Datenbank - Michael Gamer

Datenbanken
Teil 1: Überblick
Michael Gamer / 2015
Literatur zum Thema (1/2)
Frank Geisler
‣ Datenbanken – Grundlagen und Design
‣ 3. Auflage, 2009, mitp Verlag Heidelberg
Alfons Kemper, André Eickler
‣ Datenbanksysteme – Eine Einführung
‣ 7. Auflage, 2009, Oldenbourg Verlag München
Edwin Schicker
‣ Datenbanken und SQL
‣ 3. Auflage, 2002, Teubner Verlag Stuttgart
René Steiner
‣ Grundkurs Relationale Datenbanken
‣ . Auflage, 2009, Vieweg+Teubner Verlag Wiesbaden
Michael Gamer
2
Literatur zum Thema (2/2)
‣ E.F. Codd
๏ A Relational Model of Data for Large Shared Data
Banks
๏ In: Communication of the ACM, V.13, No. 6, 1970, S.
377-387
‣ M. Throll; O. Bartosch
๏ Einstieg in SQL
๏ Galileo Press, 2007,Bonn
‣ M. Schubert
๏ Datenbanken - Theorie, Entwurf und
Programmierung relationaler Datenbanken
๏ Teubner Verlag, 2007
Michael Gamer
3
Überblick über die Veranstaltung
Historische Entwicklung von Datenbanksystemen
Unterschiedliche Realisationsentwürfe für Datenbanken
‣ Hierarchische Datenbanken
‣ Netzwerkdatenbanken
‣ Objektorientierte Datenbanken
Architekturmodelle von Datenbanksystemen
Das ER-Modell
Normalformen
Erstellen von Datenbanken
Die Abfragesprache SQL
Michael Gamer
4
Warum Datenbanken?
Informationen bestehen aus Daten
Seit Beginn der Computerindustrie stark
zunehmendes Informationsaufkommen
Notwendigkeit diese Informationen (Daten) zu
verarbeiten und zu speichern
Industrielle Folgen
‣ Rasantes Wachstum in der Speichertechnologie
‣ Anfänglich wurden Daten lediglich in Dateien
abgespeichert
‣ Problem der redundanten Speicherung von Daten
‣ Unterschiedlicher Zugriff auf unterschiedliche Daten
Michael Gamer
5
Kernforderungen
Michael Gamer
Daten sollen nicht verloren gehen
persistente
Datenspeicherung
Daten sollen unterschiedlich gruppiert/
sortiert werden
Es muß
unterschiedliche
Suchzugriffe geben
Robust gegen Änderungen des
Datenbestandes
Möglichst
redundanzfreie
Speicherung
6
Historisches (1/2)
Anfangs Datenhaltung direkt im Dateisystem
‣ Große Anzahl von Dateien
‣ Hierarchische Struktur durch das Dateisystem
vorgegeben
‣ Hoher Anteil redundanter Daten
Versuch der Problemlösung 1959 durch die CODASYL
Konferenz
‣ CODASYL = COnference on DAta SYstems Languages
‣ Ergebnis: Programmiersprache COBOL
‣ Entwicklung eines standardisierten Verfahrens zur
Definition und Manipulation von Daten (DDL und DML)
Michael Gamer
7
Historisches (2/2)
Heute: Hauptsächlich relationale Datenbanken in
Gebrauch
‣ De facto Standard in der Industrie
‣ Aber: Weiterhin Betrieb vieler “alter” Datenbanken mit
anderer Architektur
Viele aktuelle Produkte aus dem Bereich relationaler
Datenbanken sind kostenfrei erhältlich (MySQL, etc.)
Datenbankentwurf folgt klar definierten Vorgehensweisen
Abfragesprache ist mittlerweile (nahezu) standardisiert
(SQL)
Schnittstellen in allen gängigen Sprachen vorhanden
Michael Gamer
8
Lernziele
Was sind die zentralen Probleme bei der
Organisation von Daten?
In welcher Weise können
Datenbankmanagementsysteme Unternehmen darin
unterstützen, ihre Daten besser zu organisieren?
Welche Auswirkungen haben die einschlägigen
Datenmodelle auf den Zugriff und die Verwendung
von Daten
Was versteht man unter einem relationalen Datenmodell?
Welche Anforderungen stellt der Einsatz einer
Datenbankumgebung an die Unternehmensführung?
Michael Gamer
9
Lernziele
Welche neuen Werkzeuge und Techniken können den
Zugriff auf Datenbanken erleichtern und zu einer effizienten
Nutzung der gespeicherten Daten beitragen?
