Hoe bouw ik mijn eerste Fabric-lakehouse stap voor stap?

Ed Kisman · 17 aug 2026

Een Fabric-lakehouse bouw je door in Microsoft Fabric achtereenvolgens een workspace aan te maken, daarbinnen een lakehouse te creëren, data te laden, die data te transformeren naar gestructureerde tabellen en vervolgens te analyseren met SQL of notebooks. Het hele proces is toegankelijk via de browser en vereist geen lokale installatie. In dit artikel doorloop je elke stap concreet, zodat je na het lezen direct aan de slag kunt.

Wat heb je nodig voordat je begint met Microsoft Fabric?

Voordat je een Fabric-lakehouse bouwt, heb je een actieve Microsoft Fabric-licentie nodig, minimaal op capaciteitsniveau F2, of toegang tot een gratis proefperiode via het Microsoft Fabric-portaal. Daarnaast heb je een Microsoft-account en voldoende rechten binnen je organisatie om een workspace aan te maken.

Concreet betekent dit dat je de volgende zaken op orde moet hebben:

Microsoft Fabric-toegang: via een betaalde capaciteit of een 60-daagse proeflicentie die je activeert op app.fabric.microsoft.com
Een Microsoft Entra-account (voorheen Azure AD): dit is je inlogaccount voor het Fabric-portaal
Workspace-rechten: je hebt minimaal de rol van Contributor of Admin nodig om een lakehouse aan te maken
Brondata: denk aan CSV-bestanden, Parquet-bestanden of een verbinding met een bestaande database

Technische voorkennis is geen harde vereiste, maar basiskennis van SQL en datamodellering helpt enorm bij de latere stappen. Ben je nieuw in het bredere landschap van data engineering, dan is het verstandig je eerst in die fundamenten te verdiepen.

Hoe maak je een workspace aan in Microsoft Fabric?

Je maakt een workspace aan in Microsoft Fabric door in het linker navigatiemenu op “Workspaces” te klikken, vervolgens “Nieuwe workspace” te kiezen, een naam in te vullen en de workspace te koppelen aan een Fabric-capaciteit. Zonder die koppeling aan een capaciteit zijn Fabric-specifieke functies zoals het lakehouse niet beschikbaar.

Doorloop de volgende stappen:

Ga naar app.fabric.microsoft.com en log in met je Microsoft-account.
Klik links in de navigatiebalk op het pictogram Workspaces.
Kies Nieuwe workspace en geef de workspace een herkenbare naam, bijvoorbeeld “Mijn eerste Lakehouse”.
Klik op Geavanceerde instellingen en selecteer bij licentiemodus de optie Fabric-capaciteit of Proefversie.
Sla de instellingen op. De workspace is nu actief en klaar voor gebruik.

Een workspace is in feite een gedeelde werkomgeving binnen Fabric. Alles wat je hierin aanmaakt, van lakehouses tot rapporten, is zichtbaar voor de collega’s die je uitnodigt. Houd de naamgeving consistent en logisch, zeker als je later meerdere workspaces naast elkaar gaat beheren.

Hoe maak je een lakehouse aan binnen je Fabric-workspace?

Je maakt een lakehouse aan door binnen je workspace op “Nieuw item” te klikken, “Lakehouse” te selecteren en een naam op te geven. Fabric richt daarna automatisch de onderliggende OneLake-opslag in, inclusief de mappen voor ruwe bestanden en gestructureerde tabellen.

Na het aanmaken zie je direct de lakehouse-verkenner met twee hoofdsecties:

Tables: hier komen de gestructureerde, querybare tabellen in Delta-formaat te staan
Files: hier sla je ruwe bestanden op, zoals CSV, JSON of Parquet

Het lakehouse is gebouwd op het open Delta Lake-formaat, wat betekent dat de data ook buiten Fabric toegankelijk blijft via andere tools. Dit maakt het een flexibele keuze voor organisaties die niet volledig aan één platform gebonden willen zijn. Wil je meer weten over hoe een volledige Fabric-inrichting eruitziet, dan geeft dat een goed beeld van de bredere architectuur.

Hoe laad je data in je Fabric-lakehouse?

Data laad je in een Fabric-lakehouse via drie hoofdmethoden: handmatig uploaden van bestanden, gebruik van dataflows of pipelines voor geautomatiseerde inlading, of directe verbinding met een externe databron via een Fabric-connector. Voor een eerste test is handmatig uploaden de snelste route.

