DP-600: Implementing Analytics Solutions Using Microsoft Fabric

• Eine Microsoft-Fabric-Analytics-Architektur für unternehmensweite Berichtsanforderungen entwerfen
• Aufnahme-Workflows mit Dataflows Gen2, Notebooks und Pipelines aufbauen
• Lakehouses mit Bronze-, Silber- und Gold-Ebenen strukturieren
• Relationale Warehouses umsetzen und mit T-SQL abfragen
• Semantische Modelle mit skalierbaren Beziehungen und Speicheroptionen erstellen
• Sicherheit auf Zeilen- und Objektebene in Power BI durchsetzen
• Modell- und Abfrageleistung mit Diagnosewerkzeugen optimieren

Unternehmens-Analytics-Teams stehen in den Jahren 2025 und 2026 unter zwei Arten von Druck zugleich: Sie müssen schneller liefern und gleichzeitig Datenqualität, Sicherheit und Nachvollziehbarkeit über die gesamte Analytics-Kette hinweg nachweisen. Microsoft Fabric ist relevant, weil es Aufnahme, Engineering, Warehousing, semantische Modellierung und Visualisierung in einer SaaS-Umgebung zusammenführt. Das ist wichtig für Organisationen, die weniger Übergaben, engere Governance und klarere Verantwortlichkeit für Analytics-Assets benötigen. Für Fachleute, die über isolierte Power-BI-Berichterstattung hinausgehen, markiert DP-600 den Wechsel hin zum unternehmensweiten Lösungsdesign.

Während der Schulung bauen die Teilnehmenden Analytics-Assets Schritt für Schritt auf. Sie nehmen Daten mit Dataflows Gen2, Spark und Fabric-Notebooks auf. Sie orchestrieren Bewegung und Transformation mit Data-Factory-Pipelines. Sie erstellen und strukturieren Lakehouses, wenden die Medallion-Architektur an, arbeiten mit Delta-Tabellen und laden relationale Warehouses für SQL-basierte Analysen. Anschliessend verbinden sie diese Assets mit semantischen Modellen in Power BI, definieren Beziehungen, verbessern die Leistung und wenden Sicherheitskontrollen an. Übungen und Fallarbeit zwingen die Teilnehmenden dazu, für jedes Bereitstellungsszenario die richtige Fabric-Komponente zu wählen, statt Funktionslisten auswendig zu lernen.

Die Schulung adressiert Probleme, die viele Anbieterkurse vage lassen. Die Teilnehmenden bearbeiten Dokumentationslücken zwischen den Ebenen Aufnahme, Speicherung und Berichterstattung. Sie klären die Verantwortlichkeit, wenn Data Engineers, Analysten und BI-Verantwortliche dieselbe Plattform teilen. Sie prüfen die Nachweisqualität, indem sie kontrollieren, ob Transformationen, Modellbeziehungen und Sicherheitsregeln einer Prüfung standhalten. Sie üben zudem funktionsübergreifende Kommunikation, damit technische Entscheidungen gegenüber Plattformverantwortlichen, Managern und Audit-Stakeholdern belastbar bleiben.

Am Ende können die Teilnehmenden eine Fabric-basierte Analytics-Architektur entwerfen, Kern-Assets aufbauen, semantische Modelle absichern und optimieren sowie technische Entscheidungen gegenüber Unternehmensanforderungen begründen. Sie sind bereit, die DP-600 Prüfung abzulegen und Bereitstellungsergebnisse zu erzeugen, die Teams prüfen, betreiben und skalieren können. Dazu gehören Pipelines, Notebooks, Lakehouse-Strukturen, Warehouse-Objekte, semantische Modelle sowie Leistungs- und Sicherheitsentscheidungen, die im Produktivbetrieb Bestand haben.

• Power BI Data Analyst: Sie erstellen bereits Modelle und Berichte, müssen Ihre Arbeit aber auf Fabric-Lakehouses, -Pipelines und unternehmensweite Bereitstellungsentscheidungen ausweiten.
• Data Engineer im Wechsel zu Fabric: Sie verwalten Aufnahme und Transformation, benötigen aber einen strukturierten Weg zu semantischen Modellen, Warehouse-Design und Analytics-Bereitstellung.
• Analytics Solution Architect: Sie müssen die richtigen Fabric-Komponenten wählen, Verantwortungsgrenzen definieren und Architekturentscheidungen teamübergreifend begründen.
• BI Lead oder Analytics Manager: Sie verantworten die Berichtsbereitstellung und benötigen einen praktischen Blick auf Skalierbarkeit, Modellsicherheit und operative Governance in einer Plattform.

Die Teilnehmenden benötigen praktische Vorerfahrung in Datenmodellierung, Datenextraktion und Analytics-Bereitstellung. Sie sollten bereits sicher mit Power BI oder einem gleichwertigen Analytics-Stack arbeiten und SQL, DAX oder KQL auf praktischem Niveau lesen können. Erfahrung vergleichbar mit PL-300 wird dringend empfohlen. Ohne diese Grundlage fällt es den Teilnehmenden schwer, Fabric-Komponenten zu einer durchgängigen Lösung zu verbinden, und sie verwenden zu viel Aufwand auf Grundlagen statt auf Entscheidungen zum unternehmensweiten Design und zur Umsetzung.