Microsoft Fabric: Die neue Datenplattform erklärt

Was ist Microsoft Fabric?

Microsoft Fabric ist eine vereinheitlichte Analytics-Plattform, die im Mai 2023 angekündigt und Ende 2023 allgemein verfügbar wurde. Anders als bisherige Microsoft-Datenprodukte — die als separate Services in Azure existierten — vereint Fabric alle Daten-Workloads unter einem Dach: von der Datenaufnahme über die Transformation bis zum Reporting.

Der entscheidende Paradigmenwechsel: Fabric ist kein neues Azure-Produkt, sondern eine SaaS-Plattform, die auf den bewährten Technologien von Azure Synapse, Data Factory und Power BI aufbaut — aber die Komplexität der Infrastrukturverwaltung beseitigt. Sie müssen keine Ressourcen provisionieren, keine Netzwerke konfigurieren und keine Cluster skalieren. Stattdessen arbeiten Sie in einer browserbasierten Umgebung mit einer gemeinsamen Kapazität.

Die Komponenten im Überblick

OneLake: Der einheitliche Speicher

OneLake ist das Fundament von Fabric. Es handelt sich um einen mandantenweiten Data Lake basierend auf Azure Data Lake Storage Gen2, der automatisch mit jeder Fabric-Kapazität bereitgestellt wird. Das Besondere: Alle Fabric-Workloads lesen und schreiben in denselben OneLake — es gibt keine Datensilos und keine unnötigen Kopien.

OneLake unterstützt das offene Delta Lake / Parquet-Format, sodass Daten auch mit Tools außerhalb von Fabric abgefragt werden können. Über sogenannte Shortcuts lassen sich externe Speicher (Azure Blob, S3, Google Cloud Storage) einbinden, ohne Daten physisch zu verschieben.

Data Factory: Datenintegration

Die Fabric-Version von Data Factory ermöglicht die Erstellung von Datenpipelines und Dataflows direkt im Browser. Mit über 150 nativen Konnektoren können Sie Daten aus SaaS-Applikationen, Datenbanken, APIs und Dateien laden. Die vertraute Power-Query-Oberfläche macht den Einstieg einfach — auch für Fachbereiche ohne Programmierkenntnisse.

Synapse Data Engineering & Data Science

Für Data Engineers bietet Fabric Spark-basierte Notebooks mit Python, Scala, R und SparkSQL-Unterstützung. Die Spark-Umgebung startet in Sekunden — ohne Cluster-Management. Data Scientists können Machine-Learning-Modelle trainieren, Experimente tracken und Modelle deployen — alles integriert in die Plattform.

Synapse Data Warehouse

Das Fabric Data Warehouse bietet eine vollständige T-SQL-Erfahrung über verteilten Speicher. Anders als traditionelle Cloud Data Warehouses trennt Fabric Compute und Storage vollständig — Sie zahlen nur für die tatsächlich genutzte Rechenleistung. Cross-Database-Queries ermöglichen Abfragen über mehrere Warehouses und Lakehouses hinweg.

Power BI: Visualisierung und Reporting

Power BI ist nicht mehr nur ein BI-Tool, sondern die Präsentationsschicht von Fabric. Berichte und Dashboards greifen direkt auf OneLake-Daten zu — im sogenannten DirectLake-Modus, der die Geschwindigkeit von Import-Modellen mit der Aktualität von DirectQuery verbindet. Semantic Models (ehemals Datasets) werden zum zentralen Layer für konsistente Metriken im gesamten Unternehmen.

Real-Time Intelligence

Für Echtzeit-Szenarien bietet Fabric Eventstreams und KQL-Datenbanken. Damit lassen sich IoT-Daten, Clickstreams und Transaktionsevents in Echtzeit verarbeiten und visualisieren — ein Bereich, der bisher separate Azure-Dienste wie Event Hubs und Azure Data Explorer erforderte.

Lakehouse vs. Data Warehouse in Fabric

Eine der häufigsten Fragen bei der Fabric-Einführung: Soll ich ein Lakehouse oder ein Data Warehouse verwenden? Die Antwort hängt von Ihrem Team und Ihren Daten ab.

Das Fabric Lakehouse eignet sich für:

• Teams, die mit Spark, Python oder Scala arbeiten
• Unstrukturierte und semi-strukturierte Daten (JSON, CSV, Parquet, Bilder)
• Szenarien, in denen Data Engineering und Data Science eng verzahnt sind
• Flexible Schemata, die sich häufig ändern

Das Fabric Data Warehouse eignet sich für:

• Teams mit SQL-Expertise, die T-SQL bevorzugen
• Strukturierte, relationale Daten mit stabilen Schemata
• Klassische BI-Szenarien mit Star- und Snowflake-Schemata
• Szenarien mit strengen Governance-Anforderungen und Views

Das Beste: Beide Optionen speichern Daten im selben OneLake. Sie können ein Lakehouse und ein Warehouse parallel betreiben und per Cross-Database-Queries kombinieren — ohne Daten zu duplizieren.

Für wen eignet sich Fabric?

Mittelstand (100 – 2.000 Mitarbeitende)

Für mittelständische Unternehmen ist Fabric besonders attraktiv, weil es die Komplexität einer modernen Datenplattform drastisch reduziert. Statt Azure-Dienste einzeln zu konfigurieren und zu verwalten, erhalten Sie eine schluesselfertige Plattform. Ein typisches Szenario: ERP- und CRM-Daten per Data Factory laden, im Lakehouse transformieren und in Power BI visualisieren — alles in einer Umgebung.

