3 Grundlagen der Datenmodellierung
|
|
- Arnim Fromm
- vor 7 Jahren
- Abrufe
Transkript
1 22 3 Grundlagen der Datenmodellierung Das Verständnis für den in der vorliegenden Arbeit gewählten Lösungsansatz erfordert eine Einführung in die Methoden und Konzepte des Datenbankentwurfes. Grundlegend ist hierbei die ausdrückliche Unterscheidung in eine operative und eine analytische Datensicht als Basis eines hybriden Modellierungsansatzes. Das Kapitel arbeitet Unterschiede und Gemeinsamkeiten beider Datensichten heraus und verweist auf Konsequenzen für die Modellierung. Weiterhin wird der Prozess des Datenbankentwurfes kurz vorgestellt. 3.1 Charakterisierung verschiedener Datensichten Operative Datensicht Ausgehend von den Merkmalen operativer Anwendungssysteme (vgl. Kapitel 2.2.1) wird im Folgenden die Sicht auf Daten im operativen Umfeld genauer spezifiziert. Die Aktualität operativer Daten zur Charakterisierung der entscheidungsrelevanten Umwelt wurde bereits herausgearbeitet. Eine operative Datensicht muss deshalb notwendigerweise den aktuellen Zustand des abzubildenden Realitätsausschnittes wiedergeben, der über Zustände darin enthaltener Objekte und deren Beziehungen zueinander charakterisiert wird. Die Zustandsbeschreibung wiederum erfolgt über die Zuweisung von Eigenschaften. Der Begriff des Objektes bezeichnet in diesem Zusammenhang zum einen materielle Objekte (z.b. Gegenstände und Lebewesen) und zum anderen immaterielle Objekte (z.b. Unternehmen oder Konzepte). Ereignisse im Realitätsausschnitt sind bei dieser Sichtweise als Zustandsänderung der modellierten Objekte und Beziehungen zu sehen. Ein Beispiel für ein operatives Datum ist die Frage nach einer bestehenden Milchsperre für eine Milchkuh. Der Milchkuh kann unter anderem die Eigenschaft Enddatum Milchsperre zugewiesen werden. Für eine Kuh wird somit beispielsweise nach jeder Krankheitsbehandlung definiert, ob und bis wann die betreffende Kuh mit einer Milchsperre belegt ist. Vor jedem Melken ist somit zu prüfen, ob aktuell eine Milchsperre vorliegt und die Kuh deshalb nicht in die Ablieferungsmilch gemolken werden darf.
2 3 Grundlagen der Datenmodellierung 23 Die operative Datensicht stellt demnach originäre, zeitaktuelle und detaillierte Daten bereit. Damit im Zusammenhang steht eine hohe Änderungshäufigkeit in Abhängigkeit der Frequenz von Zustandsänderungen des abgebildeten Realitätsausschnittes, bedingt durch die Aktualität und den Detailliertheitsgrad operativer Daten Analytische Datensicht Im Unterschied zur operativen ist die analytische Sichtweise durch Betrachtung weitestgehend vergangenheitsbezogener, integrierter und aggregierter Daten charakterisiert. Der Fokus liegt nicht auf der detaillierten Zustandbeschreibung einzelner Objekte, sondern auf der Darstellung von Kennzahlausprägungen in Abhängigkeit von aktuellen und historischen Objekteigenschaften (vgl. Kapitel ). Das Beispiel der Milchsperren aus dem letzten Kapitel ( ) wieder aufgreifend, interessiert in einer analytischen Sicht nicht die Frage nach einer aktuellen Milchsperre, sondern beispielsweise nach der durchschnittlichen Anzahl der Tage mit Milchsperre je Tier in Tiergruppen in Abhängigkeit vom Milchleistungsniveau. Derartige Erweiterungen des Betrachtungsraumes erfordern ein Schema der Datenverdichtung zur Darstellung von Abhängigkeiten zwischen Objekten. Die Erhöhung der Aussagefähigkeit von Daten erfolgt mittels Aggregation zu Kennzahlen (HIRSCHAUER, 2001, S. 282) bei gleichzeitiger Reduktion der Komplexität des Betrachtungsraumes. Abhängigkeiten zwischen Informationsobjekten, aus denen Kennzahlausprägungen begründet sind, werden als Auswertepfade betrachtet. Die Pfade stellen Strukturen einer Kennzahlaggregation dar. Die entsprechende Semantik wurde in Kapitel unter den Stichworten Multidimensionalität und OLAP-Konzept beschrieben. Eine Menge vergleichbarer Objekte wird als Objekttyp bezeichnet. Beispielsweise können Tiere als Objekte über einen Objekttyp Tier dargestellt werden. Entsprechend dem bereits eingeführten multidimensionalen Vokabular werden diese auch als Klassifikationsstufen bezeichnet. Ein Klassifikationsschema, das sich aus der Hierarchie von Objekten (multidimensional: Klassifikationshierarchie) vom Tier über die Tiergruppe bis zum Stall ableitet, zeigt Abbildung 8. Informationen über Milchsperren der Einzeltiere lassen sich damit entlang des dargestellten Klassifikationspfades zu Häufigkeiten von Milchsperren in Tiergruppen oder Ställen verdichten (Tabelle 1). Bei der Modellierung entsprechender Datensichten sind deshalb nicht mehr nur Datenstrukturen, sondern gleichzeitig die damit verbundene Auswertesemantik in Form von Klassifikationsschemata abzubilden. Dadurch
