Die besten Online-Plattformen, um Snowflake, dbt und Cloud Computing im Jahr 2026 zu lernen

Die meisten Stellenausschreibungen für Analytics Engineering in 2026 verlangen dieselben drei Dinge: ein Cloud-Warehouse (meist Snowflake), eine Transformationsebene (meist dbt) und Praxis mit AWS, Azure oder Google Cloud. Herauszufinden, wie du diese Kombi sinnvoll lernst, ist der unangenehme Teil.

Diese Liste richtet sich an alle, die bereits SQL schreiben und Snowflake, dbt und Cloud-Grundlagen in einer sinnvollen Reihenfolge ergänzen wollen. Ich habe die Ressourcen nach vier Kriterien bewertet:

• ob du eine echte Hands-on-Umgebung bekommst statt Foliensätze,
• ob die Inhalte aktuelle Features wie Snowpark, Iceberg-Tabellen und die neueren dbt-Deployment-Optionen abdecken,
• ob die Ressourcen in einer nachvollziehbaren Reihenfolge aufeinander aufbauen, und
• ob die Preise öffentlich genannt sind – mehrere Institute sind rausgeflogen, weil du die Gebühr erst nach Angabe deiner Telefonnummer erfährst.

1. DataCamp

Die Kurse von DataCamp sind der beste Einstieg, wenn du schon SQL schreibst und den Stack in der richtigen Reihenfolge lernen willst. Die Kurse Introduction to Snowflake und Introduction to dbt starten beide Plattformen bei null, während die Anbieterplattformen unten jeweils nur ihr eigenes Tool abdecken. Du lernst, indem du die echten Tools in einer Browser-VM nutzt statt nur Videos zu schauen – du schreibst also innerhalb von Minuten Live-Snowflake-Queries, ganz ohne Test-Account und ohne Kreditkarte.

Ein weiterer Vorteil: DataCamp bietet Kurse zu Grundlagen und ergänzenden Kompetenzen in Tools wie Python und Docker – Wissen, das andere Kurse oft voraussetzen. Understanding Cloud Computing und Data Warehousing Concepts klären die Theorie hinter den Tools, und wenn du den gesamten Weg kuratiert willst, führt dich der Data Engineer in Python career track durch SQL, Python, Warehousing und Pipeline-Tooling end-to-end.

Am besten geeignet für: SQL-Nutzer, die Snowflake, dbt und Cloud-Grundlagen in einer schlüssigen Reihenfolge lernen wollen, ohne eigene Accounts bereitzustellen.

2. Snowflake Quickstarts und die kostenlose Testversion

Snowflake Quickstarts kommen einer kostenlosen Laborumgebung vom Anbieter am nächsten und sind zusammen mit der Free Trial ein schneller Weg, um in einem echten Account praktisch zu arbeiten. Die Walkthroughs sind wie Workshops aufgebaut, mit auf GitHub gehosteten Beispiel-Repos zu Dataloading, Performance-Tuning, Snowpark und Streamlit-Apps auf Snowflake-Daten.

Der Haken ist wichtig: Testguthaben und Testzeitraum laufen ab. Bündle deine Labs also in ein, zwei fokussierte Wochen statt einen Monat zu trödeln und festzustellen, dass der Account tot ist, wenn du endlich Zeit hast.

Am besten geeignet für: Hands-on mit Snowpark, Ingestion und Tuning in einem echten Account statt in einer Sandbox.

3. Snowflake-Dokumentation

Die offizielle Dokumentation ist das Nachschlagewerk, das du für den Rest deiner Arbeit mit der Plattform offen hast – am besten, nachdem dir ein Kurs den groben Rahmen gegeben hat. Sie ist nach Workloads strukturiert, mit separaten Pfaden für Data Engineering, Data Lake, Data Science und App-Entwicklung.

Der Abschnitt, zu dem ich immer wieder zurückkomme, ist Micro-Partitions und Clustering. Gerade Micro-Partitions erklären, warum eine Query, die aussieht wie eine andere, plötzlich zehnmal schneller läuft – so präzise deckt das kein Kurs ab. Es ist ein Nachschlagewerk, kein Lernprogramm, also lies es nicht von vorn bis hinten durch.

Am besten geeignet für: exakte Syntax, Feature-Grenzen und Verhaltensweisen wie Snowpark- und Iceberg-Support nachschlagen.

4. dbt Fundamentals (dbt Labs)

dbt Fundamentals ist kostenlos, stammt von dbt Labs und ist der am besten strukturierte dbt-Kurs. Er behandelt Models, den DAG, Sources und Refs, Jinja-Macros, Tests, Dokumentation und das Deployment in dbt Cloud, mit Labs gegen ein echtes Warehouse – Snowflake ist die häufigste Kombination.

Zwei Einschränkungen: Das Deployment-Material ist stark auf dbt Cloud ausgerichtet – ein Team, das dbt Core unter Airflow oder Dagster betreibt, muss übersetzen. Und als Anbieterkurs sagt er dir nicht, wann SQLMesh, Coalesce oder Snowpark-Prozeduren die bessere Wahl wären.

Am besten geeignet für: alle, die beruflich mit dbt arbeiten und die Konventionen des Anbieters lernen wollen.

5. dbt Developer Docs und Best-Practice-Guides

Die dbt-Entwicklerdokumentation enthält das Material für Fortgeschrittene. Besonders lesenswert wie ein Buch sind die Best-Practice-Guides: Projektstruktur, Trennung von Staging, Intermediate und Marts, Teststrategie, Environments und CI/CD. Außerdem sind sie die einzige vollständige Referenz für Snapshots, Exposures, Metrics und Seeds.

