Data Management

Was ist Datenmodellierung?

Datenmodellierung ist der strukturierte Entwurf, wie Daten organisiert, beschrieben und miteinander in Beziehung gesetzt werden. Sie legt fest, welche Objekte es gibt, welche Eigenschaften sie haben und wie sie zusammenhängen. Das Datenmodell bestimmt damit, wie Entitäten wie Kunden, Bestellungen, Lieferanten oder Produkte mit ihren Attributen und Beziehungen abgebildet werden, lange bevor ein einziger Datensatz gepflegt wird.

Datenmodellierung läuft top-down über drei Ebenen: Das konzeptionelle Modell beschreibt Objekte und Beziehungen unabhängig von Technik, oft als Entity-Relationship-Diagramm (ERD). Das logische Modell verfeinert Entitäten, Attribute und Beziehungen, bleibt aber datenbankunabhängig. Das physische Modell legt die konkrete Umsetzung fest: Tabellen, Spalten, Datentypen und Performance-Aspekte im Zielsystem.

Ebene	Inhalt	Beispiel
Konzeptionell	Objekte und Beziehungen, technikunabhängig	Kunde gibt Bestellung auf, gehört zu Region
Logisch	Entitäten, Attribute und Beziehungen präzise	Attribut Status, Pflichtfeld, erlaubte Werte
Physisch	Konkrete Umsetzung im Zielsystem	Tabellen, Spalten, Datentypen, Indizes

Stand: Juni 2026. Die Einteilung in konzeptionelles, logisches und physisches Modell ist der etablierte Standard der Datenmodellierung.

Die drei Ebenen der Datenmodellierung

Datenmodellierung führt top-down vom technikunabhängigen Konzept über das logische Modell zur konkreten Umsetzung im Zielsystem. Die Darstellung ist schematisch.

Wofür wird Datenmodellierung gebraucht?

Datenmodellierung ist das Fundament jedes datengetriebenen Systems. Sie entscheidet, wie flexibel und belastbar eine Lösung später ist. Typische Einsatzfelder:

Aufbau eines Datenmodells mit Entitäten wie Kunden, Bestellungen, Produkten und ihren Attributen.
Definition erlaubter Werte und Pflichtfelder, damit Datenqualität erzwingbar wird.
Abbildung komplexer Beziehungen wie Kunde zu Bestellung, Lieferant zu Standort oder Produkt zu Zubehör.
Grundlage für saubere Integration und Klassifizierung über Standards wie ECLASS.

Hinter jedem gut gepflegten Datenbestand steht ein durchdachtes Datenmodell. Wird es zu eng oder zu starr entworfen, rächt sich das bei jeder neuen Anforderung.

Einordnung

In der Praxis entscheidet das Datenmodell über Jahre, wie teuer Änderungen werden, denn ein zu eng entworfenes Modell macht jede neue Entität oder Datenart zum Projekt. Wer vorab in ein flexibles, sauber strukturiertes Modell investiert, statt es entlang des erstbesten Anwendungsfalls zu bauen, spart sich später aufwändige Umbauten und Datenmigrationen.

Philipp Foreman, Geschäftsführer onacy GmbH

Wie hängen Datenmodellierung und PIM zusammen?

Bevor ein PIM-System (Product Information Management) Produkte aufnimmt, muss sein Datenmodell stehen: Welche Objekttypen gibt es, welche Attribute, welche Beziehungen und welche Pflichtfelder. Dieses Modell entscheidet, ob das PIM mit den Anforderungen mitwächst oder zur Bremse wird.

Ohne saubere Datenmodellierung bleibt jedes Data Management instabil. Ein schlecht entworfenes Modell führt zu Workarounds, Mehrfachpflege und inkonsistenten Daten. Hier setzt onacy als Pimcore Platinum Partner an: Datenmodelle so entwerfen, dass sie heute die Produkte abbilden und morgen neue Anforderungen aufnehmen, ohne dass alles umgebaut werden muss.

Kostenlos: Webinar

Dateneffizienz statt Datenfrust: Mit Pimcore zum nachhaltigen Datenmanagement

Im Webinar zeigen onacy, Pimcore und der Referenzkunde Bruno Nebelung, wie sich Produkt- und Kundendaten effizient organisieren lassen, ohne doppelte Datenpflege.

Webinar ansehen

Welche Ebenen hat ein Datenmodell?

Ein Datenmodell entsteht in drei Ebenen. Das konzeptionelle Modell klärt technikunabhängig, welche Objekte es gibt und wie sie zusammenhängen, oft als Entity-Relationship-Diagramm. Das logische Modell verfeinert das zu Entitäten, Attributen und Beziehungen, bleibt aber unabhängig von einer konkreten Datenbank.

Das physische Modell schließlich legt fest, wie die Daten im Zielsystem tatsächlich gespeichert werden, also Tabellen, Spalten, Datentypen und Performance-Aspekte. Diese Trennung sorgt dafür, dass fachliche Entscheidungen nicht mit technischen vermischt werden und das Modell langfristig wartbar bleibt.

Häufige Fragen zu Datenmodellierung

Was ist Datenmodellierung einfach erklärt?

Datenmodellierung ist der strukturierte Entwurf, wie Daten organisiert und miteinander verknüpft werden. Sie legt fest, welche Objekte es gibt, welche Eigenschaften sie haben und wie sie zusammenhängen. Das Datenmodell bestimmt damit, wie Entitäten wie Kunden, Bestellungen, Lieferanten oder Produkte mit ihren Attributen und Beziehungen abgebildet werden, bevor ein einziger Datensatz gepflegt wird.

Welche Ebenen der Datenmodellierung gibt es?

Datenmodellierung läuft top-down über drei Ebenen. Das konzeptionelle Modell beschreibt Objekte und Beziehungen technikunabhängig, oft als Entity-Relationship-Diagramm. Das logische Modell verfeinert Entitäten, Attribute und Beziehungen, bleibt aber datenbankunabhängig. Das physische Modell legt die konkrete Umsetzung mit Tabellen, Spalten und Datentypen fest.

Was ist ein Entity-Relationship-Diagramm?

Ein Entity-Relationship-Diagramm (ERD) ist eine visuelle Darstellung der wichtigsten Datenobjekte in einem System und ihrer Beziehungen, etwa Kunden, Produkte und Bestellungen. Es wird vor allem in der konzeptionellen Datenmodellierung genutzt, um fachliche Zusammenhänge zu klären, bevor technische Details festgelegt werden.

Warum ist Datenmodellierung im PIM wichtig?

Bevor ein PIM Produkte aufnimmt, muss sein Datenmodell stehen: Objekttypen, Attribute, Beziehungen und Pflichtfelder. Dieses Modell entscheidet, ob das PIM mit neuen Anforderungen mitwächst oder zur Bremse wird. Ein schlecht entworfenes Modell führt zu Workarounds, Mehrfachpflege und inkonsistenten Daten.

Ein Datenmodell, das mitwächst statt zu bremsen

Das Datenmodell entscheidet über Jahre, wie flexibel Ihre Daten sind. Im Datenmodell-Audit prüfen wir, ob Ihre Struktur aus Entitäten, Attributen und Beziehungen belastbar ist, und zeigen den Weg zu einem Modell, das neue Anforderungen aufnimmt.

Datenmodell-Audit: Erstgespräch vereinbaren

Mehr Kontext: Data-Management-Hub