Grundlagen von Datenbanksystemen

Prof. Dr. Marcus Paradies (LMU)
Datenbanksysteme
17/10/2025

Kapitel 1: Grundlagen von Datenbanksystemen

• Einführung in die Thematik und Relevanz von Daten in der modernen Welt, oft beschrieben als "das neue Öl des 21. Jahrhunderts".

• Datenbasierte Dienste, die nicht auf physischen Ressourcen basieren (z.B. Uber, AirBnB).

• Geschäftlicher Wert entsteht vollständig aus Daten. Unternehmen müssen ihre Daten sicher verwalten, um zu überleben.

• Datenbanksysteme (DBS): universelle, standardisierte Systeme zur sicheren Speicherung von Daten.

Motivation

• Daten als wertvolle Ressource:

  • Veränderungen in den letzten Jahren erläutert, dass Dienstleistungen zunehmend datengetrieben sind.

  • Quelle: The Economist - "The world’s most valuable resource is no longer oil, but data"

Beispiel: Amazon Prime Day 2024

• Umsatz und Verkaufszahlen:

  • $14.2 Milliarden in den USA.

  • Verkaufszahlen pro Tag:

  • Tag 1: $7.1 Milliarden

  • Tag 2: $6.9 Milliarden

  • Insgesamt 93,513 Bestellungen, durchschnittlicher Bestellwert: $58.

  • 300 Millionen Artikel verkauft.

  • Prime Day als wichtiges Verkaufsereignis, zweitgrößtes nach Black Friday.

• Quellen: AWS Blog & Fitsmallbusiness.com

Lernziele

• Ziel des Kurses ist es, wie man ein Datenbanksystem effektiv nutzt und wie es funktioniert, um die Leistung optimieren zu können.

Probleme alternativer Lösungen

• Diskussion über Herausforderungen, die bei der Verwaltung von Informationen über Studierende, Kurse und Einschreibungen auftreten können.

• Anfang mit einem „Straw-Man Proposal“: Nutzung einer Programmiersprache wie Python.

• Anforderungen:

  • Daten speichern, einlesen, Abfragen formulieren und ändern.

Umfrage

• Interaktive Umfrage zur Erfassung der Probleme, die bei selbstgeschriebenen Programmen zur Datenverwaltung auftauchen könnten.

Probleme bei alternativen Lösungen

• Typische Probleme, die durch alternative Lösungen (nicht-Datenbank Systeme):

  • Datenredundanzen und -inkonsistenzen

  • Eingeschränkte Zugriffsmöglichkeiten

  • Probleme beim Mehrbenutzerzugriff

  • Datenverluste

  • Verletzung der Datenintegrität

  • Sicherheitsprobleme

  • Hoher Entwicklungsaufwand

Was ist ein Datenbanksystem?

• Definition:

  • Ein System zur Speicherung und Verwaltung von Daten, bestehend aus:

  • Datenbank (DB)

  • Datenbankmanagementsystem (DBMS)

• Datenbank:

  • Integrierte Sammlung von Daten, die persistent gespeichert sind, beschreibt Informationen und Aktivitäten über Entitäten.

  • Beispiel: Universitätsdatenbank mit Informationen über Studierende, Lehrveranstaltungen usw.

Datenbankmanagementsystem (DBMS)

• Sammlung von Softwarepaketen, die zur Speicherung, Zugriff und Verwaltung von Datenbanken entwickelt wurden.

Anwendung eines Datenbanksystems

• Benutzer greifen über Anwendungen auf die Datenbank und das DBMS zu.

