Loading content
ELT ist ein Ansatz zur Datenintegration, der es ermöglicht, große Mengen an Daten effizient zu verarbeiten. Nach dem Laden der Daten in ein Zielsystem erfolgt die Transformation, was Flexibilität in der Analyse und Berichterstattung bietet.
Nutze diesen Steckbrief, um den Baustein kurz zu verstehen, ihn im Modell einzuordnen und bei Bedarf in die 360°-Bewertung zu wechseln.
Theoretisches Gebilde: erklärt einen Begriff, ein Prinzip oder ein Denkmodell.
Was du verstehen musst, um ein Themenfeld sinnvoll zu denken.
ELT ist ein Datenintegrationsverfahren: Daten werden aus Quellen extrahiert, in ein Zielsystem geladen und erst dort transformiert.
ELT entstand aus dem Wandel von klassischen ETL-Pipelines zu cloudfähiger Datenintegration. Als Speicher, Rechenleistung und Netzbandbreite günstiger wurden, wurde es praktikabel, Daten zunächst unverändert in ein Zielsystem zu laden und erst dort zu bereinigen, zu modellieren und anzureichern. So bleiben Erfassung und Laden stabil, während die Transformation flexibler an neue Auswertungsfragen angepasst werden kann.
ELT funktioniert wie ein zweistufiges Labor: Zuerst werden Rohdaten in einen zentralen Sammel- und Speicherbereich gebracht. Dort bleiben sie breit nutzbar, bis Analysebedarf entsteht. Danach formen Transformationsschritte die Daten in Kennzahlen, Tabellen oder Modelle für Berichte, Exploration oder weitere Verarbeitung. Der Kern ist die Trennung von Dateneingang und fachlicher Aufbereitung.
Nach dem Laden werden Strukturen so geformt, dass sie fachliche Auswertungen und Berichte unterstützen.
Anwendungen, Datenbanken oder Plattformen liefern die Rohdaten für die Pipeline.
Ein Warehouse, Lakehouse oder eine ähnliche Plattform nimmt die Daten zuerst auf.
Daten werden bereinigt, vereinheitlicht, angereichert oder in ein analysierbares Modell überführt.
Die Aufnahme der Daten bleibt stabil, auch wenn sich Analysefragen oder Modelle ändern.
ELT ist sinnvoll, wenn viele Quellen zusammengeführt werden, Analyseanforderungen häufig wechseln oder ein Zielsystem Rohdaten kostengünstig aufnehmen kann. Es erleichtert flexible Modellierung und spätere Fachlogik, verlangt aber gute Governance, Qualitätsprüfungen und Kontrolle von Speicher- und Verarbeitungskosten. Wenn Daten schon vor dem Laden strikt verdichtet werden müssen, ist ein klassisches ETL-Muster oft passender.
Wo dieser Baustein im Themenmodell verortet ist.
Erkunde, wie dieser Wissensbaustein mit Konzepten, Methoden, Technologien und Tools verbunden ist.
Diese Quellen belegen den Begriff und seine fachliche Bedeutung.
Alle direkten Verbindungen des aktuellen Wissensbausteins in einer kompakten, textuellen Darstellung.
Diese Einordnung zeigt, in welchem Kontext der Baustein typischerweise relevant wird, wie anspruchsvoll er ist und welche Wirkung er im Modell hat.
Die Ebene innerhalb der Organisation (Unternehmen, Domäne, Team), auf der der AssetBlock angewendet wird.