3 3 Grundlagen der Datenmodellierung 24 ergibt sich als weiterer Unterschied zur operativen Datensicht ein klarer Funktionsbezug der analytischen Datensicht, nämlich der einer Analyseunterstützung. Abbildung 8: Klassifikationsschema und Klassifikationshierarchie Tabelle 1: Durchschnittliche Anzahl an Tagen mit Milchsperre Stall 1 Stall 2 Tiergruppe 1 Stall 1 Tiergruppe 2 Tiergruppe 3 Stall 2 Tier 1 Tier 2 Gesamt Gesamt Tier 13 Gesamt Tier 3 Tier 4 Gesamt Gesamt Jan 06 2,3 0,0 1,2 1,2 12,0 12,0 0,9 23,0 12,0 12,0 Feb 06 2,1 0,0 1,1 1,1 19,0 19,0 4,5 0,0 2,3 7,8 Mrz 06 0,0 1,1 0,6 0,6 9,0 9,0 0,0 3,0 1,5 4,0 I. Quartal 06 1,5 0,4 0,9 0,9 13,3 13,3 1,8 8,7 5,2 7,9 3.2 Modellierungsprozess Die Modellierung einer Datenbank kann als Prozess mit dem Ziel aufgefasst werden, ausgehend von bestehenden Nutzeranforderungen eine technische Organisation der Datenspeicherung zu entwerfen (Abbildung 9). Abbildung 9: Schritte des Datenbankentwurfsprozesses Nach MAYR et al. (1987, S. 482) sind unter dem Datenbankentwurf [ ] alle Aufgaben und Tätigkeiten zur Ermittlung und Festlegung der für einen Anwendungsfall aktuellen Parameter für Art und Struktur der durch ein gegebenes Datenbanksystem zu verwaltenden Informationen [ ] zu verstehen. Entsprechend dabei anfallender Aufgaben kann der Modellierungsprozess in eine Reihe aufeinander aufbauender Entwurfsschritte unterteilt
4 3 Grundlagen der Datenmodellierung 25 werden, die verschiedene Ebenen der Modellabstraktion darstellen (Abbildung 9). Entgegen der in der Literatur weit verbreiteten Unterscheidung in einen konzeptuellen und einen logischen Entwurf (z.b. ELMASRI und NAVATHE, 2002, S. 571 ff.) wird im Folgenden der logische Entwurf auf Grund seines konzeptuellen Charakters als Teil des konzeptuellen Entwurfes angesehen. Damit wird die von FISCHER (1992, S. 72 f.) vorgenommene Aufspaltung des konzeptuellen Schemas der 3-Schichten-Architektur der ANSI-SPARC in ein semantisches und ein logisches Subschema auf den Modellierungsprozess übertragen. Ziel der Unterteilung des Entwurfsprozesses in einzelne Entwurfsschritte ist eine Verringerung der Komplexität des Modellierungsprozesses, die zum einen die Handhabbarkeit und Nachvollziehbarkeit der Entwurfsergebnisse für den Nutzer erhöht und zum anderen die Abhängigkeit der Modellierungsergebnisse von der konkreten technischen Realisierung (Hardware, Datenbankmanagementsystem, etc.) reduziert. Besonders bei der Erstellung eines Referenzmodells ist darauf zu achten, den Modellierungsprozess transparent zu gestalten und die entsprechenden Modellierungsschritte einzuhalten. Grundsätzlich ist der Modellierungsprozess als gerichtete Folge der Entwurfsschritte zu sehen, das heißt ein Entwurfsschritt hat unabhängig von der folgenden Entwurfsebene zu sein. Praktisch kann jedoch von einem iterativen Verfahren ausgegangen werden, da Änderungen der abgebildeten Umwelt eingearbeitet oder Fehler vorhergehender Entwurfsschritte korrigiert werden müssen (MAYR et al., 1987, S. 482; KEMPER und EICKLER, 2004, S. 30 f.; ELMASRI und NAVATHE, 2002, S. 571 ff.). Entsprechend der Entwurfsschritte gliedert sich die weitere Arbeit: Informationsbedarfsanalyse Erster Schritt des Modellierungsprozesses ist die Informationsbedarfsanalyse. Sie dient der Beantwortung der Frage, welche Nutzeranforderungen das Datenmodell eines Informationssystems zu erfüllen hat (MAYR et al., 1987, S. 484). Abgeleitet aus den Anforderungsspezifikationen liegen als Ergebnis der Informationsbedarfsanalyse Datenobjekte und deren Eigenschaften vor. Semantischer Entwurf Aufgabe des semantischen Entwurfes ist es, die Datenstrukturen der Anforderungsanalyse in ein formales, semantisches Modell zu überführen. Ergebnis ist ein von logischen Datenmodellen unabhängiges Schema der Datenstrukturen des abzubildenden Realitätsausschnittes, das die formalisierte Schnittstelle zum weiteren Modellierungsprozess bildet.
5 3 Grundlagen der Datenmodellierung 26 Der semantische Datenbankentwurf wird in der Literatur auch als konzeptueller bzw. konzeptioneller Entwurf bezeichnet. Entsprechend der vorangestellten Argumentation in Bezug auf den logischen und konzeptuellen Entwurf wird statt des konzeptuellen Entwurfes der Begriff des semantischen Entwurfes adäquat zur Bezeichnung semantischer Datenmodelle (FISCHER, 1992, S. 72 f.; LASSMANN et al., 2002, S. 236) verwendet. Logischer Entwurf Darauf aufbauend erfolgt die Modellierung der Datenstrukturen mithilfe eines logischen Datenmodells. Hierbei wird das semantische Schema in ein Implementierungsdatenmodell transformiert, wie es letztendlich vom Datenbankmanagementsystem (DBMS) verwendet werden soll. An dieser Stelle unterscheidet man zwischen einem systemunabhängigen Entwurf und einem systemabhängigen Entwurf, bei dem DBMS-spezifische Merkmale enthalten sind. Physischer Entwurf Die Anpassung des logischen, DBMS-abhängigen Entwurfs an Hard- und Software sowie das Datenbanknutzungsverhalten wird als physischer Entwurf bezeichnet. Dabei sind unter anderem spezifische Speicherstrukturen und Zugriffspfade festzulegen.