Zweck eines Datenbanksystems

• Codds zwölf Regeln:

  • Datenintegration: Einheitliche Verwaltung aller Daten

  • Effizienter Datenzugriff: Bereitstellung von Datenbanksprachen zur Speicherung, Abfrage und Verwaltung

  • Datenkatalog: Metadaten über Strukturen der Datenbank

  • Benutzer-/Anwendungssichten: Verschiedene Sichten für unterschiedliche Benutzer

  • Integritätsbedingungen: Gewährleistung von Datenintegrität durch das DBMS

  • Sicherheitsmechanismen: Schutz der Daten vor Bedrohungen

  • Transaktionen: Zusammenfassen mehrerer Operationen zu logischen Einheiten

  • Synchronisation: Gleichzeitige Benutzertransaktionen

  • Wiederherstellung: Datenwiederherstellung nach Systemabstürzen

Geschichte des Datenmanagements

• 60er Jahre:

  • Einfache Dateien und anwendungsspezifische Datenorganisation.

• 70er und 80er Jahre:

  • Aufkommen relationaler Datenbanksysteme mit drei Ebenen Architektur und deklarativen Datenbanksprachen.

• Evolution:

  • Codd’s relationales Modell als Grundlage und Entwicklung von Systemen wie System R und Ingres.

  • Marktentwicklung von $24 Milliarden für Datenbanktechnologien.

Entwicklungstrends

• Hardware-Architekturen:

  • Unterstützung durch Mehrkernprozessoren, In-Memory-Datenbanksysteme (SAP HANA) etc.

• Cloud-Datenbanken:

  • Hosting-Lösungen mit skalierbarem Datenmanagement.

• Datenstromverarbeitung:

  • Online-Datenverarbeitung von Live-Daten für Echtzeitanalysen.

• Big Data:

  • Verarbeitung von Petabyte-Daten durch hochskalierte Datenverarbeitungs- und Analysetools.

• NoSQL-Datenbanken:

  • Nicht-relationale Datenbanksysteme, flexible Schemata, geringere Komplexität.

Das Datenbank-Ökosystem

• Übersicht über verschiedene Arten von Datenbanksystemen (RDBMS, NoSQL, Cloud-Datenbanken), deren Anwendungen und spezifischen Merkmale.

Sichten auf Daten

• Ziel eines DBMS: Abstrakte Sicht auf Daten zur Verbergung der Speicherdetails.

• Ebenen:

  • Physisches Level: Wie Daten tatsächlich gespeichert sind.

  • Logisches Level: Welche Daten gespeichert werden (Entitäten und Beziehungen).

  • Sicht-/Anwendungslevel: Wie Benutzer die Daten sehen.

Schemata & Instanzen

• Datenbankschema: Beschreibung einer Sammlung von Daten.

• Instanz: Tatsächlicher Inhalt der Datenbank zu einem bestimmten Zeitpunkt.

Datenunabhängigkeit

• Veränderbarkeit der Schema-Definitionen ohne Beeinflussung höherer Ebenen.

• Logische und physische Datenunabhängigkeit definiert.

Datenmodelle

• Sammlung von Konzepten zur Beschreibung von Daten und deren Beziehungen.

• Beispiele: ER-Modell, relationales Modell.

Datenbanksprachen

• DDL (Data Definition Language): zur Definition von Schemas. Beispiel: CREATE TABLE.

• DML (Data Manipulation Language): zur Abfrage und Manipulation von Daten. Beispiel: INSERT INTO, SELECT.

Anwendungsarchitekturen

• Client-Server-Modell wird typischerweise genutzt. Trennung der Funktionalitäten einer Anwendung in Benutzeroberfläche, Anwendungslogik und Datenverwaltungsfunktionen.

Zusammenfassung

• Datenbanksysteme sind eine zentrale Säule für die Speicherung, Verwaltung und den Abruf von Daten in verschiedenen Anwendungsfeldern wie Finanzwesen und Gesundheitswesen.

Kursübersicht

• Kapitel 1: Grundlagen von Datenbanksystemen

• Kapitel 2: Relationales Modell

• Kapitel 3: SQL

• Kapitel 4: Konzeptionelles Datenbankdesign

• Kapitel 5: Theorie relationaler Datenbanken

• Kapitel 6: Speicher- und Dateistrukturen

• Kapitel 7: Transaktionsverarbeitung

• Kapitel 8: Anfrageverarbeitung

• Kapitel 9: Ausblick