Welche Bedeutung haben Richtlinien zur Verwendung der
Daten und die Sicherstellung von Datenqualität beim
Management von Unternehmensdaten?
Michael Gamer
10
Modellierung von Daten
Abbildung nach Laudon: Wirtschaftsinformatik
Michael Gamer
11
Datenorganisation
Abbildung nach Laudon: Wirtschaftsinformatik
Michael Gamer
12
Termininologie
• Datensatz
‣Gruppe von inhaltlich zusammenhängenden
Datenelementen, die verschiedene Eigenschaften
desselben Phänomens beschreiben.
• Datei
‣Zusammenfassung logisch zusammen-gehörender,
gleichartiger Datensätze, in der Regel auf
Massenspeicher abgelegt.
• Datenbank
‣Eine zusammengehörende Gruppe von Dateien
zwischen denen (logische) Abhängigkeiten bestehen.
Michael Gamer
13
Entitäten und Attribute
• Entität
‣ Eine Entität ist im Sinne von Datenbanken ein Gegenstand, etwa ein
Ort, Ding oder Ereignis, über das Daten gespeichert und gepflegt
werden sollen.
• Attribut
‣ Ein Attribut ist die kleinste Einheit zur Beschreibung spezielle
Eigenschaften einer Entität
• Beispiel: Entität: Person
‣ Attribute:
• Name
• Vorname
• Alter
Michael Gamer
14
Getrennte Datenhaltung
Kundendaten
Mitarbeiterdaten
Welcher Mitarbeiter ist für welchen Kunden zuständig?
Michael Gamer
15
Problem: getrennte Datenhaltung
Kunden
Mitarbeiter
Firma
Nachname
Vorname
Auftrag
Bearbeiter
BMW
Müller
Karl
208
Winter
Maier AG
Rehn
Erich
405
Winter
<privat>
Schulze
Eva
307
Sommer
Personal-Nr
Nachname
Vorname
Funktion
1
Klein
Theodor
Geschäftsführer
2
Groß
Elvira
Sekretariat
3
Winter
Egon
Vertrieb
4
Sommer
Karin
Vertrieb
5
Lanz
Max
Vertrieb
Wer bearbeitet Auftrag 307?
Michael Gamer
16
Motivation für Datenbankverwaltungssysteme
• Typische Probleme bei Informationsverarbeitung
ohne DBMS
‣ Redundanz und Inkonsistenz
‣ Beschränkte Zugriffsmöglichkeiten
‣ Probleme beim Mehrbenutzerbetrieb
‣ Verlust von Daten
‣ Integritätsverletzung
‣ Sicherheitsprobleme
‣ hohe Entwicklungskosten für
Anwendungsprogramme
Michael Gamer
17
Auswirkung: mangelnde Flexibilität
In Dateien organisierte Daten sind unflexibel gegenüber
Auswertungen und Verknüpfungen, da ein gleichzeitiger
Zugriff auf mehrere Attribute und eine entsprechende
Auswertung der Datenelemente zeitaufwendige Such- und
Sortierverfahren erfordert
Als Folge davon ist der Datenaustausch zwischen
verschiedenen Anwendungssystemen schwierig zu
bewerkstelligen
Michael Gamer
18
Auswirkungen: Datenredundanz
Identische Informationen werden an verschiedenen
Stellen, unabhängig voneinander, abgespeichert
‣ Bei Änderungen müssen an mehrere Stellen die
gleichen Daten geändert werden
‣ Änderungen führen zu Inkonsistenzen, falls an einer
Stelle nicht geändert wird
‣ Unterschiedliche Schreibungen führen zu
Inkonsistenzen oder falschen Ergebnisse bei Abfragen
• Frankfurt am Main
• Frankfurt / Main
• FFM, etc.
Michael Gamer
19
Auswirkungen: beschränkte Zugriffsmöglichkeiten
Sollen getrennt und redundant gespeicherte Daten
verknüpft werden ist dies kaum möglich:
‣ Logische Verknüpfung mit Informationen aus einer
Datei mit solchen aus einer anderen Datei sind nur
schwer möglich
‣ Informationen liegen zerstreut über mehrere Dateien vor
• Sehr problematische Recherche in den
Datenbeständen
• Möglicherweise unvollständige Abfragen
• Probleme werden beim Vorliegen von Inkonsistenzen
noch vermehrt
Michael Gamer
20
Auswirkungen: Problematischer Mehrbenutzerbetrieb
Greifen mehrere Benutzer auf in unterschiedlichen Dateien
(redundant!) abgelegte Informationen zu, kann dies äußerst
unangenehme Folgen für die Datenkonsistenz haben.
