Dieses Modul konzentriert sich auf die grundlegenden Prinzipien moderner Datenbanksysteme, wobei sowohl relationale als auch verteilte Datenbanken im Mittelpunkt stehen. Die Studierenden beginnen mit einer Wiederholung der ACID-Eigenschaften relationaler Datenbanken und untersuchen deren Bedeutung für die Gewährleistung der Datenintegrität sowie die Herausforderungen, die sich daraus in der praktischen Anwendung ergeben können. Anschließend vermittelt das Modul ein umfassendes Verständnis verteilter Datensysteme und führt in die BASE-Eigenschaften ein, die diese Architekturen bestimmen. Die Studierenden lernen, sich in der Komplexität verteilter Datenbanken zurechtzufinden und erkennen, wie sich diese von traditionellen relationalen Modellen unterscheiden. Die Schlüsselkonzepte der Konsistenz und Serialisierbarkeit werden ausführlich behandelt, wobei ihre Rolle bei der Aufrechterhaltung der Datengenauigkeit und -kohärenz über Transaktionen hinweg hervorgehoben wird. Das Modul befasst sich zudem eingehend mit verschiedenen Arten von Konsistenzmodellen, darunter dem CAP-Theorem, und untersucht deren Auswirkungen auf das Datenbankdesign und die Betriebseffizienz. Am Ende dieses Moduls verfügen die Studierenden über ein fundiertes Verständnis sowohl der Prinzipien relationaler als auch verteilter Datenbanken, wodurch sie in die Lage versetzt werden, reale Herausforderungen im Datenmanagement effektiv zu bewältigen.

Dieses Modul bietet eine eingehende Auseinandersetzung mit dokumentorientierten Datenbanken und konzentriert sich dabei auf deren wachsende Bedeutung in modernen datengesteuerten Anwendungen. Die Studierenden lernen zunächst die Notwendigkeit dokumentorientierter Datenbanken sowie die grundlegenden Konzepte kennen, die diese von relationalen Datenbanken unterscheiden. Am Beispiel von MongoDB wird im Modul erläutert, wie Dokumente gespeichert und verwaltet werden und welche Vorteile sie für den Umgang mit semistrukturierten Daten bieten. Außerdem behandelt das Modul die Abfrage und Bearbeitung von Daten mithilfe der leistungsstarken Abfragesprache von MongoDB, wodurch die Studierenden in die Lage versetzt werden, Daten effizient abzurufen und zu ändern.

Dieses Modul bietet eine eingehende Auseinandersetzung mit Graphdatenbanken, einer leistungsstarken Art von NoSQL-Datenbanken, die für die Verwaltung und Abfrage stark vernetzter Daten konzipiert sind. Die Teilnehmer lernen zunächst die Notwendigkeit von Graphdatenbanken sowie die Schlüsselkonzepte kennen, die diese auszeichnen, wie beispielsweise Knoten, Beziehungen und Eigenschaften. Am Beispiel von Neo4j wird im Kurs detailliert untersucht, wie Graphdatenbanken komplexe, miteinander verknüpfte Daten modellieren. Das Modul behandelt außerdem Cypher, die Abfragesprache von Neo4j, die es den Studierenden ermöglicht, Daten mühelos abzurufen, zu bearbeiten und zu analysieren.

Dieses Modul bietet eine eingehende Auseinandersetzung mit Schlüssel-Wert-Speichern, einer grundlegenden Art von NoSQL-Datenbanken, die in modernen Anwendungen weit verbreitet sind. Die Studierenden beginnen damit, die Notwendigkeit und die grundlegenden Konzepte von Schlüssel-Wert-Speichern zu verstehen, und untersuchen deren Rolle im Datenmanagement, die verschiedenen verfügbaren Typen sowie deren einzigartige Eigenschaften und Vorteile. Auf dieser Grundlage entwickeln die Studierenden die erforderlichen Fähigkeiten, um effiziente Schlüssel-Wert-Speicher-Architekturen zu entwerfen, die auf spezifische Anwendungsanforderungen zugeschnitten sind. Schließlich vermittelt das Modul den Studierenden die Fähigkeit, Daten mithilfe geeigneter Abfragesprachen und Techniken in Schlüssel-Wert-Speichern wie DynamoDB effektiv abzurufen und zu bearbeiten. Durch praktische Übungen und Beispiele aus der Praxis sammeln die Studierenden praktische Erfahrungen bei der Abfrage und Verwaltung von Daten und werden so auf Herausforderungen vorbereitet, denen sie in der Praxis begegnen könnten. Am Ende dieses Moduls verfügen die Studierenden über ein umfassendes Verständnis von Schlüssel-Wert-Speichern sowie über die praktischen Fähigkeiten, diese in verschiedenen datengesteuerten Anwendungen zu implementieren.

