Für alle, die Power BI kennen und jetzt verstehen wollen, was Microsoft Fabric darunter aufbaut — von OneLake über Lakehouse, Warehouse, Pipelines und Notebooks bis zum Direct-Lake-Modell im Power-BI-Bericht. Mit einem End-to-End-Beispiel und Tiefenfokus auf Direct Lake und Snowflake-Integration.
v 1 · Einsteiger
Beta · Stand Juli 2026 · DE
6 Sektionen
40 klickbare Detail-Karten
Dieser Guide ist kein Buch, das du von vorn nach hinten liest. Es ist eine Klick-Erkundung: sechs Sektionen, je 6–10 anklickbare Karten, jede führt zu einem Detail-Fenster mit Erklärung, Schritt-für-Schritt und Original-Screenshots aus Microsoft Learn.
Wenn du aus der Power-BI-Welt kommst, ist der rote Faden: Sektion 1 → 2 → 3 baut das mentale Modell (Was ist Fabric? → Welche Bausteine gibt es? → Wie kommt daraus ein Power-BI-Bericht?). Sektion 4 macht es einmal komplett praktisch durch. Sektion 5 (Snowflake) und 6 (Architektur-Entscheidungen) sind Vertiefung für konkrete Projektfragen.
Wenn du eine Karte anklickst, öffnet sich ein Modal. Mit Esc schließen, oder neben das Fenster klicken.
Die Reise durch Microsoft Fabric
Sechs Etappen, von der Einordnung bis zur Architektur-Entscheidung. Klick führt direkt zur Sektion.
Microsoft Fabric ist kein weiteres Azure-Tool, sondern der Versuch, den kompletten Analytics-Stack — Integration, Engineering, Warehousing, Streaming, BI — als eine SaaS-Plattform zu bündeln. Wer versteht, warum es Fabric gibt und wie Power BI hineinpasst, kann jede weitere Detail-Frage einsortieren.
Als erstes„Was ist Microsoft Fabric?" und „Fabric & Power BI" lesen — das ist die Grundorientierung. Danach „Workloads & Experiences" für den Überblick, was alles dazugehört.
1
Plattform · Datensee · Datenkopie
Das Kernversprechen von Fabric: Eine SaaS-Plattform statt vieler einzeln zu konfigurierender PaaS-Dienste, ein logischer Data Lake (OneLake) für den ganzen Tenant, und eine einzige Kopie der Daten, auf der alle Engines arbeiten — Spark, T-SQL, KQL und Power BI.
Vorher: Azure Data Factory für Integration, Synapse für Warehouse und Spark, Event Hubs + Stream Analytics für Streaming, Power BI für Reporting — vier Dienste, vier Sicherheitsmodelle, viele Datenkopien.
Mit Fabric: dieselben Fähigkeiten als Workloads einer Plattform, mit gemeinsamem Speicher (OneLake), gemeinsamer Governance (Purview) und gemeinsamer Abrechnung (Capacity Units).
02
Architektur & zentrale Komponenten
10 Karten · Klickbar
Alles in Fabric folgt demselben Muster: Daten liegen einmal in OneLake (Delta Parquet), verschiedene Engines rechnen darauf, und Shortcuts holen externe Daten dazu, ohne sie zu kopieren. Wer diese Bausteine kennt, kann jede Fabric-Architektur lesen.
Als erstes„OneLake" öffnen — ohne OneLake ergibt der Rest keinen Sinn. Danach „Lakehouse" und „Warehouse" im Vergleich, dann „Medallion" für das Zusammenspiel.
→→
03
Semantische Modelle & Direct Lake
6 Karten · Klickbar
Das semantische Modell ist die Brücke zwischen Fabric und Power BI: Measures, Beziehungen und Business-Logik über den Delta-Tabellen. Neu in Fabric ist Direct Lake — ein Storage Mode, der Import-Performance mit DirectQuery-Frische kombiniert, weil er Delta-Dateien direkt aus OneLake liest.
Als erstes„Direct Lake verstehen" — das ist der Grund, warum sich Fabric für Power-BI-Teams lohnt. Danach „Import · DirectQuery · Direct Lake" für die Einordnung gegen die bekannten Modi.
