Was ist ein Datenmodelle?

Ein Datenmodell ist ein „Modell der zu beschreibenden und verarbeitenden Daten eines Anwendungsbereichs (z. B. Daten des Produktionsbereichs, des Rechnungswesens oder die Gesamtheit der Unternehmensdaten) und ihrer Beziehungen zueinander.“^[1]

Open

In der Informatik, im Besonderen bei der Entwicklung von Informationssystemen, dienen Datenmodelle und die zu deren Erstellung durchgeführten Aktivitäten (Datenmodellierung) dazu, die Struktur für die in den Systemen zu verarbeitenden (im Besonderen für die zu speichernden) Daten zu finden und festzulegen.

Arten von Datenmodellen

Datenmodelle werden in aufeinander aufbauenden Abstufungen erstellt, deren Ergebnisse im Allgemeinen wie folgt unterschieden werden:

1. Konzeptuelles Datenmodell

   : Implementierungsunabhängiges Modell, z. B. ein ER-Diagramm (am häufigsten verwendet) oder ein UML-Diagramm; modelliert werden die Gegenstände der realen Welt (im relevanten Kontext), die in der Datenbank abgebildet werden sollen, und die Beziehungen zwischen diesen Gegenständen.

2. Logisches Datenmodell

   : Abbildung des konzeptuellen Datenbankschemas auf die Regeln des zu verwendenden Datenbankmanagementsystems, z. B. gemäß dem relationalen Datenmodell, bei dem alle Daten in Tabellen abgelegt werden.

3. Physisches Datenmodell

   : Enthält weitere, zum technischen Betrieb erforderliche oder zweckmäßige Festlegungen, z. B. Indexstrukturen zur Zugriffsoptimierung. Diese bleiben dem Datenbankbenutzer verborgen.

Ein Datenmodell entsteht in mehreren Schritten, die typischerweise im Rahmen der Softwareentwicklung oder Datenbankplanung durchgeführt werden. Ziel ist es, die Struktur, Beziehungen und Regeln für die zu verarbeitenden Daten systematisch zu definieren.

🧭 Schritte zur Entstehung eines Datenmodells

Open

1. Anforderungsanalyse

• Was passiert?
  Fachliche Anforderungen werden mit Stakeholdern (z. B. Kunden, Fachabteilungen) gesammelt.

• Ziel: Verstehen, welche Informationen das System verarbeiten soll.

• Beispiel: Ein Online-Shop benötigt Daten zu Kunden, Produkten, Bestellungen.

2. Identifikation von Entitäten und Beziehungen

• Was passiert?
  Relevante Objekte (Entitäten) und deren Beziehungen werden identifiziert.

• Ziel: Strukturierung der Datenwelt.

• Beispiel: Entitäten = Kunde, Produkt, Bestellung; Beziehung = „Kunde bestellt Produkt“.

3. Erstellung eines konzeptionellen Modells

• Was passiert?
  Darstellung der Entitäten, Attribute und Beziehungen – meist mit einem Entity-Relationship-Modell (ERM).

• Ziel: Fachlich verständliches Modell, unabhängig von Technik.

• Beispiel: Ein ER-Diagramm mit Kardinalitäten (1:n, n:m).

4. Überführung in ein logisches Modell

• Was passiert?
  Das konzeptionelle Modell wird in ein logisches Datenmodell überführt – z. B. Tabellen mit Attributen, Datentypen, Schlüsseln.

• Ziel: Vorbereitung für die Implementierung in einem Datenbanksystem.

• Beispiel: Tabelle „Kunde“ mit Spalten ID, Name, E-Mail.

5. Erstellung des physischen Modells

• Was passiert?
  Das logische Modell wird an ein konkretes Datenbanksystem angepasst.

• Ziel: Optimierung für Performance, Speicher und Zugriff.

• Beispiel: Indexe, Partitionierung, konkrete SQL-Syntax.

6. Validierung und Optimierung

• Was passiert?
  Das Modell wird mit realen Anwendungsfällen getestet und ggf. angepasst.

• Ziel: Sicherstellen, dass das Modell korrekt, effizient und erweiterbar ist.