Google Cloud Associate Data Practitioner
225 Übungsfragen
Zuletzt überprüft: April 2026
Persönliche Notizen und Ressourcenlinks für Ihre Lernreise
Nach Zertifizierung Filtern
Der Google Cloud Associate Data Practitioner (ADP) ist ein neueres Credential auf Associate-Niveau, das die tägliche Datenarbeit in Google Cloud validiert – das Erfassen, Transformieren, Analysieren und Präsentieren von Daten mit BigQuery, Dataform, Dataflow, Dataplex und Looker. Es richtet sich an Datenanalysten, BI-Ingenieure und Analytics Engineers und weniger an vollständige Data Engineers. Daher betont die Prüfung SQL, geplante Abfragen, grundlegende Pipeline-Orchestrierung und Looker-/Looker Studio-Dashboards gegenüber tiefgreifenden Streaming- und Plattform-Engineering-Inhalten. ADP passt zwischen Cloud Digital Leader und der Professional Data Engineer (PDE) Zertifizierung: technischer als CDL, weniger architektonisch als PDE. Es ist die zugänglichste technische Datenzertifizierung im GCP-Track.
Größter Bereich mit 30%. BigQuery-Ladevorgänge, föderierte Abfragen, Storage Transfer Service, Datastream für CDC, Pub/Sub für Streaming-Ingestion, grundlegende Dataflow-Templates. SQL-Transformationen und Dataform.
BigQuery SQL (Fensterfunktionen, CTEs, ARRAYs/STRUCTs), Grundlagen des Looker-Semantikmodells, Looker Studio-Dashboards, geplante Abfragen und BI Engine. 27% — stark auf praktischem SQL basierend.
Cloud Composer (verwaltetes Airflow) DAGs, Dataform-Workflows, Cloud Scheduler + Cloud Workflows, Pub/Sub-Trigger. 18% — konzeptionell, kein DAG-Code, aber Kandidaten müssen wissen, welcher Orchestrator zu welchem Muster passt.
Dataplex-Zonen und -Lakes, Data Catalog-Tagging und -Suche, IAM für BigQuery (Dataset / Tabelle / Spalte / Zeile), Verschlüsselung mit CMEK, Aufbewahrung und Sicherheit auf Tabellenebene. 25%.
Services, die Sie in der Prüfung antreffen, und warum jeder davon wichtig ist.
Serverloses, spaltenbasiertes Data Warehouse mit Trennung von Speicher und Compute, ANSI SQL, direkter Abfrage semistrukturierter Daten (JSON) und Abrechnung pro Abfrage oder Slot-basiert.
Warum er in der Prüfung steht: BigQuery ist das Herzstück der Datenanalyse und -präsentation — erwarten Sie Fragen zu Partitionierung, Clustering, materialisierten Ansichten und Slot-Reservierungen.
Objektspeicher, der als Data-Lake-Substrat für Rohdaten-, kuratierte und Konsumschichten dient, mit Standard-, Nearline-, Coldline-, Archive-Klassen und Autoclass.
Warum er in der Prüfung steht: Jedes ADP-Szenario zur Datenvorbereitung und -aufnahme geht von Cloud Storage als Landing Zone aus; Speicherklassen, Lebenszyklus und Partitionslayout sind Themen bei Fragen zum Datenmanagement.
Vollständig verwalteter Apache Beam Runner für vereinheitlichte Batch- und Streaming-Pipelines mit Autoscaling-Workern, Exactly-Once-Semantik und integrierten Flex-Templates.
Warum er in der Prüfung steht: Dataflow ist die Standardantwort für serverloses ETL/ELT bei der Datenvorbereitung und -aufnahme — Fragen testen das Design von Batch- vs. Streaming-Pipelines und Windowing.
Verwaltete Apache Spark, Hadoop, Flink und Hive Cluster mit ephemeralem Autoscaling, GCE- oder Serverless-Ausführung und BigQuery / Cloud Storage Konnektoren.
Warum er in der Prüfung steht: Die Referenzantwort für "Ich habe bestehende Spark/Hadoop-Jobs" bei der Datenvorbereitung und -aufnahme — im Gegensatz zu Dataflow für neues Pipeline-Design.
Verwaltete relationale Datenbanken für PostgreSQL, MySQL und SQL Server mit regionaler HA, automatisierten Backups und Lesereplikaten.
Warum er in der Prüfung steht: Cloud SQL ist die kanonische OLTP-Quelle, die Analyse-Pipelines im Rahmen des Datenmanagements speist — erwarten Sie Fragen zu Datastream-basiertem CDC in BigQuery.