8 Schlussfolgerungen
112 8 Schlussfolgerungen Die Zielsetzung der vorliegenden Arbeit wurde mit der Erstellung eines Referenzmodells als Vorschlag der Datenorganisation für den Bereich der Milcherzeugung unter Anwendung eines
MehrKapitel 1: Wiederholungsfragen Grundlagen DBS
Grundlagen DBS 1. Welche zentralen Anforderungen an ein DBS definierte Edgar Codd? 2. Was ist eine Transaktion? 3. Welche Eigenschaften muss das DBMS bei der Transaktionsverarbeitung sicherstellen? 4.
MehrDatenbanken als Grundlage für Informationssysteme
Datenbanken als Grundlage für Informationssysteme Datenmodellierung und Datenbanksysteme Prof. Dr. Ingo Claßen Peter Morcinek Prof. Dr. Martin Kempa Hochschule für Technik und Wirtschaft Berlin Informationssysteme
MehrHybride Modellierung operativer und analytischer Daten, dargestellt am Beispiel des Precision Dairy Farming
Aus dem Institut für Agrar- und Ernährungswissenschaften (Geschäftsführender Direktor: Prof. Dr. K. Eder) der Naturwissenschaftlichen Fakultät III (Dekan: Prof. Dr. P. Wycisk) der Martin-Luther-Universität
MehrInhaltsverzeichnis. 1 Einleitung Motivation und Umfeld Zielsetzung der Arbeit Methodisches Vorgehen und Aufbau der Arbeit 3
Inhaltsverzeichnis 1 Einleitung 1 1.1 Motivation und Umfeld 1 1.2 Zielsetzung der Arbeit 2 1.3 Methodisches Vorgehen und Aufbau der Arbeit 3 2 Grundlagen des Feuerwehrwesens 5 2.1 Kategorisierung der Feuerwehren
MehrKapitel 1: Einführung 1.1 Datenbanken?
1. Einführung 1.1. Datenbanken? Seite 1 Kapitel 1: Einführung 1.1 Datenbanken? 1. Einführung 1.1. Datenbanken? Seite 2 Willkommen! Studierenden-Datenbank Hans Eifrig hat die Matrikelnummer 1223. Seine
Mehr6.1 Grundlagen des relationalen Modells
66 6 Logischer Entwurf Zweiter Schritt des konzeptionellen Datenbankentwurfes ist die logische Datenmodellierung. Neben der Darstellung der grundlegenden Semantik und der Notationselemente liegt der Schwerpunkt
Mehr4 Informationsbedarfsanalyse
27 4 Informationsbedarfsanalyse 4.1 Grundlagen 4.1.1 Aufgabe der Informationsbedarfsanalyse Grundlage jeder Informationssystemsentwicklung und einer damit verbundenen Datenbankentwicklung ist die Analyse
MehrInhaltsübersicht...IX Inhaltsverzeichnis...XI Abbildungsverzeichnis...XVII Tabellenverzeichnis... XXIII Abkürzungsverzeichnis...
Inhaltsübersicht...IX Inhaltsverzeichnis...XI Abbildungsverzeichnis...XVII Tabellenverzeichnis... XXIII Abkürzungsverzeichnis... XXV 1 Einführung... 1 1.1 Problemstellung... 1 1.2 Zielsetzung... 3 1.3
MehrDatenbankanwendungen werden oft über einen sehr langen Zeitraum (z.b. Jahrzehnte) eingesetzt
2. Datenbankentwurf Motivation Datenbankanwendungen werden oft über einen sehr langen Zeitraum (z.b. Jahrzehnte) eingesetzt Fehler sind umso teurer zu beheben, je weiter die Entwicklung bzw. der Einsatz
MehrAufbereitung für s Web. Urheberrecht. Warenzeichen und Markenschutz
Aufgaben zur Prüfung einführender Lehrveranstaltungen im Themenbereich DA- TENBANKSYSTEME (Version 2017) 2017 Josef L. Staud, Autor: Josef L. Staud Stand: September 2017 Umfang: xxx Seiten Dieser Text
MehrAngewandte Informatik Datenbank/Datenmodell 1
Angewandte Informatik Datenbank/Datenmodell 1 Übersicht Standardsoftware Textverarbeitung - Informationen "gestalten" durch * sprachliche Mittel * Hervorhebung bzw. Unterdrückung von Inhalten * Kombination
MehrPowerDesigner Frühstück
SAP Sybase PowerDesigner Frühstück Die Veranstaltung für Daten-, Informations- und Unternehmens- Architekten SQL Projekt AG Ihr SAP Value Added Reseller lädt am 10.10.2014 um 10:00-12:00 Uhr in Dresden,
MehrEntity Relationship Modell (ERM) (Konzeptueller Datenbankentwurf)
Entity Relationship Modell (ERM) (Konzeptueller Datenbankentwurf) 10.02.14 Ahmad Nessar Nazar 1 Reale Welt Sie bekommen von einer Reifenhandels Firma den Zuschlag, eine Verwaltungsdatenbank zu entwerfen,
MehrTheorie zur Übung 8 Datenbanken
Theorie zur Übung 8 Datenbanken Relationale Datenbanksysteme Ein relationales Datenbanksystem (RDBS) liegt vor, wenn dem DBS ein relationales Datenmodell zugrunde liegt. RDBS speichern Daten in Tabellenform:
MehrDas konzeptionelle Datenmodell
Das konzeptionelle Datenmodell Signifikanz der Datenmodellierung Anforderungsanalyse Effizienz der Anwendung. Redundanzfreiheit. Datenintegrität. Reibungsarme Umsetzung des Datenmodells in das physikalische
MehrDatenorganisation WiSe 2008/09 Leibniz Universität Hannover Institut für Wirtschaftsinformatik Dr. Günter Wohlers
3. Vorlesung: Datenorganisation Wintersemester 2008/09 Leibniz Universität Hannover Institut für Wirtschaftsinformatik Datenmodellierung + Datenbankentwurf 3 Datenmodellierung und Datenbankentwurf 3.1
MehrMultidimensionale Modellierung
Multidimensionale Modellierung Vorlesung: Übung: Patrick Schäfer Berlin, 27. November 2017 patrick.schaefer@hu-berlin.de https://hu.berlin/vl_dwhdm17 https://hu.berlin/ue_dwhdm17 Grundlagen Fakten (Kennzahlen/Messgrößen):
MehrAusgabe: Eine DBMS unabhängige high-level Repräsentation der Anforderungen, das "konzeptuelle Schema".
