Problemfeld Datenqualität. Wo kann IT helfen?

Größe: px
Ab Seite anzeigen:

Download "Problemfeld Datenqualität. Wo kann IT helfen?"

Transkript

1 10. Zittauer Umweltsymposium St. Marienthal in Ostritz, 21. April 2009 Problemfeld Datenqualität Wo kann IT helfen? Prof. Dr. -Ing. Axel Toll Hochschule für Technik und Wirtschaft Dresden Fakultät Informatik/Mathematik

2 Agenda Einleitende Beispiele Strukturierte Daten Unstrukturierte Daten Zusammenfassung 2

3 Drei Beipiele Nach mehr als 9 Monaten Flugzeit verlor die NASA ihren Mars Climate Orbiter im September Grund: fehlende Übersetzung englischer nach metrischer Maßeinheiten in der Navigationssoftware [Isbell & Savage: (Zugriff am ) 9 Bergmänner wurden in einer Kohlemine in Western Pensylvania für 3 Tage durch einen Wassereinbruch aus einem alten Querstollen eingesperrt. Grund: unvollständig aktualisiertes und veraltetes Kartenmaterial [Mining Safety and Health Administration 2003: (Zugriff am ) Der vor 450 Jahren verstorbene deutsche Rechenmeister Adam Ries soll Rundfunk- und Fernsehgebühren bezahlen. Die Gebühreneinzugszentrale Köln (GEZ) habe einen entsprechenden Bescheid im Oktober 2008 an Herrn Adam Ries verschickt. Grund: Fehler in den Stammdaten [http://www.welt.de/vermischtes/article /gez-schickt-zahlungsbescheid-an- Adam-Ries.html] (Zugriff am ) ) 3

4 Klassifikation von Datenfehlern bei strukturierten Daten Datenfehler einzelne Datenquelle integrierte Datenquelle Modellebene Datenebene Modellebene Datenebene unzulässiger Wert Eindeutigkeit verletzt Referentielle Integrität verletzt fehlender Wert Schreibfehler falscher Wert eingebettete Werte falsche Zuordnung widersprüchliche h Werte Duplikate/ Redundanzen strukturelle Heterogenität Namenskonflikte widersprüchliche Werte unterschiedliche Repräsentationen unterschiedliche Einheiten it unterschiedliche Genauigkeit unterschiedliche Aggregationsebenen [Rahm, E., Do, H. -H H.: Data cleaning; IEEE Data Eng. Bull. 23 (4), (2000)] 4

5 Datenfehler bei einer einzelnen Datenquelle Eindeutigkeit verletzt Widersprüchliche Werte durch Einbettung widersprüchliche Werte K_ID Name Geb.datum Alter Famst. PLZ Ort 1112 Fuchs, Reinecke v Waldhausen l Baumstadt 1113 Elster, Diebische g Baumstadt 1114 Reinecke Fuchs v Wiesenhausen fehlender Wert Duplikat unzulässiger Wert 5

6 Datenablage im Datenbanksystem Internet GRANT REVOKE RULE CHECK PRIMARY KEY ASSERT FOREIGN KEY NOT NULL UNIQUE DOMAIN TRIGGER STORED PROC besitzt bewährte Funktionen für Integritätssicherung und Zugriffsschutz Datenbankbetriebssystem y verfügbar seit SQL86 / SQL 89 aktuell SQL2003 6

7 Datenmodellierung Problem der Realwelt fachliche Aufgabe ERM semantisches Datenmodell Hierarchisches Relationales Objektrelationales Datenmodell Datenmodell Datenmodell logisches Datenmodell Hierarchisches DBMS Relationales DBMS Relationales DBMS mit OR-Features physisches Datenmodell 7

8 Entity-Relationship-Modellierung (ERM) Beispiel: Projektbearbeitung Projekt wird bearbeitet leitet Mitarbeiter Fach- und IT- Kompetenz hat Teilprojekte Projekt m B e a r b e i t u n g wird bearbeitet m Mitarbeiter 8

9 ERM zum Beispiel Projektbearbeitung Kunde 1 gibt in Auftrag c m Projekt hat Teilprojekt m c cm wird bearbeitet wird geleitet Programmierer m 1 Mitarbeiter is-a DB-Spezialist mc Systemanalytiker y benutzt m PKW [nach Gräfe,Toll: Script zur Vorlesung Datenbanksysteme I (SS 2009)] 9

10 Überführung des ERM in Relationen sechs Regeln: Kardinalität Typ Zahl der Relationen 1 : 1 obligatorsich 1 1 : c einseitig konditional 2 c : c beidseitig konditional 3 1 : m ; c : m einseitig obligatorisch oder konditional 1 : mc ; c : mc ein- oder zweiseitig konditional 3 m : m ; m : mc obligatorisch oder ein- oder 3 mc : mc zweiseitig konditional 2 Formale Transformation 10

11 Relationen im Beispiel Projektbearbeitung Mitarbeiter Bearbeitung Projekt Teilprojekt Mitarbeiternummer Name, Vorname Ort Geburtsdatum Grundgehalt Einsatzgebiet Mitarbeiternummer Projektnummer Plananteil Istanteil Projektnummer Kurzbezeichnung Budget Termin Kundennummer Leiternummer ProjektnummerO ProjektnummerU Benutzung PKW Mitarbeiternummer Kennzeichen Datum Kilometer Kennzeichen Typ Baujahr Programmierer DB-Spezialist Systemanalytiker Mitarbeiternummer Programmiersprache Mitarbeiternummer Datenbanksysteme Mitarbeiternummer Lehrgang Formale Syntax CREATE TABLE Projekt (Projektnummer VARCHAR(5) CONSTRAINT PK_ Projekt PRIMARY KEY, Kurzbezeichnung VARCHAR(50) NOT NULL, Termin DATETIME NOT NULL CONSTRAINT CK_Termin CHECK (Termin >= GetDate()), Kundennummer VARCHAR(10) NOT NULL, Leiternummer VARCHAR(5) NOT NULL, CONSTRAINT FK_Projekt_Kundennummer FOREIGN KEY (Kundennummer) REFERENCES Kunden(Kundennummer), CONSTRAINT FK_Projekt_Leiternummer FOREIGN KEY (Leiternummer) REFERENCES Mitarbeiter(Mitarbeiternummer)) 11

12 Normalisierung nach Codd Regelwerk zur schrittweisen Zerlegung großer Relationen: eato e Ziel: Beseitigung von Anomalien Bildung der 1. bis 3. Normalform [Codd, 1970] Mitnr Name Beruf Gehalt Projnr Projbez Anteil Abtnr Abtbez 111 Bauer Organ Statistik 0,2 2 Organisation 111 Bauer Organ PPS 0,5 2 Organisation 123 Meier Inform Statistik 0,5 1 EDV 123 Meier Inform PPS 0,5 1 EDV 130 Keil Math Statistik 1,0 2 Organisation 133 Frei Inform MIS 1,0 1 EDV MiPro Projekt Mitnr Projnr Anteil Projnr Projbez ,2 31 Statistik ,5 35 PPS ,5 36 MIS , , ,0 Mitarbeiter2 Mitnr Name Beruf Gehalt Abtnr Abtbez 111 Bauer Organ Organisatio n 123 Meier Inform EDV 130 Keil Math Organisatio n 133 Frei Inform EDV 12

