In einer immer digitaleren Welt steigt die Anzahl an Transaktionen, die von Unternehmen möglichst schnell verarbeitet werden müssen, damit ihre Kunden keine langen Wartezeiten haben. Das Online Transaction Processing, kurz OLTP, bezeichnet eine Art der Datenverarbeitung, die eine Echtzeit-Verarbeitung von einer großen Anzahl an Transaktionen ermöglicht. Diese Systeme sind essenziell für verschiedene Wirtschaftsbereiche, wie zum Beispiel E-Commerce Unternehmen, den Finanzsektor oder das Gesundheitswesen. Diese Systeme sind darauf ausgelegt, zahlreiche und gleichzeitige Benutzeranfragen zu verarbeiten und dabei höchste Benutzerintegrität zu gewährleisten. 

In diesem Beitrag beschäftigen wir uns mit den einzigartigen Merkmalen von Transaktionen und wie diese mithilfe von OLTP verarbeitet werden können. Dazu schauen wir uns Architekturen und deren Eigenschaften an, bevor wir über die Vor- und Nachteile dieser Systeme reden können. 

Was sind Transaktionsdaten?

Transaktionensdaten sind Informationen, die im Umfeld von Organisationen und Unternehmen anfallen. In vielen Fällen handelt es sich dabei um sogenannte Geschäftstransaktionen, also beispielsweise Zahlungsein- oder ausgänge, neue Aufträge oder um den Einkauf von Rohstoffen. Diese Transkationen entstehen bei jeder Interaktion eines Nutzers mit einem OLTP-System und dienen zur Dokumentation und Nachverfolgbarkeit von Geschäftsprozessen. 

Für Transaktionen gilt, dass sie unteilbar und konsistent sind. Diese Eigenschaften decken sich auch mit den sogenannten ACID-Kriterien von Datenbanken. Die Unteilbarkeit (oder Atomicity bei Datenbanken) besagt, dass die Transaktion entweder ganz oder gar nicht ausgeführt wird. Sie sind also zu einem bestimmten Zeitpunkt erfolgt oder nicht erfolgt. Die Konsistenz (oder Consistency bei Datenbanken) beschreibt die Eigenschaft, dass eine Transaktion das System immer in einem konsistenten, also gültigem, Zustand hinterlässt. 

Diese ACID-Kriterien müssen entsprechend auch von den Datenbanken gewährleistet werden, welche die Transaktionen abspeichern. Deshalb können dafür häufig nur relationale Datenbanken genutzt werden, da viele NoSQL Datenbanken nicht konsistent sind. Darüber hinaus besitzen Transaktionen die folgenden Merkmale: 

• Dynamisch: Die Transaktionen ändern sich durchgehend, da in Echtzeit neue Transaktionen hinzukommen.
• Detailliert: Jede Transaktion enthält eine Vielzahl an detaillierten Informationen, wie zum Beispiel einen Zeitstempel, die beteiligten Parteien, die Artikel im Warenkorb oder den Betrag. 
• Kurzlebig: Oft befinden sich Transaktionen nur eine kurze Zeit in den operativen Systemen, bevor sie dann langfristig in Data Warehouses oder anderen Datenarchiven abgelegt werden.
• Strukturierte Form: Die Informationen in einer Transaktion verfolgen meist ein vorgegebenes Muster, sodass es sich um strukturierte Daten handelt, die in relationalen Datenbanken abgelegt werden können.  

Transaktionen kommen in den verschiedensten Unternehmen vor und liegen nicht nur bei Bestellungen vor, wie zum Beispiel bei Kreditkartenzahlungen, E-Commerce Bestellungen oder Retouren. Im Gesundheitswesen beispielsweise spricht man auch bei der Patientenaufnahme und der Medikamentenvergabe von Transaktionen. In der Logistik hingegen werden auch die möglichen Lagerbewegungen als Transaktionen bezeichnet. 

Welche Merkmale haben Transaktionsdaten?

Transaktionsdaten werden deshalb als eine spezielle Gattung von Daten behandelt, da sie spezifische Eigenschaften haben, die sie von anderen Datensätzen unterscheiden. Ihre Struktur, Verarbeitung und Speicherung unterliegen hohen Anforderungen, da sie eine zentrale Rolle in geschäftskritischen Prozessen spielen. 