‣ Gleichzeitiges Ändern in einem Datensatz durch mehrere
Benutzer
‣ Unterschiedliche Änderungen an verschiedenen Stellen
‣ Änderungen von
• Namen
• Adresse
• Telefonnummer
• Etc.
Michael Gamer
21
Auswirkungen: Verlust von Daten
Große Probleme bei Datenverlust, z.B.
‣ Versehentliches Löschen einer Datei
‣ Hardwarefehler
‣ Unbeabsichtigtes Überschreiben
Wiederherstellung des ursprünglichen Zustands äußerst
problematisch.
‣ Bei Durchführung periodischer Sicherungen noch
möglich
‣ Bei Verlust (oder Beschädigung) einzelner Dateien (der
oft zunächst unbemerkt bleibt) kaum noch durchführbar
Michael Gamer
22
Auswirkungen: Integritätsverletzung
Beispiel Universität, Schule, BA Rhein Main…
Falls Prüfungsleistungen dezentral (redundant) erfaßt werden….
‣ Schwierige Prüfung, ob Regularien eingehalten wurden
• Sind alle Prüfungen zur Zulassung Bachelor/Diplom bereits
abgelegt?
• Sind schon alle Klausuren geschrieben?
‣ Schwierige Auswertungen
• Welcher Notendurchschnitt liegt vor?
• Wieviele Klausuren wurden geschrieben?
• Welche Dozenten wurden eingesetzt?
• Etc.
Michael Gamer
23
Auswirkungen: Integritätsverletzung / Löschanomalie
Wird ein Datensatz gelöscht, von dem weitere (in anderen
Dateien!) abhängen, so kann auf diese u.U. nicht mehr
zugegriffen werden.
Dies kann auch bei einfachen Datenänderungen auftreten:
‣ Namensänderung
‣ Änderung der Kundennummer
‣ Umfirmierung
Michael Gamer
Personal-Nr
Nachname
Vorname
Funktion
1
Klein
Theodor
Geschäftsführer
2
Groß
Elvira
Sekretariat
3
Winter
Egon
Vertrieb
4
Winter
Sommer
Karin
Vertrieb
5
Lanz
Max
Vertrieb
24
…. Auswirkungen:
Michael Gamer
Personal-Nr
Nachname
Vorname
Funktion
1
Klein
Theodor
Geschäftsführer
2
Groß
Elvira
Sekretariat
3
Winter
Egon
Vertrieb
4
Winter
Karin
Vertrieb
5
Lanz
Max
Vertrieb
Firma
Nachname
Vorname
Auftrag
Bearbeiter
BMW
Müller
Karl
208
Winter
Maier AG
Rehn
Erich
405
Winter
<privat>
Schulze
Eva
307
Sommer
25
Auswirkungen: Sicherheitsprobleme
Unterschiedliche Benutzerrechte sind nur schwer umzusetzen.
Beispielsweise:
‣ Datenänderungen nur bestimmte Personen zu erlauben
‣ Löschen einzelner Daten restriktiv zu behandeln
Schwierige Einschränkung der „Sichtbarkeit“ von Daten
‣ Gehaltsdaten
‣ Familiäre Verhältnisse
‣ Persönliche Daten
• Telefonnummer
• E-Mail
• Etc.
Michael Gamer
26
Auswirkungen: hohe Entwicklungskosten
Beispiel: Entwicklung einer neuen Applikation, die
auf die Datenbank zugreifen soll:
‣ Die Programmierer müssen sich sehr genau in die
Datenhaltung einarbeiten
‣ Datenverwaltung wird zum Problem, wo es nicht
hingehört
‣ Die Datenhaltung wird automatisch zum Teil jeder
Applikation, die auf die Daten zugreift, statt nur
den Datenzugriff zu regeln.