Phasen des Datenbanken-Designs Konzeptuelles Design Eingabe: Anforderungen Ausgabe: Eine DBMS unabhängige high-level Repräsentation der Anforderungen, das "konzeptuelle Schema". Qualität: Richtigkeit und
MehrDWH Automatisierung mit Data Vault 2.0
DWH Automatisierung mit Data Vault 2.0 Andre Dörr Trevisto AG Nürnberg Schlüsselworte Architektur, DWH, Data Vault Einleitung Wenn man die Entwicklung von ETL / ELT Prozessen für eine klassische DWH Architektur
MehrProgrammierung und Datenbanken II
Programmierung und Datenbanken II Sommersemester 3-Ebenen-Architektur nach ANSI WI Systementwicklung Programmierung und Datenbanken II - 2. Datenmodellierung Folie 2 Ebenen Externe Ebene Individuell auf
MehrFolien zum Textbuch. Kapitel 2: Planung, Entwicklung und Betrieb von IS. Teil 3: Modellierung von betrieblichen Informationssystemen
Folien zum Textbuch Kapitel 2: Planung, Entwicklung und Betrieb von IS Teil 3: Modellierung von betrieblichen Informationssystemen Textbuch-Seiten 185-208 WI Planung, Entwicklung und Betrieb von IS IS-Modellierung
MehrInformationssysteme für Ingenieure
Informationssysteme für Ingenieure Vorlesung Herbstsemester 2016 Überblick und Organisation R. Marti Organisation Web Site: http://isi.inf.ethz.ch Dozent: Robert Marti, martir ethz.ch Assistenz:??
MehrGrundlagen von Datenbanksystemen
Ramez Elmasri Shamkant B. Navathe Grundlagen von Datenbanksystemen 3., überarbeitete Auflage ein Imprint der Pearson Education Deutschland GmbH Inhaltsverzeichnis Vorwort 9 Über die Autoren 13 Teil 1 Grundkonzepte
MehrRückblick: Entity-Relationship-Modell
Rückblick: Entity-Relationship-Modell Entity-Relationship-Modell für konzeptuellen Entwurf Entitytypen (entity types) (z.b. Studenten) Beziehungstypen (relationships) (z.b. hören) Attribute beschreiben
MehrAnwendungsentwicklung Datenbanken Datenbankentwurf. Stefan Goebel
Anwendungsentwicklung Datenbanken Datenbankentwurf Stefan Goebel Warum eine Datenbank? Nutzung von gleichen Daten durch viele Anwender auch an unterschiedliche Orten Daten können mit unterschiedlicher
MehrKapitel 6. Vorlesung: PD Dr. Peer Kröger
Kapitel 6 Einführung in Data Warehouses Vorlesung: PD Dr. Peer Kröger Dieses Skript basiert auf den Skripten zur Vorlesung Datenbanksysteme II an der LMU München Dieses Skript basiert auf den Skripten
MehrLehrstuhl für Datenverarbeitung. Technische Universität München. Grundkurs C++ Objektmodellierung. Grundkurs C++
Grundkurs C++ Objektmodellierung Grundkurs C++ Objektmodellierung welche Objekte bzw. Klassen werden benötigt? welche Information wird benötigt, um ein Objekt zu beschreiben? welche Beziehungen bestehen
MehrPD Dr.-Ing. F. Lobeck. Seite 6
Seite 6 Datenbanken Datenbank: Eine geordnete Menge von Daten. Speicherung erfolgt unabhängig von speziellen Anwenderprogrammen. Ebenso sollte die Hardwareunabhängigkeit gesichert werden. Zu einem Datenbankmanagementsystem
MehrSommersemester Vorlesung: Dr. Matthias Schubert
Datenbanksysteme II Sommersemester 2009 Vorlesung: Dr. Matthias Schubert Skript 2009 Matthias Schubert Dieses Skript basiert auf dem Skript zur Vorlesung Datenbanksysteme II von Prof. Dr. Christian Böhm
MehrTeil IV Datenbankentwurf
Teil IV Datenbankentwurf Datenbankentwurf 1 Phasen des Datenbankentwurfs 2 Weiteres Vorgehen beim Entwurf 3 Kapazitätserhaltende Abbildungen 4 ER-auf-RM-Abbildung Sattler / Saake Datenbanksysteme Letzte
MehrInhalt. 1 Einleitung Warum dieses Buch? Der rote Faden Danksagung URL zum Buch 4. TEIL I Einführung 5
Inhalt 1 Einleitung 1 1.1 Warum dieses Buch? 1 1.2 Der rote Faden 2 1.3 Danksagung 3 1.4 URL zum Buch 4 TEIL I Einführung 5 2 XML-Grundlagen 7 2.1 Einleitung 7 2.2 WasistXML? 7 2.3 Dokumenttypen und Namensräume
MehrGrundlagen der Programmentwurfstechnik Fundamentals of Software Engineering 1
Fundamentals of Software Engineering 1 Inhaltsverzeichnis 1. Einführung 2. Allgemeine Modellbildung - Klassische Konzepte des Software Engineering- 2.1 Das Kontextmodell 2.2 Entscheidungstabellen 2.3 Zustandsmodelle
MehrDatenbankmodelle und Datenbanksprachen
Datenbankmodelle und Datenbanksprachen Dr.-Ing. Guy Vollmer FH Dortmund, FB Informatik Dienstag, 30. September 2008 1 Agenda 1. Einordnung des Themas 2. Datenbankmodelle Relationales Datenmodell 3. Datenbanksprachen