13 Lösungsvorschlag für das Eingangbeispiel Nutzersicht K_ID Name Geb.datum Alter Famst. PLZ Ort 1112 Fuchs, Reinecke v Waldhausen 1116 Kluge, Uhu l Baumstadt 1113 Elster, Diebische g Baumstadt DBMS Trigger View K_ID Name Vorname GebDatum FamSt PLZ 1112 Fuchs Reinecke v Elster Diebische g Kluge Uhu l PLZ Ort Waldhausen Baumstadt 13

14 Datenmodellierung Problem der Realwelt IT-Unterstützung fachliche Aufgabe ERM Fachkompetenz semantisches Datenmodell Hierarchisches Relationales Objektrelationales Datenmodell Datenmodell Datenmodell logisches Datenmodell Hierarchisches DBMS Relationales DBMS Relationales DBMS mit OR-Features physisches Datenmodell 14

15 Klassifikation von Datenfehlern bei strukturierten Daten Datenfehler einzelne Datenquelle integrierte Datenquelle Modellebene Datenebene Modellebene Datenebene unzulässiger Wert Eindeutigkeit verletzt Referentielle Integrität verletzt fehlender Wert Schreibfehler falscher Wert eingebettete Werte falsche Zuordnung widersprüchliche h Werte Duplikate/ Redundanzen strukturelle Heterogenität Namenskonflikte widersprüchliche Werte unterschiedliche Repräsentationen unterschiedliche Einheiten it unterschiedliche Genauigkeit unterschiedliche Aggregationsebenen [Rahm, E., Do, H. -H H.: Data cleaning; IEEE Data Eng. Bull. 23 (4), (2000)] 15

16 Typische Aufgaben bei der Integration Zusätzlich zu Fehlerquellen der einzelnen Datenquelle (Widersprüche, Duplikate, ): Systemintegration verschiedener Vorsysteme (ERP, DBMS, ) Integration verschiedener Hersteller Schemaintegration (Struktur, Typ und Format) Datenintegration (Inhalt der Datenfelder) Synonyme beseitigen Daten transformieren Homonyme beseitigen Widersprüche, Duplikate, behandeln Maßeinheiten anpassen Beispiel: i Feldname = Kunden_ID Informationssystem Wert = Typ = longint Bestell-DB SAP R3 Feldname = Besteller_ID Feldname = Service_ID Typ = NUMC (8) Service-DB Typ = INT (sequence-basiert) Wert = Oracle 11g Wert =

17 ETL: Extraktion, Transformation und Laden Anwendung eines ETL-Tools zur Datenübernahme aus einem ERP-System 17

18 Maßnahmen zur Verbesserung der Datenqualität proaktiv Ziel: ursachenorientierte Sicherung und Verbesserung der Datenqualität reaktiv Ziel: symptomorientierte Sicherung und Verbesserung der Datenqualität Maßnahmen: Ursachenanalyse und -behebung / Prävention Verbesserung des Datenmodells Standardisierung von Begrifflichkeiten Maßnahmen: Data Cleaning Datentransformation t ti Datenbereinigung Duplikatbehandlung Anreicherung Datenkategorien: Datenkategorien: strukturiert strukturiert semistrukturiert semistrukturiert unstrukturiert 18

19 Schritte bei unstrukturierten Daten Vorbereiten der Daten Definition der Qualitätsanforderung Pragmatik Ziele und Interessen der Nutzer an den Daten Wertanalyse Semantik: inhaltliche Bedeutung der Daten oft schwer definierbar Transformation Datenübernahme IT-Unterstützung Fachkompetenz Semiotik: Lehre der Zeichen und Symbole Syntax Zeichen Zeichen Benutzer/ Situation Pragmatik Bedeutung Semantik 19

20 Beispiel 1: Auswertung eines Datenbestandes von Onlinebewerbungen Qualitätsanforderungen: Verwendung der Daten für statistische ti ti Auswertungen in Klassen keine Auswertungen auf der Ebene einzelner Datensätze 20

21 Beispiel: Datenbestand von Onlinebewerbungen (1) Analyse des Datenbestandes Identifizierung von Datenfehlern durch Methoden der Statistik und des Data Mining. Ableitung von Regeln / Mustern Attribut: Personenalter Verwendung von Kennzahlen der deskriptiven und robusten Statistik Normalverteilung: - Datenfehler vor allem am Rand der Verteilung - 95% der Datenwerte max. Abweichung vom Mittelwert um 2 Sigma Datensätze Minimum Maximum Spannweite Median Mittelwert Standardabweichung ,09 203,834 21

22 Beispiel: Datenbestand von Onlinebewerbungen (2) Winsoring Einfluss von Ausreißern minimieren durch Winsorisierung 2ơ +/ arith. Mittelwert Wertebereich der winsorisierten Datenreihe: [16; 65] 22

23 Beispiel: Datenbestand von Onlinebewerbungen (3) Reaktive Datenqualitätsverbesserung Anreicherung Duplikatzusammenführung Bereinigung Löschung Auswahl über Umfang und Nutzungseinschränkung Verwendungszweck der Imputation betroffenen Datensätze Beispiel: quantitatives Attribut Personenalter Imputation des Mittelwertes Mini- Maxi- Spann- Mittel- Standard- mum mum weite Median wert abweichung unbereinigt ,09 203,834 bereinigt ,09 9,585 23

24 Beispiel 2: Adressabgleich auf Briefköpfen Qualitätsanforderungen: Zustellung von Briefen nur an real existierende Adressen möglichst hohe Rate an automatischer Fehlerkorrektur kt 24

25 Beispiel: Adressabgleich (1) Fehlertypen bei der Wiedergabe von Ziffernfolgen Fehlertyp Verwechseln einer Ziffer Vertauschen benachbarter Ziffern Vertauschen einer Ziffer mit der Übernächsten Zwillingsfehler Phonetische Fehler Sprung-Zwillingsfehler Übrige (zufällige) Fehler Beispiel Relative Häufigkeit 79,0 % 10,2 % 0,8 % 0,6 % 0,5 % 0,3 % 8,6 % Ähnlichkeiten zwischen gekürzten und vollständigen Straßennamen Straße gekürzte Straße Ähnlichkeit Johannes R. Becher Str. Johann Sebastian Bach Str. J. R. Becher Str. Bach Str. 43,1 % 40,9 %... 25

26 Datenbank mit allen real existierenden Adressen Beispiel Adressabgleich (2) Friedrich-List-Platz Dresden Hauptstraße Kurort Oybin Auszug Adresse i Theodor-Körner-Allee Zittau Th.-Körner Alle Zittau PLZ i Ort i Straße i PLZ' Ort' Straße' Entscheidung mittels Neuronalem Netz: Wie groß ist die Gesamtähnlichkeit des Paares i? Rangliste aller Adresse Erstellen eines Vergleichsvektors: PLZ' - PLZ i Ort' - Ort i Straße' - Straße i absteigend geordnet nach Gesamtähnlichkeit gegebene, eventuell fehlerhafte h ft Adresse 26

27 Systemarchitektur Eingabe einer eventuell fehlerhaften Adresse Beispiel Adressabgleich (3) Suche nach ähnlichen n-maliger Durchlauf des Neuronalen Netzes; Auswahl der Adresse mit der höchsten h Adressen Ausgabe eines Gesamtähnlichkeit; in der Eignungsgrades Abgleich der Datenbank für jedes Tripel Hausnummer PLZ' Ort' Straße' Nach- arbeit Fuzzy- Suche xn n FPLZ* FOrt* FStraße* Hausnr.' Hausnr.' 27