Michael Gamer
27
Lösung: Datenabstraktion
Bei Datenbanksystemen unterscheidet man drei Arten von
Datenabstraktion
Die physische Ebene
‣ Festlegung wie die Daten gespeichert werden
‣ i.d.R Speicherung auf einem sog. Hintergrundspeicher der meist als
Festplattenspeicher realisiert ist
Die logische Ebene
‣ Festlegung welche Daten abgespeichert werden
‣ Festlegung des logischen Datenbankschemas
Die Sichten
‣ Stellen anwendungs-/anwenderspezifische Teilmengen von
Informationen aus dem Datenbestand bereit
‣ Sind z.B. auf Benutzergruppen zugeschnitten
Michael Gamer
28
Abstraktionsebene eines Datenbanksystems
Sicht1
Sicht2
Sicht3
Logische Ebene
Physikalische Ebene
Michael Gamer
29
Datenmodellierung
Ausschnitt au der
realen Welt
Konzeptuelles Schema
(ER-Schema)
Transformation
Relationales
Schema
Michael Gamer
XML
Schema
Netzwerk
Schema
Objektorientiertes
Schema
30
Realisierung eines Vorlesungsplanes
Name
Vorname
Studiengang
Vorlesung
Dozent
Raum
Müller
Karl
Wirtschaftsinformatik
Informatik
Bitner
102
Maier
Eva
Wirtschaftsinformatik
Mathematik
Bauer
101
Strotz
Florian
Wirtschaft
Mathematik
Löb
104
Klein
Klaus
Wirtschaft
Kostenfalle
Amsel
103
Klein
Gerhard
Wirtschaftsinformatik
Graphen
Euler
105
Lutz
Klein
Wirtschaft
Mathematik
Löb
104
Probleme:
•
•
•
Michael Gamer
Implizite Abhängigkeiten in der Tabelle (Vorlesung
– Studiengang)
Redundanzen (Studiengang)
Unvollständige Informationen (Adressen fehlen)
31
Problemfälle
Herr Strotz wechselt in das Fach
Wirtschaftsinformatik
Name
Vorname
Studiengang
Vorlesung
Dozent
Raum
Müller
Karl
Wirtschaftsinformatik
Informatik
Bitner
102
Maier
Eva
Wirtschaftsinformatik
Mathematik
Bauer
101
Strotz
Florian
Wirtschaftsinformatik
Mathematik
Löb
104
Klein
Klaus
Wirtschaft
Kostenfalle
Amsel
103
Klein
Gerhard
Wirtschaftsinformatik
Graphen
Euler
105
Lutz
Klein
Wirtschaft
Mathematik
Löb
104
•
•
•
Das Ändern des Fachs führt zu Inkonsistenzen:
Dozent Löb ist nicht in der Wirtschaftsinformatik tätig
Raum 104 ist für Wirtschaft reserviert
Stammdaten von Herrn Strotz müssen separat geändert werden
Michael Gamer
32
Problemfälle
•
•
Name
Vorname
Studiengang
Vorlesung
Dozent
Raum
Müller
Karl
Wirtschaftsinformatik
Informatik
Bitner
102
Maier
Eva
Wirtschaftsinformatik
Mathematik
Bauer
101
Strotz
Florian
Wirtschaft
Mathematik
Löb
104
Klein
Klaus
Wirtschaft
Kostenfalle
Amsel
103
Klein
Gerhard
Wirtschaftsinformatik
Graphen
Euler
105
Lutz
Klein
Wirtschaft
Mathematik
Löb
104
Redundanzen führen zu Mehraufwand:
Es muß an unterschiedlichen Stellen geändert werden
Schreibfehler wirken sich fatal aus
Michael Gamer
33
Problemfälle
Name
Vorname
Studiengang
Vorlesung
Dozent
Raum
Müller
Karl
Wirtschaftsinformatik
Informatik
Bitner
102
Maier
Eva
Wirtschaftsinformatik
Mathematik
Bauer
101
Strotz
Florian
Wirtschaft
Mathematik
Bauer
104
Klein
Klaus
Wirtschaft
Kostenfalle
Amsel
103
Klein
Gerhard
Wirtschaftsinfomatik
Graphen
Euler
105
Lutz
Klein
Wirtschaft
Mathematik
Lob
104
•
•
Schreibfehler führen zu unvorhersehbaren
Abfrageergebnissen
Dozent Bauer ist nicht für Herrn Klein zuständig
Der Student Klein geht bei Abfragen „verloren“
Michael Gamer
34
Was tun?
Zur Vermeidung dieser Schwierigkeiten ist es notwendige klare
Regeln zur Erstellung von Datenbanken zu haben, die eine
konsistente Datenhaltung ermöglichen
Erste Schritte:
‣ Datenabstraktion
• Datenstrukturen von der Speicherung trennen
‣ Datenunabhängigkeit
• Probleme entstehen durch Abhängigkeiten in der
Datenhaltung (innerhalb einzelner Tabellen)
• Also sollten diese Abhängigkeiten vermieden werden.
