Datenbanktypen im Überblick

Bislang haben wir SQL gelernt – aber SQL ist die Sprache, nicht das Produkt. „Welche Datenbank nutzen wir denn?" ist eine der ersten Fragen in jedem IT-Projekt, und die Antwort hat weitreichende Folgen für Performance, Lizenzkosten, Plattform-Wahl und verfügbare Features. Diese Lektion gibt dir einen Überblick über die fünf wichtigsten relationalen DBMS sowie die NoSQL-Alternativen – genug, um in der IHK-Prüfung jede Datenbankfrage einordnen zu können.

Wichtig: Die SQL-Grundbefehle, die du in den letzten Lektionen gelernt hast, funktionieren in jedem dieser Systeme nahezu identisch. Unterschiede gibt es bei Datentypen, Erweiterungen, Tools und Lizenzen. Wer SQL beherrscht, kann mit allen fünf Produkten arbeiten – die letzten 10 % Dialekt lernt man im Job binnen Tagen.

1) Die fünf großen relationalen DBMS – Vergleichsmatrix

Klick die fünf Reiter durch und sieh, wofür jedes System steht. Daten zu Marktanteilen und Eigenschaften basieren auf gängigen Branchen-Rankings:

DBMS-Vergleichsmatrix

Die Wahl des DBMS hängt nicht primär von Features ab (90 % machen alle gleich), sondern von Faktoren wie: vorhandenes Know-how im Team, Lizenzkosten, Plattform (Cloud, Windows, Linux), Skalierbarkeit. Mehr zu konkretem MySQL-Einsatz in L09 MySQL Praxis.

2) Wann nimmt man welches?

Hier ist die ungeschriebene Faustregel, wie man in der Praxis das DBMS auswählt – ohne ideologische Grabenkämpfe:

MySQL/MariaDB: Bei Web-Anwendungen (PHP, Python, Node.js), wenn das Team es kennt, oder wenn das Hosting es vorgibt. LAMP-Stack ist hier Standard. Für die IHK-Prüfung das wahrscheinlichste System.
PostgreSQL: Wenn man echte Standard-SQL braucht, komplexe Auswertungen plant oder JSON/Geo-Daten verarbeitet. Beliebt bei Startups und in der Cloud (AWS RDS, Heroku, Supabase).
Oracle: In Großkonzernen mit Legacy-Systemen, Banken, Versicherungen. Wer dort arbeitet, hat sich die Wahl meist nicht ausgesucht. Lizenzkosten sind ein eigenes Thema.
SQL Server: In Microsoft-Häusern (.NET-Anwendungen, Active Directory, SharePoint, Power BI). Excellent integriert in den Windows-Stack.
SQLite: Wenn die Datenbank mit der Anwendung verteilt werden soll – Mobile-App, Desktop-Tool, einfache Tests. Niemals als Produktiv-DB für eine Web-Anwendung mit vielen Schreibern.

In Cloud-Umgebungen bekommt man meist „Managed-DB-Services": Amazon RDS, Azure SQL, Google Cloud SQL. Die nehmen einem die Administration ab, kosten aber laufend. Lizenzfragen kommen in Softwarelizenzmodelle.

3) Marktüberblick und Trends

Laut DB-Engines Ranking (führende Marktbeobachtung im DB-Bereich) sind die Top-5 RDBMS seit Jahren stabil: Oracle, MySQL, PostgreSQL, Microsoft SQL Server, IBM Db2. Auffällige Trends der letzten Jahre:

PostgreSQL wächst am stärksten – wegen Cloud-Beliebtheit und Open-Source-Vorteilen.
Oracle verliert Marktanteile – Lizenzkosten und Konkurrenz aus der Cloud-Welt.
NoSQL-Systeme wachsen schnell, ersetzen aber RDBMS nicht – sie ergänzen sie für Spezialfälle.
Cloud-Native DBMS wie Amazon Aurora, Google Spanner, CockroachDB gewinnen an Bedeutung.

4) NoSQL – die Alternative zur relationalen Welt

Alle DBMS oben sind relational – Tabellen, Spalten, SQL. Für bestimmte Aufgaben passt dieses Modell aber nicht gut: extrem hohe Schreibraten, semi-strukturierte Daten, Graphen, Caches. Dafür gibt es NoSQL („Not only SQL"), das in vier Untertypen zerfällt:

Die vier NoSQL-Typen

📄 Dokumentorientiert

Daten als JSON-ähnliche Dokumente. Flexibles Schema – jedes Dokument kann andere Felder haben. Ideal für Inhalts-Management, Anwendungen mit häufigen Schema-Änderungen.

MongoDBCouchDB

🔑 Key-Value

Einfache Schlüssel-Wert-Paare. Extrem schnell. Klassiker: Session-Cache, Konfigurationen, Counter. Werte sind oft Strings oder JSON-Blobs.

RedisMemcached

📊 Spalten-orientiert

Speichert Daten spalten- statt zeilenweise. Optimal für Analytics über Millionen Zeilen mit nur wenigen relevanten Spalten. Data Warehouses, Big Data.

CassandraHBase

🕸️ Graph

Daten als Knoten und Kanten. Optimal für Beziehungs-lastige Daten: soziale Netze, Empfehlungssysteme, Wissensgraphen.

Neo4jArangoDB

Tiefer ins Thema: Warum NoSQL? und NoSQL-Typen (K37). Für die IHK reichen die Begriffe und die Erkenntnis: NoSQL ersetzt SQL nicht, sondern ergänzt es für Spezialfälle.