28 Datenqualitätsmerkmale nach Wang und Strong Intrisische Merkmale (kontextunabhängig) Glaubhaftigkeit Genauigkeit Objektivität Kontextuelle Merkmale (kontextabhängig) g) Mehrwert Relevanz Zeitnähe Vollständigkeit Präsentationsmerkmale Interpretierbarkeit Verständlichkeit Konsistenz Zugriffsmerkmal Verfügbarkeit Sicherheit Zugriffsschutz [Wang, R.Y., Strong D.M.: Beyond accuracy: What data quality means to data consumers; J. Manage. Inf. Syst. 12(4), 5-34 (1996)] 28

29 Sichtweisen auf das Problemfeld Datenqualität Informationssytem Semiotik Datenqualitätsmerkmal nach Wang und Strong Fachliche Ebene Pragmatik Kontextuelle Merkmale Logische Ebene Semantik Intrisische Merkmale (kontextunabhängig) t Präsentations- merkmale Physische h Ebene Syntax Zugriffsmerkmal IT-Unterstützung Fachkompetenz 29

30 Vielen Dank für Ihre Aufmerksamkeit 30

Datenqualität: allgemeiner Überblick Waldemar Braun. Seminar Datenqualität OvGU Magdeburg 03.12.2009

Datenqualität: allgemeiner Überblick Waldemar Braun. Seminar Datenqualität OvGU Magdeburg 03.12.2009 Datenqualität: allgemeiner Überblick Waldemar Braun Seminar Datenqualität OvGU Magdeburg Gliederung 1. Einleitung 2. Motivation 3. Definition 4. DQ-Probleme 5. DQ-Dimensionen 6. DQ-Modelle 7. Messen der

Mehr

Quality Point München Datenqualität

Quality Point München Datenqualität Quality Point München Datenqualität Paul, wie ist denn Eure Datenqualität? Nachdem ich bei der letzten Gehaltszahlung mit Frau... angeredet wurde, bin ich mir nicht mehr so sicher. Autor: W. Ulbrich IT&More

Mehr

Datenbanken: Datenintegrität. www.informatikzentrale.de

Datenbanken: Datenintegrität. www.informatikzentrale.de Datenbanken: Datenintegrität Definition "Datenkonsistenz" "in der Datenbankorganisation (...) die Korrektheit der gespeicherten Daten im Sinn einer widerspruchsfreien und vollständigen Abbildung der relevanten

Mehr

Semantische Integrität (auch: Konsistenz) der in einer Datenbank gespeicherten Daten als wichtige Anforderung

Semantische Integrität (auch: Konsistenz) der in einer Datenbank gespeicherten Daten als wichtige Anforderung 6. Datenintegrität Motivation Semantische Integrität (auch: Konsistenz) der in einer Datenbank gespeicherten Daten als wichtige Anforderung nur sinnvolle Attributwerte (z.b. keine negativen Semester) Abhängigkeiten

Mehr

Datenbanksysteme. Semantische Modellierung mit dem Entity/Relationship-Modell. Burkhardt Renz. Fachbereich MNI Technische Hochschule Mittelhessen

Datenbanksysteme. Semantische Modellierung mit dem Entity/Relationship-Modell. Burkhardt Renz. Fachbereich MNI Technische Hochschule Mittelhessen Datenbanksysteme Semantische Modellierung mit dem Entity/Relationship-Modell Burkhardt Renz Fachbereich MNI Technische Hochschule Mittelhessen Sommersemester 2016 Inhalt Vorgehensweise und ein Beispiel

Mehr

DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER

DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER INHALTSVERZEICHNIS 1. Datenbanken 2. SQL 1.1 Sinn und Zweck 1.2 Definition 1.3 Modelle 1.4 Relationales Datenbankmodell 2.1 Definition 2.2 Befehle 3.

Mehr

Definition Informationssystem

Definition Informationssystem Definition Informationssystem Informationssysteme (IS) sind soziotechnische Systeme, die menschliche und maschinelle Komponenten umfassen. Sie unterstützen die Sammlung, Verarbeitung, Bereitstellung, Kommunikation

Mehr

Extraktion, Transformation, Laden (ETL)

Extraktion, Transformation, Laden (ETL) Extraktion, Transformation, Laden (ETL) ETL-Prozeß Integrationsschritte Integrationsprobleme fi Konflikte und deren Klassifikation fi Behebung von Konflikten Data Cleaning VL Data Warehouses, WS 2000/2001

Mehr

Datenbanksysteme Kapitel: SQL Data Definition Language

Datenbanksysteme Kapitel: SQL Data Definition Language Datenbanksysteme Kapitel: SQL Data Definition Language Prof. Dr. Peter Chamoni Mercator School of Management Lehrstuhl für Wirtschaftsinformatik, insb. Business Intelligence Prof. Dr. Peter Chamoni - Prof.

Mehr

Informations- und Wissensmanagement

Informations- und Wissensmanagement Übung zur Vorlesung Informations- und Wissensmanagement (Übung 1) Frank Eichinger IPD, Lehrstuhl für Systeme der Informationsverwaltung Zur Person Beruflicher Hintergrund Studium an der TU Braunschweig

Mehr

Arbeiten mit ACCESS 2013

Arbeiten mit ACCESS 2013 Dipl.-Hdl., Dipl.-Kfm. Werner Geers Arbeiten mit ACCESS 2013 Datenbanken mit Datenmodellierung Tabellen, Abfragen, Formularen und Berichten Beziehungen Makros Datenaustausch SQL Structured Query Language

Mehr

Extraktion, Transformation, Laden (ETL)

Extraktion, Transformation, Laden (ETL) Extraktion, Transformation, Laden (ETL) ƒ ETL-Prozeß ƒ Integrationsschritte ƒ Integrationsprobleme Konflikte und deren Klassifikation Behebung von Konflikten ƒ Data Cleaning Vorlesung Data-Warehouse-Technologien

Mehr

XAMPP-Systeme. Teil 3: My SQL. PGP II/05 MySQL

XAMPP-Systeme. Teil 3: My SQL. PGP II/05 MySQL XAMPP-Systeme Teil 3: My SQL Daten Eine Wesenseigenschaft von Menschen ist es, Informationen, in welcher Form sie auch immer auftreten, zu ordnen, zu klassifizieren und in strukturierter Form abzulegen.

