Daten lesen: Redundanz und Anomalien erkennen

Worum es geht

Sandra Bühler führt in Aarau eine kleine Fahrschule mit zwei Fahrlehrpersonen und zwei Autos. Alle Fahrstunden stehen in einer Excel-Datei: pro Fahrstunde eine Zeile mit Datum, Name, Telefonnummer, Fahrlehrperson, Fahrzeug, Kennzeichen und Preis. Das funktioniert, bis es nicht mehr funktioniert. Lena Graf bekommt die SMS-Erinnerung für ihre Fahrstunde nicht, weil in einer Zeile eine alte Nummer steht. Eine Auswertung zeigt plötzlich drei Fahrzeuge, obwohl die Fahrschule nur zwei hat. Und als Sandra eine abgesagte Stunde löscht, ist auch die einzige Telefonnummer dieser Person weg.

Das sind keine Zufälle und auch keine Schlamperei. Solche Fehler entstehen, weil eine einzige Liste mehrere Dinge gleichzeitig beschreibt. In diesem Modul lernst du, solche Listen zu durchschauen und daraus ein sauberes Datenmodell zu entwerfen, aus dem später eine Datenbank entsteht. Der erste Schritt ist immer derselbe: Bevor du modellierst, liest du die Daten.

Das ist der Weg durch diesen Kurs. In dieser Lektion lernst du, eine Liste systematisch zu untersuchen, Redundanzen zu finden und die drei klassischen Anomalien zu erkennen. Am Schluss findest du Widersprüche mit einer einzigen Datenbankabfrage, statt 2000 Zeilen von Auge zu prüfen.

Eine Liste systematisch lesen

Hier ein Ausschnitt aus Sandras Datei. Die vollständige Liste hat 14 Zeilen, mit ihr arbeitest du später im Labor.

Statt sofort Tabellen zu entwerfen, erstellst du zuerst einen Spalten-Steckbrief. Für jede Spalte beantwortest du vier Fragen:

1. Was bedeutet die Spalte? Beschreibe sie in einem Satz, so wie die Fachperson sie versteht.
2. Welche Werte kommen vor? Notiere zwei, drei typische Beispiele und alle Ausreisser.
3. Wozu gehört die Information? Gehört die Telefonnummer zur Fahrstunde oder zur Person?
4. Woher kommt der Wert? Wer trägt ihn wann ein, wird er abgetippt oder kopiert? Das nennt man die Datenquelle.

Die Spalte "Gehört zu" ist der wichtigste Teil. Sie zeigt, dass die Liste vier Dinge vermischt: Fahrstunden, Fahrschülerinnen und Fahrschüler, Fahrlehrpersonen und Fahrzeuge. Aus dieser Vermischung entstehen alle Probleme dieser Lektion.

Redundanz: dieselbe Information mehrfach

Redundanz bedeutet, dass dieselbe Information mehrfach gespeichert ist. Lenas Telefonnummer steht in jeder ihrer Fahrstunden-Zeilen, in der ganzen Liste viermal. Die Information "Der VW Golf hat das Kennzeichen AG 123456" steht in jeder Zeile, in der jemand mit dem Golf fährt.

Nicht jede Wiederholung ist aber Redundanz. Das Datum 03.08.2026 steht zweimal, weil an diesem Tag zwei verschiedene Fahrstunden stattfanden. Das sind zwei verschiedene Fakten, die zufällig denselben Wert haben. Die Faustregel:

• Wiederholter Wert, verschiedene Fakten: keine Redundanz. Zwei Fahrstunden am selben Tag, zwei Stunden zum selben Preis, zwei Personen mit dem Vornamen Lena.
• Wiederholter Wert, derselbe Fakt: Redundanz. Lenas Nummer in jeder ihrer Zeilen, das Kennzeichen des Golfs in jeder Golf-Zeile.

Redundanz ist nicht in erster Linie Platzverschwendung. Das eigentliche Problem: Sobald dieselbe Information an mehreren Orten steht, können die Kopien voneinander abweichen. Genau das ist bei Lena passiert. Welche Nummer stimmt, 079 412 55 18 oder 077 318 20 64? Die Liste kann es dir nicht sagen. Einen solchen Widerspruch nennt man Inkonsistenz.

Die drei Anomalien

Wenn eine Tabelle mehrere Dinge vermischt, führen ganz normale Arbeiten zu Fehlern. Diese Fehler heissen Anomalien. Man unterscheidet sie nach der Tätigkeit, bei der sie auftreten: Einfügen, Ändern oder Löschen.

