Generische Datenmodelle erlauben, unterschiedliche Informationen in einem allgemeinen und abstrakten Datenmodell abzuspeichern. Bei neuen Anforderungen muss das Modell nicht erweitert werden - schließlich ist es ja generisch und offen für alle Arten von Änderungen. Also wunderbar geeignet für agile Datenbankprojekte. Wirklich? Die vermeintliche Flexibilität dieses Modellierungsansatzes muss oft teuer bezahlt werden. Die Datenmodelle sind nicht selbsterklärend und ohne zusätzliche Informationen nur schwer verständlich. Auch der Query Optimizer von Oracle hat seine liebe Mühe damit, da Selektivitäten in generischen Tabellen sehr schwierig abzuschätzen sind. Trotzdem kommt diese Methode der Datenmodellierung in vielen Datenbankprojekten und Standardprodukten zum Einsatz.

Im Vortrag wird mit konkreten Beispielen aufgezeigt, wo die Grenzen von generischen Datenmodellen liegen, weshalb sie nach Möglichkeit vermieden werden sollten und welche Alternativen es gibt, wenn flexible Datenstrukturen zum Einsatz kommen sollen.