Datenbanken sind für fast alle modernen Anwendungen unverzichtbar und ihre Zahl nimmt ständig zu. Vereinfacht ausgedrückt ist eine Datenbank eine organisierte Datensammlung, die eine effiziente Speicherung, Abfrage und Verwaltung von Informationen ermöglicht. Unternehmen verwenden unterschiedliche Datenbanktypen, um ihre individuellen Geschäftsanforderungen zu erfüllen.
In diesem Blog sehen wir uns alle gängigen Datenbanktypen anhand von Beispielen an und erläutern die jeweiligen Vor- und Nachteile. Außerdem besprechen wir, wie Sie die für Ihren speziellen Anwendungsfall geeignete Datenbank auswählen.
Was ist eine Datenbank?
Eine Datenbank ist nicht nur eine zufällige Sammlung von Daten. Was sie von der Ansammlung von Post-it-Notizen an Ihrem Kühlschrank unterscheidet, ist, dass die Sammlung von Daten in einer Datenbank strukturierte für effiziente Lagerung und einfaches Abrufen.
Datenbankschema beschreibt, wie die Daten organisiert, strukturiert und miteinander verknüpft sind. Benutzer greifen normalerweise auf diese Daten zu mit Strukturierte Abfragesprache (SQL) mit automatisierten Datenbankverwaltungssoftware (DBMS).

Mehr erfahren: Was ist eine Datenbank? Definition, Typen, Vorteile
Hauptmerkmale einer Datenbank
Im Folgenden sind die vier Hauptmerkmale jeder Datenbank aufgeführt:
- Organisation: Anordnung der Daten für einfache Verwaltung und Zugriff.
- Effizienz: Möglichkeit zum schnellen Abrufen und Aktualisieren von Daten.
- Skalierbarkeit: Kann wachsende Datenmengen verarbeiten.
- Sicherheit: Robuste Zugriffskontrollen und Sicherheitsfunktionen zum Schutz sensibler Daten.
Was sind die verschiedenen Arten von Datenbanken?
Datenbanken können je nach Verwendung, Struktur und Speichermethoden in verschiedene Typen eingeteilt werden. Die wichtigste Klassifizierung betrifft die Art des Datenmodells, wonach es drei Haupttypen von Datenbanken gibt: relational, hierarchische und Netzwerk.
In diesem Blog sehen wir uns die folgenden Datenbanktypen an:
- Hierarchische Datenbanken
- Relationale oder SQL-Datenbanken
- Nicht-relationale oder NoSQL-Datenbanken
- Objektorientierte Datenbanken
- Netzwerkdatenbanken.
1. Hierarchische Datenbanken
Wie der Name schon sagt, ähnelt eine hierarchische Datenbank sehr einem Stammbaum. Dieser in den 1960er Jahren entwickelte Typ strukturiert Daten mithilfe einer Eltern-Kind-Beziehung. Das bedeutet, dass jeder übergeordnete Datensatz einen oder mehrere untergeordnete Datensätze hat, aber jeder untergeordnete Datensatz nur mit einem übergeordneten Datensatz verknüpft ist.

Beispiele: Windows-Registrierung, IBM Information Management System (IMS), Navigationsdateien, Sitemaps, XML, XAML usw.
Vorteile:
- Schneller und effizienter Datenabruf.
- Vorhersehbare Datenbankstruktur.
- Einfaches Hinzufügen und Löschen von Informationen.
Nachteile:
- Starre Eltern-Kind-Beziehungen machen es unflexibel für komplexe Datenstrukturen wie Viele-zu-viele-Beziehungen.
- Schwieriger zu skalieren und die Struktur lässt sich nur schwer ändern, was ihre Anwendungsmöglichkeiten begrenzt.
2. Relationale oder SQL-Datenbanken
Relationale Datenbanken wurden in den 1970er Jahren entwickelt und gelten heute als der ausgereifteste Datenbanktyp. In relationalen Datenbanken werden Daten in Form diskreter Tabellen mit eindeutigen Datenfeldern gespeichert, die über einen Primärschlüssel identifizierbar sind.
Diese Tabellen können auch über Fremdschlüssel miteinander verknüpft sein, d. h. sie sind miteinander verknüpft. So kann beispielsweise eine Tabelle mit Kundeninformationen mit einer anderen Tabelle verknüpft sein, die die Kaufhistorie der einzelnen Kunden enthält.

