Datenbanken (eBook)
560 Seiten
MITP Verlags GmbH & Co. KG
978-3-8266-8719-8 (ISBN)
- Konzepte, Entwurf, Design, Implementierung
- Konkrete Erläuterungen am Praxisbeispiel
- Zahlreiche Aufgaben mit Musterlösungen sowie Anregungen für eigene Projekte
- Aus dem Inhalt:
- Datenbanksysteme, Datenbankanwendungen und Middleware
- Das relationale Datenbankmodell
- ER-Datenbankmodellierung und Normalisierung
- SQL-GrundlagenProjektablauf bei der Erstellung einer Datenbank
- Transaktionen und konkurrierende Zugriffe
- Fat- und Thin-Clientmodelle
- Client-Server-Architektur
- Verteilte Datenbanksysteme
- Data Warehouses
- Data Mining
- LINQ
- Einführung in Big Data
Frank Geisler hat an der University of Liverpool Information Technology studier, und er beschäftigt sich seit 1995 mit den unterschiedlichsten Datenbank- und Business-Intelligence-Lösungen. Frank Geisler ist geschäftsführender Gesellschafter der Geisler Datensysteme GmbH & Co. KG, eines der führenden Microsoft-IT-Beratungshäuser im Ruhrgebiet.
Frank Geisler hat an der University of Liverpool Information Technology studier, und er beschäftigt sich seit 1995 mit den unterschiedlichsten Datenbank- und Business-Intelligence-Lösungen. Frank Geisler ist geschäftsführender Gesellschafter der Geisler Datensysteme GmbH & Co. KG, eines der führenden Microsoft-IT-Beratungshäuser im Ruhrgebiet.
Cover 1
Titel 3
Impressum 4
Inhaltsverzeichnis 7
Kapitel 1: Einführung in das Thema Datenbanken 19
1.1 Warum ist Datenbankdesign wichtig? 24
1.2 Dateisystem und Datenbanken 26
1.2.1 Historische Wurzeln 27
1.2.2 Probleme bei der Datenhaltung im Dateisystem 28
1.2.3 Datenredundanzen und Anomalien 35
1.3 Das Fallbeispiel 37
1.4 Zusammenfassung 38
1.5 Aufgaben 41
1.5.1 Wiederholung 41
1.5.2 Zum Weiterdenken 42
Kapitel 2: Datenbanksysteme, Datenbankanwendungen und Middleware 43
2.1 Datenbanksysteme 43
2.2 Verschiedene Arten von Datenbanksystemen 47
2.3 DBMS-Funktionen 48
2.4 Datenbankmodelle 51
2.4.1 Hierarchische Datenbanken 52
2.4.2 Netzwerk-Datenbanken 57
2.4.3 Relationale Datenbanken 59
2.4.4 ER-Datenbankmodelle 65
2.4.5 Objektorientierte Datenbanken 68
2.5 Datenbankanwendungen 73
2.5.1 Einschichtige Datenbankanwendungen 74
2.5.2 Zweischichtige Datenbankanwendungen 74
2.5.3 N-schichtige Datenbankanwendungen 76
2.6 Middleware 77
2.6.1 ODBC 78
2.6.2 ADO 79
2.6.3 ADO.NET 81
2.7 Zusammenfassung 82
2.8 Aufgaben 90
2.8.1 Wiederholung 90
2.8.2 Zum Weiterdenken 90
Kapitel 3: Das relationale Datenbankmodell 93
3.1 Entitäten und Attribute 94
3.2 Tabellen 95
3.3 Schlüssel 98
3.4 Relationale Operatoren 104
3.4.1 DIFFERENCE 104
3.4.2 DIVIDE 105
3.4.3 INTERSECT 105
3.4.4 JOIN 106
3.4.5 PRODUCT 108
3.4.6 PROJECT 109
3.4.7 SELECT 110
3.4.8 UNION 110
3.5 Beziehungen innerhalb der Datenbank 111
3.5.1 1:1-Beziehung 111
3.5.2 1:N-Beziehung 113
3.5.3 M:N-Beziehung 114
3.5.4 Optionale und nicht-optionale Beziehungen 115
3.5.5 Primär-/Fremdschlüssel und Datenredundanzen 115
3.6 Metadaten 116
3.7 Indizes 119
3.8 Zusammenfassung 120
3.9 Aufgaben 125
3.9.1 Wiederholung 125
3.9.2 Zum Weiterdenken 125
Kapitel 4: ER-Datenbankmodellierung 131
4.1 Datenmodelle und Abstraktion 132
4.1.1 Das konzeptionelle Modell 133
