{
 "id": "tool:sql-endpoint",
 "name": "SQL Endpoint",
 "typ": "tool",
 "slug": "sql-endpoint",
 "stand": "2026-09-07",
 "build": "20260907-1949",
 "zitieren_als": "Daten-WG, <Dokumenttitel>, <mm:ss>, <url>",
 "url": "https://datenwgknowledgekitchen.com/wissensgraph/thema/sql-endpoint.html",
 "canonical": "https://datenwgknowledgekitchen.com/wissensgraph/thema/sql-endpoint.html",
 "markdown": "https://datenwgknowledgekitchen.com/wissensgraph/library/sql-endpoint.md",
 "json": "https://datenwgknowledgekitchen.com/wissensgraph/library/sql-endpoint.json",
 "dokumente_gesamt": 4,
 "kernaussagen_gesamt": 10,
 "mit_kernaussagen": 7,
 "aliase": [
  "SQL Analytics Endpoint",
  "SQL-Endpunkt"
 ],
 "einordnung": "Mirroring in Fabric wuerde es heute ermoeglichen, SAP-Datasphere-Daten automatisch in ein per SQL-Endpunkt lesbares Format zu ueberfuehren, war zum Projektzeitpunkt aber noch nicht verfuegbar. (Stand 2026-08) Bei einem groesseren SAP-Konzernprojekt wurden Bronze und Silber als Warehouse aufgebaut, weil das Pipeline-Feature zum Refresh der SQL-Endpunkt-Metadaten damals noch nicht existierte. (Stand 2026-08) Für Direct Lake gab es weiterhin Probleme, während der Import-Modus über den SQL-Endpoint funktionierte. (Stand 2026-03)",
 "nachbarn": [
  {
   "id": "tool:composite-models",
   "name": "Composite Models",
   "kantentyp": "ersetzt",
   "belastbarkeit": "automatisch extrahiert, Quellenstelle vorhanden",
   "gemeinsame_segmente": 0,
   "beleg": "die Möglichkeit bietet Direct Lake Tabellen aus nicht mehr über den Sequel Endpunkt konsumieren zu müssen",
   "datei": "composite-models.md"
  },
  {
   "id": "tool:direct-lake",
   "name": "Direct Lake",
   "kantentyp": "setzt-voraus",
   "belastbarkeit": "automatisch extrahiert, Quellenstelle vorhanden",
   "gemeinsame_segmente": 10,
   "beleg": "dem Sequel Endpoint verbundenen Direct Lake und und dem Lake verbundenen Direct Lake",
   "datei": "direct-lake.md"
  },
  {
   "id": "tool:notebook",
   "name": "Notebook",
   "kantentyp": "ersetzt",
   "belastbarkeit": "automatisch extrahiert, Quellenstelle vorhanden",
   "gemeinsame_segmente": 4,
   "beleg": "Wenn du das Lake House über die Pipeline jagst, kriegst du die Daten aus dem SQLM Punkt nicht angezeigt ... die Definition der Views in TSQL Notebooks gepackt",
   "datei": "notebook.md"
  },
  {
   "id": "tool:sql",
   "name": "SQL",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 16,
   "beleg": "",
   "datei": "sql.md"
  },
  {
   "id": "tool:lakehouse",
   "name": "Lakehouse",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 13,
   "beleg": "",
   "datei": "lakehouse.md"
  },
  {
   "id": "tool:microsoft-fabric",
   "name": "Microsoft Fabric",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 11,
   "beleg": "",
   "datei": "microsoft-fabric.md"
  },
  {
   "id": "tool:delta-lake",
   "name": "Delta Lake",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 10,
   "beleg": "",
   "datei": "delta-lake.md"
  },
  {
   "id": "tool:warehouse",
   "name": "Warehouse",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 7,
   "beleg": "",
   "datei": "warehouse.md"
  },
  {
   "id": "tool:onelake",
   "name": "OneLake",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 7,
   "beleg": "",
   "datei": "onelake.md"
  },
  {
   "id": "tool:sql-server",
   "name": "SQL Server",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 5,
   "beleg": "",
   "datei": "sql-server.md"
  },
  {
   "id": "tool:power-bi",
   "name": "Power BI",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 5,
   "beleg": "",
   "datei": "power-bi.md"
  },
  {
   "id": "tool:semantic-model",
   "name": "Semantic Model",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 4,
   "beleg": "",
   "datei": "semantic-model.md"
  },
  {
   "id": "topic:reporting",
   "name": "Reporting",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 4,
   "beleg": "",
   "datei": "reporting.md"
  },
  {
   "id": "tool:data-pipeline",
   "name": "Data Pipeline",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 4,
   "beleg": "",
   "datei": "data-pipeline.md"
  },
  {
   "id": "tool:directquery",
   "name": "DirectQuery",
   "kantentyp": "ko-vorkommen",
   "belastbarkeit": "Heuristik, gezählt",
   "gemeinsame_segmente": 4,
   "beleg": "",
   "datei": "directquery.md"
  }
 ],
 "kernaussagen": [
  {
   "typ": "Fakt",
   "dokument": "Daten-WG Life-Update | Fabric Architekturen",
   "dokument_id": "yt:J-lN5JN-F5I",
   "sekunde": 113,
   "zeit": "01:53",
   "url": "https://www.youtube.com/watch?v=J-lN5JN-F5I&t=113s",
   "aussage": "Mirroring in Fabric wuerde es heute ermoeglichen, SAP-Datasphere-Daten automatisch in ein per SQL-Endpunkt lesbares Format zu ueberfuehren, war zum Projektzeitpunkt aber noch nicht verfuegbar."
