Microsoft Fabric für Industrieunternehmen – die Datenplattform für Produktion, Qualität und Wartung

In vielen Industrieunternehmen existieren zwei Welten nebeneinander: die OT-Welt (Operational Technology) mit Sensoren, SPS-Steuerungen und MES-Systemen auf dem Shopfloor – und die IT-Welt mit ERP, CRM und BI-Tools im Büro. Daten fliessen innerhalb dieser Welten, aber selten zwischen ihnen. Genau diese Brücke schlägt Microsoft Fabric.

Microsoft Fabric ist Microsofts All-in-One-Analyseplattform, die Data Engineering, Data Warehousing, Data Science, Echtzeit-Analyse und Business Intelligence in einer einzigen SaaS-Umgebung vereint. Für Industrieunternehmen bedeutet das: eine Plattform, auf der Sensordaten aus der Produktion, Auftragsdaten aus dem ERP und Qualitätsdaten aus dem Labor zusammenfliessen – bereit für Analyse, Machine Learning und Generative AI.

Dieser Artikel erklärt, was Microsoft Fabric ist, warum es besonders für Industrieunternehmen relevant ist, und wie eine typische Einführung aussieht.

Was ist Microsoft Fabric? Das Wichtigste auf einen Blick

Microsoft Fabric ist eine Cloud-basierte Analyseplattform, die seit 2023 verfügbar ist und mehrere bisher getrennte Azure-Dienste unter einem Dach vereint. Die Kernidee: ein einziger Data Lake (OneLake) als zentrale Speicherschicht, darüber integrierte Werkzeuge für jeden Schritt der Datenverarbeitung.

Die Bausteine von Microsoft Fabric:

OneLake – der zentrale Datenspeicher. Vergleichbar mit einem «OneDrive für Daten»: ein einziger Data Lake, auf den alle Fabric-Workloads zugreifen. Keine Datenkopien, keine Silos. Basiert auf Azure Data Lake Storage Gen2 mit Delta-Parquet-Format.

Data Factory – für Data Pipelines. Daten aus ERP (SAP, Dynamics 365, Abas, proAlpha), MES, IoT-Plattformen und Sensoren automatisiert in OneLake laden. Über 150 Konnektoren verfügbar.

Synapse Data Engineering – für Transformationen. Spark-basierte Verarbeitung grosser Datenmengen. In Kombination mit dbt entsteht eine skalierbare, versionierte Transformationsschicht.

Synapse Data Warehouse – für SQL-Analysen. Strukturierte Abfragen auf dem Lakehouse, optimiert für BI-Workloads. Direkte Verbindung zu Power BI.

Real-Time Intelligence – für Echtzeitdaten. Streaming-Daten von IoT-Sensoren, Event Hubs und OPC-UA-Gateways in Echtzeit verarbeiten, visualisieren und Alerts auslösen.

Data Science – für Machine Learning. Jupyter Notebooks direkt in Fabric, mit Zugriff auf alle Daten in OneLake. Modelle trainieren, validieren und operationalisieren – ohne separate ML-Plattform.

Power BI – für Reporting und Dashboards. Nativ integriert, greift direkt auf die Gold-Schicht im Lakehouse zu. Kein Datenexport, keine separate Lizenz nötig (in Fabric enthalten).

Warum Fabric speziell für Industrieunternehmen relevant ist

Industrieunternehmen haben spezifische Daten-Herausforderungen, die Fabric adressiert:

1. OT und IT endlich in einer Plattform

Der Shopfloor produziert Daten in Sekunden-Intervallen: Sensorwerte (Temperatur, Vibration, Drehzahl), SPS-Signale, Maschinenzustände. Das ERP liefert Aufträge, Stücklisten, Bestellungen. Das Qualitätslabor dokumentiert Prüfergebnisse. Bisher landeten diese Daten in getrennten Systemen.

Fabric bringt alles in OneLake zusammen. Über Azure IoT Operations und Event Hub fliessen OT-Daten in Echtzeit in die Plattform. Über Data Factory kommen die IT-Daten aus ERP und MES. Im Lakehouse werden sie über die Bronze-Silber-Gold-Architektur vereint.