4.1.2 Das interne Modell 135
4.1.3 Das externe Modell 136
4.1.4 Das physikalische Modell 137
4.2 Das Entity-Relationship-Modell 138
4.2.1 Entitäten 138
4.2.2 Attribute 139
4.2.3 Primärschlüssel 145
4.2.4 Beziehungen 147
4.3 Erstellen eines ER-Diagramms 162
4.4 Zusammenfassung 170
4.5 Aufgaben 173
4.5.1 Wiederholung 174
4.5.2 Zum Weiterdenken 174
Kapitel 5: Normalisierung 177
5.1 Warum Normalisierung? 177
5.1.1 Das Normalisierungsbeispiel 179
5.1.2 Erste Normalform 180
5.1.3 Zweite Normalform 184
5.1.4 Dritte Normalform 186
5.1.5 Boyce-Codd-Normalform (BCNF) 191
5.1.6 Höhere Normalformen 192
5.2 Normalisierung und Datenbankdesign 196
5.3 Denormalisierung 199
5.4 Zusammenfassung 200
5.5 Aufgaben 202
5.5.1 Wiederholung 202
5.5.2 Zum Weiterdenken 203
Kapitel 6: SQL-Grundlagen 205
6.1 Einführung 206
6.1.1 Historischer Überblick 207
6.1.2 Datentypen 208
6.1.3 Die SQL-Komponenten 210
6.1.4 Logische Verknüpfungen 216
6.2 Daten mit SQL abfragen 221
6.2.1 Einfache Abfragen 222
6.2.2 Tabellen verknüpfen mit Joins 243
6.2.3 Verschachtelte Abfragen 253
6.2.4 Sichten 254
6.3 Daten mit SQL verändern 258
6.3.1 INSERT 258
6.3.2 UPDATE 259
6.3.3 DELETE 260
6.4 Weitere wichtige SQL-Befehle 261
6.4.1 Mengenfunktionen 261
6.4.2 Stringfunktionen 266
6.4.3 Numerische Funktionen 268
6.4.4 Datetime-Funktionen 269
6.5 Zusammenfassung 271
6.6 Aufgaben 275
6.6.1 Wiederholung 275
6.6.2 Zum Weiterdenken 275
Kapitel 7: Projektablauf bei der Erstellung einer Datenbank 279
7.1 Der System Development Life Cycle 281
7.1.1 Planung 282
7.1.2 Analyse 284
7.1.3 System-Design 286
7.1.4 Implementierung 287
7.1.5 Wartung 289
7.2 Der Datenbank-Lebenszyklus 289
7.2.1 Grundlegende Analyse 290
7.2.2 Datenbankdesign 295
7.2.3 Implementierung und Datenimport 307
7.2.4 Test und Evaluierung 309
7.2.5 Betrieb 309
7.2.6 Wartung und Evolution 310
7.3 Zusammenfassung 310
7.4 Aufgaben 312
7.4.1 Wiederholung 312
Kapitel 8: Transaktionen und konkurrierende Zugriffe 313
8.1 Was ist eine Transaktion? 313
8.1.1 Eigenschaften einer Transaktion 317
8.1.2 Transaktionsverwaltung mit SQL 318
8.1.3 Das Transaktionsprotokoll 320
8.2 Konkurrierende Zugriffe 322
8.2.1 Lost Updates 322
8.2.2 Dirty Read 323
8.2.3 Nonrepeatable Read 324
8.2.4 Phantome 325
8.3 Sperrmechanismen (Locks) 326
8.3.1 Granularität 327
8.3.2 Sperrtypen 332
8.3.3 Zwei-Phasen-Locking 333
8.3.4 Deadlocks 334
8.4 Zusammenfassung 336
8.5 Aufgaben 339
8.5.1 Wiederholung 339
8.5.2 Zum Weiterdenken 340
Kapitel 9: Die Client-Server-Architektur 341
9.1 Was ist Client-Server? 341
9.1.1 Geschichte von Client-Server 342
9.1.2 Vorteile von Client-Server 343
9.2 Client-Server-Architektur 346
9.2.1 Client-Komponenten 349
9.2.2 Server-Komponenten 350
9.2.3 Middleware 351
9.2.4 Netzwerk-Protokolle 355
9.3 Zusammenfassung 361
9.4 Aufgaben 364
9.4.1 Wiederholung 364
Kapitel 10: Verteilte Datenbanksysteme 365
10.1 Vor- und Nachteile verteilter Datenbanksysteme 366
10.2 Verteilte Datenverarbeitung vs. verteilte Datenbanken 371
10.3 Komponenten eines verteilten Datenbanksystems 373
10.4 Transparenz beim Datenzugriff 376
10.4.1 Transparente Datenverteilung 377
10.4.2 Transparentes Transaktionsmanagement 382
