Azure Infrastruktur: Datenpipelines und produktive Integration

Passt der Kurs zu dir?

1. 1
   Grundlagen in Netzwerken, IP-Adressierung und Linux oder Windows Server, denn jede Cloud-Plattform baut darauf auf.
2. 2
   Ein eigenes Testkonto beim Cloud-Anbieter mit Budgetwarnung, damit Übungsressourcen keine unerwarteten Kosten verursachen; frage, ob der Kurs stattdessen eine Laborumgebung stellt.
3. 3
   Englisch zum Lesen von Konsole und Herstellerdokumentation; frage nach, in welcher Sprache du die Zertifizierungsprüfung ablegst.

Das lernst du

1. 1
   In der Weiterbildung "Azure Infrastruktur für Data Engineers: Datenpipelines und produktive Integration" werden die Themen "Datenpipelines" und "produktive Integration" systematisch erschlossen und anhand beruflicher Aufgaben vertieft. Zum Abschluss werden Arbeitsergebnisse aus Microsoft Azure reflektiert und mit den Lernzielen zu Data Engineer abgeglichen. Der Aufbau folgt typischen Arbeitsschritten von der Anforderungsaufnahme über die technische Umsetzung bis zur Prüfung und Dokumentation der Ergebnisse. Bei Microsoft Azure liegt der Schwerpunkt auf einem sachgerechten und nachvollziehbaren Vorgehen. Als roter Faden dient die Aufgabenstellung "Azure Infrastruktur für Data Engineers"; sie wird aus fachlicher, methodischer und qualitätsbezogener Perspektive bearbeitet. Die Lernaufgaben verbinden Microsoft Azure mit Data Engineer und machen die Schnittstellen zwischen beiden Themen sichtbar. Teilnehmende bearbeiten nachvollziehbare Praxisfälle aus datenbezogenen Analyse- und Plattformaufgaben, vergleichen Lösungswege und halten Annahmen, Entscheidungen sowie Ergebnisse fest. Ziel ist ein strukturiertes Verständnis der im Titel beschriebenen Aufgabenfelder und ihrer Anwendung in unterschiedlichen Arbeitssituationen.
2. 2
   Der Transfer zu neuen Situationen wird für Microsoft Azure ausdrücklich geübt.
3. 3

   Die Bildungsinhalte sind in sieben aufeinander bezogene Lernabschnitte gegliedert

   Datenkontext und Fragestellungen: Der Schwerpunkt "Azure Infrastruktur für Data Engineers" wird hinsichtlich Aufgabenrahmen, typischer Einsatzbereiche und der dafür benötigten Arbeitsschritte eingeordnet. Die Ausrichtung konkretisiert sich durch Umsetzungsschritte, Werkzeugwahl, Integration und die Prüfung technisch belastbarer Ergebnisse sowie durch die Auswahl geeigneter Ressourcen, Bereitstellung, Zugriffe, Überwachung und betriebliche Auswirkungen. Zwischen Microsoft Azure und Data Engineer werden Gemeinsamkeiten, Unterschiede und sinnvolle Übergänge herausgearbeitet.
   Datenpipelines: Quellen, Formate und Verarbeitungsschritte werden erfasst, bereinigt und zu einem nachvollziehbaren Ablauf verbunden.
   Produktive Integration: Die Teilnehmenden ordnen Anforderungen ein, wählen ein geeignetes Vorgehen und dokumentieren die daraus entstehenden Ergebnisse. Anhand beruflicher Situationen wird geprüft, wie Microsoft Azure einzuordnen ist und welche Rolle Data Engineer dabei übernimmt.
   Aufbereitungsschritte: Begriffe, Abläufe und Entscheidungspunkte werden miteinander verbunden und in einer praxisnahen Aufgabe angewendet. Die Anwendung von Microsoft Azure wird durch strukturierte Aufgaben und dokumentierte Entscheidungen gefestigt.
   Technische Arbeitsaufgaben und Werkzeugwahl: Eine konkrete Aufgabe wird in Arbeitsschritte zerlegt, mit passenden Werkzeugen umgesetzt und anhand klarer Akzeptanzkriterien überprüft. Die Übungen behandeln Microsoft Azure in einem klaren Arbeitsablauf und beziehen Data Engineer an passenden Entscheidungspunkten ein.
   Qualität der Auswertung: Quellen, Annahmen, Berechnungen und Aussagen werden kontrolliert und verständlich dokumentiert.
   Dokumentiertes Abschlussbeispiel: Die erworbenen Kenntnisse werden in einer vollständigen Aufgabe zusammengeführt und mit Arbeitsschritten, Entscheidungen und Ergebnissen festgehalten.
   Die fachliche Einordnung von Microsoft Azure wird durch konkrete Aufgaben zu Data Engineer ergänzt. Die Übungen sind so angelegt, dass Teilnehmende Begriffe nicht nur wiedergeben, sondern Arbeitsschritte begründen, Ergebnisse prüfen und auf einen neuen Fall übertragen. Im fachlichen Mittelpunkt stehen das Kompetenzfeld Microsoft Azure und der Anwendungsschwerpunkt Data Engineer. Die Dokumentation der Praxisaufgaben macht Lernfortschritte, offene Fragen und fachliche Entscheidungen nachvollziehbar.

1. 1

   München

   26.10.2026 · Blended Learning · Vollzeit · 1–3 Monate · 5.000–10.000 €

2. 2

   München

   26.10.2026 · Blended Learning · Teilzeit · 3–6 Monate · 5.000–10.000 €

3. 3

   München

   23.11.2026 · Blended Learning · Vollzeit · 1–3 Monate · 5.000–10.000 €

4. 4

   München

   23.11.2026 · Blended Learning · Teilzeit · 3–6 Monate · 5.000–10.000 €

Förderwege

Wer deinen Kurs zahlt

Was dir die Qualifikation beruflich bringt

1. 1

   Infrastruktur automatisieren

   In den DevOps- und Bereitstellungskursen beschreibst du Server und Netzwerke als Code und spielst Änderungen über Pipelines aus. Testumgebungen entstehen so per Skript und verschwinden danach wieder. Beispiel: Du richtest eine Pipeline ein, die bei jeder Codeänderung eine Testumgebung in AWS erzeugt und nach dem Test löscht.

2. 2

   Datenschutz und Sicherheit mitplanen

   Die Kurse zu Cloud Security und CCSP behandeln Verschlüsselung, Identitäten und die geteilte Verantwortung zwischen Anbieter und Kunde. Verarbeitet ein Cloud-Anbieter personenbezogene Daten im Auftrag, verlangt die DSGVO einen Vertrag, der ihn an die dokumentierten Weisungen des Auftraggebers bindet. Beispiel: Du prüfst für ein Projekt, in welcher Region die Kundendaten liegen und ob der Vertrag zur Auftragsverarbeitung unterschrieben ist.

3. 3

   Kosten sichtbar machen

   Du lernst, Ressourcen mit Tags Projekten zuzuordnen, Budgets mit Warnschwellen anzulegen und ungenutzte Instanzen zu finden. Das trennt einen geplanten Cloud-Betrieb von einer überraschenden Monatsrechnung. Beispiel: Du findest in einem Konto vergessene Testserver und stellst eine automatische Abschaltung am Abend ein.

Themen

Arbeitsmarkt

Cloud Computing bundesweit in Zahlen