Mehr erfahren: Primärschlüssel vs. Fremdschlüssel: 9 wichtige Unterschiede
Benutzer können mit den Daten über einfache Abfragen (SQL) interagieren und Vorgänge wie das Erstellen, Lesen, Aktualisieren und Löschen (CRUD) von Datenfeldern durchführen. Aus diesem Grund werden diese Datenbanken auch informell als SQL-Datenbanken bezeichnet.
Beispiele: Zu den bekanntesten Beispielen relationaler Datenbanken zählen MySQL, Microsoft SQL Server und Oracle.
Vorteile:
- Relationale Datenbanken gewährleisten die Datenintegrität durch die Aufrechterhaltung der Beziehungen zwischen verschiedenen Tabellen.
- Dank des benutzerfreundlichen Tabellenformats sind sie einfach zu verwenden.
- Einfache Abfragen, unterstützt aber auch Abfragen für komplexe Datenbanken.
Nachteile:
- Aufgrund der eingeschränkten Skalierbarkeit und Schemastarrheit sind sie weniger flexibel.
- Möglicherweise nicht für größere Datensätze oder hohe Lese-/Schreiblasten geeignet.
3. Nicht-relationale oder NoSQL-Datenbanken
Eine nicht-relationale oder NoSQL-Datenbank wird häufig als Oberbegriff für alle Datenbanken verwendet, die nicht auf einem relationalen Modell basieren. NoSQL-Datenbanken sind in den Vordergrund gerückt, weil Webanwendungen zunehmend komplexer wurden und nicht auf tabellenbasierten relationalen Modellen basieren konnten.
Vor diesem Hintergrund basieren nicht-relationale Datenbanken auf flexiblen Modellen wie Spaltenfamilien, Schlüssel-Wert-Paaren, Dokumenten oder Diagrammen, um strukturierte, unstrukturierte oder halbstrukturierte Daten zu verarbeiten.
Vorteile:
- Ihre schemafreie Natur erleichtert die Verwaltung und Speicherung großer Datenmengen. Sie können auch problemlos horizontal skaliert werden.
- Die Daten sind nicht zu komplex und können zur besseren Zugänglichkeit auf mehrere verschiedene Knoten verteilt werden.
Nachteile:
- Da sie keine spezifische Struktur oder kein spezifisches Schema für die gespeicherten Daten haben, können Sie sich nicht auf Ihre Daten für ein bestimmtes Feld verlassen, da diese möglicherweise nicht vorhanden sind.
- Wenn keine Beziehungen vorhanden sind, ist die Aktualisierung der Daten schwierig, da Sie jedes Detail einzeln aktualisieren müssen.
Arten von NoSQL-Datenbanken
NoSQL-Datenbanken können weiter in vier Typen unterteilt werden, darunter:
- Dokumentdatenbanken: Dokumentdatenbanken speichern Daten in XML or JSON Dokumente in diesen Datenbanken können verschachtelt werden (ein Dokument kann in einem anderen gespeichert werden) und bestimmte Elemente können auch indiziert werden, um eine schnellere Abfrage zu ermöglichen. Einige der bekanntesten NoSQL-Datenbanken sind Couchbase und MongoDB, fallen in diese Kategorie.
- Spaltenorientierte Datenbanken: Im Gegensatz zu relationalen Datenbanken, die Daten in Zeilen speichern, sind spaltenorientierte Datenbanken als eine Sammlung von Spalten organisiert. Diese Datenbanken sind hilfreich für die Durchführung von Analysen, da nur eine kleine Anzahl von Spalten direkt gelesen werden kann. Jede dieser Spalten kann als Datensatz fungieren, was bei der Skalierung von Petabyte an Daten hilft. Häufig verwendete Beispiele sind Scylla, HBase und Kassandra.
- Graphdatenbanken: Graphdatenbanken zeigen die Verbindungen zwischen verschiedenen Datenpunkten. Sie werden verwendet, um verschiedene Datentypen und ihre Beziehungen zueinander zu analysieren. Graphdatenbanken werden als Netzwerk verwandter Objekte oder Knoten dargestellt. Beispiele sind Datastax Enterprise Graph und Neo4J.