Zu diesen Merkmalen gehören unter anderem: 

• Normalisierung: Transaktionsdaten sind in der Regel stark normalisiert. Das bedeutet, dass sie so strukturiert sind, dass Redundanzen vermieden und Inkonsistenzen ausgeschlossen werden. Es handelt sich dabei um die zentralen Daten von Unternehmen, weshalb es zu keinen Fehlern kommen darf, da diese teure Folgen in der echten Welt haben können. Dies wird konkret umgesetzt, indem die Daten in unterschiedliche Tabellen aufgeteilt werden, die miteinander in Beziehung stehen. 
• Konsistenz: Die Konsistenz von Transaktionsdaten ist ein essenzieller Bestandteil, der sicherstellt, dass alle Daten innerhalb eines Systems in einem gültigen und widerspruchsfreien Zustand bleiben. Beispielsweise darf bei einer Banküberweisung der Betrag nicht doppelt abgebucht werden oder sogar verloren gehen. Die Einhaltung der ACID-Prinzipien sorgt für die ordnungsgemäße Verarbeitung von Transaktionen.
• Datenmodell und Struktur: In vielen Fällen sind Transaktionsdaten stark strukturiert, damit sie in operativen Systemen schnell und einfach verarbeitet werden können. Aufgrund von dieser Struktur lassen sie sich einfach in tabellarischen Datenbanken, wie zum Beispiel relationale Datenbanken abspeichern. 

Aufgrund von diesen Merkmalen sind Transaktionsdaten eine essenzielle Grundlage für Unternehmen und ermöglichen eine Echtzeit-Datenverarbeitung. Damit lassen sich Geschäftsprozesse effizient steuern, Kundeninteraktionen zuverlässig verwalten und eine fehlerfreie Datenbasis für Analysen erstellen. 

Was ist OLTP?

Aufgrund der Eigenheiten von Transaktionsdaten und deren hohen Anforderungen an die genutzten Datenbanken, umfasst das Online Transaction Processing alle Tools, die für die Echtzeit-Datenverarbeitung von Transaktionen spezialisiert sind. Ein OLTP-System ermöglicht es mehreren Nutzern gleichzeitig, kleine und häufig auftretende Transaktionen durchzuführen, wie zum Beispiel das Buchen eines Flugtickets oder das Tätigen einer Online-Zahlung. 

In vielen Fällen handelt es sich dabei um Relationale Datenbanken, da diese die hohen Anforderungen von Transaktionen an die Konsistenz und Normalisierung erfüllen. Gleichzeitig können Relationale Datenbanken auch meist viele Abfragen gleichzeitig verarbeiten. Es gibt jedoch auch vereinzelte NoSQL Lösungen, welche für OLTP genutzt werden können. 

Online Transaction Processing System zeichnen sich vor allem durch die folgenden Punkte aus: 

• Volumen: Das Volumen an Nutzern, die gleichzeitig eine hohe Menge an Daten abfragen wollen ist sehr hoch. Vor allem bei großen Unternehmen werden Aufträge von sehr vielen Personen verarbeitet. Das System muss diese hohen Lasten abkönnen. 
• Hohe Verfügbarkeit: Die Datenbank kann sich keine Ausfallzeiten erlauben, da dies teure Konsequenzen im echten Leben hat, wie beispielsweise ausgefallene Umsätze. 
• Einfache, aber häufige Datenmodifikationen: Die Art der Datenmodifikation in OLTP-Systemen ist meistens sehr ähnlich und es kommen neue Datensätze hinzu, wie beispielsweise neue Aufträge, oder bestehende Datensätze werden geändert, beispielsweise weil es zu einer Retoure kam. Diese Modifikationen können aber in Stoßzeiten sehr häufig vorkommen, vor allem bei E-Commerce Shops. 
• Schnelle Antwortzeiten: Die Systeme werden auch im produktiven Einsatz genutzt und müssen somit kurze Antwortzeiten gewährleisten können. Wenn ein Kunde in einem Online-Shop beispielsweise seine bisherigen Bestellungen einsehen will, sollte die Abfrage schnell passieren, damit die Ladezeit der Website niedrig ist. Eine lange Ladezeit wird ansonsten vom Kunden als schlechte Qualität der Website wahrgenommen. 
• Integrität: Wie wir bereits erläutert haben, setzen Transaktionen ein hohes Maß an Konsistenz voraus, um den Wahrheitsgehalt der Daten zu gewährleisten. 

