Entity-Relationship-Modell

Ein Entity-Relationship-Diagramm (ER-Diagramm) ist eine Art Flussdiagramm, das zeigt, welche Beziehungen zwischen „Entitäten“ wie Menschen, Objekten und Konzepten innerhalb eines Systems bestehen. ER-Diagramme werden häufig eingesetzt, um in den Bereichen Softwareentwicklung, Wirtschaftsinformatik, Bildung und Forschung relationale Datenbanken zu entwerfen oder zu debuggen. ER-Diagramme sind auch bekannt als ER-Diagramme oder ER Modelle. Bei diesen Diagrammen wird anhand einer begrenzten Anzahl von Symbolen wie Rechtecken, Rauten, Ovalen und Verbindungslinien die Vernetzung zwischen Entitäten, Beziehungen und deren Attributen dargestellt. Dabei imitieren sie grammatische Strukturen, mit Entitäten als Substantiven und Beziehungen als Verben.

ER-Diagramme ähneln Datenstrukturdiagrammen (DSD). Letztere stellen, anstelle von Beziehungen innerhalb der Entitäten, die Beziehungen der Elemente innerhalb von Entitäten dar. ER-Diagramme werden oft auch in Verbindung mit Datenflussdiagrammen (DFD) genutzt. Diese stellen den Informationsfluss für Prozesse und Systeme dar.

ERDs finden nicht nur im Zusammenhang mit Datenbanken und Datenflüssen Anwendung, sondern sind auch für andere Bereiche von Nutzen. Um Ihnen die Vorteile des ER-Modells näherzubringen, haben wir Ihnen hier die gängigsten Anwendungsbereiche zusammengefasst.

Datenbank-Design

ER-Diagramme werden bei relationalen Datenbanken verwendet, um Logik und Geschäftsregeln (in einem logischen Datenmodell) sowie die spezifische Technologie, die (in einem physischen Datenmodell) implementiert werden soll, zu planen und zu modellieren. In der Softwareentwicklung werden ER-Diagramme oft genutzt, um die Anforderungen für ein Informationssystemprojekt zu bestimmen. Später kommen sie wieder zum Einsatz, um eine oder mehrere spezifische Datenbanken zu erstellen. Eine relationale Datenbank verfügt über eine äquivalente relationale Tabelle und kann potenziell auch auf diese Weise ausgedrückt werden.

Datenbank-Fehlerbehebung

ER-Diagramme werden verwendet, um bestehende Datenbanken zu analysieren, um so Probleme in der Logik oder Umsetzung zu finden und zu beheben. Durch Anfertigung des Diagramms sollte erkennbar werden, was nicht richtig funktioniert.

Betriebliche Informationssysteme

Die Diagramme werden verwendet, um relationale Datenbanken, die in Geschäftsprozessen eingesetzt werden, zu erstellen und zu analysieren. Jeder Geschäftsprozess, in dem Datenfelder mit Entitäten, Aktionen und Beziehungen verwendet werden, können potenziell von einer relationalen Datenbank profitieren. Sie helfen, Prozesse zu optimieren, Informationen leichter herauszuarbeiten und Ergebnisse zu verbessern.

Business Process Reengineering (BPR)

ER-Modelle helfen bei der Analyse von Datenbanken, die im Bereich Business Process Reengineering eingesetzt werden, und bei der Modellierung neuer Datenbank-Setups.

Bildung

Heutzutage werden Datenbanken zur Speicherung und Abfrage von relationellen Informationen zu Bildungszwecken eingesetzt. Bei der Planung dieser Datenstrukturen können sich ER-Diagramme als sehr wertvoll erweisen.

Forschung

Ein großer Teil der Forschung beruht auf strukturierten Daten. ERDs können eine wichtige Rolle dabei spielen, nützliche Datenbanken zu erstellen, um diese Daten zu analysieren.

ER-Diagramme bestehen aus Entitäten, Beziehungen und Attributen. Sie zeigen auch Kardinalität, also Beziehungen ausgedrückt in Zahlen. Im Folgenden Erläutern wir diese Begriffe im Detail. 

