Vom Datenbedarf zum normalisierten Datenmodell
Entitäten, Attribute, Beziehungen
Ein Datenmodell beschreibt die Realität in Form von Entitäten (z. B. Kunde, Bestellung, Artikel), deren Attributen (z. B. Kundenname, Bestelldatum, Artikelpreis) und den Beziehungen zwischen den Entitäten. Jede Entität benötigt einen Primärschlüssel — ein Attribut oder eine Attributkombination, das jede Zeile eindeutig identifiziert.
Kardinalitäten
Beziehungen werden nach ihrer Kardinalität klassifiziert:
| Kardinalität | Beschreibung | Beispiel |
|---|---|---|
| 1:1 | Eine Instanz A gehört zu genau einer Instanz B | Person – Personalausweis |
| 1:n | Eine Instanz A kann mit mehreren Instanzen B verknüpft sein | Kunde – Bestellung |
| n:m | Mehrere Instanzen A können mit mehreren Instanzen B verknüpft sein | Bestellung – Artikel |
Eine n:m-Beziehung lässt sich in einem relationalen Modell nicht direkt abbilden — sie wird über eine Verbindungstabelle (z. B. „Bestellposition") aufgelöst, die je einen Fremdschlüssel auf beide Haupttabellen enthält.
Normalisierung
Normalisierung reduziert Redundanz und vermeidet Anomalien, indem eine Tabelle schrittweise in mehrere, funktional saubere Tabellen aufgeteilt wird:
| Normalform | Bedingung |
|---|---|
| 1NF | Jedes Attribut enthält nur atomare (unteilbare) Werte; keine Wiederholgruppen von Spalten |
| 2NF | Erfüllt 1NF und jedes Nicht-Schlüsselattribut hängt vollständig (nicht nur teilweise) vom gesamten — ggf. zusammengesetzten — Primärschlüssel ab |
| 3NF | Erfüllt 2NF und kein Nicht-Schlüsselattribut hängt transitiv über ein anderes Nicht-Schlüsselattribut vom Primärschlüssel ab |
Anomalien bei fehlender Normalisierung
Werden Daten redundant in einer einzigen, unnormalisierten Tabelle gehalten, entstehen drei typische Probleme:
- Einfügeanomalie: Ein neuer Fakt (z. B. ein neuer Artikel) kann nicht gespeichert werden, ohne bereits eine (evtl. gar nicht existierende) Bestellung dafür anzulegen.
- Änderungsanomalie: Ändert sich ein redundant gespeicherter Wert (z. B. eine Kundenadresse), muss er in allen betroffenen Zeilen konsistent angepasst werden — geschieht dies nicht vollständig, entstehen widersprüchliche Datenstände.
- Löschanomalie: Beim Löschen einer Zeile gehen ungewollt weitere, eigentlich unabhängige Informationen verloren (z. B. verschwinden Artikeldaten, wenn die letzte Bestellung dieses Artikels gelöscht wird).
Schlüssel
- Primärschlüssel: Entspricht UNIQUE plus NOT NULL, die Werte sind also eindeutig und nie NULL. Pro Tabelle gibt es höchstens einen Primärschlüssel, er kann aber mehrere Spalten umfassen. Weitere Eindeutigkeiten werden mit UNIQUE festgelegt.
- Schlüsselkandidat (Kandidatenschlüssel): Ein Attribut oder eine Attributkombination, die jede Zeile eindeutig identifizieren könnte. Aus den Kandidaten wird einer als Primärschlüssel gewählt.
- Beständigkeit: Ein Schlüssel bezieht sich auf den Datensatz, nicht auf die Position in der Tabelle, und darf sich nie ändern. Fachliche Merkmale (Namen, Wohnorte, Telefonnummern) sind dafür oft ungeeignet, deshalb werden bei Bedarf künstliche Schlüssel (fortlaufende Nummer ohne inhaltliche Bedeutung) definiert.
- Fremdschlüssel: Verweist auf den Primärschlüssel einer anderen Tabelle und steht bei einer 1:n-Beziehung auf der n-Seite. Er muss nicht denselben Spaltennamen tragen, wohl aber einen verträglichen Datentyp und eine im Schema definierte Beziehung. Jeder Wert muss in der referenzierten Tabelle vorkommen oder NULL sein (referentielle Integrität). Ein Fremdschlüssel auf dieselbe Tabelle (Baumstruktur) hat beim obersten Knoten NULL.
- Eine 1:1-Beziehung mit selten benötigten Feldern wird sauber abgebildet, indem diese in eine eigene Tabelle ausgelagert werden, deren Schlüssel derselbe wie in der Haupttabelle ist (Primär- und Fremdschlüssel zugleich).
Löschregeln für Fremdschlüssel (ON DELETE)
| Regel | Wirkung |
|---|---|
| NO ACTION (Standard) | Das Löschen wird nicht automatisch weitergegeben; bleibt der Fremdschlüssel verletzt, gibt es einen Fehler. Die Prüfung kann bis zum Ende der Transaktion aufgeschoben werden. |
| RESTRICT | Strenger als NO ACTION: verhindert das Löschen einer referenzierten Zeile sofort, die Prüfung kann nicht aufgeschoben werden. |
| CASCADE | Beim Löschen der referenzierten Zeile werden die referenzierenden Zeilen automatisch mitgelöscht. Passt, wenn die abhängige Zeile ein Bestandteil der referenzierten ist (Bestellposten zu Bestellung). |
| SET NULL / SET DEFAULT | Die Fremdschlüsselspalten der referenzierenden Zeilen werden auf NULL bzw. ihren Standardwert gesetzt. |
Bei unabhängigen Objekten sind RESTRICT oder NO ACTION geeigneter als CASCADE.
