Data Modellierung

Gegenstand der Data Modellierung ist es, Objekte sowie ihre Eigenschaften und Beziehungen zueinander zu identifizieren und in Folge formal abzubilden. Man will also einen möglichst genauen Überblick über die relevanten Informationsobjekte, deren wesentliche Attribute und deren Beziehungen zueinander erhalten.

Das Produkt dieses Prozesses sind Datenmodelle. Diese Datenmodelle durchlaufen insgesamt 3 verschiedene Phasen. Basierend darauf, realisiert man dann die Implementierung einsatzbereiter Datenbanken.

3 Datenmodelle

Im Rahmen der Datenmodellierung entwickelt man also 3 Datenmodelle, die wiederum aufeinander aufbauen.

  1. Konzeptuelles Datenbankschema
  2. Logisches Datenbankschema
  3. Physisches Datenbankschema

Das erste Modell, das konzeptuelle Datenbankschema oder auch semantisches Datenmodell, bildet die Basis. Ziel ist es, einen Teil der realen Welt, wie Objekte (Entitäten) und deren Beziehungen zueinander, graphisch darzustellen. Dieses Schema ist implementierungsunabhängig; das heißt, es ist noch losgelöst von einem Datenbanksystem. Das bekannteste Beispiel dafür ist das Entity-Relationship-Modell. Mit ihm entwirft und modelliert man die grundlegenden Struktur der Datenbank.

Im nächsten Schritt überträgt man dann das konzeptuelle Modell in ein logisches Datenmodell. Dieser Transfer erfolgt beispielsweise in ein relationales Datenmodell, das in Tabellenform verwaltet wird. In dieser Phase optimiert man das Modell indem man eine Normalisierung durchführt, um beispielsweise Redundanzen in den Daten zu vermeiden.

Das physische Datenbankschema basiert dann wiederum auf dem logischen Datenbankschema. In dieser letzten Phase erfolgt schließlich die Implementierung des Schemas in ein konkretes Datenbanksystem.

Data Modellierung – Beispiele

Solche Datenmodelle werden sehr vielfältig verwendet. Unter anderem kommen sie in der Auftragsverwaltung zum Einsatz, beispielsweise im Projektmanagement oder im Vertrieb eines Unternehmens.