Übung/Klassenarbeit DB-Modellierung Mobilität
Mobilitätsdatenbank erstellen: Übungsaufgabe/Gruppenklassenarbeit, um in Kleingruppen in kürzester Zeit eine Datenbank anhand der Anforderungsbeschreibung zu Modellieren (ERD, RM, SQL-DDL)
Normalisierung
Übung/Klassenarbeit DB-Modellierung Server
Server-Datenbank erstellen: Übungsaufgabe/Gruppenklassenarbeit um in Kleingruppen in kürzester Zeit eine Datenbank anhand der Anforderungsbeschreibung zu Modellieren (ERD, RM, SQL-DDL)
„Let’s Meet-Datenbank“ Beispielumsetzung Teil 3: Normalisierung
Dies ist der dritte Teil (Normalisierung) einer Beispiellösung für die „Let’s Meet“ Datenbank-Lernsituation. Die Daten sollen nun über Zeichenkettenoperationen, JOIN, UNION und Subselects im Bestand normalisiert und in neue Tabellen übernommen werden.
„Let’s Meet-Datenbank“ Beispielumsetzung Teil 1: Modellierung
Dies ist der erste Teil (Modellierung) einer Beispiellösung für die Let’s Meet“ Datenbank-Lernsituation. Es führen viele Wege zum Ziel – der einzig richtige ist der Weg, den man selbstständig gegangen ist. Daher ist diese Variante bestenfalls als eine Ideenskizze zu verstehen, die genutzt werden kann, wenn man nicht mehr weiterkommt. Einige Schritte habe ich bewusst etwas umständlicher realisiert, um so bestimmte Techniken des Datenbankentwurfs bzw. Abfragetechniken darstellen zu können.
Klassenarbeit / Übungsaufgabe zur Datenbank-Modellierung
Ein zarter Versuch der neuen Prüfungskultur: Wie könnte eine kollaborative Klassenarbeit aussehen? Dreiergruppen führen eine Stromzähler-Datenbank-Modellierung durch und veröffentlichen die Modelle (ERM, RM, SQL-DDL) im git-Repository.
Lernsituation: Migration der Let’s Meet-Datenbank
Es ist nur noch eine Gesamtübersicht einer Datenbank in einer Tabelle vorhanden. Aus diesen Daten soll die ursprüngliche DB wiederhergestellt werden. Diese soll modelliert, importiert und im Bestand normalisiert werden. (DB Entwurf, Normalisierung, SQL-DDL, SQL-DML, Container, DBMS-Frontends und -Backends).
Normalisierung von logischen Datenmodellen
Unzureichend geplante Datenmodelle führen zu Inkonsistenzen und Problemen beim Löschen, Aktualisieren und Löschen. Wir wollen hier einen Blick auf das Regelwerk werfen, dass uns vor diesen Anomalien schützt – und herausfinden, ob man immer normalisieren muss.