10.5 Datenfragmentierung 385
10.6 Replikation 388
10.7 Zusammenfassung 389
10.8 Aufgaben 392
10.8.1 Wiederholung 392
Kapitel 11: Data Warehouses 393
11.1 Die Notwendigkeit der Datenanalyse 395
11.2 Decision-Support-Systeme 396
11.2.1 Der Unterschied zwischen operationalen Daten und DSS-Daten 399
11.2.2 Anforderungen an eine DSS-Datenbank 407
11.3 Das Data Warehouse 410
11.3.1 Data-Marts 414
11.3.2 Zwölf Eigenschaften, an denen man ein Data Warehouse erkennen kann 415
11.4 OLAP (Online Analytical Processing) 416
11.4.1 OLAP-Architekturen 421
11.4.2 Relationales OLAP (ROLAP) 425
11.4.3 Multidimensionales OLAP (MOLAP) 430
11.5 Das Sternschema 433
11.5.1 Fakten 433
11.5.2 Dimensionen 434
11.5.3 Attribute 435
11.5.4 Attribut-Hierarchien 437
11.5.5 Sternschemata in der Praxis 438
11.5.6 Techniken zur Erhöhung der Performance 439
11.6 Das Snowflake-Schema 442
11.7 Slowly changing Dimensions 444
11.7.1 Typ 1 445
11.7.2 Typ 2 446
11.7.3 Typ 3 449
11.7.4 Typ 4 450
11.7.5 Typ 6/Hybrid 451
11.8 Zusammenfassung 452
11.9 Aufgaben 453
11.9.1 Wiederholung 453
Kapitel 12: Data-Mining 455
12.1 Der Data-Mining-Prozess 458
12.1.1 Das Problem definieren 459
12.1.2 Daten vorbereiten 459
12.1.3 Die Daten sichten 460
12.1.4 Ein Data-Mining-Modell definieren 461
12.1.5 Data-Mining betreiben 463
12.1.6 Die Ergebnisse zur Verfügung stellen 464
12.2 Zusammenfassung 464
12.3 Aufgaben 465
12.3.1 Wiederholung 465
Kapitel 13: LINQ 467
13.1 Unverträglichkeit zwischen Relationen und Objekten 467
13.1.1 Das Problem, Objekte auf Tabellen abzubilden 468
13.1.2 Wem gehört das Schema? 472
13.1.3 Das Doppel-Schema-Problem 473
13.1.4 Identitätsprobleme bei Entitäten 473
13.1.5 Rückgewinnung der Daten 475
13.2 Die Architektur von LINQ 477
13.3 Spracherweiterungen, die LINQ ermöglichen, am Beispiel von C# 481
13.3.1 Anonyme Typen 481
13.3.2 Objekt-Initialisierer 483
13.3.3 Collection-Initialisierer 483
13.3.4 Partielle Methoden 484
13.3.5 Implizit deklarierte lokale Variablen 485
13.3.6 Erweiterungsmethoden 487
13.3.7 Lambda-Ausdrücke 487
13.3.8 Abfrage-Ausdrücke 490
13.4 Aufgaben 492
13.4.1 Wiederholung 492
Kapitel 14: Big Data 495
14.1 Strukturierte, semistrukturierte und unstrukturierte Daten 495
14.2 Die Evolution der Datenverarbeitung 498
14.2.1 Datenstrukturen erstellen 501
14.2.2 Data Warehouses, Datamarts und BLOBs 501
14.2.3 Content-Management-Systeme 502
14.2.4 Die dritte Stufe der Evolution 502
14.3 Was genau ist eigentlich Big Data? 503
14.4 Der Big-Data-Projektzyklus 504
14.5 Die Architektur eines Big-Data-Projekts 506
14.6 Map Reduce 511
14.7 Big Table 511
14.8 Hadoop 511
14.9 Aufgaben 511
14.9.1 Wiederholung 512
Anhang A: Lösungen zu den
513
Stichwortverzeichnis 547
Kapitel 1: Einführung in das Thema Datenbanken
Die Umwelt, in der wir leben, wird immer komplexer und vielfältiger. Oft wird der Begriff des Information-Overkills? bemüht, wenn es darum geht, die Informationsflut zu beschreiben, die aus den unterschiedlichsten Quellen Tag für Tag auf uns einprasselt. Um gute und richtige Entscheidungen treffen zu können, müssen immer mehr Informationen bedacht, ausgewertet und in Korrelation zueinander gestellt werden. Bei dieser schwierigen Aufgabe, die für uns relevanten Informationen aus dem Datenwust herauszufiltern und zum richtigen Zeitpunkt zur Verfügung zu stellen, sind wir auf die Hilfe von computergestützten Systemen angewiesen.
