Blue sky and clouds

Grundlagen der Datenmodellierung

Fachliches Modell mit ER-Diagrammen (auch ERM – Entity Relationship Model)

Dieser Beitrag richtet sich an Anfänger (z.B. Azubis) und behandelt typische Inhalte aus dem Grundstudium der Informatik. Dabei steht vor allem die praktische Anwendung im Vordergrund.

Der erste Schritt bei der Datenmodellierung bzw. der Entwicklung eines relationalen Datenmodells ist die Herleitung eines speziellen konzeptuellen Datenmodells. Das konzeptuelle Datenmodell leitet sich aus der Sicht einer Fachabteilung, oder eben allgemeiner, eines Problembereichs her. Es erfolgt also eine erste formale Analyse und Beschreibung aus der fachlichen Perspektive. Hierbei dient das Entity-Relationship-Model als formale Methode zur Beschreibung der Analyseergebnisse, dessen Grundzüge im Folgenden an einem Beispiel erläutert werden sollen. In weiteren Beiträgen wird dann die Überführung in das logische Datenbankmodell (relationales Datenmodell) thematisiert, welches wiederum direkt in konkrete Tabellen überführt werden kann, z.B. in einer Datenbank eines MySQL Servers.​

Beispiel ER-Diagramm
Abb.1 – Beispiel ER-Diagramm

Elementtypen des Entity-Relationship-Modells

Im Wesentlichen besteht ein ER-Modell aus drei zentralen Modellelementen bzw. Elementtypen. Diese Typen finden sich in allen Verfahren zur Datenmodellierung. Damit stellt das ERM ein Metamodell dar, welches auch in Datenbeschreibungssprachen wie UML (Unified Modeling Language) zu finden ist. Es werden

  • Entitätstypen (Objekte, Klassen)
  • Beziehungstypen (Beziehungen zwischen Entitäten)
  • Attribute/Eigenschaften

unterschieden.

Entitäten und Entitätstypen

Entitäten entsprechen einem Objekt des Problembereichs. Sie sind eindeutig beschreibbar und von allen anderen Entitäten unterscheidbar. Entitäten können sowohl physische als auch immaterielle Objekte sein. Eine Klasse die nur Instanzattribute enthält, z.B. in Java oder auch C#, ist im Grunde vergleichbar mit einem Entitätstypen, wobei die Entität nicht über Methoden verfügt, also nur den datentechnischen Aspekt berücksichtigt.

Entitätstypen stellen die Abstraktion gleichartiger Entitäten zu einer Klasse von Entitäten dar (wie die Klasse in der Objektorientierung/OOP). Die Entität wiederum ist eine konkrete Ausprägung eines Entitätstyps. Der Entitätstyp „novaCapta Mitarbeiter“ kann zum Beispiel eine Entität „Donald Duck“ haben (kommt auf die Kreativität der Eltern des Mitarbeiters an).
Der Entitätstyp stellt also immer eine Abstraktion bzw. Verallgemeinerung der zugehörigen Entitäten dar. Die Entitätsmenge hingegen ist die Menge aller möglichen Ausprägungen eines Entitätstyps. Symbol im ER-Diagramm ist das Rechteck.

Symbol für Entitätstypen
Abb.2 – Symbol für Entitätstypen

Attribute

Attribute legen die Merkmale von Entitätstypen fest. Hierbei wird der Wertebereich jedoch (noch) nicht berücksichtigt. Attribute oder Kombinationen von Attributen, die eine Entität eindeutig identifizieren, sind Primärschlüsselkandidaten und werden unterstrichen. Ferner unterscheidet man atomare, zusammengesetzte und abgeleitete Attribute. Das Attribut „Adresse“ kann sich z.B. aus „Strasse“, „Hausnummer“ und „PLZ“ zusammensetzen. Hat ein Entitätstyp „Mitarbeiter“ die Attribute „Alter“ und „Geburtstag“, wäre „Alter“ ein abgeleitetes Attribut, da es sich über den Geburtstag ableiten lässt.
Es gilt auch zu beachten, dass in ER-Diagrammen auch Attribute mit Mehrfachwerten zugelassen sind. Ein konkretes Beispiel wäre ein Kunde mit mehreren Lieferadressen. Symbol für das Attribut ist das abgerundete Rechteck.

Symbol für Attribute
Abb.3 – Symbol für Attribute

Beziehungen und Beziehungstypen

Zwischen Entitäten bestehen in der Regel Beziehungen (Beziehungsausprägungen, Beziehungsinstanzen), die sich aus der Problemstellung (Diskurswelt) und der jeweiligen Aufgabenstellung ableiten.
Gleichartige Beziehungen zwischen gleichartigen Entitäten werden zu Beziehungstypen zusammengefasst (z.B. Angestellter – leitet – Projekt).
Beziehungstypen können ebenfalls eigene Attribute / Eigenschaften haben. Das Symbol für Beziehungstypen ist die Raute.

