Data Warehousing on AWS

In drei Tagen lernen Sie, eine Data-Warehouse-Lösung in der Cloud mit Amazon Redshift zu entwerfen und zu betreiben. Sie starten einen Redshift-Cluster, entwerfen Schemata mit spaltenweiser Komprimierung, Verteilungs- und Sortiermethoden und laden Daten aus Amazon S3, DynamoDB, EMR und Kinesis. Weitere Themen sind Abfrageoptimierung mit EXPLAIN und Workload-Management, Redshift Spectrum für Daten in S3, Überwachung, Sicherung und Größenänderung von Clustern sowie Dashboards mit Amazon QuickSight. Hands-on Labs vertiefen die Inhalte.

  • Dauer: 3 Tage
  • Niveau: Fortgeschrittener
  • Sprache: Deutsch
  • Preis: 2.685 € zzgl. MwSt.
  • Bescheinigung und digitales Badge

Auf einen Blick

Kurs
Seminar, 3 Tage, Niveau Fortgeschrittener, Sprache Deutsch.
Preis
2.685 € netto pro Person (3.195,15 € inkl. 19 % MwSt.).
Termine
62 Termine bis Juli 2027, online im Virtual Classroom und vor Ort in 23 Städten, u. a. Berlin, Bremen, Darmstadt und Dresden. Nächster Termin: 04.–06.11.2026.
Nachweis
Teilnahmebescheinigung und digitales Badge für jede Teilnahme.

Worum es geht

Der Kurs wird mit der offiziellen AWS-Unterlage und Systemumgebung durchgeführt. Im Gesundheitswesen hilft das Wissen, wenn Kennzahlen aus Abrechnung, Leistungserfassung und Qualitätssicherung zentral ausgewertet werden, zum Beispiel für monatliche Berichte zu Fallzahlen und Verweildauer im Controlling.

Ziel des Seminars

In dieser 3-tägigen Schulung "Data Warehousing on AWS" lernen Sie die Konzepte, Strategien und Best Practices für das Entwerfen einer cloudbasierten Data Warehousing-Lösung mit Amazon Redshift kennen, dem Data Warehouse im Petabyte-Bereich in AWS. Der Kurs zeigt Ihnen, wie Sie Daten für das Data Warehouse sammeln, speichern und vorbereiten, indem Sie AWS-Services wie Amazon DynamoDB, Amazon EMR, Amazon Kinesis und Amazon S3 verwenden. Zusätzlich wird Ihnen gezeigt, wie Sie Amazon QuickSight nutzen können, um Analysen mit Ihren Daten durchzuführen.

Die Inhalte des Kurses umfassen die Diskussion der Kernkonzepte des Data Warehousing und der Überschneidung zwischen Data Warehousing und Big Data-Lösungen. Sie werden einen Amazon Redshift-Cluster starten und die Komponenten, Merkmale und Funktionen nutzen, um ein Data Warehouse in der Cloud zu implementieren. Weiterhin lernen Sie, wie andere AWS-Daten- und Analyseservices wie Amazon DynamoDB, Amazon EMR, Amazon Kinesis und Amazon S3 zur Data-Warehousing-Lösung beitragen können.

Sie werden die Data Warehouse-Architektur verstehen und in der Lage sein, Leistungsprobleme zu identifizieren, Abfragen zu optimieren und die Datenbank für eine bessere Leistung abzustimmen. Zudem erfahren Sie, wie Sie Amazon Redshift Spectrum verwenden können, um Daten direkt aus einem Amazon S3-Bucket zu analysieren, und wie Sie Amazon QuickSight für Datenanalyse- und Visualisierungsaufgaben mit dem Data Warehouse einsetzen.

Für wen

  • Datenbank-Architekten
  • Datenbank-Administratoren
  • Datenbank-Entwickler
  • Datenanalysten
  • Datenwissenschaftler