Ein Online Transaction Processing System ist in drei verschiedenen Ebenen aufgebaut. Auf der untersten Ebene, der sogenannten Datenspeicherebene, liegen die Transaktionen ab. 

In der Geschäftslogikebene wird geprüft, ob die Transaktionen korrekt sind und zuvor definierten Regeln entsprechen. Hier wird auch festgelegt, ob alle nötigen Voraussetzungen gegeben sind, dass eine Transaktion abgeschlossen werden kann. Die Präsentationsebene schließlich stellt das Frontend dar, das der Nutzer zu sehen bekommt.

Wie sind OLTP-Systeme aufgebaut?

OLTP-Systeme sind so aufgebaut, dass sie eine Großzahl von gleichzeitigen Abfragen belastbar und schnell verarbeiten können. Dazu besteht ihre Architektur aus mehreren Schichten, die zusammen die Benutzeranfragen bearbeiten, Daten speichern und dabei die Geschäftslogik ausführen. 

Zu den Hauptkomponenten eines OLTP-Systems zählen: 

• Datenbank: Die zentrale Komponente, in der alle Daten gespeichert und verwaltet werden. Um die ACID-Konformität zu bieten, wird hierbei meist auf relationale Datenbanken genutzt und es kommen Systeme, wie MySQL oder PostgreSQL, zum Einsatz. 
• Middleware: In dieser Zwischenschicht wird zwischen der Datenbank und der Benutzeroberfläche vermittelt. Hier lassen sich die Geschäftslogik implementieren, Datenbankabfragen optimieren und die sichere Kommunikation zwischen den Ebenen etablieren. 
• Frontend (Benutzeroberfläche): Mit dieser Schnittstelle können die Benutzer mit dem System interagieren und Transaktionen durchführen. Dabei kann es sich um eine Web-Anwendung, eine mobile App oder eine Desktop-Software handeln. In dieser werden die Transaktionsdaten entgegengenommen und anschließend verarbeitet. 

In der Regel bestehen OLTP-Systeme aus einer sogenannten Client-Server-Architektur, die aus zwei oder mehr Schichten bestehen kann, abhängig davon, ob das System skalierbar sein muss und welche Komplexität sich darüber abbilden lässt: 

• 2-Tier-Architektur: In dieser Anordnung kommuniziert der Client direkt mit der Datenbank und schreibt oder liest darauf. Für kleine Unternehmen kann diese Architektur optimal sein, jedoch ist sie wenig skalierbar und kann nur einfache Logiken abbilden. 
• 3-Tier-Architektur: Bei dieser Architektur wird eine zusätzliche Middleware-Schicht eingefügt, die die Geschäftslogik zwischen Client und Datenbank vermittelt. Dadurch ist das System besser skalierbar und es wird auch sicherer, da kein direkter Zugriff auf die Datenbank möglich ist. 
• Mehrschichtige Architektur: Bei großen OLTP-Systemen werden noch weitere Schichten eingebaut, damit eine Lastverteilung stattfinden kann und außerdem die Performance verbessert wird. Dadurch ist die Verfügbarkeit höher und es können mehr gleichzeitige Abfragen verarbeitet werden. 

Schließlich unterscheiden sich OLTP-Systeme auch darin, wie sie gehostet werden: 

• On-Premises: Um die maximale Kontrolle über ihre Daten zu behalten und die Sicherheit gewährleisten zu können, betreiben Unternehmen ihre OLTP-Systeme auf eigenen, lokalen Servern. Dies ist oft in Banken oder anderen Finanzunternehmen der Fall, welche hohe Standards für die Datensicherheit erfüllen müssen. 
• Cloud-basiert: Immer mehr Unternehmen setzen auch auf cloud-basierte Datenbanken, wie Amazon RDS oder Microsoft Azure SQL, um die volle Flexibilität nutzen zu können. Wenn mehr Performance oder Speicherplatz benötigt wird, kann einfach mehr Hardware gebucht und hinzugeschalten werden und sobald diese Peak-Last vorüber ist, wieder zurückgefahren werden. Dadurch werden die Betriebskosten optimiert, da ausschließlich das bezahlt werden muss, was auch tatsächlich genutzt wird. 
• Hybride Modelle: Diese Modelle kombinieren eine On-Premises Architektur mit Cloud-basierten Technologien, um die Vorteile aus beiden Infrastrukturen zu ziehen. Dadurch können sensible Daten lokal gehalten werden und gleichzeitig die Vorteile der Cloud, durch die Skalierung und Backup-Fähigkeit, genutzt werden. 

