DP-200 Implementing an Azure Data Solution

Azure Data Engineers entwerfen, bauen und überwachen Datenlösungen in der Cloud — und genau diese Fähigkeiten stehen im Mittelpunkt dieses Kurses. Die Prüfungsnummer DP-200 (Implementing an Azure Data Solution) ist von Microsoft inzwischen durch DP-203 (Data Engineering on Microsoft Azure) ersetzt worden; die zugrundeliegenden Technologien und Konzepte sind jedoch weitgehend deckungsgleich. Teilnehmer lernen, wie sie verschiedene Azure-Datendienste auswählen, konfigurieren und in vollständige Datenlösungen integrieren — für relationale und NoSQL-Szenarien, für Batch- und Streaming-Verarbeitung sowie für On-Premises-, Cloud- und Hybrid-Architekturen.

Datenspeicherung in Azure Wer Datenlösungen in Azure implementiert, muss die verschiedenen Speichertechnologien und ihre jeweiligen Stärken kennen. Dieser Block schafft die Grundlage: von einfachem Blob-Storage über hierarchische Data Lake-Strukturen bis hin zu vollständig verwalteten relationalen Datenbankdiensten.

• Azure Blob Storage und Azure Data Lake Storage Gen2 für strukturierte und unstrukturierte Daten einrichten
• Azure SQL Database und Azure SQL Managed Instance für relationale Workloads konfigurieren
• Azure Database for PostgreSQL und MySQL als verwaltete Open-Source-Datenbanken einsetzen
• Partitionierungs- und Sharding-Strategien für skalierbare Datenhaltung entwickeln
• Datenkompression, Verschlüsselung im Ruhezustand und Zugriffssteuerung über RBAC konfigurieren

Azure Cosmos DB und NoSQL-Lösungen Nicht alle Daten fügen sich in relationale Strukturen. Dieser Block behandelt den Einsatz von Azure Cosmos DB für Szenarien, bei denen globale Verteilung, niedrige Latenzen und flexible Datenmodelle gefragt sind.

• Cosmos DB mit SQL-, MongoDB-, Gremlin- und Table-API einrichten und vergleichen
• Konsistenzmodelle in Cosmos DB verstehen und anforderungsgerecht auswählen
• Partitionsschlüssel-Strategien für optimale Leistung und Skalierung wählen
• Cosmos DB in multi-regionale Deployments integrieren und Failover konfigurieren
• Kostenoptimierung durch Request Units (RU) gezielt steuern

Datenverarbeitung: Batch und Streaming Datenlösungen müssen sowohl große Datenmengen im Batch als auch kontinuierliche Datenströme in Echtzeit verarbeiten können. Dieser Block deckt beide Verarbeitungsparadigmen mit den entsprechenden Azure-Diensten ab.

• Azure Data Factory für datengesteuerte Pipelines und Transformationen einsetzen
• Mapping Data Flows innerhalb von Data Factory visuell gestalten
• Azure Databricks mit Apache Spark für skalierbare Batch-Verarbeitung nutzen
• Azure Stream Analytics für Echtzeitanalyse von Ereignisdaten aus Event Hubs und IoT Hub einrichten
• Lambda- und Kappa-Architekturen als Architekturmuster für duale Batch/Streaming-Szenarien anwenden

Datensicherheit, Überwachung und Optimierung Datenschutz und Observability sind keine nachgelagerten Aufgaben, sondern müssen von Beginn an in jede Datenlösung eingebaut werden. Dieser Praxisblock verbindet Sicherheitsmaßnahmen, Monitoring-Konfigurationen und Optimierungsstrategien, die in realen Azure-Datenprojekten täglich gefragt sind.

• Authentifizierung und Autorisierung über Azure Active Directory und Managed Identities umsetzen
• Row-Level Security und Column-Level Security in Azure SQL und Synapse konfigurieren
• Datenmaskierung und Datenschutzrichtlinien für sensible Daten einrichten
• Azure Monitor, Azure Log Analytics und Diagnoseprotokolle für Datendienste einschalten
• Abfrageoptimierung, Indexierungsstrategien und Materialized Views in Azure Synapse anwenden
• Skalierungsoptionen (Auto-Pause, Elastic Pools, Reserved Capacity) kosteneffizient einsetzen
• Backup-Strategien, Geo-Redundanz und Point-in-Time-Wiederherstellung planen
• Datenmigration von On-Premises-Systemen mit Azure Database Migration Service durchführen
• Datenpipeline-Monitoring mit Data Factory Monitoring und Alerting einrichten
• Komprimierungs- und Dateiformatwahl (Parquet, Delta, ORC) für analytische Workloads treffen
• Netzwerksicherheit für Datendienste über Private Endpoints und Virtual Network Service Endpoints realisieren
• Azure Purview als Datenkatalog und Data-Governance-Plattform kennenlernen

