Datenbanken verstehen: SQL, NoSQL und NewSQL im Überblick

Datenmodelle, Transaktionen, ACID und BASE, das CAP-Theorem und die Frage, welche Datenbank zu welchem Vorhaben passt
Aktualisiert:
Abstract
- #Datenbanken
- #SQL
- #NoSQL
- #NewSQL
- #Datenbanktechnologien
- #ACID
- #CAP-Theorem
- #Datenmodellierung
Die meisten Anwendungen sind mit einer relationalen Datenbank gut bedient – NoSQL lohnt sich dort, wo Datenform oder Last es wirklich verlangen
Ein Kunde bestellt im Webshop drei Artikel. Im selben Moment muss der Lagerbestand sinken, die Bestellung angelegt und die Zahlung vermerkt werden. Fällt dabei der Server aus, darf es keinen halben Zustand geben: keine Bestellung ohne Bestandsbuchung, keine Abbuchung ohne Bestellung. Dass das in fast jedem Shop zuverlässig klappt, ist das Verdienst einer Technik, die älter ist als das Internet: der relationalen Datenbank.
Daneben gibt es seit gut fünfzehn Jahren eine zweite Familie, die unter dem Sammelbegriff NoSQL läuft, und eine dritte, die beide Welten verbinden will und NewSQL genannt wird. Für Entscheider und Entwicklungsteams stellt sich damit regelmäßig dieselbe Frage: Welche Art von Datenbank passt zu welchem Vorhaben? Die Antwort hängt weniger von Moden ab als von ein paar Grundbegriffen, die sich gut erklären lassen.
Was eine Datenbank leistet – mehr als nur speichern
Daten lassen sich auch in Excel-Tabellen oder Dateien ablegen. Eine Datenbank, genauer ein Datenbankmanagementsystem (DBMS), übernimmt aber Aufgaben, auf die man mit wachsender Nutzung kaum verzichten kann:
- Gleichzeitiger Zugriff: Viele Benutzer und Programme lesen und schreiben parallel, ohne sich gegenseitig Daten zu überschreiben.
- Konsistenz: Regeln im System verhindern, dass etwa eine Rechnung auf einen Kunden verweist, den es nicht gibt.
- Schneller Zugriff: Indizes, eine Art Stichwortverzeichnis für Tabellen, finden einen Datensatz unter Millionen in Millisekunden.
- Rechte und Schutz: Wer was sehen und ändern darf, lässt sich fein steuern. Das ist auch eine Voraussetzung, um Pflichten aus der DSGVO technisch umzusetzen.
- Sicherung und Wiederherstellung: Backups, Protokolle und Replikation sorgen dafür, dass ein Hardwaredefekt nicht zum Datenverlust wird.
Angenommen, in einem mittelständischen Betrieb pflegen Vertrieb und Buchhaltung Kundendaten in getrennten Tabellendateien. Nach einem Jahr existieren drei Schreibweisen derselben Firma und zwei verschiedene Adressen. Eine gemeinsame Datenbank mit klaren Regeln verhindert genau das.
Relationale Datenbanken: Tabellen, Schlüssel und Beziehungen
Das relationale Modell geht auf den IBM-Forscher Edgar F. Codd zurück, der es 1970 beschrieb. Daten liegen in Tabellen. Jede Zeile ist ein Datensatz, etwa ein Kunde, jede Spalte ein Merkmal wie Name oder E-Mail-Adresse. Welche Spalten es gibt und welchen Datentyp sie haben, legt das Schema fest, eine Art Bauplan der Datenbank.
Verknüpft werden Tabellen über Schlüssel:
- Der Primärschlüssel identifiziert jede Zeile eindeutig, zum Beispiel eine Kundennummer.
- Ein Fremdschlüssel verweist auf den Primärschlüssel einer anderen Tabelle. Eine Bestellung trägt etwa die Kundennummer des Bestellers.