- Schlüssel-Wert-Speicher: Dieser DB-Typ speichert und liefert nur schnelles und unkompliziertes Wissen über Schlüssel-Wert-Paare. Dies ist eine einfache und unkomplizierte Möglichkeit, die Daten zu speichern und darauf zuzugreifen. Einige beliebte Beispiele sind Amazon DynamoDB und Redis.
4. Objektorientierte Datenbanken
In einer objektorientierten Datenbank speichert das System Informationen objektähnlich und basiert auf den Prinzipien der objektorientierten Programmierung. Diese Objekte enthalten Attribute (also die Daten) und Methoden (also die Funktionen), wodurch sie leicht referenziert und bearbeitet werden können.
Beispielsweise kann ein „Kunde“-Objekt in der Datenbank Attribute enthalten wie Name und Lieferadresse. In diesem Fall getShippingAddress () können zum einfachen Abrufen von Informationen verwendet werden.
Beispiele: Einige beliebte Beispiele sind ObjektDB, Db4o, Datenbank, Oracle-Datenbank und IBM DB2.
Vorteile:
- Komplexe Datenbeziehungen können natürlich dargestellt werden,
- Komplexe Datenstrukturen werden effizient verarbeitet,
- Verbesserte Entwicklungsgeschwindigkeit und -freundlichkeit für objektorientierte Anwendungen.
Nachteile:
- Mögliche Leistungsprobleme bei einfacheren Datensätzen,
- Implementierungs- und Wartungskomplexität,
- Begrenzte Akzeptanz im Vergleich zu herkömmlichen relationalen Datenbanken.
5. Netzwerkdatenbanken
Die Datenbank ähnelt einer hierarchischen Datenbank, unterscheidet sich jedoch dadurch, dass sie den untergeordneten Datensatz mit verschiedenen übergeordneten Datensätzen verbindet und so bidirektionale Beziehungen ermöglicht.
Beispiele: Integrated Data Store (IDS), EDMS von Xerox usw.
Vorteile: Dieser Datenbanktyp eignet sich für komplexe Frameworks, da er viele-zu-viele-Beziehungen effektiv darstellen kann.
Nachteile: Eine Netzwerkdatenbank hängt stark von ihrer vordefinierten Struktur ab, was Änderungen zeitaufwändig und schwierig macht.

Relationale vs. nicht-relationale Datenbanktypen: So treffen Sie die richtige Auswahl
Obwohl wir die fünf gängigsten Datenbanktypen durchgegangen sind, bleiben relationale und nicht-relationale bzw. SQL- vs. NoSQL-Datenbanken die beliebtesten Optionen.
Vergleichen wir die beiden Typen anhand einiger der wichtigsten Faktoren:
Struktur
Tabellenbasiert mit vordefiniertem Schema.
Schemafreie, flexible Datenstrukturen (Dokumente, Diagramme, Schlüssel-Wert, breite Spalten).
Skalierbarkeit
Vertikal skalierbar (mehr Leistung für einen einzelnen Server).
Horizontal skalierbar (Hinzufügen weiterer Server für die verteilte Verarbeitung).
Schema-Flexibilität
Strenges Schema; vordefinierte Spalten und Beziehungen erforderlich.
Dynamisches Schema; kann verschiedene Datentypen in derselben Sammlung speichern.
Datenkonsistenz
Starke Konsistenz (ACID-Konformität: Atomarität, Konsistenz, Isolation, Haltbarkeit).
Endgültige Konsistenz (gelockerte ACID-Eigenschaften zugunsten der Skalierbarkeit).
Komplexe Abfragen
Unterstützt komplexe Verknüpfungen und Transaktionen mit SQL.
Optimiert für einfache Abfragen; komplexe Verknüpfungen sind schwierig oder ineffizient.
Kennzahlen
Effizient für strukturierte Daten und komplexe Abfragen.
Hohe Leistung für große, unstrukturierte oder halbstrukturierte Daten.
Produkt
Am besten für Finanzsysteme, ERP, CRM und Anwendungen geeignet, die strikte Konsistenz erfordern.
Ideal für Big Data, Echtzeitanalysen, soziale Medien, IoT und Content Management.
Beispiele
MySQL, PostgreSQL, Oracle, SQL Server.
MongoDB, Cassandra, Redis, Amazon DynamoDB, Neo4J.