Großunternehmen und Konzerne

Für größere Organisationen bietet Fabric Multi-Workspace-Governance, Kapazitätsmanagement und Purview-Integration. Die Möglichkeit, verschiedene Fachbereiche in eigenen Workspaces arbeiten zu lassen — bei gleichzeitig zentraler Datenhaltung in OneLake — löst das klassische Spannungsfeld zwischen Dezentralisierung und Governance.

Weniger geeignet für...

Unternehmen mit Multi-Cloud-Strategien, die bewusst herstellerunabhängig bleiben wollen, sollten Fabric kritisch evaluieren. Die Plattform ist stark an das Microsoft-Ökosystem gebunden. Auch Organisationen mit extrem hohen Echtzeitanforderungen (Sub-Millisekunde) oder spezialisierten Workloads (z.B. Graphdatenbanken) werden weiterhin spezialisierte Dienste benötigen.

Fabric vs. traditionelle Datenarchitekturen

Traditionell bauen Unternehmen ihre Datenplattform aus einzelnen Azure-Diensten zusammen: Azure Data Factory für ETL, Azure Synapse für Warehousing, Azure Databricks für Data Science, Power BI für Reporting. Das Ergebnis sind separate Compute-Instanzen, separate Speicher, separate Sicherheitsmodelle und hoher Betriebsaufwand.

Fabric ersetzt diesen Baukastenansatz durch eine integrierte Plattform. Die wichtigsten Vorteile:

• Kein Datenverschieben: Alle Workloads greifen auf OneLake zu — keine Kosten für Datenverschiebung, keine Konsistenzprobleme.
• Einheitliche Governance: Ein Sicherheitsmodell für alle Workloads, integriert mit Microsoft Entra ID und Purview.
• Reduzierter Betrieb: Keine Infrastrukturverwaltung, automatische Updates, keine Cluster-Skalierung.
• Shared Capacity: Eine Kapazität für alle Workloads — ETL-Jobs, SQL-Queries und Reports teilen sich dieselben Ressourcen.
• Niedrigere Einstiegskosten: Pay-as-you-go ab der F2-SKU ermöglicht den Start mit minimaler Investition.

Kosten und Lizenzmodell

Fabric nutzt ein kapazitätsbasiertes Lizenzmodell mit sogenannten Capacity Units (CUs). Die Kapazität wird über SKUs (Stock Keeping Units) erworben:

• F2 (Einstieg): ab ca. 260 €/Monat — geeignet für PoCs und kleine Teams. Enthält 2 CUs.
• F8: ab ca. 520 €/Monat — produktionsfähig für kleine bis mittlere Workloads. Ab F8 sind auch Power BI-Berichte für Nutzer ohne Pro-Lizenz freigegeben.
• F64: ab ca. 4.700 €/Monat — für mittelgroße Unternehmen mit mehreren Workloads.
• F128 und höher: für Enterprise-Szenarien mit hohem Datenvolumen und vielen parallelen Nutzern.

Zusätzlich bietet Microsoft die Pay-as-you-go-Option (PAYG) über Azure, bei der Sie nur für tatsächlich verbrauchte Compute-Sekunden zahlen. Diese Option eignet sich hervorragend für Workloads mit variabler Last oder für den Einstieg, bevor eine feste Kapazität erworben wird.

Erste Schritte: Wie startet man mit Fabric?

Der empfohlene Einstieg in Microsoft Fabric folgt einem pragmatischen Ansatz:

1. Trial aktivieren: Microsoft bietet eine kostenlose 60-Tage-Testversion mit F64-Kapazität. Nutzen Sie diesen Zeitraum, um die Plattform kennenzulernen und erste Use Cases umzusetzen.
2. Use Case identifizieren: Wählen Sie einen konkreten, abgegrenzten Use Case — zum Beispiel ein bestehendes Power BI-Projekt, das von DirectLake profitieren würde, oder eine manuelle Excel-Auswertung, die automatisiert werden soll.
3. Workspace einrichten: Erstellen Sie einen Fabric-Workspace, definieren Sie Berechtigungen und richten Sie die Verbindung zu Ihren Quellsystemen ein.
4. Lakehouse oder Warehouse erstellen: Entscheiden Sie basierend auf Ihrem Team und Ihren Daten (siehe Abschnitt oben), welchen Ansatz Sie verfolgen.
5. Pipeline bauen: Laden Sie Daten über eine Data Factory Pipeline oder einen Dataflow Gen2 in Ihr Lakehouse/Warehouse.
6. Semantic Model und Bericht erstellen: Erstellen Sie ein Power BI Semantic Model auf Ihren Fabric-Daten und bauen Sie einen ersten Bericht.
7. Governance definieren: Vor dem Rollout: Domains, Sensitivity Labels, Endorsement-Richtlinien und Kapazitätsregeln festlegen.

Bei IT SEMANTIC begleiten wir Unternehmen vom ersten Proof of Concept bis zur produktiven Fabric-Plattform. Unser Ansatz umfasst die Architekturplanung, die Implementierung der ersten Workloads und die Schulung Ihres Teams — damit Sie Fabric nachhaltig und eigenständig nutzen können.

Fazit

Microsoft Fabric ist mehr als ein weiteres Azure-Update — es ist ein Paradigmenwechsel in der Art, wie Unternehmen mit Daten arbeiten. Die Vereinheitlichung von Speicher, Compute, Governance und Visualisierung in einer SaaS-Plattform beseitigt technische Schulden und reduziert die Komplexität drastisch.

Für Unternehmen im Microsoft-Ökosystem ist Fabric der logische nächste Schritt. Entscheidend ist, klein zu starten, einen klaren Use Case zu verfolgen und die Plattform iterativ auszubauen. So vermeiden Sie überdimensionierte Projekte und schaffen früh Mehrwert.