Data Engineering: Prozesse, Datenflüsse und Dokumentation

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 Datenmodellierung für Cloud Engineers: Prozesse, Datenflüsse und Dokumentation" führt schrittweise in die Themen "Prozesse", "Datenflüsse" und "Dokumentation" ein und überträgt die Inhalte auf nachvollziehbare Arbeitssituationen. Die Übungen behandeln Data Engineering in einem klaren Arbeitsablauf und beziehen Datenmodellierung an passenden Entscheidungspunkten ein. Der Aufbau folgt typischen Arbeitsschritten von der Anforderungsaufnahme über die technische Umsetzung bis zur Prüfung und Dokumentation der Ergebnisse. Dokumentierte Ergebnisse zeigen, wie Data Engineering und Datenmodellierung im jeweiligen Aufgabenfeld zusammenwirken. Als roter Faden dient die Aufgabenstellung "Data Engineering mit Datenmodellierung für Cloud Engineers"; sie wird aus fachlicher, methodischer und qualitätsbezogener Perspektive bearbeitet. 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 Transferteil vertieft Data Engineering und überführt die Erkenntnisse zu Datenmodellierung in eine zusammenhängende Aufgabe.
3. 3

   Die Bildungsinhalte sind in sieben aufeinander bezogene Lernabschnitte gegliedert

   Datenkontext und Fragestellungen: Der Schwerpunkt "Data Engineering mit Datenmodellierung für Cloud 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. Für die Praxisfälle werden Kenntnisse zu Data Engineering aufgebaut und mit fachlichen Bezügen zu Datenmodellierung verknüpft.
   Prozesse: Das Teilthema wird anhand zentraler Begriffe, typischer Arbeitsschritte und eines nachvollziehbaren Anwendungsfalls bearbeitet.
   Datenflüsse: Die Teilnehmenden ordnen Anforderungen ein, wählen ein geeignetes Vorgehen und dokumentieren die daraus entstehenden Ergebnisse. Bei der Ergebniskontrolle werden sowohl Data Engineering als auch Datenmodellierung anhand nachvollziehbarer Kriterien betrachtet.
   Dokumentation: Arbeitsergebnisse werden anhand transparenter Kriterien geprüft, besprochen und für die weitere Nutzung aufbereitet.
   Technische Arbeitsaufgaben und Werkzeugwahl: Eine konkrete Aufgabe wird in Arbeitsschritte zerlegt, mit passenden Werkzeugen umgesetzt und anhand klarer Akzeptanzkriterien überprüft.
   Qualität der Auswertung: Quellen, Annahmen, Berechnungen und Aussagen werden kontrolliert und verständlich dokumentiert.
   Praxisfall und Transfer: Die Teilnehmenden bearbeiten einen zusammenhängenden Fall, begründen ihr Vorgehen und übertragen die gewonnenen Erkenntnisse auf eine veränderte Aufgabenstellung.
   Die Teilnehmenden vergleichen Vorgehensweisen, in denen die Schwerpunkte Data Engineering und Datenmodellierung unterschiedliche Anforderungen abdecken. Die Übungen sind so angelegt, dass Teilnehmende Begriffe nicht nur wiedergeben, sondern Arbeitsschritte begründen, Ergebnisse prüfen und auf einen neuen Fall übertragen. Zum Abschluss werden Arbeitsergebnisse aus Data Engineering reflektiert und mit den Lernzielen zu Datenmodellierung abgeglichen. 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