Grundlage für die strukturierte Speicherung und Auswertung von Unternehmensdaten ist das Verständnis von Datenmodellen und deren Abbildung in relationalen sowie analytischen Datenbanksystemen. Datenmodellierung legt fest, wie Entitäten, Attribute und Beziehungen in einem System repräsentiert werden - und beeinflusst damit direkt die Abfrageperformance und die Pflegbarkeit von Datensystemen. Der Kurs führt in die wesentlichen Konzepte und Notationen der Datenmodellierung ein.
Kursinhalt1. Konzeptionelle und logische Datenmodelle
- Entitäten, Attribute und Beziehungen im ER-Modell
- Notation nach Chen und Crow's Foot
- Übergang vom konzeptionellen zum logischen Modell
2. Relationale Modellierung und Normalisierung
- Grundprinzipien des relationalen Datenbankmodells
- Normalformen (1NF bis 3NF) und deren Anwendung
- Abwägung zwischen Normalisierung und Abfrageperformance
3. Dimensionale Modellierung für analytische Systeme
- Star-Schema und Snowflake-Schema im Vergleich
- Fact Tables und Dimension Tables: Aufbau und Beziehungen
- Slowly Changing Dimensions (SCD) und ihre Typen
4. Physische Modellierung und Umsetzung
- Übergang vom logischen zum physischen Datenbankmodell
- Datentypen, Indexierung und Constraints
- Dokumentation von Datenmodellen mit ERD-Tools
Berufliche Relevanz
- Grundlegende Qualifikation für Data Engineers, Datenbankentwickler und BI-Entwickler
- Voraussetzung für den Aufbau performanter und wartbarer Datenbanksysteme
- Basis für weiterführende Themen wie Data Warehouse Design und Lakehouse-Architektur