SQL GROUP BY & HAVING

6 Kernkonzepte

Die wichtigsten Konzepte zum Gruppieren und Filtern von SQL-Ergebnissen: GROUP BY · Aggregatfunktionen · HAVING · Mehrfachgruppierung · ROLLUP / CUBE · Praxisbeispiele Mit GROUP BY gruppieren Sie Datensätze und berechnen Aggregatwerte pro Gruppe. HAVING filtert die Gruppen nach Aggregatbedingungen – eine leistungsstarke Kombination für Auswertungen und Berichte.

GROUP BY – Datensätze gruppieren

GROUP BY spalte1, spalte2, ...

SELECT kategorie, COUNT(*) AS "anzahl" FROM produkte GROUP BY kategorie;

GROUP BY gruppiert Datensätze mit gleichen Werten in den angegebenen Spalten. Zusammen mit Aggregatfunktionen wie COUNT, SUM, AVG werden gruppierte Auswertungen ermöglicht.

Wichtige Regeln für GROUP BY

Regel	Beschreibung
SELECT-Spalten	Nur GROUP BY-Spalten oder Aggregatfunktionen erlaubt
Reihenfolge	WHERE → GROUP BY → HAVING → ORDER BY
NULL-Werte	NULL wird als eigene Gruppe behandelt
Mehrere Spalten	Gruppierung nach Kombination der Spalten
Alias	Im GROUP BY kann der Spalten-Alias verwendet werden

Beispiele

-- Anzahl Produkte pro Kategorie

SELECT kategorie, COUNT(*) AS "anzahl"

FROM produkte

GROUP BY kategorie;

-- Durchschnittspreis pro Kategorie

SELECT kategorie, AVG(preis) AS "durchschnitt"

FROM produkte

GROUP BY kategorie;

-- Gesamtumsatz pro Kunde

SELECT kunde_id, SUM(betrag) AS "gesamt"

FROM bestellungen

GROUP BY kunde_id;

Typische Ausgabe (COUNT pro Kategorie):
Elektronik | 12
Bücher | 8
Kleidung | 5

Tipp: GROUP BY ohne Aggregatfunktion ist äquivalent zu SELECT DISTINCT. Der Unterschied: GROUP BY ist die Grundlage für weitere Aggregationen.

Aggregatfunktionen – COUNT, SUM, AVG, MIN, MAX

COUNT · SUM · AVG · MIN · MAX

SELECT COUNT(*) AS "alle", SUM(preis) AS "summe", AVG(preis) AS "durchschnitt", MIN(preis) AS "min", MAX(preis) AS "max" FROM produkte;

Aggregatfunktionen berechnen Werte über eine Gruppe von Zeilen. Sie werden häufig mit GROUP BY kombiniert, können aber auch ohne GROUP BY auf die gesamte Tabelle angewendet werden.

Die wichtigsten Aggregatfunktionen

Funktion	Beschreibung	Beispiel
COUNT(*)	Zählt alle Zeilen (auch NULL)	COUNT(*) FROM produkte
COUNT(spalte)	Zählt Zeilen mit nicht-NULL-Wert	COUNT(rabatt) FROM produkte
COUNT(DISTINCT spalte)	Zählt eindeutige Werte	COUNT(DISTINCT kategorie)
SUM(spalte)	Summiert alle Werte	SUM(preis) FROM produkte
AVG(spalte)	Durchschnittswert	AVG(preis) FROM produkte
MIN(spalte)	Kleinster Wert	MIN(preis) FROM produkte
MAX(spalte)	Größter Wert	MAX(preis) FROM produkte

Beispiele

-- Gesamtstatistik aller Produkte

SELECT

COUNT(*) AS "anzahl",

SUM(preis) AS "gesamt",

AVG(preis) AS "durchschnitt",

MIN(preis) AS "min",

MAX(preis) AS "max"

FROM produkte;

-- Eindeutige Kategorien zählen

SELECT COUNT(DISTINCT kategorie) AS "kategorien"

FROM produkte;

Typische Ausgabe:
anzahl | gesamt | durchschnitt | min | max
25 | 12499.75| 499.99 | 9.99 | 999.99

Tipp: COUNT(*) zählt alle Zeilen, COUNT(spalte) ignoriert NULL-Werte. COUNT(DISTINCT spalte) ist nützlich für die Anzahl eindeutiger Werte.