Achte darauf, Anomalien immer mit einem konkreten Beispiel aus den Daten zu belegen. "Es gibt Änderungsanomalien" ist eine Behauptung. "Lenas Nummer steht in vier Zeilen, in Zeile 7 steht eine andere" ist ein Nachweis.

Mit einer Abfrage Widersprüche finden

Bei 14 Zeilen findest du Lenas zwei Nummern von Auge, bei 2300 Zeilen nicht mehr. Für eine systematische Prüfung eignet sich die Datenbanksprache SQL. Du lernst sie ausführlich in den Modulen 164 und 106, für die Analyse genügen wenige Bausteine.

Angenommen, Sandras Liste steht in einer Tabelle fahrstunden_liste. Diese Abfrage sucht Fahrzeuge, bei denen mehr als ein Kennzeichen vorkommt:

SELECT fahrzeug, COUNT(DISTINCT kennzeichen) AS anzahl_kennzeichen  -- was angezeigt wird
FROM fahrstunden_liste                                              -- aus welcher Tabelle
GROUP BY fahrzeug                                                   -- eine Gruppe pro Fahrzeug
HAVING COUNT(DISTINCT kennzeichen) > 1;                             -- nur Gruppen mit Widerspruch

fahrzeug  anzahl_kennzeichen
VW Golf   2

So liest du die Abfrage:

• GROUP BY fahrzeug fasst alle Zeilen mit demselben Fahrzeug zu einer Gruppe zusammen, ähnlich wie eine Pivot-Tabelle in Excel.
• COUNT(DISTINCT kennzeichen) zählt in jeder Gruppe die verschiedenen Kennzeichen. Sechsmal "AG 123456" ergibt 1, kommt einmal "AG 123465" dazu, ergibt es 2.
• HAVING filtert Gruppen. Es zeigt nur Fahrzeuge an, bei denen mehr als ein Kennzeichen vorkommt.
• AS anzahl_kennzeichen gibt der berechneten Spalte einen lesbaren Namen.

Das Ergebnis: Beim VW Golf steht zweimal ein anderes Kennzeichen, weil in Zeile 10 ein Zahlendreher passiert ist. Darum zeigte Sandras Auswertung drei Fahrzeuge.

Jetzt du: Finde mit derselben Technik alle Personen, bei denen mehr als eine Telefonnummer vorkommt.

PRAGMA foreign_keys = ON;
CREATE TABLE fahrstunden_liste (
  zeile       INTEGER PRIMARY KEY,
  datum       TEXT,
  schueler    TEXT,
  telefon     TEXT,
  fahrlehrer  TEXT,
  fahrzeug    TEXT,
  kennzeichen TEXT,
  preis       REAL
);
INSERT INTO fahrstunden_liste VALUES
  (1,  '2026-08-03', 'Lena Graf',    '079 412 55 18', 'Peter Hunziker',  'VW Golf',      'AG 123456', 95),
  (2,  '2026-08-03', 'Jonas Weber',  '078 233 10 92', 'Andrea Zimmerli', 'Toyota Yaris', 'AG 98765',  95),
  (3,  '2026-08-05', 'Mia Steiner',  '076 581 44 07', 'Peter Hunziker',  'VW Golf',      'AG 123456', 95),
  (4,  '2026-08-07', 'Lena Graf',    '079 412 55 18', 'Peter Hunziker',  'VW Golf',      'AG 123456', 95),
  (5,  '2026-08-10', 'Elias Frei',   '079 902 61 33', 'Andrea Zimmerli', 'Toyota Yaris', 'AG 98765',  95),
  (6,  '2026-08-12', 'Jonas Weber',  '078 233 10 92', 'Andrea Zimmerli', 'Toyota Yaris', 'AG 98765',  95),
  (7,  '2026-08-14', 'Lena Graf',    '077 318 20 64', 'Andrea Zimmerli', 'Toyota Yaris', 'AG 98765',  95),
  (8,  '2026-08-17', 'Nora Baumann', '079 640 72 15', 'Peter Hunziker',  'VW Golf',      'AG 123456', 95),
  (9,  '2026-08-19', 'Mia Steiner',  '076 581 44 07', 'Peter Hunziker',  'VW Golf',      'AG 123456', 95),
  (10, '2026-08-21', 'Elias Frei',   '079 902 61 33', 'Peter Hunziker',  'VW Golf',      'AG 123465', 95),
  (11, '2026-08-24', 'Jonas Weber',  '078 233 01 92', 'Andrea Zimmerli', 'Toyota Yaris', 'AG 98765',  95),
  (12, '2026-08-26', 'Nora Baumann', '079 640 72 15', 'Andrea Zimmerli', 'Toyota Yaris', 'AG 98765',  95),
  (13, '2026-08-28', 'Lena Graf',    '079 412 55 18', 'Peter Hunziker',  'VW Golf',      'AG 123456', 95),
  (14, '2026-08-31', 'Mia Steiner',  '076 581 44 07', 'Andrea Zimmerli', 'Toyota Yaris', 'AG 98765',  95);