MehrDatenbanken. Prof. Dr. Bernhard Schiefer. bernhard.schiefer@fh-kl.de http://www.fh-kl.de/~schiefer
Datenbanken Prof. Dr. Bernhard Schiefer bernhard.schiefer@fh-kl.de http://www.fh-kl.de/~schiefer Wesentliche Inhalte Begriff DBS Datenbankmodelle Datenbankentwurf konzeptionell, logisch und relational
Mehr1 Business-Intelligence-Architektur 1
D3kjd3Di38lk323nnm xi 1 Business-Intelligence-Architektur 1 1.1 Data Warehouse....................................... 1 1.2 OLAP und mehrdimensionale Datenbanken.................. 4 1.3 Architekturvarianten....................................
MehrDatenorganisation. Februar bis Mai Dipl.-Oek. Patrick Bartels Institut für Wirtschaftsinformatik Universität Hannover
Datenorganisation Februar bis Mai 2007 Dipl.-Oek. Patrick Bartels Institut für Wirtschaftsinformatik Universität Hannover Telefon: +49 (0) 511 762-4979 +49 (0) 170 342 84 95 Email: bartels@iwi.uni-hannover.de
MehrEinführung in Datenbanken
Einführung in Datenbanken Dipl.-Inf. Michael Wilhelm Hochschule Harz FB Automatisierung und Informatik mwilhelm@hs-harz.de Raum 2.202 Tel. 03943 / 659 338 1 Inhalt 1. Grundlegende Begriffe der Datenbanktechnologie
MehrKapitel 1 Grundlagen. Skript zur Vorlesung: Datenbanksysteme II Sommersemester Vorlesung: PD Dr. Peer Kröger
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Skript zur Vorlesung: Datenbanksysteme II Sommersemester 2016 Kapitel 1 Grundlagen Vorlesung: PD Dr. Peer Kröger http://www.dbs.ifi.lmu.de/cms/datenbanksysteme_ii
MehrDatenmodellierung im Zeitalter agiler Softwareentwicklung
Datenmodellierung im Zeitalter agiler Softwareentwicklung Sebastian Graf, PROMATIS software GmbH DOAG 2013, Nürnberg, 1 Agenda u Über den Referenten u Datenmodellierung Begriffsdefinition und Abgrenzung
MehrProzessmanagement. Übung im Wintersemester 05 / 06
Prozessmanagement Übung im Wintersemester 05 / 06 Prozessmanagement, WS 05/06, Dipl.-Wirtsch.-Inf. Stefan Breitenfeld, AG Managementinformationssysteme 1 Kapitel 1 Grundlagen der Modellierung von Geschäftsprozessen
MehrGrundlagen der Programmentwurfstechnik Fundamentals of Software Engineering 1
Vorlesung 3 Fundamentals of Software Engineering 1 Inhaltsverzeichnis 1. Einführung 2. Allgemeine Modellbildung - Klassische Konzepte des Software Engineering- 2.1 Das Kontextmodell 2.2 Entscheidungstabellen
MehrKapitel 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 2004-2018 Entwurfsprozess ANSI/SPARC-Schema-Architektur externe Ebene externes
MehrFolien zum Textbuch. Kapitel 2: Planung, Entwicklung und Betrieb von IS. Teil 2: Modellierung von betrieblichen Informationssystemen
Folien zum Textbuch Kapitel 2: Planung, Entwicklung und Betrieb von IS Teil 2: Modellierung von betrieblichen Informationssystemen Textbuch-Seiten 169-184 WI Planung, Entwicklung und Betrieb von IS IS-Modellierung
MehrDatenmodellierung. Ausschnitt der Realen Miniwelt. Manuelle/intellektuelle Modellierung. Konzeptuelles Schema (E/R- oder UML-Schema)
Datenmodellierung DBS kann vieles, aber nicht alles! Benutzer muss spezifizieren Anforderungen einer Anwendung Art von zu speichernden Daten Zwei wichtige Konzepte beim Entwurf: Datenmodell: Konstrukte
MehrSchulinterner Lehrplan zum Kernlehrplan für die gymnasiale Oberstufe. Informatik Q2. Stand: 02/2016 Status: Gültig
Schulinterner Lehrplan zum Kernlehrplan für die gymnasiale Oberstufe Informatik Q2 Stand: 02/2016 Status: Gültig Unterrichtsvorhaben: Modellierung und Implementierung von Anwendungen mit dynamischen, nichtlinearen
MehrKapitel DB:IV (Fortsetzung)
Kapitel DB:IV (Fortsetzung) IV. Logischer Datenbankentwurf mit dem relationalen Modell Das relationale Modell Integritätsbedingungen Umsetzung ER-Schema in relationales Schema DB:IV-46 Relational Design
MehrBeispielklausur. Methoden der Wirtschaftsinformatik
Prof. Dr. Andreas Fink Fakultät für Wirtschafts- und Sozialwissenschaften Helmut-Schmidt-Universität / Universität der Bundeswehr Hamburg Beachten Sie: Die Themenauswahl, Punkteverteilung, Aufgabenanzahl
MehrKapitel 1: Einführung 1.1 Datenbanken?
