# dbt - Grundlagen (Data Engineering)

> dbt-Projekt, Models, Sources, Refs, Tests, Dokumentation, Materializations (table, view, incremental), Seeds

- 20 Interview-Fragen
- Mid-Level
- [Interview-Fragen: Data Engineering](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen.md)

## 1. Was ist dbt (data build tool)?

**Antwort**

dbt ist ein Datentransformations-Tool, das es ermöglicht, Transformationen in SQL zu schreiben und in einem Data Warehouse auszuführen. Es wendet Software-Engineering-Prinzipien (Versionierung, Tests, Dokumentation) auf die Datentransformationsarbeit an. dbt übernimmt weder Extraktion noch Laden (das E und L von ELT), sondern nur die Transformation.

## 2. Was ist die Grundstruktur eines dbt-Projekts?

**Antwort**

Ein dbt-Projekt enthält eine dbt_project.yml-Datei im Stammverzeichnis, die die Projektkonfiguration definiert. Die Hauptordner sind models (mit SQL-Dateien), tests für benutzerdefinierte Tests, macros für Jinja-Makros, seeds für CSV-Dateien und snapshots für historische Datenerfassungen. Die profiles.yml-Datei (normalerweise außerhalb des Projekts) definiert Warehouse-Verbindungen.

## 3. Welche Rolle spielt die profiles.yml-Datei in dbt?

**Antwort**

Die profiles.yml-Datei enthält Verbindungsinformationen zu Data Warehouses (BigQuery, Snowflake, Redshift, PostgreSQL usw.). Sie wird normalerweise im Ordner ~/.dbt/ und nicht im Projekt gespeichert, um zu vermeiden, dass sensible Credentials versioniert werden. Jedes Profil kann mehrere Targets (dev, prod) haben, was den einfachen Wechsel zwischen Umgebungen ermöglicht.

## 17 weitere Fragen verfügbar

- Was ist ein Model in dbt?
- Welche Rolle spielt die Funktion ref() in dbt?

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
- [Data Lake - Architektur und Ingestion](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/data-lake.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
- [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/dbt-fundamentals-de