Ein Datenmodell beschreibt, wie Daten strukturiert, gespeichert und miteinander in Beziehung gesetzt werden. Es ist der Bauplan einer Datenbank: Es legt fest, welche Informationen erfasst werden, welche Typen sie haben und welche Regeln gelten. Ein gutes Datenmodell ist die Grundlage für konsistente, redundanzarme und auswertbare Daten – noch bevor die erste Tabelle angelegt wird.
Die drei Ebenen eines Datenmodells
In der Praxis unterscheidet man drei Abstraktionsebenen des Datenmodells, die beim Entwurf nacheinander entstehen:
- Konzeptionelles Datenmodell: Fachliche Sicht ohne Technik – welche Entitäten und Beziehungen gibt es? Klassisches Werkzeug ist das Entity-Relationship-Modell (ERM).
- Logisches Datenmodell: Struktur unabhängig vom konkreten Datenbanksystem – im relationalen Modell entstehen Tabellen, Schlüssel und Constraints.
- Physisches Datenmodell: Umsetzung für ein bestimmtes DBMS – Dateien, Indizes, Speicherparameter, Partitionierung.
Datenmodelle im Wandel
Das relationale Datenmodell (seit 1970) dominierte jahrzehntelang. Mit Big Data kamen weitere Modelle hinzu: dokumentenorientierte Datenbanken speichern JSON-ähnliche Dokumente, Graphdatenbanken betonen Beziehungen, Key-Value-Store und Wide-Column-Store optimieren für bestimmte Zugriffsmuster – siehe NoSQL.
Vom Modell zum Schema
Das fertige Datenmodell wird als Datenbankschema umgesetzt: aus Entitäten werden Tabellen, aus Beziehungen Fremdschlüssel, aus Attributen Spalten mit Datentypen. Danach sorgt die Normalisierung dafür, dass Redundanz und Anomalien vermieden werden.
Verwandte Grundlagen: Relationales Modell, Entity-Relationship-Modell.