der jederzeit bereit ist zu helfen.

00:11:02.920 --> 00:11:03.920
Die Vision dahinter ist einfach.

00:11:04.360 --> 00:11:06.360
KI arbeitet mit Ihren Daten, ohne sie irgendwo hin zu verschieben.

00:11:06.740 --> 00:11:09.160
Ihre Daten bleiben in OneLake und die KI-Modelle kommen zu den Daten.

00:11:09.560 --> 00:11:12.160
Kein Kopieren, kein Exportieren, keine Sicherheitsrisiken.

00:11:12.160 --> 00:11:14.800
Die Daten verlassen niemals ihre kontrollierte Umgebung.

00:11:16.600 --> 00:11:18.460
Power BI Governance und der geschäftliche Mehrwert.

00:11:18.960 --> 00:11:22.220
Nun kommen wir zu dem Teil, den die meisten Leute tatsächlich sehen, das Tor zu Erkenntnissen Power BI.

00:11:23.080 --> 00:11:27.320
Es wird monatlich von 550.000 Organisationen und 34 Millionen Nutzern verwendet,

00:11:27.640 --> 00:11:30.720
was es zum weltweit am häufigsten genutzten Business Intelligence Tool macht.

00:11:31.700 --> 00:11:33.560
Und in Fabric wird es zu etwas noch mächtigerem.

00:11:34.060 --> 00:11:34.640
Ist der Schlüssel.

00:11:35.120 --> 00:11:39.440
In Fabric verbindet sich Power BI direkt mit OneLake über den sogenannten Direct Lake Modus.

00:11:39.440 --> 00:11:43.960
Dies unterscheidet sich vom herkömmlichen Importmodus, bei dem Sie Daten in den internen Speicher von Power BI kopieren.

00:11:44.620 --> 00:11:50.860
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.

00:11:51.960 --> 00:11:58.540
Unter jedem Power BI Bericht liegt ein semantisches Modell, das Gehirn Ihres Berichts, in dem Sie Geschäftslogik kennzahlen und Beziehungen definieren.

00:11:58.540 --> 00:12:01.880
Und jetzt können Sie diese Modelle vollständig in einem Webbrowser erstellen.

00:12:02.720 --> 00:12:09.140
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.

00:12:09.540 --> 00:12:10.540
Keine Desktop-App erforderlich.

00:12:10.780 --> 00:12:15.300
Aber all diese Datenkraft bedeutet nichts ohne Governance und Fabric hat Governance von Anfang an integriert.

00:12:15.820 --> 00:12:19.000
Microsoft Purview bietet Vertraulichkeitsbezeichnungen, die ihren Daten über den Folgen.

00:12:19.560 --> 00:12:23.440
Wenn ein Bericht sensible Informationen enthält, bleibt diese Bezeichnung auch beim Exportieren erhalten.

00:12:23.440 --> 00:12:29.180
Richtlinien zur Verhinderung von Datenverlust erkennen sensible Daten automatisch und blockieren die unbefugte Weitergabe.

00:12:29.900 --> 00:12:32.960
Und Zugriffskontrollen stellen sicher, dass nur die richtigen Personen die richtigen Daten sehen.

00:12:33.820 --> 00:12:40.540
Domänen helfen Ihnen, Daten nach Geschäftsbereichen mit separaten Governance-Regeln zu organisieren, sodass Ihre Finanzdaten strengere Kontrollen haben können als Ihre Marketingdaten.

00:12:41.220 --> 00:12:45.320
Jeder Bereich kann von einem eigenen Team verwaltet werden, was eine Governance ermöglicht, die mit Ihrem Unternehmen wächst.

00:12:45.860 --> 00:12:47.160
Kommen wir zu den tatsächlichen Ergebnissen.

00:12:47.620 --> 00:12:48.380
Es sind nicht nur Theorie.

00:12:48.960 --> 00:12:52.920
Eastman Chemical nutzte Fabric, um die Zeit für die Vertriebsvorbereitung um 83% zu senken.

00:12:53.440 --> 00:12:55.740
Was früher vier Stunden dauerte, benötigt nun etwa 40 Minuten.

00:12:56.460 --> 00:13:01.980
Eton Solutions reduzierte den manuellen Aufwand um 75%, wobei Prozesse von 10 bis 15 Schritten auf zwei verkürzt wurden.

00:13:02.680 --> 00:13:08.740
Und Sonata Software sparte jährlich 30.000 Stunden bei der manuellen Abstimmung ein und lenkte diesen Arbeitsaufwand auf wertvollere Aufgaben um.

00:13:09.240 --> 00:13:10.440
Das Kostenmodell ist unkompliziert.

00:13:10.940 --> 00:13:11.980
Sie zahlen für Kapazität.

00:13:12.360 --> 00:13:13.940
Die Rechenleistung, die Ihre Workloads ausführt.

00:13:14.320 --> 00:13:16.920
Microsoft bietet integrierte Glättungs- und Schutzfunktionen für Lastspitzen.

00:13:16.920 --> 00:13:22.300
Die Glättung verteilt die Kosten für Hintergrundoperationen über 24 Stunden, sodass Sie keine plötzlichen Spitzen erleben.

00:13:22.600 --> 00:13:26.620
Und der Schutz vor Lastspitzen begrenzt Hintergrundjobs in Stoßzeiten, um die interaktive Leistung stabil zu halten.

00:13:27.580 --> 00:13:29.680
Sie zahlen nur das, was Sie nutzen, ohne Überraschungen.

00:13:31.080 --> 00:13:32.020
Fassen wir das alles zusammen.

00:13:32.440 --> 00:13:34.160
Fabric ist nicht einfach nur ein weiteres Microsoft-Produkt.

00:13:34.620 --> 00:13:37.380
Es ist ein grundlegendes Überdenken der Funktionsweise von Datenplattformen.

00:13:37.600 --> 00:13:40.500
Eine Plattform, ein Data Lake, eine Datenkopie und unendliche Möglichkeiten.

00:13:40.500 --> 00:13:43.380
Und dank integrierter KI und Co-Pilot ist es für jeden zugänglich.

00:13:43.820 --> 00:13:48.520
Nicht nur für Datenexperten, sondern auch für Business-Analysten, Vertriebsteams, Betriebsleiter, jeden, der Antworten aus Daten benötigt.

00:13:48.820 --> 00:13:49.580
Hier ist Ihre Hausaufgabe.

00:13:49.860 --> 00:13:54.060
Gehen Sie auf fabric.microsoft.com, starten Sie eine kostenlose Testversion und erstellen Sie Ihren ersten Arbeitsbereich.

00:13:54.380 --> 00:13:54.960
Gebühren Sie es einfach.

00:13:55.360 --> 00:13:57.320
Sie werden sehen, wie die einzelnen Teile zusammenpassen.

00:13:57.540 --> 00:13:58.760
Das lässt sich durch kein Lesen ersetzen.

00:13:59.520 --> 00:14:05.120
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.

00:14:05.540 --> 00:14:06.140
Sie werden es ihm nehmen.

00:14:06.340 --> 00:14:09.520
Beim nächsten Mal erklären wir One Lake Shortcuts in einfachem Deutsch.

00:14:09.520 --> 00:14:15.680
Wie sie funktionieren, warum sie wichtig sind und wie man sie nutzt, ohne Daten verschieben zu müssen, das sollten Sie nicht verpassen.

00:14:16.100 --> 00:14:17.000
Bis dahin lernen Sie weiter.
