Apache Airflow: Skalierbare Data Pipelines
Plane, betreibe und überwache Airflow-Workflows mit Python, Task SDK und belastbarer Architektur
- DAGs mit Python und Task SDK
- Scheduling und Backfills steuern
- Operatoren und Sensoren erweitern
- 3 Tage
- Spezialist
- Online
- Zufriedenheitsgarantie Risikofrei für dich
- Online Live per Videokonferenz
- max. 8 Teilnehmerinnen und Teilnehmer pro Gruppe
- Keine Vorkasse Rechnung nach dem Seminar
Das nimmst du mit
- DAGs mit Python und Task SDK
- Scheduling und Backfills steuern
- Operatoren und Sensoren erweitern
- Celery und Kubernetes Executor
- Monitoring mit Deadline Alerts
- DAG-Tests und CI/CD-Strategien
Passt das zu dir?
Damit du den Tag wirklich mitnimmst, lohnt sich ein kurzer Abgleich.
Richtig für dich, wenn
- Data Engineers und Data Scientists mit Verantwortung für automatisierte Datenprozesse
- DevOps-Spezialistinnen und Backend-Entwickler mit Pipeline- und Deployment-Aufgaben
- Software-Architektinnen im Big-Data- und Analytics-Umfeld
- Teams, die ETL-, ELT- oder Reporting-Prozesse skalierbar orchestrieren
Das bringst du mit
- Solide Kenntnisse in Python
- Grundverständnis von SQL und Datenbankkonzepten
- Erfahrung mit Linux-Shell oder Kommandozeile
- Hilfreich: Grundlagen zu Containern, APIs und Git
- Für vorbereitende Datenarbeit mit Python eignet sich der Python Data Science Einstieg mit Pandas, Numpy & Co.
Dein Lernweg
Tag 1: Architektur und erste DAGs
Der erste Tag legt die Basis für das Arbeiten mit Apache Airflow. Behandelt werden Architektur, zentrale Komponenten, Installation, Konfiguration und Navigation über CLI und Web UI. Anschließend werden erste DAGs mit Python erstellt, Tasks definiert, Abhängigkeiten modelliert und Schedules nachvollziehbar eingerichtet.
Tag 2: Workflow-Steuerung und Erweiterbarkeit
Der zweite Tag vertieft die Arbeit mit komplexeren Datenflüssen. Im Mittelpunkt stehen XComs, Branching, Task Mapping, Backfills und dynamische DAGs. Außerdem werden eigene Operatoren, Sensoren und Hooks entwickelt, um Airflow an Datenbanken, APIs, Cloud-Dienste oder interne Systeme anzubinden.
Tag 3: Production Readiness und Skalierung
Der dritte Tag konzentriert sich auf Betrieb, Skalierung und Wartbarkeit. Verglichen werden Local, Celery und Kubernetes Executor. Ergänzend geht es um Fehlerbehandlung, Retries, Timeouts, Deadline Alerts, Logging, Monitoring, DAG-Tests und CI/CD-Strategien für produktive Airflow-Umgebungen.
Klarheit von Anfang an
Format, Ablauf und alles, was schon enthalten ist. Keine Überraschungen, nur Fokus auf dein Ergebnis.
- Live-OnlineInteraktiv per Videokonferenz, von überall
3 Tage
Kompakt aufgebaut, damit du schnell ins Tun kommst.
max. 8
Kleine Gruppe, damit genug Raum für deine Fragen bleibt.
- Technische Deep-Dives zu Architektur, Scheduling, Executors und Betriebsmodellen
- Hands-on Labs in einer vorbereiteten Airflow-Umgebung
- Schrittweiser Aufbau von DAGs mit steigender Komplexität
- Code-Übungen zu Operatoren, Hooks, XComs, Branching und Tests
- Simulation typischer Fehlerfälle für Debugging, Monitoring und Alerting
- Diskussion von Architekturentscheidungen aus produktiven Datenplattformen
Das ist immer dabei
- Ausführliche Schulungsunterlagen und Praxisbeispiele
- Teilnahmezertifikat
- Übungsumgebungen und Beispieldaten
- Nachbetreuung per E-Mail nach dem Seminar
Sichere dir deinen Platz
Wähle den Termin, der zu dir passt. Online live dabei oder vor Ort, ganz wie es für dich passt.