Entität

Ein definierbares Ding wie eine Person, ein Gegenstand, Konzept oder Ereignis, zu dem es gespeicherte Daten geben kann. Stellen Sie sich Entitäten als Substantive vor. Beispiele: Ein Kunde, Student, Auto oder Produkt. Typischerweise dargestellt als Rechteck.

Entitätstyp: Eine Gruppe von definierbaren Dingen wie Studenten oder Sportler. Bei der Entität hingegen würde es sich um den spezifischen Studenten oder Sportler handeln. Weitere Beispiele: Kunden, Autos oder Produkte.

Entitätsmenge: Wie ein Entitätstyp, aber definiert zu einem bestimmten Zeitpunkt, beispielsweise Studenten, die am ersten Tag in einem Kurs eingeschrieben sind. Andere Beispiele: Kunden, die im letzten Monat einen Einkauf getätigt haben; Fahrzeuge, die derzeit in München registriert sind. Ein verwandter Begriff ist „Instanz“. Die spezifische Person oder das Auto wäre eine Instanz der Entitätsmenge.

Entitätskategorien: Entitäten werden als stark, schwach oder assoziativ kategorisiert. Eine starke Entität kann allein durch die eigenen Attribute definiert werden, was bei einer schwachen Entität nicht möglich ist. Eine assoziative Entität verbindet Entitäten (oder Elemente) innerhalb einer Entitätsmenge. 

Entitätsschlüssel: Bezieht sich auf ein Attribut, das eindeutig eine Entität in einer Entitätsmenge definiert. Entitätsschlüssel können Superschlüssel, Primärschlüssel oder Schlüsselkandidaten sein. Superschlüssel: Menge von Attributen (eine oder mehrere), die gemeinsam eine Entität in einer Entitätsmenge definieren. Schlüsselkandidat: Ein minimaler Superschlüssel, so genannt, weil er über die geringstmögliche Anzahl von Attributen verfügt, um noch als Superschlüssel betrachtet zu werden. Eine Entitätsmenge kann über mehr als einen Schlüsselkandidaten verfügen. Primärschlüssel: Ein Schlüsselkandidat, der vom Datenbank-Designer ausgewählt wurde, um die Entitätsmenge eindeutig zu identifizieren. Fremdschlüssel: Gibt die Beziehung zwischen den Entitäten an.

Beziehung

Wie Entitäten sich aufeinander auswirken oder miteinander verbunden sind. Stellen Sie sich Beziehungen als Verben vor. Der genannte Student könnte sich beispielsweise für einen Kurs anmelden. Die beiden Entitäten wären der Student und der Kurs. Die Beziehung ist die Einschreibung, welche die beiden Entitäten auf diese Weise verbindet. Beziehungen werden typischerweise als Rauten oder Beschriftungen direkt auf den Verbindungslinien dargestellt.

Rekursive Beziehung: Dieselbe Entität beteiligt sich mehr als einmal an der Beziehung.

Attribut

Eine Eigenschaft oder ein Merkmal einer Entität. Wird oft als Oval oder Kreis dargestellt.

Beschreibendes Attribut: Eine Eigenschaft oder ein Merkmal einer Beziehung (im Vergleich zu einer Entität.)

Attributtypen: Attribute werden eingeteilt in einfache, zusammengesetzte, abgeleitete sowie einwertige oder mehrwertige Attribute. Einfach: Der Attributwert ist atomar und kann nicht weiter unterteilt werden, wie beispielsweise eine Telefonnummer. Zusammengesetzt: Attribut besteht aus mehreren anderen Attributen. Abgeleitet: Attribut kann auf der Basis eines anderen Attributs berechnet oder anderweitig davon abgeleitet werden. Das Alter kann z. B. von einem Geburtsdatum abgeleitet werden.

Mehrwertig: Es ist mehr als ein Wert für ein einzelnes Attribut angegeben. Z. B. mehrere Telefonnummern für eine Person.

Einwertig: Nur ein Attributwert. Diese Typen können kombiniert werden. Z. B.: einfaches einwertiges Attribut oder zusammengesetztes mehrwertiges Attribut.