Mehr

Profilbezogene informatische Bildung in den Klassenstufen 9 und 10. Schwerpunktthema Daten und Datenbanken

Profilbezogene informatische Bildung in den Klassenstufen 9 und 10. Schwerpunktthema Daten und Datenbanken Profilbezogene informatische Bildung in den Klassenstufen 9 und 10 Schwerpunktthema Robby Buttke Fachberater für Informatik RSA Chemnitz Fachliche Einordnung Phasen relationaler Modellierung Fachlichkeit

Mehr

Relationales Modell: SQL-DDL. SQL als Definitionssprache. 7. Datenbankdefinitionssprachen. Anforderungen an eine relationale DDL

Relationales Modell: SQL-DDL. SQL als Definitionssprache. 7. Datenbankdefinitionssprachen. Anforderungen an eine relationale DDL Relationales Modell: SQLDDL SQL als Definitionssprache SQLDDL umfaßt alle Klauseln von SQL, die mit Definition von Typen Wertebereichen Relationenschemata Integritätsbedingungen zu tun haben Externe Ebene

Mehr

Klassifikation von Integrationskonflikten

Klassifikation von Integrationskonflikten Klassifikation von Integrationskonflikten Christiane Telöken 1 Inhaltsverzeichnis 1. Was bedeutet Integration? 2. Strukturelle Heterogenitätskonflikte 2.1 Konflikte bei bilateralen Korrespondenzen 2.2

Mehr

SQL structured query language

SQL structured query language Umfangreiche Datenmengen werden üblicherweise in relationalen Datenbank-Systemen (RDBMS) gespeichert Logische Struktur der Datenbank wird mittels Entity/Realtionship-Diagrammen dargestellt structured query

Mehr

(Von der Nähe zur Distanz zum User geordnet)

(Von der Nähe zur Distanz zum User geordnet) Datebanken Was ist eigentlich eine Datenbank? Datenbanken, Datenhaltungsschicht und Datenbankensysteme (hier als Synonyme zu verstehen) finden viele unterschiedliche Anwendungsbereiche. Datenbanken kann

Mehr

Duplikaterkennung - Motivation Masterseminar. Felix Naumann Hasso-Plattner-Institut

Duplikaterkennung - Motivation Masterseminar. Felix Naumann Hasso-Plattner-Institut Duplikaterkennung - Motivation Masterseminar 16.4.2008 Felix Naumann Hasso-Plattner-Institut Fachgebiet Informationssysteme Überblick 2 Datenqualität Datenfehler und ihre Ursachen Datenreinigung i Duplikaterkennung

Mehr

Einteilung von Datenbanken

Einteilung von Datenbanken Datenbanksysteme (c) A.Kaiser; WU-Wien 1 Einteilung von Datenbanken 1. formatierte Datenbanken 2. unformatierte Datenbanken Information Retrieval Systeme 2 Wozu Datenbanken? Speicherung und Verwaltung

Mehr

Kapitel 3: Datenbanksysteme

Kapitel 3: Datenbanksysteme LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2009 Kapitel 3: Datenbanksysteme Vorlesung:

Mehr

Datenbanken. Dateien und Datenbanken:

Datenbanken. Dateien und Datenbanken: Dateien und Datenbanken: Professionelle Anwendungen benötigen dauerhaft verfügbare, persistent gespeicherte Daten. Datenbank-Systeme bieten die Möglichkeit, Daten persistent zu speichern. Wesentliche Aspekte

Mehr

Objektrelationale Datenbanken

Objektrelationale Datenbanken Vorlesung Datenbanksysteme vom 26.11.2008 Objektrelationale Datenbanken Konzepte objektrelationaler DBs SQL:1999 OO vs. OR Konzepte objektrelationaler Datenbanken Große Objekte (LOBs: Large Objects) Mengenwertige

Mehr

Ein Beispiel. Ein Unternehmen will Internettechnologien im Rahmen des E- Business nutzen Welche Geschäftsprozesse?

Ein Beispiel. Ein Unternehmen will Internettechnologien im Rahmen des E- Business nutzen Welche Geschäftsprozesse? Ein Beispiel Ein Unternehmen will Internettechnologien im Rahmen des E- Business nutzen Welche Geschäftsprozesse? Dipl.-Kfm. Claus Häberle WS 2015 /16 # 42 XML (vereinfacht) visa

Mehr

VO Datenmodellierung. Katrin Seyr

VO Datenmodellierung. Katrin Seyr Datenintegrität Datenintegrität VO Datenmodellierung Katrin Seyr Institut für Informationssysteme Technische Universität Wien Katrin Seyr Seite 1 Datenintegrität 1. Überblick Überblick 1 Überblick 2 Integritätsbedingungen

Mehr

Objektrelationale und erweiterbare Datenbanksysteme

Objektrelationale und erweiterbare Datenbanksysteme Objektrelationale und erweiterbare Datenbanksysteme Erweiterbarkeit SQL:1999 (Objekt-relationale Modellierung) In der Vorlesung werden nur die Folien 1-12 behandelt. Kapitel 14 1 Konzepte objekt-relationaler

Mehr

ABTEILUNGS- ABTEILUNGS- LEITER NAME

ABTEILUNGS- ABTEILUNGS- LEITER NAME Übungsaufgaben Übungsaufgabe 1 - Normalisierung - Gegeben ist folgende unnormalisierte Relation, die Daten über Mitarbeiter und deren Abteilungszughörigkeit enthält. Weiterhin sind die Beteiligung(en)

Mehr

Einführung. Informationssystem als Abbild der realen Welt

Einführung. Informationssystem als Abbild der realen Welt Was ist ein Datenbanksystem? Anwendungsgrundsätze Betrieb von Datenbanksystemen Entwicklung von Datenbanksystemen Seite 1 Informationssystem als Abbild der realen Welt Modellierung (Abstraktion) Sachverhalte

Mehr

Datenbanken. Einführung

Datenbanken. Einführung Datenbanken Einführung Einsatzbereiche von Datenbanken Unterstützung von Routinearbeiten Mehrfachnutzung von Daten Bewältigung der Informationsflut Fehlervermeidung Änderungen vornehmen Verbesserung der

Mehr

10. Vorlesung: Datenorganisation SS 2007

10. Vorlesung: Datenorganisation SS 2007 10. Vorlesung: Datenorganisation SS 2007 8 Parallele Transaktionen 9 9.1 Drei-Ebenen Ebenen-Architektur 9.2 Verteilte Datenbanken 9.3 Client-Server Server-Datenbanken 9.4 Föderierte Datenbanken 9.5 Das

Mehr

Motivation: Datenqualitätsprobleme in der Praxis (1/2) Mars Climate Orbiter. Chinesische Botschaft in Belgrad

Motivation: Datenqualitätsprobleme in der Praxis (1/2) Mars Climate Orbiter. Chinesische Botschaft in Belgrad Datenqualität mit dem DataFlux dfpower Studio 8.1 Tobias Jansen Zaferna-Hütte, 4. Januar 2009 Motivation: Datenqualitätsprobleme in der Praxis (1/2) Mars Climate Orbiter Nasa Marssonde Mars Climate Orbiter

Mehr

1 hat * Transformation des vorigen Entity-Relationship-Diagramms in ein Datenbankschema

1 hat * Transformation des vorigen Entity-Relationship-Diagramms in ein Datenbankschema Übungen Teil 3 (Datenbank-Design Autowerkstatt ERD Kunde gehört KFZ hat Reparatur kundennr {pk} name vorname adresse strasse plz ort telefonnr fahrgestllnr {pk} kennzeichen marke rechnungsnr {pk} datum

Mehr

Datenbanken: ER-Modell

Datenbanken: ER-Modell Beispiel: Lastenheft: Für eine Hochschule soll eine Verwaltungssoftware geschrieben werden, die alle relevanten Daten in einem relationalen Datenbanksystem speichert. Zu diesen Daten zählen die Stamm-

Mehr

1 Übungen zu Datenbank-Kategorien

1 Übungen zu Datenbank-Kategorien 1 Übungen zu Datenbank-Kategorien Übung 1.1 Betrachten Sie anhand der grafischen Darstellung im Skript den Unterschied zwischen einer Desktop Datenbank und einer Client-Server Datenbank. Geben Sie für

