Angesichts der Vielfalt von Datenbanktypen stellt sich die Frage, welche Datenbank für welchen Anwendungsfall geeignet ist. Die folgende Übersichtstabelle fasst die wichtigsten Datenbankarten, ihre Kernmerkmale und typische Einsatzgebiete zusammen:
| Datenbanktyp | Beispiele | Geeignete Anwendungsfälle |
|---|---|---|
| Hierarchische DB | IBM IMS, Windows Registry | Stark hierarchische Daten (z.B. Organigramme, Stücklisten); legacy Systeme in Banken/Versicherungen, Verzeichnisdienste (LDAP). |
| Netzwerk-DB | CODASYL-DB (z.B. IDMS) | Frühe Unternehmens-DB mit komplexen Many-to-Many-Beziehungen (heute vor allem in Altsystemen, da weitgehend von relational abgelöst). |
| Relationale DB (RDBMS) | Oracle, MySQL, PostgreSQL | Allgemeine Geschäftsdaten, transaktionale Systeme (Banken, ERP, Buchungssysteme), strukturierte Daten mit Schema, wenn ACID-Konformität und SQL-Zugriff gefordert sind (Standard in den meisten Anwendungen). |
| Dokumenten-DB | MongoDB, CouchDB, DynamoDB | Flexible, schemafreie Daten, z.B. Inhalte von Websites, Konfigurationsdaten, Benutzerprofile, Blog- und CMS-Daten. Überall dort, wo JSON-Daten mit variabler Struktur gespeichert und schnell abgerufen werden sollen. |
| Weitspalten-DB (Column Family) | Apache Cassandra, HBase | Big-Data-Anwendungen mit grossen, breiten Tabellen: Zeitreihen (IoT-Sensoren), Log- und Telemetriedaten, Analyse grosser Datenmengen, wenn verteilte Skalierung und schnelle Schreibzugriffe benötigt werden. |
| Key-Value Store | Redis, Memcached, Riak | Einfache Datenzugriffe mit extrem hohen Anforderungen an Durchsatz und Latenz: Caching, Session-Daten, Echtzeit-Datenstreams, Zähler (Likes/Views), Shopping-Carts, schnelle Konfigurationsabrufe. |
| Graph-Datenbank | Neo4j, Amazon Neptune | Hochvernetzte Daten: Soziale Netzwerke, Empfehlungs- und Betrugserkennungssysteme, Wissensgraphen, Netzwerk- und Routinginformationen (z.B. Routenplanung, Lieferwege). |
| Vektor-Datenbank | Pinecone, Weaviate, Milvus | KI- und ML-Anwendungen: Ähnlichkeitssuche in Multimedia-Daten (Bild-/Textähnlichkeit), semantische Suche, Recommendations, Kontextspeicher für Sprachmodelle (Embeddings-Suche). |
| Blockchain-Datenbank | BigchainDB, Ethereum (Ledger) | Vertrauenslose, verteilte Datenspeicherung: Kryptowährungstransaktionen, Supply-Chain-Tracking, notarielle Register (Grundbücher, Zertifikate) – überall dort, wo unveränderliche, transparente Nachvollziehbarkeit wichtiger ist als hohe Transaktionsraten. |
Hinweis: In der Praxis verschwimmen die Grenzen teils – z.B. unterstützen viele relationale Datenbanken heute JSON-Felder (dokumentenartig), einige NoSQL-DB bieten SQL-ähnliche Abfragesprachen, und sogenannte Multi-Model-Datenbanken versuchen, mehrere dieser Modelle in einem System zu vereinen. Die obige Tabelle dient also als grobe Orientierung.