‣ Logische Datenmodelle
• Definition unterschiedlicher Modelle zur Datenhaltung
Michael Gamer
35
Datenbankmanagementsysteme
Abbildung nach Laudon: Wirtschaftsinformatik
Michael Gamer
36
Anforderungen und Antworten
persistente
Datenspeicherung
Festplatten sind sehr viel langsamer
als etwa RAM Speicher
Michael Gamer
Speicherung auf Festplatten
🐌
Intelligente Zugriffsmethoden
und Speicherstrukturen
37
Moderne Architektur
DBMS
Anwendung
File
manager
Betriebssystem
Festplattenmanager
Datenbasis
Michael Gamer
Controller
Festplatte
Welcher Datensatz
wird gelesen
(geschrieben)?
Welcher Seite wird
gelesen
(geschrieben)?
Welche Sektoren
werden gelesen
(geschrieben)?
Bereitstellen der
physikalischen
Daten
38
Methoden der Zugriffsoptimierung
Indizierung
‣ Erzeugen von Indexdateien zum schnelleren Zugriff
‣ Mehrere Indizes existieren gleichzeitig
Hashing
‣ Zugriff auf der Basis einfacher Berechnungen
Verwendung von Zeigerketten
‣ Implementierung dynamischer Strukturen
Verdichtungsverfahren
‣ Beschleunigung durch Komprimierung
Michael Gamer
39
Verdichtungsverfahren (Oracle)
Index Key Compression (seit Version 8i)
‣ Indizes verbrauchen ca. ein Drittel des
Gesamtspeicherplatzes (SAP)
‣ daher hohes Einsparpotential
Index Organized Table Compression (seit Version 8i)
‣ komprimiertes Speichern „normaler“ Tabellen
Table Compression
‣ für direct load ab Version 9i
‣ für alle Operationen ab Version 11g
Secure File Compression
‣ Ab Version 11g
Michael Gamer
40
Beispiel IOT Compression
Michael Gamer
41
Performancesteigerung
Index Key Compression unter Oracle
Michael Gamer
42
Performancesteigerung
Tablecompression
Michael Gamer
43
Zugriff auf Daten
Der Zugriff auf einzelne Daten (sog. Datensatz)
erfolgt durch einen eindeutig (!) vergebenen Wert,
den sogenannten (Primär-) Schlüssel (i.d.R.
Personalnummer, Auftragsnummer etc.)
Pers. Nr.
Name
Vorname
Sc 1
hlü
Müller
Karl
Wirtschaftsinformatik
Datensatz
Maier
Eva
Wirtschaftsinformatik
Strotz
Florian
Wirtschaft
4
Klein
Klaus
Wirtschaft
5
Klein
Gerhard
Wirtschaftsinformatik
6
Lutz
Klein
Wirtschaft
2
3
Michael Gamer
ss
el
Studiengang
44
Datenunabhängigkeit
Datenunabhängigkeit wird durch das Ebenenmodell des
Datenbanksystems ermöglicht. Es wird unterschieden zwischen
‣ Physischer Datenunabhängigkeit
• Modifikationen der physischen Speicherstruktur haben keine
Auswirkungen auf die logische Datenstruktur
• Nachträgliche Indexierungen haben keinen Einfluß auf
bestehende Anwendungen
‣ Logischer Datenunabhängigkeit
• Anwendungen nehmen Bezug auf die logische Datenstruktur
• Datenobjekte haben von der physischen Struktur unabhängige
Eigenschaften (z.B. Namen, Vorname, Telefonnummer etc.)
• Logische Datenunabhängigkeit kann meist nur für einfache
Modifikationen sichergestellt werden (Änderungen von
Feldnamen)
Michael Gamer
45
Logische Datenmodelle
Im Laufe der Zeit haben sich unterschiedliche Modelle zur
Datenhaltung entwickelt
‣ Netzwerkmodell
‣ Hierarchisches Datenmodell
• Herkunft. Dateisysteme
‣ Relationales Datenmodell
‣ XML Schema
‣ Objektorientiertes Datenmodell
• objektrelationales Schema
‣ Deduktives Datenmodell
Heute wird hauptsächlich das relationale Modell verwendet.
