Relationales Datenbank Design

Einleitung

Dieses Seminar behandelt die strukturierte und zukunftssichere Modellierung relationaler Datenbanken. Von der Anforderungsanalyse über das konzeptionelle Entity-Relationship-Modell bis hin zum physischen Schema erlernen die Teilnehmer, wie Datenstrukturen anomaliefrei, performant und skalierbar entworfen werden.

Zielgruppe / Voraussetzung

• Zielgruppe: Softwareentwickler, Datenanalysten, Systemarchitekten und Requirements Engineers.
• Voraussetzung: Allgemeines IT-Verständnis. SQL-Grundkenntnisse sind hilfreich.

Detaillierte Inhalte

Grundlagen der Datenmodellierung

• Der Datenbankentwurfsprozess: Konzeptionell, Logisch, Physisch
• Relationale Algebra und relationale Konzepte (Entitäten, Attribute, Tupel)
• Schlüsselkonzepte: Primärschlüssel (natürlich vs. künstlich/Surrogat), Fremdschlüssel, zusammengesetzte Schlüssel

Konzeptionelles Design

• Erstellung von Entity-Relationship-Modellen (ERM)
• Bestimmung von Kardinalitäten (1:1, 1:n, m:n)
• Auflösung von m:n-Beziehungen durch Assoziationstabellen (Junction Tables)
• Modellierung von optionalen und obligatorischen Beziehungen

Normalisierung und Logisches Design

• Anomalien bei Datenmanipulation (Insert, Update, Delete Anomalien)
• Die 1. Normalform (1NF): Atomarität von Attributen
• Die 2. Normalform (2NF): Volle funktionale Abhängigkeit
• Die 3. Normalform (3NF): Vermeidung transitiver Abhängigkeiten
• Boyce-Codd-Normalform (BCNF) und Ausblick auf höhere Normalformen

Physisches Design und Implementierung

• Mapping des logischen Modells auf ein physisches RDBMS
• Wahl der optimalen Datentypen (Speichereffizienz vs. Flexibilität)
• Durchsetzung von Datenintegrität durch Constraints (CHECK, UNIQUE, NOT NULL)
• Best Practices für Namenskonventionen (Tabellen, Spalten, Indizes)

Komplexe Modellierungsmuster

• Abbildung von Hierarchien und Baumstrukturen (Adjacency List, Nested Sets)
• Modellierung von Historisierung (Slowly Changing Dimensions)
• Das Entity-Attribute-Value (EAV) Muster: Einsatzgebiete und Gefahren
• Umgang mit polymorphen Assoziationen

Denormalisierung und Performance

• Bewusste Brüche der Normalisierung für Lese-Performance
• Unterschiede in der Modellierung: OLTP (Transaktionssysteme) vs. OLAP (Data Warehouses / Star-Schema)
• Caching-Strategien und vorberechnete Aggregationstabellen

Dauer: 2 Tage