5) SQL vs. NoSQL – kompakter Vergleich

Wo welche Welt glänzt

SQL / Relational

Strukturierte Daten mit festem Schema
Starke Konsistenz (ACID-Transaktionen)
Komplexe Abfragen mit JOINs
Klassische Geschäftsanwendungen: ERP, CRM, Buchhaltung
Vertikale Skalierung (größerer Server)
Reife Tools, viel Know-how

NoSQL

Semi- oder unstrukturierte Daten (JSON, Logs)
Hohe Schreibraten, eventual consistency
Flexibles oder gar kein Schema
Big Data, Real-time Analytics, IoT
Horizontale Skalierung (viele kleine Server)
Modernere APIs, aber weniger Tool-Ökosystem

In modernen Architekturen kombiniert man oft beide („Polyglot Persistence"): Relationale DB für die Geschäftslogik, NoSQL für Caches und Logs. Vollständige Entscheidungs-Hilfe in SQL vs. NoSQL Entscheidung.

6) Spezialformen, die du mal gehört haben solltest

Über die fünf Big-RDBMS und vier NoSQL-Typen hinaus gibt es noch ein paar exotischere Datenbankkategorien:

Typ	Zweck	Beispiele
OLAP / Data Warehouse	Analyse großer Datenmengen, lesedominiert, denormalisiert	Snowflake, Amazon Redshift, Google BigQuery
Time-Series-DB	Zeitreihen, Sensordaten, Monitoring	InfluxDB, TimescaleDB, Prometheus
Search-Engine-DB	Volltextsuche, Indexing	Elasticsearch, Apache Solr
NewSQL	SQL-Sprache mit horizontaler Skalierung	CockroachDB, Google Spanner, YugabyteDB
In-Memory-DB	Komplett im RAM, höchste Performance	Redis, SAP HANA
Vector-DB	KI-Embeddings, Ähnlichkeitssuche	Pinecone, Chroma, pgvector

Vector-Datenbanken sind besonders durch den KI-Boom in den Fokus gerückt – sie speichern Sprachmodell-Einbettungen für semantische Suche. Klassische DBMS bekommen aber zunehmend Vector-Erweiterungen (z. B. pgvector für PostgreSQL), was die Grenzen verwischt.

7) Lizenzmodelle – die unterschätzte Frage

Eine Datenbank ist nicht „kostenlos", nur weil sie technisch verfügbar ist. Die Lizenz entscheidet, ob du sie kommerziell nutzen darfst, ob Patches kostenlos kommen, ob du Source-Code modifizieren kannst. Die wichtigsten Modelle im DB-Umfeld:

GPL (MySQL): Open Source, aber „viral" – eigene Software auf MySQL-Basis muss ebenfalls GPL sein, sofern sie statisch gelinkt ist. Für Server-Use unkritisch, für eingebettete Datenbanken kritisch.
PostgreSQL License (BSD-ähnlich): Sehr liberal. Beliebige Nutzung, auch kommerziell, ohne Pflicht zur Veröffentlichung des eigenen Codes.
Public Domain (SQLite): Das liberalste mögliche Modell. Du darfst tun, was du willst, ohne Einschränkungen.
Kommerziell mit „Express Edition" (Oracle, MS SQL): Kostenlose Variante mit Limits (Datenbankgröße, RAM, CPUs). Für ernsthafte Produktion: zahlen.
Source-available (z. B. MongoDB SSPL): Code einsehbar, aber Einschränkungen für SaaS-Anbieter. Strittiges Modell.

In der Praxis ist die Wahl oft schon getroffen: Hat dein Hoster MySQL? Dann hast du MySQL. Mehr in Open-Source-Lizenzen.

8) Was bedeutet das für die IHK-Prüfung?

Konkrete Erwartungen für die IHK Teil 1 und Teil 2:

Begriffe kennen: Du solltest die Top-5-RDBMS namentlich nennen können und einen Satz zu jedem sagen.
Standard-SQL beherrschen: Die Befehle, die in jedem DBMS gleich funktionieren – das ist genau, was du gelernt hast.
Open Source vs. Commercial: Den Unterschied verstehen und Beispiele nennen.
NoSQL als Konzept erkennen: Wissen, wann SQL nicht reicht und welche NoSQL-Typen es gibt.
Konkretes DBMS: Meist MySQL/MariaDB – das ist der nächste Schritt in MySQL Praxis.

Zusammenfassung

Es gibt fünf große relationale DBMS: MySQL/MariaDB (Open Source, Web-Standard, LAMP-Stack), PostgreSQL (Open Source, strengstes Standard-SQL, Enterprise-fähig), Oracle (kommerziell, Großkonzerne, hochskalierbar), Microsoft SQL Server (kommerziell, Windows-Welt, .NET), SQLite (embedded, eine Datei, in Millionen Apps). Daneben existieren NoSQL-Systeme für Sonderfälle – vier Untertypen: dokumentorientiert (MongoDB), Key-Value (Redis), spaltenorientiert (Cassandra), Graph (Neo4j). SQL eignet sich für strukturierte, transaktionale Daten mit Joins; NoSQL für unstrukturierte Daten, hohe Schreibraten oder horizontale Skalierung. Weitere Spezialformen: Data Warehouses für Analytics, Time-Series-DBs für Sensordaten, Search-Engines für Volltextsuche, Vector-DBs für KI. Die Lizenzfrage ist mitentscheidend: GPL (MySQL), BSD-ähnlich (PostgreSQL), Public Domain (SQLite), kommerziell mit Express-Edition (Oracle, MS SQL). Standard-SQL funktioniert in allen RDBMS nahezu identisch – Dialekt-Unterschiede liegen bei 10 %. Welches DBMS man wählt, hängt von Team-Know-how, Plattform, Skalierungsbedarf und Lizenzbudget ab.