Datenmodellierungs

Datenmodellierung bezeichnet den Prozess der abstrakten, formalen Beschreibung der Struktur von Daten, die in Informationssystemen genutzt werden. Ziel ist es, Daten konsistent, verständlich und effizient abfragbar zu machen und Geschäftsprozesse abzubilden.

Zentrale Konzepte sind Entitäten (Objekte oder Konzepte aus der realen Welt), Attribute (Eigenschaften) und Beziehungen (Verknüpfungen zwischen Entitäten). Typische Darstellungen verwenden Entity-Relationship-Modelle oder UML-Klassen. Ein Modell enthält Schlüsselbegriffe wie Primärschlüssel zur eindeutigen Identifikation und Fremdschlüssel zur Verknüpfung von Tabellen oder Objekten.

Modelle werden in drei Ebenen unterschieden: konzeptionell, logisch und physisch. Das konzeptionelle Modell fasst den erforderlichen Funktionsumfang unabhängig von Technologien zusammen. Das logische Modell beschreibt Strukturen in einer konkreten Form, etwa relational oder dokumentenorientiert. Das physische Modell legt die konkrete Implementierung fest, einschließlich Tabellen, Spalten, Indizes und Speicherparametern.

Wichtige Techniken sind Normalisierung zur Reduktion von Redundanz und Integritätsniveaus (Normalformen), sowie Denormalisierung als Gegenmaßnahme für Performance. Beziehungen können 1:1, 1:n oder n:m sein, mit entsprechenden Kardinalitäten und Integritätsbedingungen.

Sprachen und Formate: relationales Schema, SQL-basierte Modelle, UML-Diagramme; je nach Einsatzgebiet kommen auch Graph- oder dokumentenbasierte Modelle zum Einsatz.

Prozess und Einsatz: Datenmodellierung beginnt mit Anforderungen, geht über konzeptionelle und logische Entwürfe bis zur physischen Implementierung. Sie ist eng verbunden mit Datenqualität, Governance und Migration. Gute Modelle unterstützen Datenintegration, Wartbarkeit und Skalierbarkeit.