Ein praktischer Leitfaden für Lehrkräfte: Ordnen Sie Ihre Kurse den richtigen Tools zu, verteilen Sie Aufgaben und lassen Sie Studierende kostenlos mit echten Produktionsdaten und einer KI-Infrastruktur arbeiten.
von Joey Frazee und Elise Hollowed
Du kannst einen vollständigen Daten- oder KI-Kurs auf derselben Plattform ausführen, die Unternehmen in der Produktion nutzen – kostenlos, ohne Cloud-Vertrag, ohne Lizenzverwaltung und ohne Installation. Databricks Free Edition ist eine dauerhaft kostenlose Version der Plattform; jeder Studierende registriert sich einzeln und arbeitet vollständig im Browser, sodass ein Kurs ohne Serverbereitstellung oder Einkäufe darauf umgestellt werden kann.
Daten- und KI-Fähigkeiten entwickeln sich schneller weiter, als die meisten Lehrpläne folgen können, und die Nachfrage nach diesen Fähigkeiten zeigt sich sowohl bei Neueinstellungen als auch beim Lernverhalten. LinkedIn hat Databricks als eine seiner Top-10-Fähigkeiten im Aufschwung für 2026 genannt, während Udemy Databricks in seine 100 am schnellsten wachsenden globalen Fähigkeiten aufgenommen hat. Zwei sehr unterschiedliche Signale, die in dieselbe Richtung deuten: Zu wissen, wie man mit modernen Daten- und KI-Plattformen arbeitet, wird zunehmend wertvoller.
Für Studierende kann das den Unterschied ausmachen zwischen „Ich habe verteilte Systeme studiert“ und „Ich habe eine Daten-Pipeline auf der Plattform gebaut, die dein Team verwendet.“ Für Lehrende bedeutet es, einen bestehenden Kurs direkter damit zu verknüpfen, wie Daten- und KI-Arbeit in der Industrie erledigt wird, ohne den Lehrplan komplett neu zu gestalten.
Die Hürden, die Industrieplattformen oft schwer in den Unterricht integrierbar machen, darunter Kosten, Lizenzierung und IT-Bereitstellung, werden durch die Databricks Free Edition gelöst; ein dauerhaft kostenloses Konto ohne Kreditkarte, ohne Cloud-Vertrag und ohne Installation.
Das ist wichtig, da die beiden üblichen Hürden beim Lehren mit Industriewerkzeugen Kosten und Einrichtung sind, und die Free Edition beide beseitigt. Sie wurde speziell für das Lernen und die nicht-kommerzielle Nutzung entwickelt und steht Studierenden und Lehrkräften weltweit zur Verfügung.
Was ist Databricks Free Edition? Eine kostenlose, dauerhaft kostenfreie Version der Databricks Data + AI Platform, entwickelt für Studierende, Hobbyisten und angehende Daten- und KI-Profis. Sie läuft im Browser ohne Cloud-Vertrag und ohne erforderliche Kreditkarte zur Registrierung, auf kleineren Rechenkapazitäten im Rahmen von Fair-Use-Grenzen. Sie ist nicht für die Produktion oder kommerzielle Nutzung gedacht. (Quelle: databricks.com/learn/free-edition)
Databricks hat zudem tiefe Wurzeln in der Wissenschaft. Das Unternehmen wurde von den UC-Berkeley-Professoren und PhD-Studierenden gegründet, die Apache Spark™ ins Leben gerufen haben, und Open Source steht nach wie vor im Mittelpunkt dessen, was wir entwickeln – Delta Lake, MLflow und Unity Catalog werden mit globalen Communities unter anbieterneutralen Stiftungen (der Linux Foundation, LF AI & Data und der Apache Software Foundation) entwickelt, und Databricks hat kürzlich Omnigent als Open Source veröffentlicht, ein Meta-Harness für KI-Agenten. Für Lehrende bedeutet dies, dass die Fähigkeiten, die Studierende aufbauen, auf branchenweiten offenen Standards basieren und nicht auf einem einzelnen proprietären Werkzeug.
