Data Engineer - Data Science, Python und Microsoft Fabric

Passt der Kurs zu dir?

1. 1
   Mathematik auf Oberstufenniveau mit linearer Algebra, Ableitungen und Wahrscheinlichkeitsrechnung, weil Regression und neuronale Netze darauf beruhen.
2. 2
   Programmierkenntnisse in Python oder die Bereitschaft, sie in einem Vorkurs aufzubauen, bevor Machine Learning beginnt.
3. 3
   Wenn dein Betrieb KI-Systeme einsetzt: Die KI-Verordnung der EU verpflichtet Anbieter und Betreiber, nach besten Kräften für ausreichende KI-Kompetenz ihres Personals zu sorgen; frage, ob dein Kurs dafür einen Nachweis ausstellt.

Das lernst du

1. 1
   Die Weiterbildung "Data Engineer - Data Science, Python und Microsoft Fabric" vermittelt fundierte Kenntnisse im Bereich Data Engineering mit besonderem Fokus auf moderne Datenplattformen wie Microsoft Fabric. Teilnehmende lernen, Datenprozesse strukturiert aufzubauen und Data Engineering in praxisnahen Szenarien umzusetzen. Der Schwerpunkt liegt auf der Verarbeitung, Integration und Analyse von Daten unter Einsatz von Microsoft Fabric und ergänzenden Technologien. Ziel ist es, Data Engineering systematisch zu verstehen und Microsoft Fabric als zentrale Plattform für datengetriebene Prozesse einzusetzen. Bestandteil der Weiterbildung sind zudem Herstellerzertifikate von Microsoft, die Kompetenzen im Bereich Data Engineering und Microsoft Fabric formell bestätigen.
2. 2

   Die Weiterbildung ist modular aufgebaut und deckt zentrale Themen rund um Data Engineering und Microsoft Fabric ab

   Data Science - Grundlagen Statistik und Data Mining: Einführung in grundlegende Konzepte als Basis für Data Engineering und die Verarbeitung von Daten in Microsoft Fabric.
   Moderne Datenanalyse mit SQL-Server: Strukturierte Verarbeitung von Daten als Grundlage für Data Engineering-Prozesse und deren Integration in Microsoft Fabric.
   Power BI Basics: Grundlagen zur Visualisierung von Daten im Kontext von Data Engineering und Microsoft Fabric.
   Power BI Advanced: Vertiefte Visualisierung und Aufbereitung von Daten aus Data Engineering-Prozessen mit Microsoft Fabric.
   Python für Data Science, Maschinelles Lernen & Visualisierung: Einsatz von Python zur Unterstützung von Data Engineering sowie zur Verarbeitung von Daten in Microsoft Fabric.
   AZ-900: Microsoft Azure Fundamentals: Einführung in Cloud-Grundlagen im Zusammenhang mit Data Engineering und Microsoft Fabric.
   AI-900: Microsoft Azure AI Fundamentals: Grundlagen der KI und deren Bedeutung für Data Engineering und datengetriebene Prozesse in Microsoft Fabric.
   DP-900: Microsoft Data Fundamentals: Zentrale Datenkonzepte als Grundlage für Data Engineering und Microsoft Fabric.
   PL-300: Microsoft Power BI Data Analyst: Analyse und Visualisierung von Daten als Bestandteil von Data Engineering-Prozessen mit Microsoft Fabric.
   DP-3011: Implementing a Data Analytics Solution with Azure Databricks: Umsetzung von Data Engineering-Szenarien und Integration in moderne Plattformen wie Microsoft Fabric.
   DP-700: Microsoft Fabric Data Engineer: Zentrale Inhalte zur Rolle im Data Engineering mit Fokus auf Microsoft Fabric.
   Applied Skills: Azure Visualise & Analyse: Praxisorientierte Umsetzung von Data Engineering-Projekten mit Microsoft Fabric.
   Kanban Foundation: Grundlagen agiler Methoden zur Organisation von Data Engineering-Projekten und Prozessen in Microsoft Fabric.
   IntelliLAB - AI Literacy: Einführung in KI-Grundlagen und deren Relevanz für Data Engineering und Microsoft Fabric.
   Bewerbungstraining: Vorbereitung auf Bewerbungsprozesse im Bereich Data Engineering und Microsoft Fabric.
   Während der Weiterbildung werden Data Engineering und Microsoft Fabric konsequent miteinander verknüpft. Praktische Übungen unterstützen den Aufbau von Kompetenzen in der Verarbeitung, Integration und Analyse von Daten. Data Engineering wird in unterschiedlichen Szenarien angewendet, wobei Microsoft Fabric als zentrale Plattform für moderne Datenarchitekturen dient. Die Vorbereitung auf Zertifizierungen stellt sicher, dass Kenntnisse im Bereich Data Engineering und Microsoft Fabric strukturiert aufgebaut und nachgewiesen werden können.

1. 1

   München

   12.10.2026 · Blended Learning · Teilzeit · 6–12 Monate · über 10.000 €

2. 2

   München

   12.10.2026 · Blended Learning · Vollzeit · 3–6 Monate · über 10.000 €

3. 3

   München

   02.11.2026 · Blended Learning · Teilzeit · 3–6 Monate · über 10.000 €

4. 4

   München

   02.11.2026 · Blended Learning · Vollzeit · 1–3 Monate · über 10.000 €

Förderwege

Wer deinen Kurs zahlt

Brutto im Monat

Mitte und Viertel bundesweit

3 Schritte vom Kurs in den Beruf

1. 1

   Vorhersagen aus Daten bauen

   Du trainierst Modelle, die etwa Nachfrage, Maschinenausfälle oder Kündigungen vorhersagen, und misst ihre Güte mit Daten, die das Modell vorher nicht gesehen hat. Dabei lernst du auch, wann ein einfaches lineares Modell genügt. Beispiel: Ein Händler plant mit deinem Modell die Bestellmenge für die nächste Saison.

2. 2

   Datenpipelines und Cloud

   Die Kombikurse mit Data Engineering zeigen, wie Daten aus Datenbanken, Logdateien und Schnittstellen automatisch in eine Analyseumgebung fließen. Cloud-Data-Science-Kurse ergänzen SQL-Datenbanken und Rechenleistung auf Abruf. Beispiel: Du richtest eine Pipeline ein, die Sensordaten einer Maschine stündlich bereinigt und speichert.

3. 3

   Modelle erklären und verantworten

   Du prüfst Trainingsdaten auf Verzerrungen und fehlende Werte und machst nachvollziehbar, welche Merkmale ein Ergebnis treiben. Bei Entscheidungen über Menschen, etwa zu Krediten oder Bewerbungen, achtest du zusätzlich auf Datenschutz und Gleichbehandlung. Beispiel: Du zeigst dem Vertrieb, welche Merkmale die Vorhersage eines Kündigungsrisikos am stärksten beeinflussen.

Themen

Arbeitsmarkt

Data Scientist bundesweit in Zahlen