Datenbeziehungen
Hochgradig relational; Daten werden in normalisierter Form über Tabellen hinweg gespeichert.
Nicht relational; Daten werden häufig denormalisiert, um die Leistung zu optimieren.
Benutzerfreundlich
Erfordert strukturierte Planung, Wartung und Fachwissen.
Entwicklerfreundlicher; ermöglicht schnelle Iteration ohne vordefiniertes Schema.
Willst du wissen wie Astera Data Stack vereinfacht die Datenbankverwaltung? Hinweis: Es handelt sich um eine 100 % No-Code-Plattform!
Mehr lesen So wählen Sie die richtige Datenbank aus: Wichtige zu berücksichtigende Faktoren
Die Wahl der Datenbank ist entscheidend für eine effiziente Datenverwaltung, hohe Leistung und Skalierbarkeit. Die von Ihnen gewählte Datenbank sollte davon abhängen, ob Sie Kundentransaktionen verwalten, große Datensätze analysieren oder Echtzeitanwendungen erstellen.
Bei der Auswahl einer Datenbank für Ihren individuellen Datenbedarf sind die folgenden Faktoren zu berücksichtigen:
1. Verstehen Sie Ihre Datenstruktur
Die Struktur Ihrer Daten sollte bei der Wahl des richtigen Datenbanktyps ausschlaggebend sein. Verschiedene Datenbanktypen eignen sich für unterschiedliche Datenarten:
- Hochstrukturierte Daten: Wenn Ihre Daten aus klar definierten Beziehungen bestehen (z. B. Kundendatensätze, Finanztransaktionen), ist eine relationale Datenbank (SQL) wie MySQL, PostgreSQL oder SQL Server eine gute Wahl. Diese Datenbanken organisieren Daten in Tabellen mit vordefinierten Schemata und gewährleisten so Konsistenz und Integrität.
- Halbstrukturierte oder unstrukturierte Daten: Wenn Ihre Daten unterschiedliche Formate aufweisen – etwa JSON-Dokumente, Bilder oder Multimediadateien – bieten nicht-relationale Datenbanken (NoSQL) wie MongoDB oder Couchbase die nötige Flexibilität zur Verarbeitung unterschiedlicher Datentypen.
- Hochvernetzte Daten: Wenn Ihre Anwendung auf komplexen Beziehungen basiert, wie etwa sozialen Netzwerken oder Empfehlungsmaschinen, können Graphdatenbanken wie Neo4j oder ArangoDB komplexe Verbindungen effizient verwalten.
2. Skalierbarkeitsanforderungen
Mit dem Wachstum Ihres Unternehmens wachsen auch Ihre Daten. Entscheidend ist die Wahl einer Datenbank, die mit Ihren Anforderungen skaliert:
- Vertikale Skalierung (Skalierung nach oben): Relationale Datenbanken basieren normalerweise auf vertikaler Skalierung, bei der einem einzelnen Server mehr CPU, RAM oder Speicher hinzugefügt wird. Dieser Ansatz ist zwar effektiv, hat aber Einschränkungen, da die Hardwarekosten steigen.
- Horizontale Skalierung (Skalierung nach außen): NoSQL-Datenbanken sind für horizontale Skalierung ausgelegt, d. h. sie können Arbeitslasten auf mehrere Server verteilen. Dadurch sind sie ideal für die Verarbeitung großer Datenmengen und stark frequentierter Anwendungen wie E-Commerce-Plattformen oder soziale Netzwerke.
3. Datenkonsistenz vs. Leistung
Die Anforderungen Ihres Datenstapels an Konsistenz und Verfügbarkeit beeinflussen Ihre Datenbankauswahl:
- Datenintegrität und -konsistenz: Wenn Ihr System höchste Genauigkeit und Integrität erfordert (z. B. Banktransaktionen, Bestandsverwaltung), ist eine relationale Datenbank (ACID-kompatibel) die beste Wahl. Diese Datenbanken gewährleisten die Datenkonsistenz durch die Durchsetzung der ACID-Prinzipien (Atomarität, Konsistenz, Isolation und Dauerhaftigkeit).
- Hohe Verfügbarkeit und Leistung: Wenn Ihre Priorität auf Geschwindigkeit und Skalierbarkeit liegt (z. B. Echtzeitanalyse, IoT-Datenverarbeitung), bieten NoSQL-Datenbanken letztendliche Konsistenz, die schnellere Schreibvorgänge und eine bessere Verteilung der Daten auf mehrere Server ermöglicht.