0
Datenkopien & klassische Refreshes
Direct Lake importiert nichts: Das Modell lädt Spalten bei Bedarf direkt aus den Delta-Parquet-Dateien in OneLake in den Speicher. Ein „Refresh" ist nur noch eine Metadaten-Operation (Framing) — Sekunden statt Stunden, auch bei Milliarden Zeilen.
Warum das funktioniert: Delta-Parquet mit V-Order-Kompression ist so organisiert, dass die VertiPaq-Engine die Daten fast direkt verarbeiten kann (Transcoding statt Import). Abfragen laufen In-Memory wie im Import Mode.
Der Haken: Guardrails pro F-SKU (Zeilen, Dateien, Speicher) — und je nach Variante ein Fallback auf DirectQuery, den man kennen muss. Details in den Karten.
04
End-to-End: von Daten zum Bericht
6 Karten · Klickbar · als Übung durchspielbar
Einmal komplett durch: Beispieldaten nach OneLake bringen, mit Pipeline oder Notebook transformieren, im Lakehouse strukturieren, ein semantisches Modell bauen, einen Power-BI-Bericht veröffentlichen. Die Karten folgen dem offiziellen Lakehouse-Tutorial von Microsoft (Wide World Importers) — mit einer Fabric-Trial-Kapazität komplett kostenlos nachbaubar.
Als erstesDie Karten in Reihenfolge 1 → 6 lesen — sie sind als Etappen eines durchgängigen Beispiels geschrieben. Wer mitbauen will: Fabric-Trial aktivieren (60 Tage) und das verlinkte Original-Tutorial parallel öffnen.
05
Sonderthema: Snowflake-Daten in Fabric
6 Karten · Klickbar
Viele Unternehmen haben ihr Warehouse in Snowflake und ihr Reporting in Power BI. Fabric bietet dafür drei sehr unterschiedliche Integrationswege: Mirroring (Replikation nach OneLake), Iceberg-Shortcuts (Zero-Copy) und den klassischen Connector (Import/DirectQuery). Die Wahl bestimmt Architektur, Latenz, Kosten und Governance.
Als erstes„Mirroring" lesen — der von Microsoft empfohlene Standardweg mit kostenloser Replikation. Dann „Die drei Ansätze im Vergleich", bevor du dich festlegst.
06
Zusammenfassung & typische Architekturen
6 Karten · Klickbar
Am Ende laufen alle Fabric-Fragen auf wenige Entscheidungen zusammen: Lakehouse oder Warehouse? Copy, Dataflow oder Spark? Import oder Direct Lake? Microsoft dokumentiert dafür offizielle Decision Guides — diese Sektion fasst sie zusammen und zeigt typische Referenzarchitekturen.
Als erstes„Lakehouse oder Warehouse?" — die häufigste Frage, mit der offiziellen Drei-Fragen-Regel. Danach „Import oder Direct Lake?" für die Modell-Seite.
Quellen & weiterführende Literatur
Dieser Guide stützt sich auf die offizielle Microsoft-Learn-Dokumentation zu Microsoft Fabric und auf etablierte Community-Quellen (SQLBI/Marco Russo, Chris Webb, Sandeep Pawar, Nikola Ilic, James Serra u. a.). Jede zitierte Zahl ist hier rückverfolgbar. Quellen-Validierung Juli 2026: F-SKU-Staffelung und P-SKU-Retirement, Direct-Lake-Guardrail-Tabelle, Framing/Transcoding-Mechanik, Snowflake-Mirroring-Konditionen (GA, kostenlose Replikations-Compute, 1 TB freier Mirroring-Storage pro CU) und die Decision-Guide-Kriterien wurden gegen Microsoft Learn verifiziert. Screenshots: Die in den Modal-Karten eingebetteten Abbildungen stammen direkt vom Microsoft-Learn-CDN und stehen unter der Microsoft-Dokumentations-Lizenz (CC BY 4.0) zur Nutzung mit Quellenangabe. Fabric entwickelt sich monatlich weiter — im Zweifel die jeweils verlinkte Quell-Seite konsultieren.