Drei Elemente beeinflussen die Effektivität einer Unternehmensanwendung: Die Qualität des Codes, die User Experience (UX) und das Datenmodell. Letzteres ist nicht nur Sache der IT-Abteilung, sondern muss für ein optimales Ergebnis von fachlich relevanten Stakeholdern mitgestaltet werden.

Wir erklären, was sich hinter einem Datenmodell verbirgt, welche Bedeutung es für interne Prozesse spielt und welche Arten von Modellen Unternehmen in welchen Fällen nutzen sollten.

Definition: Was ist ein Datenmodell?

In der Literatur existieren verschiedene, teils sehr detaillierte Definitionen für den Begriff Datenmodell. Für den Unternehmensalltag reicht aus unserer Sicht eine einfachere, pragmatische Beschreibung aus, die eine gemeinsame Verständnisgrundlage sichert.

Ein Datenmodell, auch Datenbankschema oder Datenschema, beschreibt aktuelle oder geplante Datenstrukturen für einen Use Case im Unternehmen. Dabei werden Daten und ihre Beziehungen zueinander visualisiert, wobei die Visualisierung aus technischer oder fachlicher Perspektive geschehen und IT-Systeme, Mitarbeiter und Arbeitsabläufe umfassen kann.

Was ist der Nutzen eines Datenmodells?

Schnellerer Time-to-Value

Datenmodelle bieten eine statische Übersicht über die Daten und Datenbeziehungen in einem Anwendungsbereich. Gerade bei komplexen Use Cases ist es hilfreich, diese vor dem eigentlichen Coding zu gewinnen. Wenn IT- und Fachabteilungen Datenmodelle vorab diskutieren, lassen sich Korrekturen im Entwicklungsprozess minimieren. Datenmodellierung kann die Kosten für Programmierung so um 60 bis 75 Prozent senken.

Kostenreduktion

Datenmodelle vereinfachen es, die Datenquellen in einem Unternehmen so zu vernetzen, dass technische Kapazitäten effizient genutzt werden. Damit sinken die Kosten für Hardware bzw. Speicherplatz. Gleichzeitig gewinnt die IT-Infrastruktur an Übersichtlichkeit, sodass Wartungen schneller und kostengünstiger erfolgen können.

Effektive Kommunikation

Ein semantisches Datenmodell schafft eine Kommunikationsbasis für sämtliche Stakeholder des Projekts. Die Erstellung zwingt Mitarbeiter, ihre Ideen klar und nachvollziehbar zu strukturieren. Stakeholder nutzen ein gemeinsames Vokabular, wenn sie sich bei Anforderungen und Änderungswünschen auf das Datenmodell beziehen.

Hohe Datenqualität

Datenmodelle bilden einen Referenzpunkt für die Qualitätssicherung, sodass jederzeit ein Ist-/Soll-Abgleich zwischen Planung und aktuellem Umsetzungsstand erfolgen kann. Da sie einen Überblick über die Datenstrukturen im Unternehmen geben, helfen so bei Planung effektiver Datenintegrationsprozesse.

Arten von Datenmodellen

Datenmodell ist ein Überbegriff. Je nach Projektphase und Abteilung werden unterschiedliche Methoden zur Datenmodellierung verwendet.

Konzeptionelles Datenmodell / Semantisches Datenmodell

Diese Art von Datenmodell wird meist zuerst und von Business Stakeholdern erstellt, um Geschäftsprozesse zu entwickeln. Mithilfe von Texten und Grafiken beschreibt das Modell Objekte der realen Welt sowie ihre Eigenschaften und setzt diese Geschäftsobjekte in Beziehung zueinander. Als Objekt würde zum Beispiel ein Produkt wie eine Hydraulikpumpe aufgeführt, als Eigenschaften die Produktkategorie, das Gewicht und die Farbe.

Logisches Datenmodell

Das logische Datenmodell wird aus technischer Perspektive erstellt. Es erweitert das konzeptionelle Datenmodell um Informationen, zum Beispiel zu Datenformaten, Attributen und Schlüsseleigenschaften. So kann das Datenmodell in ein herstellerunabhängiges Datenbankmanagement-Systems (DBMS) überführt werden.

Physisches Datenmodell

Für die Verwendung im operativen Betrieb muss das logische Datenmodell je nach verwendetem DBMS herstellerspezifisch erweitert und formatiert werden. Beim relationalen Datenmodell müssen die Daten zum Beispiel Tabellen und Spalten zugeordnet werden und Berechtigungen, Auslöser und Sichten müssen angelegt werden. Die Übertragung und Anpassung des logischen Datenmodells in die Syntax des jeweiligen DBMS lässt sich teilweise automatisieren.

Datenmodell erstellen: Wie sollten Unternehmen vorgehen?

Welche Methoden und Technologien Unternehmen zur Erstellung eines Datenmodells verwenden, ist abhängig vom Anwendungszweck und der vorhandenen IT-Infrastruktur. Einige Grundprinzipien haben sich jedoch immer bewährt.

Top down

Immer empfehlenswert ist ein Top-Down-Ansatz. Dabei wird die Technologie dem Einsatzszenario untergeordnet. Bezogen auf die Datenmodellierung heißt das: Zunächst erstellen Business-Entscheider ein semantisches Datenmodell, anschließend entwickelt die IT-Abteilung das logische Datenmodell. Dieses wird abgestimmt, freigegeben und in ein physisches Datenmodell übersetzt.

Inkrementell

Ein Datenmodell entsteht demnach im Idealfall inkrementell, in aufeinander aufbauenden Iterationen, wobei technische und fachliche Stakeholder in engem Austausch stehen sollten. Fehler, die in der Datenmodellierung gemacht werden, ziehen erhebliche Kosten nach sich.

Flexibel

Unternehmen sollten darauf achten, dass ihr Tool für die Datenmodellierung sich möglichst unkompliziert mit ihren bestehenden Systemen verbinden kann. Ebenfalls mitzubedenken sind zukünftige Unternehmensentwicklungen und eventuell steigende Anforderungen an die Datenmodellierung. Lösungen sollten im besten Fall einfach skalieren können bzw. sich modular erweitern lassen.

Versioniert

Auch die Nutzung von Versionierung ist empfehlenswert. Viele Tools zur Datenmodellierung bieten im Standard eine Historie an, sodass Nutzer Änderungen und ihre Auswirkungen bis auf Geschäftsobjektebene nachvollziehen können. Eine Datenbankversionierung hilft nicht nur bei der Fehlersuche, sondern beschleunigt die Problemlösung um ein Vielfaches und trägt zur Transparenz im Datenmanagement bei.

Überlegt

Da Datenmodelle die Basis für Datenbanken legen, entscheidet die Qualität des Datenmodells über die Wertschöpfung, die Unternehmen aus ihren Daten ziehen können. Deswegen und da die Lebensdauer von Datenmodellen weit über die einzelner Anwendungen hinausreicht, sollten Unternehmen ausreichend Zeit und Ressourcen für die Konzeption und Implementierung aufwenden.

Häufige Fragen rund um Datenmodell

Datenerfolg ist planbar

Schöpfen Sie den Wert aus, der in Ihren Datenbeständen liegt. Mit einer ganzheitlichen Datenstrategie.
Ihr Webbrowser ist veraltet

Aktualisieren Sie Ihren Browser damit diese Webseite richtig dargestellt werden kann.

Zur Infoseite browser-update.org