Python für Data Engineers: Datenpipelines und produktive Integration

Passt der Kurs zu dir?

1. 1
   Für das PCAP-Zertifikat gibt es keine formale Voraussetzung, das Python Institute empfiehlt aber vorher die Einstiegsprüfung PCEP.
2. 2
   Schulmathematik bis zu Prozentrechnung und Funktionen, wenn du in Richtung Datenanalyse oder Machine Learning gehst.
3. 3
   Ein Rechner, auf dem du Python, einen Code-Editor und Zusatzpakete selbst installieren darfst.

Das lernst du

1. 1
   In der Weiterbildung "Python 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 Python reflektiert und mit den Lernzielen zu Data Engineer abgeglichen. Die Lernfolge orientiert sich an realistischen Umsetzungsaufgaben, geeigneten Werkzeugen, Schnittstellen und überprüfbaren Ergebnissen. Im fachlichen Mittelpunkt stehen das Kompetenzfeld Python und der Anwendungsschwerpunkt Data Engineer. Als roter Faden dient die Aufgabenstellung "Python für Data 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
   Anhand beruflicher Situationen wird geprüft, wie Python einzuordnen ist und welche Rolle Data Engineer dabei übernimmt.
3. 3

   Die Bildungsinhalte sind in sieben aufeinander bezogene Lernabschnitte gegliedert

   Datenkontext und Fragestellungen: Der Schwerpunkt "Python für Data Engineers" 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 Umsetzungsschritte, Werkzeugwahl, Integration und die Prüfung technisch belastbarer Ergebnisse.
   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.
   Aufbereitungsschritte: Begriffe, Abläufe und Entscheidungspunkte werden miteinander verbunden und in einer praxisnahen Aufgabe angewendet.
   Umsetzung, Integration und Prüfung: Bausteine werden eingerichtet oder entwickelt, miteinander verbunden und durch nachvollziehbare Tests abgesichert. Die fachliche Einordnung von Python wird durch konkrete Aufgaben zu Data Engineer ergänzt.
   Datenqualität und Reproduzierbarkeit: Vollständigkeit, Konsistenz und Plausibilität werden geprüft; Verarbeitungsschritte bleiben nachvollziehbar und wiederholbar.
   Anwendungsaufgabe und Reflexion: Ein realitätsnahes Beispiel wird geplant, umgesetzt und anhand dokumentierter Kriterien ausgewertet. Die Lernaufgaben verbinden Python mit Data Engineer und machen die Schnittstellen zwischen beiden Themen sichtbar.
   Zwischen Python und Data Engineer werden Gemeinsamkeiten, Unterschiede und sinnvolle Übergänge herausgearbeitet. Die Übungen sind so angelegt, dass Teilnehmende Begriffe nicht nur wiedergeben, sondern Arbeitsschritte begründen, Ergebnisse prüfen und auf einen neuen Fall übertragen. Die Übungen behandeln Python in einem klaren Arbeitsablauf und beziehen Data Engineer an passenden Entscheidungspunkten ein. Die Dokumentation der Praxisaufgaben macht Lernfortschritte, offene Fragen und fachliche Entscheidungen nachvollziehbar.

1. 1

   München

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

2. 2

   München

   26.10.2026 · Blended Learning · Vollzeit · 1–3 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

   Routinearbeit per Skript erledigen

   Mit wenigen Zeilen Python benennst du Dateien um, liest Excel-Tabellen ein oder holst Daten aus Schnittstellen. Solche Skripte laufen später zeitgesteuert, ohne dass jemand sie anstößt. Beispiel: Du schreibst ein Skript, das jeden Morgen die Bestellungen aus dem Shop-Export zusammenführt.

2. 2

   Daten mit Pandas aufbereiten

   Pandas-Kurse zeigen, wie du Tabellen filterst, gruppierst, verknüpfst und bereinigst. Das ist der Schritt vor jeder Auswertung und jedem Modell. Beispiel: Du bereinigst eine Kundenliste mit doppelten Einträgen und uneinheitlich geschriebenen Ortsnamen.

3. 3

   Eigene Anwendungen bauen

   Objektorientierung, Module und Tests bilden die Grundlage für größere Programme und Webanwendungen mit Django oder Flask. Mit dem PCAP weist du Kenntnisse in Modulen und Paketen, Ausnahmebehandlung, Dateiverarbeitung und Objektorientierung nach. Beispiel: Du entwickelst ein kleines Buchungstool für Besprechungsräume mit Django und schreibst Tests dazu.

Themen