Inhalte

Einführung in Data Warehousing
  • Relationale Datenbanken
  • Data-Warehousing-Konzepte
  • Der Schnittpunkt von Data Warehousing und Big Data
  • Überblick über das Datenmanagement in AWS
  • Hands-on Lab 1: Einführung in Amazon Redshift
Einführung in Amazon Redshift
  • Konzeptioneller Überblick
  • Anwendungsfälle aus der Praxis
  • Hands-on Lab 2: Starten eines Amazon Redshift-Clusters
Starten von Clustern
  • Aufbau des Clusters
  • Verbinden mit dem Cluster
  • Kontrolle des Zugriffs
  • Datenbank-Sicherheit
  • Daten laden
  • Hands-on Lab 3: Optimieren von Datenbankschemata
Entwerfen des Datenbankschemas
  • Schemas und Datentypen
  • Spaltenweise Komprimierung
  • Datenverteilungsstile
  • Methoden zur Datensortierung
Identifizieren von Datenquellen
  • Datenquellen im Überblick
  • Amazon S3
  • Amazon DynamoDB
  • Amazon EMR
  • Amazon Kinesis Daten-Firehose
  • AWS Lambda-Datenbanklader für Amazon Redshift
  • Hands-on Lab 4: Laden von Echtzeitdaten in eine Amazon Redshift-Datenbank
Laden von Daten
  • Vorbereiten von Daten
  • Laden von Daten mit COPY
  • Pflegen von Tabellen
  • Gleichzeitige Schreibzugriffe
  • Troubleshooting bei Ladeproblemen
  • Hands-on Lab 5: Laden von Daten mit dem COPY-Befehl
Schreiben von Abfragen und Tuning für die Leistung
  • Amazon Redshift SQL
  • Benutzerdefinierte Funktionen (UDFs)
  • Faktoren, die die Abfrageleistung beeinflussen
  • Der EXPLAIN-Befehl und Abfragepläne
  • Arbeitslast-Verwaltung (WLM)
  • Hands-on Lab 6: Konfigurieren der Arbeitslastverwaltung
Amazon Redshift Spectrum
  • Amazon Redshift Spektrum
  • Konfigurieren von Daten für Amazon Redshift Spectrum
  • Abfragen von Amazon Redshift Spectrum
  • Hands-on Lab 7: Verwenden von Amazon Redshift Spectrum
Wartung von Clustern
  • Audit-Protokollierung
  • Leistungsüberwachung
  • Ereignisse und Benachrichtigungen
  • Hands-on Lab: Auditing und Überwachung von Clustern
  • Größenänderung von Clustern
  • Sichern und Wiederherstellen von Clustern
  • Ressourcenkennzeichnung, Limits und Beschränkungen
  • Hands-on Lab 9: Sichern, Wiederherstellen und Größenänderung von Clustern
Analysieren und Visualisieren von Daten
  • Leistung von Visualisierungen
  • Erstellen von Dashboards
  • Amazon QuickSight-Editionen und -Funktionen

Voraussetzungen

Für eine optimale Teilnahme am Kurs empfehlen wir folgende Vorkenntnisse:

  • Teilnahme am Seminar AWS Technical Essentials
  • Erfahrung mit relationalen Datenbanken und dem Designen von Datenbanken

Methode

Die Schulung bietet Ihnen eine ausgewogene Mischung aus Theorie und Praxis in einer erstklassigen Lernumgebung. Profitieren Sie vom direkten Austausch mit unseren projekterfahrenen Trainern und anderen Teilnehmern, um Ihren Lernerfolg zu maximieren.

Zertifizierung

Der Kurs „Data Warehousing on AWS“ ist kein prüfungsspezifischer Kurs für genau eine einzige Zertifizierung, sondern ein Baustein in mehreren AWS-Lernpfaden.

Ihre Vorteile

  • Trainer mit Projekterfahrung: Sie lernen bei Expertinnen und Experten, die nicht nur schulen, sondern selbst Projekte umsetzen – etwa Power-BI- und Analytics-Projekte. So erfahren Sie, worauf es in der Praxis ankommt.
  • Offizielle AWS-Unterlage (digital, engl.)
  • Offizielle Schulungsumgebung (LAB)
  • Teilnahmebescheinigung und digitales Badge

Häufige Fragen zu Data Warehousing on AWS

Für wen im Gesundheitswesen eignet sich der Kurs Data Warehousing on AWS?

Der Kurs richtet sich an Datenbank-Architekten, -Administratoren und -Entwickler sowie an Datenanalysten und Datenwissenschaftler. Im Gesundheitswesen passt er für Data- und BI-Teams, Controlling und IT-Abteilungen in Krankenhäusern, Klinikverbünden und Krankenkassen, die ein Data Warehouse auf AWS betreiben oder planen.

Welche Vorkenntnisse brauche ich für Data Warehousing on AWS?

Empfohlen sind die Teilnahme am Seminar AWS Technical Essentials sowie Erfahrung mit relationalen Datenbanken und dem Entwurf von Datenbanken.

Was kostet das Seminar Data Warehousing on AWS?

Die Teilnahme kostet 2.685 € netto pro Person, das sind 3.195,15 € inklusive 19 % Mehrwertsteuer. Im Preis enthalten: Offizielle AWS-Unterlage (digital, engl.) und Offizielle Schulungsumgebung (LAB).

Wann und wo findet Data Warehousing on AWS statt?

Das Seminar dauert 3 Tage. Bis Juli 2027 gibt es 62 Termine, online im Virtual Classroom und vor Ort in 23 Städten, u. a. Berlin, Bremen, Darmstadt, Dresden, Düsseldorf und Essen. Der nächste Termin ist am 04.–06.11.2026.

Erhalte ich nach Data Warehousing on AWS einen Nachweis?

Ja. Jede Teilnahme erhält eine Teilnahmebescheinigung und ein digitales Badge.

Kann ich Data Warehousing on AWS als Firmenseminar für mein Team buchen?

Ja. Als Firmenseminar findet Data Warehousing on AWS exklusiv für Ihr Team statt – bei Ihnen vor Ort oder online, zu einem Termin Ihrer Wahl.

Termine & Orte

Offener Kurs · 2.685 € pro Person zzgl. MwSt. Klicken Sie auf einen Ort, um genau diesen Termin anzufragen.

Termine und Orte werden täglich aus dem Seminarkatalog aktualisiert, zuletzt am 30.10.2026.

Lassen Sie uns über Ihr Projekt sprechen.

Unverbindliches Erstgespräch zu Beratung, Projekt oder Schulung.