2. Vom Sensor zum Dashboard – ohne Medienbrüche

In vielen Fabriken gibt es heute noch Excel-basierte Produktionsberichte, die manuell aus MES-Exporten zusammengestellt werden. Fabric ersetzt diesen Prozess durch automatisierte Data Pipelines: Rohdaten fliessen in Bronze, werden in Silber bereinigt und aggregiert, und in Gold als KPI-Modelle bereitgestellt – direkt in Power BI abrufbar. Jede Stunde, jede Schicht, jeder Tag.

3. Predictive Maintenance und Qualitätsanalyse auf derselben Plattform

Der grösste Vorteil für die Industrie: Auf derselben Plattform, auf der BI-Reports laufen, können auch Data-Science-Modelle trainiert werden. Ein Predictive-Maintenance-Modell, das Maschinenausfälle vorhersagt, greift auf dieselben Daten zu wie das OEE-Dashboard. Kein Datenexport, kein separates Tool, kein MLOps-Overhead für den Einstieg.

4. Microsoft-Ökosystem als Hebel

Die meisten Schweizer Industrieunternehmen arbeiten bereits mit Microsoft: Office 365, Dynamics 365, Azure Active Directory (Entra ID). Fabric integriert sich nahtlos in dieses Ökosystem. Zugriffsrechte aus Entra ID gelten auch in OneLake. Power BI ist bereits im Einsatz. Teams und SharePoint können Fabric-Berichte einbetten. Der Schulungsaufwand ist deshalb deutlich geringer als bei einer komplett neuen Plattform.

5. Manufacturing Data Solutions (Preview)

Microsoft hat speziell für die Industrie ein ISA-95-konformes Datenmodell entwickelt, das in Fabric integriert ist. Dieses Modell bildet die Fertigungswertschöpfungskette digital ab – von Equipment und Sensoren über Produktionsaufträge bis zu Qualitätsprüfungen. In Kombination mit dem Factory Operations Agent auf Azure AI können Frontline-Worker über natürliche Sprache mit ihren Produktionsdaten interagieren: Ursachenanalyse, Störungssuche, Wissensdatenbank.

Fünf Use Cases: Microsoft Fabric in der Industrie

Use Case 1: OEE-Dashboard in Echtzeit

Problem: OEE (Overall Equipment Effectiveness) wird monatlich berechnet – manuell, auf Basis von MES-Exporten und Excel-Tabellen. Schichtleiter haben keine aktuelle Sicht auf Verfügbarkeit, Leistung und Qualität.

Lösung mit Fabric: Maschinensignale fliessen über Event Hub und Real-Time Intelligence in OneLake. Im Lakehouse werden Stillstände kategorisiert, Taktzeiten berechnet und Ausschussraten aggregiert. Power BI zeigt das OEE-Dashboard in Echtzeit – pro Maschine, pro Linie, pro Werk.

Nutzen: Sofortige Sichtbarkeit von Verlusten. Schichtleiter können innerhalb von Minuten reagieren statt am Monatsende.

Use Case 2: Predictive Maintenance

Problem: Ungeplante Maschinenausfälle kosten im Durchschnitt das Fünf- bis Zehnfache einer geplanten Wartung. Sensorwerte werden zwar erfasst, aber nicht systematisch ausgewertet.

Lösung mit Fabric: Zeitreihendaten (Vibration, Temperatur, Stromaufnahme) werden in der Bronze-Schicht gespeichert. Data-Science-Notebooks in Fabric trainieren ML-Modelle, die Anomalien und degradierende Muster erkennen. Alerts werden über Real-Time Intelligence ausgelöst.

Nutzen: Geplante statt ungeplante Stillstände. Höhere Anlagenverfügbarkeit, tiefere Wartungskosten.

Use Case 3: Qualitätsdaten-Analyse über die gesamte Wertschöpfungskette

Problem: Qualitätsdaten liegen verstreut: im Labor (LIMS), in der Produktion (MES), beim Kunden (Reklamationen im CRM). Eine durchgängige Analyse – welcher Fertigungsparameter welchen Qualitätsmangel verursacht – ist nicht möglich.

