Fortgeschrittene Datenbanktechnologien

Fakultät

Fakultät Ingenieurwissenschaften und Informatik (IuI)

Version

Version 1 vom 27.11.2025.

Modulkennung

11B0556

Niveaustufe

Bachelor

Unterrichtssprache

Deutsch

ECTS-Leistungspunkte und Benotung

5.0

Häufigkeit des Angebots des Moduls

unregelmäßig

Dauer des Moduls

1 Semester

 

 

Kurzbeschreibung

Die Persistierung von Daten in Datenbanken in der Praxis erfolgt heute primär durch relationale Datenbanken oder . Ansätze wie Cloud- und noSQL-Datenbanken sind praxistauglich und eröffnen Möglichkeiten, die durch aktuelle relationale Datenbankmanagementsysteme oftmals nicht geboten werden können. Dieses Modul führt Studierende in aktuelle Datenbankkonzepte ein und versetzt die Studierenden in die Lage, geeignete Datenbanken auszuwählen und anzuwenden. Neben seminaristischen Vorlesungen liegt ein Fokus auf der praktischen Anwendung des Erlernten.

Lehr-Lerninhalte

  1. Überblick aktueller Datenbankmanagementsysteme
     1. Anwendungsgebiete und Restriktionen
     2. Aktuelle wissenschaftliche Entwicklungen des Datenmanagements
  2. Fortgeschrittene Sprachkonzepte
     1. Anfrageoptimierung
     2. Datenbanktuning
  3. Auswahl und Betrieb moderner Datenbankmanagementsysteme
  4. Einführung NOSQL-Datenbanken, u.a.
     1. Schema on read / Schema on write
     2. Dokumentenorientierte Datenbankmanagementsysteme
     3. Key-Value-Stores
     4. (Multi-)Column-Stores
     5. Graph-Datenbanken
  5. Verwaltung komplexer Daten, u.a.
    1. temporale Daten
    2. geografische Daten
    3. Bilddaten
    4. semistrukturierte Daten
  6. Überblick über skalierbare Datenbewirtschaftungsarchitekturen, z.B.
    1. Parallele Datenbanken
    2. Verteilte Datenbanken
    3. Distributed Ledger (private und public)
    4. Data Warehousing
    5. Pub-/Sub-Systeme
    6. Mediator-/Wrapper-Architekturen
    7. Datenraumkonzepte und -initiativen
  7. Weiterführende Konzepte
     1. Ereignisverarbeitung
     2. Datenstrommanagement
  8. Aktuelle Entwicklungen des Datenmanagements
  9. Anwendungsbeispielle aus der Praxis

Gesamtarbeitsaufwand

Der Arbeitsaufwand für das Modul umfasst insgesamt 150 Stunden (siehe auch "ECTS-Leistungspunkte und Benotung").

Lehr- und Lernformen
Dozentengebundenes Lernen
Std. WorkloadLehrtypMediale UmsetzungKonkretisierung
15VorlesungPräsenz oder Online-
30betreute KleingruppenPräsenz oder Online-
15SeminarPräsenz oder Online-
Dozentenungebundenes Lernen
Std. WorkloadLehrtypMediale UmsetzungKonkretisierung
45Arbeit in Kleingruppen-
30Erstellung von Prüfungsleistungen-
15Veranstaltungsvor- und -nachbereitung-
Benotete Prüfungsleistung
  • mündliche Prüfung oder
  • Hausarbeit
Unbenotete Prüfungsleistung
  • experimentelle Arbeit oder
  • regelmäßige Teilnahme
Bemerkung zur Prüfungsart

Die Auswahl der benoteten und unbenoteten Prüfungsarten aus den vorgegebenen Optionen obliegt der jeweiligen Lehrperson. Diese hält sich dabei an die jeweils gültige Studienordnung.

Prüfungsdauer und Prüfungsumfang

Benotete Prüfungsleistung:

  • Mündliche Prüfung: siehe Allgemeiner Teil der Prüfungsordnung
  • Hausarbeit - Ausarbeitung ca. 15 Seiten, begleitender Vortrag ca. 10 Minuten

Unbenotete Prüfungsleistung:

  • Experimentelle Arbeit: Experiment: insgesamt ca. 5 Versuche
  • Regelmäßige Teilnahme: Anwesenheit von mind. 80% der Veranstaltung

Empfohlene Vorkenntnisse

Kenntnisse analog einführender Lehrveranstaltung zu Datenbanken werden empfohlen.

