Vier Übungsaufgaben zu Unterabfragen und Mengenoperationen, zwei davon für den Einstieg – Vergleich mit berechneten Werten, IN, NOT IN mit NULL-Falle, EXISTS, korrelierte Unterabfragen, Prozentanteile, ALL, abgeleitete Tabellen, UPDATE und DELETE mit Unterabfrage, Archivieren, Merkmalstabellen, typische Fehlerbilder sowie UNION, UNION ALL, INTERSECT und EXCEPT.
Eine Unterabfrage ist eine SELECT-Abfrage in Klammern, deren Ergebnis eine andere Abfrage weiterverwendet – als einzelner Wert, als Liste, als Tabelle oder als Wahrheitswert mit EXISTS. Der Artikel zeigt Unterabfragen in WHERE, SELECT und FROM, korrelierte Unterabfragen, Werte aus Merkmalstabellen, die NULL-Falle bei NOT IN und typische Fehlerbilder, Prozentanteile, ANY und ALL, Archivieren mit INSERT … SELECT und DELETE sowie die Mengenoperationen UNION, UNION ALL, INTERSECT und EXCEPT in MariaDB.
Mit den Ablaufsteuerungsfunktionen von SQL triffst Du Entscheidungen innerhalb einer Abfrage: CASE WHEN … END und IF() geben je nach Bedingung unterschiedliche Werte aus, COALESCE und IFNULL ersetzen fehlende Werte, NULLIF erzeugt gezielt NULL. Der Artikel zeigt die Funktionen in Projektion, Sortierung und Bedingungen und nennt die Schreibweisen anderer DBMS.
Sechs Übungsaufgaben zum Einfügen, Ändern und Löschen von Datensätzen – mit Preisänderungen, Fallunterscheidungen, Archivtabellen, Fremdschlüsseln, Transaktionen, Anonymisierung, Datenübernahme in ein neues Tabellenschema, Terminverschiebungen und typischen Fehlern.
Fünf Übungsaufgaben zu Aggregatfunktionen, GROUP BY und HAVING – mit Umsatzauswertungen, Auslastungen, Altersstatistiken, Archivtabellen, Deckungsbeiträgen, Streuungsmaßen, Zustelldauern und typischen Fehlern.
Drei Übungsaufgaben zu einfachen SELECT-Abfragen auf einer Tabelle – mit Spaltenauswahl und Aliasen, Bedingungen mit LIKE, BETWEEN, IN und NULL, Zählen, DISTINCT, den ersten n Zeilen, Vergleich mit dem Durchschnitt, Sortierung, Zeichenketten- und Datumsfunktionen, Postleitzahlen als Text, der Einordnung in DDL/DML/DQL sowie typischen Fehlern.
Mit ORDER BY legst Du die Reihenfolge der Ergebniszeilen fest – nach mehreren Spalten, auf- oder absteigend, auch nach Aliasen und Ausdrücken. Mit LIMIT gibst Du nur die ersten Zeilen aus, etwa für Ranglisten, Seiten oder das jüngste Mitglied. Der Artikel zeigt außerdem die typischen Stolperfallen: Sortieren „nach Alter“, Zahlen als Text, NULL-Werte und Gleichstand.
Drei Übungsaufgaben zur Rechteverwaltung in MariaDB: Für das Werkstattportal eines Fahrradherstellers überträgst Du ein Einrichtungsskript aus einer PostgreSQL-Anleitung nach MariaDB und richtest Konten ein (Stufe 2), für eine Mitfahr-App entwickelst Du ein Berechtigungskonzept und korrigierst ein fehlerhaftes Skript (Stufe 3), und für eine Freizeit-App prüfst Du vorgefundene Rechte gegen ein Rechtekonzept und korrigierst sie mit Rollen, Spaltenrechten und einer anonymen Auswertungssicht (Stufe 3).
Nicht jede Person und nicht jedes Programm soll alles in einer Datenbank dürfen. Mit der Data Control Language (DCL) richtest Du Datenbanken für neue Anwendungen ein, legst Benutzer an (CREATE USER), vergibst Rechte (GRANT), entziehst sie wieder (REVOKE) und bündelst sie in Rollen. Dieser Artikel zeigt die Befehle in MariaDB-Notation, wie Du aus einem Anforderungstext ein Berechtigungskonzept entwickelst und welche Fehler häufig passieren.
Vier Übungsaufgaben zur SQL-DDL: Tabellen mit Datentypen, Primär- und Fremdschlüsseln, NOT NULL, UNIQUE, DEFAULT und CHECK anlegen, bestehende Tabellen mit ALTER TABLE umbauen, Indizes setzen, Tabellen archivieren und löschen, fehlerhafte CREATE-TABLE-Anweisungen korrigieren sowie in einer Mitfahr-App Datentypen begründen, eine Tabelle nachträglich per Fremdschlüssel einbinden, Messwerte speichern und berechnete Spalten anlegen.