Global verteilte, stark konsistente relationale Datenbank mit horizontaler Skalierung, Multi-Region-Schreibzugriffen und ANSI SQL sowie PostgreSQL-Dialekten.
Warum er in der Prüfung steht: Spanner erscheint in Datenmanagement-Szenarien, die globale Konsistenz in großem Maßstab erfordern, im Gegensatz zu den regionalen Grenzen von Cloud SQL.
Global verfügbarer, At-Least-Once-Messaging-Dienst für die Ereignisaufnahme in beliebiger Größenordnung, mit Push- oder Pull-Zustellung und BigQuery / Cloud Storage-Abonnements.
Warum er in der Prüfung steht: Pub/Sub ist die wichtigste Antwort für Streaming-Ingestion bei der Datenvorbereitung und -aufnahme — passt zu Dataflow für die Echtzeit-Anreicherung.
Verwalteter Apache Airflow-Dienst zum Erstellen, Planen und Überwachen von DAG-basierten Workflows über BigQuery, Dataflow, Dataproc und externe Systeme hinweg.
Warum er in der Prüfung steht: Composer ist der benannte Dienst für die Datenpipeline-Orchestrierung — erwarten Sie Fragen, die ihn von Workflows für Code-First- vs. deklarative Orchestrierung abgrenzen.
Speicherabstraktion, die es BigQuery ermöglicht, Daten im offenen Format (Parquet, Iceberg, Hudi, Delta) in Cloud Storage und externen Objektspeichern unter einheitlicher Governance abzufragen.
Warum er in der Prüfung steht: BigLake beantwortet die Datenmanagement-Frage "wie frage ich Lakehouse-Daten ab, ohne sie nach BigQuery zu kopieren" — und vereinheitlicht Zugriffssteuerungen über verschiedene Formate hinweg.
Visuelles, codefreies ETL/ELT-Studio, das auf CDAP aufbaut, mit über 150 vorgefertigten Konnektoren und steckbaren Transformationen, die im Hintergrund auf verwaltetem Dataproc ausgeführt werden.
Warum er in der Prüfung steht: Die Low-Code-Option bei der Datenvorbereitung und -aufnahme — Fragen testen, wann sie gegenüber handgeschriebenem Dataflow für Citizen Data Engineers zu bevorzugen ist.
Serverloser Change-Data-Capture-Dienst, der Einfügungen, Aktualisierungen und Löschungen aus MySQL, PostgreSQL, AlloyDB, SQL Server und Oracle in BigQuery oder Cloud Storage streamt.
Warum er in der Prüfung steht: Datastream ist die kanonische Antwort für die nahezu Echtzeit-Replikation von OLTP-Daten in BigQuery in Szenarien der Datenvorbereitung und -aufnahme.
Verwalteter SQL-basierter Transformations-Workflow innerhalb von BigQuery mit Versionskontrolle, Abhängigkeitsgraphen, Assertions und CI/CD über Git-Integration.
Warum er in der Prüfung steht: Dataform verantwortet die In-Warehouse-Transformationsschicht für die Datenpipeline-Orchestrierung, im Gegensatz zu Composers dienstübergreifenden DAGs.
Kostenloses Self-Service-BI-Tool für interaktive Dashboards auf BigQuery, Cloud SQL, Sheets und über 800 Konnektoren, mit Freigabe- und Einbettungssteuerungen.
Warum er in der Prüfung steht: Looker Studio ist der führende Visualisierungsdienst für Datenanalyse und -präsentation — erwarten Sie Fragen zur Konnektorwahl und Aktualisierungsstrategie.
In-Warehouse ML via SQL — trainieren, bewerten und vorhersagen mit Regression, Klassifikation, Clustering, Zeitreihen und AutoML / Remote-Modell-Integrationen zu Vertex AI.
Warum er in der Prüfung steht: BigQuery ML ist die Antwort auf "ML-Erkenntnisse liefern, ohne Daten zu verschieben" in der Datenanalyse und -präsentation — keine separate ML-Plattform erforderlich.
No-Code-Trainingsdienst für Tabellen-, Bild-, Video- und Textmodelle innerhalb von Vertex AI, einschließlich AutoML Tables, die auf die vereinheitlichte Vertex-Plattform migriert wurden.
Warum er in der Prüfung steht: AutoML erscheint in Szenarien der Datenanalyse und -präsentation, in denen Geschäftsanalysten ein prädiktives Modell benötigen, ohne Trainingscode zu schreiben.
Petabyte-Skala NoSQL Wide-Column-Datenbank mit Latenz im einstelligen Millisekundenbereich und HBase API-Kompatibilität, geeignet für IoT, Zeitreihen und Ad-Tech.
