--- title: "Microsoft-Fabric-Datenkatalog & Konnektor | Dawiso" description: "Der Fabric-Konnektor von Dawiso macht Ihren Tenant zum durchsuchbaren Datenkatalog: Lakehouses, Warehouses, semantische Modelle, Power-BI-Lineage. Nur lesend." url: "https://www.dawiso.com/de/connectors/microsoft-fabric" language: "de" --- Konnektor für Lakehouse · Analyse # Der Datenkatalog für Fabric, dem Ihr ganzes Team vertrauen kann. Der Dawiso-Fabric-Datenkatalog macht jeden Arbeitsbereich, jedes Lakehouse, jedes Warehouse, jedes semantische Modell und jeden Power-BI-Bericht zu einem durchsuchbaren Inventar, mit nativer Lineage. [Demo buchen](https://www.dawiso.com/de/book-a-dawiso-demo) [Zur Dokumentation](https://help.dawiso.com/actual/microsoft-fabric/) Live-Konnektor Stabiler Konnektor Fabric Dawiso Nur Metadaten · Ihre Daten verlassen die Quelle nie **Typ** SaaS-Plattform für Analyse **Auth** Service Principal (Entra ID) **Sync** Geplant, inkrementell **Richtung** Nur lesend · Metadaten Zuerst das Wichtigste ## Was ist ein Konnektor? Nur Metadaten Nur lesender Zugriff Inkrementeller Sync Systemübergreifende Lineage Ein Konnektor ist die Brücke zwischen einem Werkzeug in Ihrem Stack und dem Katalog, der Ihnen einen einheitlichen Blick darauf gibt. Ist ein Konnektor eingerichtet, greift er nach Zeitplan auf das Quellsystem zu, liest die *Metadaten* aus - Schemas, Tabellen, Dashboards, Jobs, Verantwortlichkeiten, Data Lineage - und bildet sie im Katalog ab. Ihre eigentlichen Zeilen und Werte bleiben, wo sie sind. Konnektoren sind der Grund, warum ein Datenkatalog Fragen wie *„Welches Power-BI-Dashboard hängt von dieser Snowflake-Tabelle ab?“* oder *„Wer verantwortet das orders-Topic in Kafka?“* beantworten kann - automatisch, ohne dass jemand eine Excel-Liste pflegen muss. Drei Eigenschaften unterscheiden einen guten Konnektor von einem brüchigen: Er sollte **nur lesend und sicher** sein, er sollte **inkrementell** arbeiten, damit nicht bei jeder Aktualisierung ein vollständiger Neuscan nötig ist, und er sollte **Data Lineage über Systemgrenzen hinweg auflösen**, nicht nur innerhalb eines Werkzeugs. Über die Plattform ## Was ist Microsoft Fabric? Microsoft Fabric ist die SaaS-Plattform für Analyse, aufgebaut auf OneLake. Sie führt Data Factory, Data Engineering, Data Science, Data Warehouse, Real-Time Intelligence und Power BI in einem Tenant zusammen, sodass sich ein Dataset ohne Kopien für ETL, ML und BI bereitstellen lässt. Microsoft positioniert sie als Komplettlösung für Analyse in Unternehmen, die ohnehin auf Azure und Microsoft 365 setzen. Der OneLake Catalog deckt ab, was innerhalb von Fabric liegt. Nicht abgedeckt sind die Oracle-Quelle, die das Lakehouse speist, der Snowflake Share neben Fabric, das Tableau-Dashboard am anderen Ende des Unternehmens und das Datenprodukt, für das der Fachbereich durchgängig verantwortlich ist. Genau dort setzt der Dawiso-Fabric-Datenkatalog an: nur lesend, nur Metadaten, und plattformübergreifend. OneLake Einheitlicher Speicher Power BI + Synapse + ADF Vereinte Workloads Zertifizierter Partner Dawiso für Microsoft Architektur ## So verbindet sich Dawiso mit Fabric Eine kleine, nur lesende Rolle aufseiten von Fabric. Der Dawiso-Scanner holt die Metadaten nach Zeitplan. Alles landet in Ihrem Katalog, fachlich lesbar. Quelle ### Microsoft Fabric Tenant - Arbeitsbereiche und Capacities - Lakehouses und Warehouses - Semantische Modelle und Berichte - Notebooks und Pipelines REST · JDBC Dawiso-Scanner ### Metadatenzugriff nur lesend - Schema- und Objekterkennung - Auflösung von Abhängigkeiten - SQL-Flow-Parsing (optional) - Sampling nach Opt-in Intern Katalog ### Dawiso-Plattform - Durchsuchbare Metadaten - Data Lineage und Verantwortlichkeiten - Business Glossary - Richtlinien und Klassifizierungen Verbindungsdetails **Protokoll** Power BI Admin API + Fabric API **Authentifizierung** Azure Service Principal · Entra-ID-Sicherheitsgruppe · Client Secret **Lineage** Native Lineage aus den Fabric-Admin-APIs (Datasets zu Berichten, Lakehouses zu semantischen Modellen); erweiterte Lineage auf Objektebene entsteht in den Enterprise-Plänen aus den Definitionen der Views und Prozeduren Einrichtung ## Fabric in 4 Schritten verbinden 1. 01 ### Entra App registrieren Registrieren Sie im Azure Portal eine neue Anwendung (zum Beispiel Dawiso Integration). Kopieren Sie von der Übersichtsseite die Application (client) ID und die Directory (tenant) ID. 2. 02 ### Client Secret erzeugen Erstellen Sie unter Certificates & secrets ein neues Client Secret mit einer Gültigkeit passend zu Ihrer Rotationsrichtlinie. Kopieren Sie den Wert sofort; Azure zeigt ihn nur einmal an. 3. 03 ### Fabric-Tenant einstellen Legen Sie eine Entra-Sicherheitsgruppe mit dem Service Principal an. Aktivieren Sie im Fabric Admin Portal: Service Principals dürfen öffentliche Fabric-APIs aufrufen und nur lesende Admin-APIs nutzen, Antworten mit ausführlichen Metadaten anreichern sowie Antworten mit DAX anreichern. 4. 04 ### Zugriff auf Arbeitsbereiche vergeben Fügen Sie die Sicherheitsgruppe jedem Arbeitsbereich als Contributor hinzu (Viewer liest die Grundlagen ein; Contributor legt die Definitionen der Views und Prozeduren für die erweiterte Lineage offen). Funktionen ## Das bekommen Sie mit dem Konnektor für Fabric - ### Katalog für Arbeitsbereiche und Lakehouses Jeder Fabric-Arbeitsbereich, jedes Lakehouse, jedes Warehouse, jedes semantische Modell und jeder Bericht ist durchsuchbar, mit Spaltenbeschreibungen, Verantwortlichen und den Notebooks dahinter. - ### Native Lineage und Lineage auf Objektebene Die Verbindungen von Lakehouse, Warehouse, semantischem Modell und Power BI stammen aus den Fabric-Admin-APIs. Die Definitionen der Views und Prozeduren ergänzen in den Enterprise-Plänen erweiterte Lineage auf Objektebene. - ### Auswertung von DAX und M Angereicherte Antworten der Admin-API mit DAX und Mashup-Ausdrücken speisen den Katalog mit Kennzahlen, berechneten Spalten und Power Query Schritten aus dem semantischen Modell. - ### Tags und Vertraulichkeit im Kontext Tags und Sensitivity Labels, die in Microsoft Fabric gesetzt wurden, werden in Dawiso eingelesen. So bleibt der Kontext der Governance neben Databricks, Snowflake und BigQuery sichtbar. Nur lesend, nur Metadaten. - ### PII-Klassifizierung Klassifizieren Sie eine Spalte einmal. Dawiso markiert jede Fabric-Spalte mit E-Mail-Adresse, IBAN oder amtlichen Ausweisnummern über alle erfassten Arbeitsbereiche hinweg. - ### Verantwortung und Zertifizierung Markieren Sie Lakehouses, semantische Modelle und Berichte als zertifiziert, veraltet oder in Prüfung. Verantwortliche sind direkt im Katalog sichtbar. Geschäftlicher Nutzen ## Warum Teams den Konnektor für Fabric aktivieren - -65 % ### Weniger Rückfragen nach dem richtigen Bericht Die Fachbereiche finden das zertifizierte semantische Modell in Dawiso, statt das BI-Team zu fragen, welches von sieben Dashboards die echte Umsatzzahl zeigt. - 10x ### Schnellere Auswirkungsanalyse Bevor Sie eine Tabelle in einem Fabric-Lakehouse abschalten, sehen Sie genau, welche semantischen Modelle, Power-BI-Berichte und nachgelagerten Warehouses von ihr abhängen. - Prüfbereit ### Nachweise für DSGVO und