Ein vollständiger Rundgang durch Architektur, Governance, Security und Best Practices für den Aufbau einer einheitlichen Datenplattform auf Microsoft Fabric – geschrieben für CIOs, Datenarchitekten und BI-Verantwortliche, die entscheiden, entwerfen und ausrollen müssen.
Die wichtigsten Erkenntnisse
- Microsoft Fabric ist eine einheitliche Analytics-Plattform, die das Problem der Datenplattform-Zersplitterung lösen will, indem sie verschiedene Datendienste in ein einziges SaaS-Angebot integriert.
- OneLake ist das Herzstück von Fabric und fungiert als einziger, logischer Data Lake für die gesamte Organisation – ähnlich wie OneDrive für Daten.
- Fabric bietet unterschiedliche „Experiences“ für verschiedene Rollen, etwa Data Engineering, Data Science und Business Intelligence, alle auf einem gemeinsamen Fundament.
- Die Plattform nutzt ein kapazitätsbasiertes Preismodell, das skalierbare und planbare Kosten ermöglicht.
- Security und Governance sind eingebaut – mit Funktionen wie Microsoft-Purview-Integration, feingranularen Zugriffskontrollen und Private Links.
- Ein klar definierter Rollout-Plan ist entscheidend für eine erfolgreiche Fabric-Einführung – beginnend mit einer Discovery-Phase, gefolgt von einem Piloten und dann einem vollständigen Produktions-Rollout.
Für wen ist dieser Leitfaden?
Dieser Leitfaden richtet sich an Fach- und Technikverantwortliche, die Microsoft Fabric evaluieren oder implementieren. Er bietet einen umfassenden Überblick über die Plattform – von den Kernkonzepten bis zu einem praktischen Rollout-Plan. Ob Sie CIO, Datenarchitekt oder BI-Manager sind: Dieser Leitfaden hilft Ihnen zu verstehen, wie Sie Fabric nutzen, um eine moderne, skalierbare und sichere Datenplattform zu bauen. Für eine kritischere, tiefgehende technische Betrachtung siehe unsere fünfteilige Microsoft-Fabric-Deep-Dive-Serie.
Warum es Microsoft Fabric gibt (in klarer Sprache)
Die meisten Organisationen haben kein „Datenproblem“ – sie haben ein Problem der Datenplattform-Zersplitterung:
- Mehrere Tools für Ingestion, Transformation und Reporting
- Doppelte Datenkopien über Lakes/Warehouses/Marts hinweg
- Inkonsistente Sicherheitsregeln zwischen Engines
- Eine Governance-Lücke (Lineage, Klassifizierung, Ownership)
- Kostenüberraschungen, wenn Teams skalieren
Microsoft Fabric wurde entworfen, um diese Zersplitterung zu reduzieren, indem es eine End-to-End-Analytics-Plattform als SaaS-Dienst liefert: Ingestion → Transformation → Speicherung → Real-Time → Science → BI, alles integriert.
Wenn Ihr Ziel eine Plattform ist, der Fachteams vertrauen und die Technikteams skalieren können, dreht sich Fabric im Kern um Vereinheitlichung: gemeinsame Speicherung, integrierte Experiences, geteilte Governance und ein Kapazitätsmodell, das Sie zentral steuern können.
Was ist Microsoft Fabric? (die Ein-Absatz-Definition)
Microsoft Fabric ist eine Analytics-Plattform, die End-to-End-Datenworkflows unterstützt – Datenaufnahme, Transformation, Echtzeitverarbeitung, Analytics und Reporting – über integrierte Experiences wie Data Engineering, Data Factory, Data Science, Real-Time Intelligence, Data Warehouse, Datenbanken und Power BI, betrieben über ein gemeinsames Compute- und Speichermodell mit OneLake als zentralem Data Lake.
Das mentale Fabric-Modell: die 6 Bausteine, auf die es ankommt
1) OneLake = das „OneDrive für Daten“
OneLake ist Fabrics einziger logischer Data Lake. Fabric speichert Items wie Lakehouses und Warehouses in OneLake, ähnlich wie Office Dateien in OneDrive speichert. Unter der Haube basiert OneLake auf ADLS-Gen2-Konzepten und unterstützt viele Dateitypen.
Warum das wichtig ist: OneLake ist der Anker, der „eine Plattform“ real macht – gemeinsame Speicherung, konsistente Zugriffsmuster, weniger Doppelkopien.
2) Experiences (Workloads) = rollenbasierte Tools auf demselben Fundament
Fabric stellt je nach Tätigkeit unterschiedliche „Experiences“ bereit – Engineering, Integration, Warehousing, Real-Time, BI – ohne dass Sie separate Produkte zusammenstückeln müssen.
3) Items = die konkreten Dinge, die Teams bauen
In Fabric bauen Sie „Items“ innerhalb von Workspaces (etwa Lakehouse, Warehouse, Pipelines, Notebooks, Eventstreams, Dashboards, semantische Modelle). OneLake speichert die Daten hinter diesen Items.
4) Capacity = der Regler, den Sie skalieren (und steuern)
Fabric nutzt ein kapazitätsbasiertes Modell (F-SKUs). Sie können dynamisch hoch- und herunterskalieren und die Kapazität sogar pausieren (Pay-as-you-go-Modell).
5) Governance = auffindbar, vertrauenswürdig und konform machen
Fabric umfasst Governance- und Compliance-Fähigkeiten, um Ihre Datenlandschaft zu verwalten und zu schützen, die Auffindbarkeit zu verbessern und regulatorische Anforderungen zu erfüllen.
6) Security = konsistente Kontrollen über alle Engines hinweg
Fabric hat ein geschichtetes Berechtigungsmodell (Workspace-Rollen, Item-Berechtigungen, Compute-Berechtigungen und Data-Plane-Kontrollen wie OneLake-Security).
Den richtigen Speicher wählen: Lakehouse vs. Warehouse vs. „anderes“
Genau hier werden viele Fabric-Projekte entweder elegant – oder chaotisch.
Lakehouse (am besten, wenn Sie Flexibilität + Spark + offene Lake-Muster wollen)
Nutzen Sie ein Lakehouse, wenn:
- Sie umfangreiches Data Engineering und Transformationen betreiben
- Sie Medallion-Muster wollen (Bronze/Silber/Gold)
- Sie strukturierte + semistrukturierte Daten mischen
- Sie Spark-native Entwickler-Workflows wollen
Warehouse (am besten, wenn Sie SQL-First-Analytics und Managed Warehousing wollen)
Fabric Data Warehouse ist als „Lake Warehouse“ positioniert, mit zwei Warehousing-Items (Warehouse-Item + SQL-Analytics-Endpunkt), und beinhaltet die Replikation zu OneLake-Dateien für externen Zugriff.
Real-Time Intelligence (am besten für Streaming-Events, Telemetrie, „Daten in Bewegung“)
Real-Time Intelligence ist eine End-to-End-Lösung für ereignisgesteuerte Szenarien – von Ingestion, Transformation, Speicherung, Analytics und Visualisierung bis zu Echtzeit-Aktionen.
Eventstreams können Events ohne Code aufnehmen und routen und Kafka-Endpunkte für die Konnektivität via Kafka-Protokoll bereitstellen.
Discovery: So entscheiden Sie, ob Fabric die richtige Plattform ist (fachlich + technisch)
Schritt 1 – Identifizieren Sie 3–5 „Leuchtturm“-Anwendungsfälle
Wählen Sie Anwendungsfälle, die die Plattform über den gesamten Lebenszyklus beweisen:
- Executive BI: zertifizierte Kennzahlen + governtes semantisches Modell
- Operative Analytics: Near-Real-Time-Dashboards + Alerts
- Data Engineering: Ingestion + Transformationen + Orchestrierung
- Governance: Lineage + Sensitivity-Labeling + Zugriffskontrollen
Schritt 2 – Bewerten Sie Ihren aktuellen Schmerz (und den erwarteten Nutzen)
Nutzen Sie eine einfache Scoring-Matrix:
- Time-to-Insight (Tage → Stunden?)
- Datenvertrauen (Single Source of Truth?)
- Security-Konsistenz (ein Modell vs. viele?)
- Kostenplanbarkeit (Capacity-Governance?)
- Wiederverwendung (geteilte Datasets und Pipelines?)
Schritt 3 – Klären Sie Ihre Rahmenbedingungen früh (sie verändern die Architektur)
- Datenresidenz- und Tenant-Anforderungen (siehe unsere Anmerkungen zu Fabric-Security, DSGVO und Netzwerkisolation)
- Identitätsmodell (Entra-ID-Gruppen, RBAC-Ansatz)
- Netzwerkhaltung (öffentliches Internet vs. Private Links)
- Lizenzierungs- & Konsummodell (breite interne Verteilung?)
