Daten und Schemaänderungen ohne Ausfälle bereitstellen. In diesem praxisorientierten Kurs lernen Sie, wie Sie Schemata als Verträge behandeln, sie sicher weiterentwickeln und sicherstellen, dass Produzenten, Konsumenten und Data Warehouses durchgängig reibungslos funktionieren. Sie entwerfen Kompatibilitätsrichtlinien in einer Schema-Registry (rückwärts-/vorwärts-/vollständig, transitiv), automatisieren Prüfungen in der CI und üben Rollouts nach dem Prinzip „Erweitern → Anpassen → Reduzieren“. In Streaming-Übungen erfassen Sie OLTP-Änderungen mit Debezium, liefern Avro-kodierte Ereignisse an Kafka und leiten fehlerhafte Datensätze mit umsetzbaren Warnmeldungen an eine DLQ weiter. Im Bereich der Analytik entwickeln Sie BigQuery-/Iceberg-Schemas additiv weiter (NULLABLE-/Standardspalten), schützen nachgelagerte Nutzer durch Views/Verträge und überprüfen die Korrektheit mithilfe von Abfragen und „Time Travel“. Realistische Szenarien führen Sie durch Enum-Erweiterungen, Typverbreiterungen, Null-/Tombstone-Semantik und Regeln zur Benennung von Subjekten.

Dieser Kurs richtet sich an Dateningenieure, Backend-Ingenieure und Analytics-Ingenieure, die mit Echtzeit- oder Streaming-Datensystemen arbeiten und Schemata ohne Ausfallzeiten weiterentwickeln müssen. Er ist zudem nützlich für Plattform-Ingenieure und Architekten, die für Datenverträge, CDC-Pipelines oder Kafka-basierte Plattformen verantwortlich sind. Die Teilnehmer sollten über grundlegende SQL-Kenntnisse und ein allgemeines Verständnis von Streaming-Systemen wie Kafka verfügen sowie mit Git und der Befehlszeile vertraut sein. Erfahrung mit Schemata, CDC, Docker oder Cloud-Data-Warehouses ist hilfreich, aber nicht erforderlich. Am Ende des Kurses verfügen Sie über lauffähige Vorlagen, Governance-Checklisten und ein portfoliofähiges Projekt, das belegt, dass Sie Änderungen ohne Ausfallzeiten selbstbewusst und wiederholbar entwerfen können. Weitere Informationen finden Sie im Dokument.