Lösung mit Fabric: Alle Qualitätsdatenquellen fliessen in OneLake. In der Silber-Schicht werden sie über gemeinsame Schlüssel (Auftragsnummer, Chargennummer) verknüpft. Data-Science-Modelle identifizieren kausale Zusammenhänge zwischen Prozessparametern und Qualitätsabweichungen.

Nutzen: Root-Cause-Analyse in Stunden statt Wochen. Systematische Qualitätsverbesserung über alle Fertigungsstufen.

Use Case 4: Supply-Chain-Visibilität

Problem: Einkauf, Produktion und Logistik arbeiten mit unterschiedlichen Systemen. Lieferzeiten, Lagerbestände und Produktionsfortschritt sind nicht in einer Sicht verfügbar.

Lösung mit Fabric: ERP-Daten (Bestellungen, Lieferungen), MES-Daten (Produktionsfortschritt) und Logistik-Daten (Trackinginformationen) werden in OneLake zusammengeführt. Power BI visualisiert die gesamte Supply Chain – vom Lieferanten bis zum Versand.

Nutzen: Engpässe frühzeitig erkennen, Liefertreue verbessern, Lagerkosten senken.

Use Case 5: Energiemonitoring und Nachhaltigkeit

Problem: Energiekosten sind ein wachsender Faktor – regulatorisch (CO₂-Berichterstattung) und wirtschaftlich. Energieverbrauch wird oft nur auf Gebäudeebene gemessen, nicht pro Maschine oder Auftrag.

Lösung mit Fabric: Energiezähler werden über IoT-Gateways an Event Hub angebunden. In der Silber-Schicht werden Verbräuche pro Maschine, Auftrag und Produkt zugeordnet. Dashboards zeigen Energieintensität pro Stück – ein KPI, der zunehmend auch von Kunden gefordert wird.

Nutzen: Transparenz über Energiekosten pro Produkt. Grundlage für ESG-Reporting und gezielte Effizienzprogramme.

Vergleich: Microsoft Fabric vs. alternative Plattformen für die Industrie

Fazit: Für Industrieunternehmen, die bereits im Microsoft-Ökosystem arbeiten und OT/IT-Daten verbinden wollen, ist Fabric die natürliche Wahl. Databricks ist stärker bei reinen ML-Workloads, Snowflake bei SQL-intensiven Analysen, AWS bei maximalem IoT-Umfang.

Typischer Einführungspfad: In vier Phasen zur Datenplattform

Phase 1: Datenstrategie und Datenlandkarte (2–4 Wochen)

Bevor Fabric provisioniert wird, braucht es Klarheit über die Ausgangslage. Substring beginnt jedes Industrieprojekt mit einer Datenlandkarte: Welche Datenquellen gibt es? Welche Formate? Welche Use Cases haben den grössten Geschäftswert? Ergebnis ist eine priorisierte Roadmap mit dem ersten Use Case.

Phase 2: Plattform-Setup und erster Use Case (4–8 Wochen)

Fabric-Workspace einrichten, OneLake konfigurieren, Berechtigungskonzept aufsetzen (Entra ID). Parallel wird der erste Use Case umgesetzt – typischerweise ein OEE-Dashboard oder ein Produktionsreport. Ergebnis: Ein funktionierendes End-to-End-Beispiel, das den Wert der Plattform beweist.

Phase 3: Ausbau und Skalierung (laufend)

Weitere Datenquellen anbinden, Bronze-Silber-Gold-Architektur vertiefen, dbt-Transformationen einführen, Data Governance implementieren. In dieser Phase werden auch Data-Science-Workloads aufgebaut – etwa Predictive Maintenance oder Qualitätsanalysen.

Phase 4: Operationalisierung und MLOps (ab Monat 6)

Modelle in Produktion bringen, Monitoring einrichten, automatisiertes Retraining etablieren. Hier greifen MLOps-Praktiken, die sicherstellen, dass Modelle nicht nur einmal funktionieren, sondern dauerhaft Wert liefern.