Bestanden handmatig uploaden

In de lakehouse-verkenner klik je op de map Files, daarna op Uploaden en kies je een lokaal bestand. CSV en Parquet worden breed ondersteund. Dit is ideaal voor een eerste verkenning met een kleine dataset.

Data laden via pipelines of dataflows

Voor herhaaldelijke of grote data-inlading gebruik je Fabric-pipelines en dataflows. Met een pipeline verbind je je lakehouse met bronnen als Azure SQL Database, SharePoint, REST-API’s of andere cloudopslag. Dataflows bieden een visuele, low-code interface voor transformaties tijdens het laden. Dit is de aanpak die je in productie wilt gebruiken voor betrouwbare en schaalbare data-inlading.

Hoe zet je ruwe data om naar bruikbare tabellen in Fabric?

Ruwe data in de Files-sectie zet je om naar bruikbare tabellen door een Spark-notebook of een dataflow te gebruiken die de data leest, transformeert en wegschrijft als een Delta-tabel in de Tables-sectie. Die tabellen zijn daarna direct querybaar via SQL.

Met een Spark-notebook doe je dit in een paar regels Python of PySpark:

Open je lakehouse en klik op Notebook openen of maak een nieuw notebook aan.
Lees het bestand in: df = spark.read.csv(“Files/jouwbestand.csv”, header=True, inferSchema=True)
Voer eventuele transformaties uit, zoals het hernoemen van kolommen of het filteren van rijen.
Schrijf de data weg als Delta-tabel: df.write.format(“delta”).saveAsTable(“jouw_tabelnaam”)

Na het uitvoeren van de notebook verschijnt de tabel automatisch in de Tables-sectie van je lakehouse. Vanaf dat moment is de tabel beschikbaar voor analyse. Dit transformatieproces vormt de kern van data-integratie binnen een moderne data-architectuur.

Hoe query je en analyseer je data vanuit je Fabric-lakehouse?

Data in je Fabric-lakehouse analyseer je via het ingebouwde SQL-eindpunt, via Spark-notebooks of via Power BI. Het SQL-eindpunt maakt je lakehouse-tabellen direct toegankelijk met standaard T-SQL, zonder dat je extra configuratie nodig hebt.

De drie meest gebruikte analysebenaderingen op een rij:

SQL-eindpunt: schakel in je lakehouse over naar de weergave “SQL analytics endpoint” en voer direct SQL-query’s uit op je Delta-tabellen. Geschikt voor ad-hocanalyse en rapportage.
Spark-notebooks: gebruik PySpark of SparkSQL voor complexere analyses, machine learning of grote datavolumes die SQL alleen niet aankan.
Power BI: koppel je lakehouse als semantisch model aan Power BI en bouw dashboards en rapporten. De koppeling verloopt automatisch via het ingebouwde standaard semantische model van het lakehouse.

Voor organisaties die al werken met analytics en AI biedt het Fabric-lakehouse een solide basis: data staat centraal opgeslagen, is altijd actueel en toegankelijk voor zowel business-gebruikers als data-engineers. Zo groeit je analyseomgeving mee met de behoeften van je organisatie.

Hoe DBA helpt bij het bouwen van je Fabric-lakehouse

Een Fabric-lakehouse opzetten is technisch goed te doen, maar de inrichting die echt schaalbaar, veilig en toekomstbestendig is, vereist meer dan een paar klikken. Wij helpen organisaties bij elke fase van dat traject, van de eerste architectuurkeuzes tot een volledig ingerichte en beheerde Fabric-omgeving.

Wat wij concreet voor je kunnen doen:

Fabric-architectuur ontwerpen: we brengen je databronnen, gebruikersbehoeften en groeiplannen in kaart en vertalen die naar een toekomstbestendige lakehouse-opzet
Technische inrichting: van workspace-structuur en beveiligingsrollen tot pipelines, dataflows en Delta-tabellen, wij zorgen dat alles correct staat
Data-integratie: we koppelen bestaande databases en bronnen aan je lakehouse, inclusief SQL Server, Oracle en PostgreSQL
Coaching en kennisoverdracht: via on-the-job coaching leren je eigen medewerkers werken met Fabric, zodat je niet afhankelijk blijft van externe hulp
Beheer en monitoring: we houden je omgeving proactief in de gaten en grijpen in voordat problemen ontstaan

Wil je weten hoe wij jouw organisatie kunnen helpen met een Fabric-lakehouse? Neem contact met ons op en we bespreken samen de mogelijkheden.