Alle Inhalte werden durch praxisnahe Übungen in einer Azure-Umgebung ergänzt. Teilnehmer arbeiten direkt mit den Diensten, entwerfen eigene Datenpipelines und lösen Szenarien, die an den Prüfungsaufgaben orientiert sind.

Dieser Kurs richtet sich an IT-Fachleute, die sich auf die Azure Data Engineer Associate-Zertifizierung vorbereiten und praktisches Wissen über Azure-Datentechnologien erwerben oder vertiefen möchten.

• Datenbankadministratoren, die ihre Kenntnisse in Richtung Cloud-Datenarchitektur erweitern wollen
• Business Intelligence-Entwickler, die von klassischen On-Premises-Data-Warehouses auf Azure-Plattformen migrieren
• Softwareentwickler mit Interesse an datenintensiven Anwendungen in der Cloud
• IT-Generalisten, die eine spezialisierte Rolle als Data Engineer anstreben

Der Kurs kombiniert strukturierte Online-Lernphasen mit geleiteten Live-Sitzungen, in denen Teilnehmer ihre Fragen klären und komplexe Konzepte gemeinsam erarbeiten können. Der praktische Anteil ist hoch: Laborübungen in einer echten Azure-Umgebung machen den größten Teil der Lernzeit aus. Teilzeit ist das bevorzugte Format, sodass Berufstätige den Kurs neben ihrer Arbeit absolvieren können. Vollzeitvarianten sind auf Anfrage ebenfalls verfügbar.

Der Kurs deckt das Curriculum für den Azure Data Engineer Associate vollständig ab. Teilzeit-Varianten erstrecken sich über mehrere Wochen; Vollzeitvarianten sind komprimierter. Die genaue Dauer richtet sich nach dem gewählten Format und dem Anbieter.

Teilnehmer erhalten nach Kursabschluss ein Träger-Lehrgangszertifikat. Die offizielle Microsoft-Zertifizierung (Microsoft Certified: Azure Data Engineer Associate) wird durch das Bestehen der aktuellen Prüfung DP-203 erworben, die bei einem akkreditierten Microsoft-Prüfungszentrum abgelegt wird. Auf diese Prüfung bereitet der Kurs gezielt vor. Teilnehmer sollten sich für den aktuellen Prüfungsstand DP-203 anmelden, da DP-200 von Microsoft nicht mehr angeboten wird.

Data Engineering ist eine der am schnellsten wachsenden Spezialisierungen im IT-Bereich. Unternehmen, die ihre Datenstrategie in die Cloud verlagern, suchen dringend nach Fachleuten, die nicht nur Datenbankabfragen schreiben können, sondern vollständige Datenpipelines für heterogene Quellen und Verarbeitungsparadigmen entwerfen und betreiben. Die Azure Data Engineer Associate-Zertifizierung ist in diesem Umfeld ein klarer Qualitätsnachweis. Wer den Kurs abschließt, erhält nicht nur das Rüstzeug für die Zertifizierungsprüfung, sondern auch ein tiefes Verständnis dafür, wie moderne Datenlösungen in der Cloud aufgebaut werden — von der Datenhaltung über die Transformation bis hin zur Analyse und zum Monitoring. Diese End-to-End-Perspektive unterscheidet einen Data Engineer von einem reinen Datenbankadministrator und macht ihn zum wertvollen Mitglied von Data-Teams aller Größen. Darüber hinaus schafft die Breite der behandelten Azure-Dienste eine solide Grundlage für weiterführende Zertifizierungen wie den Azure Solutions Architect oder spezialisierte Analytik-Zertifizierungen. Wer einmal die Datendienste von Azure systematisch durchdrungen hat, fällt sich bei verwandten Technologien wie AWS Glue oder Google BigQuery deutlich leichter — denn die zugrundeliegenden Konzepte sind weitgehend übertragbar.