HAVING – Gruppen nach Aggregatwerten filtern

HAVING aggregat_bedingung

SELECT kategorie, COUNT(*) AS "anzahl" FROM produkte GROUP BY kategorie HAVING COUNT(*) > 5;

HAVING filtert Gruppen nach Aggregatbedingungen. WHERE filtert einzelne Zeilen (vor GROUP BY), HAVING filtert Gruppen (nach GROUP BY).

HAVING vs WHERE

Merkmal	WHERE	HAVING
Zeitpunkt	Vor GROUP BY	Nach GROUP BY
Aggregatfunktionen	❌ Nicht erlaubt	✅ Erlaubt
Spalten	Alle Tabellenspalten	GROUP BY-Spalten oder Aggregate
Alias	❌ Nicht erlaubt	✅ Erlaubt (meistens)

Beispiele

-- Kategorien mit mehr als 5 Produkten

SELECT kategorie, COUNT(*) AS "anzahl"

FROM produkte

GROUP BY kategorie

HAVING COUNT(*) > 5;

-- Kunden mit Gesamtumsatz über 1000 €

SELECT kunde_id, SUM(betrag) AS "gesamt"

FROM bestellungen

GROUP BY kunde_id

HAVING SUM(betrag) > 1000;

-- Kategorien mit durchschnittlichem Preis > 100

SELECT kategorie, AVG(preis) AS "durchschnitt"

FROM produkte

GROUP BY kategorie

HAVING AVG(preis) > 100;

-- Kombination mit WHERE (Vorab-Filter)

SELECT kategorie, COUNT(*) AS "anzahl"

FROM produkte

WHERE bestand > 0 -- Nur verfügbare Produkte

GROUP BY kategorie

HAVING COUNT(*) > 3;

Typische Ausgabe (Kategorien mit > 5 Produkten):
Elektronik | 12
Bücher | 8

Tipp: HAVING ohne GROUP BY ist möglich, aber dann wird die gesamte Tabelle als eine Gruppe behandelt – das ist selten nützlich.

Mehrfachgruppierung – Nach mehreren Spalten

GROUP BY spalte1, spalte2

SELECT kategorie, hersteller, COUNT(*) AS "anzahl" FROM produkte GROUP BY kategorie, hersteller;

Mehrfachgruppierung gruppiert nach der Kombination mehrerer Spalten. Jede eindeutige Kombination bildet eine eigene Gruppe.

Beispiele

-- Produkte pro Kategorie und Hersteller

SELECT kategorie, hersteller, COUNT(*) AS "anzahl"

FROM produkte

GROUP BY kategorie, hersteller;

-- Umsatz pro Jahr und Monat

SELECT

EXTRACT(YEAR FROM datum) AS "jahr",

EXTRACT(MONTH FROM datum) AS "monat",

SUM(betrag) AS "umsatz"

FROM bestellungen

GROUP BY "jahr", "monat"

ORDER BY "jahr", "monat";

-- Mit HAVING auf Mehrfachgruppierung

SELECT kategorie, hersteller, COUNT(*) AS "anzahl"

FROM produkte

GROUP BY kategorie, hersteller

HAVING COUNT(*) > 3;

Tipp: Bei Mehrfachgruppierung werden alle Kombinationen der GROUP BY-Spalten gebildet. Die Reihenfolge im GROUP BY beeinflusst die Hierarchie für ROLLUP/CUBE.

ROLLUP / CUBE – Zwischensummen & Kreuztabellen

GROUP BY ROLLUP · GROUP BY CUBE

SELECT kategorie, hersteller, COUNT(*) AS "anzahl" FROM produkte GROUP BY ROLLUP (kategorie, hersteller);

ROLLUP erzeugt Zwischensummen für jede Hierarchie-Ebene. CUBE erzeugt alle möglichen Kombinationen (Kreuztabellen). Diese Funktionen sind in PostgreSQL, SQL Server, Oracle und MySQL (8.0+) verfügbar.