Die Referenzarchitektur: eine einheitliche Fabric-Plattform, die skaliert
Hier ist ein bewährter Blueprint, der für die meisten Organisationen funktioniert.
Schicht 1 – Landing + Ingestion
Ziel: Daten zuverlässig hereinholen, mit minimaler Kopplung.
- Nutzen Sie Ingestion/Orchestrierung im Data-Factory-Stil (Pipelines, Konnektoren, Scheduling)
- Landen Sie Rohdaten in OneLake (oft „Bronze“)
- Halten Sie Ingestion-Verträge explizit (Schemata, SLAs, Quell-Owner)
Schicht 2 – Transformation (Medallion-Muster)
Ziel: wiederverwendbare, getestete Datasets erstellen.
- Bronze: roh, append-only, wo möglich unveränderlich
- Silber: bereinigt, konsolidiert, dedupliziert
- Gold: kuratiert, analysebereit, geschäftsfreundlich
Schicht 3 – Serving & Semantik
Ziel: Definitionen standardisieren, damit das Business aufhört, über Zahlen zu streiten.
Gold-Tabellen speisen:
- Warehouse-/SQL-Endpunkte für SQL-First-Analytics
- Power-BI-Semantikmodelle für governte Kennzahlen und Reports (innerhalb der einheitlichen Fabric-Umgebung)
Schicht 4 – Echtzeit-Spur (optional, aber wirkungsvoll)
Ziel: Events schnell erkennen und darauf reagieren (Minuten/Sekunden).
- Aufnahme mit Eventstreams
- Speichern/Abfragen mit Real-Time-Intelligence-Komponenten
- Aktionen auslösen mit Activator (No-/Low-Code-Ereigniserkennung und -Trigger)
Schicht 5 – Governance- & Security-Ebene (immer aktiv)
Ziel: alles ist auffindbar, klassifizierbar und kontrolliert.
- Microsoft-Purview-Integration für Governance
- Fabric-Governance- und Compliance-Fähigkeiten (Lineage, Schutz, Auffindbarkeit)
Security: So bauen Sie „secure by default“, ohne Teams auszubremsen
Verstehen Sie die Fabric-Berechtigungsschichten
Fabric nutzt mehrere Berechtigungstypen (Workspace-Rollen, Item-Berechtigungen, Compute-Berechtigungen und OneLake-Security), die zusammenwirken.
Praktische Regel:
- Workspace-Rollen regeln, „wer was tun darf“ in einem Workspace
- Item-Berechtigungen verfeinern den Zugriff je Artefakt
- OneLake-Security regelt den Data-Plane-Zugriff konsistent
OneLake-Security (feingranulare Data-Plane-Kontrollen)
OneLake-Security ermöglicht granulare, rollenbasierte Sicherheit für in OneLake gespeicherte Daten und ist darauf ausgelegt, konsistent über die Fabric-Compute-Engines hinweg durchgesetzt zu werden (nicht je Engine). Prüfen Sie den aktuellen Funktionsstand in Microsofts Dokumentation, bevor Sie sich in der Produktion darauf verlassen.
Netzwerkkontrollen: private Konnektivität + Outbound-Beschränkungen
Wenn Ihre Organisation eine strengere Netzwerkhaltung benötigt:
- Fabric unterstützt Private Links auf Tenant- und Workspace-Ebene und leitet den Verkehr über Microsofts privates Backbone.
- Sie können den Workspace-Outbound-Access-Schutz aktivieren, um ausgehende Verbindungen standardmäßig zu blockieren und dann nur genehmigte externe Verbindungen zuzulassen (Managed Private Endpoints oder Regeln).
Governance- & Compliance-Fähigkeiten
Fabric bietet Governance-/Compliance-Funktionen, um sensible Informationen zu verwalten, zu schützen, zu überwachen und ihre Auffindbarkeit zu verbessern.
Ein „guter Standard“-Governance-Modell:
- Standard-Workspace-Taxonomie (nach Domäne/Produkt, nicht nach Teamnamen)
- Definierte Data Owner + Stewards
- Zertifizierte Datasets + empfohlene Kennzahlen
- Verpflichtende Sensitivity-Labels für kuratierte/Gold-Assets (soweit zutreffend)
Capacity & Lizenzierung: das Wesentliche (was Führungskräfte wirklich wissen müssen)
Fabric nutzt Capacity-SKUs und hat zudem wichtige Implikationen für die Power-BI-Lizenzierung.