4. Abfragekomplexität und Datenbeziehungen
Verschiedene Datenbanken unterstützen unterschiedliche Abfragefunktionen:
- Komplexe Abfragen und Verknüpfungen: Wenn Ihre Anwendung häufige Verknüpfungen, Aggregationen und komplexe Transaktionen erfordert, bieten relationale Datenbanken mit Structured Query Language (SQL) eine robuste Abfrageleistung.
- Einfaches Lesen/Schreiben und flexible Abfragen: NoSQL-Datenbanken wie Schlüssel-Wert-Speicher oder Dokumentdatenbanken sind für schnelle Lese- und Schreibvorgänge optimiert und daher ideal für Anwendungen wie Content-Management-Systeme oder Echtzeitanalysen.
5. Überlegungen zu Leistung und Latenz
Die Geschwindigkeit und Reaktionsfähigkeit Ihrer Datenbank wirken sich auf das Benutzererlebnis und die Systemleistung aus:
- Geringe Latenz, hohe Lese-/Schreibgeschwindigkeit: Wenn Sie einen schnellen Datenabruf benötigen (z. B. Caching, Sitzungsspeicher), sind Schlüssel-Wert-Speicher wie Redis oder Amazon DynamoDB ideal.
- Analytik und Data Warehousing: Wenn Ihr Schwerpunkt auf der Big Data-Analyse liegt, optimieren spaltenorientierte Datenbanken wie Amazon Redshift oder Google BigQuery Abfragen und Berichte im großen Maßstab.
6. Branchenspezifische Anforderungen und Anwendungsfälle
Verschiedene Branchen und Anwendungen erfordern unterschiedliche Datenbankfunktionen:
- E-Commerce und Finanzsysteme: Erfordert relationale Datenbanken (MySQL, SQL Server) für strukturierte Transaktionen, Betrugserkennung und Bestandsverwaltung.
- Big Data- und IoT-Anwendungen: Benötigen NoSQL-Datenbanken (Cassandra, MongoDB), um die groß angelegte Datenaufnahme in Echtzeit zu bewältigen.
- Such- und textbasierte Anwendungen: Profitieren Sie von Suchmaschinendatenbanken (Elasticsearch, Solr) für die effiziente Indizierung und Abfrage großer textbasierter Datensätze.
- Soziale Medien und Empfehlungsmaschinen: Verwenden Sie Graphdatenbanken (Neo4j, Amazon Neptune), um komplexe Benutzerinteraktionen und -beziehungen zu verwalten.
7. Einfache Verwaltung und Wartung
Die Datenbankverwaltung kann die Betriebseffizienz beeinträchtigen:
- Verwaltete Cloud-Datenbanken: Dienste wie Amazon RDS, Google Firebase und Azure Cosmos DB bieten automatische Skalierung, Backups und Wartung und reduzieren so den Verwaltungsaufwand.
- Selbst gehostete Datenbanken: Sie erhalten die volle Kontrolle über Konfigurationen und Sicherheit, benötigen jedoch internes Fachwissen für Wartung und Optimierung.
8. Kosten- und Lizenzüberlegungen
Budgetbeschränkungen spielen bei der Datenbankauswahl eine Schlüsselrolle:
- Open-Source-Datenbanken: Optionen wie PostgreSQL, MySQL und MongoDB bieten kostengünstige Lösungen mit aktivem Community-Support.
- Unternehmensdatenbanken: Oracle und SQL Server bieten Premiumfunktionen und dedizierten Support, allerdings fallen höhere Lizenzgebühren an.
- Cloudbasierte Preismodelle: Dienste wie AWS DynamoDB, Google Bigtable und Azure SQL Database bieten eine nutzungsbasierte Preisgestaltung und sind daher sowohl für Startups als auch für Unternehmen skalierbar.
Fazit
Die Auswahl des richtigen Datenbanktyps erfordert eine sorgfältige Abwägung von Leistung, Skalierbarkeit, Datenintegrität und Kosten. Während relationale Datenbanken ideal für strukturierte Daten und Transaktionsanwendungen sind, bieten NoSQL-Datenbanken Flexibilität und Skalierbarkeit für Big Data und Echtzeitverarbeitungsanforderungen.