In der Architektur von OLTP-Systemen liegen die maßgeblichen Einflussfaktoren für Leistungsfähigkeit, Skalierbarkeit und Sicherheit. Durch die neuesten Entwicklungen wird hierbei immer mehr auf Cloud-basierte Lösungen und verteilte Datenbanken gesetzt.  

Welche Anwendungen nutzen OLTP-Systeme?

OLTP-Systeme sind in zahlreichen Branchen unverzichtbar, da sie die Abwicklung von Transaktionen ermöglichen und damit Gewinne für das Unternehmen erwirtschaften. Allgemein kommen sie immer dann zum Einsatz, wenn Benutzerinteraktionen gespeichert, verarbeitet und aktualisiert werden müssen. Die typischsten Anwendungsbereiche stellen wir in diesem Abschnitt genauer vor.

Banken- und Finanztransaktionen

Im Finanzsektor fallen täglich eine Vielzahl von Transaktionen an, wie zum Beispiel bei Überweisungen, Kartenzahlungen oder anderen Kontoaktualisierungen. Jede dieser Prozesse muss dabei nicht nur schnell, sondern vor allem auch sicher durchgeführt werden, damit es zu keinen Fehlern kommt, die schnell sehr kostspielig werden können. Außerdem müssen hohe Sicherheitsstandards und die Datenintegrität gewährleistet werden, damit keine Außenstehenden die Daten abgreifen können. 

E-Commerce Plattformen

Online-Shops und Marktplätze sind darauf angewiesen, Bestellungen, Zahlungen und Lagerplätze in Echtzeit zu verwalten. Jede Aktion, die der Nutzer auf der Website oder in einer App durchführt, müssen sofort verarbeitet werden, um dem Kunden ein gutes Benutzererlebnis mit wenigen Unterbrechungen zu bieten. Zusätzlich muss der Kunde und dessen Bestellungen auch über einen längeren Zeitraum hinweg nachverfolgbar sein, damit spätere Transaktionen, wie Retouren oder Reklamationen, entsprechend verarbeitet werden können. 

Ticketbuchungssystem

Ticketbuchungssysteme kommen in den unterschiedlichsten Branchen zum Einsatz, wie unter anderem bei Fluggesellschaften, Bahnen, Kinos und anderen Events. Dabei müssen die Transaktionen in Echtzeit verarbeitet werden, damit es nicht zufällig zu einer Doppelbuchung kommt und gleichzeitig die Verfügbarkeit für andere Nutzer schnell aktualisiert wird.  

CRM- und ERP-Systeme

Viele Unternehmen nutzen Customer Relationship Management (CRM) und Enterprise Ressource Planning (ERP) System, um die Interaktion mit Kunden, sowie den Warenfluss zu verwalten. OLTP-Systeme werden dafür verwendet, um die Kundendaten zu aktualisieren, den Lagerbestand zu verändern oder andere Geschäftsprozesse effizient zu steuern. 

Diese Beispiele zeigen, dass OLTP-Systeme in vielen Branchen eine wichtige Rolle spielen und aus der heutigen Geschäftswelt kaum mehr wegzudenken sind. Durch ihre hohe Geschwindigkeit, parallele Verarbeitung und Datenintegrität, ermöglichen sie die effiziente und sichere Umsetzung von Geschäftsprozessen.  

Welche Nachteile haben OLTP-Systeme?

Das Online Transaction Processing ist essenziell für viele Unternehmen und deren Geschäftsprozesse. Jedoch bringen diese Systeme auch Nachteile und Herausforderungen, mit denen man vor allem bei hohen Transaktionszahlen umgehen muss. 