Da die Free Edition die echte Plattform und keine vereinfachte Sandbox ist, lassen sich die Fähigkeiten direkt übertragen. Ein Studierender, der einen Spark-Job schreibt, eine SQL-Abfrage ausführt, ein Modell bereitstellt oder einen Agenten in der Free Edition erstellt, verwendet dieselben Werkzeuge, die Profis in der Produktion nutzen. Es gibt keinen Schritt nach dem Motto „Lerne erst das Schulungswerkzeug und vergiss es wieder, um das echte zu lernen“.
Eine einzige Umgebung kann als Statistiklabor, Datenbankkurs, Business-Analytics-Kurs und KI-Abschlussprojekt dienen – was die Anzahl der Werkzeuge reduziert, die Studierende und Lehrende erlernen müssen. Diese Tabelle ordnet gängige Kurse den Werkzeugen zu, die zu deinem aktuellen Lehrplan passen könnten.
| Was du unterrichtest | Was du verwenden würdest | Was Studierende tun | Wo man lernt |
|---|---|---|---|
| Einführung in die Programmierung, Data Science, angewandte Statistik, Datenbereinigung und EDA, Data Mining, Datenvisualisierung, maschinelles Lernen | Kollaborative Notebooks (Python, SQL; R und Scala werden von der Free Edition nicht unterstützt) | Code schreiben und gegen reale Daten ausführen; Text, Code und Visualisierungen kombinieren | Erste Schritte mit Databricks für maschinelles Lernen |
| Big Data, verteilte Systeme; Data Mining und Datenbereinigung im großen Stil | Apache Spark | Daten im großen Stil mit DataFrames und verteiltem Computing verarbeiten; Batch- und Streaming-Verarbeitung handhaben | Einführung in Apache Spark™ |
| Data Engineering; Daten-Pipeline-Arbeit in Abschlussarbeiten und Projekten | Lakeflow (Lakeflow Connect, Apache Spark Declarative Pipelines, Lakeflow Jobs) | ETL- und Streaming-Pipelines erstellen und orchestrieren | Erste Schritte mit Databricks für Data Engineering |
| Datenbanksysteme, Data Warehousing (OLAP) | Delta Lake, Lakehouse | Mit zuverlässigen, versionierten Tabellen arbeiten (ACID, Zeitreisen) | Erste Schritte mit Databricks für Data Warehousing |
| Datenbanksysteme, Business Analytics und Business Intelligence (BI), prädiktive Analysen, Datenvisualisierung, Informationssysteme | Databricks SQL, AI/BI-Dashboards und Genie Agents | Daten abfragen, modellieren und visualisieren; Dashboards erstellen; Fragen zu Daten in natürlicher Sprache stellen | Erste Schritte mit SQL Analytics und BI auf Databricks |
| MBA- und Business-School-Datenkurse, Business Analytics, Informationssysteme | Genie | Fragen zu Daten in einfacher Sprache stellen und über die Antworten nachdenken, ohne Code zu schreiben; Genie One fungiert als agentenbasierter Assistent, der widerspiegelt, wie Business-Analysen zunehmend durchgeführt werden | Grundlagen der Analytik |
| Datenbanksysteme, Transaktionsverarbeitung (OLTP) | Lakebase (verwaltetes Postgres) | Transaktionale (OLTP)-Workloads ausführen und Anwendungsdaten auf Standard-Postgres sichern | Erste Schritte mit Lakebase |
| Maschinelles Lernen; Modellbereitstellung in Abschlussprojekten | MLflow, Model Serving, GPUs | Experimente nachverfolgen; Modelle trainieren, registrieren und bereitstellen | Erste Schritte mit MLflow |
| Künstliche Intelligenz, NLP, angewandte KI | Genie Agents, Agent Framework und Evaluation, AI Search, Modeltraining und Feinabstimmung | KI-Agenten erstellen und evaluieren, Vektorsuche für RAG nutzen und Modelle mit eigenen Daten feinabstimmen | Grundlagen von KI-Agenten |
| Abschlussprojekte, Softwareentwicklungsprojekte, studentische Eigenentwicklungen und Hackathons | Databricks Apps | Interaktive Daten- und KI-Anwendungen erstellen und bereitstellen | Erstellung von Unternehmensanwendungen mit Databricks Apps |
Über diese Oberflächen hinweg hilft Genie Code, der agentenbasierte Programmier- und Datenassistent der Plattform, Studierenden dabei, Code zu generieren, zu erklären und zu debuggen sowie mehrstufige Aufgaben autonom zu erledigen, was widerspiegelt, wie Arbeit zunehmend erledigt wird.
