SAllgemein

Star Schema (Sternschema)

BI-Datenmodell: Faktentabelle + Dimensionstabellen für schnelle Analysen.

Ein Star Schema (Sternschema) ist ein BI-Datenmodell, bei dem eine zentrale Faktentabelle (z. B. Verkäufe) mit mehreren Dimensionstabellen (z. B. Kunde, Produkt, Zeit) verbunden ist, um Reporting und Analysen schnell, verständlich und performant zu machen. Es heißt „Stern“, weil die Dimensionen wie Zacken um die Faktentabelle angeordnet sind.

Was bedeutet Star Schema (Sternschema)?

„Star Schema“ beschreibt die typische Struktur: In der Mitte steht die Faktentabelle mit messbaren Kennzahlen (Umsatz, Menge, Marge), außen stehen Dimensionstabellen mit beschreibenden Merkmalen (Region, Vertriebskanal, Produktkategorie). Jede Dimension ist meist über einen Schlüssel (ID) direkt mit der Faktentabelle verknüpft. Dadurch lassen sich Kennzahlen sehr einfach nach unterschiedlichen Blickwinkeln auswerten.

Wie funktioniert ein Sternschema in der Praxis?

  • Schritt 1: Fakten definieren – Welche Kennzahlen wollen Sie steuern? (z. B. Umsatz, Deckungsbeitrag, Anzahl Bestellungen)
  • Schritt 2: Dimensionen festlegen – Nach welchen Perspektiven soll gefiltert/segmentiert werden? (z. B. Zeit, Kunde, Produkt, Standort)
  • Schritt 3: Granularität wählen – Auf welcher Detailstufe liegen die Fakten? (z. B. „jede Bestellposition“ statt „pro Tag“)
  • Schritt 4: Tabellen verbinden – Die Faktentabelle enthält Fremdschlüssel zu den Dimensionen (z. B. product_id, customer_id, date_id).
  • Schritt 5: Reports bauen – BI-Tools können nun Kennzahlen schnell aggregieren (SUM/COUNT) und nach Dimensionen aufschlüsseln (z. B. Umsatz nach Monat und Region).

Konkretes Beispiel (KMU-tauglich)

Stellen Sie sich einen Händler vor. In der Faktentabelle fact_sales stehen pro Verkauf: umsatz, menge, rabatt sowie die IDs zu Dimensionen. Dazu kommen Dimensionstabellen wie dim_date (Datum, Woche, Monat), dim_product (Kategorie, Marke), dim_customer (Kundensegment, Branche) und dim_store (Filiale, Region). Eine Frage wie „Wie hat sich die Marge im Q4 nach Produktkategorie und Region entwickelt?“ wird dadurch zu einer schnellen Standardabfrage statt zu einem komplexen Join-„Spaghetti“-Problem.

Warum ist das Sternschema wichtig (Nutzen für Geschäftsführer)?

  • Schnellere Auswertungen: Weniger komplexe Abfragen, oft bessere Performance im Data Warehouse.
  • Einfachere Steuerung: Kennzahlen und Dimensionen sind klar getrennt – das macht Dashboards verständlicher und robuster.
  • Weniger Fehler im Reporting: Ein sauberes Modell reduziert widersprüchliche Zahlen zwischen Abteilungen („Welche Umsatzzahl stimmt?“).
  • Bessere Self-Service-Analytics: Fachbereiche können häufiger selbst filtern und analysieren, ohne jedes Mal IT/BI zu blockieren.

Wann passt ein Sternschema – und wann nicht?

Ein Sternschema ist ideal für wiederkehrende Analysen (Sales, Finance, Operations) und KPI-Dashboards. Es ist weniger passend, wenn Sie hochgradig normalisierte operative Prozesse modellieren (z. B. ERP-Transaktionen) oder sehr komplexe Hierarchien ohne klare „Fakt vs. Dimension“-Trennung haben. In solchen Fällen nutzt man oft ergänzend ein Snowflake-Schema oder eine andere Modellierungsstrategie.

Was kostet die Einführung (realistisch eingeordnet)?

Die Kosten hängen weniger am Sternschema selbst, sondern an Datenqualität, Quellenanzahl und Automatisierung (ETL/ELT). Typisch sind Aufwände für Datenintegration, Definition von KPIs und Tests. Für KMU startet ein erster „Stern“ (z. B. Sales) oft als schlankes Projekt und kann schrittweise erweitert werden.