Bevor ich mich näher mit der Thematik Datenbanken an sich beschäftige, sollten Sie einen Blick auf das werfen, was Sie verwalten möchten, die Daten. Daten? selbst repräsentieren Fakten. Ein mögliches Datum ist z.B. die Rechnungsnummer 32532, die eine Rechnung trägt, die ich zugestellt bekommen habe. Damit aus Daten Informationen? werden, müssen die Daten in einen Zusammenhang gebracht werden. Stellen Sie sich vor, dass Sie einen Mitarbeiter des Unternehmens treffen, das mir die oben genannte Rechnung geschickt hat. Wenn Sie diesen Zeitgenossen außerhalb seines Büros antreffen (abgenabelt von all seinen famosen Computersystemen) und ihn mit der Rechnungsnummer 32532 konfrontieren, wird dies ziemlich wahrscheinlich mit einem Stirnrunzeln beantwortet, da sich der gute Mann unter Rechnungsnummer 32532 nichts vorstellen kann. Die Rechnungsnummer ist einfach ein Datum, das ein Faktum darstellt. Aus dem Zusammenhang gerissen hat dieses Datum für sich alleine keine Bedeutung (der Servicemitarbeiter kann noch nicht einmal sagen, ob es überhaupt eine Rechnung mit Rechnungsnummer 32532 gibt). Damit aus der Rechnungsnummer 32532 eine sinnvolle Information wird, muss diese in einen Zusammenhang gebracht werden. Das Datum muss verarbeitet werden.
Hat der Servicemitarbeiter wieder Zugriff auf seinen Computer, so kann er die genannte Rechnungsnummer dort eingeben (Sie werden es sicherlich schon erraten haben – hier läuft irgendwo im Hintergrund eine Datenbank) und in Windeseile erhält er weitere Daten bzw. Fakten, die in direktem Zusammenhang mit der Rechnungsnummer 32532 stehen. Weitere Daten, die in Verbindung mit der Rechnungsnummer stehen, sind z.B., dass der Kunde, auf den diese Rechnung ausgestellt ist, »Frank Geisler« heißt, dass der Rechnungsbetrag 145,42 € ist und dass diese Rechnung bisher noch nicht bezahlt wurde. Durch die Verknüpfung von einzelnen Daten entstehen Informationen, die wiederum Entscheidungen beeinflussen können oder Handlungen auslösen. In diesem Beispiel veranlasst die Information, dass Frank Geisler die Rechnung 32532, die einen Betrag von 145,42 € aufweist, noch nicht bezahlt hat, dass mir eine Mahnung zugestellt wird. Wir können dieses Beispiel noch ein wenig weiter spinnen. Da der Computer alle von mir getätigten Bestellungen bei der Firma kennt, kann er ohne weiteres Daten über alle von mir getätigten Bestellungen abrufen. Aus diesen Daten ergibt sich die Information, dass ich meine Rechnungen insgesamt nicht so regelmäßig bezahle und dass des Öfteren Mahnungen verschickt worden sind. Das Management dieser Beispielfirma kann nun aufgrund der aus den Daten enthaltenen Informationen Entscheidungen treffen. Eine mögliche Entscheidung ist z.B. die, dass ich bei dieser Firma keine Waren mehr auf Rechnung kaufen darf, sondern dass ich Vorkasse leisten muss, wenn ich etwas kaufen möchte. Verlassen wir das Beispiel an dieser Stelle, bevor es peinlich für mich wird...
