Datenbank

Einführung: Was ist eine Datenbank?

Eine Datenbank ist eine strukturierte Sammlung elektronisch gespeicherter Daten, die sich effizient, widerspruchsfrei und dauerhaft verwalten lässt. Sie dient als zentrales Repository, um große Informationsmengen zu speichern, zu durchsuchen, zu verändern und wieder abzurufen, meist über eine definierte Abfragesprache oder Programmierschnittstelle.

Moderne Datenbanken speichern strukturierte Informationen über einzelne Entitäten, also eindeutig identifizierbare Objekte wie Personen, Produkte, Bestellungen oder Ereignisse, samt ihrer Attribute und Beziehungen. Eine Datenbank ist damit der Ort, an dem Geschäftswissen maschinenlesbar abgebildet wird.

Abgrenzung zu Datei und Tabellenkalkulation: Während einzelne Dateien oder Excel-Tabellen ebenfalls Daten speichern, bietet eine Datenbank zusätzliche Funktionen wie Mehrbenutzer-Zugriff, Transaktionssicherheit, Zugriffsrechte, Suchindizes und die Fähigkeit, Millionen von Datensätzen in Sekundenbruchteilen zu durchsuchen. Excel ist im strengen Sinne keine Datenbank, sondern eine Tabellenkalkulation; für kleine Listen taugt sie, bei wachsenden Datenmengen und mehreren parallelen Nutzer:innen stößt sie an Grenzen.

Geschichte der Datenbank

Die Geschichte der Datenbank ist eine Geschichte ansteigender Abstraktion: von proprietären Datei-Systemen über relationale Modelle zu spezialisierten Datenbank-Typen für neue Anwendungsklassen.

• 1960er-Jahre: Erste hierarchische und netzwerkbasierte Datenbanken entstehen. IBMs Information Management System unterstützt 1968 das Apollo-Programm; das CODASYL-Netzwerkmodell von Charles Bachman etabliert strukturierte Datenverwaltung.
• 1970: Der britische Informatiker Edgar F. Codd veröffentlicht bei IBM das Paper „A Relational Model of Data for Large Shared Data Banks“ und begründet damit das relationale Datenbankmodell, bis heute das dominierende Konzept.
• 1974: Donald D. Chamberlin und Raymond F. Boyce entwickeln bei IBM die spätere Abfragesprache SQL als Grundlage für System R, den ersten relationalen Datenbank-Prototypen.
• 1979: Oracle Version 2 erscheint als erste kommerzielle relationale Datenbank auf dem Markt.
• 1983: Theo Härder und Andreas Reuter prägen das Akronym ACID für die Eigenschaften sicherer Transaktionen.
• 1986 / 1987: Der ANSI- und kurz darauf der ISO-Standard für die Abfragesprache wird verabschiedet, die Grundlage für herstellerübergreifende Kompatibilität.
• 1995 / 1996: MySQL und PostgreSQL starten als Open-Source-Alternativen und revolutionieren die Datenbank-Landschaft im Web.
• 1998 / 1999: Eric Brewer formuliert das CAP-Theorem, das die Abwägung zwischen Konsistenz, Verfügbarkeit und Partitions-Toleranz in verteilten Systemen beschreibt. 2002 wird es von Seth Gilbert und Nancy Lynch am MIT formal bewiesen.
• 2004 bis 2009: Die NoSQL-Bewegung entsteht als Antwort auf Web-Scale-Anforderungen. Neue Datenbanken setzen auf alternative Datenmodelle für unstrukturierte Daten und horizontale Skalierung.
• 2009: MariaDB wird als MySQL-Fork von Michael Widenius gegründet.
• 2010er-Jahre: NewSQL, In-Memory-Datenbanken und Cloud-native Datenbanken erweitern das Spektrum.
• 2020er-Jahre: Vector-Datenbanken werden zur Infrastruktur moderner KI-Anwendungen, besonders für Retrieval-Augmented Generation.

Komponenten: Datenbank vs. Datenbankmanagementsystem

In der Praxis werden die Begriffe „Datenbank“ und „Datenbankmanagementsystem“ häufig synonym verwendet, technisch sind es zwei verschiedene Dinge.

• Datenbank: die gespeicherten Daten selbst, also Tabellen, Dokumente, Schlüssel-Wert-Paare, Graph-Knoten.
• Datenbankmanagementsystem (DBMS): die Software, die den Zugriff auf die Daten verwaltet, Abfragen ausführt, Transaktionen sichert, Nutzer-Zugriffsrechte prüft und die Datenbank bei Bedarf wiederherstellt. Bekannte Beispiele sind MySQL, PostgreSQL und MongoDB.