Kapitel 1: Einführung 1.1 Datenbanken? 1. Einführung 1.1. Datenbanken Grundlagen der Datenbanksysteme, WS 2012/13 29. Oktober 2012 Seite 1 1. Einführung 1.1. Datenbanken Willkommen! Studierenden-Datenbank
Mehr1.4! Einführung. Systemmodellierung. Methoden und Werkzeuge
Einführung. Vorbemerkungen und Überblick. Die elektronischen e des Fahrzeugs. Prozesse in der Fahrzeugentwicklung im Überblick,.4 Grundlagen. Steuerungs- und regelungstechnische e (Prof. Schumacher). Diskrete
MehrDatenbankentwurf. VO Datenmodellierung. Katrin Seyr. Institut für Informationssysteme Technische Universität Wien.
Datenbankentwurf Datenbankentwurf VO Datenmodellierung Katrin Seyr Institut für Informationssysteme Technische Universität Wien Katrin Seyr Seite 1 Datenbankentwurf 1. Überblick Überblick Wiederholung:
MehrSchema: konkrete Beschreibung einer bestimmten. (unter Verwendung eines Datenmodells)
Datenmodellierung DBS kann vieles, aber nicht alles! Benutzer muss spezifizieren Anforderungen einer Anwendung Art von zu speichernden Daten Zwei wichtige Konzepte beim Entwurf: Datenmodell: Konstrukte
Mehr1 EINLEITUNG MESSKONZEPTE UND IHRE EIGENSCHAFTEN... 7
Property-Based Measurement Inhaltsverzeichnis 1 EINLEITUNG... 3 2 GRUNDLEGENDE DEFINITIONEN... 4 2.1 SYSTEME UND MODULE... 4 2.2 MODULARE SYSTEME...6 3 MESSKONZEPTE UND IHRE EIGENSCHAFTEN... 7 3.1 GRÖSSE...
MehrMultidimensionale Konzepte zur Controlling- Unterstützung in kleinen und mittleren Unternehmen
Tatjana Tegel Multidimensionale Konzepte zur Controlling- Unterstützung in kleinen und mittleren Unternehmen Deutscher Universitäts-Verlag Inhaltsverzeichnis Abkürzungsverzeichnis 1 Einleitung 2 Merkmale
MehrEinführung in die Modellierung
Informatik II: Modellierung Prof. Dr. Martin Glinz Kapitel 1 Einführung in die Modellierung Universität Zürich Institut für Informatik Inhalt 1.1 Der Modellbegriff 1.2 Wozu Modelle? 1.3 Modellbildung 1.4
Mehr5 Semantischer Entwurf
35 5 Semantischer Entwurf Die Aufgabe des semantischen Modellierungsschrittes ist die formale Beschreibung des Realitätsausschnittes, der durch die Informationsbedarfsanalyse definiert und dokumentiert
MehrBest Practice. Prozessmodellierung im Bereich der mittelbaren Bundesverwaltung: pm-ad Ergebnis der AG. BEST PRACTICE UML-Aktivitätendiagramm
Prozessmodellierung im Bereich der mittelbaren Bundesverwaltung: BEST PRACTICE UML-Aktivitätendiagramm Best Practice pm-ad 1.0.0 Ergebnis der AG Kurzbeschreibung In diesem Dokument werden die Best-Practice-
MehrDatenorientierter Ansatz. Datenbankentwurfsschritte. Welche Daten müssen im System verwaltet werden? Wie werden die Daten im System verändert?