Zwei Übungsaufgaben zur Datenauswertung: Du berechnest die Anteile der Bestellwege eines Fahrradhändlers über vier Monate, wählst ein passendes Diagramm für die Entwicklung, unterscheidest absolute und relative Veränderungen, berechnest Mittelwert, Median, Modus, Spannweite und Standardabweichung von Montagezeiten und ermittelst sie mit SQL. Danach deckst Du Lesefallen in einem Diagramm zum Stromverbrauch auf, berechnest Wochen- und Spitzenauslastung von Laborräumen für eine Investitionsentscheidung und beurteilst Temperaturreihen mit Mittelwert und Standardabweichung.
Aus Zahlen werden erst durch Auswertung und Darstellung Entscheidungen. Der Artikel zeigt, wie Du absolute und relative Häufigkeiten und Anteile aus mehreren Gruppen richtig berechnest, Mittelwert, Median und Modus bestimmst und die Streuung mit Spannweite, Varianz und Standardabweichung beschreibst. Du berechnest Auslastungen aus Nutzungsdaten, ermittelst die Kennzahlen mit SQL und Tabellenkalkulation, wählst das passende Diagramm samt Achsen, Legende und ggf. zweiter y-Achse und leitest aus Daten begründete Erkenntnisse ab, ohne in typische Fallen wie „Korrelation gleich Ursache“ zu tappen.
Zwei Übungsaufgaben: Für einen Fahrrad-Onlineshop grenzt Du Data Warehouse, Data Mart und Data Lake ab, entwickelst aus einem Verkaufsexport ein Sternschema, legst die Faktentabelle mit SQL an, wertest sie aus und erläuterst anhand eines englischen Textes Surrogatschlüssel. Danach planst Du für die Veranstaltungen eines Berufskollegs die Zusammenführung von Check-in-, Sensor- und Anmeldedaten: zentrale oder dezentrale Speicherung, ETL-Schritte und Transformationen mit Datentypen, Datenschutz und ETL oder ELT.
Sechs Übungsaufgaben: Du migrierst Kontakte früherer Barcamps, importierst die Mitfahrbörse einer Schülervertretung, meldest Mängel der Mitfahrstatistik in einem kurzen Befundbericht, übernimmst Händlerdaten in ein neues Händlerportal, prüfst Schweißdaten eines Fertigungspartners und wertest Nacharbeit und Prüfprotokolle aus. Dabei legst Du Fehlerprotokolle an, vergleichst und bewertest Migrationswege, findest Schwachstellen in einem Migrationsplan, wertest Importprotokolle aus, korrigierst einen Primärschlüssel, formulierst Umwandlungsregeln, prüfst Daten mit SQL und CHECK-Constraints, unterscheidest Validierung und Verifizierung, teilst Rohdaten in Klassen ein und entwirfst eine Datenliefervereinbarung.
Drei Übungsaufgaben zu Normalisierung und Anomalien: eine Altdatenliste Schritt für Schritt in die erste, zweite und dritte Normalform bringen und mit SQL prüfen, eine Einkaufsliste auf Redundanz, Anomalien und Inkonsistenzen untersuchen, einen Tabellenentwurf korrigieren und direkt ein Relationenmodell in der dritten Normalform erstellen sowie ein bestehendes Modell erweitern, Abhängigkeiten erläutern und CSV-Daten bereinigt übernehmen.
Fünf Übungsaufgaben zu Verbünden über mehrere Tabellen – vom einfachen INNER JOIN über LEFT, RIGHT und nachgebauten FULL JOIN bis zu Tabellen in mehreren Rollen, zusammengesetzten Join-Bedingungen, Anti-Joins, Vervielfachung beim Zählen sowie UPDATE und DELETE mit JOIN, außerdem Zeitspannen-Auswertungen, DISTINCT-Abfragen und Verbünde mit pandas.
In relationalen Datenbanken sind zusammengehörige Daten auf mehrere Tabellen verteilt. Mit JOIN fügst Du sie in einer Abfrage wieder zusammen: Der innere Verbund liefert nur Zeilen mit Partner, die äußeren Verbünde (LEFT, RIGHT, FULL) auch Zeilen ohne Partner. Der Artikel zeigt Kreuzprodukt, Join-Bedingungen über mehrere Tabellen und Spalten, Selbstverknüpfung, Anti-Join, die Falle „Bedingung in WHERE statt ON“, Vervielfachung beim Zählen sowie UPDATE und DELETE mit JOIN in MariaDB.
Am Beispiel einer Rechnungsdatenbank erstellst Du SQL-Befehle mit Unterabfragen, Aggregationen, Joins und Transaktionen.