Das ANSI/SPARC-3-Ebenen-Modell beschreibt die klassische DBMS-Architektur auf drei Abstraktionsebenen: die externe Ebene (Sicht einzelner Anwendungen), die konzeptionelle Ebene (einheitliches Datenmodell) und die interne Ebene (physikalische Speicherung). Diese Trennung erlaubt es, Anwendungs- und Speicher-Logik unabhängig voneinander weiterzuentwickeln.

Arten von Datenbanken

Datenbanken lassen sich nach ihrem Datenmodell gliedern. Jeder Typ hat Stärken für bestimmte Anwendungsklassen:

Typ	Datenmodell	Typische Einsatzfelder
Relational	Tabellen mit Zeilen und Spalten	Transaktionssysteme, Finanzen, ERP, klassische Geschäftsanwendungen
Dokument	Dokumente mit flexibler Struktur	Produktkataloge, Content-Management, flexible Schemata
Key-Value	Schlüssel-Wert-Paare	Session-Stores, Caching, schnelle Lookup-Tabellen
Spaltenorientiert	Spalten statt Zeilen	Analytics, Data Warehousing, IoT-Zeitreihen
Graph	Knoten und Kanten	Soziale Netzwerke, Empfehlungs-Engines, Beziehungs-Analysen
Vector	Numerische Vektoren	KI-Anwendungen, semantische Suche, Retrieval-Augmented Generation

Historisch ebenfalls relevant, heute aber weniger verbreitet: hierarchische Datenbanken (Baum-Struktur), Netzwerk-Datenbanken (Graph-artig, vor-relational) und objektorientierte Datenbanken (Objekte statt Tabellen). Für viele Anwendungen kommt eine Mischung verschiedener Datenbank-Typen zum Einsatz, das Prinzip der Polyglot Persistence.

Relationale Datenbanken im Detail

Relationale Datenbanken speichern Daten in Tabellen aus Zeilen (Datensätzen) und Spalten (Attributen). Das Schema legt fest, welche Spalten es gibt und welche Datentypen zulässig sind. Jeder Datensatz wird über einen Primärschlüssel eindeutig identifiziert; Fremdschlüssel verknüpfen Datensätze aus verschiedenen Tabellen und bilden so Beziehungen ab.

Abfragen erfolgen in der Regel über die standardisierte Abfragesprache SQL. Das Ergebnis einer Abfrage ist wieder eine Tabelle, was die Verkettung von Operationen erlaubt. Wichtige Konzepte sind Verknüpfungen zwischen Tabellen anhand gemeinsamer Schlüssel, beschleunigende Suchindizes und Transaktionen mit Alles-oder-Nichts-Semantik.

Typische relationale DBMS sind MySQL, MariaDB, PostgreSQL und Oracle Database. Sie werden für Anwendungen eingesetzt, bei denen Konsistenz und Integrität Priorität haben, etwa Finanzen, Buchhaltung oder ERP-Systeme.

NoSQL-Datenbanken im Detail

NoSQL steht für „Not only SQL“ und bezeichnet eine Familie von Datenbanken, die bewusst vom relationalen Modell abweichen, um bestimmte Anforderungen besser zu erfüllen, typischerweise flexible Schemata, horizontale Skalierung und hohe Schreib-/Lese-Geschwindigkeit bei verteilter Infrastruktur.

• Dokument-Datenbanken speichern Daten als Dokumente mit flexiblem Schema.
• Key-Value-Stores arbeiten mit simplen Schlüssel-Wert-Paaren, sind extrem schnell und werden oft als Cache-Layer eingesetzt.
• Spaltenorientierte Datenbanken legen Daten nach Spalten statt Zeilen ab, ideal für analytische Abfragen über sehr große Datenmengen.
• Graph-Datenbanken speichern Daten als Knoten mit Kanten und sind prädestiniert für Beziehungsanalysen, soziale Graphen und Empfehlungssysteme.

Viele NoSQL-Systeme folgen dem BASE-Modell statt der strikten ACID-Garantie, ein bewusster Kompromiss zugunsten von Verfügbarkeit und Skalierbarkeit in verteilten Systemen.

ACID, BASE und das CAP-Theorem

Datenbank-Architekt:innen müssen bei jedem System Abwägungen zwischen Konsistenz, Verfügbarkeit und Skalierbarkeit treffen. Drei Konzepte bilden dafür den theoretischen Rahmen.

• ACID steht für Atomicity, Consistency, Isolation und Durability. Eine Transaktion ist unteilbar, hinterlässt die Datenbank in einem gültigen Zustand, beeinflusst parallel laufende Transaktionen nicht und bleibt nach Abschluss dauerhaft gespeichert.
• BASE ist die pragmatische Gegenbewegung für verteilte NoSQL-Systeme: grundsätzliche Verfügbarkeit, weicher Zwischenzustand, verzögerte Konsistenz. Die Daten werden irgendwann konsistent, aber nicht zwingend sofort.
• CAP-Theorem: In einem verteilten System lassen sich Konsistenz, Verfügbarkeit und Partitions-Toleranz nicht gleichzeitig garantieren. Zwischen den drei Eigenschaften muss gewählt werden.

