개체-관계 다이어그램 (Entity-Relationship Diagrams, ERDs)은 개념적 데이터베이스 설계의 핵심이지만, 일반적으로 기계가 읽을 수 있는 스키마가 아닌 렌더링된 이미지 형태로만 제공되어 AI 지원 데이터베이스 엔지니어링을 제한합니다. 우리는 다양한 도메인, 표기법, 복잡도 수준 및 확장 개체-관계 (Extended Entity-Relationship, EER) 구조를 아우르는 교육용 소스, 실제 스키마 및 합성 생성 예시에서 수집한 2,960개의 다이어그램으로 구성된, ER 다이어그램의 구조적 이해를 위한 최초의 대규모 벤치마크인 ERUnderstand를 소개합니다. 각 다이어그램은 스키마 요소의 세밀한 평가를 위해 표준화된 기계 판독 가능 표현과 쌍을 이룹니다. 최첨단 시각-언어 모델 (Vision-Language Models, VLMs)을 평가한 결과, 일반적인 ERD 요소는 안정적으로 복구(F1 > 0.74)되는 반면, 약한 개체 (weak entities, F1 0.28까지 하락), 다중값 속성 (multivalued attributes, F1 0.14), N항 관계 (N-ary relationships, F1 0.07)에서는 성능이 급격히 저하됨을 발견했습니다. 추론 증강 (Reasoning-augmented) 모델은 전반적인 성능을 15-25% 향상시키지만, 언어적 사전 지식 (linguistic priors)과 증가하는 다이어그램 복잡도에는 여전히 민감합니다. ERUnderstand는 개념적 데이터베이스 스키마의 멀티모달 이해를 평가하기 위한 표준화된 벤치마크를 제공합니다. 벤치마크, 데이터셋, 평가 툴킷 및 생성 코드는 https://github.com/salinaria/ERUnderstand 에서 공개적으로 사용할 수 있습니다.