Dieser Kurs bietet eine Einführung in die Grundlagen und die praktische Anwendung von ETL-Systemen (Extract-Transform-Load) – dem Rückgrat moderner datengesteuerter Abläufe. Die Teilnehmer befassen sich zunächst mit den Grundlagen von Datenbanken, darunter Schemata, Tabellen und Quellstrukturen, und untersuchen anschließend, wie ETL-Pipelines Daten übertragen, bereinigen und aufbereiten, um eine zuverlässige Nutzung in Analyse- und KI-Workflows zu gewährleisten. Auf dieser Grundlage vermittelt der Kurs praktische Erfahrungen im Umgang mit Apache NiFi zum Aufbau visueller, durchgängiger ETL-Abläufe und führt die Teilnehmer durch wesentliche Aufgaben wie das Extrahieren von Rohdaten aus verschiedenen Quellen, das Anwenden sinnvoller Transformationen, das Anreichern von Datensätzen, das Standardisieren von Formaten und das Laden bereinigter Ergebnisse in Zielsysteme. Jedes Modul fördert die praktische Kompetenz: vom Verständnis der CORE-ETL-Konzepte über den Entwurf von „Extract–Transform–Load“-Pipelines bis hin zur Anwendung von Automatisierung, Optimierung und KI-gestützten Verbesserungen.

Dieser Kurs richtet sich an Einsteiger mit Interesse an Data Engineering und Datenbankmanagement. Ganz gleich, ob Sie ein angehender Datenanalyst, ein angehender Data Engineer oder einfach jemand sind, der die Rolle von ETL in modernen Daten-Workflows verstehen möchte – dieser Kurs vermittelt Ihnen das Wissen und die Fähigkeiten, die Sie zum Aufbau effektiver ETL-Systeme benötigen. Vorkenntnisse in ETL, Programmierung oder fortgeschrittenen Data-Science-Konzepten sind nicht erforderlich. Grundlegende Kenntnisse über Datenbanken, CSV-Dateien und allgemeine Datenkonzepte sind hilfreich, aber nicht zwingend erforderlich. Am Ende des Kurses werden die Teilnehmer einen vollständigen ETL-Workflow entwerfen und optimieren und verstehen, wie moderne Teams diese Pipelines in Analyseplattformen, operative Dashboards und Feature-Pipelines für maschinelles Lernen integrieren.