Die Datenbank wacht darüber, dass solche Verweise gültig bleiben. Fachleute sprechen von referenzieller Integrität. Ein weiterer Grundgedanke ist die Normalisierung: Jede Information wird nur einmal gespeichert. Die Adresse eines Kunden steht in der Kundentabelle und nicht in jeder seiner Bestellungen. Ändert sie sich, genügt eine Korrektur an einer Stelle.
Bekannte relationale Systeme sind PostgreSQL, MySQL und MariaDB als Open Source sowie Oracle Database und Microsoft SQL Server als kommerzielle Produkte. Für Anwendungen auf einem einzelnen Gerät, etwa in Apps, ist SQLite verbreitet. Eine ausführlichere Einführung in Tabellen und ihre Beziehungen bietet unser Beitrag Von Tabellen zu Beziehungen: SQL-Datenbanken erklärt.
SQL: eine Sprache, die beschreibt statt anweisen
Mit relationalen Datenbanken spricht man über SQL, die Structured Query Language. SQL ist seit 1987 ein ISO-Standard und wird seitdem regelmäßig erweitert. Die Sprache ist deklarativ: Sie beschreiben, welches Ergebnis Sie haben möchten, und die Datenbank entscheidet selbst, wie sie es am schnellsten ermittelt.
Ein Beispiel: Die folgende Abfrage listet alle Kunden aus Köln mit der Summe ihrer Bestellungen im laufenden Jahr.
SELECT k.name, SUM(b.betrag) AS umsatz
FROM kunden AS k
JOIN bestellungen AS b ON b.kunden_id = k.id
WHERE k.ort = 'Köln'
AND b.bestelldatum >= DATE '2026-01-01'
GROUP BY k.name
ORDER BY umsatz DESC;
Der JOIN verbindet die beiden Tabellen über den Fremdschlüssel. Genau diese Fähigkeit, beliebige Fragen an bestehende Daten zu stellen, auch solche, an die beim Entwurf niemand gedacht hat, ist die große Stärke relationaler Systeme. Die Grundoperationen Anlegen, Lesen, Ändern und Löschen werden oft als CRUD zusammengefasst. In SQL heißen sie INSERT, SELECT, UPDATE und DELETE.
Transaktionen und ACID: warum die Bestellung nie halb gebucht wird
Eine Transaktion fasst mehrere Schritte zu einer Einheit zusammen: Entweder gelingen alle, oder keiner wird wirksam. Im Webshop-Beispiel vom Anfang sind Bestandsbuchung, Bestellung und Zahlungsvermerk eine solche Einheit. Was eine Transaktion zusichert, beschreibt das Kürzel ACID:
- Atomicity (Atomarität): Alles oder nichts.
- Consistency (Konsistenz): Nach der Transaktion erfüllen die Daten wieder alle definierten Regeln.
- Isolation: Parallel laufende Transaktionen stören sich nicht. Zwei Kunden können nicht gleichzeitig das letzte Exemplar kaufen.
- Durability (Dauerhaftigkeit): Was bestätigt ist, übersteht auch einen Stromausfall.
ACID kostet Rechenaufwand und Abstimmung, besonders wenn Daten über mehrere Server verteilt sind. Für Buchhaltung, Warenwirtschaft, Zahlungsverkehr oder Personaldaten sollten Sie auf diese Zusicherung aber nicht verzichten.
NoSQL: vier Datenmodelle für andere Anforderungen
Mit großen Webdiensten wuchsen in den 2000er-Jahren Anforderungen, für die relationale Systeme damals schlecht gerüstet waren: riesige Datenmengen, sehr viele gleichzeitige Schreibzugriffe und Daten, deren Struktur sich ständig ändert. Daraus entstanden Datenbanken, die bewusst auf Teile des relationalen Modells verzichten. Der Begriff NoSQL wird heute meist als „Not only SQL“ gelesen, denn viele dieser Systeme bieten inzwischen SQL-ähnliche Abfragesprachen.