- Erfahrene IT-Trainer aus der Praxis
- Keine Vorkasse, Rechnung nach dem Seminar
- Kostenfreie Umbuchung bis 14 Tage vor Start
Lieber das ganze Team?
Bring dieses Seminar zu euch ins Haus oder lass uns ein Programm bauen, das genau auf euer Unternehmen passt.
Inhouse-Schulung
Wir kommen zu dir und schulen dein Team genau auf eure Praxis.
- Komplett auf eure Use-Cases und Tools zugeschnitten
- Termin und Ort bestimmst du, vor Ort oder Live-Online
- Ein fester Pauschalpreis statt Preis pro Person
Firmen-Seminar
Ein individuelles Programm, das wir auf eure Ziele zuschneiden.
- Frei kombinierbare Module aus unserem Themenkatalog
- Skalierbar von der Kleingruppe bis zur ganzen Belegschaft
- Begleitung über mehrere Termine hinweg möglich
Deine IT-Schulungen München-Expertinnen und -Experten
Du hast Fragen zu Inhalten, Terminen oder einer passenden Lösung für dein Team? Wir beraten dich gern, bevor du buchst. Direkt, ohne Umwege.
Antwort in der Regel am selben Werktag
Dein cmt-Team München
Beratung zu IT-Weiterbildung
Fragen und Antworten zu Apache Airflow: Skalierbare Data Pipelines
Welche Airflow-Version wird in der Schulung verwendet?
Die Schulung orientiert sich an aktuellen stabilen Airflow-3.x-Versionen. Behandelt werden unter anderem API Server, Public Interface, Task SDK, Provider-Pakete und Deadline Alerts. Unterschiede zu Airflow 2.x werden dort eingeordnet, wo sie für Migration, Code-Struktur oder Betrieb relevant sind.
Benötige ich Vorkenntnisse in Docker oder Kubernetes?
Grundkenntnisse in Container-Technologien sind hilfreich, besonders für Deployment-Fragen und den Kubernetes Executor. Zwingend erforderlich sind sie nicht. Für das Verständnis der Airflow-Konzepte reichen solide Python-Kenntnisse, SQL-Grundlagen und Erfahrung mit der Kommandozeile.
Ist das Apache-Airflow-Seminar für Einsteiger geeignet?
Das Training setzt Programmiererfahrung voraus und richtet sich nicht an komplette IT-Einsteigerinnen und IT-Einsteiger. Wer zunächst Datenanalyse, Datenpipelines und typische Data-Science-Begriffe einordnen möchte, kann vorher die Data Science und Machine Learning Einführung besuchen.
Geht es im Training eher um ETL oder ELT?
Beides wird berücksichtigt. Airflow orchestriert Abläufe und ist nicht auf ein einzelnes Integrationsmuster beschränkt. Im Seminar werden klassische ETL-Strecken, ELT-Prozesse, SQL-Tasks, externe Systeme und Abhängigkeiten zwischen Verarbeitungsschritten betrachtet.
Werden eigene Operatoren und Sensoren entwickelt?
Ja. Neben Standard-Operatoren werden eigene Operatoren, Sensoren und Hooks behandelt. Dadurch wird nachvollziehbar, wie Airflow an spezifische Systeme, interne Schnittstellen oder wiederkehrende Pipeline-Muster angebunden wird.
Hilft die Schulung bei der Migration von Airflow 2.x auf Airflow 3.x?
Die Schulung ist keine reine Migrationsberatung, behandelt aber die relevanten Änderungen für DAG-Autorinnen, Betreiber und Plattform-Teams. Dazu gehören aktualisierte Imports, Provider-Pakete, API-Änderungen, Deadline Alerts sowie Auswirkungen auf Plugins und Deployment.
Passende Schulungen
Apache Airflow: Skalierbare Data Pipelines
Nächster Termin: 21. September 2026 · Online
ab2.350 €netto