Sechs Stolpersteine – und wie Sie sie vermeiden

Fabric als Technologieprojekt starten. Fabric ist ein Enabler, kein Selbstzweck. Starten Sie mit einem Business-Problem, nicht mit einem Plattform-Setup. Eine Datenstrategie definiert den Rahmen.

Alles auf einmal migrieren. Beginnen Sie mit einem Use Case, einem Datenstrom, einem Team. Erst wenn der erste Fall läuft, erweitern. Sonst steigen Komplexität und Kosten schneller als der Nutzen.

Governance ignorieren. OneLake macht es einfach, Daten zu speichern – aber auch einfach, den Überblick zu verlieren. Data Governance, ein Datenkatalog und klare Data-Ownership-Regeln sind von Tag eins nötig.

OT-Anbindung unterschätzen. Daten vom Shopfloor in die Cloud zu bringen, erfordert OPC-UA-Gateways, Edge-Devices und oft auch Netzwerk-Anpassungen. Planen Sie Vorlaufzeit für die OT-Integration.

Nur BI machen. Fabric kann mehr als Power-BI-Reports. Wer die Plattform nur für klassisches Reporting nutzt, verschenkt das Potenzial für Data Science, Echtzeit-Analyse und Generative AI.

Kapazitäten nicht überwachen. Fabric rechnet nach Kapazitätseinheiten (CU) ab. Ohne Monitoring und automatisches Pausieren können Kosten schnell steigen. Alerts und Budgetlimits von Anfang an konfigurieren.

Praxisbezug: Substring und Microsoft Fabric

Substring setzt Microsoft Fabric als primäre Datenplattform für Industrieunternehmen ein:

SIPRO Steel Solutions – Migration eines On-Premise Data Warehouse auf eine moderne Cloud-Architektur auf Azure-Basis. ERP-Daten fliessen über die Plattform, werden im Medaillon-Modell (Bronze-Silber-Gold) transformiert und in Power BI visualisiert. Ergebnis: schnellere Analysen, tiefere Betriebskosten.

Basler Verkehrsbetriebe (BVB) – Obwohl ÖV, architektonisch vergleichbar mit Industrieprojekten: IoT-Daten (Weichensysteme) fliessen über Azure Event Hub in Microsoft Fabric, werden mit dbt core transformiert und in Power BI visualisiert. Dieselbe Architektur funktioniert für Sensordaten aus der Produktion.

BERNMOBIL – KI-gestützte akustische Schienenkopfkonditionierung als Innovationsprojekt auf Fabric.

Wie Substring Sie unterstützt

Substring verbindet Industrieverständnis mit Microsoft-Fabric-Kompetenz. Wir starten nicht mit der Technologie, sondern mit Ihrer Ausgangslage:

• Beratung und Strategie: Datenlandkarte, Datenstrategie, Use-Case-Priorisierung für die Industrie
• Datenplattform: Microsoft Fabric, OneLake, Bronze-Silber-Gold, dbt, Data Governance
• Künstliche Intelligenz: Predictive Maintenance, Qualitätsanalyse, Generative AI, RAG auf Produktionsdaten
• Operationalisierung: MLOps, Monitoring, Alerting, automatisiertes Retraining

→ Kontakt aufnehmen – wir zeigen Ihnen, wie Microsoft Fabric Ihre Produktionsdaten in Entscheidungen verwandelt.

Weiterführende Glossar-Artikel

• dbt und Microsoft Fabric – Transformationen automatisieren
• Fabric für Verkehrsunternehmen – Parallelen zur Industrie
• Was ist ein Data Lake? – OneLake im Kontext verstehen
• Data Warehouse oder Lakehouse? – die richtige Architektur wählen
• Was ist eine Data Pipeline? – Datenfluss von Quelle zu Ziel
• Was ist Data Science? – Daten als Wettbewerbsvorteil
• Was ist MLOps? – Modelle in Produktion betreiben
• Was ist Generative AI? – und wie verändert sie die Industrie?

‍