An dem Beispiel wird nicht nur deutlich, dass erst die Informationen, die aus den Daten gewonnen werden können, das eigentlich Wertvolle und Wichtige sind, sondern dass dieselben Daten, in einen anderen Zusammenhang gebracht, andere Informationen ergeben können. Das Datum, wann eine Rechnung bezahlt wurde, ergibt, bezogen auf eine einzelne Rechnung, die Information, ob diese bereits bezahlt wurde oder nicht. Fügt man das Datum in einen anderen Zusammenhang ein, indem man z.B. alle Zahlungseingänge eines bestimmten Kunden betrachtet, so lassen sich mit denselben Daten Informationen über das Zahlungsverhalten des Kunden, ja sogar ein Zahlungsprofil erstellen.
Die Information über das Zahlungsprofil kann zu weiter reichenden Entscheidungen führen. So ist es z.B. möglich, treuen, gut zahlenden Kunden einen bestimmten Rabatt einzuräumen, wohingegen sich die Zahlungsmodalitäten von notorischen Spätzahlern verschlechtern können.
Lassen Sie uns nun noch einmal die grundlegenden Aussagen der vorherigen Abschnitte zusammenfassen:
-
Informationen setzen sich aus Daten zusammen.
-
Durch Datenverarbeitung? werden aus Daten Informationen.
-
Gute Daten, die zeitnah vorliegen, helfen uns, gute Entscheidungen zu treffen.
-
Der Informationsgehalt? von Daten hängt vom Zusammenhang ab.
Damit aus Daten gute Informationen gewonnen werden können, müssen diese Daten sorgfältig erfasst und in einem Format vorgehalten werden, auf das man leicht zugreifen und das einfach verarbeitet werden kann. Da Daten der Ausgangspunkt aller weiteren Aktivitäten sind, ist es wichtig, dass mit den Daten sehr sorgfältig umgegangen wird. Datenfehler pflanzen sich durch das ganze System fort und führen zu fehlerhaften Informationen, die wiederum zu falschen Entscheidungen führen können. Der Umgang mit Daten wird als Datenmanagement? bezeichnet. Aufgaben des Datenmanagements sind die Erzeugung, Speicherung und Wiedergabe der Daten. Da Daten eine zentrale Rolle bei der Erzeugung von Informationen spielen, ist es nicht verwunderlich, dass das Datenmanagement in vielen Firmen eine zentrale Rolle spielt.
Datenmanagement ist keine Erfindung des IT-Zeitalters. Daten wurden seit jeher in irgendeiner Form verwaltet. Sei es, dass die Daten in Stein geritzt wurden oder meterlange Aktenschränke mit Papier füllten. Die Neuerung, die das IT-Zeitalter gebracht hat, ist die Darstellung von Daten in elektronischer Form, was das Datenmanagement wesentlich vereinfacht und effizienter macht. Eine zentrale Rolle des elektronischen Datenmanagements spielt die Datenbank?. Es gibt mindestens so viele Definitionen des Begriffs Datenbank, wie es Programmierer und Datenbankspezialisten gibt. Ich habe einmal zwei Definitionen herausgenommen, die mir am eingängigsten erscheinen und die verdeutlichen, wie der Begriff Datenbank verwendet wird:
Wichtig
-
Eine Datenbank ist ein verteiltes, integriertes Computersystem, das Nutzdaten und Metadaten enthält. Nutzdaten sind die Daten, die Benutzer in der Datenbank anlegen und aus denen die Informationen gewonnen werden. Metadaten werden oft auch als Daten über Daten bezeichnet und helfen, die Nutzdaten der Datenbank zu strukturieren.