NoSQL ist keine einheitliche Technik, sondern ein Sammelbegriff für vier verbreitete Datenmodelle:
| Modell | Prinzip | Typische Einsätze | Bekannte Vertreter |
|---|---|---|---|
| Schlüssel-Wert | Ein Schlüssel zeigt auf einen Wert, sonst nichts | Caches, Sitzungsdaten, Zähler | Redis, Valkey, Amazon DynamoDB |
| Dokument | JSON-ähnliche Dokumente mit flexibler Struktur | Produktkataloge, Inhalte, App-Backends | MongoDB, Couchbase |
| Breitspalten | Zeilen mit vielen, variablen Spalten, verteilt über viele Server | Sensordaten, Ereignisprotokolle, sehr hohe Schreiblast | Apache Cassandra, ScyllaDB |
| Graph | Knoten und Kanten als gleichrangige Daten | Netzwerke, Empfehlungen, Betrugserkennung | Neo4j |
Ein Beispiel für das Dokumentmodell: Angenommen, ein Webshop führt Bohrmaschinen und T-Shirts. Die einen haben Drehzahl und Akkuspannung, die anderen Größe und Material. In einer relationalen Datenbank führt das zu vielen leeren Spalten oder zusätzlichen Tabellen. In einer Dokumentdatenbank bringt jedes Produkt einfach die Felder mit, die es braucht.
Den Preis zahlen Sie an anderer Stelle. Viele NoSQL-Systeme verlangen, dass Sie das Datenmodell von den Abfragen her entwerfen. Was später an neuen Auswertungen dazukommt, ist oft aufwendiger als in SQL. Vertiefungen zu einzelnen Familien finden Sie in unseren Beiträgen über NoSQL-Datenbanken und flexible Datenmodelle und über Apache Cassandra für große, verteilte Datenmengen. Dieser Beitrag bleibt bei der Einordnung.
Verteilte Daten: CAP-Theorem und BASE
Sobald eine Datenbank auf mehreren Servern läuft, kommt eine grundsätzliche Abwägung ins Spiel. Das CAP-Theorem, das der Informatiker Eric Brewer im Jahr 2000 als Vermutung vorstellte und das Seth Gilbert und Nancy Lynch 2002 bewiesen, nennt drei Eigenschaften:
- Consistency (Konsistenz): Alle Knoten liefern denselben, aktuellen Stand.
- Availability (Verfügbarkeit): Jede Anfrage bekommt eine Antwort.
- Partition tolerance (Partitionstoleranz): Das System arbeitet weiter, auch wenn die Verbindung zwischen Servern abreißt.
Die verbreitete Kurzfassung „zwei von drei“ führt etwas in die Irre. Netzwerkstörungen lassen sich in verteilten Systemen nicht ausschließen, Partitionstoleranz ist also Pflicht. Die eigentliche Frage lautet: Was soll passieren, wenn die Verbindung gestört ist? Entweder verweigert das System lieber eine Antwort, als einen veralteten Stand zu liefern. Oder es antwortet weiter und gleicht die Unterschiede später ab.
Systeme der zweiten Art beschreibt man oft mit BASE, dem bewusst gewählten Gegenstück zu ACID: Basically Available, Soft state, Eventually consistent. Gemeint ist: Das System bleibt erreichbar, die Daten dürfen kurzzeitig auf verschiedenen Knoten voneinander abweichen und gleichen sich nach einer Weile an. Für die Zahl der Likes unter einem Beitrag ist das unproblematisch. Für einen Kontostand nicht.
Wichtig für die Praxis: Die Grenze verläuft heute nicht mehr streng zwischen SQL und NoSQL. MongoDB unterstützt seit Version 4.0 Transaktionen über mehrere Dokumente, in Sharded Clustern seit Version 4.2. Bei Cassandra lässt sich die Konsistenz je Abfrage einstellen. Umgekehrt kann PostgreSQL mit dem Datentyp JSONB flexible Dokumente speichern und durchsuchen.
NewSQL und verteilte SQL-Datenbanken
NewSQL bezeichnet Systeme, die SQL und ACID-Transaktionen bieten, sich aber wie NoSQL-Datenbanken horizontal skalieren lassen, also durch zusätzliche Server statt durch einen immer größeren Einzelrechner. Heute ist dafür auch der Begriff Distributed SQL gebräuchlich.