1. Hohe Infrastrukturkosten: Damit die Transaktionen schnell verarbeitet werden können, benötigen Unternehmen leistungsstarke Hardware mit schnellen Netzwerken, um die hohen Anforderungen erfüllen zu können. Diese weisen jedoch meist hohe Anfangsinvestitionen für Server und Speichersysteme auf und führen darüber hinaus zu Kosten für den Betrieb und die Wartung. Abhilfe kann dabei eine teilweise Auslagerung der Systeme in die Cloud schaffen, wodurch keine Anfangsinvestitionen notwendig sind und lediglich monatliche Kosten für die Nutzung anfallen. 
2. Komplexität der Skalierung: Aufgrund der Anforderungen an die Datenkonsistenz ist eine Skalierung deutlich komplexer als bei anderen Systemen. Eine vertikale Skalierung, also die Verbesserung der Hardware des Systems, ist meist kostenintensiv und begrenzt durch die Leistungsfähigkeit, die am Markt erhältlich ist. Eine horizontale Skalierung hingegen, bei der neue Server hinzugeschalten werden, um die Last zu verteilen, ist für OLTP-Systeme sehr komplex, da sichergestellt werden muss, dass bei der parallelen Verarbeitung die Datenkonsistenz erhalten bleibt. 
3. Leistungsengpässe durch Transaktionssperren (Locks): Da OLTP-Systeme auf die ACID-Eigenschaften setzen, kommt es bei hohen, gleichzeitigen Lasten häufig zu sogenannten Sperrkonflikten, da ein Änderungsvorgang erst abgeschlossen werden muss, bevor ein neuer gestartet werden kann. Im Worst Case kann es passieren, dass mehrere Benutzer zur gleichen Zeit auf denselben Datensatz zugreifen wollen und einen Deadlock erzeugen, sodass sie sich gegenseitig blockieren. 
4. Hohe Anforderungen an Datenkonsistenz und Verfügbarkeit: Da OLTP-Systeme in Echtzeit agieren, müssen sie die Datenintegrität und Verfügbarkeit garantieren. Deshalb muss eine hohe Verfügbarkeit des Systems gewährleistet werden, da selbst kleine Unterbrechungen bereits zu Datenverlusten oder fehlerhaften Transaktionen führen können. Aus diesem Grund muss ein besonderes Augenmerk auf die Verhinderung von Netzwerk- und Serverausfällen gelegt werden. 
5. Sicherheitsrisiken und Datenschutzanforderungen: OLTP-Systeme sind das Herzstück eines Unternehmens und verarbeiten häufig sensible Informationen, wie Kunden- oder Finanzdaten. Deshalb sind sie ein beliebtes Ziel für Hackerangriffe und anderen unbefugten Zugriff von außen. Aus diesem Grund besteht ein hoher Schutzbedarf und das Unternehmen muss sicherstellen, dass die Standards durchgehend aktuell gehalten werden. Zusätzlich müssen andere gesetzliche Vorgaben, wie zum Beispiel die DSGVO oder HIPAA, eingehalten werden. 

Insgesamt bieten OLTP-Systeme eine leistungsfähige Infrastruktur für die Echtzeit-Datenverarbeitung. Jedoch sind diese Systeme auch mit hohen Kosten, Skalierungsproblemen und anderen Sicherheitsanforderungen konfrontiert, sodass sie ständig optimiert und auf dem neuesten Stand gehalten werden müssen.  

OLTP vs OLAP

Die beiden Abkürzungen OLAP (für Online Analytical Processing) und OLTP (für Online Transaction Processing) werden fälschlicherweise oft miteinander in Verbindung gebracht, da die Namen einen ähnlichen Aufbau haben. Tatsächlich haben die Begrifflichkeiten jedoch gar nicht viel gemeinsam, sondern beschreiben unterschiedliche Konzepte. 

Das Online Transaction Processing (OLTP) umschreibt Systeme, die sich auf die schnelle Verarbeitung von Transaktionen spezialisiert haben. Der Hauptfokus liegt dabei vor allem darauf, dass die relevanten Personen im Frontend relativ einfach damit arbeiten können, um ihre Transaktionen, beispielsweise an der Kasse, zu verarbeiten. 

Das Online Analytical Processing (OLAP) hingegen ist eine Plattform zur einfacheren Datenanalyse in Datenbanken. Es wird also vor allem im Backend von Business Analysts oder Data Scientists genutzt, um Geschäftsdaten zu analysieren und teils komplexe Zusammenhänge zu finden, die zur Weiterentwicklung des Unternehmens beitragen können. 

