Als Sonderform der Datenbanksysteme ist ein Data
Warehouse einem bis ins kleinste ausgeklügelten automatisierten
Lager vergleichbar, in welchem Lieferungen, die in stetem Strom,
höchster Eile und riesigen Mengen eintreffen, einander zugeordnet
und so verstaut werden, dass Pakete in jeder gewünschten Zusammenstellung
auf Abruf zur Verfügung stehen. Anders als andere Waren müssen
Daten zusätzlich sinnvoll aufeinander bezogen und historisiert,
d.h. in zeitliche Abfolge gebracht werden, damit die Informationsbasis
für Analysen und Entscheidungen stets auf dem neuesten Stand
ist und Entwicklungen nachvollziehbar sind.
Geht es in der Markt- und insbesondere der Handelsforschung
um technische Gebrauchsgüter, deren Eigenschaften und Merkmale
weit komplexer als diejenigen schnelllebiger Konsumgüter sind,
so wird die Vielfalt der möglichen Auswertungsvarianten außerordentlich
groß. Wenn alle diese Optionen offen gehalten werden, stoßen
die Systeme schnell an ihre Grenzen, und es kann unzumutbar lange
dauern, bis Anfragen beantwortet sind.
Das neue Verfahren bekommt diese Komplexität
durch Aggregation und Kategorisierung von häufig wiederkehrenden
Abfragekomplexen in den Griff. Datenausschnitte, die das Anfrageverhalten
bestmöglich widerspiegeln, werden ausgewählt, vorberechnet
und in den Speicher überführt. Durch die Beschränkung
auf solche Daten ist dafür gesorgt, dass kein Speicherplatz
verschwendet wird. Da es sich um ein selbstlernendes System handelt,
reagiert es auf das Verhalten der Nutzer und stellt sich darauf
ein. Aggregate und Kategorien werden also laufend neu definiert.
Umfangreiche theoretische Vorarbeiten waren nötig,
um effiziente Verfahren zur Präaggregation, der Auswahl von
im Voraus zu berechnenden Datenbereichen, einsetzen zu können.
Zusätzlich wurden verteilte Verarbeitungsstrategien untersucht,
um den Präaggregationsansatz in eine parallele Verarbeitungsumgebung,
die Aufgaben auf mehreren Recheneinheiten aufteilen und gleichzeitig
bearbeiten kann, zu integrieren.
Weitere Informationen
Prof. em. Dr. Hartmut Wedekind
Tel.: 09131/85 -27893
hartmut.wedekind@informatik.uni-erlangen.de