ROLLUP vs CUBE

Funktion	Ergebnis	Anzahl Gruppen
ROLLUP(a, b, c)	(a,b,c), (a,b), (a), () – Hierarchisch	n + 1
CUBE(a, b, c)	Alle Kombinationen: (a,b,c), (a,b), (a,c), (b,c), (a), (b), (c), ()	2ⁿ
GROUPING()	Zeigt an, ob ein Wert aggregiert ist (1 = aggregiert)	Für SELECT

Beispiele

-- ROLLUP: Zwischensummen pro Kategorie und Gesamtsumme

SELECT

COALESCE(kategorie, 'Alle') AS "kategorie",

COALESCE(hersteller, 'Zwischensumme') AS "hersteller",

COUNT(*) AS "anzahl"

FROM produkte

GROUP BY ROLLUP (kategorie, hersteller);

-- CUBE: Alle Kombinationen (Kreuztabelle)

SELECT

COALESCE(kategorie, 'Alle') AS "kategorie",

COALESCE(hersteller, 'Alle') AS "hersteller",

COUNT(*) AS "anzahl"

FROM produkte

GROUP BY CUBE (kategorie, hersteller);

-- Mit GROUPING(): Welche Zeile ist aggregiert?

SELECT

GROUPING(kategorie) AS "kategorie_agg",

GROUPING(hersteller) AS "hersteller_agg",

kategorie, hersteller, COUNT(*) AS "anzahl"

FROM produkte

GROUP BY ROLLUP (kategorie, hersteller);

Tipp: ROLLUP und CUBE sind leistungsstark für Berichte und Dashboards. GROUPING() hilft, aggregierte Zeilen in der Anwendung zu erkennen und zu formatieren.

Praxis-Beispiele – GROUP BY & HAVING in Aktion

Berichte · Analysen · Statistiken

SELECT kategorie, SUM(preis) AS "umsatz" FROM produkte GROUP BY kategorie HAVING SUM(preis) > 1000;

Praxis-Beispiele zeigen typische Anwendungen von GROUP BY und HAVING für Berichte, Analysen und statistische Auswertungen.

Beispiele

-- Umsatz pro Kategorie (nur Kategorien mit Umsatz > 1000)

SELECT kategorie, SUM(preis) AS "umsatz"

FROM produkte

GROUP BY kategorie

HAVING SUM(preis) > 1000;

-- Top 5 Kunden nach Bestellanzahl

SELECT kunde_id, COUNT(*) AS "bestellungen"

FROM bestellungen

GROUP BY kunde_id

ORDER BY "bestellungen" DESC

LIMIT 5;

-- Monatliche Verkaufsstatistik (mit HAVING)

SELECT

TO_CHAR(datum, 'YYYY-MM') AS "monat",

COUNT(*) AS "anzahl",

SUM(betrag) AS "umsatz"

FROM bestellungen

GROUP BY "monat"

HAVING SUM(betrag) > 5000

ORDER BY "monat";

-- Produkte pro Kategorie mit durchschnittlichem Preis

SELECT

kategorie,

COUNT(*) AS "anzahl",

MIN(preis) AS "min",

MAX(preis) AS "max",

AVG(preis) AS "durchschnitt"

FROM produkte

GROUP BY kategorie;

Typische Ausgabe (Produkte pro Kategorie):
Elektronik | 12 | 9.99 | 999.99 | 249.99
Bücher | 8 | 4.99 | 49.99 | 19.99

Tipp: Kombinieren Sie GROUP BY mit ORDER BY und LIMIT für Ranglisten. Für komplexe analytische Abfragen sind Window Functions (z.B. RANK, DENSE_RANK) oft die bessere Wahl.

GROUP BY & HAVING im Überblick

GROUP BY Datensätze gruppieren
Grundlage für Aggregate

COUNT Zeilen zählen
* oder Spalte

SUM/AVG Summe/Durchschnitt
Nur numerische Spalten

HAVING Gruppen filtern
Nach Aggregatwerten

ROLLUP Zwischensummen
Hierarchische Auswertung

CUBE Alle Kombinationen
Kreuztabellen

Quick Summary

GROUP BY

Gruppieren

COUNT

Aggregieren

HAVING

Gruppen filtern

Mehrere

Mehrfachgruppierung

ROLLUP

Zwischensummen

Berichte

Analysen

SELECT kategorie, COUNT(*) FROM produkte GROUP BY kategorie HAVING COUNT(*) > 5;