Warum er in der Prüfung steht: Bigtable ist der benannte nicht-relationale Speicher in Datenmanagement-Fragen für Workloads mit hohem Durchsatz und geringer Latenz, die über die Reichweite von Firestore hinausgehen.
Zugriffskontrolle auf Projekt- und Ressourcenebene über Principals, Rollen und Bedingungen — einschließlich BigQuery-Dataset-, Tabellen-, Zeilen- und Spaltenberechtigungen.
Warum er in der Prüfung steht: IAM erzwingt Least-Privilege über den Data Lake im Datenmanagement; erwarten Sie Fragen zu vordefinierten vs. benutzerdefinierten Rollen und BigQuery-Spaltenzugriff.
Verwaltete kryptografische Schlüssel mit kundenverwalteten Verschlüsselungsschlüsseln (CMEK) und kundenbereitgestellten Schlüsseln (CSEK) für BigQuery, Cloud Storage, Cloud SQL und Spanner.
Warum er in der Prüfung steht: CMEK mit Cloud KMS ist die kanonische Datenmanagement-Antwort für die Kontrolle der Verschlüsselung ruhender Daten über Warehouse- und Lake-Daten.
Vereinheitlichte Daten-Fabric für Katalogisierung, Klassifizierung, Profiling und Governance von Daten über BigQuery, Cloud Storage Lakes und externe Quellen mit integrierten Qualitätsprüfungen.
Warum er in der Prüfung steht: Dataplex ist der führende Katalog-/Governance-Dienst im Datenmanagement — Fragen testen die Lake-Organisation, das Business-Glossar und die Lineage-Erfassung.
Unveränderlicher Audit-Trail von Administrator-, Datenzugriffs-, Systemereignis- und richtlinienverweigerter Aktivität über Google Cloud-Dienste hinweg, für die Analyse an BigQuery weiterleitbar.
Warum er in der Prüfung steht: Audit Logs sind die benannte Kontrolle für die Frage "wer hat wann auf welches Dataset / welche Tabelle / welches Objekt zugegriffen" in Datenmanagement-Compliance-Szenarien.
$90k–$130k–$180k USD jährlich
Die Spanne spiegelt US-basierte Analytics-Engineer- und BI-Rollen wider, bei denen BigQuery das primäre Data Warehouse ist. FAANG-äquivalente Senior Analytics Engineers übersteigen 200.000 $. Reine Reporting-Analysten-Rollen tendieren niedriger; Analytics Engineers bei stark GCP-fokussierten Unicorns und Digital-Native-Unternehmen tendieren höher.
Quelle: levels.fyi 2025–2026 (Google L3–L4 Datenanalyst, Analytics Engineer bei GCP-fokussierten Unicorns), U.S. BLS OEWS Mai 2024 (15-2051 Datenwissenschaftler, 13-2031 Budgetanalysten, 15-1211 Computer System Analysten). Die Zahlen sind ungefähr; die tatsächliche Vergütung hängt von der Rolle, der Region und der Erfahrung ab.
ADP ist neu (eingeführt 2024) und die Nachfrage baut sich noch auf, aber es füllt eine klare Lücke unterhalb der Professional Data Engineer-Zertifizierung, die Google lange brauchte. Unternehmen, die BigQuery-zentrierte Stacks betreiben – insbesondere Digital-Native-, Ad-Tech-, Retail-Analytics- und Gaming-Unternehmen – führen es in Stellenanzeigen für Analyst-Engineers als Unterscheidungsmerkmal auf. Die Nachfrage konzentriert sich auf Märkte mit starker GCP-Präsenz (SF Bay Area, NYC, London) und in Branchen, in denen Looker das Standard-BI-Tool ist. Wenn das Credential reift, wird erwartet, dass es zur Standard-GCP-Zertifizierung für Datenanalysten-Stellenanzeigen wird, so wie Microsoft DP-900 / DP-203 den Azure-Analytics-Track dominieren.
Es gibt keine formalen Voraussetzungen. Google empfiehlt sechs Monate oder mehr praktische Datenarbeit in Google Cloud, Vertrautheit mit SQL und ein grundlegendes Verständnis von Datenpipeline-Konzepten. Der offizielle Associate Data Practitioner Learning Path auf Google Cloud Skills Boost (ca. 30–40 Stunden Labs) deckt alles ab, was getestet wird.
Wenn Sie überhaupt keine SQL-Erfahrung haben, planen Sie 20–30 zusätzliche Stunden ein, um sich mit intermediärem SQL (Joins, Fensterfunktionen, CTEs) vertraut zu machen – die BigQuery SQL-Fragen sind keine Karteikarten, sondern kurze Szenarien. Wenn Sie bereits AWS Data Engineer Associate, Azure DP-900 oder DP-203 besitzen, lassen sich die konzeptionellen Inhalte direkt übertragen; Sie müssen hauptsächlich Produktnamen neu lernen (BigQuery vs. Redshift / Synapse, Dataflow vs. Glue / ADF, Dataform vs. dbt-cloud, Looker vs. QuickSight / Power BI).
