Bei diesem Modell werden die jeweils individuellen Eigenschaften eines Objekts in teilorientierten Tabellen erfasst und gespeichert. In anderen Worten werden die Objekte in Zeilen, ihre einzelnen Attribute in Spalten eingetragen. Dadurch findet sich Zusammengehöriges in gleichen bzw. direkt angrenzenden Blöcken wieder und kann durch anfrageoptimierte Zugriffsmechanismen und Indexstrukturen schnell und übersichtlich verwaltet werden. Nachteil: Je mehr Daten verwaltet werden müssen, desto leistungsfähiger muss der Server sein. Doch trotz schneller CPUs stößt die Leistung irgendwann an ihre Grenzen. Und Scale-ups für höhere Performance sind sehr kostenintensiv.

Daneben finden sich zahlreiche weitere Dateninfrastrukturen, deren jeweiligen Vor- und Nachteile jedoch selbst in Fachkreisen kontrovers diskutiert werden. Unter ihnen befinden sich z. B. CRM-Systeme oder Archivlösungen. Sie werden in der Regel mit besonders großen Datenmengen, sogenannten Bulk-Uploads, geladen und überwiegend lesend abgefragt. Sehr komplexe, bereichsübergreifende Anfragen bereiten diesen Systemen allerdings oftmals Schwierigkeiten, wenn es um Performance geht.

Neue Datenbanken firmieren unter dem allgemeinen Schlagwort NoSQL. Die Abkürzung steht für „Not Only SQL“. Hier einige der innovativen Entwicklungen im Überblick:

1. Key-Value-Datenbanken: speichern Werte ausschließlich unter einem einzigen Schlüssel. Pro: gute Skalierbarkeit und Performance. Beispiel: „Riak“.
2. Column-Datenbanken: umfangreiches Datenmodell beruht auf nicht miteinander verbundenen Tabellen. Pro: Hohe Skalierbarkeit. Beispiel: „Apache HBase“.
3. Dokumentenorientierte Datenbanken: flexibles Datenmodell. Dokumente werden als Javascript Object Notations hinterlegt. So ist man in der Lage, auch kompleze Strukturen abzubilden. Pro: gute Skalierbarkeit. Beispiel: „MongoDB“.
4. Graphdatenbanken: Daten werden als Graphen abgebildet. Pro: einfache Suche und Bearbeitung. Beispiel: „Neo4j“.