Studierende, die ihre Kenntisse auffrischen wollen, sei folgende Literatur empfohlen:

* R. Elmasri, S. Navathe, Fundamentals of database systems (2016) 

Wissensverbreiterung

Die Studierenden kennen aktuelle Paradigmen der Datenspeicherung sowie Datenbankmanagementsysteme, die diesen Paradigmen folgen.

Wissensvertiefung

Die Studierenden haben vertiefte Kenntnis im Umgang mit diesen Systemen (in Bezug auf Modellierung, Persistierung von Daten und dem Datenzugriff).

Wissensverständnis

Die Studierenden sind in der Lage, aktuelle Datenbankmanagementsysteme in der Praxis einzusetzen. Sie kennen entsprechendes Fachvokabular und Konzepte und können dieses anwenden.

Nutzung und Transfer

Die Studierenden sind in der Lage, bei gegebener Aufgabenstellung ein geeignetes Datenbankmanagementsystem/ eine geeignete Datenrepräsenation auswählen auswählen, die erforderlichen Datenstrukturen modellieren und mittels einer Hochsprache auf diese Systeme zugreifen. Dies bezieht sich auf die Übertragung in verschiedene Fachdomänen.

Kommunikation und Kooperation

Die Studierenden sind in der Lage, die Arbeitsweise der persistierenden Datenverarbeitung verschiedener Datenbankmanagementsystemen zu erläutern und das entsprechende Vokabular in Fachgesprächen zu nutzen.

Literatur

Redmon, Wilson: Sieben Wochen, sieben Datenbanken, O'Reilly

Özsu, Valduriez: Principles of Distributed Database Systems, Prentice Hall Luckham, D.: The Power Of Events, Addison Wesley

Gyllstrom et.al.: On Supporting Kleene Closure over Event Streams, ICDE, 2008

Agrawal et.al.: Efficient Pattern Matching over Event Streams, SIGMOD 2008

Han, Kamber: Data Mining Concepts and Techniques, Morgan Kaufmann Publishers

Bauer, Günzel: Data Warehouse Systeme, D-Punkt

H. Plattner: Lehrbuch In-Memory Data Management: Grundlagen der In-Memory-Technologie, Springer, 2013

J. Freiknecht: Big Data in der Praxis: Lösungen mit Hadoop, HBase und Hive. Daten speichern, aufbereiten, visualisieren, Hanser, 2014

N. Marz: Big Data: Principles and Best Practices of Scalable Realtime Data Systems, Manning Pubn, 2015

A. Schütz, T. Fertig: Blockchain für Entwickler: Das Handbuch für Software Engineers, Grundlagen, Programmierung, Anwendung, Rheinwerk, 2019

N. Marz, J. Warren: Big Data: Entwicklung und Programmierung von Systemen für große Datenmengen und Einsatz der Lambda-Architektur, mitp Professional, 2016

S. Edlich: NoSQL: Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken, Hanser, 2011

 

 

 

 

H. Plattner: Lehrbuch In-Memory Data Management: Grundlagen der In-Memory-Technologie, Springer, 2013

J. Freiknecht: Big Data in der Praxis: Lösungen mit Hadoop, HBase und Hive. Daten speichern, aufbereiten, visualisieren, Hanser, 2014

N. Marz: Big Data: Principles and Best Practices of Scalable Realtime Data Systems, Manning Pubn, 2015

A. Schütz, T. Fertig: Blockchain für Entwickler: Das Handbuch für Software Engineers, Grundlagen, Programmierung, Anwendung, Rheinwerk, 2019

N. Marz, J. Warren: Big Data: Entwicklung und Programmierung von Systemen für große Datenmengen und Einsatz der Lambda-Architektur, mitp Professional, 2016

S. Edlich: NoSQL: Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken, Hanser, 2011

H. Atwal: Practical DataOps - Delivering Agile Data Science at Scale, Apress, 2020

Verwendbarkeit nach Studiengängen

  • Informatik - Medieninformatik
    • Informatik - Medieninformatik B.Sc. (01.09.2025)

  • Informatik - Technische Informatik
    • Informatik - Technische Informatik B.Sc. (01.09.2025)

    Modulpromotor*in
    • Tapken, Heiko
    Lehrende
    • Tapken, Heiko