Bekannte Vertreter sind Google Cloud Spanner, CockroachDB, YugabyteDB und TiDB. Sie verteilen Tabellen automatisch über viele Knoten und Standorte und halten sie über Konsensverfahren konsistent. Das ist technisch beeindruckend, hat aber Kosten: Jeder Schreibvorgang muss zwischen mehreren Servern abgestimmt werden, was Latenz erzeugt, und der Betrieb ist anspruchsvoller als bei einer klassischen Datenbank. Bei einigen Anbietern haben sich zudem die Lizenzbedingungen in den vergangenen Jahren geändert. Vor einer Entscheidung lohnt deshalb ein genauer Blick auf Lizenz, Kosten und Bindung an einen Cloud-Anbieter.
Für die meisten Unternehmensanwendungen ist NewSQL Überdimensionierung. Interessant wird es, wenn ein System über mehrere Rechenzentren oder Regionen hinweg schreibbar bleiben muss und dabei strenge Konsistenz braucht, etwa bei international verteilten Zahlungs- oder Buchungssystemen.
Wie Sie die passende Datenbank auswählen
Die Wahl beginnt nicht beim Produkt, sondern bei den Daten und den Fragen, die Sie an sie stellen. Diese Kriterien helfen bei der Einordnung:
- Struktur der Daten: Sind die Daten gleichförmig und stark miteinander verknüpft (Kunden, Aufträge, Rechnungen), spricht viel für relational. Sind sie verschachtelt und je Datensatz unterschiedlich, kann ein Dokumentmodell passen. Stehen Beziehungen selbst im Mittelpunkt, etwa in einem Netzwerk von Lieferanten, lohnt ein Blick auf Graphdatenbanken.
- Konsistenzbedarf: Wo Geld, Bestände oder rechtlich relevante Daten im Spiel sind, sind ACID-Transaktionen der Normalfall.
- Zugriffsmuster: Sind die Abfragen im Voraus bekannt und laufen meist über einen Schlüssel? Oder brauchen Fachabteilungen flexible Auswertungen?
- Last und Wachstum: Ein gut eingerichteter PostgreSQL- oder MySQL-Server bewältigt mehr, als viele erwarten. Horizontale Verteilung lohnt sich erst, wenn ein einzelner Server absehbar nicht mehr reicht.
- Betrieb und Team: Welche Systeme kennt Ihr Team, wer übernimmt Backups, Updates und Überwachung? Ein verwalteter Clouddienst nimmt Arbeit ab, erzeugt aber laufende Kosten und Abhängigkeiten.
- Datenschutz und Standort: Bei personenbezogenen Daten zählen Speicherort, Verschlüsselung und Löschkonzepte. Einen Überblick gibt unser Infothek-Beitrag zu datenschutzkonformen Datenbanklösungen.
In größeren Systemen ist es üblich, mehrere Datenbanktypen zu kombinieren, etwa PostgreSQL für Aufträge, Redis als schnellen Zwischenspeicher und eine Suchmaschine für die Volltextsuche. Fachleute nennen das polyglotte Persistenz. Jede zusätzliche Datenbank bedeutet allerdings weiteren Betriebsaufwand und neue Fragen zur Synchronisation. Das sollte eine bewusste Entscheidung sein, kein Nebenprodukt.
Welche Rollen ein Datenbankprojekt braucht
Technik allein macht noch kein gutes Datenbanksystem. In Projekten treffen typischerweise mehrere Aufgaben zusammen, die in kleinen Teams oft in einer Person vereint sind:
- Datenmodellierung: Wer die Fachlichkeit versteht und in Tabellen oder Dokumente übersetzt, legt den Grundstein. Fehler im Modell sind später teuer.
- Datenbankadministration: Installation, Rechte, Sicherung, Überwachung und Leistungsoptimierung. Bei Clouddiensten verschiebt sich diese Arbeit, sie verschwindet aber nicht.
