dbt · Checkliste
Ist Ihr dbt-Projekt produktionsreif?
Die Checkliste fasst zusammen, woran sich ein produktionsreifes dbt-Projekt erkennen lässt. Jeder Prüfpunkt wird kurz erklärt, damit Sie Ihr Projekt selbst einordnen können. Grundlagen finden Sie in unserer Einführung in dbt.
Die sieben Prüfpunkte
Quellen mit Aktualitätsprüfung und klarer Verantwortung
Rohdaten sind in dbt als Sources deklariert, und Modelle greifen nur über die source-Funktion darauf zu. Für wichtige Quellen ist eine Freshness-Prüfung mit Warn- und Fehlergrenze hinterlegt. Für jede Quelle ist geklärt, wer bei Ausfällen oder Strukturänderungen zuständig ist.
Klare Schichten und einheitliche Konventionen
Staging-Modelle bereinigen und benennen Rohdaten einheitlich, Zwischen- und Mart-Modelle bauen darauf auf. Regeln für Namen, Ordner und SQL-Stil sind dokumentiert und werden möglichst automatisch geprüft, etwa mit einem Linter.
Tests auf Schlüsseln und Beziehungen
Primärschlüssel sind mindestens mit den Tests unique und not_null abgesichert, Fremdschlüssel mit relationships. Schlagen Tests fehl, wird das Team benachrichtigt, statt dass der Fehler nur im Protokoll steht.
Inkrementelle Modelle, wo sie sich lohnen
Große, stetig wachsende Tabellen werden inkrementell verarbeitet, statt bei jedem Lauf neu aufgebaut zu werden. Für jedes inkrementelle Modell ist geregelt, wie verspätete Daten und Schemaänderungen behandelt werden und wann ein vollständiger Neuaufbau nötig ist.
CI/CD vor dem Merge
Änderungen laufen über Pull Requests. Eine CI-Prüfung baut und testet die geänderten Modelle und alle davon abhängigen Modelle, etwa mit der Auswahl state:modified+, bevor die Änderung in die Produktion geht.
Aktuelle Dokumentation und Lineage
Modelle und wichtige Spalten haben Beschreibungen, die zusammen mit dem Code gepflegt werden. Über die Lineage ist sichtbar, aus welchen Quellen ein Bericht gespeist wird und welche Modelle von einer Änderung betroffen sind.
Kostenüberwachung für die Datenplattform
Laufzeiten und Kosten der dbt-Läufe werden regelmäßig ausgewertet, teure Modelle sind bekannt. In der Datenplattform sind Budgets oder Grenzwerte gesetzt, in Snowflake etwa über Resource Monitors.
So wenden Sie die Checkliste an
Gehen Sie die Punkte gemeinsam im Team durch und bewerten Sie jeden als erfüllt, teilweise erfüllt oder offen. Beginnen Sie bei den offenen Punkten mit Tests und CI-Prüfung: Sie verhindern am schnellsten, dass fehlerhafte Daten in Berichte gelangen. Inkrementelle Modelle und Kostenoptimierung lohnen sich vor allem, wenn Datenvolumen und Laufzeiten bereits spürbar sind.
Die genannten Funktionen entsprechen der dbt-Dokumentation, Stand November 2026.
Unterstützung für Ihr dbt-Projekt
Sie haben offene Punkte gefunden und möchten sie gezielt angehen? Wir unterstützen Ihr Team dabei.