Stell dir vor, du hast eine Fahrzeugvermietung mit einer Tabelle, die zu viele Informationen enthält – ein klassischer Kandidat für Normalisierung. Die Ausgangstabelle hat 20 Attribute, hier ein vereinfachtes Beispiel:

Schritt 1: Funktionale Abhängigkeiten identifizieren

Überlege, welche Attribute voneinander abhängen:

• fahrzeug_id → fahrzeug_typ
• kunde_name → kunde_adresse
• miet_id → fahrzeug_id, kunde_name, preis

Schritt 2: Kandidatenschlüssel bestimmen

In dieser Tabelle könnte miet_id als Primärschlüssel dienen, da jede Miete eindeutig ist.

Schritt 3: Erste Normalform (1NF)

Stelle sicher, dass jede Zelle nur einen Wert enthält. In unserem Beispiel ist die Tabelle bereits atomar – 1NF ist erfüllt.

Schritt 4: Zweite Normalform (2NF)

Entferne Teilabhängigkeiten, indem du die Daten in mehrere Tabellen aufteilst:

CREATE TABLE kunden (
    kunde_id INT PRIMARY KEY,
    kunde_name VARCHAR(50),
    kunde_adresse VARCHAR(100)
);

CREATE TABLE fahrzeuge (
    fahrzeug_id INT PRIMARY KEY,
    fahrzeug_typ VARCHAR(50)
);

CREATE TABLE mietungen (
    miet_id INT PRIMARY KEY,
    kunde_id INT,
    fahrzeug_id INT,
    preis DECIMAL(10,2)
);

Daten nach Zerlegung:

Kunden:

Fahrzeuge:

Mietungen:

Schritt 5: Dritte Normalform (3NF)

Überprüfe, ob transitive Abhängigkeiten existieren. In unserem Beispiel sind alle Nicht-Schlüssel-Attribute direkt vom Primärschlüssel abhängig. Damit ist die 3NF erfüllt.

Schritt 6: Optional: Boyce-Codd-Normalform (BCNF)

Falls es noch spezielle Überlappungen bei Schlüsseln gäbe, könnte man weiter zerlegen, um jede Determinante zum Kandidatenschlüssel zu machen.

Mit dieser Schritt-für-Schritt-Methode wird deutlich, wie man aus einer großen, unübersichtlichen Tabelle sauber normalisierte Tabellen erstellt – Datenredundanz und Anomalien werden vermieden.