Indekser er i dag svaret når det kommer til effektiv data tilgang. Nylig kom det en ny type indekser, kalt learned indexes. Disse bruker maskin læring som en sentral del. Med nylige oppfinninger kan indekstypen ha muligheten til å bli den nye standarden. I 2017 kom den første learned index som startet et nytt forskingsfelt innenfor databaser. I flere tiår har vi sett mindre oppdatering, nye indekser, og andre mindre forbedringer, men alle har en ting felles. De bruker ikke distribusjonen av data. I motsetning til tradisjonelle indekser gjør learned indexes en radikal paradigmeendring, og fokuserer på distribusjonen av data. Dette har vist seg å være svært effektivt, og man har sett store ytelses forbedringer. Nyere learned indexes forbedrer ytelses med opptil 71% over B-trær, og flytter minneforbruket fra gigabyte til megabyte. Google målte nylig en forbedring i Bigtable på opptil 50% i lesemengde. I denne master oppgaven går vi i dybden på fagfeltet. Kan indeksene levere så bra ytelse som påstår? Vi ser på de forskjellige måtene å oppnå learned indexes, og sammenligner de med tradisjonelle indekser. Vi tar også en titt på hva fremtiden innenfor learned indexes kan være.