Kardinalität

Definiert die numerischen Attribute der Beziehung zwischen zwei Entitäten oder Entitätsmengen. Die drei Hauptkardinalitätsbeziehungen sind Eins-zu-eins, Eins-zu-viele und Viele-zu-viele. Eins-zu-eins-Beispiel: Ein Student mit einer Postadresse. Eins-zu-viele-Beispiel (oder Viele-zu-eins je nach Richtung der Beziehung): Ein Student meldet sich für mehrere Kurse an; alle diese Kurse haben eine einzige Verbindung zurück zu diesem einen Studenten. Viele-zu-viele-Beispiel: Studenten als Gruppe sind mit mehreren Dozenten verbunden und Dozenten wiederum sind mit mehreren Studenten assoziiert.

Darstellung der Kardinalität: Abhängig von der Wahl des Notationsmodells und von der entsprechenden Position der Symbole wird die Kardinalität entweder als „Look-across“ oder „Same-side“ angeführt.

Kardinalitätsbeschränkungen: Die Mindest- oder Maximalanzahl, die für eine Beziehung gilt.

ER-Modelle und Datenmodelle werden in der Regel mit bis zu drei Detailebenen gezeichnet:

• Konzeptionelles Datenmodell: Die höchste Ebene mit den wenigsten Details. Vorteil dieses Modells ist, dass es den Gesamtumfang des Modells zeigt und die Systemarchitektur darstellt. Für Systeme mit kleinerem Umfang ist dieses Modell nicht unbedingt nützlich. Sie können stattdessen mit einem logischen Modell anfangen.
• Logisches Datenmodell: Enthält mehr Details als ein konzeptionelles Modell. Bei diesem Modell werden weitere detaillierte Betriebs- und Transaktionsentitäten definiert. Das logische Modell ist nicht abhängig von der Technologie, mit der es implementiert wird.
• Physisches Datenmodell: Aus jedem logischen Modell können ein oder mehrere physische Modelle entwickelt werden. Die physischen Modelle müssen über ausreichend Technologiedetail verfügen, um die Datenbank zu erzeugen und zu implementieren.

Man beachte, dass ähnliche Detail- und Umfangsebenen in anderen Arten von Diagrammen vorkommen (z. B. in Datenflussdiagrammen). Bei der Softwareentwicklung werden jedoch durch Verwendung der drei Schemata Informationen anders aufgeteilt. Es kommt vor, dass Entwickler ER-Diagramme mit zusätzlichen Hierarchien verzweigen, um die notwendigen Informationsebenen für das Datenbank-Design hinzuzufügen. Zum Beispiel können sie Gruppierungen als übergeordnete Klassen oder Unterklassen hinzufügen.

Vorteile von Entity-Relationship-Diagrammen

• Visueller Überblick auf ein Datenmodell: ERDs zeigen den Umfang eines konzeptionellen Datenmodells ganzheitlich auf, was es einfacher machen kann, eine Systemarchitektur visuell darzustellen.
• Technologieunabhängigkeit: Besonders für logische Modelle ist die ER-Modellierung technologieunabhängig, wodurch Betriebs- und Transaktionsentitäten definiert werden können, ohne spezifische Implementierungsanforderungen in Betracht ziehen zu müssen.
• Visualisierung von Beziehungen zwischen Datenbankelementen: Kardinalitäten geben detaillierte Einblicke darüber, wie verschiedene Elemente innerhalb einer Datenbank miteinander in Beziehung stehen, was die Fehlerbehebung und Weiterentwicklung erleichtert und Verwirrungspotenzial minimal hält.
• Mapping natürlicher Sprache: Durch die sprachliche Analogie, in welcher Elemente mit Gattungsnamen, Verben und Adjektiven verglichen werden können, wird das Verständnis der abstrakten Datenstruktur intuitiv erleichtert.
• Einfach zu kommunizierende Struktur: Die einfache, grafisch dargestellte Symbolik macht ERDs leicht lesbar und interpretierbar, was das Verständnis auch für nicht-technische Stakeholder erleichtert. 

Einschränkungen von ERDs

• Nur für relationale Daten: Sie dienen der Darstellung von Beziehungen. ER-Diagramme zeigen ausschließlich diese relationale Struktur.
• Nicht für unstrukturierte Daten: Wenn Ihre Daten nicht in verschiedene Felder, Zeilen oder Spalten eingeteilt sind, sind ER Diagramme wahrscheinlich von begrenztem Nutzen. Das Gleiche gilt für semi-strukturierte Daten, da nur ein Teil dieser Daten nützlich ist.
• Schwierigkeiten bei der Integration in vorhandene Datenbanken: Es kann sich aufgrund der verschiedenen Architekturen unter Umständen schwierig gestalten, ein ER-Modell in eine vorhandene Datenbank zu integrieren.

