Data Engineering: Cloud-Speicher, Datenflüsse und Skalierung

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
   Die Weiterbildung "Data Engineering mit Cloud Plattformen: Cloud-Speicher, Datenflüsse und Skalierung" führt schrittweise in die Themen "Cloud-Speicher", "Datenflüsse" und "Skalierung" ein und überträgt die Inhalte auf nachvollziehbare Arbeitssituationen. Der Lernfortschritt zu Cloud Computing wird durch eine dokumentierte Transferaufgabe sichtbar gemacht. Im Mittelpunkt stehen strukturierte Arbeitsaufgaben, technische Umsetzungsschritte und eine nachvollziehbare Qualitätssicherung. Der Transferteil vertieft Cloud Computing und überführt die Erkenntnisse zu Data Engineering in eine zusammenhängende Aufgabe. Als roter Faden dient die Aufgabenstellung "Data Engineering mit Cloud Plattformen"; sie wird aus fachlicher, methodischer und qualitätsbezogener Perspektive bearbeitet. Zwischen Cloud Computing und Data Engineering werden Gemeinsamkeiten, Unterschiede und sinnvolle Übergänge herausgearbeitet. 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
   Zum Abschluss werden Arbeitsergebnisse aus Cloud Computing reflektiert und mit den Lernzielen zu Data Engineering abgeglichen.
3. 3

   Die Bildungsinhalte sind in sieben aufeinander bezogene Lernabschnitte gegliedert

   Datenwege und fachliche Ziele: Der Schwerpunkt "Data Engineering mit Cloud Plattformen" wird hinsichtlich Aufgabenrahmen, typischer Einsatzbereiche und der dafür benötigten Arbeitsschritte eingeordnet. Die Ausrichtung konkretisiert sich durch den Weg von Quellen und Strukturen über Verarbeitungsschritte bis zu nutzbaren und geprüften Ergebnissen sowie durch Schnittstellen, Abhängigkeiten und kontrollierte Übergänge zwischen mehreren Arbeits- oder Systembereichen.
   Cloud-Speicher: Die Teilnehmenden ordnen Anforderungen ein, wählen ein geeignetes Vorgehen und dokumentieren die daraus entstehenden Ergebnisse. Ein eigener Lernschritt ordnet Cloud Computing in den beruflichen Aufgabenrahmen ein.
   Datenflüsse: Begriffe, Abläufe und Entscheidungspunkte werden miteinander verbunden und in einer praxisnahen Aufgabe angewendet.
   Skalierung: Das Teilthema wird anhand zentraler Begriffe, typischer Arbeitsschritte und eines nachvollziehbaren Anwendungsfalls bearbeitet. Die Lernaufgaben verbinden Cloud Computing mit Data Engineering und machen die Schnittstellen zwischen beiden Themen sichtbar.
   Umsetzung, Integration und Prüfung: Bausteine werden eingerichtet oder entwickelt, miteinander verbunden und durch nachvollziehbare Tests abgesichert.
   Qualität der Auswertung: Quellen, Annahmen, Berechnungen und Aussagen werden kontrolliert und verständlich dokumentiert. Im fachlichen Mittelpunkt stehen das Kompetenzfeld Cloud Computing und der Anwendungsschwerpunkt Data Engineering.
   Praxisfall und Transfer: Die Teilnehmenden bearbeiten einen zusammenhängenden Fall, begründen ihr Vorgehen und übertragen die gewonnenen Erkenntnisse auf eine veränderte Aufgabenstellung. Bei der Ergebniskontrolle werden sowohl Cloud Computing als auch Data Engineering anhand nachvollziehbarer Kriterien betrachtet.
   Ein Praxisbeispiel zeigt, wie Cloud Computing in einen vollständigen Arbeitsablauf eingebettet wird. Die Übungen sind so angelegt, dass Teilnehmende Begriffe nicht nur wiedergeben, sondern Arbeitsschritte begründen, Ergebnisse prüfen und auf einen neuen Fall übertragen. Die fachliche Einordnung von Cloud Computing wird durch konkrete Aufgaben zu Data Engineering ergänzt. 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