Eine der umfangreichen Aufgaben, die mit einem computergestützten Rechner durchgeführt werden kann, ist das Erfassen, Bearbeiten und Ausgeben von Informationen, die in Datenbanken gesammelt werden. Der Umgang mit Datenbanken hat im Zuge der Entwicklung der Computertechnik und der elektronischen Datenverarbeitung auch in der Gegenwart eine große Bedeutung erlangt. Moderne Informationssysteme – von ERP und CRM bis hin zu Webshops, Industrie- und Sensordaten – basieren auf strukturierten und unstrukturierten Daten, die zuverlässig gespeichert, schnell abgefragt und sicher verwaltet werden müssen. Dabei spielen Skalierbarkeit, Verfügbarkeit, Konsistenz und Datenschutz eine zentrale Rolle.

Definition Datenbank

Eine Datenbank ist eine Sammlung von Informationen, die in einem logischen Zusammenhang miteinander stehen. Aus diesem Grund wird bereits bei der Vergabe des Namens für eine Datenbank darauf geachtet, dass die Bezeichnung schon einen Hinwies auf deren inhaltliche Gestaltung gibt. In der englischen Bezeichnung ist Datenbank gleichsam als Database bekannt. Die Datenbank existiert nicht losgelöst, sondern in einer Bindung innerhalb eines ganzen Systems aus verschiedenartigen Sammlungen von Informationen.

Übergeordnet zu diesem System aus Datenbanken existiert ein sogenanntes Datenbankmanagement. Das Datenbankmanagementsystem ist für verschiedene Aufgaben zuständig, die innerhalb der Bestandsführung und Aufrechterhaltung von Datenbanken anfallen. Zu diesen Aufgaben gehören beispielsweise das Verwalten der Daten sowie das Abspeichern der Informationen. Der schnelle Zugriff auf Daten wird deshalb möglich, weil ein Abruf über einen Zwischenspeicher erfolgt.

Wesentliche Begriffe und Komponenten

• Datenbank (Database): Die eigentliche Datenhaltung, also die strukturierte Ablage der Informationsobjekte.
• DBMS (Datenbankmanagementsystem): Die Software, die Speicherung, Zugriff, Sicherheit, Transaktionen und Integrität steuert.
• Schema und Katalog: Metadaten, die beschreiben, wie Daten organisiert sind (Tabellen/Relationen, Spalten/Attribute, Datentypen, Beziehungen).
• Objekte: Tabellen, Views, Indizes, Constraints, Sequenzen, Stored Procedures und Trigger.
• Transaktionen und ACID: Atomarität, Konsistenz, Isolation und Dauerhaftigkeit sichern korrekte Änderungen – auch bei Fehlern oder Ausfällen.
• Abfragesprachen: In relationalen Systemen vor allem SQL (aktuell mit modernen Erweiterungen gemäß Standard bis SQL:2023); in nichtrelationalen Systemen dokument- oder graphenspezifische Abfragen.

Aktuelle Plattformen umfassen relationale Systeme wie PostgreSQL (u. a. Version 17), MySQL (z. B. 8.0/8.4 LTS), MariaDB (u. a. 10.11 LTS), Oracle Database (z. B. 23c/23ai) oder Microsoft SQL Server (z. B. 2022) sowie nichtrelationale Lösungen wie Dokumenten-, Spalten-, Zeitreihen-, Graph- und Key-Value-Datenbanken. Neben klassischen On-Premises-Installationen werden auch verwaltete, cloudbasierte Dienste genutzt, die elastische Skalierung und hohe Verfügbarkeit bereitstellen.

Grundlagen für Datenbanken

Nicht alle Datenbanken basieren auf der gleichen Struktur. Im Laufe der Jahre haben sich unterschiedliche Strickmuster für Datenbanken entwickelt, zu denen sowohl der hierarchische Aufbau, eine netzwerkartige Beschaffenheit, die sogenannte relationale Struktur und eine objektorientierte Strukturierung gehören. Aus den genannten Modellen werden häufig gleichsam interessante Kombinationen für das Anlegen von Datenbanken gewählt. Datenbanken können Daten in abweichender Anzahl aufnehmen.

Es gibt sowohl kleine als auch unüberschaubar große Datenbanken, die Millionen an Datensätzen enthalten. Natürlich können Datenbanken zu allen erdenklichen Sachverhalten und Erhebungen angelegt werden. Sie gelten sowohl in einigen privaten als auch vorwiegend auf dem wirtschaftlichen, politischen, sozialen und militärischen Sektor als wesentliche Arbeitsgrundlagen und bedürfen einer intensiven Datenpflege. Datensätze sind die Basis für das Erstellen einer Datenbank und stellen die eigentlichen Informationsinhalte dar.

Um das Arbeiten mit den Datenbänken zu ermöglichen und wirtschaftlich umsetzen zu können, werden spezielle Anwenderprogramme oder Datenbanksoftware angeboten. Einzelne Datensätze werden in einer tabellarischen Zusammenstellung geordnet und in entsprechenden Zeilen und Spalten aufgeschlüsselt. Die kleinste Einheit der Datensätze und damit der Datenbanken sind die sogenannten Datenfelder.