  },
  {
   "typ": "Fakt",
   "dokument": "Daten-WG Life-Update | Fabric Architekturen",
   "dokument_id": "yt:J-lN5JN-F5I",
   "sekunde": 760,
   "zeit": "12:40",
   "url": "https://www.youtube.com/watch?v=J-lN5JN-F5I&t=760s",
   "aussage": "Bei einem groesseren SAP-Konzernprojekt wurden Bronze und Silber als Warehouse aufgebaut, weil das Pipeline-Feature zum Refresh der SQL-Endpunkt-Metadaten damals noch nicht existierte."
  },
  {
   "typ": "Warnung",
   "dokument": "Daten-WG Life-Update | Fabric Architekturen",
   "dokument_id": "yt:J-lN5JN-F5I",
   "sekunde": 824,
   "zeit": "13:44",
   "url": "https://www.youtube.com/watch?v=J-lN5JN-F5I&t=824s",
   "aussage": "Bei Fabric Deployment Pipelines werden Objekte des SQL-Analytics-Endpunkts eines Lakehouse wie Views nicht mit uebertragen, waehrend das beim Warehouse funktioniert."
  },
  {
   "typ": "Fakt",
   "dokument": "Fabric Planning unboxing",
   "dokument_id": "yt:xCzKEIB4W5I",
   "sekunde": 251,
   "zeit": "04:11",
   "url": "https://www.youtube.com/watch?v=xCzKEIB4W5I&t=251s",
   "aussage": "Für Direct Lake gab es weiterhin Probleme, während der Import-Modus über den SQL-Endpoint funktionierte."
  },
  {
   "typ": "Warnung",
   "dokument": "BI Thinkers Talk n.73",
   "dokument_id": "yt:pOJpXxsfUt0",
   "sekunde": 3298,
   "zeit": "54:58",
   "url": "https://www.youtube.com/watch?v=pOJpXxsfUt0&t=3298s",
   "aussage": "Beim Deployment eines Lakehouse über eine Deployment Pipeline werden Views, die im SQL-Endpunkt des Lakehouse angelegt wurden, nicht mit übertragen."
  },
  {
   "typ": "Fakt",
   "dokument": "BI Thinkers Talk n.72",
   "dokument_id": "yt:luk4S4ukKmg",
   "sekunde": 1937,
   "zeit": "32:17",
   "url": "https://www.youtube.com/watch?v=luk4S4ukKmg&t=1937s",
   "aussage": "Über die Fabric-Service-Status-Seite lässt sich nachvollziehen, wenn Dienste wie SQL-Endpunkte oder Dataflows gestört sind, auch wenn der Status dort nicht immer eindeutig kommuniziert wird."
  },
  {
   "typ": "Fakt",
   "dokument": "Daten-WG Thinkers Talk nr.65",
   "dokument_id": "yt:Fqt4gP1xB5w",
   "sekunde": 1442,
   "zeit": "24:02",
   "url": "https://www.youtube.com/watch?v=Fqt4gP1xB5w&t=1442s",
   "aussage": "Ein selbstgeschriebenes Python-Skript exportiert SQL-Server-Tabellen als Delta-Parquet-Dateien direkt in den OneLake-Speicher, wo sie sofort als Tabelle über den SQL-Endpunkt verfügbar sind."
  },
  {
   "typ": "Warnung",
   "dokument": "Microsoft Fabric — braucht das wirklich jemand?",
   "dokument_id": "yt:mTVeZzshLzE",
   "sekunde": 1191,
   "zeit": "19:51",
   "url": "https://www.youtube.com/watch?v=mTVeZzshLzE&t=1191s",
   "aussage": "Werden zwei Dataflows über ein Lakehouse verkettet, stehen am Folgetag keine neuen Daten bereit, weil der SQL-Endpoint des Lakehouse nicht sofort aktualisiert wird."