- Entwicklung: Anwendungen greifen über SQL, Treiber oder ORM-Bibliotheken auf die Datenbank zu. Wer versteht, was eine Abfrage im Hintergrund auslöst, schreibt schnellere Software.
- Analyse: Datenanalysten und Data Scientists werten die Daten aus, häufig in einem getrennten Data Warehouse, damit Auswertungen den laufenden Betrieb nicht ausbremsen.
Auch Fachabteilungen und Management profitieren von Grundwissen. Wer weiß, was ein Fremdschlüssel oder eine Transaktion ist, kann Anforderungen klarer formulieren und Aufwände besser einschätzen.
Was das für Ihr Unternehmen bedeutet
Unsere Einschätzung: Eine relationale Datenbank ist für die große Mehrheit der Geschäftsanwendungen weiterhin die richtige Ausgangsbasis. Sie ist ausgereift, gut dokumentiert, mit SQL breit erlernbar, und Systeme wie PostgreSQL decken mit JSON-Unterstützung und Erweiterungen inzwischen auch viele Fälle ab, für die früher eine NoSQL-Datenbank nötig schien. Mit Erweiterungen wie pgvector speichert PostgreSQL sogar Vektoren für KI-Anwendungen.
NoSQL-Datenbanken sind keine Modeerscheinung, sondern Spezialwerkzeuge. Sie lohnen sich, wenn die Form der Daten oder die Last es wirklich verlangt: sehr hohe Schreibraten, weltweit verteilte Daten, stark wechselnde Strukturen oder Beziehungsgeflechte. Überschätzt wird dagegen häufig die Schemafreiheit. Ein Schema gibt es immer, es steckt dann eben im Anwendungscode statt in der Datenbank.
Wer vor einer Datenbankentscheidung steht, eine bestehende Anwendung modernisieren oder das eigene Team schulen möchte, findet dazu Angebote auf unserer Seite zu Datenbanken: Beratung, Coaching und Seminare.
Häufige Fragen zu SQL und NoSQL
Sind NoSQL-Datenbanken schneller als relationale Datenbanken?
Nicht grundsätzlich. NoSQL-Systeme können bei einfachen Lese- und Schreibzugriffen über einen Schlüssel und bei sehr großen, verteilten Datenmengen im Vorteil sein. Bei komplexen Abfragen über viele Beziehungen sind relationale Datenbanken oft überlegen. Entscheidend sind Datenmodell, Indizes und Abfragen, nicht das Etikett.
Kann man von SQL auf NoSQL umsteigen und umgekehrt?
Ja, aber eine Migration ist mehr als ein Export. Das Datenmodell muss neu gedacht werden, weil NoSQL-Systeme Daten meist nach den Zugriffsmustern anordnen. Auch die Anwendung ändert sich, denn Abfragen und Transaktionslogik sehen anders aus. Ein schrittweiser Umstieg mit einem klar abgegrenzten Teilbereich ist in der Regel sicherer.
Brauchen KI-Anwendungen eine spezielle Datenbank?
Nicht unbedingt. Für Verfahren wie Retrieval-Augmented Generation, bei denen ein Sprachmodell auf eigene Dokumente zugreift, werden Texte als Vektoren gespeichert und nach Ähnlichkeit durchsucht. Dafür gibt es spezialisierte Vektordatenbanken. Viele bestehende Systeme, darunter PostgreSQL mit pgvector, beherrschen diese Suche aber ebenfalls. Für den Einstieg genügt oft die Datenbank, die Sie schon betreiben.
Wie viel Datenbankwissen brauchen Nicht-Techniker?
Kein tiefes. Es hilft aber, Grundbegriffe wie Tabelle, Schlüssel, Transaktion und Backup zu kennen. Wer versteht, warum doppelte Datenhaltung Fehler erzeugt oder warum eine neue Auswertung Aufwand bedeuten kann, trifft bessere Entscheidungen und arbeitet leichter mit IT-Teams zusammen.
Kategorien