Historische und moderne Datenmodelle

• Historisch: Hierarchische und Netzwerkmodelle – wichtig für das Verständnis früherer Großrechner- und Unternehmenssysteme.
• Relational: Bis heute am weitesten verbreitet; Modellierung über Tabellen/Beziehungen, Normalformen und SQL-basierte Abfragen (OLTP/OLAP).
• Objektorientiert: Abbildung komplexer Strukturen und Methoden, Integration mit Programmiersprachen.
• Dokumentenorientiert (NoSQL): JSON/ BSON-Dokumente für flexible Schemas und schnelle Entwicklung.
• Spaltenorientiert: Optimiert für analytische Workloads und Aggregationen bei großen Datenmengen.
• Graph: Knoten/Kanten für stark vernetzte Daten (z. B. Empfehlungen, Netzwerk-Analysen).
• Zeitreihen: Hochfrequente Mess- und Logdaten mit effizienten Kompressions- und Abfragepfaden.
• Key-Value: Sehr schnelle, einfache Zuordnungen, häufig für Caching und Session-Daten.
• Multi-Model und NewSQL: Kombinieren Konsistenz und horizontale Skalierung in verteilten Architekturen.

Datenbankentwurf und -betrieb

• Modellierung: Entitäten- und Beziehungsanalyse (ER-Modell), Kardinalitäten, Schlüsselkonzepte, Normalisierung (1NF bis BCNF) bzw. gezielte Denormalisierung für Performance.
• Indizes: B-Tree, Hash, GIN/GiST und weitere Strukturen zur Beschleunigung von Suchen, Joins und Volltextabfragen.
• Partitionierung und Sharding: Aufteilung großer Tabellen/Datenbestände zur Skalierung und zur Reduktion von Latenzen.
• Replikation: Synchron/asynchron für Hochverfügbarkeit und Lastverteilung; Read Replicas für Analyse und Reporting.
• Transaktionen und Isolation: Steuerung von Parallelität (z. B. MVCC), Sperrstrategien, Deadlock-Handling.
• Verteilte Systeme: Abwägungen entlang des CAP-Theorems (Konsistenz, Verfügbarkeit, Partitionstoleranz) je nach Anwendungsfall.
• Betriebsmodelle: On-Premises, virtualisiert oder containerisiert; in der Cloud mit elastischer Skalierung und automatisierten Sicherungsmechanismen.

Vorteile und Aufgaben von Datenbanken

Datenbanken haben zahlreiche Vorteile, denn sie ermöglichen einen wirtschaftlichen, effizienten und übersichtlichen Umgang sowie das sichere Verwalten von Informationen unterschiedlichster Art. Zunächst ist es möglich, mit Datenbanken gespeicherte Informationsinhalte in einer organisierten und strukturierten Art und Weise auf entsprechenden elektronischen Speichermedien abzulegen. Darüber hinaus ist es im Rahmen der Datenbanken möglich, in einer schnellen Umsetzung eine zeitnahe Aktualisierung und Abfrage der Datensätze nach verschiedenen Anforderungen durchzuführen. So können durch die Eingabe relevanter Suchkriterien Daten gezielt gesucht und gefunden werden. Außerdem können Daten geordnet und gefiltert werden, sodass gezielte Ausdrucke erstellt werden können.

In welchem Umfang die Bearbeitungsmöglichkeiten vorgenommen werden, das ist abhängig von der Leistungsfähigkeit der Datenbanksoftware. Im Zuge des weltweiten Internets können Datensätze sowohl regional als auch überregional ausgetauscht und erweitert werden. Die umfangreichen Aufgaben von Datenbanken umfassen insbesondere Verwaltungs- und Verarbeitungsprozesse, die sich aus der Erstaufnahme der Daten, dem Konvertieren und dem Sortieren der Informationen sowie deren Unterbringung auf Speichermedien ergeben. Die Daten müssen im Laufe der zweckorientierten Nutzung miteinander verknüpft werden. Alle Daten werden unter der Bezeichnung Datenbestand oder Datenbasis kategorisiert.

Zentrale Vorteile auf einen Blick

• Datenqualität und Integrität: Constraints, Referenzielle Integrität, Validierungen und Transaktionen reduzieren Fehler und Redundanz.
• Leistung: Indizes, Caching, Query-Optimierung und geeignete Datenmodelle verkürzen Antwortzeiten.
• Skalierbarkeit und Verfügbarkeit: Replikation, Partitionierung, Failover-Mechanismen und verteilte Architekturen erhöhen Durchsatz und Uptime.
• Sicherheit: Rollen- und Rechtemodelle, Verschlüsselung (at rest/in transit), Maskierung und Auditing unterstützen Compliance-Anforderungen (z. B. DSGVO).
• Flexibilität: Auswahl des passenden Modells (relational, dokumentenorientiert, spalten- oder graphbasiert) für den konkreten Use Case.
• Nachvollziehbarkeit: Protokollierung von Änderungen (Transaktionslogs), Versionierung und Revisionssicherheit.

Typische Aufgaben im Lebenszyklus

• Datenaufnahme: Import, ETL/ELT-Prozesse, Validierung und Bereinigung.
• Strukturierung: Modellierung, Normalisierung, Festlegung von Schlüsseln und Beziehungen.
• Optimierung: Index-Design, Abfrage-Tuning, Materialized Views, Statistiken.
• Betrieb: Backup-Strategien (voll, inkrementell, differenziell, Point-in-Time-Recovery), Monitoring, Kapazitätsplanung.
• Hochverfügbarkeit: Replikation, Clustering, automatisiertes Failover, regelmäßige Wiederanlauftests.
• Governance: Zugriffskontrolle, Datenklassifizierung, Archivierung, Lebenszyklus-Management und Dokumentation.

Häufige Fragen und Antworten