Zentrale offizielle Punkte aus Microsofts Preisdokumentation:
- Fabric-Kapazität kann hoch-/heruntergeskaliert und pausiert werden (Pay-as-you-go-Ansatz).
- Die Anforderungen der Power BI Pro-Lizenzierung erstrecken sich auf die Fabric-Kapazität für das Veröffentlichen/Konsumieren von Power-BI-Inhalten; ab F64 (Äquivalent zu Premium P1) oder größer benötigen Report-Konsumenten jedoch möglicherweise keine Pro-Lizenzen (gemäß Microsofts Lizenzierungsleitfaden).
So übersetzen Sie das in Planungsentscheidungen:
- Wenn Ihre Strategie eine breite interne Verteilung von BI-Inhalten umfasst, sollten Lizenzierung und Kapazitätsdimensionierung gemeinsam bewertet werden – nicht getrennt.
- Behandeln Sie Kapazität als geteilte Infrastruktur: definieren Sie, welche Workloads Priorität erhalten, und ziehen Sie Guardrails um die Nutzung von Dev/Test/Prod. Mehr dazu in Fabric-Multi-Tenancy, Lizenzierung und Kostenkontrolle.
KI & Copilot in Fabric: was es ist (und wie man es verantwortungsvoll einführt)
Copilot in Fabric bringt generative KI-Experiences, um Daten zu transformieren/analysieren und Erkenntnisse, Visualisierungen und Reports zu erstellen; die Verfügbarkeit variiert je nach Experience und Funktionsstand (einige sind Preview).
Best Practices für die Einführung:
- Aktivieren Sie es bewusst (nicht „überall einschalten“)
- Erstellen Sie Nutzungsrichtlinien (Datenschutz, menschliche Prüfung, freigegebene Datasets)
- Beginnen Sie mit risikoarmen Szenarien (Dokumentation, SQL-Entwürfe, Exploration)
OneLake-Shortcuts: vereinheitlichen ohne kopieren (und warum das Migrationen verändert)
Shortcuts erlauben es, Daten über Domänen/Clouds/Konten hinweg zu „virtualisieren“, indem OneLake zu einem einzigen virtuellen Data Lake wird; Fabric-Engines verbinden sich über einen einheitlichen Namespace, und OneLake verwaltet Berechtigungen/Anmeldeinformationen, sodass Sie nicht jede Workload separat konfigurieren müssen.
- Sie können doppelte Staging-Kopien reduzieren
- Sie können Legacy-Lakes/-Warehouses schrittweise migrieren
- Sie können Teams erlauben, Daten (vorübergehend) dort zu belassen, wo sie sind, während Sie die Governance zentralisieren
Ein praktischer End-to-End-Rollout-Plan (Discovery → Pilot → Produktion)
Phase 1 – 2–4 Wochen: Discovery & Plattform-Blueprint
Ergebnisse:
- Zielarchitektur (Lakehouse-/Warehouse-/Echtzeit-Spuren)
- Workspace-Strategie und Namensstandards
- Sicherheitsmodell (Gruppen, Rollen, Datenzugriffsmuster)
- Governance-Modell (Ownership, Zertifizierung, Lineage-Erwartungen)
- Erste Hypothese zur Kapazitätsdimensionierung
Phase 2 – 4–8 Wochen: Pilot („Thin Slice“ End-to-End)
Wählen Sie einen Leuchtturm-Anwendungsfall und implementieren Sie den vollständigen Lebenszyklus:
- Ingestion → Bronze → Silber → Gold
- Ein governtes semantisches Modell und 2–3 Business-Reports
- Datenqualitätsprüfungen + Monitoring
- Rollenbasierter Zugriff + auditfähige Governance-Story
Erfolgskriterien (seien Sie explizit):
- Weniger manuelle Schritte
- Klare Lineage und Ownership
- Schnellere Durchlaufzeit für neue Datasets
- Ein wiederholbares Muster, das andere kopieren können
Phase 3 – 8–16 Wochen: Produktionsfundament
- Getrennte Dev/Test/Prod-Workspaces (oder klare Release-Flows)
- CI/CD- und Deployment-Muster (was auch immer Ihr Organisationsstandard ist)
- Kostenkontrollen: Kapazitäts-Scheduling, Workload-Priorisierung, Nutzungs-Monitoring
- Netzwerkhaltung: Private Links und Outbound-Regeln, falls erforderlich
Phase 4 – Skalieren: Domänen-Rollout + Self-Service-Enablement
- Schaffen Sie „Golden Paths“ (Vorlagen für Pipelines, Lakehouses, semantische Modelle)
- Schulung nach Persona: Analysten (Power BI + Governance), Engineers (Lakehouse-Muster, Orchestrierung), Ops/Admins (Security, Capacity, Monitoring)
- Etablieren Sie ein Data-Product-Betriebsmodell (Ownership, SLAs, Versionierung)
Häufige Fallstricke (und wie Sie sie vermeiden)
1. Fabric wie „bloß ein BI-Tool“ behandeln – Fabric ist eine vollwertige Analytics-Plattform; planen Sie Governance, Engineering-Standards und ein Betriebsmodell von Tag eins an.