Mehr

Vorlesung. Grundlagen betrieblicher Informationssysteme. Prof. Dr. Hans Czap. Email: Hans.Czap@uni-trier.de. Lehrstuhl für Wirtschaftsinformatik I

Vorlesung. Grundlagen betrieblicher Informationssysteme. Prof. Dr. Hans Czap. Email: Hans.Czap@uni-trier.de. Lehrstuhl für Wirtschaftsinformatik I Vorlesung Grundlagen betrieblicher Informationssysteme Prof. Dr. Hans Czap Email: Hans.Czap@uni-trier.de - II - 1 - Inhalt Kap. 1 Ziele der Datenbanktheorie Kap. 2 Datenmodellierung und Datenbankentwurf

Mehr

Übung Datenbanken in der Praxis. Datenmodifikation mit SQL

Übung Datenbanken in der Praxis. Datenmodifikation mit SQL Datenmodifikation mit SQL Folie 45 SQL - Datenmodifikation Einfügen INSERT INTO Relation [(Attribut, Attribut,...)] VALUES (Wert, Wert,...) INSERT INTO Relation [(Attribut, Attribut,...)] SFW-Anfrage Ändern

Mehr

Access Grundkurs. M. Eng. Robert Maaßen

Access Grundkurs. M. Eng. Robert Maaßen Access Grundkurs M. Eng. Robert Maaßen Wer steht da? M. Eng. Robert Maaßen ich@robertmaassen.de www.robertmaassen.de Studium: Informatik Vertiefungsrichtung Medientechnik, Diplom Ingenieur (FH), HAWK,

Mehr

Uni Duisburg-Essen Fachgebiet Informationssysteme Prof. Dr. N. Fuhr

Uni Duisburg-Essen Fachgebiet Informationssysteme Prof. Dr. N. Fuhr Raum: LF 230 Bearbeitung: 9.-11. Mai 2005 Datum Gruppe Vorbereitung Präsenz Aktuelle Informationen unter: http://www.is.informatik.uni-duisburg.de/courses/dbp_ss03/ Tabellen in IBM DB2 Tabellen Eine relationale

Mehr

Einführung in SQL. Sprachumfang: Indizes. Datensätzen. Zugriffsrechten

Einführung in SQL. Sprachumfang: Indizes. Datensätzen. Zugriffsrechten Einführung in SQL Die Sprache SQL (Structured Query Language) ist eine Programmiersprache für relationale Datenbanksysteme, die auf dem ANSI-SQL-Standard beruht. SQL wird heute von fast jedem Datenbanksystem

Mehr

Modul Datenbanksysteme 2 Prüfung skizzenhaft SS Aug. 2007. Name: Note:

Modul Datenbanksysteme 2 Prüfung skizzenhaft SS Aug. 2007. Name: Note: 1 Modul Datenbanksysteme 2 Prüfung skizzenhaft SS Aug. 2007 Name: Note: Nr. Aufgaben Max. Punkte Erreichte Punkte 1 Grundlagen ~ 10% Vgl. Hinweis unten 2 Integrität, Procedures, Triggers, Sichten ~ 20%

Mehr

SQL Tutorial. SQL - Tutorial SS 06. Hubert Baumgartner. INSO - Industrial Software

SQL Tutorial. SQL - Tutorial SS 06. Hubert Baumgartner. INSO - Industrial Software SQL Tutorial SQL - Tutorial SS 06 Hubert Baumgartner INSO - Industrial Software Institut für Rechnergestützte Automation Fakultät für Informatik Technische Universität Wien Inhalt des Tutorials 1 2 3 4

Mehr

Konstante Relationen

Konstante Relationen Konstante Relationen values-syntax erzeugt konstante Relation values ( [, Konstante] * )[, ( [, Konstante] * )]* Beispiel values (1, eins ), (2, zwei ), (3, drei ); Resultat ist eine

Mehr

Design Theorie für relationale Datenbanken

Design Theorie für relationale Datenbanken Design Theorie für relationale Datenbanken Design von relationalen Datenbanken alternativen Datenabhängigkeiten Normalisierung Ziel: automatisches Datenbankdesign IX-1 Schlechtes Datenbank Design Frage:

Mehr

Hochschule Karlsruhe Technik und Wirtschaft- 10.7.2013. Anhänge: Fakultät für Informatik und Wirtschaftsinformatik SS 2013 Prof. Schmidt.

Hochschule Karlsruhe Technik und Wirtschaft- 10.7.2013. Anhänge: Fakultät für Informatik und Wirtschaftsinformatik SS 2013 Prof. Schmidt. Fakultät für Informatik und Wirtschaftsinformatik SS 2013 Datenbanken und Informationssysteme II Szenario: Projektverwaltung. Es gibt Projekte, Projektleiter, Mitarbeiter und ihre Zuordnung zu Projekten.

Mehr

Datenbanksysteme 1. Organisation. Prof. Stefan F. Keller. Ausgabe 2005. Copyright 2005 HSR SS 2005

Datenbanksysteme 1. Organisation. Prof. Stefan F. Keller. Ausgabe 2005. Copyright 2005 HSR SS 2005 Datenbanksysteme 1 Organisation Ausgabe 2005 Prof. Stefan F. Keller SS 2005 Copyright 2005 HSR Inhalt Einführung Relationales Datenmodell, Datenmodellierung DB-Entwurf, Normalisierung SQL-Data Definition

Mehr

Christian-Weise-Gymnasium Zittau Fachbereich Informatik M. Hans. Datenmodellierung 1. Inhaltsverzeichnis

Christian-Weise-Gymnasium Zittau Fachbereich Informatik M. Hans. Datenmodellierung 1. Inhaltsverzeichnis Datenmodellierung 1 Inhaltsverzeichnis 1. Informationsstruktur ermitteln...2 2. Datenstruktur modellieren...3 2.1 Elemente des ER-Modells...3 2.1.1 Entities...3 2.1.2 Beziehungen zwischen Entities...4

Mehr

Kapitel DB:II. II. Datenbankentwurf und Datenbankmodelle. Entwurfsprozess Datenbankmodelle

Kapitel DB:II. II. Datenbankentwurf und Datenbankmodelle. Entwurfsprozess Datenbankmodelle Kapitel DB:II II. Datenbankentwurf und Datenbankmodelle Entwurfsprozess Datenbankmodelle DB:II-1 DB Design and Models STEIN 2004-2015 Entwurfsprozess ANSI/SPARC-Schema-Architektur externe Ebene externes

Mehr

3. Prinzipien und Nutzung von relationalen Datenbanksystemen

3. Prinzipien und Nutzung von relationalen Datenbanksystemen 3. Prinzipien und Nutzung von relationalen Datenbanksystemen Inhalt: Dateien vs. Datenbanken Datenbanken: Tabellen, Attribute und Datentyp Datenmodellierung und Normalformen einer Datenbank Structured

Mehr

DB2 SQL, der Systemkatalog & Aktive Datenbanken

DB2 SQL, der Systemkatalog & Aktive Datenbanken DB2 SQL, der Systemkatalog & Aktive Datenbanken Lehr- und Forschungseinheit Datenbanken und Informationssysteme 1 Ziele Auf DB2 Datenbanken zugreifen DB2 Datenbanken benutzen Abfragen ausführen Den Systemkatalog