Entity-Relationship-Diagramme sind enorm nützlich – befolgen Sie die einfachen nachstehenden Schritte, um ganz unkompliziert eigene Diagramme zu erstellen.

1. Bestimmung der Entitäten: In der Regel sind Entitäten Nomen wie Auto, Bank, Student oder Produkt.

In ER-Diagrammen sind Entitäten die wichtigsten Elemente. Für unser Beispiel erstellen wir ein konzeptuelles ER-Diagramm für ein einfaches System: Ein Student meldet sich für einen Kurs an, den ein Professor unterrichtet. Sehen Sie sich diese großartigen Tutorials an, in denen Sie mehr über Formen für ER-Diagramme erfahren. In diesem Beispiel arbeiten wir mit den drei Entitäten „Student“ (Student) , „Kurs“ (Course) und „Professor“ (Professor).

2. Identifizierung der Beziehungen: Beziehungen erläutern, wie Entitäten miteinander interagieren.

Beziehungen sind in der Regel Verben wie „kauft“, „enthält“ oder „tut“. In unserem Beispiel erläutern die Beziehungen „meldet sich an für“ und „unterrichtet“ effektiv die Interaktionen zwischen den drei Entitäten.

3. Hinzufügen von Attributen: Attribute zeigen bestimmte Eigenschaften einer Entität und präzisieren für das Modell relevante Informationen.

In ER-Diagrammen werden Attribute benötigt, um modellartig abzubilden, welche Eigenschaften bei der jeweiligen Entität inbegriffen sind. Häufig werden Attribute wie „ID-Nummer“, „Name“ und „SKU“ verwendet.

4. Vervollständigung des Diagramms

Der logische Aufbau des ERD ist enorm wichtig, um das Verständnis zu verbessern. Entity-Relationship-Diagramme dienen in erster Linie dem Zweck, komplexe Datenbanken modellartig abzubilden. Wie man einfache, logische ERDs erstellt, ist deshalb von entscheidender Bedeutung.

Lucidchart ist ein online Tool, mit dem Sie ganz einfach ERDs erstellen und Datenbanken planen können. Die Anmeldung ist ganz unkompliziert, und Sie können sofort damit beginnen, Diagramme Ihrer Datenbanken zu erstellen!

ERD-Formenbibliotheken aktivieren

Achten Sie bei neuen Dokumenten darauf, dass die Entity-Relationship-Formenbibliotheken aktiviert sind. Klicken Sie hierfür auf die Schaltfläche „+ Formen“ im linken Menü.

Ziehen und Ablegen von Formen (Drag and Drop)

Nachdem Sie die Entity-Relationship-Formen aktiviert haben, klicken Sie auf die gewünschte Form und platzieren Sie sie über Drag and Drop an einer beliebigen Stelle, um sie der Arbeitsfläche hinzuzufügen.

Formen verbinden

Wenn Sie die passenden Formen auf der Arbeitsfläche platziert haben, können Sie diese verbinden, indem Sie die roten Punkte an den Formenrändern herausziehen. Anschließend können Sie die Linienenden in der Werkzeugleiste über der Arbeitsfläche verändern.

Was ist ein erweitertes ER-Diagramm?

Erweiterte ER-Modelle sind fortgeschrittene Datenbankdiagramme, die dem einfachen ER-Diagramm sehr ähneln. Erweiterte ER-Diagramme (EERD) sind Modelle, die eine Übersicht der Anforderungen und Komplexität komplexer Datenbanken darstellen.

Erweiterte ER-Diagramme enthalten zunächst einmal die gleichen Konzepte wie normale ER-Diagramme. Zusätzlich gibt es bei erweiterten ER-Diagramme folgende Elemente:

• Subtypen und Supertypen (manchmal auch Subklassen und Superklassen genannt)

• Spezialisierung und Generalisierung

• Kategorie- oder Verbandsart

• Attribute und Vererbungsbeziehungen