dbt (Data Build Tool): SQL-basierte Transformation für den Modern Data Stack
Warum dbt die Art und Weise revolutioniert hat, wie Data Teams Datenmodelle bauen – und warum SQL-Kenntnisse jetzt reichen.
Was dbt macht (und was nicht)
dbt macht
• SQL-Transformationen (SELECT-Statements)
• Datenmodelle definieren
• Automatische Tests
• Dokumentation
• Lineage-Graph
• Versionierung (Git)
dbt macht NICHT
• Daten extrahieren (kein E)
• Daten laden (kein L)
• Visualisieren
• Orchestrieren
→ Dafür: Fivetran + dbt + Airflow + Power BI
Warum dbt so beliebt ist
SQL reicht
Keine Python, kein Java – reine SELECT-Statements. Jeder, der SQL kann, kann dbt nutzen. Senkt die Einstiegshürde massiv.
Software Engineering für Daten
Git-Versionierung, Code Reviews, automatisierte Tests (unique, not_null, relationships, accepted_values), CI/CD Pipelines. Datenmodelle wie Software entwickeln.
Dokumentation auto-generiert
dbt erstellt automatisch einen Lineage-Graph und eine durchsuchbare Dokumentation aller Modelle, Spalten und Tests.
DWH-agnostisch
Funktioniert mit Snowflake, BigQuery, Redshift, Databricks, PostgreSQL und vielen anderen. Einmal lernen, überall nutzen.
dbt Core vs. dbt Cloud
| Feature | dbt Core (Open Source) | dbt Cloud |
|---|---|---|
| Preis | Kostenlos | Ab 100$/Mo (Team) |
| IDE | Lokal (VS Code) | Browser-IDE |
| Scheduling | Extern (Airflow, cron) | Built-in |
| Empfehlung | Tech-affine Teams | Schneller Einstieg |
📚 Dieser Artikel ist Teil unseres Tool-Guides: BI-Tools im Vergleich →
Modern Data Stack aufbauen?
dbt + Cloud DWH + BI-Tool = eine moderne, skalierbare Dateninfrastruktur. Ich unterstütze beim Aufbau.
Beratung anfragen →