Was ist der Unterschied zwischen ETL und ELT?

Bei ETL werden Daten vor dem Laden transformiert, bei ELT erst nach dem Laden in die Zielumgebung. Welche Variante passt, hängt von Architektur und Verarbeitungskonzept ab.

Gehört Datenqualität zu Data Engineering?

Ja. Dazu zählen technische Prüfungen, Plausibilisierung, Standardisierung und die Behandlung fehlerhafter oder unvollständiger Datensätze.

Ist Data Engineering nur für grosse Datenmengen relevant?

Nein. Auch bei kleineren Datenbeständen kann eine saubere Datenintegration und Modellierung nötig sein, etwa für Reporting oder Systemkopplungen.

Welche Systeme werden typischerweise angebunden?

Häufig sind das Fachanwendungen wie ERP und CRM, relationale Datenbanken, Webplattformen, Logdatenquellen, APIs oder Dateien aus Drittsystemen.

Datentechnik | Data Engineering

Datentechnik | Data Engineering befasst sich mit der technischen Bereitstellung, Aufbereitung und Verteilung von Daten für Analyse-, Reporting- und operative Systeme. Dazu gehören Datenflüsse zwischen Quellsystemen, die Strukturierung in geeigneten Speicherumgebungen sowie Regeln für Qualität, Aktualität und Nachvollziehbarkeit. Im Unterschied zur Datenanalyse steht nicht die Interpretation der Ergebnisse im Vordergrund, sondern der Aufbau einer belastbaren Datenbasis.

Was Datentechnik in der Praxis umfasst

Data Engineering verbindet Datenquellen, Transformationsschritte und Zielsysteme zu einer funktionsfähigen Datenarchitektur. Typische Aufgaben sind das Extrahieren aus Fachanwendungen, das Bereinigen und Vereinheitlichen von Daten, das Modellieren für analytische oder operative Zwecke sowie das Laden in Datenplattformen. Hinzu kommen Themen wie Pipeline-Orchestrierung, Fehlerbehandlung, Versionierung, Dokumentation und die technische Absicherung von Datenqualität.

Einsatzfelder zwischen Quellsystemen und Nutzung

Die Leistung wird eingesetzt, wenn Daten aus mehreren Systemen zusammengeführt oder in verwertbare Strukturen überführt werden müssen. Das betrifft etwa ERP-, CRM-, Web-, Sensor- oder Transaktionsdaten, die für Reporting, Machine-Learning-Modelle, Dashboards oder interne Schnittstellen bereitgestellt werden. Auch bei der Migration von Datenbeständen, beim Aufbau eines Data Warehouse oder bei der Vereinheitlichung historischer und laufender Datenströme ist Data Engineering gefragt.

Verarbeitungsformen und Architekturansätze

Je nach Anforderung kommen unterschiedliche Verarbeitungsmodelle zum Einsatz. Batch-Verarbeitung eignet sich für periodische Läufe, während Streaming oder ereignisnahe Verarbeitung auf geringe Latenzen ausgerichtet ist. Technisch werden häufig ETL- oder ELT-Ansätze verwendet; als Zielumgebungen dienen etwa Data Warehouses, Data Lakes oder kombinierte Architekturen. Ob eine Lösung lokal, in der Cloud oder hybrid betrieben wird, hängt von Datenquellen, Sicherheitsanforderungen, Betriebsmodell und Integrationsaufwand ab.

Einordnung innerhalb von Data Science und Abgrenzung

Innerhalb der Hierarchie unter Datenwissenschaften | Data Science stellt Data Engineering die technische Grundlage für datenbasierte Arbeit bereit. Datenanalyse | Data Analytics nutzt die aufbereiteten Daten zur Auswertung und Interpretation, während Data Mining Muster, Zusammenhänge oder Auffälligkeiten in Datenbeständen identifiziert. Datendienste | Data Services fokussieren stärker auf die Bereitstellung von Daten, Schnittstellen oder datenbezogenen Betriebsleistungen. Data Engineering liegt davor und dazwischen: Es sorgt dafür, dass Daten konsistent, verknüpfbar und technisch nutzbar vorliegen.

0 Anbieter

Die folgenden Unternehmen bieten Leistungen im Bereich Datentechnik | Data Engineering an. Die Einträge unterscheiden sich unter anderem nach technischer Ausrichtung, Projektfokus und angebundenen Systemlandschaften.

Unter dieser Leistung wurde noch kein Anbieter eingetragen.

Fragen & Antworten zu Datentechnik | Data Engineering

Was ist der Unterschied zwischen ETL und ELT?

Bei ETL werden Daten vor dem Laden transformiert, bei ELT erst nach dem Laden in die Zielumgebung. Welche Variante passt, hängt von Architektur und Verarbeitungskonzept ab.
Gehört Datenqualität zu Data Engineering?

Ja. Dazu zählen technische Prüfungen, Plausibilisierung, Standardisierung und die Behandlung fehlerhafter oder unvollständiger Datensätze.
Ist Data Engineering nur für grosse Datenmengen relevant?

Nein. Auch bei kleineren Datenbeständen kann eine saubere Datenintegration und Modellierung nötig sein, etwa für Reporting oder Systemkopplungen.
Welche Systeme werden typischerweise angebunden?

Häufig sind das Fachanwendungen wie ERP und CRM, relationale Datenbanken, Webplattformen, Logdatenquellen, APIs oder Dateien aus Drittsystemen.

Weitere Leistungen unter
Datenwissenschaften | Data Science

Machen Sie Ihre Firma hier sichtbar.

Bieten Sie mit Ihrem Unternehmen in der Branche Informatik & Web die Leistung Datentechnik | Data Engineering an? Dann erstellen Sie jetzt ein kostenloses Firmenprofil.

Jetzt Firmenprofil erstellen