Symbol für Beziehungstypen
Abb.4 – Symbol für Beziehungstypen

Kardinalitätsverhältnisse von Beziehungstypen

Das Kardinalitätsverhältnis eines Beziehungstyps zwischen zwei Entitätstypen A und B definiert, in welchen Mengen die Entitäten der beiden Typen miteinander in Beziehung stehen können. Man unterscheidet folgende Kardinalitätsverhältnisse:

  • 1:1 Beziehung
    Eine Entität aus A kann zu einem Zeitpunkt immer genau einer Entität aus B zugeordnet sein
  • 1:N Beziehung
    Einer Entität aus A kann zu einem Zeitpunkt immer eine oder mehrere Entitäten aus B zugeordnet sein. Einer Entität aus B kann hingegen immer nur eine Entität aus A zugeordnet sein.
  • N:M Beziehung
    Einer Entität aus A kann eine oder mehrere Entitäten aus B zugeordnet werden, einer Entität aus B kann eine oder mehrere Entitäten aus A zugeordnet sein.
Beispiel Ausprägungsmenge eines ER-Diagramms
Abb.5 – Beispiel Ausprägungsmenge eines ER-Diagramms

Weitere strukturelle Bedingungen

Die Kardinalitätsverhältnisse legen nicht fest, ob eine Entität mit einer anderen zwingend in Beziehung stehen muss. Man Unterschiedet hierbei die totale / verbindliche und die partielle / optionale Teilnahmebedingung.
Für eine exakte Spezifikation werden deshalb strukturelle Bedingungen angegeben, die einen genauen Zahlenbereich festlegen, der für jede Entität die minimale und maximale Anzahl von Entitäten in der Beziehung festlegt. Die vollständige Partizipation an einem Beziehungstyp besteht genau dann, wenn der Minimalwert größer als Null ist. Die Darstellung der Teilnahmebedingung für die vollständige Partizipation erfolgt im ER-Diagramm, indem der Entitäts- und Beziehungstyp mit einer doppelten Linie verbunden werden. Die partielle Partizipation (optionale Teilnahme) wird durch die Verbindung mit einer einfachen Linie dargestellt. Oft werden die Kardinalitätsverhältnisse auch mit einem zusätzlichen c versehen, um eine optionale Teilnahme darzustellen (z.B. 1:c oder 1:mc).

Es gibt sogenannte schwache Entitätstypen, die nicht sinnvoll für sich alleine stehen können. Sie sind auf Beziehungen zu anderen Entitätstypen angewiesen. Die Entitätstypen von denen sie abhängen werden starke oder identifizierende Entitätstypen genannt. Ein Beispiel hierfür wäre Bestellung und Bestellungsposition / Artikel. Ein Artikel kann nur sinnvoll im Rahmen einer Bestellung stehen, wobei die Bestellung der identifizierende Entitätstyp ist. Häufig erkennt man schwache Entitätstypen daran, dass sie keinen eigenen Schlüsselkandidaten oder denselben Schlüssel wie ein anderer Entitätstyp besitzen. Die Beziehungen, über die schwache und starke Entitätstypen miteinander verbunden sind, werden identifizierende Beziehungstypen genannt.

ER-Diagramm Symbole
Abb.6 – ER-Diagramm Symbole

Modellierung – Vorgehensweise

Grobentwurf

  1. Erstellung eines groben ER-Diagrammes anhand Problemstellung
  2. Darstellung von Beziehungen durch einfache Linien, die mit der Beziehungsart beschriftet werden
  3. Attribute werden zunächst vernachlässigt

Verfeinerung des Modells (Feindatenmodellierung)

  1. Beziehungstypen werden definiert
  2. Attribute für Entitätstypen und Beziehungstypen werden definiert
  3. Kardinalitäten und strukturelle Bedingungen in den Beziehungstypen werden ergänzt

Ausblick

Die besprochenen Modellierungskonzepte reichen zur Darstellung vieler Datenbankschemata in traditionellen Datenbankanwendungen aus. Natürlich gibt es zunehmend Systeme mit weit komplexeren Anforderungen (Data Mining, Data Warehousing…). Zur exakten Darstellung der Anforderungen dieser Systeme werden erweiterte Modellierungskonzepte benötigt. Für eine tiefergehende Darstellung der Inhalte sowie weiterführender Modellkonzepte sei an dieser Stelle auf Grundlagen von Datenbanksystemen (R. Elmasri, S. B. Navathe; Addison-Wesley; 2002) verwiesen. Von Interesse sind hierbei EER Modelle (Enhanced-ER) und ferner die Konzepte der Objektmodellierung (UML), welche nicht nur die reine Datensicht, sondern auch die funktionalen Anforderungen betrachten (Operationen auf Objekten).

 

Quellen: Prof. Dr. Robert Grebner, Skriptum Datenbanken I; HAW Würzburg/Schweinfurt; 2012

Grundlagen von Datenbanksystemen; R Elmasri, S. B. Navathe; Addison-Wesley; 2002

Close up of female hands while typing on laptop
Blog 24.09.18

Grundlagen der Gestaltung

Die Gestaltgesetze der Wahrnehmungspsychologie

Business people having a meeting in a boardroom
Workshop

Microsoft Power BI Grundlagen Schulung

Mit Power BI bleibt die Datenanalyse nicht nur Business Intelligence Expert:innen vorbehalten, sondern kann unmittelbar in den Fachbereichen erfolgen. In unserer eintägigen Schulung lernen Sie wie!

