Big Data und NoSQL

Aktives Lernen funktioniert hier besonders gut, weil Schülerinnen und Schüler die Grenzen relationaler Datenbanken beim Umgang mit unstrukturierten Daten direkt erleben können. Durch praktische Modellierung und Simulation verstehen sie, warum NoSQL und horizontale Skalierung in modernen Anwendungen unverzichtbar sind. Die Kombination aus Stationenlernen und Fallstudien macht abstrakte Konzepte greifbar und fördert ein tiefes Verständnis.

• Klasse 10
• Digitale Welten Gestalten: Informatik in der Praxis
• 4 Aktivitäten
• 30 Min.–50 Min.

Lernziele

1. Analysieren Sie die Grenzen relationaler Datenbanken bei der Speicherung und Abfrage von Social-Media-Daten.
2. Vergleichen Sie die Konzepte der horizontalen und vertikalen Skalierung von Datenbanksystemen.
3. Erklären Sie die Kernprinzipien von mindestens zwei verschiedenen NoSQL-Datenbanktypen (z. B. Dokumenten-, Schlüssel-Wert-, Spaltenfamilien-Datenbanken).
4. Bewerten Sie die Chancen und Risiken der Analyse großer, unstrukturierter Datensätze im Hinblick auf Datenschutz und algorithmische Verzerrungen.

Lernen an Stationen

⏱ 45 Min.·Kleingruppen

Lernen an Stationen: Skalierungsarten

Richten Sie Stationen ein: Station 1 simuliert vertikale Skalierung mit einem Server-Modell aus Kartons, Station 2 horizontale mit verteilten Karten als Daten. Gruppen testen Last durch Würfeln und notieren Engpässe. Abschließende Plenumdiskussion vergleicht Ergebnisse.

Vorbereitung & Details

Warum stoßen klassische Tabellen bei sozialen Netzwerken an ihre Grenzen?

Moderationstipp: Stellen Sie beim Stationenlernen sicher, dass jede Station klare Materialien und eine präzise Aufgabenstellung enthält, die die Schüler:innen zum Vergleich von vertikaler und horizontaler Skalierung anleitet.

Setup: Im Raum verteilte Tische/Stationen

Materials: Stationskarten mit Arbeitsanweisungen, Unterschiedliche Materialien je Station, Timer für die Rotation

• Erinnern
• Verstehen
• Anwenden
• Analysieren
• Selbststeuerung
• Beziehungsfähigkeit

World Café

⏱ 30 Min.·Partnerarbeit

NoSQL-Modellierung: Social-Media-Daten

Paare modellieren Daten eines Posts (Text, Likes, Bilder) erst relational, dann NoSQL. Sie zeichnen Schemata und diskutieren Vorteile. Präsentationen zeigen, warum NoSQL flexibler ist.

Vorbereitung & Details

Welche Chancen und Risiken bietet die Analyse von Milliarden Datensätzen?

Moderationstipp: Fordern Sie bei der NoSQL-Modellierung explizit eine schriftliche Begründung ein, warum bestimmte Daten in Dokumenten- oder Key-Value-Datenbanken besser aufgehoben sind als in relationalen Tabellen.

Setup: Kleine Tische (je 4-5 Plätze), im Raum verteilt

Materials: Große Papier-„Tischdecken“ mit Leitfragen, Moderationsmarker (verschiedene Farben pro Runde), Instruktionskarte für die Tischgastgeber

• Verstehen
• Anwenden
• Analysieren
• Sozialbewusstsein
• Beziehungsfähigkeit

World Café

⏱ 50 Min.·Kleingruppen

Risiko-Analyse: Big Data Fallstudie

Klassen teilen sich in Expertengruppen: Datenschutz, Bias, Skalierbarkeit. Jede Gruppe analysiert ein reales Beispiel wie Facebook und erstellt Infografiken. Plenum-Runde teilt Erkenntnisse.

Vorbereitung & Details

Wie unterscheidet sich die horizontale von der vertikalen Skalierung?

