MODUL {{ am.nr }}

gelernt

Wähle pro Frage eine Antwort. Du bekommst sofort Rückmeldung mit Begründung. Richtig beantwortete Fragen zählen zu deinem Fortschritt.

{{ q.fbTitel }} {{ q.erklaerung }}

Tippe auf eine Karte, um die Antwort zu sehen. Markiere „Gewusst", was du sicher kannst – das zählt zu deinem Fortschritt.

↻ umdrehen

Die Wissenspyramide zeigt, wie aus rohen Zeichen Schritt für Schritt nutzbares Wissen wird. Jede Ebene fügt etwas hinzu.

Wissen

Information + Erfahrung + Handlungsregeln

„49 € ist günstig – wir schließen den Vertrag ab."

Information

Daten + Bedeutung / Kontext

„Der Preis beträgt 49 Euro."

Daten

geordnete Zeichen, strukturiert & messbar

PREIS49

Zeichen

kleinste Elemente: Buchstaben & Ziffern

P, R, E, I, S, 4, 9

Merksatz

Daten sind reine Syntax (Zeichen). Erst Semantik (Bedeutung) macht daraus Information. Wissen entsteht, wenn Informationen vernetzt und in Wenn-Dann-Regeln handlungsfähig werden.

Datengestützter Entscheidungsprozess

Erst aufbereiten, dann entscheiden. Wer aus Rohdaten direkt handelt, überspringt die Analyse – ein häufiger Fehler.

1

Datenerfassung

2

Aufbereitung / Analyse

3

Entscheidung

4

Umsetzung

5

Erfolgskontrolle

Wenn du das sicher kannst, mach das Quiz und die Karteikarten dieses Moduls – dann steigt dein Fortschritt.

Ein Entity-Relationship-Modell (ERM) bildet die reale Welt als Entitäten, ihre Attribute und ihre Beziehungen ab – die Grundlage jeder Datenbank.

Entität

Ein Objekt der realen Welt, z. B. KUNDE, PROJEKT, ROBOTERTYP.

Attribut

Eine Eigenschaft einer Entität, z. B. Name, Matrikel-Nr., Preis.

Beziehung

Verbindet Entitäten, z. B. „Kunde hat Auftrag". Mit Kardinalität.

Kardinalitäten

1:1Ein A gehört zu genau einem B und umgekehrt. Beispiel: Lehrstuhl ↔ Professor.

1:NEin A hat mehrere B, ein B gehört zu genau einem A. Beispiel: Kunde (1) → Aufträge (N).

N:MViele A zu vielen B. Beispiel: Studenten ↔ Vorlesungen. Muss aufgelöst werden!

N:M auflösen — die Zwischentabelle

          Student
          N —
          Hört_Vorlesung
(Matrikel-Nr., Kurs-Nr.)
          — M
          Vorlesung
        

Die Verknüpfungstabelle nimmt die Primärschlüssel beider Entitäten als Fremdschlüssel auf. Aus N:M werden zwei 1:N-Beziehungen.

Zwei Notationen — eine Bedeutung

(min,max)-Notation

Zahlenpaar an der Linie. Look-across: Du schaust auf die gegenüberliegende Entität – „wie viele der anderen gehören zu mir?"

Krähenfuß-Notation

Symbole (Kreis, Strich, Fuß). Look-here: Das Symbol steht am Ende der Linie bei der Ziel-Entität. Intuitiv & kompakt – daher in CASE-Tools beliebt.

Probier den Wechsel selbst aus → Tab ER-Explorer.

Stell eine Kardinalität ein und sieh, wie sie in beiden Notationen aussieht und gelesen wird. „Pro Entität A: wie viele B?"

Minimum

Maximum

Krähenfuß-Symbol am Ende bei Entität B

Krähenfuß heißt

Im Klartext

Ein Datenbankmanagementsystem (DBMS) ist die Software zwischen Nutzern und der eigentlichen Datenbank. Es löst genau die Probleme, die bei vielen einzelnen Dateien (z. B. Excel) entstehen.

DBMS statt vieler Excel-Dateien

Gleiche Daten liegen mehrfach in 12 Dateien.

DBMS speichert jede Information nur einmal, zentral.

Redundanz ↓

Zwei Personen ändern dieselbe Datei – Änderungen gehen verloren.

DBMS erlaubt gleichzeitigen sicheren Zugriff.

Mehrbenutzer­betrieb

Datumsformate widersprechen sich zwischen Dateien.

DBMS prüft Daten automatisch beim Speichern.

Datenintegrität

ACID — sichere Transaktionen

A — Atomicity

Alles oder nichts: Eine Transaktion wird ganz oder gar nicht ausgeführt.

C — Consistency

Die Datenbank ist vor und nach der Transaktion in einem gültigen Zustand.

I — Isolation

Gleichzeitige Transaktionen stören sich nicht gegenseitig.

D — Durability

Nach dem „Commit" bleiben Daten erhalten – auch bei Stromausfall/Crash.

Mehrbenutzer & das „Lost Update"

Ohne Locking: Nutzer A und B lesen beide „5 freie Plätze". Beide buchen und speichern „4". Eine Buchung geht unbemerkt verloren – die letzte Speicherung überschreibt die erste.

Lösung — Concurrency Control: Das DBMS sperrt den Datensatz für die Dauer der Buchung (Locking). Der zweite Nutzer kann währenddessen nur lesen, nicht ändern.