Datenbank-Design: Normalisierung und ER-Modell

Gut entworfene Datenbanken vermeiden Redundanz und Anomalien. Das zentrale Werkzeug dafür ist die Normalisierung, ein stufenweiser Prozess, der Daten so in Tabellen verteilt, dass Abhängigkeiten eindeutig sind. Die wichtigsten Normalformen sind die erste, zweite und dritte Normalform sowie die Boyce-Codd-Normalform.

Das Entity-Relationship-Modell (ER-Modell) von Peter Chen aus dem Jahr 1976 dient als Modellierungs-Sprache für den Entwurf: Entitäten werden als Rechtecke dargestellt, Beziehungen als Rauten, Attribute als Ellipsen. Aus dem ER-Diagramm leitet sich das relationale Schema ab.

Grundlegende Operationen auf jeder Datenbank folgen dem CRUD-Muster: Datensätze anlegen, lesen, ändern und entfernen.

Datenbanken im Web und in WordPress

Jede dynamische Website nutzt im Hintergrund eine Datenbank. WordPress etwa speichert sämtliche Inhalte wie Seiten, Beiträge, Nutzer:innen, Einstellungen und Plugin-Daten in einer relationalen Datenbank. In der überwiegenden Zahl der WordPress-Installationen kommt MySQL oder das dazu kompatible MariaDB zum Einsatz.

Auch andere Web-Anwendungen orientieren sich an der Art ihrer Daten: Online-Shops setzen traditionell auf relationale Datenbanken, weil Transaktions-Sicherheit für Bestellungen, Zahlungen und Bestandsverwaltung entscheidend ist. Content-Plattformen mit flexiblen Inhaltsstrukturen profitieren von Dokument-Datenbanken. Hochfrequente Session-Stores oder Caching-Layer werden häufig als Key-Value-Store realisiert.

Im Zeitalter von Headless-Content-Management und Schnittstellen-zentrierten Architekturen entkoppeln sich Präsentation und Datenhaltung noch stärker: Die Datenbank liefert Inhalte über eine Schnittstelle, die dann von beliebigen Frontends konsumiert werden kann, von klassischen Websites über mobile Apps bis zu Voice-Interfaces.

SQL vs. NoSQL: Welche Datenbank für welchen Zweck?

Dimension	Relational (SQL)	NoSQL
Datenmodell	Feste Tabellen, klares Schema	Flexibel: Dokument, Key-Value, Graph, Spalten
Schema	Vorab definiert, Änderungen aufwendig	Oft schemalos
Skalierung	Typisch vertikal, horizontale Skalierung komplex	Horizontal skalierbar, verteilt
Transaktionen	ACID, stark konsistent	Oft BASE, verzögerte Konsistenz
Beziehungen	Über Fremdschlüssel und Verknüpfungen	Eingebettet, denormalisiert oder Graph-Modell
Typische Anwendung	Finanzen, ERP, klassische Business-Apps	Web-Scale, Social, Analytics, IoT, KI

Eine praktische Entscheidungshilfe: Für Geschäftsdaten mit klaren Strukturen, Transaktionsbedarf und überschaubaren Volumina sind relationale Datenbanken fast immer die erste Wahl. Für flexible Produktkataloge, Event-Streams, Empfehlungs-Engines oder semantische Suche über KI-Embeddings bieten spezialisierte NoSQL- oder Vector-Datenbanken klare Vorteile.

Anwendungsfälle: Wo Datenbanken überall arbeiten

• Kundenbeziehungsmanagement (CRM): zentrale Verwaltung von Kontaktdaten, Interaktionen und Vertriebs-Pipelines.
• Enterprise Resource Planning (ERP): Integration von Warenwirtschaft, Buchhaltung, Produktion und Personal in einer gemeinsamen Datenbasis.
• E-Commerce: Produktkataloge, Warenkörbe, Bestellabwicklung, Zahlungsverkehr, siehe E-Commerce.
• WordPress und andere CMS: Speicherung von Inhalten, Nutzer:innen, Konfigurationen, siehe CMS.
• Gesundheitswesen: Patientenakten, klinische Studien, Abrechnung.
• Finanzdienstleistungen: Konten, Transaktionen, Risiko-Management, traditionell mit striktem ACID-Anspruch.
• Big Data und Analytics: Data Warehouses und Data Lakes aggregieren Daten aus verschiedenen Quellen für Reporting und Business Intelligence.
• IoT und Zeitreihen: Sensoren und vernetzte Geräte produzieren Zeitreihendaten in hohem Takt; spezialisierte Time-Series-Datenbanken optimieren die Speicherung.
• KI und semantische Suche: Vector-Datenbanken speichern Embeddings und ermöglichen Ähnlichkeitssuchen, Grundlage für moderne Chat-Assistenten, Empfehlungs-Engines und Retrieval-Augmented-Generation-Systeme.