Moderationstipp: Steuern Sie die Datenflut-Simulation als Ganzklassenaktivität moderierend, indem Sie gezielt Fragen stellen, die die Schüler:innen zum Nachdenken über Skalierungsstrategien anregen.

Setup: Kleine Tische (je 4-5 Plätze), im Raum verteilt

Materials: Große Papier-„Tischdecken“ mit Leitfragen, Moderationsmarker (verschiedene Farben pro Runde), Instruktionskarte für die Tischgastgeber

• Verstehen
• Anwenden
• Analysieren
• Sozialbewusstsein
• Beziehungsfähigkeit

World Café

⏱ 35 Min.·Ganze Klasse

Datenflut-Simulation: Whole Class

Die Klasse simuliert Big Data durch Kartenaustausch: Jeder hat Datensätze, die wachsen. Gruppen clustern sie horizontal. Diskussion: Warum scheitert zentrale Verarbeitung?

Vorbereitung & Details

Warum stoßen klassische Tabellen bei sozialen Netzwerken an ihre Grenzen?

Moderationstipp: Nutzen Sie die Risiko-Analyse als Grundlage für eine strukturierte Diskussion, indem Sie die Fallstudie in kleinere Gruppen aufteilen und die Ergebnisse im Plenum vergleichen lassen.

Setup: Kleine Tische (je 4-5 Plätze), im Raum verteilt

Materials: Große Papier-„Tischdecken“ mit Leitfragen, Moderationsmarker (verschiedene Farben pro Runde), Instruktionskarte für die Tischgastgeber

• Verstehen
• Anwenden
• Analysieren
• Sozialbewusstsein
• Beziehungsfähigkeit

Dieses Thema unterrichten

Erfahrene Lehrkräfte beginnen mit einer kurzen Einführung in die Probleme klassischer relationaler Datenbanken bei unstrukturierten Daten, um die Relevanz des Themas zu verdeutlichen. Sie vermeiden Frontalunterricht und setzen stattdessen auf aktivierende Methoden wie Stationenlernen und Simulationen. Wichtig ist, dass Schüler:innen selbst erleben, wie schwer es ist, flexible Daten in starre Tabellen zu pressen. Ethische Fragen und Datenschutz sollten nicht als separates Thema behandelt werden, sondern im Kontext der Fallstudie und Diskussionen integriert werden.

Was Sie erwartet

Erfolgreiches Lernen zeigt sich darin, dass Schülerinnen und Schüler die Unterschiede zwischen relationalen und NoSQL-Datenbanken erklären können. Sie sollten in der Lage sein, Skalierungsarten zu vergleichen und ihre Vor- und Nachteile für konkrete Szenarien zu bewerten. Zudem erkennen sie die Bedeutung von Datenschutz und ethischen Fragen im Umgang mit Big Data.

Vorsicht vor diesen Fehlvorstellungen

Häufige Fehlvorstellung

Während der Stationenlernen-Aktivität 'Skalierungsarten' beobachten Sie, dass einige Schüler:innen davon ausgehen, NoSQL-Datenbanken könnten relationale Systeme vollständig ersetzen.

Was Sie stattdessen lehren sollten

Nutzen Sie die Materialien der Stationen, um die Schüler:innen gezielt mit Beispielen für Daten zu konfrontieren, die sich besser für relationale Datenbanken eignen (z. B. Buchungsvorgänge in einem Online-Shop). Fordern Sie sie auf, diese in einer relationalen Struktur zu modellieren und die Vorteile zu diskutieren.

Häufige Fehlvorstellung

Während der Datenflut-Simulation 'Whole Class' glauben einige Schüler:innen, Big Data sei nur eine Frage der reinen Datenmenge.

