Effektive Datennutzung durch strukturierte Datenbanken
Die Veranstaltung bietet zunächst einen Überblick über das Thema Datenmanagement, insbesondere zum Speichern und Verarbeiten von strukturierten Daten mit Hilfe von Datenbanken. An einem Anwendungsbeispiel aus dem Laborbetrieb wird gezeigt, wie man ausgehend von fachlichen Anforderungen, ein Fachkonzept erstellt und daraus eine relationale Datenbank implementiert. Weil heutzutage Daten aus diversen Quellen und in verschiedenen Strukturen verarbeitet werden müssen, werden auch die Themen Datenintegration und Datenanalyse behandelt. Insbesondere wird dabei auf Aspekte des Data Warehousing, Big Data, Data Science und Künstliche Intelligenz eingegangen.
Zielgruppe
Für wen ist dieses Seminar interessant
- Fach- und Führungskräfte, Laborleitungen und technische Angestellte, die sich über die Entwicklungen und Methoden der digitalen Transformation in einer modernen, agilen Organisation, insbesondere zum Thema Datenmanagement, informieren möchten.
- Der Kurs ist geeignet zum Einstieg, richtet sich aber auch an Fortgeschrittene, die ihre Laborpraxis durch geeignetes Backgroundwissen erweitern möchten. Vorkenntnisse sind nicht erforderlich.
- Fach- und Führungskräfte, Laborleitungen und technische Angestellte, die sich über die Entwicklungen und Methoden der digitalen Transformation in einer modernen, agilen Organisation, insbesondere zum Thema Datenmanagement, informieren möchten.
- Der Kurs ist geeignet zum Einstieg, richtet sich aber auch an Fortgeschrittene, die ihre Laborpraxis durch geeignetes Backgroundwissen erweitern möchten. Vorkenntnisse sind nicht erforderlich.
Lernziele
Nach dem Seminar
- wissen Sie um den Unterschied zwischen Excel und Datenbanken.
- erkennen Sie die Chancen und Nutzen von Datenbanken für Ihre Organisation.
- kennen Sie die Grundprinzipien relationaler und hierarchischer Datenbanken.
- können Sie Datenmodelle lesen und erstellen und verstehen, wie Datenkonsistenz sichergestellt wird.
- haben Sie das nötige Fachwissen, um zusammen mit Ihrer IT eine auf die Bedürfnisse Ihrer Organisation maßgeschneiderte Datenbank aufzusetzen.
- wissen Sie um den Unterschied zwischen Excel und Datenbanken.
- erkennen Sie die Chancen und Nutzen von Datenbanken für Ihre Organisation.
- kennen Sie die Grundprinzipien relationaler und hierarchischer Datenbanken.
- können Sie Datenmodelle lesen und erstellen und verstehen, wie Datenkonsistenz sichergestellt wird.
- haben Sie das nötige Fachwissen, um zusammen mit Ihrer IT eine auf die Bedürfnisse Ihrer Organisation maßgeschneiderte Datenbank aufzusetzen.
Termin
Referent:in
Preis
| 26.11. - 27.11.2026 Online |  |
Burkhard Schäfer
1.210,00 € zzgl. MwSt.
(1.439,90 € inkl. MwSt.)
(1.439,90 € inkl. MwSt.)
Einführung
- Daten als zentraler Treibstoff der Digitalisierung
- Datenzugänglichkeit als Enabler: Integration, Zusammenarbeit, Analyse, Langzeitarchivierung
- Datenbanken als Rückgrat gängiger Laborsoftware (LIMS, ELN, Reporting-Tools)
- Drei-Schichten-Architektur: Präsentation, Anwendung, Daten
- Data-Enablement: Von traditionellen zu datengestützten Geschäftsprozessen
- Die Rolle von KI in einer datengetriebenen Organisation
FAIR-Prinzipien
- Nutzung der FAIR-Prinzipien zur Gestaltung sinnvoller Datenbanken: Findability, Accessibility, Interoperability, Reusability
- Rolle von Metadaten
Relationale Datenmodelle
- Entity-Relationship-Diagramme (ERD) erstellen und lesen
- Vom ERD zum Datenbankschema: Tabellen, Spalten, Fremdschlüssel-Beziehungen
- Praxisübungen: Tabellen und Datenmodelle entwickeln
Datenkonsistenz
- Mechanismen zur Sicherstellung der Konsistenz einer Datenbank
- Integritäts-Einschränkungen (Constraints)
- Transaktionen: Isolation, Rollback, Commit
- Gleichzeitiger Zugriff (Concurrency)
- ACID-Paradigma
Relationale vs. hierarchische Datenbanken
- Hierarchische Datenbanken: NoSQL, XML, objektorientierte Datenbanken
- XML: Struktur, Anwendung, Beispieldokumente
- Vergleich RDBMS vs. XML nach Kriterien wie Skalierbarkeit, Anfragen, Verfügbarkeit
Data Mining und Analytics
- Definition und Anwendungsfälle von Data Mining
- Gängige Algorithmen
- Schnittstellen für den Datenzugriff
- Integrative Analytics und Beispiel-Tools (z. B. KNIME)
- Anwendungen im Labor: Knowledge Discovery, Visualisierung, Datenbereinigung
Reporting und Transformationen
- Ziele der Berichterstattung: Datenabruf, Aufbereitung, Entscheidungshilfe
- Berichtgeneratoren
- XSL Transformations (XSLT) und XSL Formatting Objects (XSL-FO)
- Anwendungen im Labor: Analysenzertifikate, aggregierte Berichte, statistische Auswertungen
Big Data
- Definition und Abgrenzung: Wann sprechen wir von Big Data?
- Architektonische Prinzipien: lose Kopplung, Partitionierung, Redundanz, Skalierbarkeit
- Speicherung: NoSQL-Datenbanken (MongoDB, Cassandra, CouchDB), Object Stores (Amazon S3, Ceph, Minio), Cloud Storage
- Computing: Map/Reduce, Apache Hadoop, Kubernetes, OpenStack
- Vor- und Nachteile von Cloud-Speicher; Kriterien für die Auswahl
- Laboranwendungen: High Content Screening, Imaging, Massenspektrometrie, Archivierung
Diese Veranstaltung ist einzeln buchbar oder im Rahmen der modularen Lehrgänge
Das Thema interessiert auch Ihre Kolleginnen und Kollegen?Inhouse-Angebot
Gerne klären wir mit Ihnen die Möglichkeit eines Inhouse-Seminars!
Gerne klären wir mit Ihnen die Möglichkeit eines Inhouse-Seminars!
