Glossar: Microsoft Fabric

OneLake (Data Lake)

OneLake ist der zentrale Datenspeicher von Microsoft Fabric und bildet die gemeinsame Datenbasis für alle Fabric-Dienste. Er fungiert als unternehmensweiter Data Lake, in dem strukturierte und unstrukturierte Daten zentral abgelegt werden können. Durch die enge Integration mit den verschiedenen Fabric-Komponenten müssen Daten nicht mehrfach gespeichert oder zwischen Systemen kopiert werden. Dies reduziert Daten-Silos, vereinfacht die Verwaltung und verbessert die Konsistenz der Datenlandschaft. OneLake basiert auf offenen Standards und ermöglicht den Zugriff über unterschiedliche Analyse- und Verarbeitungstools hinweg

Unified Data Storage

Unified Data Storage bezeichnet den Ansatz von Microsoft Fabric, sämtliche Datentypen in einer gemeinsamen Speicherarchitektur zu verwalten. Dadurch können Daten aus verschiedenen Quellen und Formaten zentral gespeichert und konsistent genutzt werden. Anwender erhalten einen einheitlichen Zugriff auf Tabellen, Dateien, Dokumente und andere Datenobjekte. Dies vereinfacht Integrationsprojekte und reduziert den Aufwand für Datenmigrationen und Schnittstellen. Gleichzeitig profitieren Analyse-, BI- und KI-Anwendungen von einer gemeinsamen und vertrauenswürdigen Datenbasis.

Data Integration und Power Query

Data Integration umfasst die Zusammenführung von Daten aus unterschiedlichen Quellsystemen in eine gemeinsame Datenplattform. In Microsoft Fabric übernimmt Power Query dabei eine zentrale Rolle für die Extraktion, Transformation und Bereinigung von Daten. Daten können aus Datenbanken, Cloud-Diensten, Dateien oder Geschäftsanwendungen importiert und automatisch aufbereitet werden. Die grafische Oberfläche ermöglicht auch Anwendern ohne Programmierkenntnisse die Erstellung komplexer Datenflüsse. Dadurch wird die Datenqualität verbessert und eine konsistente Grundlage für Analysen geschaffen.

Synapse Data Engineering

Synapse Data Engineering ist die Komponente von Microsoft Fabric für die Entwicklung und Verwaltung moderner Datenpipelines. Sie unterstützt Data Engineers bei der Verarbeitung großer Datenmengen und der Automatisierung von ETL- und ELT-Prozessen. Dabei können Daten aus verschiedenen Quellen aufgenommen, transformiert und für Analysezwecke bereitgestellt werden. Die Plattform ist auf Skalierbarkeit ausgelegt und eignet sich sowohl für klassische Data-Warehouse-Szenarien als auch für Big-Data-Anwendungen. Durch die enge Verzahnung mit OneLake und anderen Fabric-Diensten werden Datenprozesse erheblich vereinfacht.

Synapse Data Science und Notebooks

Dieses Modul stellt Data Scientists eine integrierte Umgebung für Datenanalyse, Machine Learning und Experimentierung zur Verfügung. Mithilfe von Notebooks können Analyse- und Modellierungsprozesse dokumentiert, automatisiert und gemeinsam genutzt werden. Unterstützt werden dabei gängige Sprachen wie Python sowie zahlreiche Bibliotheken für Statistik und KI. Die Daten können direkt aus OneLake genutzt werden, ohne dass zusätzliche Datenbewegungen erforderlich sind. Dies fördert die Zusammenarbeit zwischen Data Engineers, Analysten und Data Scientists erheblich.

Spark-Integration

Apache Spark ist eines der wichtigsten Frameworks für die Verarbeitung großer Datenmengen, und Microsoft Fabric integriert Spark direkt in die Plattform. Dadurch können umfangreiche Datenanalysen und Transformationen effizient und verteilt ausgeführt werden. Anwender profitieren von hoher Performance bei Big-Data-Workloads sowie bei Machine-Learning-Anwendungen. Da die Daten direkt in OneLake verarbeitet werden können, entfällt die Notwendigkeit zusätzlicher Datentransfers. Dies verbessert sowohl die Verarbeitungsgeschwindigkeit als auch die Architektur der Datenplattform.

Power BI (Deep Integration)

Power BI ist tief in Microsoft Fabric integriert und bildet die zentrale Komponente für Reporting und Datenvisualisierung. Berichte und Dashboards können direkt auf Daten in OneLake zugreifen, ohne separate Datenimporte durchführen zu müssen. Dadurch stehen Analysen schneller zur Verfügung und basieren stets auf aktuellen Datenbeständen. Die enge Integration vereinfacht die Zusammenarbeit zwischen Analysten, Fachbereichen und IT-Abteilungen. Unternehmen können dadurch schneller datengetriebene Entscheidungen treffen und ihre Daten besser nutzen.