Was Sie stattdessen lehren sollten

Nutzen Sie die Simulation, um gezielt die Dimensionen Volumen, Velocity und Variety zu thematisieren. Zeigen Sie im Anschluss an die Aktivität, wie unterschiedliche NoSQL-Ansätze (z. B. Dokumenten- vs. Key-Value-Speicher) diese Dimensionen adressieren und lassen Sie die Schüler:innen ihre Erkenntnisse in einer kurzen Reflexion festhalten.

Häufige Fehlvorstellung

Während der Stationenlernen-Aktivität 'Skalierungsarten' nehmen einige Schüler:innen an, horizontale Skalierung sei immer die einfachere und kostengünstigere Lösung.

Was Sie stattdessen lehren sollten

Bitten Sie die Schüler:innen, in der Station zur horizontalen Skalierung konkrete Beispiele zu bearbeiten, die den Aufwand für Konsistenzmanagement und Datenverteilung verdeutlichen (z. B. die Synchronisation von Nutzerdaten über mehrere Server). Lassen Sie sie in einer Peer-Diskussion Vor- und Nachteile gegenüberstellen.

Ideen zur Lernstandserhebung

Lernstandskontrolle

Nach der Aktivität 'Skalierungsarten' erhalten die Schüler:innen eine Karte mit einem der Begriffe 'Big Data', 'NoSQL' oder 'Horizontale Skalierung'. Sie schreiben eine kurze Erklärung (2-3 Sätze), warum dieser Begriff für moderne Anwendungen wichtig ist, und nennen ein konkretes Beispiel aus dem Stationenlernen.

Diskussionsfrage

Während der Aktivität 'Risiko-Analyse: Big Data Fallstudie' leiten Sie eine Klassendiskussion, die sich auf die ethischen Bedenken konzentriert, die in der Fallstudie angesprochen werden. Stellen Sie gezielte Fragen zu Datenschutz, Diskriminierung durch Algorithmen und der Notwendigkeit von Transparenz.

Kurze Überprüfung

Nach der Aktivität 'NoSQL-Modellierung: Social-Media-Daten' zeigen Sie eine einfache Datenstruktur (z. B. verschachtelte JSON-Objekte für ein Nutzerprofil mit variablen Feldern). Die Schüler:innen notieren auf einem Zettel, warum eine relationale Datenbank hier an Grenzen stößt und welche Art von NoSQL-Datenbank besser geeignet wäre.

Erweiterungen & Unterstützung

• Fordern Sie schnelle Schüler:innen auf, eine eigene NoSQL-Struktur für ein fiktives soziales Netzwerk mit mindestens fünf verschiedenen Datentypen zu entwerfen und deren Vorteile gegenüber einer relationalen Lösung zu begründen.
• Unterstützen Sie Schüler:innen mit Schwierigkeiten, indem Sie ihnen eine vorgefertigte Tabelle mit Beispielwerten für soziale Netzwerkdaten geben und sie Schritt für Schritt in eine Dokumentenstruktur überführen lassen.
• Vertiefen Sie das Thema für interessierte Lernende, indem Sie ihnen ermöglichen, eine einfache NoSQL-Datenbank in einer Testumgebung (z. B. MongoDB Atlas) anzulegen und mit echten Abfragen zu experimentieren.

Schlüsselvokabular

Big Data	Eine riesige Menge an Daten, die so schnell generiert werden, dass sie mit herkömmlichen Datenbankmethoden nicht mehr effizient verarbeitet werden können.
NoSQL	Eine Kategorie von Datenbanken, die flexiblere Datenmodelle als relationale Datenbanken bieten und oft für die Verarbeitung großer, verteilter Datensätze konzipiert sind.
Horizontale Skalierung	Das Hinzufügen weiterer Maschinen (Knoten) zu einem Cluster, um die Rechenlast zu verteilen und die Kapazität zu erhöhen.
Vertikale Skalierung	Das Erhöhen der Kapazität einer einzelnen Maschine, z. B. durch Hinzufügen von mehr RAM oder einer schnelleren CPU.
Schema	Die Struktur oder der Bauplan einer Datenbank, der definiert, wie Daten organisiert und miteinander verbunden sind.