spaltenorientierte Datenbank
Eine spaltenorientierte Datenbank speichert Tabellendaten nicht zeilenweise, sondern gruppiert alle Werte einer Spalte zusammen auf der Festplatte. Das macht sie besonders schnell bei Analysen über viele Datensätze hinweg – und ist deshalb ein Grundbaustein moderner Datenpipelines und KI-Infrastruktur.
Eine Datenbank speichert Informationen in Tabellen – mit Zeilen für einzelne Einträge und Spalten für Eigenschaften wie Name, Preis oder Datum. Die meisten klassischen Datenbanken speichern diese Tabellen zeilenweise: erst alle Werte von Zeile 1, dann alle von Zeile 2, und so weiter. Eine spaltenorientierte Datenbank dreht das um. Sie legt alle Werte einer Spalte nacheinander ab – erst alle Preise, dann alle Daten, dann alle Namen. Auf einer normalen Festplatte oder einem schnellen Flash-Speicher lassen sich so zusammenhängende Werte viel schneller lesen. Der Unterschied klingt klein, hat aber enorme Auswirkungen darauf, wie schnell eine Auswertung läuft.
Warum die Reihenfolge auf der Festplatte zählt
Stell dir vor, du willst aus einer Tabelle mit einer Million Verkäufen den durchschnittlichen Preis berechnen. Du brauchst dafür nur die Spalte « Preis » – nicht die Namen der Kunden, nicht ihre Adressen, nicht das Datum. Eine zeilenorientierte Datenbank liest trotzdem jede komplette Zeile aus dem Speicher, weil die Preise überall dazwischen liegen. Das kostet Zeit und Energie.
Eine spaltenorientierte Datenbank liest in diesem Fall nur die eine Spalte. Das ist ein Bruchteil der Datenmenge. In der Praxis kann das bedeuten: eine Auswertung läuft in Sekunden statt Minuten. Für Unternehmen, die täglich Milliarden von Datenpunkten auswerten, macht das einen enormen Unterschied – sowohl in der Geschwindigkeit als auch in den Serverkosten.
Hinzu kommt ein zweiter Vorteil: Werte in einer Spalte haben oft denselben Typ und ähnliche Größenordnungen. Das lässt sich gut komprimieren, also platzsparend kodieren. Eine Spalte mit tausend Mal dem Wert « EUR » braucht nach der Komprimierung kaum mehr Platz als ein einziges « EUR ». Zeilenorientierte Datenbanken profitieren von dieser Komprimierung kaum, weil die Werte in einer Zeile zu unterschiedlich sind.
Wie das Lesen und Schreiben intern abläuft
Beim Lesen sucht die Datenbank nur die Dateisegmente heraus, die zu den angefragten Spalten gehören. Moderne Systeme lesen diese Segmente parallel – also mehrere Spalten gleichzeitig. Das funktioniert besonders gut auf Servern mit vielen Prozessorkernen.
Beim Schreiben gibt es einen Nachteil. Wer einen einzelnen neuen Datensatz einfügt, muss jeden seiner Werte in die jeweils passende Spaltendatei schreiben – also viele kleine Schreibvorgänge an verschiedenen Stellen. Das ist langsamer als bei einer zeilenorientierten Datenbank, die einfach eine neue Zeile hinten anhängt. Spaltenorientierte Datenbanken sind deshalb besser für Szenarien geeignet, in denen große Datenmengen gebündelt geladen und danach viel häufiger gelesen als verändert werden. Man nennt das auch einen « schreibarmen, leseintensiven » Anwendungsfall.
Viele Systeme lösen dieses Problem mit einem Trick: Neue Daten landen zunächst in einem schnellen Zwischenspeicher im Arbeitsspeicher, der zeilenorientiert arbeitet. Erst später werden sie in die spaltenweise Struktur übertragen. So kombiniert das System die Stärken beider Ansätze.
Spaltenorientierte Datenbanken in Produkten und Nachrichten
Der Begriff taucht vor allem in Berichten über Datenanalyse, Business Intelligence und KI-Infrastruktur auf. Bekannte Systeme sind Google BigQuery, Amazon Redshift, Snowflake und das Open-Source-Projekt DuckDB. Sie alle sind spaltenorientiert und für analytische Abfragen auf sehr großen Datensätzen ausgelegt.
Auch im KI-Kontext sind sie relevant. Wer ein Sprachmodell trainiert oder Auswertungen über Nutzerdaten macht, arbeitet mit Tabellen, die Milliarden von Zeilen haben können. Spaltenorientierte Datenbanken ermöglichen es, darüber in vertretbarer Zeit Fragen zu stellen – etwa: « Welche Nutzer haben das Modell in den letzten 30 Tagen mehr als hundert Mal befragt? » Das wäre mit einer klassischen zeilenorientierten Datenbank deutlich langsamer.
Ein häufiger Irrtum ist, spaltenorientierte Datenbanken mit NoSQL-Datenbanken gleichzusetzen. Das ist nicht dasselbe. NoSQL bezeichnet Datenbanken, die kein klassisches Tabellenformat benutzen – etwa solche, die Daten als Dokumente oder Graphen speichern. Eine spaltenorientierte Datenbank kann dagegen ganz normale Tabellen verwalten und sogar die Abfragesprache SQL sprechen. Der Unterschied liegt nur darin, wie die Daten intern auf dem Speicher angeordnet sind.