Der Nachteil: Es ist Doku, keine Übungsumgebung. Du liest also statt zu üben und brauchst ein eigenes dbt-Projekt, um etwas davon auszuprobieren.

Am besten geeignet für: Analytics Engineers, die ein wachsendes dbt-Projekt teamweit standardisieren.

6. Data Engineering Zoomcamp (DataTalks.Club)

Das Data Engineering Zoomcamp ist kostenlos, projektbasiert und ideal, wenn du Portfolio-Belege statt Teilnahmeabzeichen willst. Es deckt einen kompletten modernen Stack ab – inklusive dbt, Airflow, Kafka, Containern und Cloud-Infrastruktur – mit benoteten Hausaufgaben und einem Capstone-Projekt.

Es ist auch der schwerste Eintrag hier, um ihn zu Ende zu bringen. Die Voraussetzungen sind real: fortgeschrittenes Python, Docker, Sicherheit an der Linux-Kommandozeile und genug Cloud-Erfahrung, um eigene Ressourcen anzulegen und zu bezahlen. Der Scope ist deutlich breiter als nur Snowflake und dbt.

Am besten geeignet für: Quereinsteiger, die ein fertiges Projekt brauchen – nicht nur ein Zertifikat.

7. AWS Skill Builder

AWS Skill Builder ist die richtige Cloud-Akademie, wenn dein Snowflake-Account auf AWS läuft – die häufigste Deployment-Variante, die ich sehe. Es gibt Lernpfade für Cloud Practitioner, Solutions Architect Associate und Data Engineer Associate. IAM und S3 sind der praktische Hebel, denn External Stages, Storage Integrations und Snowpipe-Ingestion scheitern fast immer an Berechtigungen.

Die Preise teilen sich: ein großer kostenloser Bereich mit Digital-Trainings und ein kostenpflichtiges Abo für fortgeschrittene Labs und Examensvorbereitung. Prüfungen kosten extra, Cloud-Provider-Exams liegen meist zwischen 100 und 300 US-Dollar.

Am besten geeignet für: Engineers, die Snowflake oder dbt auf AWS betreiben und IAM- sowie S3-Sicherheit brauchen.

8. Google Cloud Skills Boost

Google Cloud Skills Boost lohnt sich aus zwei Gründen: Der Pfad zum Professional Data Engineer ist der stärkste Anbieter-Zertifizierungspfad im Datenbereich, und die BigQuery-Labs liefern dir einen direkten Vergleich zu Snowflake. Beide Warehouses zu kennen, macht dich spürbar besser in der Bewertung beider.

Dataform, inzwischen Teil von Google Cloud, ist auch die nächstliegende First-Party-Alternative zu dbt. Hier kannst du testen, ob dbt wirklich besser zu deinem Team passt – oder nur der Standard ist. Kostenlose Labs sind limitiert; darüber hinaus gibt es Abos, und die Prüfung budgetierst du separat.

Am besten geeignet für: Professional Data Engineer-Vorbereitung und den Vergleich BigQuery vs. Snowflake.

9. Microsoft Learn

Microsoft Learn ist die günstigste der drei Cloud-Akademien, weil fast alle Inhalte kostenlos sind und du nur für Prüfungen zahlst. Relevante Pfade sind Azure Fundamentals, Azure Data Engineer und Azure Data Scientist, mit Modulen zu Azure Synapse Analytics, Microsoft Fabric und Data Factory.

Fabric ist der Grund, genau hinzusehen – auch wenn du fest im Snowflake-Lager bist. In Microsoft-lastigen Organisationen wird es oft als Ersatz für Snowflake-plus-dbt ins Spiel gebracht. Strukturell ist es modulbasiert statt projektbasiert, was manche als zergliedert empfinden.

Am besten geeignet für: Data Engineers in Azure-Umgebungen und alle, die Fabric gegen Snowflake abwägen.

10. awesome-dbt (GitHub)

Das awesome-dbt-Repository ist der schnellste Weg zu community-geprüftem dbt-Material, ohne dich durch SEO-Inhalte zu wühlen, und funktioniert am besten als Suchindex statt als Lehrplan. Es bündelt Kurse, Tutorials, Blogs, Packages und Advanced-Guides an einem Ort. So kannst du mit einem dbt-plus-Snowflake-Einsteigerkurs starten und direkt zu einem Enterprise-Scaling-Guide springen, ohne die Plattform zu wechseln.

Die Schwäche jeder kuratierten Liste sind „Link Rot" und fehlende Qualitätskontrollen. Manche Einträge sind uralt, manche sind getarnter Vendor-Content, und nichts sagt dir, was was ist.

Am besten geeignet für: gezielt ein bestimmtes dbt-Tutorial, Package oder einen Enterprise-Guide zu finden.

Vergleichstabelle

Abschließende Gedanken

Wenn du neu im Stack bist, starte mit DataCamps Einsteigerkursen zu Snowflake und dbt und mach weiter mit dem Kurs Intermediate dbt. Falls dir Voraussetzungen fehlen, führt dich der DataCamp-Data Engineer in Python career track in einem Lernpfad durch SQL, Python, Warehousing und Pipeline-Tooling.

Wenn du die Grundlagen schon hast und mit diesem Stack arbeitest, spring direkt zu den dbt-Best-Practice-Guides und der Snowflake-Doku zu Micro-Partitions und Time Travel, sobald echte Probleme auftauchen. Nutze awesome-dbt, um gezielt den Advanced-Guide zu finden, den du brauchst.