DORA Sensible Spalten werden einmal klassifiziert, und die Richtlinie folgt ihnen durch Lakehouses, semantische Modelle und Berichte, mit vollständigem Audit-Trail. ## Bereit, Ihr Fabric zu katalogisieren? Den Konnektor richten Sie an einem Nachmittag ein. Ihren ersten Lineage-Graph sehen Sie noch am selben Tag. [Demo buchen](https://www.dawiso.com/de/book-a-dawiso-demo) [Zur Dokumentation](https://help.dawiso.com/actual/microsoft-fabric/) ## Häufige Fragen Noch Fragen? [Sprechen Sie mit unserem Team ->](https://www.dawiso.com/contact-us) **Hat Microsoft Fabric einen Datenkatalog?** Fabric hat den OneLake Catalog für Elemente innerhalb von Fabric, die Governance läuft über Microsoft Purview. Dawiso ergänzt die plattformübergreifende Schicht: Es liest Fabric- und OneLake-Metadaten nur lesend und verbindet Lakehouses, Warehouses und Berichte über Lineage auf Objektebene mit dem Rest Ihres Stacks. **Was ist der Unterschied zwischen einem Datenkatalog und einer Data Fabric?** Eine Data Fabric ist eine Architektur, um Daten über Systeme hinweg zu verbinden; ein Datenkatalog ist das Inventar, das sie auffindbar und steuerbar macht. Dawiso ist die Katalogschicht über Microsoft Fabric, mit Business Glossary, Lineage und Verantwortlichkeiten. **Wozu dient ein Datenkatalog?** Ein Datenkatalog macht jedes Fabric-Element auffindbar, dokumentiert und vertrauenswürdig. Dawiso macht aus Fabric-Metadaten einen durchsuchbaren Katalog für das ganze Unternehmen, mit Lineage über Werkzeuge hinweg. **Welche Berechtigungen braucht Dawiso in Fabric?** Einen Azure Service Principal in einer Entra-Sicherheitsgruppe. In den Tenant-Einstellungen von Fabric: Service Principals dürfen öffentliche Fabric-APIs aufrufen und nur lesende Admin-APIs nutzen, Antworten mit ausführlichen Metadaten anreichern und Antworten mit DAX anreichern. Dazu Contributor auf jedem Arbeitsbereich für die vollständige Erfassung. **Was ist der Unterschied zwischen Viewer und Contributor?** Mit Viewer werden Schemas, Tabellen und Views eingelesen, dazu Prozeduren und Funktionen ohne ihren SQL-Rumpf. Contributor ergänzt die Definitionen der Views und Prozeduren und schaltet damit die erweiterte Lineage auf Objektebene frei. Dawiso empfiehlt Contributor auf jedem Arbeitsbereich, der vollständig abgedeckt sein soll. **Kopiert Dawiso unsere Fabric-Daten?** Nein. Dawiso liest Metadaten ausschließlich aus der Power BI Admin API und der Fabric API. Die Daten auf Zeilenebene bleiben in OneLake. Die Links der Open Preview führen Nutzer zu Beispieldaten innerhalb von Fabric, sodass der Zugriff auf der Plattform bleibt. **Power-BI- oder Fabric-Konnektor, welcher ist der richtige?** Wer auf Fabric ist, nimmt diesen Konnektor: Er liefert breitere native Lineage und mehr Objekttypen (Lakehouse, Warehouse, Notebook, Pipeline). Der eigenständige Power-BI-Konnektor bleibt für Tenants, die noch auf klassischem Power BI Premium ohne Fabric Workloads laufen. ## Weitere Konnektoren entdecken Fabric ist einer von über 30 Konnektoren. Bringen Sie Ihren gesamten Stack in den Katalog. - [Data Warehouse Snowflake](https://www.dawiso.com/connectors/snowflake) - [Data Lakehouse Databricks](https://www.dawiso.com/connectors/databricks) - [Business Intelligence Power BI](https://www.dawiso.com/connectors/power-bi) - [Business Intelligence Tableau](https://www.dawiso.com/connectors/tableau) - [Data Warehouse Google BigQuery](https://www.dawiso.com/connectors/google-bigquery) - [Data Warehouse Amazon Redshift](https://www.dawiso.com/connectors/amazon-redshift) [Alle Konnektoren ansehen](https://www.dawiso.com/de/connectors)