Mehr

wirtschaftsinformatik im hauptstudium:

wirtschaftsinformatik im hauptstudium: wirtschaftsinformatik im hauptstudium: einführung in erp 03/2000 martin finkbeiner 1 inhalt theoretische grundlagen erp am beispiel sap r/3 praktische anwendung eines r/3 moduls mit uebungen 03/2000 martin

Mehr

Relationale Datenbanken Kursziele

Relationale Datenbanken Kursziele Relationale Datenbanken Kursziele DB Grundlagen Daten-Modellierung Relationales Modell und DB => Praxis: Mit SQL als Anfragesprache Mit MySQL als DB RDB 1-1 Kursinhalt (Tage) 1. DB Einleitung / Entity-Relationship

Mehr

Informatik II Datenorganisation Datenbanken

Informatik II Datenorganisation Datenbanken Informatik II Datenorganisation Datenbanken Studiengang Wirtschaftsingenieurwesen (2. Semester) Prof. Dr. Sabine Kühn Tel. (0351) 462 2490 Fachbereich Informatik/Mathematik skuehn@informatik.htw-dresden.de

Mehr

Datenqualität in medizinisch-betriebswirtschaftlichen Informationssystemen MedConf 2013

Datenqualität in medizinisch-betriebswirtschaftlichen Informationssystemen MedConf 2013 Datenqualität in medizinisch-betriebswirtschaftlichen Informationssystemen MedConf 2013 Endler Gregor, Warum Datenqualität? 2002, USA: 600.000.000 $ Y2k weltweit: 1.500.000.000 $ Kosten 44.000 98.000 Todesfälle

Mehr

Themenblock: Erstellung eines Cube

Themenblock: Erstellung eines Cube Themenblock: Erstellung eines Cube Praktikum: Data Warehousing und Data Mining Einführung relationale Datenbanken Problem Verwaltung großer Mengen von Daten Idee Speicherung der Daten in Form von Tabellen

Mehr

4.14.3 Bedingungen über Werte. 4.14.4 Statische Integrität. CHECK-Klausel

4.14.3 Bedingungen über Werte. 4.14.4 Statische Integrität. CHECK-Klausel 4.14.3 Bedingungen über Werte 4.14.4 Statische Integrität Zu jeder Tabelle werden typischerweise ein Primärschlüssel und möglicherweise weitere Schlüssel festgelegt (UNIQUE-Klausel). In jeder Instanz zu

Mehr

3. Das Relationale Datenmodell

3. Das Relationale Datenmodell 3. Das Relationale Datenmodell Das Relationale Datenmodell geht zurück auf Codd (1970): E. F. Codd: A Relational Model of Data for Large Shared Data Banks. Comm. of the ACM 13(6): 377-387(1970) DBMS wie

Mehr

Bewertungskriterien für die Qualität von angelieferten Datensätzen in Mo Re data

Bewertungskriterien für die Qualität von angelieferten Datensätzen in Mo Re data Bewertungskriterien für die Qualität von angelieferten Datensätzen in Mo Re data 1. Hintergrund 1.1 Qualitätsmerkmale nach Wang & Strong (1996) 2. Bewertungskriterien für die Qualität von angelieferten

Mehr

Oracle 10g Einführung

Oracle 10g Einführung Kurs Oracle 10g Einführung Teil 7 Einige interessante SQL und PL/SQL Erweiterungen für Administratoren Timo Meyer Administration von Oracle-Datenbanken Timo Meyer Sommersemester 2006 Seite 1 von 19 Seite

Mehr

Ein Schlüssel ist eine Menge von Attributen (also eines oder mehrere), die eine Datenzeile (Tupel) einer Tabelle eindeutig identifiziert

Ein Schlüssel ist eine Menge von Attributen (also eines oder mehrere), die eine Datenzeile (Tupel) einer Tabelle eindeutig identifiziert Maika Büschenfeldt Datenbanken: Skript 1 1. Was ist eine relationale Datenbank? In Datenbanken können umfangreiche Datenbestände strukturiert abgelegt werden. Das Konzept relationaler Datenbanken soll

Mehr

Datenbanktechnologie für Data-Warehouse-Systeme

Datenbanktechnologie für Data-Warehouse-Systeme Wolfgang Lehner Datenbanktechnologie für Data-Warehouse-Systeme Konzepte und Methoden dpunkt.verlag 1 1.1 1.2 1.3 1.4 1. 5 2 2.1 2.2 2.3 Einleitung 1 Betriebswirtschaftlicher Ursprung des Data Warehousing...

Mehr

Software-Engineering und Datenbanken

Software-Engineering und Datenbanken Software-Engineering und Datenbanken Prof. Dr. Bernhard Schiefer bernhard.schiefer@fh-kl.de http://www.fh-kl.de/~schiefer Prof. Dr. Bernhard Schiefer 1-1 Wesentliche Inhalte Begriff DBS Datenbankmodelle

Mehr

Informatik für Ökonomen II: Datenintegrität. Prof. Dr. Carl-Christian Kanne

Informatik für Ökonomen II: Datenintegrität. Prof. Dr. Carl-Christian Kanne Informatik für Ökonomen II: Datenintegrität Prof. Dr. Carl-Christian Kanne 1 Konsistenzbedingungen DBMS soll logische Datenintegrität gewährleisten Beispiele für Integritätsbedingungen Schlüssel Beziehungskardinalitäten

Mehr

Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 11.09.2009

Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 11.09.2009 Hochschule Darmstadt DATENBANKEN Fachbereich Informatik Praktikum 3 Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 11.09.2009 PL/SQL Programmierung Anwendung des Cursor Konzepts und Stored Procedures Und Trigger

Mehr

Views in SQL. 2 Anlegen und Verwenden von Views 2

Views in SQL. 2 Anlegen und Verwenden von Views 2 Views in SQL Holger Jakobs bibjah@bg.bib.de, holger@jakobs.com 2010-07-15 Inhaltsverzeichnis 1 Wozu dienen Views? 1 2 Anlegen und Verwenden von Views 2 3 Schreibfähigkeit von Views 3 3.1 Views schreibfähig

Mehr

Vorlesung Informatik II

Vorlesung Informatik II Vorlesung Informatik II Universität Augsburg Wintersemester 2011/2012 Prof. Dr. Bernhard Bauer Folien von: Prof. Dr. Robert Lorenz Lehrprofessur für Informatik 08. Exkurs: Datenbanken 1 Motivation Datenbanksysteme

Mehr

1. Ziel des Datenbankentwurfs

1. Ziel des Datenbankentwurfs 1. Ziel des Datenbankentwurfs Ziel ist der Aufbau eines Modells eines Teilbereiches der wahrnehmbaren Realität und Abbildung dieses Bereichs in Form von Daten, so dass diese nach verschiedensten Kriterien

Mehr

Kurzanleitung ERwin V8.3 1. Kurzanleitung Erwin

Kurzanleitung ERwin V8.3 1. Kurzanleitung Erwin Kurzanleitung ERwin V8.3 1 Kurzanleitung Erwin Kurzanleitung ERwin V8.3 2 Inhalt 1 Ziel... 4 2 Model... 4 2.1 Modellelemente (Modellbaum)... 5 2.1.1 Default Values (Logische Ansicht)... 5 2.1.2 Subject