Schritt für Schritt: Analyse der Fahrstundenliste

Sandra möchte wissen, ob sich eine Datenbank lohnt. Du lieferst ihr eine kurze, belegte Analyse. So gehst du vor:

Schritt 1: Spalten-Steckbrief erstellen. Ergebnis siehe oben: 8 Spalten, die vier verschiedene Dinge beschreiben (Fahrstunde, Person, Fahrlehrperson, Fahrzeug).

Schritt 2: Wiederholungen zählen. Die Liste hat 14 Zeilen, aber nur 5 verschiedene Personen, 2 Fahrlehrpersonen und 2 Fahrzeuge. Zwischenergebnis:

Schritt 3: Widersprüche suchen. Mit den Gruppierungsabfragen findest du drei Inkonsistenzen: Lena Graf hat zwei verschiedene Nummern, bei Jonas Weber gibt es einen Zahlendreher (10 92 und 01 92), und der VW Golf hat einmal das Kennzeichen AG 123465.

Schritt 4: Anomalien mit Beispielen belegen. Für jede Anomalie notierst du einen konkreten Fall aus der Liste, wie in der Tabelle oben: neues Fahrzeug ohne Fahrstunde (Einfügen), Lenas neue Nummer (Ändern), Absage der einzigen Stunde (Löschen).

Schritt 5: Folgen für den Betrieb abschätzen. Jetzt übersetzt du die Technik in die Sprache des Betriebs:

• Erinnerungen gehen an falsche Nummern. Wer nicht erscheint, verpasst eine Stunde, und die Fahrlehrperson wartet umsonst.
• Auswertungen sind falsch: drei statt zwei Fahrzeuge, Stunden pro Auto stimmen nicht.
• Neue Kundinnen und Kunden können erst nach der ersten Buchung erfasst werden. Interessierte, die anrufen, gehen verloren.
• Jede Korrektur kostet Zeit, weil sie in vielen Zeilen nötig ist.

Schritt 6: Regeln vorschlagen. Kurzfristig, noch in Excel: Telefonnummern nur in einem eigenen Blatt "Personen" pflegen, Kennzeichen über eine Auswahlliste statt als Freitext eingeben. Langfristig: jede Sache in eine eigene Tabelle, verknüpft über Nummern. Wie das geht, lernst du in den nächsten Lektionen.

Typische Fehler

1. Jede Wiederholung für Redundanz halten. Dass das Datum oder der Preis 95.00 mehrfach vorkommt, ist kein Problem, denn jede Zeile ist eine eigene Fahrstunde. Frage immer: Ist es derselbe Fakt oder nur derselbe Wert?
2. Anomalien nur abstrakt nennen. Im Kompetenznachweis bekommst du für "Es gibt eine Löschanomalie" kaum Punkte. Belege jede Anomalie mit einer konkreten Zeile oder Person aus der Liste.
3. Einfüge- und Löschanomalie verwechseln. Merkhilfe: Bei der Einfügeanomalie fehlt etwas, damit du eintragen kannst. Bei der Löschanomalie verschwindet etwas, das du behalten wolltest.
4. Fehler sofort im Original korrigieren. Wer Lenas Nummer einfach vereinheitlicht, hat womöglich die falsche gewählt und keine Belege mehr. Dokumentiere Widersprüche und kläre mit der Fachseite, welcher Wert stimmt.

Zusammenfassung

• Bevor du modellierst, liest du die Daten: Spalten-Steckbrief mit Bedeutung, Beispielwerten, Zugehörigkeit und Datenquelle.
• Redundanz heisst: derselbe Fakt steht mehrfach. Gleiche Werte für verschiedene Fakten sind keine Redundanz.
• Redundanz führt zu Inkonsistenzen, also zu Kopien, die sich widersprechen.
• Die drei Anomalien heissen Einfüge-, Änderungs- und Löschanomalie. Sie haben dieselbe Ursache: Eine Tabelle beschreibt mehrere Dinge.
• Belege jede Anomalie mit einem konkreten Beispiel aus den Daten und schätze die Folgen für den Betrieb ab.
• Mit GROUP BY, COUNT(DISTINCT ...) und HAVING findest du Widersprüche auch in sehr langen Listen.