Michael Gamer
46
Das hierarchische Modell (1)
Auto
Rad
Felge
Michael Gamer
Tür
Reifen
Griff
…
Schloß
47
Das hierarchische Modell (2)
Abhängigkeiten in den Daten werden durch eine
baumartige Struktur beschrieben
Die Beschreibung der Elemente erfolgt in der Terminologie
der Beschreibung von Bäumen
‣ Knoten
‣ Elternknoten
‣ Kindknoten etc.
Probleme:
‣ Computer mit linearem Adreßraum können diese
Strukturen nicht direkt abbilden
‣ Daher Realisierung als (verkettete) Liste
Michael Gamer
48
Das hierarchische Modell (3)
Die Verwaltung des Systems liegt bei einem (Datenbank-)
Administrator
‣ Anwender sind von der Verantwortung entbunden
Datensicherheit zu garantieren
‣ Das hierarchische Modell ist gut geeignet große Datenmengen
die in einer 1:N Beziehung stehen zu verwalten
Nachteile
‣ Sehr aufwendiges Datenmanagement
‣ Sehr komplexe Implementierung der Datenbank notwendig
‣ Lösch-Anomalien werden begünstigt, bzw. haben z.T. fatale
Auswirkungen
‣ Es werden nur 1:N Beziehungen dargestellt.
Michael Gamer
49
Das Netzwerkmodell (1)
Tür
Auto
Achse
Michael Gamer
Felge
Rad
Reifen
50
Das Netzwerkmodell (2)
Mathematik
Informatik
Kostenrechnung
Student
Student
Student
Student
Michael Gamer
51
Das Netzwerkmodell (3)
Entstehung des Modells 1971 als Folge der „Conference on Data
Systems Languages“ (CODASYL)
‣ Realisiert wird diese Modell vorwiegend mit COBOL
‣ Beziehungen zwischen Datensätzen werden über Zeiger
realisiert
‣ Ein Kindknoten kann (im Gegensatz zum hierarchischen Modell)
mehrere Elternknoten besitzen
Vorteil:
‣ Schneller Zugriff, da Beziehungen direkt realisiert
Nachteile
‣ Hoher Verwaltungsaufwand
‣ Strukturen schwer zu ändern
Michael Gamer
52
Das ER-Modell, relationale Datenbanken
Bereits 1970 wurde von E.F. Codd das relationale
Datenbankmodell entwickelt
‣ Vorgestellt im Artikel “A Relational Model of Data for
Large Shared Data Banks“
‣ Umsetzung des Konzepts 1978 durch IBM mit System/R
‣ Adaption des Konzepts durch Relational Systems (die
später in Oracle umfirmierten) mit den Produkten
• SQL/DS
• DB2
‣ Relationale Datenbanken sind heute die am weitesten
verbreiteten Datenbanken weltweit.
Michael Gamer
53
Relationale Datenbanken
Vorteile relationaler Datenbankmanagementsysteme (RDBMS)
‣ Komplette Kapselung der physikalischen
Datenspeicherung
‣ Anwender beziehen sich ausschließlich auf die logische
Struktur der Daten
Das grundlegende Konzept relationaler Datenbanken ist das
der Tabelle
‣ Daten werden in Tabellen gespeichert
‣ Relationen bestehen zwischen Daten (Tabellen)
‣ Realisierung der Beziehungen zwischen Tabellen über
Primär- und Fremdschlüssel
Michael Gamer
54
Relationale Datenbanken, Hinführung (1/2)
hören
Studenten
Vorlesungen
Tabelle Vorlesungen
Tabelle Studenten
Mat-Nr
Vorname
Nachname
1
Felix
Klein
2
Eva
3
Karl
Michael Gamer
Vorl-Nr
Vorlesung
1
Ethik
Groß
2
Gotik
Sommer
3
Metrik
hören
55
ER-Diagramme
Abbildung nach Laudon: Wirtschaftsinformatik
Michael Gamer
56
Relationale Datenbanken, Hinführung (2/2)
Name
Vorname
Studiengang
Vorlesung
Dozent
Raum
Müller
Karl
Wirtschaftsinformatik
Informatik
Bitner
102
Maier
Eva
Wirtschaftsinformatik
Mathematik
Bauer
101
Strotz
Florian
Wirtschaft
Mathematik
Löb
104
Klein
Klaus
Wirtschaft
Kostenfalle
Amsel
103
Klein
Gerhard
Wirtschaftsinformatik
Graphen
Euler
105
Lutz
Klein
Wirtschaft
Mathematik
Löb
104
Vor der Nutzung als Datenbank müssen
die Daten angepaßt werden
Michael Gamer
57
Entwicklung relationale DBen
Michael Gamer
58