Bevor Sie eine Entscheidung treffen, bewerten Sie Ihren Datenbedarf, die Komplexität der Abfragen und Ihre langfristige Wachstumsstrategie. Die richtige Datenbank optimiert die Leistung Ihres Systems und gewährleistet eine nahtlose Datenverwaltung bei der Expansion Ihres Unternehmens.
Nahtlose Integration aller Ihrer Datenbanken mit Astera
Um Ihre Datenbank(en) optimal zu nutzen, ist es wichtig, sich auf eine Datenintegrationslösung zu verlassen, die nicht nur integriert, sondern Ihnen auch beim mühelosen Aufbau und der Skalierung Ihrer Datenpipelines hilft.
AsteraKI-gesteuertes, codefreies Datenintegrationstool wurde entwickelt, um Benutzern mit unterschiedlichem technischen Fachwissen dabei zu helfen, mithilfe KI-gestützter Automatisierung mühelos Datenpipelines aufzubauen.
Erhalten Sie einen kostenlosen Testzugang or connect with us um mehr darüber zu erfahren Astera kann Ihnen bei Ihren Datenbankintegrationsanforderungen helfen.
Häufig gestellte Fragen: Arten von Datenbanken
Welche verschiedenen Datenbanktypen gibt es?
Datenbanken gibt es in verschiedenen Formen, um den unterschiedlichen Anforderungen an die Datenspeicherung und den Datenabruf gerecht zu werden. Zu den wichtigsten Typen gehören:
- Hierarchische Datenbanken: Organisieren Sie Daten in einer baumartigen Struktur mit Eltern-Kind-Beziehungen.
- Relationale Datenbanken (SQL): Verwenden Sie Tabellen, um Daten und ihre Beziehungen darzustellen.
- Nicht-relationale Datenbanken (NoSQL): Verwenden Sie flexible Schemata für unstrukturierte Daten.
- Objektorientierte Datenbanken: Speichern Sie Daten in Objekten, ähnlich der objektorientierten Programmierung.
- Netzwerkdatenbanken: Nutzen Sie eine Diagrammstruktur, um Beziehungen darzustellen.
Was ist eine relationale Datenbank?
Eine relationale Datenbank organisiert Daten in Tabellen (Relationen), die aus Zeilen und Spalten bestehen. Jede Tabelle hat einen eindeutigen Schlüssel, der ihre Datensätze identifiziert, und Tabellen können mithilfe von Fremdschlüsseln verknüpft werden. Dieses Modell stellt die Datenintegrität sicher und unterstützt komplexe Abfragen mithilfe von Structured Query Language (SQL).
Was ist eine nicht-relationale Datenbank?
Nicht-relationale Datenbanken oder NoSQL-Datenbanken speichern Daten ohne ein festes Schema und ermöglichen so flexible und skalierbare Datenmodelle. Sie sind für die Verarbeitung unstrukturierter oder halbstrukturierter Daten konzipiert und werden in Typen wie Dokumentspeicher, Schlüssel-Wert-Speicher, spaltenorientierte Datenbanken und Graphdatenbanken kategorisiert.
Was ist der Unterschied zwischen SQL- und NoSQL-Datenbanken?
SQL-Datenbanken (relationale Datenbanken) verwenden strukturierte Schemata und eignen sich ideal für Anwendungen, die komplexe Abfragen und Transaktionen erfordern. NoSQL-Datenbanken (nicht relationale Datenbanken) bieten flexible Schemata und sind für horizontale Skalierung optimiert. Daher eignen sie sich für die Verarbeitung großer Mengen unstrukturierter Daten und Echtzeit-Webanwendungen.
Was sind die 4 Typen von NoSQL-Datenbanken?
Die vier Haupttypen von NoSQL-Datenbanken sind:
- Dokumentdatenbanken: Speichern Sie Daten in Dokumentformaten wie JSON oder XML.
- Schlüssel-Wert-Speicher: Speichern Sie Daten als Schlüssel-Wert-Paare.
- Spaltenorientierte Datenbanken: Organisieren Sie Daten in Spalten statt in Zeilen.
- Graphdatenbanken: Stellen Sie Daten als Knoten und Kanten dar, um Beziehungen zu veranschaulichen.
Autoren:
Nida Fatima
Raza Ahmed Khan