2. Lakehouse vs. Warehouse nicht bewusst entscheiden – Nutzen Sie Microsofts Entscheidungsleitfaden und richten Sie sich nach Workload/Persona aus.
3. Inkonsistente Sicherheit zwischen Workspaces und Daten – Definieren Sie eine einzige Berechtigungsstrategie und verstehen Sie, wie Fabrics Berechtigungsschichten zusammenwirken.
4. Netzwerkanforderungen unterschätzen – Wenn Ihre Organisation Private-Network-First ist, planen Sie Private Links und Outbound-Beschränkungen früh.
5. Capacity ohne FinOps – Kapazität wird geteilt – ohne Guardrails treten „Noisy Neighbor“-Probleme schnell auf. Etablieren Sie Richtlinien, Monitoring und Umgebungstrennung.
Die „richtig gemacht“-Fabric-Checkliste (zum Kopieren)
Strategie
☐ 3–5 Leuchtturm-Anwendungsfälle mit messbaren Ergebnissen
☐ Zielarchitektur und Workload-Mapping
☐ Kapazitätsmodell + Verteilungs-/Lizenzierungsplan
Plattformfundament
☐ Workspace-Taxonomie und Namensstandards
☐ Dev/Test/Prod-Trennung
☐ CI/CD- oder Release-Prozess definiert
Datenarchitektur
☐ Bronze/Silber/Gold-Muster definiert
☐ Lakehouse-vs.-Warehouse-Entscheidungen dokumentiert
☐ Echtzeit-Spur (falls nötig) mit Eventstreams/RTI
Security & Governance
☐ Berechtigungsmodell dokumentiert (Rollen, Items, Compute, OneLake)
☐ OneLake-Security-Strategie (soweit zutreffend)
☐ Ansatz zur Purview-Governance-Integration
☐ Netzwerkhaltung (Private Links / Outbound-Regeln), falls erforderlich
Fazit
Microsoft Fabric markiert einen bedeutenden Wandel in der Landschaft der Datenplattformen. Indem es den gesamten Analytics-Lebenszyklus vereinheitlicht – von der Datenaufnahme bis zur Business Intelligence –, hat Fabric das Potenzial, Datenzersplitterung zu beseitigen, Governance zu vereinfachen und Organisationen zu befähigen, bessere und schnellere Entscheidungen zu treffen. Eine erfolgreiche Fabric-Einführung erfordert jedoch sorgfältige Planung, ein klares Verständnis der Kernkonzepte und ein phasenweises Vorgehen. Wenn Sie die in diesem Leitfaden beschriebenen Best Practices befolgen, können Sie das volle Potenzial von Microsoft Fabric erschließen und eine Datenplattform bauen, die zugleich leistungsstark und zukunftssicher ist.
Der nächste Schritt
Bereit, Ihre Microsoft-Fabric-Reise zu beginnen? Unser Data Platforms & Analytics -Team entwirft und implementiert Fabric-Plattformen mit eingebauter EU-Datenresidenz und Governance – kontaktieren Sie uns für ein Erstgespräch, oder lesen Sie den deutschen Überblick unter Datenplattformen & Analytics.
Quellen
- What is Microsoft Fabric – Microsoft Learn
- OneLake, the OneDrive for data
- Microsoft Fabric – Pricing
- Governance and compliance in Microsoft Fabric
- Permission model – Microsoft Fabric
- Decision guide: Warehouse vs Lakehouse
- What Is Fabric Data Warehouse?
- Real-Time Intelligence documentation
- Eventstreams overview
- What is Fabric Activator?
- Use Microsoft Purview to govern Microsoft Fabric
- OneLake security overview
- Private Links for secure access to Fabric
- Workspace outbound access protection
- Overview of Copilot in Fabric
- Unify data sources with OneLake shortcuts