Dieses Modul bietet einen umfassenden Überblick über In-Memory-Datenbanken und konzentriert sich dabei auf deren Grundprinzipien, Vorteile und praktische Anwendungen im modernen Datenmanagement. Die Studierenden lernen zunächst die grundlegenden Konzepte von In-Memory-Datenbanken kennen, einschließlich ihrer Architektur und der Leistungsvorteile, die sie im Vergleich zu herkömmlichen festplattenbasierten Systemen bieten. Aufbauend auf diesem Wissen erwerben die Studierenden die notwendigen Fähigkeiten, um effiziente Schemata für In-Memory-Datenbanken zu entwerfen und zu implementieren, die auf spezifische Anwendungsanforderungen zugeschnitten sind. Der Schwerpunkt liegt dabei auf der Optimierung von Datenstrukturen und Zugriffsmustern, um die Leistung zu steigern und Skalierbarkeit zu gewährleisten. Darüber hinaus vermittelt das Modul den Studierenden die Fähigkeit, Daten in In-Memory-Datenbanken kompetent abzufragen und zu verwalten. Durch praktische Übungen mit gängigen Plattformen wie Redis und Memcached lernen die Studierenden, geeignete Abfragesprachen und -techniken einzusetzen, um Daten effektiv abzurufen und zu bearbeiten. Am Ende dieses Moduls verfügen die Teilnehmer über ein fundiertes Verständnis von In-Memory-Datenbanken sowie über die praktischen Fähigkeiten, diese in verschiedenen datengesteuerten Anwendungen effektiv einzusetzen.

Dieses Modul bietet einen umfassenden Überblick über Cloud-Datenbanken und konzentriert sich dabei auf deren Funktionen, Funktionsprinzipien und praktische Anwendungen im modernen Datenmanagement. Die Studierenden erwerben zunächst ein grundlegendes Verständnis von Cloud-Diensten, einschließlich ihrer wichtigsten Merkmale und ihrer Integration in verschiedene IT-Umgebungen. Auf dieser Grundlage behandelt das Modul die wesentlichen Prinzipien und Vorteile von Cloud-Datenbanken, wobei deren Skalierbarkeit, Flexibilität und Kosteneffizienz im Vergleich zu herkömmlichen Datenbanksystemen hervorgehoben werden. Die Studierenden lernen, wie Cloud-Datenbanken den Zugriff auf Daten erleichtern und die betriebliche Effizienz in verschiedenen Anwendungsbereichen verbessern können. Ein wesentlicher Teil des Moduls konzentriert sich auf den Aufbau von Fachkenntnissen zur Abfrage und Verwaltung von Daten in Cloud-Datenbanken. Die Studierenden wenden geeignete Abfragesprachen und Techniken an, um Datenoperationen effektiv durchzuführen. Darüber hinaus vermitteln praktische Übungen mit Plattformen wie AWS RDS den Studierenden die für reale Anwendungen erforderlichen praktischen Fähigkeiten. Am Ende dieses Moduls verfügen die Teilnehmer über ein fundiertes Verständnis von Cloud-Datenbanken sowie über die technischen Kompetenzen, diese in verschiedenen datengesteuerten Projekten effektiv einzusetzen.

Dieses Modul bietet eine umfassende Auseinandersetzung mit Streaming-Datenbanken und beleuchtet dabei insbesondere die besonderen Merkmale und die Bedeutung von Streaming-Daten in modernen Datenökosystemen. Die Studierenden befassen sich zunächst mit den grundlegenden Eigenschaften von Streaming-Daten und deren entscheidender Rolle bei der Gewinnung von Echtzeit-Erkenntnissen und der Entscheidungsfindung in verschiedenen Branchen. Auf dieser Grundlage behandelt das Modul die für die Verarbeitung von Streaming-Daten entscheidenden Prinzipien und Techniken, darunter Themen wie die Echtzeit-Datenerfassung, -transformation und -analyse. Dadurch erwerben die Studierenden ein fundiertes Verständnis für das effektive Management dynamischer Datenströme. Ein zentraler Bestandteil des Moduls ist die praktische Anwendung von Streaming-Datenkonzepten unter Verwendung von ksqlDB. Die Teilnehmer entwickeln die notwendigen Fähigkeiten zum Entwerfen und Implementieren von Streaming-Datenanwendungen, wobei der Schwerpunkt auf der Abfrageentwicklung, der Datenmanipulation und der Erstellung von Echtzeit-Datenpipelines liegt. Durch praktische Übungen sammeln die Teilnehmer wertvolle Erfahrungen im Einsatz von ksqlDB zur Erstellung robuster Streaming-Datenlösungen. Am Ende dieses Moduls verfügen die Teilnehmer über ein umfassendes Verständnis von Streaming-Datenbanken sowie über das praktische Fachwissen, um Anwendungen zu entwerfen und zu implementieren, die das Potenzial von Echtzeitdaten ausschöpfen.

Dieses Modul befasst sich mit der Entwicklung von Architekturen zur Datenspeicherung und -verarbeitung und konzentriert sich dabei auf den Übergang von traditionellen Data Warehouses zu modernen Data Lakehouses. Die Studierenden erhalten Einblicke in die Architektur, die Werkzeuge und die Techniken, die die Integration strukturierter und unstrukturierter Daten für fortgeschrittene Analysen ermöglichen. Anhand von Beispielen aus der Praxis wie Snowflake und Databricks Lakehouse werden die Konzepte veranschaulicht.

Dieses Modul bietet eine umfassende Einführung in die Anwendungsentwicklung mit Schwerpunkt auf modernen Datenbanktechnologien und deren Integration in robuste, skalierbare Architekturen. Durch einen praxisorientierten, an Anwendungsfällen basierenden Ansatz entwerfen und implementieren die Teilnehmer praxisnahe Anwendungen und eignen sich dabei Kenntnisse in den Bereichen Datenbankauswahl, Schema-Design und Backend-Entwicklung unter Verwendung moderner Tech-Stacks wie Spring Boot an. Das Modul ist in drei aufeinander aufbauende Teile gegliedert: Zunächst werden die Prinzipien des Anwendungs- und Datenbankdesigns vermittelt, anschließend wird der relevante Tech-Stack erkundet und schließlich werden praxisnahe Anwendungsfälle Schritt für Schritt umgesetzt.