  },
  {
   "typ": "Fakt",
   "dokument": "Microsoft Fabric — braucht das wirklich jemand?",
   "dokument_id": "yt:mTVeZzshLzE",
   "sekunde": 1708,
   "zeit": "28:28",
   "url": "https://www.youtube.com/watch?v=mTVeZzshLzE&t=1708s",
   "aussage": "Direct Lake existiert in zwei Varianten, verbunden über den SQL-Endpoint oder direkt mit dem Lake, was zusätzliche Komplexität für Citizen Developer schafft."
  },
  {
   "typ": "Fakt",
   "dokument": "Fabric & Power BI Quarterly · 2025 Q3",
   "dokument_id": "yt:lZvpCBMKASM",
   "sekunde": 2353,
   "zeit": "39:13",
   "url": "https://www.youtube.com/watch?v=lZvpCBMKASM&t=2353s",
   "aussage": "Composite Models sollen kuenftig die Moeglichkeit bieten, Direct-Lake-Tabellen aus mehreren Lakehouses zu kombinieren, ohne mehr zwingend ueber den einen zentralen SQL-Endpunkt konsumieren zu muessen."
  }
 ],
 "dokumente": [
  {
   "id": "page:fabric_einsteiger_guide_v1",
   "titel": "Microsoft Fabric — Einsteiger-Guide",
   "datum": "2026-08-31",
   "abdeckung": "nur-text",
   "anteil": 0.093,
   "url": "https://datenwgknowledgekitchen.com/fabric_einsteiger_guide_v1.html",
   "sprungmarken": [
    {
     "label": "Abschnitt",
     "url": "https://datenwgknowledgekitchen.com/fabric_einsteiger_guide_v1.html#:~:text=Was%20das%20Warehouse%20exklusiv%20kann",
     "sekunde": null
    },
    {
     "label": "Abschnitt",
     "url": "https://datenwgknowledgekitchen.com/fabric_einsteiger_guide_v1.html#:~:text=Die%20zwei%20Dinge%2C%20die%20man%20wissen%20muss",
     "sekunde": null
    },
    {
     "label": "Abschnitt",
     "url": "https://datenwgknowledgekitchen.com/fabric_einsteiger_guide_v1.html#:~:text=Zwei%20Varianten%20%E2%80%94%20wichtig%20seit%202025",
     "sekunde": null
    }
   ]
  },
  {
   "id": "yt:c-LWoo-O5PQ",
   "titel": "SharePoint direkt in Microsoft Fabric nutzen | Lakehouse, Direct Lake & Power BI",
   "datum": "2026-07-01",
   "abdeckung": "nur-zeitstempel",
   "anteil": 0.067,
   "url": "https://www.youtube.com/watch?v=c-LWoo-O5PQ",
   "sprungmarken": [
    {
     "label": "09:20",
     "url": "https://www.youtube.com/watch?v=c-LWoo-O5PQ&t=560s",
     "sekunde": 560
    }
   ]
  },
  {
   "id": "yt:m3xNYfVih0Q",
   "titel": "Starting with Microsft Fabric the Skills you need",
   "datum": "2024-08-01",
   "abdeckung": "nur-zeitstempel",
   "anteil": 0.065,
   "url": "https://www.youtube.com/watch?v=m3xNYfVih0Q",
   "sprungmarken": [
    {
     "label": "01:39",
     "url": "https://www.youtube.com/watch?v=m3xNYfVih0Q&t=99s",
     "sekunde": 99
    },
    {
     "label": "33:34",
     "url": "https://www.youtube.com/watch?v=m3xNYfVih0Q&t=2014s",
     "sekunde": 2014
    }
   ]
  },
  {
   "id": "page:power_bi_einsteiger_guide_v4",
   "titel": "Power BI von A bis Z — Einsteiger-Guide (End-to-End)",
   "datum": "2026-08-31",
   "abdeckung": "nur-text",
   "anteil": 0.004,
   "url": "https://datenwgknowledgekitchen.com/power_bi_einsteiger_guide_v4.html",
   "sprungmarken": [
    {
     "label": "Abschnitt",
     "url": "https://datenwgknowledgekitchen.com/power_bi_einsteiger_guide_v4.html#:~:text=Direct%20Lake%20%28Fabric%29",
     "sekunde": null
    }
   ]
  }
 ],
 "hinweise": [
  "Kernaussagen und Beziehungen sind maschinell erzeugt und nicht redigiert. Heuristische Kanten zählen Erwähnungen, keine Bedeutung. Bei Widersprüchen gilt das Video."
 ],
 "wiki_url": "https://datenwgknowledgekitchen.com/wissensgraph/#n=tool%3Asql-endpoint",
 "graph_url": "https://datenwgknowledgekitchen.com/wissensgraph/graph.html#n=tool%3Asql-endpoint&f=tool%3Asql-endpoint"
}