Event

BARC Summit 2025| ESG Reporting

Nachhaltigkeit messbar machen - Wir unterstützen Sie beratend, fachlich & technisch.

Zwei Frauen schauen gemeinsam auf einen Bildschirm
Blog 27.11.18

Tipps und Tricks mit Entity Framework

In diesem Blogbeitrag möchte ich einige Tipps und Tricks rund um Entity Framework mit euch teilen. In allen Beispielen gehen wir vom Code-First Ansatz aus.

News 24.06.22

Tabellenvisualisierung für Confluence Cloud

Atlassian führt die Tabellenvisualisierung für Confluence Cloud ein. Mit nur wenigen Klicks können Tabellen jetzt in Confluence in aussagekräftige Diagramme, in dynamische Torten-, Balken- oder Liniendiagramme verwandelt werden.

Referenz

PNW: IBM Lizenzmanagement zum Festpreis

ARS unterstützt die PNW seit 2014 im fachlichen IBM Lizenzmanagement, um die Lizenz-Compliance im Produktumfeld der IBM sicherzustellen.

Use Case

Unser Merger-Modell bei ATVANTAGE GmbH

Wie unser Merger-Modell bei ATVANTAGE Orientierung und Handlungsfähigkeit schafft

Workshop

File Server Migration Assessment Workshop

Bringen Sie Ihre Ablagen in Teams, OneDrive und SharePoint mit der Nutzung von Metadaten in einen fachlichen Bezug. In unserem Workshop machen wir Sie fit für Ihre File Server Migration.

Service 23.09.25

Business Models & Ecosystems

Business Models & Ecosystems

Wissen 30.04.24

GPT & Co: Die besten Sprachmodelle für digitale Produkte

Welche LLM-Modelle meistern Ihre Herausforderungen am besten? Werfen Sie einen Blick auf die Ergebnisse und finden Sie Ihr ideales Sprachmodell!

Senkrecht in die Cloud
Service

AUTOPILOT First Class

First Class ist unser Flagship-Modell. Diese Version beinhaltet noch mehr, wie unlimitierte Incidents und Standard Changes.

Mitarbeiterin arbeitet am Laptop
Produkt

novaPredict: Projektionstool für Aktuare

novaPredict unterstützt Versicherer dabei, komplexe aktuarielle Modelle skalierbar, transparent und kosteneffizient auszuführen, ohne starre Standardsoftware.

Mitarbeiter auf der Reise in die Microsoft Cloud
Whitepaper

Whitepaper: So gelingt Ihre Reise in die Microsoft Cloud

Was ist eigentlich "die Cloud" und was bringt Unternehmen das Cloud Computing? Unser Whitepaper bietet einen Überblick zu Definition, Services, Modellen und Sicherheit.

Service

AWS Anthropic Onboarding

AWS-Onboarding für Anthropic-Modelle in Amazon Bedrock: Wir übernehmen Billing Transfer, technische Einrichtung und Modellaktivierung – schnell, unkompliziert und aus einer Hand.

Blog

AI-Modelle außer Kontrolle? Warum Governance Chefsache ist

Sind AI-Modelle außer Kontrolle? Matthias Bauer ordnet die Sandbox-Vorfälle ein und zeigt, warum AI-Kontrolle auf den Vorstandstisch gehört.

Blog

Warum das AI-Problem von Unternehmen kein Modell-Problem ist

Warum scheitern AI-Projekte? Meist nicht am Modell, sondern an der Datenarchitektur. Unser CTO Matthias Bauer ordnet das neue Positionspapier des KI Bundesverbands ein.

Referenz

Großhandelskooperation – Aufbau eines Data Lake & Analytics

Wir verbinden die Datenquellen der Gesellschafter und bereinigen, klassifizieren sowie verknüpfen sie per ML. Dafür entwickeln und trainieren wir Modelle für Text-/Bildanalyse, Vorhersagen, Empfehlung

Referenz

Kostenreduzierung durch zentrale Verwaltung von Lizenzen

Mit Unterstützung der catworkx implementierte adesso daher das „Atlassian-as-a-Service“ (SaaS)-Modell, mit dem alle Lizenzen unter einem Lizenzschlüssel zusammengefasst und über die Zentral-IT verwaltet werden.

Referenz

GLOBE UNION – LENZ: Einführung eines PIM-Systems

Mit dem synaigy “Führerschein-Modell” konnte das Kernteam sofort im PIM-System arbeiten. Vollständige und konsistente Daten und die richtige Struktur geben Kunden Sicherheit und Zufriedenheit.

Pretty designer in casualwear sitting on staircase with laptop on her knees
Leistung

Individuelle KI Lösungen für Unternehmen

Wir sind darauf spezialisiert maßgeschneiderte KI Lösungen zu entwickeln. Wir beraten Sie gerne zu Use Cases sowie zur Konzeption und Erstellung Ihres individuellen KI Agenten oder GPT-Modells.

Bleiben Sie mit dem TIMETOACT GROUP Newsletter auf dem Laufenden!