Mobilitätsdatenbank erstellen: Übungsaufgabe/Gruppenklassenarbeit, um in Kleingruppen in kürzester Zeit eine Datenbank anhand der Anforderungsbeschreibung zu Modellieren (ERD, RM, SQL-DDL)
Die Mustererkennung Regulärer Ausdrücke (RegEx) ermöglicht Automatisierungen an Stellen, wo Handarbeit mühsam und langwierig ist. Telefonnummern in unterschiedlichen Formaten gespeichert? In einer CSV-Datei alle Spalten in verkehrter Reihenfolge? Wo stecken im Fließtext Geldbeträge mit Nachkommastellen? Derlei Aufgaben lassen sich mit RegEx lösen – besser, man kennt sie!
DELETE-Statements löschen selektierte Datensätze. Sie gehören zur DML-Sprachfamilie, lassen also die Datenstruktur (z. B. auch den Zähler für automatisch vergebene Schlüssel) unangetastet. Der Artikel zeigt das Löschen mit Unterabfragen, die Wirkung von Fremdschlüsseln, das Archivieren in einer Transaktion und den Unterschied zu TRUNCATE und DROP.
UPDATE-Statements ändern den Inhalt von selektierten Datensätzen. Die Werte können aus Literalen, Subqueries oder Formeln stammen. Der Artikel zeigt prozentuale Änderungen, Bedingungen über andere Tabellen, Fallunterscheidungen mit CASE, den Umgang mit NULL und typische Fehler.
INSERT-Statements sind zuständig dafür, neue Datensätze in die Tabellen einzufügen. Als Datenquelle können Literale oder SELECT-Statements dienen. Der Artikel zeigt, welche Werte nicht genannte Spalten erhalten, wie man mehrere Zeilen auf einmal oder Abfrageergebnisse (z. B. für ein Archiv) einfügt und woran ein INSERT scheitern kann.
Die Informationen, ob es sich bei einem Attribut um ein Schlüsselattribut handelt, ob es eingabepflichtig oder einzigartig ist: all das wird über Constraints festgelegt. Es gibt unterschiedliche Möglichkeiten, Constraints festzulegen. Einige werden hier mit Beispielen in MariaDB-Notation vorgestellt: Primär- und Fremdschlüssel (auch zusammengesetzt), NOT NULL, DEFAULT, UNIQUE, CHECK und die Regeln beim Löschen referenzierter Datensätze.
Alle Datenbankmanagementsysteme verfügen über ein ähnliches Set an Datentypen. Aber leider heißen sie oft anders und haben einen geringfügig anderen Funktionsumfang. Ich habe hier versucht, für die wichtigsten DBMS die Namen der Standardtypen zusammenzustellen; für Detailunterschiede muss ich aber auf die jeweiligen Dokumentationen der DBMS verweisen. Am Ende steht eine Entscheidungshilfe, welcher Datentyp für welche Information passt.
SQL besteht aus mehreren Teilsprachen, die sich mit der Datenbankstruktur (DDL), dem Datenbankinhalt (DML) und den Berechtigungen (DCL) beschäftigen. In diesem Artikel soll es zunächst um die Grundlagen der Struktur gehen, die in der Data Definition Language (SQL-DDL) beschrieben wird. Du lernst, Datenbanken und Tabellen anzulegen, Tabellen nachträglich umzubauen, sie zu löschen und Indizes für schnelle Abfragen zu setzen.
Grundlagenaufgaben zur Data Definition und Data Manipulation Language am Beispiel der entworfenen Let’s Meet Datenbank. Da deren Daten als SQL-Importskript vorliegen können die Aufgaben auch unmittelbar im DBMS ausprobiert werden.
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.
Aggregatfunktionen wie COUNT, SUM, AVG, MIN und MAX fassen die Werte vieler Zeilen zu einem Wert zusammen – für die ganze Tabelle oder mit GROUP BY je Gruppe. Mit HAVING filterst Du nach diesen Ergebnissen. Der Artikel zeigt außerdem, wie NULL-Werte, Verbünde (JOIN) und Prozentrechnungen die Ergebnisse beeinflussen, wie Du mit Aggregaten weiterrechnest (z. B. Deckungsbeitrag), Streuung und Zeitdauern auswertest und welche Fehler typisch sind.
In der Projektion eines SELECT-Statements können Funktionen genutzt werden, die skalar oder aggregierend sind, die Zahlen, Zeichenketten, Datumswerte oder auch die Ablaufsteuerung betreffen. Dieser Artikel gibt eine kurze Übersicht für MariaDB/MySQL und andere DBMS und zeigt typische Anwendungen: Alter berechnen, Nummern zerlegen, Namen kürzen.