.RQ]HSWLRQHOOHU'DWHQEDQNHQWZXUI Datenorientierter Ansatz Welche Daten müssen im System verwaltet werden? Wie werden die Daten im System verändert? Datenbankentwurfsschritte Datenverarbeitungsanforderungen
MehrDATENBANKEN. Kurs: Datenmodellierung SQL. Johann Eder (eder@isys.uni-klu.ac.at)
DATENBANKEN Kurs: Datenmodellierung SQL Johann Eder (eder@isys.uni-klu.ac.at) 1 Inhalt 1. Einführung, Grundbegriffe 2. Modellierung 3. Relationenmodell 4. Relationale Sprachen (SQL) 2001 Johann Eder Datenbanken:Einführung
MehrInformatik IIa: Modellierung
! Informatik IIa: Modellierung Frühjahrssemester 2010 Übung 3: Steuerflussmodelle, UML, Datenmodelle Kapitel 3,4,5 Ausgabe: 29. März 2010 Abgabe: 13. bis 15. April 2010 Name Matrikelnummer Seite 1 Aufgabe
MehrRückblick: Datenbankentwurf
Rückblick: Datenbankentwurf Entity-Relationship-Modell für konzeptuellen Entwurf Entitytypen (entity types) (z.b. Studenten) Beziehungstypen (relationships) (z.b. hören) Attribute beschreiben Gegenstände
MehrInhaltsverzeichnis EINFÜHRUNG 1 1 DIE STRECKE: DATENBANKENTWURF 5 2 DIE ERSTE ETAPPE: VON DER REALITÄT ZUM KONZEPTIONELLEN DATENMODELL 27
EINFÜHRUNG 1 1 DIE STRECKE: DATENBANKENTWURF 5 1.1 Der Weg der Entwicklung betrieblicher Anwendungssysteme 5 1.2 Das Datenbanksystem 14 1.3 Modelle und Schemata 21 2 DIE ERSTE ETAPPE: VON DER REALITÄT
MehrProf. Dr. A. Holl, Grundlagen Datenbanken Übungen Seite 1
Prof. Dr. A. Holl, Grundlagen Datenbanken Übungen Seite 1 Die Bearbeitung aller Übungsaufgaben, die mit diesem Formblatt nachgewiesen wird, ist Voraussetzung für die Zulassung zur Prüfung. Abgabetermin:
MehrDatenbanken. Seminararbeit. Einführung in das wissenschaftliche Arbeiten
Seminararbeit vorgelegt von: Gutachter: Studienbereich: Christian Lechner Dr. Georg Moser Informatik Datum: 6. Juni 2013 Inhaltsverzeichnis Inhaltsverzeichnis 1 Einführung in Datenbanken 1 1.1 Motivation....................................
MehrDaniel Fischer. ISI 2000, Best Student Paper Award
Untersuchung von Synergieeffekten von Datenstruktur- und n zur Prozessoptimierung anhand des Projektes TDS der Firma Adtranz (Abstract) Daniel Fischer ISI 2000, Best Student Paper Award e rücken vor allem
MehrLehrplan. Datenbanken. Höhere Berufsfachschule für Automatisierungstechnik. Ministerium für Bildung
Lehrplan Datenbanken Höhere Berufsfachschule für Automatisierungstechnik Ministerium für Bildung Hohenzollernstraße 60, 66117 Saarbrücken Postfach 10 24 52, 66024 Saarbrücken Saarbrücken 2010 Hinweis:
Mehr7 Hypothesendiskussion
7 287 Ausgehend von der Erörterung der theoretischen Grundlagen wissensintensiver Kooperationen320 wurden durch den Autor, in Verbindung mit einer Analyse und Darstellung der dem Einsatz aktiver Dokumente
MehrMedizininformatik Software Engineering
Vorlesung Software Engineering Inhaltsverzeichnis 1. Einleitung 2. Software und Medizinprodukt 3. Vorgehensmodelle 4. Strukturierter Entwurf von Echtzeitsystemen 4.1 Echzeit, was ist das? 4.2 Einführung
MehrWie modelliere ich mein Core Data Warehouse?
Wie modelliere ich mein Core Data Warehouse? Dani Schnider Trivadis AG Zürich/Glattbrugg, Schweiz Schlüsselworte: Data Warehouse, Datenmodellierung, Historisierung Einleitung Das Core dient im Data Warehouse
Mehrdie Wohnungswirtschaft
Martin Reifberger Entwicklung von Data-Warehouse-Systemen für die Wohnungswirtschaft Modellierug und Aufbau im Kontext raumbezogener Daten Verlag Dr. Kovac Hamburg 2016 Inhaltsverzeichnis VORWORT ABBILDUNGSVERZEICHNIS
Mehr1 4. Datenmodellierung mit der Unified Modeling Language (UML)
1 4. Datenmodellierung mit der Unified Modeling Language (UML) Objekte, Klassen und Assoziationen Multiplizitäten - Kardinalitäten Rollen (Wiederholung) Einfache Abbildung von Modellen auf Tabellen Empfehlungen
Mehr3. Das Relationale Datenmodell
! " # $ # $ % # $ 3. Das Relationale Datenmodell 1. Datenstruktur und Integritätsbedingungen 2. Abbildung zwischen ERM und RDM 3. Implementierung in SQL 4. Anomalien und Normalformen des RDM 5. Relationenalgebra
MehrDas UML Benutzerhandbuch
Grady Booch James Rumbaugh Ivar Jacobson Das UML Benutzerhandbuch Aktuell zur Version 2.0 Inhalt Vorwort 15 Ziele 15 Publikum 16 Wie Sie dieses Buch verwenden sollten 16 Aufbau und besondere Merkmale 17
MehrGeoinformation Abbildung auf Tabellen
Folie 1 von 32 Geoinformation Abbildung auf Tabellen Folie 2 von 32 Abbildung auf Tabellen Übersicht Motivation des relationalen Datenmodells Von Objekten zu Tabellen Abbildung von Objekten Schlüssel Abbildung
Mehr1 Inhalte der Funktion Informationsmanagement
1 1 Inhalte der Funktion Informationsmanagement Darstellung der Inhalte der Funktion Informationsmanagement und deren Bedeutung sowohl für handelnde Personen als auch in einem Unternehmen / einer Organisation.