So bearbeitet das DBMS eine Anfrage

1

Berechtigung prüfen

2

In Speicheroperationen übersetzen

3

Abfrage optimieren

4

Daten zurücksenden

Bei Big Data stoßen klassische Methoden an Grenzen. Die Herausforderungen beschreibt man mit den 5 V’s.

Volume

schiere Menge

Velocity

Geschwindigkeit

Variety

Vielfalt

Veracity

Verlässlichkeit

Value

Wert/Nutzen

Merke: Sekündliche Live-Daten (GPS, Herzfrequenz) sind vor allem ein Velocity-Problem – es geht um die Geschwindigkeit des Eingangs, nicht die Menge.

Drei Datenarten

Strukturiert

Feste Tabellenspalten mit Datentypen.

→ relationale DB

Semi-strukturiert

Tags/Keys geben Struktur, aber kein starres Schema.

→ JSON, XML

Unstrukturiert

Keine feste Struktur.

→ Text, Bilder, Video

Wenn alles in einer Tabelle steht, entstehen Redundanz (Daten doppelt) und daraus Anomalien. Normalisierung teilt die Daten sinnvoll auf.

ID_MA	M_Name	Ort	ID_Abt	Abt_Name
1	Bauer	Nürnberg	1	Vertrieb
2	Schmidt	Bamberg	1	Vertrieb
3	Weber	München	2	IT

„Vertrieb" steht doppelt → Redundanz. Das ist die Wurzel der Anomalien.

Die vier Anomalien

Redundanz

Dieselben Daten mehrfach gespeichert.

Änderungsanomalie

Eine Änderung muss an vielen Stellen gemacht werden – sonst Widerspruch.

Löschanomalie

Beim Löschen gehen ungewollt andere Infos verloren.

Einfügeanomalie

Etwas lässt sich nicht speichern, weil andere Daten fehlen.

Die Lösung: aufteilen

Mitarbeiter

ID_MA, M_Name, M_Vor, Straße, PLZ, Ort, Gehalt, ID_Abt (FK)

Abteilung

ID_Abt, Abt_Name

Unterstrichen = Primärschlüssel. ID_Abt ist in Mitarbeiter der Fremdschlüssel. Jetzt steht „Vertrieb" nur noch einmal. → Üben im Tab Anomalie-Trainer.

Ordne jede Situation der richtigen Anomalie zu. (Tabelle Mitarbeiter_mit_Abteilung mit doppelter Abteilung.)

A „Vertrieb" wird in „Sales" umbenannt – der Name muss in Datensatz 1 und 2 geändert werden.

B Neue Abteilung „Marketing" hat noch keine Mitarbeiter und kann nicht eingefügt werden.

C Die letzten beiden IT-Mitarbeiter werden gelöscht – alle Infos über „IT" gehen verloren.

D „ID_Abt=1, Vertrieb" steht doppelt in der Tabelle (Datensatz 1 und 2).

SQL teilt sich in drei Bereiche: DDL (Struktur bauen), DML (Daten ändern), DQL (Daten abfragen). Übungstabelle: verkaeufe.

Reihenfolge einer Abfrage — Pflicht

SELECT → FROM → WHERE → GROUP BY → HAVING → ORDER BY → LIMIT

Welche Spalten · woher · welche Zeilen · wie gruppieren · welche Gruppen · wie sortieren · wie viele

Auswählen & Filtern DQL

SELECT produkt, menge FROM verkaeufe;
WHERE region = 'Nord'
WHERE einzelpreis BETWEEN 10 AND 50
WHERE produkt LIKE 'Akku%'
WHERE region IN ('Nord','Süd')
ORDER BY einzelpreis DESC LIMIT 5;

Text in 'Anführungszeichen', Zahlen ohne. % = beliebig viele, _ = genau ein Zeichen.

Aggregieren & Gruppieren

COUNT(*) · SUM(menge) · AVG(einzelpreis)
MIN(...) · MAX(...)

SELECT kategorie, SUM(menge*einzelpreis)
FROM verkaeufe
GROUP BY kategorie
HAVING SUM(menge*einzelpreis) > 5000;

WHERE filtert vor, HAVING nach dem Gruppieren.

Tabellen bauen DDL

CREATE TABLE kunden (
  id INT PRIMARY KEY AUTO_INCREMENT,
  name VARCHAR(50) NOT NULL,
  ort VARCHAR(50) DEFAULT 'Bamberg'
);
ALTER TABLE kunden ADD plz VARCHAR(5);
DROP TABLE kunden;

Daten ändern DML

INSERT INTO kunden (name, ort)
VALUES ('Müller GmbH', 'Bamberg');

UPDATE kunden SET ort='Forchheim'
WHERE id = 1;

DELETE FROM kunden WHERE id = 7;

UPDATE/DELETE ohne WHERE trifft ALLE Zeilen!

Jetzt selbst tippen → Tab SQL-Übung (echte Datenbank im Browser) oder die volle SQL-Dōjō.

Tippe SQL und führe es wirklich aus – gegen dieselbe Tabelle verkaeufe wie in der Dōjō.

        Spalten: verkauf_id · produkt · kategorie · region · verkaeufer · verkaufsdatum · menge · einzelpreis
      

verkaeufe — SQL

⚠ {{ sqlErrorMsg }}

{{ col }}
{{ cell }}

Volle SQL-Dōjō →
Gürtelstufen, Lern-/Festigen-/Lücken-Modus & Time-Attack

Datenbank-Dōjō

Themen

{{ am.titel }}