Wer mit Microsoft Fabric arbeitet, kennt das Problem: Daten liegen im Lakehouse meist als Dateien (CSV, Parquet, JSON) vor. Für Analysen in Power BI oder für Abfragen per SQL ist es aber oft praktischer, wenn die Daten in einer Tabelle vorliegen.
In diesem Beitrag zeige ich Schritt für Schritt, wie Sie in Fabric aus einer Datei eine Tabelle im Lakehouse erstellen – ganz ohne komplizierten Code.
Warum Dateien in Tabellen umwandeln?
- Direkte SQL-Abfragen möglich
- Bessere Integration mit Power BI
- Strukturierte Datenhaltung im Lakehouse
- Mehr Performance, da Fabric Tabellen optimiert speichert
Schritt-für-Schritt-Anleitung
1. Datei ins Lakehouse laden
- Öffnen Sie Ihr Fabric-Arbeitsbereich.
- Navigieren Sie ins Lakehouse.
- Laden Sie die Datei (z. B. CSV oder Parquet) hoch – per Drag & Drop oder über Daten hinzufügen.
Die Datei erscheint anschließend im Bereich Files.
2. Datei in Tabelle konvertieren
- Klicken Sie mit Rechtsklick auf die hochgeladene Datei.
- Wählen Sie “Load to Tables” oder im deutschen Interface “In Tabellen laden”.
- Fabric erkennt automatisch das Dateiformat (z. B. Spalten, Trennzeichen).
Tipp: Bei CSV-Dateien können Sie beim Import Feldtrennzeichen und Encoding manuell prüfen.
3. Tabelle prüfen
Nach dem Laden finden Sie die Daten im Bereich Tables im Lakehouse.
- Öffnen Sie die Tabelle per Vorschau.
- Überprüfen Sie, ob Spalten korrekt eingelesen wurden (z. B. Zahl vs. Text).
4. Tabelle in Power BI oder SQL nutzen
- In Power BI: Direkt Lakehouse als Datenquelle anbinden.
- In SQL Endpoint: Tabelle mit einem einfachen Query abfragen, z. B.
SELECT TOP 100 * FROM MeineTabelle
Best Practices
- Namenskonventionen beachten: Tabellen sollten sprechende Namen haben, z. B.
Sales_2024_Q1. - Partitionierung nutzen, wenn Sie regelmäßig neue Daten hinzufügen.
- Dateiformat prüfen: Parquet ist performanter als CSV.
Fazit
Das Umwandeln einer Datei in eine Tabelle im Lakehouse ist in Microsoft Fabric erstaunlich einfach. Mit wenigen Klicks schaffen Sie eine saubere Datenstruktur, die sich optimal für SQL-Abfragen und Power BI Reports eignet.
Wer die Umwandlung direkt beim Upload einplant, spart Zeit und sorgt für ein stabiles Datenfundament im Lakehouse.