Mehr

Datenbanken. Sommersemester 2010 Probeklausur

Datenbanken. Sommersemester 2010 Probeklausur Prof. Dr. V. Linnemann Christoph Reinke Universität zu Lübeck Institut für Informationssysteme Lübeck, den 29. Juli 2010 Datenbanken Sommersemester 2010 Probeklausur Hinweise: Es ist sinnvoll, die Aufgaben

Mehr

Web Technologien Klassische Datenbanken am Beispiel von MySQL

Web Technologien Klassische Datenbanken am Beispiel von MySQL Web Technologien Klassische Datenbanken am Beispiel von MySQL Univ.-Prof. Dr.-Ing. Wolfgang Maass Chair in Information and Service Systems Department of Law and Economics WS 2011/2012 Wednesdays, 8:00

Mehr

Einführung Datenbanken: Normalisierung

Einführung Datenbanken: Normalisierung Einführung Datenbanken: Normalisierung Für die Kursverwaltung einer VHS hat der Datenbank-Programmierer ein ER-Modell entworfen: Entitätstyp Entitäten Attribute Attributsausprägungen Kurse Teilnehmer Dozenten

Mehr

Logische Modellierung von Data Warehouses

Logische Modellierung von Data Warehouses Logische Modellierung von Data Warehouses Vertiefungsarbeit von Karin Schäuble Gliederung. Einführung. Abgrenzung und Grundlagen. Anforderungen. Logische Modellierung. Methoden.. Star Schema.. Galaxy-Schema..

Mehr

Einführung relationale Datenbanken. Themenblock: Erstellung eines Cube. Schlüssel. Relationenmodell Relationenname Attribut. Problem.

Einführung relationale Datenbanken. Themenblock: Erstellung eines Cube. Schlüssel. Relationenmodell Relationenname Attribut. Problem. Themenblock: Erstellung eines Cube Einführung relationale Datenbanken Problem Verwaltung großer Mengen von Daten Praktikum: Data Warehousing und Data Mining Idee Speicherung der Daten in Form von Tabellen

Mehr

30. Juni 2006 - Technische Universität Kaiserslautern. Paul R. Schilling

30. Juni 2006 - Technische Universität Kaiserslautern. Paul R. Schilling 30. Juni 2006 - Technische Universität Kaiserslautern Paul R. Schilling ! " #$% & '( ( ) *+, - '. / 0 1 2("$ DATEN SIND ALLGEGENWÄRTIG Bill Inmon, father of data warehousing Unternehmen In einer vollkommenen

Mehr

Einführung. Kapitel 1 2 / 508

Einführung. Kapitel 1 2 / 508 Kapitel 1 Einführung 2 / 508 Einführung Was ist ein Datenbanksystem (DBS)? Ein System zum Speichern und Verwalten von Daten. Warum kein herkömmliches Dateisystem verwenden? Ausfallsicherheit und Skalierbarkeit

Mehr

Die Grundbegriffe Die Daten Die Informationen

Die Grundbegriffe Die Daten Die Informationen Die Grundbegriffe Die Daten sind diejenigen Elemente, die vom Computer verarbeitet werden. Die Informationen sind Wissenselemente, welche durch die Analyse von Daten erhalten werden können. Die Daten haben

Mehr

Allgemeines zu Datenbanken

Allgemeines zu Datenbanken Allgemeines zu Datenbanken Was ist eine Datenbank? Datensatz Zusammenfassung von Datenelementen mit fester Struktur Z.B.: Kunde Alois Müller, Hegenheimerstr. 28, Basel Datenbank Sammlung von strukturierten,

Mehr

SQL Server 2012 und SharePoint im Unternehmenseinsatz. Referent Daniel Caesar

SQL Server 2012 und SharePoint im Unternehmenseinsatz. Referent Daniel Caesar SQL Server 2012 und SharePoint im Unternehmenseinsatz Referent Daniel Caesar sqlxpert Daniel Caesar Publikationen Themen SQL Server Admin, Entwicklung SharePoint Admin, Entwicklung.NET Entwicklung Rechtssichere

Mehr

Integritätsbedingungen / Normalformen- Beispiel: Kontoführung

Integritätsbedingungen / Normalformen- Beispiel: Kontoführung Technische Universität München WS 2003/04, Fakultät für Informatik Datenbanksysteme I Prof. R. Bayer, Ph.D. Lösungsblatt 8 Dipl.-Inform. Michael Bauer Dr. Gabi Höfling 12.01. 2004 Integritätsbedingungen

Mehr

Projekt zur Lehrveranstaltung Informationssysteme

Projekt zur Lehrveranstaltung Informationssysteme Prof. Dr.-Ing. Thomas Kudraß Dipl.-Math. Dörte König HTWK Leipzig, F IMN Projekt zur Lehrveranstaltung Informationssysteme Das Projekt ist in drei Teile aufgeteilt, die den Phasen eines Data-Warehouse-Projekts

Mehr

Architektur eines Data Warehouse Systems. Mario Jandeck

Architektur eines Data Warehouse Systems. Mario Jandeck Architektur eines Data Warehouse Systems Mario Jandeck Agenda Folie 2 von 24 1. Die Referenzarchitektur 2. Komponenten des Data Warehouse Systems 3. Datenbeschaffung und Qualität 4. Analyse im Data Warehouse

Mehr

Datenbanktechnologie mit praktischen Übungen in MySQL und PHP

Datenbanktechnologie mit praktischen Übungen in MySQL und PHP Datenbanktechnologie mit praktischen Übungen in MySQL und PHP Übung, Sommersemester 2013 29. April 2013 - MySQL 2 Sebastian Cuy sebastian.cuy@uni-koeln.de Aufgaben Anmerkungen Best practice: SQL Befehle

Mehr

SQL: statische Integrität

SQL: statische Integrität SQL: statische Integrität.1 SQL: statische Integrität Im allgemeinen sind nur solche Instanzen einer Datenbank erlaubt, deren Relationen die der Datenbank bekannten Integritätsbedingungen erfüllen. Integritätsbedingungen

Mehr

Datenbanken: Relationales Datenbankmodell RDM

Datenbanken: Relationales Datenbankmodell RDM Das RDM wurde in den 70'er Jahren von Codd entwickelt und ist seit Mitte der 80'er Jahre definierter Standard für Datenbanksysteme! Der Name kommt vom mathematischen Konzept einer Relation: (Sind A, B

Mehr

Speicherung von XML in (objekt-)relationalen Datenbanken. Burkhard Schäfer

Speicherung von XML in (objekt-)relationalen Datenbanken. Burkhard Schäfer Speicherung von XML in (objekt-)relationalen Datenbanken Burkhard Schäfer Übersicht Motivation Anforderungen Ansätze modellorientiert strukturorientiert Zusammenfassung Motivation Warum XML in Datenbanken

Mehr

Lothar Piepmeyer. Grundkurs Datenbanksysteme. Von den Konzepten bis zur Anwendungsentwicklung ISBN: 978-3-446-42354-1

Lothar Piepmeyer. Grundkurs Datenbanksysteme. Von den Konzepten bis zur Anwendungsentwicklung ISBN: 978-3-446-42354-1 Lothar Piepmeyer Grundkurs Datenbanksysteme Von den Konzepten bis zur Anwendungsentwicklung ISBN: 978-3-446-42354-1 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-42354-1

