Erweiterte SQL- und NoSQL-Techniken lernen – Kurs

Dieser Kurs vertieft den Umgang mit relationalen und nicht-relationalen Datenbanksystemen und zeigt, wie sich große und heterogene Datenbestände effizient verwalten, abfragen und für die weitere Nutzung aufbereiten lassen. Im Zentrum stehen erweiterte SQL-Techniken für performante Abfragen auf relationalen Datenbanken sowie NoSQL-Ansätze für unstrukturierte und semi-strukturierte Daten, die klassische Datenbankmodelle an ihre Grenzen bringen. Ergänzend lernen Teilnehmende, wie sich die Ergebnisse dieser Datenbankarbeit mit Power BI visuell aufbereiten und durch maschinelles Lernen um automatisierte Mustererkennung erweitern lassen. Der Kurs richtet sich an alle, die Datenbanken nicht nur nutzen, sondern gezielt für effizientes Datenmanagement einsetzen möchten.

Block 1: Erweiterte SQL-Techniken für relationale Datenbanken Der erste Block vertieft den Umgang mit relationalen Datenbanken über einfache Abfragen hinaus und legt den Schwerpunkt auf Techniken für große, performancekritische Datenbestände.

• Komplexe Join-Konstruktionen über mehrere Tabellen hinweg
• Verschachtelte Unterabfragen für mehrstufige Auswertungen
• Indexierungsstrategien und ihre Auswirkung auf die Abfrageperformance
• Aggregations- und Gruppierungsfunktionen für verdichtete Auswertungen
• Optimierung bestehender Abfragen anhand von Ausführungsplänen
• Umgang mit großen Tabellenbeständen in produktiven Datenbankumgebungen

Block 2: NoSQL-Techniken für flexible Datenmodelle Der zweite Block widmet sich Datenbanktechnologien jenseits des relationalen Modells, die für unstrukturierte und semi-strukturierte Daten besser geeignet sind.

• Grundprinzipien dokumentenorientierter Datenbanken
• Spaltenorientierte Datenbanken für analytische Großdatenmengen
• Graphdatenbanken zur Abbildung vernetzter Beziehungen zwischen Datensätzen
• Auswahlkriterien, wann NoSQL einem relationalen Modell vorzuziehen ist
• Grenzen und Konsistenzfragen bei nicht-relationalen Datenbanken
• Praxisnahe Anwendungsfälle für unterschiedliche NoSQL-Datenbanktypen

Block 3: Webbasierter Zugriff und Bereitstellung Der dritte Block behandelt, wie Datenbankinhalte über webbasierte Technologien zugänglich gemacht und in Anwendungen eingebunden werden.

• Grundlagen webbasierter Schnittstellen zu SQL- und NoSQL-Datenbanken
• Einordnung typischer Architekturen für den Datenbankzugriff aus Anwendungen
• Nutzerfreundliche Bereitstellung von Abfrageergebnissen
• Sicherheitsaspekte beim Zugriff auf sensible Datenbankinhalte
• Zusammenspiel von Datenbank- und Anwendungsschicht in typischen Systemen
• Grundlagen zur Skalierung datenbankgestützter Anwendungen

Block 4: Visualisierung und maschinelles Lernen auf Datenbankbasis Der vierte Block zeigt, wie sich Datenbankinhalte über die reine Abfrage hinaus visuell und analytisch weiterverarbeiten lassen.

• Anbindung von SQL- und NoSQL-Datenquellen an Power BI
• Aufbau interaktiver Dashboards auf Basis komplexer Datenbankabfragen
• Grundlagen überwachten Lernens zur Vorhersage auf Datenbankinhalten
• Grundlagen unüberwachten Lernens zur Gruppierung von Datenbankinhalten
• Automatisierte Mustererkennung als Ergänzung klassischer Abfragen
• Einordnung, wann Visualisierung und wann Modellierung der nächste sinnvolle Schritt ist

Praxisteil – Effizientes Datenmanagement in einem gemischten Datenbankszenario

• Analyse eines Beispielszenarios mit relationalen und dokumentenorientierten Datenanteilen
• Entwurf eines relationalen Schemas für die strukturierten Datenanteile
• Formulierung komplexer SQL-Abfragen mit mehreren Joins und Aggregationen
• Einrichtung von Indizes zur Optimierung wiederkehrender Abfragen
• Modellierung einer dokumentenorientierten Struktur für die semi-strukturierten Datenanteile
• Vergleich der Abfragelogik zwischen relationalem und dokumentenorientiertem Ansatz
• Anbindung beider Datenquellen an ein gemeinsames Power-BI-Dashboard
• Aufbau aussagekräftiger Visualisierungen für unterschiedliche Datenherkünfte
• Anwendung eines einfachen Modells zur Mustererkennung auf die Gesamtauswertung
• Dokumentation der getroffenen Architektur- und Modellierungsentscheidungen
• Bewertung von Performance und Wartbarkeit der entwickelten Lösung
• Präsentation des fertigen Datenmanagement-Szenarios