ADP ist auf Associate-Niveau und richtet sich an den "Ich mache Datenarbeit"-Praktiker und nicht an den "Ich architektoniere Datenplattformen"-Ingenieur. Planen Sie 50–80 Stunden über 5–8 Wochen ein, wenn Sie neu in der GCP-Daten-Tooling sind, oder 20–35 Stunden über 2–4 Wochen, wenn Sie bereits täglich in BigQuery arbeiten. Die Prüfung besteht aus 50–60 Multiple-Choice-/Multiple-Select-Fragen in 120 Minuten und wird über Pearson VUE abgelegt (Google ist Anfang 2026 von Kryterion / Webassessor migriert).
Der häufigste Stolperstein ist die Breite der Dataplex-, Data Catalog- und Dataform-Terminologie – diese Produkte haben sich schnell entwickelt, und Fragen können von Namensunterschieden abhängen (Zonen vs. Lakes vs. Assets, Tag-Templates vs. Tags). Praktische Übungen mit der BigQuery-Sandbox und einem kleinen Looker Studio-Dashboard-Projekt sind die effektivste Vorbereitung. Google veröffentlicht keine numerischen Punktzahlen – nur Bestanden/Nicht bestanden. Das Credential ist drei Jahre gültig, und für die Rezertifizierung ist ein erneutes Bestehen der aktuellen Prüfung erforderlich.
Erste allgemeine Verfügbarkeit. Neues Credential auf Associate-Ebene, das die Lücke zwischen Cloud Digital Leader und der Professional Data Engineer-Zertifizierung schließt. Aktuelle Version (Stand April 2026).
ADP (Google Cloud Associate Data Practitioner) ist eine eine mittelschwere Prüfung, die praktische Erfahrung sowie ein solides Verständnis der Best Practices erwartet Associate-Level-Prüfung. Die meisten Kandidaten benötigen 80–150 Stunden Lernzeit, verteilt über 6–12 Wochen, für Prüfungen auf Associate-Niveau. Die meisten Kandidaten, die bei Übungsprüfungen konstant über der Bestehensschwelle liegen, bestehen beim ersten Versuch.
Die meisten Kandidaten benötigen 80–150 Stunden Lernzeit, verteilt über 6–12 Wochen, für Prüfungen auf Associate-Niveau. Die benötigte Zeit bis zum Bestehen variiert stark je nach Vorerfahrung. Ingenieure mit praktischer Produktionserfahrung in der zugrunde liegenden Technologie benötigen in der Regel weniger; Kandidaten, die neu auf der Plattform sind, sollten sich am oberen Ende dieses Bereichs orientieren.
ADP ist ein anerkanntes Zeugnis im GCP-Ökosystem und signalisiert Arbeitgebern, Personalvermittlern und Kunden validiertes Wissen. Ob es sich für Sie lohnt, hängt von Ihrer Rolle und Ihren Zielen ab – es zahlt sich am meisten für Cloud-Ingenieure, Architekten und Berater aus, die täglich mit GCP arbeiten oder in solche Rollen wechseln möchten.
Die Bestehensgrenze für ADP beträgt Nicht veröffentlicht. Die Prüfung enthält 50 Fragen und dauert 2 Std.
Die Prüfungsgebühr für ADP beträgt $125 USD. Die Gebühren werden von GCP festgelegt und können je nach Region variieren; bestätigen Sie immer den aktuellen Preis auf der offiziellen GCP Zertifizierungsseite, bevor Sie buchen.
Google Cloud Foundational- und Associate-Zertifizierungen sind 3 Jahre gültig. Rezertifizieren Sie sich, indem Sie die aktuelle Version der Prüfung erneut bestehen.
Ja. Sie können die Prüfung online (über den sicheren Browser des Anbieters, in den meisten Regionen rund um die Uhr verfügbar) oder in einem persönlichen Pearson VUE Testzentrum während der Geschäftszeiten ablegen. Beide Formate verwenden die gleichen Fragen, Zeitlimits und Bestehensgrenzen.
CertLabPro bietet 15 Lernmodi für die Übungsfragenbank für ADP. Der Prüfungssimulationsmodus bildet die echte Prüfung ab: 50 Fragen in 2 Std, mit der gleichen Bestehensschwelle von Nicht veröffentlicht. Im Browsing-Modus können Sie jede Frage und Antwort statisch lesen.