-
Eine Datenbank ist eine geordnete, selbstbeschreibende Sammlung von Daten, die miteinander in Beziehung stehen.
Wichtig
Während die erste Definition eher den technischen Aspekt heraushebt und auf die Realisierung einer Datenbank als Computersystem abhebt, stellt die zweite Definition den theoretischen Aspekt in den Vordergrund und ist daher universeller verwendbar als die erste Definition.
Lassen Sie uns die zweite Definition noch einmal näher am Beispiel eines Adressbuchs betrachten, das einfach in Form einer Tabelle angelegt ist:
| Name | Telefonnummer | Anschrift | Ort |
|---|
| Max Mustermann | 0123 / 456789 | Musterstraße 3 | Musterhausen |
| Susi Sorglos | 0987 / 654321 | Sorglosgasse 7 | Schlumpfhausen |
Im dargestellten Adressbuch befindet sich zunächst eine Sammlung von Daten, nämlich die Adressen. Diese sind nach dem Alphabet geordnet. Obwohl es sich bei jeder Adresse um einen Kontakt handelt, stehen diese nicht in einer Beziehung zueinander. Es handelt sich lediglich um Instanzen des Objekts »Leute, die so interessant sind, dass sie in ein Adressbuch eingetragen wurden«. Der Ausdruck »die miteinander in Beziehung stehen« der Definition bezieht sich auf verschiedene Tabellen, die untereinander in Beziehung stehen können. Zu diesem Thema erfahren Sie im weiteren Verlauf des Buches mehr. Eine Selbstbeschreibung? des Adressbuchs erfolgt durch die Tabellenüberschriften. Die Überschriften erklären, was der Inhalt der jeweiligen Spalte bedeutet. Diese Beschreibungen der Daten werden, wie bereits aus der ersten Definition des Begriffs Datenbank bekannt, als Metadaten bezeichnet. Offensichtlich ist nach der zweiten Definition ein simples Adressbuch...
| Erscheint lt. Verlag | 18.6.2014 |
|---|---|
| Reihe/Serie | mitp Professional |
| Sprache | deutsch |
| Themenwelt | Mathematik / Informatik ► Informatik ► Netzwerke |
| Schlagworte | ACCESS • blaudat • CRM • Datenbanken • objektorientiert • SQL • Webdatenbank |
| ISBN-10 | 3-8266-8719-1 / 3826687191 |
| ISBN-13 | 978-3-8266-8719-8 / 9783826687198 |
| Haben Sie eine Frage zum Produkt? |
PDF (Ohne DRM)Größe: 13,7 MB
Digital Rights Management: ohne DRM
Dieses eBook enthält kein DRM oder Kopierschutz. Eine Weitergabe an Dritte ist jedoch rechtlich nicht zulässig, weil Sie beim Kauf nur die Rechte an der persönlichen Nutzung erwerben.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Zusätzliches Feature: Online Lesen
Dieses eBook können Sie zusätzlich zum Download auch online im Webbrowser lesen.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
EPUB (Ohne DRM)Größe: 17,6 MB
Digital Rights Management: ohne DRM
Dieses eBook enthält kein DRM oder Kopierschutz. Eine Weitergabe an Dritte ist jedoch rechtlich nicht zulässig, weil Sie beim Kauf nur die Rechte an der persönlichen Nutzung erwerben.
Dateiformat: EPUB (Electronic Publication)
EPUB ist ein offener Standard für eBooks und eignet sich besonders zur Darstellung von Belletristik und Sachbüchern. Der Fließtext wird dynamisch an die Display- und Schriftgröße angepasst. Auch für mobile Lesegeräte ist EPUB daher gut geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür die kostenlose Software Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür eine kostenlose App.
Geräteliste und zusätzliche Hinweise
Zusätzliches Feature: Online Lesen
Dieses eBook können Sie zusätzlich zum Download auch online im Webbrowser lesen.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