Die vier Themenblöcke führen von vertieften SQL-Techniken über NoSQL-Datenbanken und webbasierten Zugriff bis zur Visualisierung und ersten Modellierung mit maschinellem Lernen. Im Praxisteil wenden Teilnehmende diese Techniken auf ein gemischtes Szenario an, das sowohl relationale als auch dokumentenorientierte Datenanteile enthält – eine Konstellation, die dem Umgang mit realen, heterogenen Datenlandschaften in Unternehmen sehr nahekommt.

Der Kurs richtet sich an Einsteiger:innen, Quereinsteiger:innen und Fachkräfte, die ihre Kompetenzen in Datenbankarbeit, Business Intelligence oder Softwareentwicklung gezielt in Richtung effizientes Datenmanagement ausbauen möchten. Geeignet ist er besonders für Personen, die über erste Erfahrungen mit einfachen SQL-Abfragen hinaus verstehen wollen, wie relationale und nicht-relationale Datenbanken im Zusammenspiel funktionieren.

• Fachkräfte, die von einfachen SQL-Abfragen zu komplexeren Datenbankarchitekturen wechseln möchten
• Quereinsteiger:innen mit Interesse an Datenbanktechnik und Softwareentwicklung
• Mitarbeitende, die Datenbankinhalte zukünftig auch visuell aufbereiten möchten
• Personen, die den Umgang mit heterogenen, teils unstrukturierten Datenbeständen erlernen wollen

Der Kurs baut systematisch auf den vier Themenblöcken auf und verbindet konzeptionelle Einordnungen mit unmittelbarer praktischer Anwendung an Beispieldatenbanken. Relationale und NoSQL-Techniken werden bewusst im direkten Vergleich erarbeitet, damit Teilnehmende die jeweiligen Stärken und Grenzen an denselben Beispielszenarien nachvollziehen können. Der abschließende Praxisteil führt alle Techniken in einem zusammenhängenden Datenmanagement-Szenario zusammen.

Die Weiterbildung gliedert sich in vier aufeinander aufbauende Themenblöcke – erweiterte SQL-Techniken, NoSQL-Datenbanken, webbasierter Zugriff sowie Visualisierung und maschinelles Lernen – ergänzt durch einen umfangreichen Praxisteil mit einem durchgehenden Übungsszenario. Der zeitliche Umfang richtet sich nach individuellem Lerntempo und Vorkenntnissen der Teilnehmenden.

Der Kurs schließt mit einer Abschlussprüfung und einem Trägerzertifikat ab, das die erworbenen Kenntnisse in erweiterten SQL- und NoSQL-Techniken sowie effizientem Datenmanagement bestätigt. Eine herstellerunabhängige externe Zertifizierung ist für diesen Kurs nicht vorgesehen.

Der Mehrwert dieses Kurses liegt in der direkten Gegenüberstellung von relationalen und nicht-relationalen Ansätzen: Statt SQL und NoSQL isoliert voneinander zu lernen, verstehen Teilnehmende, wann welcher Ansatz sinnvoll ist, und können diese Entscheidung in der Praxis begründet treffen. Diese Fähigkeit ist in modernen, heterogenen Systemlandschaften deutlich gefragter als reines Detailwissen zu nur einer Technologie. Die vertiefte Beschäftigung mit Indexierung, Abfrageoptimierung und Architekturfragen hebt diesen Kurs zudem von einführenden Datenbankschulungen ab: Teilnehmende lernen nicht nur, wie eine Abfrage korrekt formuliert wird, sondern auch, wie sie auf großen, produktiven Datenbeständen performant bleibt – eine Kompetenz, die in Unternehmen mit wachsenden Datenmengen zunehmend an Bedeutung gewinnt. Durch die Verbindung von Datenbanktechnik mit Power BI und ersten Modellen des maschinellen Lernens verlassen Teilnehmende den Kurs zudem mit einem Verständnis dafür, wie sich saubere Datenbankarbeit direkt in nutzbare Visualisierungen und automatisierte Auswertungen übersetzen lässt, statt an der reinen Datenhaltung stehen zu bleiben.