Mehr

Datenbanken (Bachelor) 30.7302 (SPO2007) WS 2011/12

Datenbanken (Bachelor) 30.7302 (SPO2007) WS 2011/12 Aufgabenstellung: Prof. Dr. Inge Schestag zugelassene Hilfsmittel: 1 beidseitig bedrucktes oder beschriebenes A4-Blatt Bearbeitungszeit: 90 Minuten Note: Name: Matrikelnr. Aufgabe 1 Aufgabe 2 Aufgabe 3

Mehr

Agenda. Portfolioübersicht. Business-Case. Zusammenfassung. Das Ziel. SAP EIM Produktportfolio. Datenreorganisation mit SAP EIM

Agenda. Portfolioübersicht. Business-Case. Zusammenfassung. Das Ziel. SAP EIM Produktportfolio. Datenreorganisation mit SAP EIM Datenreorganisation > Effiziente und performante Stammdatenreorganisation mit SAP Data Services < Simon Hartstein / T-Systems Data Migration Consulting AG / Harmonization & Consolidation Mai 21, 2014 Agenda

Mehr

Aufgabe 1: Erstellen Sie auf Basis des folgenden Anwendungsfalls ein Konzeptuelles Modell.

Aufgabe 1: Erstellen Sie auf Basis des folgenden Anwendungsfalls ein Konzeptuelles Modell. Aufgabe 1: Erstellen Sie auf Basis des folgenden Anwendungsfalls ein Konzeptuelles Modell. Sie lesen in der Zeitung, dass die Firma Facebook nach Meinung der Investment Banker von Goldman und Sachs - mittlerweile

Mehr

Carl-Christian Kanne. Einführung in Datenbanken p.1/513

Carl-Christian Kanne. Einführung in Datenbanken p.1/513 Einführung in Datenbanken Carl-Christian Kanne Einführung in Datenbanken p.1/513 Kapitel 1 Einführung Einführung in Datenbanken p.2/513 Einführung Was ist ein Datenbanksystem (DBS)? Ein System zum Speichern

Mehr

Datenqualität. Werner Nutt. In Zusammenarbeit mit Simon Razniewski. Freie Universität Bozen

Datenqualität. Werner Nutt. In Zusammenarbeit mit Simon Razniewski. Freie Universität Bozen Datenqualität Werner Nutt In Zusammenarbeit mit Simon Razniewski Freie Universität Bozen Vorstellung Werner Nutt Professor für Informatik and der Freien Univ. Bozen Schwerpunkte in Lehre und Forschung:

Mehr

Einführung in Datenbanksysteme. H. Wünsch 01.2001

Einführung in Datenbanksysteme. H. Wünsch 01.2001 Einführung in Datenbanksysteme H. Wünsch 01.2001 H. Wünsch 01/2001 Einführung Datenbanken 2 Was sind Datenbanken? Datenbanken sind Systeme zur Beschreibung, Speicherung und Wiedergewinnung von Datenmengen.

Mehr

Kap 4: Abbildung des E/R Modells auf das relationale Modell. Entity steht in Bez. Anzahl der a A r b B

Kap 4: Abbildung des E/R Modells auf das relationale Modell. Entity steht in Bez. Anzahl der a A r b B Kap 4: Abbildung des E/R Modells auf das relationale Modell Verfeinerung von Beziehungsarten Entity steht in Bez. Anzahl der a A r b B 1 = 1 0 1 1 Kap. 4.1 Abbildung von Entities Entity-Schema Relationenschema

Mehr

Software-Engineering und Datenbanken

Software-Engineering und Datenbanken Software-Engineering und Datenbanken Datenbankentwurf Prof. Dr. Bernhard Schiefer 5-1 Datenbankentwurf: Phasenmodell Anforderungsanalyse Konzeptioneller Entwurf Verteilungsentwurf Logischer Entwurf Datendefinition

Mehr

Whitepaper. Produkt: combit Relationship Manager. Datensatzhistorie mit dem SQL Server 2000 und 2005. combit GmbH Untere Laube 30 78462 Konstanz

Whitepaper. Produkt: combit Relationship Manager. Datensatzhistorie mit dem SQL Server 2000 und 2005. combit GmbH Untere Laube 30 78462 Konstanz combit GmbH Untere Laube 30 78462 Konstanz Whitepaper Produkt: combit Relationship Manager Datensatzhistorie mit dem SQL Server 2000 und 2005 Datensatzhistorie mit dem SQL Server 2000 und 2005-2 - Inhalt

Mehr

Kapitel 10 Aktive DBMS

Kapitel 10 Aktive DBMS Kapitel 10 Aktive DBMS 10 Aktive DBMS 10 Aktive DBMS...1 10.1 Einführung und Definition...2 10.2 Funktionsprinzip: ADBMS und ECA-Modell...4 10.3 Potentiale und Vorteile ADBMS...5 10.4 Aktive Elemente einer

Mehr

Inhalt der Vorlesung. 1 Datenmodellierung (Entity-Relationship Modell) 2 Das relationale Modell. 3 Relationenalgebra. 4 Datenbanksprache (SQL)

Inhalt der Vorlesung. 1 Datenmodellierung (Entity-Relationship Modell) 2 Das relationale Modell. 3 Relationenalgebra. 4 Datenbanksprache (SQL) Inhalt der Vorlesung 1 Datenmodellierung (Entity-Relationship Modell) 2 Das relationale Modell 3 Relationenalgebra 4 Datenbanksprache (SQL) 5 Normalisierung 6 Vom ERM zum Datenbankschema 7 Routinen und

Mehr

Bibliografische Informationen digitalisiert durch http://d-nb.info/995021198

Bibliografische Informationen digitalisiert durch http://d-nb.info/995021198 Auf einen Blick 1 Einleitung 15 2 Datenbankentwurf 23 3 Datenbankdefinition 43 4 Datensätze einfügen (INSERT INTO) 95 5 Daten abfragen (SELECT) 99 6 Daten aus mehreren Tabellen abfragen (JOIN) 143 7 Unterabfragen

Mehr

4 Grundlagen der Datenbankentwicklung

4 Grundlagen der Datenbankentwicklung 4 Grundlagen der Datenbankentwicklung In diesem Kapitel werden wir die Grundlagen der Konzeption von relationalen Datenbanken beschreiben. Dazu werden Sie die einzelnen Entwicklungsschritte von der Problemanalyse

Mehr

1 Grundbegriffe...1. 2 Datenbanksysteme...7. 3 Entwicklung von Datenbanksystemen...15. Inhaltsverzeichnis. 1.1 Information und Daten...

1 Grundbegriffe...1. 2 Datenbanksysteme...7. 3 Entwicklung von Datenbanksystemen...15. Inhaltsverzeichnis. 1.1 Information und Daten... Inhaltsverzeichnis 1 Grundbegriffe...1 1.1 Information und Daten...2 1.2 Datenorganisation...3 1.3 Dateikonzept...5 1.4 Kontroll- und Vertiefungsfragen...6 2 Datenbanksysteme...7 2.1 Datenintegration...7

Mehr

Software-Engineering Einführung

Software-Engineering Einführung Software-Engineering Einführung 7. Übung (04.12.2014) Dr. Gergely Varró, gergely.varro@es.tu-darmstadt.de Erhan Leblebici, erhan.leblebici@es.tu-darmstadt.de Tel.+49 6151 16 4388 ES Real-Time Systems Lab

Mehr