Sicherheit und Datenschutz

Datenbanken enthalten in aller Regel besonders schützenswerte Informationen. Die Basis-Maßnahmen zur Absicherung:

• Verschlüsselung: Daten sollten sowohl im Ruhezustand als auch während der Übertragung verschlüsselt sein.
• Zugriffsrechte: nur autorisierte Nutzer:innen und Anwendungen sollten Zugriff auf konkrete Tabellen oder Datensätze haben, idealerweise nach dem Prinzip der minimalen Rechte.
• Regelmäßige Backups: systematisches Backup und getestete Wiederherstellungs-Prozeduren schützen vor Datenverlust, siehe Backup.
• Sicherheits-Updates: Datenbanksoftware benötigt zeitnahes Patchen bekannter Schwachstellen.
• Audit-Logs: lückenlose Protokollierung von Zugriffen und Änderungen erleichtert Forensik und Compliance.
• Datenschutz-Konformität: in der EU insbesondere Einhaltung der Datenschutz-Grundverordnung, Dokumentation von Verarbeitungsprozessen, Löschkonzepte und Auskunftsmöglichkeiten.

Häufige Fragen zu Datenbanken

Was ist eine Datenbank einfach erklärt?

Eine Datenbank ist eine geordnete Sammlung digital gespeicherter Informationen. Sie hilft, große Mengen von Daten zuverlässig, schnell und mehrfach zugreifbar zu verwalten, vergleichbar mit einem sehr gut sortierten Aktenschrank, der gleichzeitig von vielen Menschen genutzt werden kann.

Was ist der Unterschied zwischen Datenbank und DBMS?

Eine Datenbank ist die gespeicherte Datensammlung. Ein Datenbankmanagementsystem ist die Software, die diese Datensammlung verwaltet, Abfragen ausführt und Zugriffe steuert. MySQL oder PostgreSQL sind DBMS; die konkrete WordPress-Datenbank einer Website ist die Datenbank selbst.

Welche Arten von Datenbanken gibt es?

Die wichtigsten Typen sind relationale Datenbanken, Dokument-Datenbanken, Key-Value-Stores, spaltenorientierte Datenbanken, Graph-Datenbanken und Vector-Datenbanken für KI-Anwendungen.

Was ist der Unterschied zwischen SQL und NoSQL?

SQL-Datenbanken folgen dem relationalen Modell mit festem Schema, nutzen die standardisierte Abfragesprache und garantieren meist ACID-Eigenschaften. NoSQL-Datenbanken umfassen verschiedene nicht-relationale Modelle mit flexiblen Schemata, horizontaler Skalierung und oft weicheren Konsistenz-Garantien.

Ist Excel eine Datenbank?

Im strengen Sinne nein; Excel ist eine Tabellenkalkulation. Sie eignet sich für kleine Listen, stößt aber bei Mehrbenutzer-Zugriff, wachsenden Datenmengen, Transaktions-Sicherheit und komplexen Abfragen an Grenzen. Für produktive Datenverwaltung ist eine echte Datenbank besser geeignet.

Welche Datenbank nutzt WordPress?

WordPress verwendet standardmäßig eine relationale Datenbank, in der Regel MySQL oder das dazu kompatible MariaDB. Dort werden Seiten, Beiträge, Kommentare, Nutzer:innen, Einstellungen und Plugin-Daten gespeichert.

Was bedeutet ACID bei Datenbanken?

ACID steht für Atomicity, Consistency, Isolation und Durability, vier Eigenschaften, die relationale Datenbanken bei Transaktionen garantieren. Sie stellen sicher, dass Daten auch bei Abstürzen, parallelen Zugriffen oder teilweisen Fehlern in einem konsistenten Zustand bleiben.

Was sind Vector-Datenbanken und wofür werden sie gebraucht?

Vector-Datenbanken speichern numerische Vektoren, die Inhalte wie Texte, Bilder oder Audio maschinenlesbar abbilden. Sie bilden das Rückgrat moderner KI-Anwendungen: semantische Suche, Empfehlungen, Chat-Assistenten und Retrieval-Augmented Generation nutzen Vector-Datenbanken, um inhaltlich ähnliche Datensätze in Millisekunden zu finden.