Synapse Real-Time Analytics

Synapse Real-Time Analytics ermöglicht die Analyse von Datenströmen und Ereignissen nahezu in Echtzeit. Typische Anwendungsfälle sind IoT-Szenarien, Log-Analysen, Monitoring-Lösungen oder die Überwachung von Geschäftsprozessen. Eingehende Daten werden unmittelbar verarbeitet und können direkt in Dashboards visualisiert werden. Dadurch erhalten Unternehmen aktuelle Einblicke in laufende Prozesse und können schneller auf Veränderungen reagieren. Die Kombination mit Power BI ermöglicht die Darstellung von Echtzeitinformationen in interaktiven Berichten.

Synapse Machine Learning und KI-Modelle

Dieses Fabric-Modul unterstützt die Entwicklung, das Training und den Betrieb von Machine-Learning-Modellen. Datenwissenschaftler können Modelle direkt auf den in OneLake gespeicherten Daten erstellen und evaluieren. Die Plattform bietet Unterstützung für gängige KI- und ML-Bibliotheken und erleichtert die Bereitstellung produktiver Modelle. Durch die Integration in die gesamte Datenplattform lassen sich Analyse-, Trainings- und Betriebsprozesse nahtlos verbinden. Dadurch wird der Weg von der Datenanalyse bis zur KI-gestützten Anwendung deutlich verkürzt.

Microsoft Purview-Integration

Microsoft Purview ist die Governance- und Compliance-Komponente innerhalb des Microsoft-Datenökosystems. Die Integration in Fabric ermöglicht die zentrale Verwaltung von Metadaten, Datenkatalogen und Datenklassifizierungen. Unternehmen erhalten dadurch Transparenz darüber, welche Daten vorhanden sind, wo sie gespeichert werden und wie sie genutzt werden. Darüber hinaus unterstützt Purview bei der Einhaltung regulatorischer Anforderungen und Datenschutzrichtlinien. Dies stärkt die Datenqualität, Sicherheit und Nachvollziehbarkeit innerhalb der gesamten Plattform.

Zugriffsmanagement und Sicherheit

Microsoft Fabric nutzt die Sicherheitsmechanismen von Azure und Microsoft Entra ID (ehemals Azure Active Directory), um Benutzer und Berechtigungen zentral zu verwalten. Zugriffsrechte können granular auf Daten, Arbeitsbereiche und einzelne Objekte vergeben werden. Dadurch wird sichergestellt, dass Anwender nur auf die für sie relevanten Informationen zugreifen können. Ergänzend kommen Sicherheitsfunktionen wie Verschlüsselung, Rollenmodelle und Compliance-Richtlinien zum Einsatz. Dies hilft Unternehmen, sensible Daten wirksam zu schützen und regulatorische Anforderungen einzuhalten.

Lakehouse

Ein Lakehouse kombiniert die Flexibilität eines Data Lakes mit den strukturierten Analysefunktionen eines klassischen Data Warehouses. In Microsoft Fabric bildet das Lakehouse einen zentralen Bestandteil moderner Datenarchitekturen, da sowohl strukturierte als auch unstrukturierte Daten gemeinsam verarbeitet werden können. Unternehmen müssen dadurch nicht mehr zwischen separaten Speicher- und Analyseplattformen unterscheiden. Daten können direkt gespeichert, transformiert, analysiert und für BI oder Machine Learning genutzt werden. Das vereinfacht die Architektur, reduziert Datenkopien und verbessert die Zusammenarbeit zwischen verschiedenen Teams.

Warehouse

Das Warehouse in Microsoft Fabric ist eine moderne Cloud-Data-Warehouse-Lösung für analytische Abfragen und Reporting-Szenarien. Es ermöglicht die strukturierte Speicherung großer Datenmengen und ist speziell für SQL-basierte Analysen optimiert. Im Gegensatz zu klassischen On-Premises-Data-Warehouses skaliert Fabric Warehouse dynamisch mit den Anforderungen der Nutzer. Die enge Integration mit Power BI ermöglicht schnelle und performante Auswertungen direkt auf den Daten. Dadurch eignet sich das Warehouse besonders für Unternehmensberichte, Controlling und datengetriebene Entscheidungsprozesse.

