# Data Lake - Architektur und Ingestion (Data Engineering) > Data Lake-Architektur, Zonen (raw/refined/curated), Formate (Parquet, Avro, JSON), Ingestion, Partitionierung - 20 Interview-Fragen - Mid-Level - [Interview-Fragen: Data Engineering](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen.md) ## 1. Was ist ein Data Lake? **Antwort** Ein Data Lake ist ein zentrales Speichersystem, das Rohdaten in ihrem nativen Format speichern kann, ob strukturiert, semistrukturiert oder unstrukturiert. Im Gegensatz zum Data Warehouse, das ein Schema beim Schreiben erzwingt (schema-on-write), wendet ein Data Lake das Schema beim Lesen an (schema-on-read) und bietet maximale Flexibilität für Datenexploration und -analyse. ## 2. Was ist der Hauptunterschied zwischen schema-on-write und schema-on-read? **Antwort** Schema-on-write erzwingt Datenvalidierung und -transformation vor der Speicherung, gewährleistet eine konsistente Struktur, schränkt aber die Flexibilität ein. Schema-on-read speichert Daten in ihrem Rohformat und wendet das Schema nur beim Lesen an, bietet maximale Ingestion-Flexibilität, erfordert aber Verarbeitung beim Datenzugriff. ## 3. Was sind die drei klassischen Zonen eines Data Lake? **Antwort** Die Standard-Data-Lake-Architektur umfasst drei Zonen: Raw (Bronze) für untransformierte Rohdaten, Refined (Silver) für bereinigte und normalisierte Daten und Curated (Gold) für aggregierte Daten, die zum Verbrauch bereit sind. Diese geschichtete Organisation erleichtert Governance, Rückverfolgbarkeit und Datenqualität. ## 17 weitere Fragen verfügbar - Was ist die Rolle der Raw (Bronze)-Zone in einem Data Lake? - Welches Dateiformat eignet sich am besten zum Speichern großer analytischer Daten in einem Data Lake? Kostenlos registrieren: https://sharpskill.dev/de/login ## Weitere Data Engineering-Interviewthemen - [Linux & Shell - Grundlagen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/linux-shell-basics.md): 20 Fragen, Junior - [Git & GitHub - Grundlagen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/git-github-fundamentals.md): 20 Fragen, Junior - [Fortgeschrittenes Python für Data Engineering](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/python-advanced-de.md): 25 Fragen, Junior - [Docker - Grundlagen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/docker-fundamentals.md): 25 Fragen, Junior - [Google Cloud Platform - Grundlagen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/gcp-fundamentals.md): 20 Fragen, Junior - [CI/CD und Codequalität](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/ci-cd-code-quality.md): 20 Fragen, Mid-Level - [Docker Compose](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/docker-compose.md): 20 Fragen, Mid-Level - [FastAPI - Daten-APIs](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/fastapi.md): 20 Fragen, Mid-Level - [Fortgeschrittenes SQL für Data Engineering](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/sql-advanced-de.md): 20 Fragen, Mid-Level - [BigQuery für Data Engineering](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/bigquery-de.md): 20 Fragen, Mid-Level - [PostgreSQL - Administration](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/postgresql-admin.md): 20 Fragen, Mid-Level - [Data Modeling für Data Engineering](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/data-modeling-de.md): 20 Fragen, Mid-Level - [Fivetran & Airbyte - Daten-Ingestion](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/fivetran-airbyte.md): 20 Fragen, Mid-Level - [dbt - Grundlagen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/dbt-fundamentals-de.md): 20 Fragen, Mid-Level - [Apache Airflow - Grundlagen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/airflow-fundamentals.md): 20 Fragen, Mid-Level - [Kubernetes - Grundlagen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/kubernetes-fundamentals.md): 20 Fragen, Mid-Level - [dbt - Erweiterte Funktionen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/dbt-advanced-de.md): 20 Fragen, Senior - [ETL- / ELT- / ETLT-Patterns](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/etl-elt-patterns.md): 20 Fragen, Senior - [Apache Airflow - Fortgeschritten](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/airflow-advanced.md): 20 Fragen, Senior - [Airflow + dbt - Pipeline-Orchestrierung](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/airflow-dbt-integration.md): 20 Fragen, Senior - [PySpark - Verarbeitung im großen Maßstab](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/pyspark.md): 20 Fragen, Senior - [Google Pub/Sub - Daten-Streaming](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/pubsub-streaming.md): 20 Fragen, Senior - [Apache Beam & Dataflow](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/apache-beam-dataflow.md): 20 Fragen, Senior - [Kubernetes - Produktion und Skalierung](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/kubernetes-advanced.md): 20 Fragen, Senior - [Terraform - Infrastructure as Code](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/terraform.md): 20 Fragen, Senior - [NoSQL-Datenbanken](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/nosql-databases.md): 20 Fragen, Senior - [Moderne Data Architecture](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/data-architecture.md): 20 Fragen, Senior - [Monitoring und Observability](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/monitoring-observability.md): 20 Fragen, Senior - [IAM und Datensicherheit](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/iam-security-de.md): 20 Fragen, Senior --- Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack. HTML version of this page: https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/data-lake