Kursbeschreibung

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.

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 Business Intelligence (ca. 2 Tage)
Anwendungsfelder, Dimensionen einer BI Architektur
Grundlagen Business Intelligence, OLAP, OLTP, Aufgaben der Data Engineers
Data Warehousing (DWH): Umgang und Verarbeitung von strukturierten, semi-strukturierten und unstrukturierten Daten

Anforderungsmanagement (ca. 2 Tage)
Aufgaben, Ziele und Vorgehensweise in der Anforderungsanalyse
Datenmodellierung, Einführung/Modellierung mit ERM
Einführung/Modellierung in der UML
· Klassendiagramme
· Use-Case Analyse
· Aktivitätsdiagramme

Künstliche Intelligenz (KI) im Arbeitsprozess
Vorstellung von konkreten KI‐Technologien
sowie Anwendungsmöglichkeiten im beruflichen Umfeld

Datenbanken (ca. 3 Tage)
Grundlagen von Datenbanksystemen
Architektur von Datenbankmanagementsystemen
Anwendung RDBMS
Umsetzung Datenmodell in RDBMS, Normalformen
Praktische und theoretische Einführung in SQL
Grenzen von Relationalen Datenbanken, csv, json

Data Warehouse (ca. 4 Tage)
Star Schema
Datenmodellierung
Erstellung Star Schema in RDBMS
Snowflake Schema, Grundlagen, Datenmodellierung
Erstellung Snowflake Schema in RDBMS
Galaxy Schema: Grundlagen, Datenmodellierung
Slowly Changing Dimension Tables Typ 1 bis 5 – Restating, Stacking, Reorganizing, mini Dimension und Typ 5
Einführung in normal, causal, mini und monster, heterogeneous und sub Dimensions
Vergleich von state und transaction oriented
Faktentabellen, Density und Storage vom DWH

ETL (ca. 4 Tage)
Data Cleansing
· Null Values
· Aufbereitung von Daten
· Harmonisierung von Daten
· Anwendung von Regular Expressions
Data Understanding
· Datenvalidierung
· Statistische Datenanalyse
Datenschutz, Datensicherheit
Praktischer Aufbau von ETL-Strecken
Data Vault 2.0, Grundlagen, Hubs, Links, Satellites, Hash Key, Hash Diff.
Data Vault Datenmodellierung
Praktischer Aufbau eines Data Vault Modells – Raw Vault, praktische Umsetzung von Hash-Verfahren

Projektarbeit (ca. 5 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse



Änderungen möglich, die Lehrgangsinhalte werden regelmäßig aktualisiert.