MehrRSA und IDA Durchgängige Entwicklungsprozesse. Von der Anforderung bis zur generierten Datenbank
RSA und IDA Durchgängige Entwicklungsprozesse Von der Anforderung bis zur generierten Datenbank Ziele dieses Vortrags Begründung Warum sich jeder Entwickler mit dem Thema Datenmodellierung auseinandersetzen
MehrModellierung von Arbeitsprozessen
Informatik II: Modellierung Prof. Dr. Martin Glinz Kapitel 9 Modellierung von Arbeitsprozessen Universität Zürich Institut für Informatik Inhalt 9.1 Grundlagen 9.2 Ereignisgesteuerte Prozessketten (EPK)
MehrKapitel 6: Das E/R-Modell
Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Skript zur Vorlesung Wintersemester 2013/2014 Vorlesung: Prof. Dr. Christian Böhm Übungen:
Mehr2 Softwarearchitektur in der Organisationsstruktur 25
xiii Teil I Grundlagen und Organisation 1 1 Grundlagen 3 1.1 Warum Softwarearchitektur?.............................. 4 1.2 Was ist Softwarearchitektur?.............................. 6 1.2.1 Definition
MehrKonzeptueller Entwurf
Konzeptueller Entwurf UML Klassendiagrame UML Assoziationen Entspricht Beziehungen Optional: Assoziationsnamen Leserichtung ( oder ), sonst bidirektional Rollennamen Kardinalitätsrestriktionen UML Kardinalitätsrestriktionen
MehrDM03: Datenmodellierung im Data Warehouse (Eintägiges Seminar)
DM03: Datenmodellierung im Data Warehouse (Eintägiges Seminar) Ein Seminar der DWH academy Seminar DM03 - Datenmodellierung im Data Warehouse (1 Tag) Normalisierung, Star- und Snowflake sind bekannte Schlagwörter
MehrDatenbanksysteme I, SS 2004
Universität Mannheim Lehrstuhl für Praktische Informatik III orman May D7 27, Raum 40 683 Mannheim Telefon: (062) 8-2586 Email: norman@pi3.formatik.uni-mannheim.de Datenbanksysteme I, SS 2004 Lösungen
MehrInhaltsverzeichnis.
Wegweiser durch das Buch 1 1 Problembereich und Lösungsbereich 10 1.1.Unterschiede zwischen Problembereich und Lösungsbereich 10 1.2 Paradigmen der Softwareentwicklung 12 1.3 Methoden für die verschiedenen
MehrKapitel 3: Datenbanksysteme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2018 Kapitel 3: Datenbanksysteme Vorlesung:
MehrInformationssysteme Übersicht Sommersemester 2017
Prof. Dr.-Ing. Stefan Deßloch AG Heterogene Informationssysteme Zi. 36/329, Tel.: 0631-205-3275 E-Mail: dessloch@cs.uni-kl.de Informationssysteme Übersicht Sommersemester 2017 http://wwwlgis.informatik.uni-kl.de/cms/courses/informationssysteme/
MehrModellierung von OLAP- und Data- Warehouse-Systemen
Andreas Totok Modellierung von OLAP- und Data- Warehouse-Systemen Mit einem Geleitwort von Prof. Dr. Burkhard Huch Deutscher Universitäts-Verlag Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis
MehrGrundlagen der Wirtschafts informatik
Andreas Fink Gabriele Schneidereit Stefan Voß Grundlagen der Wirtschafts informatik Zweite, überarbeitete Auflage mit 78 Abbildungen und 16 Tabellen Physica-Verlag Ein Unternehmen von Springer Vorwort
MehrIT-Systeme. Ein nach Aufgabe oder Wirkung abgrenzbares
Funktionseinheit (functional unit) DIN 44300 Ein nach Aufgabe oder Wirkung abgrenzbares Gebilde. Anmerkung: Ein System von Funktionseinheiten kann in einem gegebenen Zusammenhang wieder als eine Funktionseinheit
MehrPI.DBS.DB.VO+UE Vorbesprechung zu Datenbanksysteme
Faculty of Computer Science Department of Knowledge and Business Engineering PI.DBS.DB.VO+UE Vorbesprechung zu Datenbanksysteme [1] Erich Schikuta (VO+UE) [2] Peter Paul Beran (UE) [3] Jürgen Mangler (UE)
Mehr2 Geschäftsprozesse realisieren
2 Geschäftsprozesse realisieren auf fünf Ebenen Modelle sind vereinfachte Abbilder der Realität und helfen, Zusammenhänge einfach und verständlich darzustellen. Das bekannteste Prozess-Modell ist das Drei-Ebenen-Modell.
MehrGlossar für das Fach Informatik
für das Fach In der Wissenschaft werden die Fachbegriffe nicht immer einheitlich verwendet. Zudem gibt es Unterschiede in den Darstellungsformen von Diagrammen. Das folgende soll diesem Umstand abhelfen
MehrÜbung 4. Werkzeuge zur ER-Modellierung. Prof. Dr. Andreas Schmietendorf 1. Übung 4
Werkzeuge zur ER-Modellierung Prof. Dr. Andreas Schmietendorf 1 Aufgabenbeschreibung Prof. Dr. Andreas Schmietendorf 2 Zielstellung Innerhalb der wollen wir uns mit Werkzeugen zur ER-Modellierung vertraut
MehrDatenmodellierung VU Einführung SS 2015
184.685 Datenmodellierung VU, Einführung SS 2015 184.685 Datenmodellierung VU Einführung SS 2015 Dr. Sebastian Skritek Institut für Informationssysteme Technische Universität Wien Dr. Sebastian Skritek
Mehr