ER-Modell im Detail
- Das ER-Modell (Entity-Relationship-Modell, ERD) behandelt das Was (fachliche Gegebenheiten), nicht das Wie (Technik). In der konzeptionellen Phase dient es der Verständigung zwischen Anwendern und Entwicklern, in der Implementierungsphase als Grundlage für das meist relationale Datenbankdesign. Performanceanforderungen werden im Datenmodell dokumentiert und erfüllt, zum Beispiel durch passende Indexierung.
- Entität und Entitätstyp: Die Entität ist ein einzelnes Objekt (der Angestellte Müller), der Entitätstyp fasst gleichartige Entitäten zusammen (Angestellter). Entsprechend gibt es Beziehungen und Beziehungstypen.
- Identifizierendes Attribut (Schlüsselattribut): Attribut oder Kombination, durch deren Werte eine Entität eindeutig erkennbar ist (Projektnummer beim Entitätstyp Projekt).
- Abgeleitetes Attribut: Wert lässt sich aus anderen Daten berechnen und muss nicht zwingend gespeichert werden (Alter aus Geburtsdatum).
- Schwacher Entitätstyp: Braucht zur Identifikation einen Attributwert eines starken Entitätstyps (Raum benötigt das Gebäude). Ein starker Entitätstyp ist allein durch eigene Attribute identifizierbar.
- Attribut einer Beziehung: Beziehungstypen haben üblicherweise keine Attribute. Wird eines gebraucht (zum Beispiel der Beteiligungsgrad eines Angestellten am Projekt), bildet man aus dem Beziehungstyp einen eigenen Entitätstyp.
- Grad eines Beziehungstyps: Anzahl der beteiligten Entitätstypen, in der Regel 2 (binär), selten 3 (ternär). Höhergradige Beziehungstypen lassen sich näherungsweise durch einen neuen Entitätstyp auf binäre zurückführen.
- Reflexive (rekursive) Beziehung: Zwischen Entitäten desselben Entitätstyps (Organisationseinheit gliedert sich in Organisationseinheit; Stückliste: Teil wird verwendet in Teil).
- Kardinalität «n» ohne Min-Max-Angabe lässt offen, ob 0 eingeschlossen ist; das muss verbal definiert werden.
- Spezialisierung (is-a, umgekehrt can-be): Subtypen erben alle Attribute und Beziehungen des Supertyps und haben zusätzlich eigene. Eine Instanz des Subtyps ist dasselbe Einzelobjekt wie die des Supertyps. Disjunkt: eine Instanz gehört höchstens einem Subtyp an (Mitarbeiter ist Angestellter, Arbeiter oder Azubi). Überlappend: eine Instanz kann mehreren Subtypen gleichzeitig angehören (Geschäftspartner).
Vom ER-Modell zum relationalen Modell
- Ein Entitätstyp wird zu einer Relation (Tabelle), seine Attribute werden zu Attributen. Im relationalen Modell ist «Relation» ein Synonym für Tabelle, im ER-Modell dagegen die Beziehung zwischen Entitäten. Eine Zeile heisst in der Relationentheorie Tupel.
- Ein 1:n-Beziehungstyp wird durch einen Fremdschlüssel realisiert, ein n:m-Beziehungstyp durch eine zusätzliche Relation mit Fremdschlüsseln auf beide Tabellen. Die Verknüpfungstabelle zerlegt n:m in zwei 1:n-Beziehungen, nutzt oft beide Fremdschlüssel gemeinsam als Primärschlüssel und kann weitere Angaben (Menge) speichern.
- Eine 2NF-Zerlegung trennt partiell abhängige Attribute ab: Hängen ArtikelBezeichnung und ArtikelPreis nur von ArtikelNr ab, entsteht neben «Bestellposition(BestellNr, ArtikelNr, Menge)» die Tabelle «Artikel(ArtikelNr, ArtikelBezeichnung, ArtikelPreis)», also 2 Tabellen.
- Normalformen wurden von Codd vorgeschlagen und später ergänzt. Ein Beispiel für die 3NF: Der Abteilungsname hängt von der Abteilungsnummer ab, nicht vom Schlüssel des Mitarbeiters; die Abteilung wird in eine eigene Tabelle ausgelagert.
Relationale Algebra und Grenzen des relationalen Modells
- Grundoperationen: Projektion (wählt Spalten aus), Selektion (wählt Zeilen nach einer Bedingung), Kreuzprodukt, Umbenennung, Vereinigung, Differenz. Alle SQL-Anfragen (siehe Datenbanken und SQL) werden auf diese Operatoren abgebildet; der Join lässt sich aus Kreuzprodukt, Selektion und Projektion ableiten.
- Kritik am relationalen Modell: Komplexe Anwendungsobjekte liegen verteilt auf vielen Relationen und brauchen viele Joins. Der Sammelbegriff NoSQL steht für nicht-relationale Modelle.
- Semistrukturierte Datenbanken (zum Beispiel XML) haben kein festes Schema, Einheiten desselben Typs können verschiedene Attribute haben. Die Daten sind hierarchisch baumartig, Abfragen laufen über XQuery oder XPath; nachteilig ist die geringere Performance gegenüber relationalen Systemen.
Häufige Fehler
- 2NF-Prüfung auch bei einfachem (nicht zusammengesetztem) Primärschlüssel verlangen — partielle Abhängigkeit kann nur bei zusammengesetzten Schlüsseln auftreten.
- n:m-Beziehungen direkt zwischen zwei Tabellen abbilden wollen, statt eine Verbindungstabelle mit zwei Fremdschlüsseln einzuführen.
- Normalisierung mit reiner Tabellenaufteilung verwechseln — massgebend sind die funktionalen Abhängigkeiten, nicht die Anzahl Spalten.