Relationale Datenbanken Kurs: ER-Modell und Normalisierung

Relationale Datenbanken kennenlernen

• Daten mit dem relationalen Modell organisieren: Tabellen statt verschachtelter Listen
• Datenspeicherung im Überblick: Datei, Tabellenkalkulation, Datenbankserver
• Das relationale Modell von E. F. Codd und seine Grundideen
• CRUD: Erstellen, Lesen, Ändern und Löschen als Grundoperationen
• Begriffe zuordnen: Relation und Tabelle, Tupel und Datensatz, Attribut und Spalte
• Datenbanksysteme heute: PostgreSQL, SQL Server, Oracle, MySQL/MariaDB, SQLite
• Transaktionen und ACID: warum eine Überweisung ganz oder gar nicht gebucht wird

Entity-Relationship-Diagramme

• Ein Modell der realen Welt entwickeln: Entitäten aus Fachbegriffen ableiten
• ER-Werkzeug wählen: grafische Tools oder Modell als Text mit DBML bzw. Mermaid
• Eine Tabelle entwerfen: Attribute festlegen, Wiederholungen erkennen
• Attribut-Datentypen: Ganzzahl, NUMERIC für Beträge, Text, Datum, Zeitstempel, Boolean
• Primärschlüssel zur Identifizierung von Datensätzen verwenden
• Natürliche Schlüssel und Surrogatschlüssel: Identity-Spalte oder UUID
• Benennung von Objekten: Singular oder Plural, Schreibweise, keine Sonderzeichen
• Notationen lesen: Chen und Krähenfuß im Vergleich

Datenintegrität und Validierung

• Datenbeschränkungen: Regeln in der Datenbank statt nur in der Anwendung
• Eindeutigkeit mit UNIQUE erzwingen, auch über mehrere Spalten
• Pflichtattribute mit NOT NULL und die Bedeutung von NULL
• Dreiwertige Logik: warum NULL = NULL nicht wahr ist
• Standardwerte mit DEFAULT definieren, z. B. für Anlagedatum und Status
• Tabellenindizes einrichten: wann ein Index Abfragen beschleunigt und Schreiben bremst
• Prüfeinschränkungen mit CHECK für Wertebereiche und Plausibilitäten

Beziehungen

• Tabellen mit Fremdschlüsseln in Beziehung setzen
• Eine Beziehung im ER-Diagramm darstellen
• Optionalität und Kardinalität: muss, kann, eins, viele
• Eins-zu-viele-Beziehungen, der häufigste Fall: Kunde und Bestellungen
• Eins-zu-eins-Beziehungen: wann eine eigene Tabelle sinnvoll ist
• Viele-zu-viele-Beziehungen über eine Zuordnungstabelle auflösen
• Selbstverknüpfungen für Hierarchien wie Vorgesetzte oder Kategoriebäume
• Kaskadierte Änderungen: ON DELETE CASCADE, RESTRICT und SET NULL abwägen

Normalisierung

• Einfüge-, Änderungs- und Löschanomalien an einer unnormalisierten Tabelle erkennen
• Erste Normalform: atomare Werte, keine Wiederholungsgruppen
• Zweite und dritte Normalform: funktionale Abhängigkeiten auflösen
• Boyce-Codd-Normalform als Ausblick
• Wann man nicht normalisieren sollte: Auswertungstabellen, Historie, Leseleistung

Vom Diagramm zur Datenbank mit SQL

• Das ER-Diagramm in Tabellen, Schlüssel und Constraints übersetzen
• Datendefinition: CREATE TABLE, ALTER TABLE, DROP TABLE
• Datenmanipulation: INSERT, UPDATE und DELETE mit WHERE absichern
• Select-Abfragen: Filtern, Sortieren, INNER JOIN und LEFT JOIN
• Aggregieren mit GROUP BY, HAVING, COUNT und SUM
• Eine Datenbankansicht (VIEW) für wiederkehrende Auswertungen anlegen
• Schemaänderungen als versionierte Migrationsskripte statt Handarbeit am Server
• Rechte vergeben mit GRANT: Leserollen und Schreibrollen trennen

Jenseits des relationalen Modells

• Graphdatenbanken: Knoten, Kanten und Abfragen über Beziehungsnetze
• Dokumentdatenbanken: flexible Strukturen und ihr Preis bei der Konsistenz
• JSON-Spalten in relationalen Datenbanken, z. B. jsonb in PostgreSQL
• Entscheidungshilfe: relational, Dokument oder Graph für welchen Anwendungsfall

Relationale Datenbanken mit Coding-Agenten entwerfen

• ER-Modell als DBML- oder Mermaid-Datei im Repository als gemeinsame Vorlage für Agent und Team
• Agent leitet CREATE TABLE und Migration aus dem Modell ab; Abweichungen zum Diagramm im Diff prüfen
• SQL-Tests als Leitplanke: doppelter Schlüssel, fehlender Pflichtwert und verwaister Fremdschlüssel müssen scheitern
• Vorgeschlagene Tabellen gegen die dritte Normalform prüfen: versteckte Wiederholungen und abgeleitete Spalten
• Agent arbeitet nur mit einer Übungsdatenbank und erfundenen Testdaten, ohne Zugriff auf echte Personendaten

Praxisprojekt: Datenbank für eine Seminarverwaltung

• Eine Teilnehmerliste aus der Tabellenkalkulation analysieren und Anomalien benennen
• ER-Diagramm mit Seminaren, Terminen, Teilnehmenden, Buchungen und Räumen entwerfen und normalisieren
• Schema mit Schlüsseln, CHECK-Constraints und kaskadierten Fremdschlüsseln in PostgreSQL anlegen
• Auslastung je Termin und Umsatz je Seminar per Abfrage und View auswerten