Aus der technischen Sicht werden die Unterschiede sogar noch deutlicher, wie die folgenden Punkte zeigen, die von IBM zusammengestellt wurden: 

• OLTP-Abfragen basieren meist auf einzelnen Datensätzen zur Verarbeitung einer Transaktion, bei OLAP hingegen wird eine Vielzahl von Datensätzen abgefragt. 
• Beim Online Transaction Processing spielt die Reaktionszeit eine große Rolle, wohingegen die Analysen beim Online Analytical Processing nicht zeitrelevant sind und in vielen Fällen auch länger dauern können. 
• Beim Online Analytical Processing werden die Daten nicht geändert, sondern lediglich analysiert. Das Online Transaction Processing modifiziert die Datenbank mit jeder eingehenden Transaktion. 
• Die Speicherplatzanforderung von OLTP ist gering, da zwar viele Transaktionen abgespeichert werden, diese aber eine klare Struktur haben und eine begrenzte Menge an Spalten aufweisen. Beim OLAP hingegen werden große Datenmengen verarbeitet, da die Informationen nicht selten aus verschiedenen Datenbanken stammen und zusammengeführt werden. 

Es wird schnell deutlich, dass sich diese beiden Systeme in grundlegenden Punkten unterscheiden und nur wenig miteinander gemeinsam haben. 

Welche Zukunft haben OLTP-Systeme?

Obwohl OLTP-Systeme vor immer größeren Herausforderungen stehen und die Zahl an Transaktionen ständig zunimmt, bleiben sie weiterhin eine zentrale Säule der digitalen Wirtschaft. In der Zukunft werden weiterhin die Punkte Skalierbarkeit und Performance interessant bleiben und gleichzeitig auch neue Aspekte, wie Cloud-Technologien oder KI-Integration, relevanter werden. 

Immer mehr Unternehmen verlagern ihre OLTP-Datenbanken in die Cloud, um von einer besseren Skalierbarkeit, geringeren Betriebskosten und einer hohen Verfügbarkeit profitieren zu können. Dabei gibt es spezialisierte Datenbanken, wie Aurora oder Cosmos DB, die verteilte Transaktionen über mehrere Rechenzentren hinweg ermöglichen. Darüber hinaus gewinnen NoSQL Datenbanken an Bedeutung, da sie sich horizontal skalieren lassen und somit den höheren Anforderungen an die Performance gerecht werden. Zwar können sie aufgrund ihrer Architektur die ACID-Anforderungen nicht erfüllen, jedoch wird zunehmend auch die Eventual Consistency akzeptiert, um die Performance weiter verbessern zu können. Außerdem setzen sich die sogenannten NewSQL Ansätze durch bei denen die Skalierbarkeit von NoSQL Datenbanken mit den ACID-Eigenschaften der relationalen Datenbanken verbunden werden können. 

Auch bei den OLTP-Systemen spielt Künstliche Intelligenz eine zunehmend wichtige Rolle. Mithilfe von trainierten Modellen, können automatische Abfrageoptimierungen stattfinden, um Engpässe zu vermeiden, oder mithilfe von Predictive Scaling können Lastspitzen in Echtzeit erkannt und die Ressourcen entsprechend angepasst werden.  

Das solltest Du mitnehmen

• Das Online Transaction Processing (kurz: OLTP) beschreibt die gleichzeitige Verarbeitung von mehreren sogenannten Transaktionen.
• Transaktionen haben einige Anforderungen an die zugrundeliegenden Datenbanken, wie beispielsweise eine hohe Konsistenz und eine schnelle Datenverarbeitung. 
• Die Architektur von OLTP ist meist in drei Ebenen aufgeteilt, nämlich Präsentations-, Geschäftslogik- und Datenspeicherebene.
• OLTP und OLAP teilen sich zwar einen Großteils ihres Namens sind aber sehr verschieden. Der Hauptunterschied ist, dass bei OLTP die Datenbanken durchgehend um neue Transaktionen erweitert werden, während OLAP sich lediglich mit der Datenanalyse beschäftigt. 

Andere Beiträge zum Thema OLTP

Microsoft, IBM und Oracle bieten ausführliche Artikel zum Online Transaction Processing, welche auch für diesen Artikel als Quellen genutzt wurden:

• Microsoft OLTP
• Oracle OLTP
• IBM OLTP