Data Factory

Data Factory ist die Integrations- und Orchestrierungskomponente innerhalb von Microsoft Fabric. Sie dient dazu, Daten aus unterschiedlichen Quellen automatisiert zu extrahieren, zu transformieren und weiterzuverarbeiten. Unternehmen können damit komplexe Datenpipelines erstellen, Zeitpläne definieren und Datenbewegungen überwachen. Durch die grafische Oberfläche lassen sich viele Prozesse ohne umfangreiche Programmierung modellieren. Dies erleichtert die Automatisierung von ETL- und ELT-Prozessen erheblich.

Dataflows Gen2

Dataflows Gen2 sind die moderne Weiterentwicklung der klassischen Power-BI-Dataflows innerhalb von Microsoft Fabric. Sie ermöglichen die einfache Datenaufbereitung und Transformation über eine grafische Benutzeroberfläche auf Basis von Power Query. Im Unterschied zu älteren Varianten sind sie stärker in OneLake integriert und unterstützen leistungsfähigere Verarbeitungsszenarien. Daten können dadurch effizienter gespeichert und mehrfach wiederverwendet werden. Besonders Fachabteilungen profitieren davon, weil Datenvorbereitung ohne tiefgehende Entwicklerkenntnisse möglich wird.

Mirroring

Mirroring ermöglicht die nahezu Echtzeit-Replikation von Daten aus externen Datenbanken und Systemen nach Microsoft Fabric. Änderungen in den Quellsystemen werden automatisch synchronisiert, ohne dass komplexe ETL-Prozesse notwendig sind. Dadurch stehen aktuelle Daten schneller für Analysen und Reporting zur Verfügung. Unternehmen können operative Systeme mit minimalem Aufwand in ihre Fabric-Architektur integrieren. Dies reduziert Latenzen und vereinfacht moderne Echtzeit-Analyse-Szenarien erheblich.

Shortcut

Shortcuts sind Verknüpfungen innerhalb von OneLake, mit denen Daten aus anderen Speicherorten eingebunden werden können, ohne sie physisch zu kopieren. Dadurch können unterschiedliche Teams und Anwendungen auf dieselben Daten zugreifen, ohne redundante Speicherstrukturen aufzubauen. Unternehmen sparen Speicherplatz und vermeiden Inkonsistenzen durch Mehrfachkopien. Gleichzeitig wird die Integration bestehender Data Lakes oder Cloud-Speicher deutlich vereinfacht. Shortcuts fördern somit eine zentralisierte und effiziente Datenarchitektur.

KQL Database

Die KQL Database basiert auf der Kusto Query Language und ist speziell für schnelle Analysen großer Ereignis- und Logdatenmengen optimiert. Sie eignet sich besonders für Monitoring, IoT, Telemetrie oder Sicherheitsanalysen. Abfragen können auch bei sehr großen Datenvolumina mit hoher Geschwindigkeit ausgeführt werden. Durch die Integration in Fabric lassen sich Echtzeitdaten direkt mit anderen Analyse- und BI-Komponenten kombinieren. Dies ermöglicht moderne Analyseplattformen für operative und technische Daten.

Eventstream

Eventstream dient der Aufnahme und Verarbeitung kontinuierlicher Datenströme in Echtzeit. Typische Quellen sind Sensoren, Anwendungen, Maschinen oder Log-Systeme. Die Daten können direkt verarbeitet, gefiltert und an unterschiedliche Fabric-Dienste weitergeleitet werden. Dadurch lassen sich Echtzeit-Dashboards, Alarmierungen oder Streaming-Analysen umsetzen. Unternehmen erhalten damit unmittelbare Einblicke in laufende Prozesse und Ereignisse.

Semantic Model

Das Semantic Model bildet die logische Datenschicht für Analysen und Berichte in Microsoft Fabric und Power BI. Es definiert Beziehungen zwischen Tabellen, Kennzahlen, Hierarchien und Geschäftslogiken. Dadurch erhalten Fachanwender eine verständliche und konsistente Sicht auf die Unternehmensdaten. Komplexe technische Datenstrukturen werden abstrahiert und einfacher nutzbar gemacht. Semantic Models sind damit eine zentrale Grundlage für Self-Service-BI und standardisierte Berichte.

Copilot in Fabric

Copilot in Fabric ist die KI-gestützte Assistenzfunktion innerhalb der Plattform. Sie unterstützt Anwender bei der Erstellung von Datenanalysen, SQL-Abfragen, Berichten, Transformationen und Dokumentationen. Durch natürliche Spracheingaben können auch weniger technische Benutzer komplexe Aufgaben schneller durchführen. Die KI hilft dabei, Datenmodelle zu verstehen, Code zu generieren und Optimierungsvorschläge zu liefern. Dadurch wird die Produktivität erhöht und der Zugang zu modernen Datenplattformen deutlich vereinfacht.