--- { "title": "Einführung von $materialize: SQL-Schnittstelle für FHIR-Daten", "description": "Die neue $materialize-Operation in Aidbox erstellt SQL-Tabellen oder -Views aus FHIR-ViewDefinition-Ressourcen und erleichtert die Abfrage verschachtelter FHIR-Daten. Sie hilft dabei, komplexe JSON-Strukturen in vertraute tabellarische Formate umzuwandeln, die mit Standard-SQL-Tools verwendet werden können.", "date": "2025-09-17", "author": "Andrew Listopadov", "reading-time": "7 minutes", "tags": [ "SQL on FHIR", "Aidbox" ] } --- FHIR-Datenstrukturen sind komplex und verschachtelt, was die Arbeit mit Standard-SQL-Tools und Analyseplattformen erschwert. Um diesem Problem zu begegnen, führt Aidbox eine neue [SQL on FHIR](/blog/aidbox-becomes-the-first-fhir-server-to-pass-all-sql-on-fhir-tests)-Operation namens `$materialize` ein. Sie erstellt eine SQL-Repräsentation einer `ViewDefinition`-Ressource und wandelt komplexe FHIR-Strukturen in vertraute Tabellenformate um, die nahtlos mit Tools wie DBeaver, Metabase und anderen SQL-basierten Analyseplattformen funktionieren. Stand September 2025 ist dies noch nicht in der [SQL on FHIR-Spezifikation](https://build.fhir.org/ig/FHIR/sql-on-fhir-v2/) enthalten, aber wir hoffen, dass sie in Zukunft standardisiert wird. ## Was `$materialize` leistet Im Kern verbindet `$materialize` zwei Welten: die Flexibilität von FHIR und die Vertrautheit von SQL. Es: - Erstellt eine SQL-Tabelle oder -View aus einer `ViewDefinition`-Ressource. - Wandelt verschachtelte FHIR-Daten in flache, abfragbare Strukturen um, die SQL-Tools verarbeiten können. - Bietet eine vertraute Schnittstelle für Analysten und Entwickler, die mit FHIR-Daten arbeiten. ## Warum das wichtig ist FHIR-Ressourcen weisen komplexe, verschachtelte JSON-Strukturen auf, die sich nur schwer direkt mit SQL abfragen lassen. Bisher war dafür Folgendes erforderlich: - Schreiben komplexer JSON-Path-Abfragen - Detailliertes Verständnis von FHIR-Ressourcenstrukturen - Eigener Code zum Abflachen und Transformieren von Daten `$materialize` löst dieses Problem, indem Sie die Datentransformation einmalig als `ViewDefinition` definieren und anschließend eine einfache SQL-Schnittstelle erstellt wird, die jeder Analyst mit vertrauten Tools nutzen kann. Vorteile auf einen Blick: - **Einfache SQL-Abfragen** statt komplexer JSON-Operationen - **Kompatibel mit jedem SQL-Tool** (DBeaver, Metabase, Tableau usw.) - **Wiederverwendbare Definitionen** — einmal definieren, überall abfragen - **Standardisierter FHIR-Ansatz** mit `ViewDefinition`-Ressourcen - **Leistungsvorteile** — komplexe JSON-Abfragen bei jeder Anfrage vermeiden ## Materialisierungstypen $materialize unterstützt drei Typen der Materialisierung und bietet Ihnen je nach Anwendungsfall die passende Flexibilität: - `view` (Standard) — erstellt eine Datenbankview, die Daten dynamisch transformiert - **Immer aktuell** mit den neuesten FHIR-Daten - **Kein zusätzlicher Speicher** erforderlich - **Ideal für die meisten Anwendungsfälle**, die eine SQL-Schnittstelle benötigen - `table` — erstellt eine persistente Tabelle mit einer Momentaufnahme der Daten - **Schnellste Lesezugriffe** für große Datensätze und komplexe Abfragen - **Erfordert manuelle Aktualisierung**, um Daten auf dem neuesten Stand zu halten - **Belegt Speicher**, eliminiert aber die Verarbeitungszeit bei Abfragen - `materialized-view` — erstellt eine materialisierte View, die aktualisiert werden kann - **Ausgewogener Ansatz** zwischen Leistung und Aktualität - **Kann bei Bedarf oder zeitgesteuert aktualisiert** werden - **Unterstützt Indizes** für optimierte Abfrageleistung ## Funktionsweise - Erstellen Sie eine `ViewDefinition`-Ressource, die FHIR-Daten auf einfache Spalten abbildet. - Senden Sie einen POST an /`fhir/ViewDefinition/$materialize`. - Der Server erstellt eine SQL-View/-Tabelle mit den abgeflachten Daten. - Die resultierende Repräsentation ist in der Datenbank verfügbar. - Alternativ können Sie sie mit einem beliebigen SQL-Tool oder dem `/$sql`-Endpunkt von Aidbox abfragen. ## Beispielanfrage So sieht es in der Praxis aus. ```javascript POST /fhir/ViewDefinition/$materialize Content-Type: application/json { "resourceType": "Parameters", "parameter": [{ "name": "type", "valueCode": "view" }, { "name": "viewResource", "resource": { "name": "patient_view", "status": "draft", "resource": "Patient", "description": "Patient flat view", "id": "a099e84c-b3c2-4b6e-8115-a580d25f6495", "resourceType": "ViewDefinition", "select": [{ "column": [{ "name": "id", "path": "id", "type": "id" }, { "name": "birth_date", "path": "birthDate", "type": "date" }, { "name": "family_name", "path": "name.family", "type": "string" }] }] } }] } ``` Die Antwort enthält Informationen über die erstellte View: ```javascript { "resourceType": "Parameters", "parameter": [{ "name": "viewName", "valueString": "sof.patient_view" }, { "name": "viewType", "valueString": "view" }, { "name": "viewSchema", "valueString": "sof" }] } ``` Jetzt können Sie die abgeflachten Daten mit einfachem SQL abfragen: ```javascript SELECT * FROM sof.patient_view WHERE birth_date > '1990-01-01'; ``` Beispiel: Patienten-IDs und demografische Daten | id | birth_date | family_name | | --- | --- | --- | | d3c79580-592d-491b-acdf-db335896a886 | 1991-02-21 | Smith | | 4a37e330-1bf9-48f6-9891-52a39e3a0579 | 1990-08-02 | Johnson | | 4ae699f4-8efa-4879-84ef-e5301397f3ae | 1998-11-11 | Williams | ## Praktische Einsatzmöglichkeiten Da `$materialize` Standard-SQL ausgibt, eröffnet es ein breites Spektrum an Möglichkeiten: - **Analysen und Berichte** — FHIR-Daten mit BI-Tools wie Metabase oder Tableau verbinden - **Datenerkundung** — FHIR-Daten mit SQL-Tools wie DBeaver erkunden - **ETL-Pipelines** — abgeflachte Daten für nachgelagerte Systeme extrahieren - **Eigene Anwendungen** — Apps entwickeln, die tabellarische Views von FHIR-Daten benötigen - **Forschung und Analyse** — Forschenden ermöglichen, FHIR-Daten mit Standard-SQL abzufragen ## Leistungsüberlegungen Obwohl der primäre Nutzen von `$materialize` in der Vereinfachung des Datenzugriffs liegt, spielt die Leistung bei bestimmten Anwendungsfällen eine wichtige Rolle: - **Häufig wiederholte Abfragen:** Wenn Sie dieselben komplexen Abfragen wiederholt ausführen (Dashboards, Berichte), können die Typen `materialized-view` oder `table` die Antwortzeiten erheblich reduzieren. - **Große Datensätze:** Bei der Arbeit mit Millionen von FHIR-Ressourcen vermeidet materialisierter Speicher die erneute Verarbeitung von JSON-Strukturen bei jeder Abfrage. - **Komplexe Transformationen:** `[ViewDefinitions](/blog/what-is-a-viewdefinition)` mit mehreren Joins und Aggregationen profitieren von einer Vorberechnung. - **Analytische Workloads:** BI-Tools, die umfangreiche Scans über große Datensätze durchführen, erzielen mit materialisiertem Speicher deutliche Leistungsverbesserungen. Für die meisten explorativen Arbeiten und moderate Abfragevolumina bietet der Standard-Typ `view` die beste Balance aus Einfachheit und Leistung. ## Abschließende Hinweise Der Standard-Typ `view` eignet sich hervorragend für die meisten Szenarien, in denen Sie eine SQL-Schnittstelle zu FHIR-Daten benötigen — stets aktuell und ohne zusätzlichen Wartungsaufwand. Ziehen Sie die Typen `table` oder `materialized-view` in Betracht, wenn Sie häufig wiederholte Abfragen oder große Datensätze verarbeiten, die von vorberechneten Ergebnissen profitieren würden. `$materialize` wandelt komplexe FHIR-Strukturen in einfache SQL-Schnittstellen um, macht FHIR-Daten für alle zugänglich, die SQL beherrschen, und ermöglicht den Einsatz standardisierter Analyse-Tools im gesamten Ökosystem der Gesundheitsdaten. Weitere Informationen zur Funktionsweise von `$materialize` und seinen Parametern finden Sie in der [Aidbox-Dokumentation](https://www.health-samurai.io/docs/aidbox/modules/sql-on-fhir/operation-materialize).