Cloud Plattformen: Skripting, Auswertung und Automatisierung

Passt der Kurs zu dir?

1. 1
   Sicherer Umgang mit Excel, Prozentrechnung und Grundbegriffen der Statistik wie Mittelwert, Median und Streuung.
2. 2
   Für die IHK-Prüfung zur Berufsspezialistin oder zum Berufsspezialisten für Datenanalyse: eine IT-Ausbildung, eine andere Ausbildung mit einem Jahr Praxis, sechzig Leistungspunkte aus einem Studium mit zwei Jahren Praxis oder vier Jahre einschlägige Berufspraxis (§ 2 DAFPrV).
3. 3
   Bereitschaft, Datenschutzregeln einzuhalten, denn Auswertungen mit Kunden- oder Personaldaten fallen unter die DSGVO.

Das lernst du

1. 1
   Die Weiterbildung "Cloud Plattformen und Datenanalyse für Plattform Engineers: Skripting, Auswertung und Automatisierung" führt schrittweise in die Themen "Skripting", "Auswertung" und "Automatisierung" ein und überträgt die Inhalte auf nachvollziehbare Arbeitssituationen. Die Übungen behandeln Datenanalyse in einem klaren Arbeitsablauf und beziehen Cloud Computing an passenden Entscheidungspunkten ein. Die Lernfolge orientiert sich an realistischen Umsetzungsaufgaben, geeigneten Werkzeugen, Schnittstellen und überprüfbaren Ergebnissen. Arbeitsergebnisse zu Cloud Computing werden anhand klarer Kriterien besprochen und verbessert. Als roter Faden dient die Aufgabenstellung "Cloud Plattformen und Datenanalyse für Plattform Engineers"; sie wird aus fachlicher, methodischer und qualitätsbezogener Perspektive bearbeitet. Bei der Ergebniskontrolle werden sowohl Datenanalyse als auch Cloud Computing anhand nachvollziehbarer Kriterien betrachtet. 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
   Die Teilnehmenden setzen Cloud Computing in einem abgegrenzten Aufgabenabschnitt selbstständig ein.
3. 3

   Die Bildungsinhalte sind in sieben aufeinander bezogene Lernabschnitte gegliedert

   Datenkontext und Fragestellungen: Der Schwerpunkt "Cloud Plattformen und Datenanalyse für Plattform 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 fachliche Fragestellungen, nachvollziehbare Auswertungswege und eine begründete Interpretation von Ergebnissen.
   Skripting: Das Teilthema wird anhand zentraler Begriffe, typischer Arbeitsschritte und eines nachvollziehbaren Anwendungsfalls bearbeitet. Zum Abschluss werden Arbeitsergebnisse aus Datenanalyse reflektiert und mit den Lernzielen zu Cloud Computing abgeglichen.
   Auswertung: Die Teilnehmenden wählen passende Auswertungswege, vergleichen Ergebnisse und begründen die gewählte Darstellung. Zu Cloud Computing werden typische Anforderungen, mögliche Lösungswege und Prüfkriterien gegenübergestellt.
   Automatisierung: Die Teilnehmenden entwerfen wiederholbare Abläufe, prüfen Schnittstellen und dokumentieren die Ausführung sowie mögliche Abweichungen.
   Arbeitsablauf von Anforderung bis Ergebnis: Anforderungen werden konkretisiert, die Umsetzung wird geplant und das Ergebnis mit dokumentierten Prüfschritten abgeschlossen. Die Teilnehmenden vergleichen Vorgehensweisen, in denen die Schwerpunkte Datenanalyse und Cloud Computing unterschiedliche Anforderungen abdecken.
   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. Der Transferteil vertieft Datenanalyse und überführt die Erkenntnisse zu Cloud Computing in eine zusammenhängende Aufgabe.
   Für die Praxisfälle werden Kenntnisse zu Datenanalyse aufgebaut und mit fachlichen Bezügen zu Cloud Computing verknüpft. Die Übungen sind so angelegt, dass Teilnehmende Begriffe nicht nur wiedergeben, sondern Arbeitsschritte begründen, Ergebnisse prüfen und auf einen neuen Fall übertragen. Dokumentierte Ergebnisse zeigen, wie Datenanalyse und Cloud Computing im jeweiligen Aufgabenfeld zusammenwirken. 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

Brutto im Monat

Mitte und Viertel bundesweit

3 Schritte vom Kurs in den Beruf

1. 1

   Berichte, die sich selbst aktualisieren

   Du verbindest in Power BI Daten aus ERP, CRM und Excel-Listen, modellierst Beziehungen und schreibst Kennzahlen mit DAX. Ein solcher Bericht holt neue Zahlen ohne Kopierarbeit. Beispiel: Der monatliche Umsatzbericht für die Vertriebsleitung aktualisiert sich jeden Morgen aus dem Warenwirtschaftssystem.

2. 2

   Ergebnisse verständlich präsentieren

   BERUFENET nennt das Visualisieren und Präsentieren der Ergebnisse in den Fachabteilungen als Aufgabe von Data Analysts. Im Kurs übst du, aus einer Auswertung eine klare Aussage mit passendem Diagramm zu machen. Beispiel: Du zeigst der Einkaufsleitung in einem Dashboard, welche Lieferanten wiederholt zu spät liefern.

3. 3

   Mit Data Engineers und Data Scientists zusammenarbeiten

   Du lernst, Anforderungen an Datenqualität und Datenmodelle so zu formulieren, dass Data Engineers sie umsetzen können. Für Prognosen übergibst du aufbereitete Daten an Data Scientists oder nutzt einfache Verfahren der Predictive Analytics selbst. Beispiel: Du meldest dem Datenteam, dass doppelte Einträge im Kundenstamm die Umsatzzahlen verfälschen.

Themen

Arbeitsmarkt

Data Analyst bundesweit in Zahlen