Verteile sie über dein bestehendes LMS oder ein GitHub-Repository. Exportiere das Aufgaben-Notebook als .ipynb-Datei und teile es zusammen mit Datensätzen oder Anweisungen; Studierende importieren eine Kopie in ihren Free Edition-Arbeitsbereich, bearbeiten sie und exportieren das fertige Notebook zur Abgabe. Für Gruppenarbeiten können Studierende ein Notebook teilen und in Echtzeit zusammenarbeiten.
Drei Optionen für Datensätze, die zu groß für GitHub oder einen lokalen Download sind: (1) Hoste den Datensatz in einem Cloud-Speicher, mit dem sich Studierende verbinden; (2) nutze Open Sharing, um den Datensatz aus deinem Free Edition-Arbeitsbereich direkt in den Arbeitsbereich jedes Studierenden zu teilen; oder (3) wähle einen kostenlosen Datensatz aus dem Databricks Marketplace, auf den Studierende nativ innerhalb der Plattform zugreifen.
Ja. Databricks ist auf Zusammenarbeit ausgelegt – mit Echtzeit-Co-Authoring, Kommentaren und Markierungen können Studierende zusammenarbeiten und dich in ihre Notebooks einladen, um Fehler zu beheben oder Feedback zu geben. Die Databricks Free Edition ist darauf ausgelegt, dass bis zu fünf Personen ein Konto für ein Gruppenprojekt teilen. Siehe dir an, wie man die Zusammenarbeit in der Databricks Free Edition einrichtet.
Die Free Edition läuft auf kleineren Compute-Ressourcen im Rahmen von Fair-Use-Grenzen. Wenn ein Workspace sein Kontingent überschreitet, wird die Ausführung für den Rest des Tages angehalten und am nächsten Tag fortgesetzt. Es kommt nur selten vor, dass ein Limit mitten in einer Aufgabe erreicht wird, und dies ist niemals von Dauer. Darüber hinaus können Sie und Ihre Studierenden Ihr verfügbares tägliches Guthaben bis zu dreimal pro Jahr verdoppeln, sodass Studierende in intensiven Lernphasen und Prüfungen immer weiterarbeiten können. Der beste Weg für einen reibungslosen Ablauf ist, jede Aufgabe vorab in der Free Edition zu testen, um Schritte zu erkennen, die größere Compute-Ressourcen erfordern.
Ja – sie ist dauerhaft kostenlos, ohne Cloud-Vertrag und ohne Kreditkarte für die Registrierung. Sie ist für das Lernen und ausdrücklich nicht für die Produktion oder den kommerziellen Einsatz konzipiert, was ideal für den Unterricht ist. Das Guthaben wird täglich zurückgesetzt, sodass Studierende jeden Tag frisch starten können.
Ein guter Startpunkt ist überall dort, wo Sie bereits eine Cloud-basierte Notebook-Umgebung nutzen. Registrieren Sie sich selbst für die Databricks Free Edition und absolvieren Sie den Kurs Databricks Fundamentals. Sobald Sie sich sicher fühlen, weisen Sie beides Ihren Studierenden zu und schauen Sie, wie sich die selbstbestimmten Kurse in Ihren bestehenden Lehrplan einfügen.
Databricks Free Edition ausprobieren →
(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag
Abonnieren Sie unseren Blog und erhalten Sie die neuesten Beiträge direkt in Ihren Posteingang.